Vous êtes sur la page 1sur 1093

ECS2 2017–2018

L’intégrale : cours, TD, TP, devoirs.

1
2
3
4
2

k 3 = *. k +/
n
X n
X
5

k=1 ,k=1 -

M. Vienney
Lycée Fauriel
vienney@ecs2-fauriel.fr
Table des matières

1 Révisions et compléments sur les suites et les séries. 9


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2 Variables aléatoires discrètes. Conditionnement 37


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3 Rappels et compléments d’algèbre linéaire 63


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

4 Intégrales impropres 95
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

5 Matrices 131
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

6 Couples de variables aléatoires discrètes 163


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182

7 Valeurs propres, vecteurs propres 197


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

3
4 TABLE DES MATIÈRES

8 Variables aléatoires à densité 231


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

9 Produits scalaire, espaces euclidiens 265


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282

10 Diagonalisation 293
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311

11 Vecteurs aléatoires 321


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334

12 Supplémentaire orthogonal 347


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358

13 Fonctions de plusieurs variables 369


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391

14 Convergence des variables aléatoires 405


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426

15 Endomorphismes et matrices symétriques 437


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449

16 Estimation ponctuelle 461


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


TABLE DES MATIÈRES 5

17 Topologie de Rn . Calcul différentiel d’ordre 2 489


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 509
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 512

18 Estimation par intervalle de confiance 529


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538

19 Optimisation sous contrainte 543


Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 543
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556

20 Révisions d’analyse 567


Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 568
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 572
EDHEC 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 592
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
ECRICOME 2009 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 601
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602

21 Révisions de probabilités 607


Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613
EDHEC 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 635
EDHEC 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 642
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643

22 Révisions d’algèbre 647


Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 648
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 651
EML 2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 666
EML 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 670
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
EDHEC 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 675
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
EDHEC 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 678
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 679
EML 2009 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 684
Liste des commandes Scilab exigibles. . . . . . . . . . . . . . . . . . . . . . . . 690
TP 1 : Manipulation de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 692
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 696
TP 2 : Simulation de lois discrètes . . . . . . . . . . . . . . . . . . . . . . . . . 700
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 704
TP 3 : Statistiques à une variable . . . . . . . . . . . . . . . . . . . . . . . . . . 711
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
TP 4 : Chaînes de Markov I . . . . . . . . . . . . . . . . . . . . . . . . . . . 718
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
TP 5 : Chaînes de Markov II . . . . . . . . . . . . . . . . . . . . . . . . . . . 726
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 730

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


6 TABLE DES MATIÈRES

TP 6 : Statistiques bivariées . . . . . . . . . . . . . . . . . . . . . . . . . . . 733


Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 737
TP 7 : Simulation de lois à densité . . . . . . . . . . . . . . . . . . . . . . . . . 741
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 745
TP 8 : Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . . 749
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 752
TP 9 : Intervalles de confiance, méthodes de Monte-Carlo . . . . . . . . . . . . . . . . . 754
Devoir maison 0 (à rendre le 04.09.17) . . . . . . . . . . . . . . . . . . . . . . . . 760
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 764
Devoir maison 1 (à rendre le 14.09.17) . . . . . . . . . . . . . . . . . . . . . . . . 776
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 777
Devoir maison 2 (à rendre le 21.09.17) . . . . . . . . . . . . . . . . . . . . . . . . 779
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 780
Devoir maison 3 (à rendre le 28.09.17) . . . . . . . . . . . . . . . . . . . . . . . . 783
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 785
Devoir maison 4 (à rendre le 05.10.17) . . . . . . . . . . . . . . . . . . . . . . . . 789
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 791
Devoir maison 4 (sujet type parisiennes) (à rendre le 12.10.17) . . . . . . . . . . . . . . . . 796
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 799
Devoir maison 5 (à rendre le 19.10.17) . . . . . . . . . . . . . . . . . . . . . . . . 811
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 812
Devoir maison 5 bis (à rendre le 19.10.17) . . . . . . . . . . . . . . . . . . . . . . . 816
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 819
Devoir maison 6 (à rendre le 09.11.17) . . . . . . . . . . . . . . . . . . . . . . . . 829
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 831
Devoir maison 6 : sujet dur (à rendre le 9.11.17) . . . . . . . . . . . . . . . . . . . . 836
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 840
Devoir maison 7 (sujet facultatif ) (à rendre le 14.11.17) . . . . . . . . . . . . . . . . . . 850
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 851
Devoir maison 8 (à rendre le 28.11.17) . . . . . . . . . . . . . . . . . . . . . . . . 854
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 855
Devoir maison 9 (à rendre le 12.12.17) . . . . . . . . . . . . . . . . . . . . . . . . 857
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 859
Devoir maison 10 (à rendre le 21.12.17) . . . . . . . . . . . . . . . . . . . . . . . 863
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 865
Devoir maison 11 (à rendre le 11.01.18) . . . . . . . . . . . . . . . . . . . . . . . 869
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
Devoir maison 11 (Maths II) (à rendre le 11.01.18) . . . . . . . . . . . . . . . . . . . 872
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 875
Devoir maison 11 (ESSEC) (à rendre le 11.01.18) . . . . . . . . . . . . . . . . . . . . 883
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 886
Devoir maison 11 (à rendre le 11.01.18) . . . . . . . . . . . . . . . . . . . . . . . 896
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 897
Devoir maison 12 (à rendre le 18.01.18) . . . . . . . . . . . . . . . . . . . . . . . 899
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 900
Devoir maison 13 (à rendre le 29.01.18) . . . . . . . . . . . . . . . . . . . . . . . 902
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 904
Devoir maison 14 (à rendre le 08.02.18) . . . . . . . . . . . . . . . . . . . . . . . 907
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 908
Devoir maison 14 (type parisiennes) (à rendre le 08.02.18) . . . . . . . . . . . . . . . . . 911
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 913
Devoir maison 15 (à rendre le 08.03.18) . . . . . . . . . . . . . . . . . . . . . . . 919
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 920
Devoir maison 16 (à rendre le 15.03.18) . . . . . . . . . . . . . . . . . . . . . . . 923
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 926
Devoir surveillé 1 (09.09.17) . . . . . . . . . . . . . . . . . . . . . . . . . . . 934
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 936
Devoir surveillé 2 (14.10.17) . . . . . . . . . . . . . . . . . . . . . . . . . . . 943

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


TABLE DES MATIÈRES 7

Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 947
Concours blanc 1 (16.11.17) . . . . . . . . . . . . . . . . . . . . . . . . . . . 956
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 959
Devoir surveillé 4 (02.12.17) . . . . . . . . . . . . . . . . . . . . . . . . . . . 969
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 973
Devoir surveillé 5 (16.12.17) . . . . . . . . . . . . . . . . . . . . . . . . . . . 984
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 987
Devoir surveillé 5 (Maths II) (16.12.17) . . . . . . . . . . . . . . . . . . . . . . . . 997
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1000
Devoir surveillé 6 (03.02.18) . . . . . . . . . . . . . . . . . . . . . . . . . . . 1012
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1015
Concours blanc 2 (26.02.18) . . . . . . . . . . . . . . . . . . . . . . . . . . . 1023
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1026
Concours blanc 2 : Maths II (03.03.18) . . . . . . . . . . . . . . . . . . . . . . . 1036
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1040
Devoir surveillé 8 (24.03.18) . . . . . . . . . . . . . . . . . . . . . . . . . . . 1054
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1058
Devoir surveillé 8 (HEC) (24.03.18) . . . . . . . . . . . . . . . . . . . . . . . . . 1069
Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1073

Questions posées en tests de connaissances 1085

Index 1090

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


RÉVISIONS ET COMPLÉMENTS SUR LES 1
SUITES ET LES SÉRIES.
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Suites convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Comparaison de suites . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Ce chapitre est essentiellement composé de rappels de première année sur les suites et les
séries. Pour cette raison, nous donnons peu de preuves, celles-ci se trouvant dans votre
cours de première année.

1.1 SUITES CONVERGENTES

Définition 1.1 – Une suite (un )n ∈N est convergente si il existe ` ∈ R tel que

∀ε > 0, ∃N ∈ N, n > N ⇒ |un − `| < ε.

Un tel réel `, si il existe, est alors unique et est appelé limite de la suite (un ).
Si (un ) n’est pas convergente, on dit que (un ) diverge.

` +ε

` −ε

Remarques
• Il n’y a pas unicité de N ,
par exemple N = 10 convient
N =9 également.
• N dépend de ε .
• Il se peut que pour (un ou
plusieurs) n < N , on ait
FIGURE 1.1 – La suite (un ) converge vers ` : pour n > N , un est dans la «bande» ]` − ε, ` + ε[. également |u n − `| < ε . C’est
par exemple ici le cas pour
n = 7.
Remarque. De manière équivalente, cela signifie que pour tout intervalle ouvert I contenant
`, I contient tous les termes de la suite, sauf un nombre fini.

Définition 1.2 – On dit que (un ) diverge vers +∞ (respectivement −∞) si

∀A ∈ R, ∃N ∈ N, n > N ⇒ un > A (resp. un 6 A).

9
10 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

Définition 1.3 – Une suite (un ) est majorée si il existe M ∈ R tel que pour tout
n ∈ N, un 6 M.
Une suite (un ) est minorée si il existe m ∈ R tel que pour tout n ∈ N, m 6 un .
Une suite (un ) est bornée si elle est à la fois majorée et minorée. C’est le cas si et
seulement si il existe M ∈ R+ tel que pour tout n ∈ N, |un | 6 M.

Théorème 1.4 (de la limite monotone) : • Soit (un ) une suite croissante. Alors
1. si (un ) est majorée, elle converge et limn→+∞ un = sup{un , n ∈ N}. Méthode
2. si (un ) n’est pas majorée, alors lim un = +∞. Le théorème de la limite
n→+∞
monotone est très efficace
• Soit (un ) une suite décroissante. Alors pour montrer qu’une suite
monotone converge , et c’est
1. si (un ) est minorée, elle converge et lim un = inf {un , n ∈ N}.
n→+∞ souvent le premier résultat
auquel penser.
2. si (un ) n’est pas minorée, alors lim un = −∞.
n→+∞ En revanche il ne permet que
rarement de déterminer la
limite de la suite.

Proposition 1.5 : Soit (un ) une suite. Alors (un ) est convergente si et seulement si les Remarque
deux suites (u 2n )n ∈N et (u 2n+1 )n ∈N convergent vers une même limite.
La suite (u 2n ) est la suite for-
mée de termes d’ordre pair
Remarque. Il est important que les limites des deux suites (u 2n ) et (u 2n+1 ) soient les mêmes. de (u n ) : u 0, u 2, u 4, . . . .
Et de même, (u 2n+1 ) est
Par exemple, pour un = (−1)n , les suites (u 2n ) et (u 2n+1 ) sont constantes, donc convergentes. la suite formée des termes
Mais la première converge vers 1, la seconde vers −1 et (un ) diverge. d’ordre impair de (u n ).

Démonstration. Supposons que (un ) converge, et soit ` = lim un .


n→+∞
Soit I un intervalle ouvert contenant `.
Alors tous les termes de la suite, sauf un nombre fini sont dans I . En particulier, tous les
termes pairs, sauf un nombre fini sont dans I et donc lim u 2n = `.
n→+∞
De même, tous les termes impairs, sauf un nombre fini sont dans I et donc lim u 2n+1 = `.
n→+∞

Inversement, supposons que les deux suites (u 2n ) et (u 2n+1 ) convergent vers `.


Alors si I est un intervalle ouvert contenant `, seuls un nombre fini de termes d’ordre pair
sont hors de I , et seuls un nombre fini de termes d’ordre impair sont hors de I .
Par conséquent, il n’y a qu’un nombre fini de termes de la suite (un ) hors de I : (un )
converge vers `. 

Définition 1.6 – Deux suites (un ) et (vn ) sont adjacentes si :


1. (un ) est croissante
2. (vn ) est décroissante
3. lim un − vn = 0.
n→+∞

Proposition 1.7 : Si (un ) et (vn ) sont adjacentes, alors elles convergent vers une même
limite.

1.2 COMPARAISON DE SUITES


Nous rappelons ici quelques points importants sur les notations ∼ et o.
Tous ces résultats sont ici énoncés en termes de suites, mais restent valables pour des
fonctions, que ce soit au voisinage de ±∞ ou de a ∈ R.

1.2.1 Définitions, opérations usuelles

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 11

Définition 1.8 – Soient (un ) et (vn ) deux suites. On dit que (un ) est négligeable de-
vant (vn ) et on note un = o (vn ) s’il existe une suite (εn )n ∈N telle que lim εn = 0
n→+∞ n→+∞ Remarque
et ∀n ∈ N, un = εnvn .
un En pratique, on utilise tou-
Si pour tout n ∈ N, vn , 0, cela revient à dire que lim = 0. jours cette seconde défini-
n→+∞ v n
tion.
un
Cas particulier : on a un = o (1) si et seulement si lim = 0 ⇔ lim un = 0.
n→+∞ n→+∞ 1 n→+∞

B La notation o(un ), bien que très pratique et très puissante, est aussi difficile à manipuler.
En effet, o(un ) ne désigne pas une seule suite, mais n’importe quelle suite négligeable devant
un .
Certains calculs sont alors contraires à l’intuition : par exemple o(un ) − o(un ) n’est pas
1 Bien que ce soit possible.
nécessairement1 la suite nulle. On ! a juste o(un ) − o(u
! n ) = o(un ).
1 1 1 1 1 1
Par exemple, si 2 = o et 3 = o , mais 2 − 3 , 0, mais est encore
n n→+∞ n n n→+∞ n n n
2 1 2 Pour s’en convaincre, le
négligeable devant .
n plus simple est de passer au
De même, on a 2 × o(un ) = o(2un ) = o(un ). quotient.
Nous verrons en TD d’autres exemples de manipulation de la notation o.
En cas de doute, on reviendra toujours à la définition à l’aide du quotient.

Définition 1.9 – Soient (un ) et (vn ) deux suites. On dit que (un ) est équivalente à
(vn ) et on note un ∼ vn si un − vn = o (vn ) (ou encore un = vn + o (vn )).
n→+∞ n→+∞ n→+∞
un Méthode
Si pour tout n ∈ N, vn , 0, ceci est équivalent à lim = 1. En pratique, pour montrer
n→+∞ v n
que deux suites sont équiva-
lentes, on montre que leur
Remarques. Si un −→ `, avec ` , 0, alors un ∼ `. quotient tend vers 1.
n→+∞ n→+∞
B En revanche, ceci n’est pas vrai pour une suite qui tend vers 0.
Les seules suites équivalentes à 0 sont celles qui sont nulles à partir d’un certain rang. On
3 Mon prof de prépa avait
n’écrira donc jamais3 un ∼ 0, sauf si (un ) est la suite nulle.
n→+∞ l’habitude de dire «on n’est
Nous rappelons ici quelques règles de calcul sur les équivalents et les o. La plupart se jamais équivalent à 0, sauf si
retrouvent en revenant aux définitions. on est complètement nul !».

Proposition 1.10 : Soient (un ), (vn ) et (w n ) trois suites à termes non nuls. Alors
1. si un = o (vn ) et si vn = o (w n ), alors un = o (w n ).
n→+∞ n→+∞ n→+∞
2. si un = o (vn ), alors un w n = o (vn w n ).
n→+∞ n→+∞
3. si un = o (vn ) et si vn ∼ w n , alors un = o (w n ).
n→+∞ n→+∞ n→+∞
4. si un ∼ vn et si vn ∼ w n , alors un ∼ wn .
n→+∞ n→+∞ n→+∞
5. si un ∼ vn et si w n ∼ zn , alors un w n ∼ vn zn .
n→+∞ n→+∞ n→+∞
6. si λ ∈ R et si un ∼ vn , alors λun ∼ λvn .
n→+∞ n→+∞
7. si un ∼ vn , alors pour tout k ∈ N fixé, unk ∼ vnk . Remarque
n→+∞ n→+∞
Plus généralement, si un et vn sont à termes positifs, alors pour tout α ∈ R∗ fixé, En particulier, pour α = 12 ,
unα ∼ vnα . √ √
n→+∞ un ∼ vn .
n→+∞

Remarque. Si la propriété 5 nous dit qu’il est possible de multiplier les équivalents, rappelons
qu’on ne peut pas ajouter des équivalents.
Si on a besoin de l’équivalent d’une somme, on utilise généralement un développement
limité.
Enfin, la proposition suivante est souvent utilisée pour étudier la convergence de séries :

Proposition 1.11 : Si un ∼ vn et si vn est à termes strictement positifs, alors il existe


n→+∞
N ∈ N tel que pour n > N , un > 0.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


12 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.
un un
Démonstration. Puisque −→ 0, alors il existe N ∈ N tel que pour n > N , > 0 et
vn n→+∞ vn
donc un > 0. 

1.2.2 Croissances comparées usuelles


Les limites suivantes sont à connaître par cœur :

Proposition 1.12 : Pour a > 0, b > 0 et q > 1, on a


1. (ln n)a = o (nb ) 2. nb = o (qn )
n→+∞ n→+∞
3. qn = o (n!) 4. n! = o (nn ).
n→+∞ n→+∞

Démonstration. Seule la dernière n’a peut-être pas été prouvée en première année.
L’idée est de remarquer que n! = 1
|× 2 × n et que nn = n| × n ×
{z· · · × } n et que donc
{z· · · × }
n termes n termes

n! 1 2 n−1n
n
= ··· −→ 0.
n n |
|{z} n {zn n} n→+∞
−→ 0 61
n→+∞

1.2.3 Développements limités et équivalents


Nous ne redonnons pas la définition ni les propriétés des développements limités.
Rappelons juste deux choses fondamentales :
4 En ne gardant que les
1. on peut ajouter ou multiplier4 des développements limités de même ordre n
termes d’ordre inférieur
2. si f (x) = λ 0 + λ 1 (x − a) + · · · + λn (x − a)n + o ((x − a)n ) est le développement limité ou égal à n.
x →a
de f au voisinage de a, et si p = min{k ∈ n0, no : λk , 0}, alors f (x) ∼ λp (x − a)p .
x →a
Autrement dit
f (x ) est équivalent au pre-
Les développements limités suivants sont à connaître par cœur : mier terme non nul de son
développement limité.

Proposition 1.13 : Au voisinage de 0, on a :

X xk n
x2 xn
e x =1 + x + +···+ + o(x n ) = + o(x n )
2! n! k!
k=0
n
X
x2 x4 (−1)n (−1)k
cos x =1 − + +···+ x 2n + o(x 2n+1 ) = x 2k + o(x 2n+1 )
2 4! (2n)! (2k)!
k =0
n
X
x3 (−1)n
2n+1 2n+2 (−1)k 2k +1
sin x =x − +···+ x + o(x )= x + o(x 2n+2 )
6 (2n + 1)! (2k + 1)!
k =0

1 X n Astuce
=1 + x + x 2 + · · · + x n + o(x n ) = x k + o(x n ) Si on connait le DL de 1−x1
,
1−x
k =0 1
celui de 1+x s’obtient en
X n
1 changeant x en −x
=1 − x + x 2 + · · · + (−1)n x n + o(x n ) = (−1)k x k + o(x n )
1+x
k =0
n
x2 (−1)n−1 X (−1)k −1 Astuce
ln(1 + x) =x − +···+ x n + o(x n ) = x k + o(x n ) Ce développement limité se
2 n k
k=1 retrouve en intégrant celui
X xk n 1
x2 xn de 1+x (qui est la dérivée de
ln(1 − x) = − x − −···− + o(x n ) = − + o(x n ) ln(1 + x )).
2 n k
k =1
α(α − 1) 2 α(α − 1) · · · (α − n + 1) n En particulier
(1 + x)α =1 + αx + x +···+ x + o(x n )
2! n! Pour α = 21 et α = − 12 , on

retrouve les DL de 1 + x et
1
√ .
1+x

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 13

Remarque. De ces développements limités découlent tous les équivalents usuels :

e x − 1 ∼ x, ln(1 + x) ∼ x, (1 + x)α − 1 ∼ αx, . . .


x →0 x →0 x →0

Comme mentionné précédemment, les développements limités permettent d’obtenir des


équivalents de sommes.

Exemple 1.14

− 1 1
Soit (un )n>1 la suite définie par un = e 2n 2 − cos .
n
1
Alors, puisque −→ 0, on a
n n→+∞
! !!
1 1 1 1 1 1 1
un = 1 − + + o − 1 − + + o
2n 2 2 (2n 2 )2 n→+∞ n 4 2n2 24n 4 n→+∞ n4
!
1 1 1
= 4− + o
8n 24n4 n→+∞ n 4
!
1 1
= + o
12n 4 n→+∞ n4
1
∼ .
n→+∞ 12n 4

Enfin, donnons juste un équivalent classique, qu’il faut savoir retrouver à défaut de le
connaître par cœur :

Proposition 1.15 : On a ln(x) ∼ x − 1.


x →1

Démonstration. Il suffit juste de remarquer que ln(x) = ln(1 + (x − 1)), avec x − 1 −→ 0, et


x →1
donc en utilisant le classique ln(1 + u) ∼ u, on a donc
u→0

ln(x) = ln(1 + (x − 1)) ∼ x − 1.


x →1

1.3 SÉRIES NUMÉRIQUES


1.3.1 Définition, premières propriétés

Définition
X 1.16 – Soit (un ) une suite. On dit que la série de terme général un , ou
la série un , converge si
n
X Terminologie
lim uk n
X
n→∞ Si on note S n = uk ,
k =0
k =0

X on dit que S n est la somme
existe. Dans ce cas, on note alors uk cette limite, appelée somme de la série. partielle d’ordre n de la série
k =0 Σu k .
X
Ainsi, une série converge si
Dans le cas contraire, on dit que la série un diverge.
et seulement si la suite de ses
sommes partielles converge.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


14 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

Exemple 1.17

X 1
converge car
k(k + 1)
k >1
Terminologie
n
X n
X ! Xn n n n+1 Une telle série où les termes
1 1 1 1 X 1 X 1 X1 1 successifs se simplifient deux
= − = − = − = 1− −→ 1.
k(k + 1) k k +1 k k +1 k k n + 1 n→+∞ à deux est appelée série téles-
k=1 k=1 k =1 k =1 k =1 k =2
copique.

X
Proposition 1.18 : Si un converge, alors un −→ 0.
n→∞

X1 1
Remarque. La réciproque est fausse, par exemple diverge alors que → 0.
X n n
Par contraposée, si un 6→ 0, alors un diverge, on parle alors de divergence grossière.

Exemple 1.19 A Danger !


!n 1∞ est une forme indéter-
1 1 minée. Pour lever l’indé-
Déterminons la nature de la série de terme général un = 1 − = e n ln(1− 2n ) termination, on passe systé-
2n
matiquement par la forme
Nous savons que exponentielle.
! !
1 1 1 1
ln 1 − ∼ − et donc n ln 1 − ∼ − .
2n n→+∞ 2n 2n n→+∞ 2

Par continuité de l’exponentielle, on a alors un −→ e −1/2 , 0.


X n→+∞
Donc un diverge grossièrement.

X X
Proposition 1.20 : Soient (un ) et (vn ) deux suites, α, β ∈ R. Si un et vn
X
convergent, alors (αun + βvn ) converge et


X ∞
X ∞
X
(αun + βvn ) = α un + β vn .
n=0 n=0 n=0

X
Définition 1.21 – Si un est une série convergente, alors pour tout n ∈ N, la
n Remarque
X X
+∞ On ne parle du reste d’une
série uk converge, et sa somme Rn = uk est appelé reste d’ordre n de la série que dans le cas d’une
k >n+1 k =n+1 série convergente, il n’est
série. pas défini sinon.

X X
+∞
Proposition 1.22 : Si un converge et si Rn = uk , alors lim Rn = 0.
n→+∞
k =n+1

X
+∞
Démonstration. Notons S = uk . Alors
k=0
X
+∞ X
+∞ n
X n
X
Rn = uk = uk − uk = S − uk .
k=n+1 k =0 k=0 k =0
X n
X
Mais puisque uk converge, on a lim uk = S et donc lim Rn = S − S = 0. 
n→+∞ n→+∞
k =0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 15

1.3.2 Séries à termes positifs

X X
Proposition 1.23 : Soit un une série à termes positifs. Alors un converge si et
seulement si la suite de ses sommes partielles est majorée, c’est-à-dire s’il existe M ∈ R tel
que
X n
∀n ∈ N, uk 6 M.
k =0

n
X
Démonstration. Notons Sn = uk la suite des sommes partielles de la série.
k =0
n+1
X n
X
On a alors Sn+1 − Sn = uk − uk = un+1 > 0, et donc (Sn )n ∈N est une suite croissante.
k =0 k =0
Par le théorème de la limite monotone, elle converge si et seulement si elle est majorée. 
Attention !
Si l’on sait juste dire que la
Proposition 1.24 : Si (un ) et (vn ) sont deux suites telles que ∀n ∈ N, 0 6 un 6 vn ,
plus grande diverge ou que
alors : la plus petite converge, cela
X X
ne nous apprend rien sur
• si vn converge, alors un converge l’autre !
X X
• si un diverge, alors vn diverge.

Exemple 1.25

| cos n| 1 X 1
un = . Alors 0 6 u n 6 , et nous savons que la série converge (série
n2 n2 X n2
de Riemann convergente), et donc un converge.
1 + ln n 1 X1
Soit vn = , pour n > 1. Alors 0 6 6 vn . Nous savons que la série
n X n n
diverge (série harmonique), donc vn diverge.

5 En fait, ce résultat reste


Proposition 1.26X ) et (vn ) sont deux suites à termes positifs5 telles que
: Si (unX
valable si les deux séries sont
un ∼ vn , alors un et vn sont de même nature, i.e. à termes négatifs, l’essentiel
n→+∞
X X étant qu’elles soient de signe
• si un converge, vn converge constant. Et il suffit de prou-
X X ver que l’une des deux est de
• si un diverge, vn diverge. signe constant, l’autre l’étant
alors automatiquement par la
proposition 1.12

Exemple 1.27
!
2n 2n
Soit un = ln . Alors −→ 1 et donc
2n + 1 2n + 1 n→+∞
2n −1 1
un ∼ −1= ∼ − .
n→+∞ 2n + 1 2n + 1 n→+∞ 2n
X 1 X
Or, − diverge (et est de signe constant), donc un diverge.
2n
Soit vn = 1 − cos n1 . Alors ∀n ∈ N, vn > 0, et
!! !
1 1 1 1 1
vn = 1 − 1 − 2 + o 2 = 2 + o 2 ∼ 2 .
2n n 2n n 2n
X 1
Puisque la série converge et est à termes positifs, il en est de même de
2n2

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


16 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

X
un .

1.3.3 Séries absolument convergentes

X
Définition 1.28 – Soit (un ) une suite. On dit que la série un est absolument
X
convergente si |un | est convergente.
6 De manière plus générale,
Remarque. Pour une série à termes positifs6 , la convergence est équivalente à la convergence ceci est valable pour les séries
absolue car un = |un |. dont le terme général est de
signe constant.
X BRéciproque fausse
Proposition 1.29 : Si un est absolument convergente, elle est convergente et
Il existe des séries qui sont
X X
convergentes et non abso-
un 6
+∞ +∞
lument convergentes, par
|un | (inégalité triangulaire généralisée). X (−1)n
n=0 n=0 exemple .
n

Notons queXla suite (|un |) est toujours positive.


X Aussi, pour prouver prouver la convergence
absolue de un , on pourra appliquer à |un | les résultats relatifs aux séries à termes
positifs.

Exemple 1.30
√ √
sin( n) | sin n| 1
Soit un = . Alors 0 6 |un | 6 6 2.
n2 X n2 n X
1
Puisque la série 2
converge, il en est de même de |un |.
X n
Ainsi un est absolument convergente, et donc convergente.

Remarque
Proposition 1.31 : Soient (un ) et (vn ) deux suites telles que
P Ce résultat s’applique en
P
• vn soit absolument convergente particulier si v n > 0 et v n
converge.
• un = o(vn ).
P
Alors un est absolument convergente.

Exemple 1.32

2
un = e −(ln n) . !
un 2 1
Alors 1 = n 2un = e 2 ln n−(ln n) −→ 0. Donc un = o .
n→i∞ n2
n2
X 1 X
Puisque 2
est absolument convergente, alors un est absolument convergente
n
(et par conséquent convergente).

1.3.4 Séries de référence


Les séries suivantes sont les seules dont on doit connaître par cœur la nature, et que l’on
doit reconnaître immédiatement.

X 1
Proposition 1.33 (Séries de Riemann) : Soit α ∈ R. Alors converge si et

seulement si α > 1.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 17

Exemple 1.34

X 1 X 1
√ = converge.
n n n 3/2
X1
diverge. Cette série est appelée série harmonique.
n

Corollaire 1.35 (Règle


X n α un ) – Soit (un ) une suite réelle. S’il existe α > 1 tel que
n α un −→ 0, alors un converge absolument.
n→∞

Démonstration. Soit α > 1 tel que n α un −→ 0.


n→∞ !
un 1 X 1
Alors 1
= nα u
→ 0, ce qui signifie donc que un = o
n . Puisque la série

n→+∞ nα nα
X
converge absolument, il en va de même de un . 

Exemples 1.36

ln n ln n
• Soit un = . Cherchons α > 1 tel que n α un → 0. On a n α un = 2−α .
n2 n
Par croissance comparées, si 2 − α > 0 ⇔ α < 2, on a bien lim nα un = 0.
n→+∞
3
Prenons par exemple α = .
X 2
Puisque n3/2un → 0, un converge.
! −n  
2 2 ln n−n ln 1+ √2n
• Soit un = 1 + √ . Alors n2un = e . Or,
n
! !! Rappel
2 2 1 √ √ √
2 ln n−n ln 1 + √ = |{z} 2 ln n −n √ + o √ = 2 ln n−2 n+o( n) ∼ −2 n. Si u n = v n + o(v n ), alors
n √ n n un ∼ vn .
=o( n)
!
2
On en déduit que 2 ln n − n ln 1 + √ −→ −∞, et donc n 2un → 0.
n n→+∞
P
Par la règle nα un , on en déduit que un converge.

X xn Cas particulier
Proposition 1.37 (Série exponentielle) : Soit x ∈ R. Alors converge, et
n! Pour x = 1, on a alors

∞ X
+∞
1
X xn e= .
x n!
=e . n=0
n=0
n!

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


18 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

Proposition 1.38 (Série X géométrique


X et séries géométriques dérivées) : Soit
X
n n−1
q ∈ R. Alors les séries q , nq et n(n − 1)qn−2 convergent si et seulement si
n>0 n>1 n>2
|q| < 1. Dans ce cas, on a alors

X Astuce
1
qn = . Si l’on dérive q n par rapport
n=0
1−q à q, on obtient nq n−1 . Et si
1
∞ l’on dérive 1−q , on obtient
X 1 1
nqn−1 = . (1−q)2
. Il suffit donc d’ap-
n=0
(1 − q)2 prendre la première relation,

X et de la dériver une ou deux
2
n(n − 1)qn−2 = . fois pour retrouver les deux
n=0
(1 − q)3 autres.

Remarque. Vous avez pu apprendre d’autres formules en première année pour les séries
géométriques dérivées, à savoir

X
+∞
q X
+∞
q(1 + q)
nqn = et n 2q n = .
n=1
(1 − q)2 n=1
(1 − q)3

Ces formules sont strictement équivalentes à celles données plus haut. En effet, on a
X 1X n
+∞
1
nqn−1 = nq = et
n>1
q n=1
(1 − q)2

X
+∞ X
+∞
1 X 2 n 1 X n
+∞
n(n − 1)qn−2 = n(n − 1)qn−2 = n q − nq
n=2 n=1
q 2 n=1 q 2 n=1
1 1+q 1 1 1 1 + q − (1 − q) 2
= − = = .
q (1 − q)3 q (1 − q)2 q (1 − q)3 (1 − q)3

Il suffit donc d’apprendre l’une des deux formules, et d’être capable de s’adapter si dans un
7 En pratique, on a aussi
énoncé on a besoin de l’autre7 .
souvent besoin de l’une que
1.4 FAMILLES SOMMABLES de l’autre.

1.4.1 Retour sur la convergence absolue des séries

X
Proposition 1.39 : Soit un une série absolument convergente. Alors, quel que soit
P
φ : N → N bijective, la série uφ(n) converge absolument, et

X ∞
X
uφ(n) = un .
n=0 n=0

Démonstration. Admis. 

Ce résultat signifie que pour une série absolument convergente, l’ordre de sommation
est sans importance. C’est fondamental pour définir l’espérance d’une variable aléatoire
discrète, car la somme ne dépend pas de la «numérotation» qu’on a choisie pour X (Ω) (une
telle numérotation consiste à ordonner les éléments de X (Ω)).
P
B C’est faux si un est convergente mais pas absolument convergente.
X (−1)n
Par exemple, est convergente, mais pas absolument convergente. Il est possible
n
(mais délicat) de montrer qu’il existe φ : N → N bijective (c’est-à-dire une «renumérota-
X X∞
tion» des éléments de N) telle que uφ(n) diverge, ou encore telle que uφ(n) = a, a
n=0
étant un réel quelconque dont dépendra φ.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 19

1.4.2 Ensembles dénombrables

Définition 1.40 – Un ensemble I est dit dénombrable si il est fini ou s’il existe une
bijection φ : N → I .

Remarque. Cela signifie que l’on peut «numéroter» les éléments de I : φ(0) est le «premier»
élément de I , φ(1) le «second», etc.

Exemples 1.41

• N est dénombrable
• N∗ est dénombrable, avec φ : N → N∗ , n 7→ n + 1
• Z est dénombrable, avec
n 


φ : N → Z, 
7  2n
n→
+1 si n est impair
.
− 2 si n est pair

12 10 8 6 4 2 0 1 3 5 7 9 11
−6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6

• N × N est dénombrable

14

φ : N × N →N 9
13
(p + q + 1)(p + q)
(p, q) 7→ +p
2 5
8 12
est une bijection de N × N dans N
(difficile), donc φ −1 : N → N × N est 2
4 7 11
une bijection.

0 1 3 6 10
• R n’est pas dénombrable (très difficile, admis).

Proposition 1.42 :
• Si I et J sont dénombrables, alors I × J est dénombrable.
S
• Si (I j )j ∈N est une suite d’ensembles dénombrables, alors j ∈N I j est encore dénom-
brable.

Notons qu’on peut désormais donner une définition plus rigoureuse de variable aléatoire
discrète maintenant qu’on dispose de la notion de dénombrabilité :

Définition 1.43 – Une variable aléatoire réelle X : Ω → R est discrète si X (Ω) est
dénombrable.

1.4.3 Familles sommables

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


20 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

Définition 1.44 – Soit I un ensemble dénombrable, et soit (ui )i ∈I une famille de


réels indexés par I . On dit que la famille (ui )i ∈I est sommable si pour une (et donc
P 8 C’est la proposition 1.39.
pour toute8 ) bijection φ : N → I , uφ(n) est absolument convergente. La somme
de cette série est appelée somme de la famille (ui )i ∈I , et est notée
X
ui .
i ∈I

9 C’est-à-dire une famille


Remarque. Pour une suite9 (un )n ∈N , la famille (un )n est sommable si et seulement si la série
de terme général un est absolument convergente. indicée par N.

Lemme 1.45. Comme pour les séries absolument convergentes, l’ordre de sommation
n’est pas important.

Théorème 1.46 (de sommation par paquets, ou de Fubini) : Soit I un ensemble Le programme officiel stipule
que si ce théorème devait
dénombrable, et (ui )i ∈I[une famille de réels indexés par I . être utilisé, alors le sujet
On suppose que I = In , où les In sont des ensembles dénombrables ou finis, deux à devrait en rappeler l’énoncé.
n ∈N Toutefois, rien ne garantit
deux disjoints. que ce soit bien le cas sur les
Alors la famille (ui )i ∈I est sommable si et seulement si : sujets de parisiennes...
X
• ∀n ∈ N, la famille (ui )i ∈In est sommable (et donc |ui | existe)
i ∈I n

*. |ui |+/ est convergente.


X X

n ,i ∈I n -
Dans ce cas, on a alors
*. ui +/ .
X X X
ui =
i ∈I n ∈N ,i ∈I n -

Remarque. La difficulté est souvent de trouver les bons In , c’est-à-dire


Xde trouver comment
découper I en «paquets» pour lesquels ont sait étudier les sommes ui .
i ∈I n

Exemples 1.47

(−1)m
• Prenons I = N × N, et pour (m, n) ∈ N × N, um,n = .
m!n!
Alors I est dénombrable, et si
on pose
I2
In = {(m, n), m ∈ N}
[
I1 on a bien I = In , avec les
n ∈N
In deux à deux disjoints.
I0
X X 1 1 X 1
Pour n ∈ N, (ui )i ∈In est sommable car um,n = = est une série
m
m!n! n! m m!
absolument convergente.
X ∞
1 X 1 e
On a alors |um,n | = = .
m ∈I
n! m=0
m! n!
n

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 21

X e
Mais alors est convergente, donc (um,n )(m,n)∈N×N est sommable, et
n
n!

X X∞ X ∞ ∞ ∞
* (−1)m 1 + X e −1 −1
X 1
um,n = = =e = e −1 × e = 1.
n=0 ,m=0 - n=0
m! n! n! n=0
n!
(m,n)∈N×N

1
• Toujours avec I = N × N, posons um,n = .
(m + n)!

Posons cette fois, pour k ∈ N

Ik = {(m, n) ∈ N × N : m +n = k}
[
On a bien I = Ik , avec les Ik
k ∈N
deux à deux disjoints. Notons que
cette fois, les Ik sont finis.
I0 I1 I2 I3

Pour k ∈ N, la famille (um,n )(m,n)∈Ik est sommable car elle est finie. De plus, Le k + 1 provient du fait que
Card(I k ) = k + 1, ce dont on
X X se convainc facilement sur le
1 1 k +1
= = . dessin.
(m + n)! k! k!
(m,n)∈I k (m,n)∈I k

Xk +1 X !
1 1
Ensuite, la série = + est absolument convergente, donc
k! (k − 1)! k!
k k
la famille (um,n )(m,n)∈N×N est sommable, et
!
* 1 + X
X X X ∞
1 1 1
= . /= + = 2e.
(m + n)! (m + n)! (k − 1)! k!
(m,n)∈N×N k ∈N ,(m,n)∈I k - k =0

Corollaire 1.48 – Si I = N × N et si (um,n )(m,n)∈N×N est sommable, alors

X X
+∞ X
+∞ X
+∞ X
+∞
um,n = um,n = um,n .
(m,n)∈N×N n=0 m=0 m=0 n=0

Démonstration. Pour la première somme, c’est le théorème de sommation par paquets,


appliqué en notant que

[
I2
N×N= In , où In = {(m, n), m ∈ N}.
n=0 I1
Autrement dit, dans chaque «paquet» se trouvent les termes possédant «le même n». Et I0
donc sommer sur le paquet In revient à faire varier m sans changer n : FIGURE 1.2– Les paquets I n .
X X
+∞
ui = um,n .
i ∈I n m=0

Notons que si l’on sait que la famille est sommable, toutes les séries en jeu sont automati-
quement convergentes.

La seconde égalité se démontre de la même manière, en prenant des paquets pour lesquels
m est constant et n varie, c’est-à-dire en notant que
[
N×N= Jm , où Jm = {(m, n), n ∈ N}.
m ∈N J0 J1 J2 J3 J4
 FIGURE 1.3– Les paquets Jm .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


22 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

MÉTHODES DU CHAPITRE 1

! MÉTHODE 1.1 : Étudier la convergence d’une série numérique


P
un .
P
• En l’absence d’indication, commencer par s’assurer (au moins au brouillon) que un → 0. Si ce n’est pas le cas, un
diverge (grossièrement).
• Reconnaître une série usuelle (Riemann, géométrique, géométrique dérivée, exponentielle) ou une somme de telles
séries, et utiliser alors les résultats du cours. BOn ne sait rien dire de la somme de deux séries divergentes, elle peut
être convergente comme elle peut être divergente.
P
• Pour une série à termes positifs, majorer un par le terme général d’une série convergente (et alors un converge)
P
ou au contraire minorer un par le terme général d’une série divergente (et alors un diverge.)
• Si un est de signe constant, chercher un équivalent, éventuellement à l’aide d’un développement limité.
P P
• Si un n’est pas de signe constant, étudier |un | pour prouver une éventuelle convergence absolue. BSi |un |
P
diverge, on sait juste que un ne converge pas absolument, ça ne veut pas dire qu’elle diverge !
• Utiliser la règle n α un (comparaison à une série de Riemann convergente.)
• Si rien d’autre ne semble marcher, essayer de calculer la suite des sommes partielles et étudier sa convergence.
Exercices de TD : 1.6, 1.7, 1.8, 1.9, 1.16

! MÉTHODE 1.2 : Calculer la somme d’une série


P
un .
• S’assurer que la série est bien convergente (en général ça a déjà été fait dans les questions précédentes.)
P
• un est-elle une série géométrique (ou dérivées) ou une série exponentielle ou somme de telles séries ? Dans ce cas,
on sait conclure.
XN
• Calculer les sommes partielles uk . En général, s’il faut procéder ainsi, c’est soit qu’on a affaire à une série
k =0
télescopique (et alors la plupart des termes vont se simplifier), soit que l’énoncé nous aide par exemple à encadrer les
sommes partielles. Puis faire tendre N vers +∞.
Exercices de TD : 1.6, 1.8, 1.9, 1.12, 1.14, 1.15

X
MÉTHODE 1.3 : Étudier la convergence d’une série double um,n .
(m,n)
On essaiera systématiquement d’utiliser le théorème de sommation par paquets, sans oublier les valeurs absolues si
besoin.
Il s’agit alors de trouver les «bons paquets» pour lesquels les sommes se calculent facilement.
En général, ce sont ceux de l’exemple 1.47. On favorisera le premier type de paquets (sommer sur m, puis sur n (ou le
contraire)), et si ce n’est pas possible, on choisira le second type (sommation à m + n fixé). La présence de (m + n)! dans
um,n doit faire penser à ce second type de paquets.
Exercices de TD : 1.10, 1.11

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 23

EXERCICES DU CHAPITRE 1
EXERCICE 1.1 Déterminer les limites des suites suivantes : F
! n+2 !
√ n−1 1 1 n sin n
1. un = n n 2. un = 3. un = n 2 cos − cos 4. un =
n+1 n n+1 1 + n2
2n + (−1)n 3n 2 + (−1)n
5. un = 6. un = √ .
3n + (−1)n+1 n2 + 2 + ln(n)
EXERCICE 1.2 Soit (un ) la suite définie par u0 ∈]0, 1[ et ∀n ∈ N, un+1 = un − un2 . F
1) Montrer que pour tout n ∈ N, un ∈]0, 1[.
2) Montrer que (un ) est décroissante, et en déduire qu’elle converge vers un réel `.
3) Prouver que ` = 0.
EXERCICE 1.3 PD
n−2
1 1 X
1) Montrer que lim (1! + 2! + · · · + (n − 2)!) = lim k! = 0.
n→+∞ n! n→+∞ n!
k=1
n
X
2) En déduire que k! ∼ n!.
n→+∞
k =1

EXERCICE 1.4 Déterminer si les affirmations suivantes sont vraies ou fausses : AD


1) Si un = (2n + 1)2 , alors :
 un = o (n 3 )  un ∼ 4n2  un = o (4n3 )  un ∼ n2
n→+∞ n→+∞ n→+∞ n→+∞
2) Si un −→ +∞, alors :
n→+∞
 ln(un ) = o(n)  ln(un ) = o(un )  ln(n) = o(un )
3) Soit (un ) une suite réelle. Alors un+1 ∼ un .
n→+∞
4) Soient (un ), (vn ), (an ), (bn ) quatre suites telles que un = o (an ) et vn = o (bn ).
n→+∞ n→+∞
 un + vn = o (an + bn )  si an ∼ bn , alors un + vn = o (an ).
n→+∞ n→+∞ n→+∞
 si an = o (bn ), alors un + vn = o (bn ).
n→+∞ n→+∞
2 3 1
5) Soit un = − √ + , alors :
n n n n2
! !
2 1 1 2 1
 un ∼  un = o  = o (un )  un = + o
n→+∞ n n→+∞ n n n→+∞ n n→+∞ n
!
2 1
 un = + o √
n n→+∞ n n
6) Si un ∼ vn , alors
n→+∞
 un + 1 ∼ vn + 1  2un ∼ 2vn  un − vn ∼ 0  −un ∼ −vn
n→+∞ n→+∞ n→+∞ n→+∞
 unvn ∼ un2  e un ∼ e vn
n→+∞ n→+∞

EXERCICE 1.5 Série harmonique et constante d’Euler PD


1 1
1) Montrer que pour tout x > 0, 6 ln(x + 1) − ln(x) 6 .
x +1 x
Xn n
X
1 1
2) On définit deux suites (un )n>1 et (vn )n>1 par un = − ln(n) et vn = − ln(n + 1).
k k
k =1 k =1
Montrer que (un ) et (vn ) sont adjacentes.
Xn
1
3) En déduire que ∼ ln(n).
k n→+∞
k =1

EXERCICE 1.6 Dans chacun des cas suivants, déterminer la nature de la série de terme général un , et le cas échéant, F
X
+∞
calculer un .
n=0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


24 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

1 n n2 3n
1. un = 2. un = 3. un = n2n−1 4. un = 5. un = (−1)n+1 .
e 2n (−3)n 2n n!
P
EXERCICE 1.7 Déterminer la nature de la série dans chacun des cas suivants :
n un PD
! ! √n
n! (−1)n 1 1
1. un = 2. un = √ 3. un = ln n sin 4. un = 1 − √
en n2 n n n
n+1 (ln n)2
5. un = 6. un = .
n 3 + 2n2 + 2 n2
(−1)n+1n
EXERCICE 1.8 Pour n > 1, soit un = . PD
4n2 − 1
1) Déterminer deux réels a et b tels que

k a b
∀k > 1, = + .
4k 2 − 1 2k + 1 2k − 1

2) En déduire que la série de terme général un converge, et calculer sa somme.


! X
1
EXERCICE 1.9 Étudier la convergence et, le cas échéant, calculer la somme de la série ln 1 − 2 . AD
n>2
n
!
(−1)n+m 2m
EXERCICE 1.10 La famille est-elle sommable ? PD
n × m! n>1
m>0

EXERCICE 1.11 Les familles suivantes sont-elles sommables ? Si oui, calculer leur somme. AD
! ! !
1 (−1)m n m n +m − 1
, et .
2m+nm! m>0 m! n>0 2m+n−2 n>0
n>0 m>0 m>1

EXERCICE 1.12 Développement en série entière du cosinus AD


 π
1) Montrer que pour tout k ∈ N et tout x ∈ R, cos(k ) (x) = cos x + k .
2

0
2) En déduire que cos(k ) (0) = 
si k est impair
 (−1)p si k = 2p est pair .

3) Montrer que pour tout x ∈ R et tout n ∈ N,

xk
Xn
cos(x) − cos(k ) (0) 6
x n+1
.
k =0
k! (n + 1)!

X (−1)k x 2k X
+∞
(−1)k
4) En déduire que pour tout x ∈ R, la série de terme général est convergente et que x 2k =
(2k)! (2k)!
k k =0
cos(x).
EXERCICE 1.13 Montrer que si une suite (un ) est décroissante qui converge vers `, alors pour tout n ∈ N, un > `. PD
EXERCICE 1.14 Critère de Leibniz pour les séries alternées AD
n
X
Soit (un )n>1 une suite décroissante qui tend vers 0. Pour n > 1, on note Sn = (−1)k uk .
k =1
1) Montrer que pour tout n ∈ N∗ , S 2n+1 6 S 2n+3 6 S 2n+2 6 S 2n .
2) Montrer que les suites (S 2n+1 )n>1 et (S 2n )n>1 convergent vers une même limite. En déduire que la série de terme
général (−1)k uk converge.
X
+∞
3) On note Rn = (−1)k uk le reste d’ordre n de la série.
k=n+1
X
+∞
Montrer que S 2n+1 6 (−1)k uk 6 S 2n et que pour tout n ∈ N∗ , |Rn | 6 un+1 (on rappelle à cet effet que Rn =
k =1
X
+∞
(−1)k uk − Sn .)
k =1

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 25

X
+∞
(−1)k
4) Application : montrer que la série converge.
k =1
k3
Écrire un programme Scilab qui prend comme paramètre un entier p ∈ N et retourne une valeur approchée de
X
+∞
(−1)k
3
à 10−p près.
k =1
k

EXERCICE 1.15 (QSP ESCP 2007) AD


np
Soit p ∈ N fixé. Déterminer la nature de la série de terme général n .
2
EXERCICE 1.16 (QSP ESCP 2007) D
n
X 1
Montrer que lim
n→+∞n  = 2.
k =0 k

EXERCICE 1.17 (QSP ESCP 2012) TD




u 0 ∈ R+

Soit (un )n ∈N la suite définie par : 


Z un

∀n ∈ N, un+1 = (1 − e −t ) dt
 0
1) Montrer que la suite (un ) converge.
2) Montrer que la série de terme général un converge.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


26 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

CORRECTION DES EXERCICES DU CHAPITRE 1


Danger A
Il y a ici un piège très clas-
SOLUTION DE L’EXERCICE 1.1 sique : 1∞ est une forme
1 ln n indéterminée.
1. On a un = e n ln(n) . Or, par croissance comparées, −→ 0. Pour lever l’indétermination,
1
n n→+∞
on repassera toujours par
Et donc par continuité de l’exponentielle, lim e n ln(n) = e 0 = 1.
n→+∞ la forme exponentielle :
2. Pour les mêmes raisons qu’à la question précédente, il faut passer par la forme exponentielle : a b = e b ln(a) .

n−1 2
un = e (n+2) ln( n+1 ) = e (n+2) ln(1− n+1 ) .
!
2 2(n + 2)
Or, (n + 2) ln 1 − ∼ − ∼ −2 −→ −2.
n+1 n→+∞ n + 1 n→+∞ n→+∞
Donc un −→ e . −2
n→+∞
! !! !
1 1 1 1 1
3. un = n 2 cos − 1 − cos − 1 . On a cos = 1 − 2 + o 2 et donc
n n+1 n 2n n
! !
1 1 1 1 1 Détails
cos =1− + o = 1 − + o . 1 1
n+1 2(n + 1)2 (n + 1)3 2(n + 1)2 n2 Puisque
(n+1)2

n2
, on a
! ! ! !
1 1
1 1 1 1 1 −2n − 1 1 o =o 2
Par conséquent, cos − cos = − +o 2 = 2 +o 2 . (n + 1)2 n
n n + 1 2(n + 1)2 2n 2 n 2n (n + 1)2 n
Et donc, en multipliant par n2 , et donc nous pouvons re-
grouperles deux
 o en un
seul : o 12 .
−2n3 − n2 n
un = + o(1) −→ 0.
2n2 (n + 1)2 |{z} n→+∞
| {z } −→ 0
n→+∞
−→ 0
n→+∞

n
4. On a |n sin n| 6 n, donc 0 6 |un | 6 . Détails
1 + n2
Par le théorème des gendarmes, on a donc |un | −→ 0 et donc lim un = 0. Par définition, on a u n ∼ v n
n→+∞ n→+∞ si et seulement si u n = v n +
5. Puisque (−1)n = o (2n ), il vient 2n + (−1)n = 2n + o (2n ) ∼ 2n . o(v n ).
n→+∞ n→+∞ n→+∞ Notons qu’on peut toujours
2n s’en tirer en revenant à la ca-
De même, on a 3n + (−1)n+1 ∼ 3n et donc un ∼ −→ +∞.
n→+∞ n→+∞ 3n n→+∞ ractérisation des équivalents à
base de quotients, c’est à dire
6. On a 3n 2 + (−1)n ∼ 3n2 . en prouvant que
√ n→+∞ √ 
D’autre part, n2 + 2 ∼ n et donc ln(n) = o n2 + 2 . √
n→+∞ n→+∞ n 2 + 2 + ln n
√ √ lim = 1.
On en déduit donc que n 2 + 2 + ln(n) ∼ n 2 + 2 ∼ n. n→+∞ n
n→+∞ n→+∞
3n 2
Par conséquent, un ∼ , donc un → +∞.
n→+∞ n
SOLUTION DE L’EXERCICE 1.2
1. Montrons par récurrence que un ∈]0, 1[. Alternative
Pour n = 0, c’est l’hypothèse de l’énoncé. On peut aussi tracer le ta-
bleau de variation de la fonc-
Supposons donc que un ∈]0, 1[. Alors tion x 7→ x (1 − x ).
Il est alors facile de voir
un+1 = un − un2 = un (1 − un ) ∈]0, 1[. que celle-ci est strictement
|{z} | {z }
∈]0,1[
positive sur ]0, 1[ et admet un
∈]0,1[
1
maximum en x = , et que
2
Par le principe de récurrence, pour tout n ∈ N, un ∈]0, 1[. 1
ce maximum vaut < 1.
4
2. On a un+1 − un = un − un2 − un = −un2 6 0.
Et donc (un ) est décroissante.
Puisqu’elle est minorée par 0, d’après le théorème de la limite monotone, elle converge
vers une limite `.
3. On a un+1 −→ ` et un − un2 −→ ` − ` 2 .
n→+∞ n→+∞
Par unicité de la limite, on a donc ` = ` − ` 2 ⇔ ` = 0.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 27

SOLUTION DE L’EXERCICE 1.3


1. Pour tout k ∈ n1, n − 2o, on a k! 6 (n − 2)!.
Et donc
n−2 n−2
1 X 1 X (n − 2)(n − 2!) n−2
06 k! 6 (n − 2)! 6 6 .
n! n! n! (n − 1)n
k =1 k =1

n−2
n−2 1 1 X
Mais ∼ −→ 0 et donc par le théorème des gendarmes, lim k! = 0.
(n − 1)n n→+∞ n n→+∞ n→+∞ n!
k =1
2. Comme souvent, le plus simple pour prouver un équivalent est de montrer que le quotient
tend vers 1. On a donc
n
X
k!
k =1 1 + 2! + · · · + n! 1 + 2 + · · · + (n − 2)! 1
= = + + 1 −→ 1.
n! n! n! n n→+∞

n
X
Et donc k! ∼ n!.
n→+∞
k =1

Donnons tout de même une autre méthode qui ne nécessite pas le quotient, mais demande
un peu plus d’aisance avec les o : le résultat de la question précédente s’écrit encore
n−2
X
k! = o (n!).
n→+∞
k =1 Rappel
(n − 1)! C’est la définition d’un équi-
D’autre part, on a −→ 0, et donc (n − 1)! = o (n!).
n! n→+∞ n→+∞ valent :
n
X
Ainsi, k! = o(n!) + o(n!) + n! ∼ n!. un ∼ vn
n→+∞
k=1 si et seulement si

SOLUTION DE L’EXERCICE 1.4 u n = v n + o(v n ).

1. Si un = (2n + 1)2 , alors :


! un =
n→+∞
o (n 3 ) : en effet, 2n + 1 ∼
n→+∞
2n et donc un ∼
n→+∞
4n2 et donc est négligeable
devant n3 .
! un ∼
n→+∞
4n 2 : voir ci-dessus. Détails

!
Pour s’en convaincre, on
un = o (4n 3 ) : les constantes ne servent à rien dans les o : être négligeable devant peut revenir au quotient : on
n→+∞ a
un
n 3 est pareil qu’être négligeable devant 4n 3 . lim
n→+∞ n 3
=0

% un ∼
n→+∞
n 2 : puisque un ∼ 4n2 , on n’a pas un ∼ n 2 . Les constantes qui ne sont pas
si et seulement si
lim
un
= 0.
n→+∞ 4n 3
indispensables dans les o le sont lorsqu’on parle d’équivalents !
2. Si un −→ +∞, alors :
n→+∞

% ln(un ) = o(n) : par exemple, si un = e n , alors ln(un ) = n, qui n’est évidemment pas
négligeable devant n.

! ln(un ) = o(un ) : revenons à la définition d’un o : lim


n→+∞
ln(un )
un
= 0 par composition
1 Il est bien connu que
de limites1 .
% ln(n) = o(un ) : prendre par exemple un = ln(n). lim
ln(x )
= 0.

3. %
x →+∞ x
un+1
Par exemple, prenons un = e n . Alors un+1 = e n+1 = e × un , de sorte que −→
un n→+∞
e , 1, et donc un / un+1 .
Notons toutefois que pour une suite convergeant vers une limite ` , 0, le résultat est vrai En revanche
un+1 `
car −→ = 1. Si ` = 0, le résultat est faux,
un n→+∞ ` comme le prouve u n = e −n .
4. Soient (un ), (vn ), (an ), (bn ) quatre suites réelles telles que : un = o (an ) et vn = o (bn ).
n→+∞ n→+∞

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


28 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

% un + vn = o (an + bn ) : prenons an = 1, bn = −1, et un =


n→+∞
1
n
2
, vn = .
n
o(1)
Alors un = o(an ) et vn = o(bn ). Rappelons que u n = o(1) si et
seulement si lim u n = 0.
Mais an + bn = 0 et un + vn , 0, donc n’est pas négligeable devant la suite an + bn . n→+∞

! Si an ∼ bn , alors un +vn = o(an ). En effet, on a alors vn = o(an ) et donc un +vn = o(an ).


Pour s’en convaincre, on peut une fois de plus revenir aux quotients :

un + vn un vn
lim = lim + = 0 + 0 = 0.
n→+∞ an n→+∞ an an

! Si an = o(bn ), alors un + vn = o(bn ) : si un = o(an ) et an = o(bn ), alors un = o(bn ).


Et donc comme précédemment, un + vn = o(bn ).
2 3 1
5. Soit un = − √ + 2 . Alors :
n n n n

! un ∼
2
n→+∞ n
.

6. Si un ∼ vn , alors :

% 1
un + 1 ∼ vn + 1 : en effet, si un = −1 + , et vn = −1, alors un ∼ vn , mais pourtant
n
vn + 1 = 0 alors que un + 1 , 0, et donc un / vn .

! 2un ∼ 2vn : on a bien le droit de multiplier les équivalents. Et en particulier de les


multiplier par une constante.

% un − vn ∼ 0 : prenons un =
1
n
1
+ 1 et vn = 1. Alors un ∼ vn , et un − vn = n’est pas
n Équivalent à 0
équivalent à 0. Rappelons que seule la suite

!
nulle est équivalent à 0.
−un ∼ −vn : comme précédemment, on peut multiplier les équivalents.

! unvn ∼ un2 : on peut multiplier les équivalents.


Or, un ∼ vn et un ∼ un , donc par produit d’équivalents, unvn ∼ un un = un2 .

% e un ∼ e vn : prenons un = n et vn = n + 1. Alors
e un
e vn
=
en 1
= n → +∞6−→1 et donc
e n+1 e Quest. subsidiaire
e un / e vn . Montrer que e un ∼ e vn si et
seulement si u n − v n → 0.
SOLUTION DE L’EXERCICE 1.5
1. Première méthode : avec l’inégalité des accroissements finis.
Appliquons l’inégalité des accroissements finis à la fonction f : t 7→ ln(t), qui est continue
sur [x, x + 1] et dérivable sur ]x, x + 1[.
1
Alors sa dérivée est f 0(t) = , décroissante sur ]x, x + 1[, de sorte que pour tout t ∈]x, x + 1[,
t
1 0 1
6 f (t) 6 .
x +1 t
Et donc par l’inégalité des accroissements finis,

1 1 1 1
= (x + 1 − x) 6 f (x + 1) − f (x) 6 (x + 1 − x) = .
x +1 x +1 x x

Seconde méthode : avec des intégrales


Z x +1
dt
Remarquons que ln(x + 1) − ln(x) = . Astuce
x t
1 L’intégrale d’une constante
Or, la fonction t 7→ est décroissante sur [x, x + 1] et donc pour tout t ∈ [x, x + 1], on a λ entre a et b est égale à
t λ(b − a). C’est très intuitif
1 1 1
6 6 . graphiquement puisque
x +1 t x l’intégrale est alors l’aire d’un
Par croissance de l’intégrale, il vient donc rectangle.
Z Z Z En particulier, si b − a = 1 (ce
x +1 x +1 x +1
1 dt dt dt 1 qui est le cas ici), l’intégrale
= 6 6 = . vaut λ.
x +1 x x +1 x t x x x

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 29

ln(x)
Corde
Tangente en x
Tangente en x + 1

x x +1

FIGURE 1.1 – Graphiquement, l’inégalité des accroissements finis dit que la pente de la
corde joignant les points d’abscisses x et x + 1 est comprise entre la pente des tangentes en
x et en x + 1.

2. On a
n+1
X n
X
1 1
un+1 − un = − ln(n + 1) − + ln(n)
k k
k =1 k=1
1
= − ln(n + 1) + ln(n) 6 0. γ
n+1
Le nombre γ est appelé
Et donc (un ) est décroissante. constante d’Euler. On ignore
1 à peu près tout de γ , et no-
De même, on a vn+1 − vn = − ln(n + 2) + ln(n + 1) > 0 et donc (vn ) est croissante.
n+1 ! tamment s’il est rationnel ou
1 non.
Enfin, un − vn = ln(n + 1) − ln(n) = ln 1 + −→ 0. On sait en revanche que
n n→+∞
γ ' 0.577215... (on sait
Ainsi, (un ) et (vn ) sont deux suites adjacentes.
en fait beaucoup mieux, les
3. Puisque (un ) et (vn ) sont adjacentes, elles convergent vers une même limite γ . 119 milliards de premières
Xn décimales de γ ayant été
1
Et alors − ln n −→ γ . calculées informatiquement).
k n→+∞
k =1
Pn 1
Remarque
En particulier, k =1 k − 1 −→ 0, de sorte que On retrouve en particulier le
ln n n→+∞
fait que la série harmonique
Pn 1 Xn
1 diverge puisque ses sommes
k =1 k
−→ 1 ⇔ ∼ ln n. partielles tendent vers +∞.
ln n n→+∞ k n→+∞
k =1

SOLUTION DE! L’EXERCICE 1.6


n
1 1
1. On a un = , avec 0 6 < 1, donc il s’agit d’une série géométrique convergente, et
e2 e2
X
+∞
1
un = .
n=0
1 − e −2
! n−1 ! n−1
1 1 1
2. On a un = − × n − . Or la série de terme général n − est une série géomé-
3 3 3
1
trique dérivée dont la raison vérifie − < 1, donc elle est convergente. On a alors
3
X
+∞
1 1 3
un = −
3 1+ 1 2
=− .
16
n=0 3
P
3. Nous reconnaissons directement une série géométrique dérivée de raison 2 > 1, donc un
est divergente.
n(n − 1) n 1 n2 1 n
4. On a un = + = + .
2n 2n 42 n−2 2 2n−1
Nous reconnaissons alors la somme de deux séries géométriques dérivées convergentes,

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


30 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.
P 2 La formule que vous avez
donc un converge et 2
pu apprendre en première
X
+∞
1 X n(n − 1)
+∞
1X n
+∞
1 2 1 1 année donne directement la

2 n=0 2n−1 4 1 − 1 3 2 1 − 1 2
2
un = + = + = 6. somme des n2n et est donc
n=0
4 n=0 2n−2 plus efficace ici. Il existe
2 2
d’autres cas où elle l’est
(−3)n moins. À vous de choisir
5. On a un = − . On reconnaît alors une série exponentielle, qui converge3 , et laquelle vous apprenez, et de
n!
savoir vous débrouiller lors-
X
+∞ X
+∞ qu’il est besoin de retrouver
(−3)n
un = − = −e −3 . l’autre.
n=0 n=0
n!
3 Une série exponentielle
SOLUTION DE L’EXERCICE 1.7 converge toujours, donc il
P n’y a rien à vérifier à partir
1. Par croissances comparées, on a un −→ +∞, donc un diverge grossièrement.
n→+∞ du moment où on l’a recon-
1 1 P nue.
2. On a |un | = √ = 5/2 . On reconnaît là une série de Riemann convergente, donc un
n2
n n
converge absolument, et donc converge.
1 1 1
3. Puisque sin ∼ , on a n sin ∼ t donc
n n→+∞ n n n→+∞1
! Rappel
1 1
ln n sin ∼ n sin − 1. Si x → 1, alors ln(x ) ∼ x − 1.
n n→+∞ n
Mais alors un développement limité à l’ordre 3 du sinus nous donne
!! !
1 1 1 1 1 1 1
n sin − 1 = n − 3+ o − 1 = 1 + o − 2 −1 ∼ − 2. 4 − 1 est de signe constant,
n n 6n n→+∞ n 3 n→+∞ n 2 6n n→+∞ 6n 6n2
donc u n est de signe
X 1 constant, au moins à par-
Puisque la série de Riemann converge, par le critère des équivalents pour les séries tir d’un certain n, il n’est pas
6n2 X
nécessaire de le vérifier à la
de signe constant4 , il en est de même de un .
main.
√  

4. Notons que un = e
n ln 1− √1n
. Or Méthode
1∞ est une forme indéter-
! ! minée, donc on repasse
1 1 √ 1 1 √
ln 1 − √ ∼ − √ et donc n ln 1 − √ ∼ − √ n ∼ −1. systématiquement par la
n n→+∞ n n n→+∞ n n→+∞
forme exponentielle pour
P déterminer la limite.
Par continuité de l’exponentielle, on a donc un −→ e −1 , 0, et donc un diverge
n→+∞
grossièrement.
5. Notons que pour tout n, un > 0 car le numérateur et le dénominateur sont positifs. De
plus, on a un ∼
n

1
.
Rédaction 
n→+∞ n 3 n→+∞ n 2 Si l’on utilise un équivalent,
1 toujours vérifier que u n
Mais la série de terme général n 2 est une série de Riemann convergente, donc par critère
P (ou son équivalent) est de
de comparaison pour les séries à termes positifs, un converge. signe constant, le critère ne
6. Cherchons à appliquer la règle n α un : on cherche α > 1 tel que nα un → 0. Mais fonctionne pas pour des séries
dont le terme général change
(ln n)2 (ln n)2 de signe.
nα un = nα = 2−α .
n2 n
Nous savons que pour 2 − α > 0, par croissances comparées, on aura n α un → 0. Il s’agit

α > 1
donc de trouver α vérifiant  2 − α > 0 ⇔ α < 2 .

5 Mais on aurait aussi pu
Si l’on choisit α = 32 , ces deux conditions sont vérifiées5 , et donc n 3/2un → 0. On en déduit √
P 5
que la série un converge (et même converge absolument). choisir α = 4 ou α = 2.

SOLUTION DE L’EXERCICE 1.8


1. On a
a b a(2k − 1) + b(2k + 1) 2(a + b)k + b − a
+ = =
2k + 1 2k − 1 4k 2 − 1 4k 2 − 1
1
On souhaite donc avoir ∀k ∈ N, 2(a + b)k + b − a = k, soit a + b = et b − a = 0.
2
1
La seule solution est donc a = b = .
4
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 31

2. D’après la question précédente, on a


!
(−1)k +1k (−1)k +1 1 1
= + .
4k 2 − 1 4 2k + 1 2k − 1
Enfin, notons que 2(k + 1) − 1 = 2k + 1, et donc nous avons affaire à une série télescopique :
Rédaction 
Pour les séries télescopiques,
N
X ! ! on procédera toujours de la
(−1)k +1k 1 1 1 1 1 1 1 (−1)N +1 (−1)N +1 1 (−1)N +1
= + − − + + +···+ + = 1+ . même manière :
4k 2 − 1 4 1 3 3 5 5 7 2N − 1 2N + 1 4 2N + 1 1) On commence par cal-
k =1
culer les sommes partielles
(−1)N +1 de la série afin de faire appa-
Puisque −→ 0 (produit d’une suite de limite nulle par une suite bornée), on en raître les simplifications (soit
2N + 1 N →∞
déduit que à l’aide d’un changement
N
d’indice, soit en écrivant la
X (−1)n+1n 1 somme avec des pointillés et
−→ .
2 − 1 N →∞ 4 en barrant les termes qui se
n=1
4n
simplifient). 2) Seulement
Et donc ceci signifie que la série de terme général un converge et après, on passe à la limite.

X
+∞
(−1)n+1n 1
= .
n=1
4n 2 −1 4 Méthode
Les seules séries dont nous
SOLUTION DE L’EXERCICE 1.9 ! devons connaître la somme
1 1 1 par cœur sont les séries ex-
Il s’agit d’une série à termes négatifs puisque 1− 2 6 1, et on a ln 1 − 2 ∼ − 2 , donc
n n n→+∞ n ponentielles, géométriques
il s’agit bien d’une série convergente par comparaison à une série de Riemann convergente. et géométriques dérivées.
De plus Si nous devons calculer la
somme d’une série qui n’est
Xn ! X n ! pas de ce type, on fera appa-
1 k2 − 1
ln 1 − 2 = ln raître les sommes partielles,
k =2
k k=2
k2 et la plupart du temps nous
Xn ! aurons affaire à une série
(k − 1)(k + 1) télescopique.
ln
k=2
k2
n
X  Xn

= ln(k − 1) − ln(k) + ln(k + 1) − ln(k)
k=2 k =2
= − ln n − ln(2) + ln(n + 1) −→ − ln 2 On a ici deux sommes téles-
n→∞ copiques.
On en déduit que

X !
1
ln 1 − = − ln 2.
k =1
k2
SOLUTION
X
DE L’EXERCICE 1.10
n+m m X (−1)n Hypothèses
(−1) 2
On a qui n’est pas absolument convergente, car n’est pas absolu- Pourtant elle est conver-
n
n × m! n
n
gente ! Mais le théorème
ment convergente. de sommation par paquets
(−1)m X (−1)n nous demande qu’elle soit
Or, si la famille était sommable, par le théorème de sommation par paquets, absolument convergente.
m! n n
devrait converger absolument.
On en déduit que la famille n’est pas sommable.
SOLUTION DE L’EXERCICE
X 1.11
1 6 Absolument, mais il s’agit
• À m fixé, la série est convergente6 et
n>0
2m+nm! d’une série à termes positifs,
donc la convergence et la
X
+∞
1 1 X 1
+∞
2 convergence absolue sont
= = m . équivalentes.
n=0
2n+mm! 2 m! n=0 2
m n 2 m!
X 2 7 On a reconnu une série
Mais alors est convergente7 , donc la famille est sommable et
m>0
2m m!
exponentielle.

X 1 X
+∞ X
+∞
1 X
+∞
2
= = = 2e 1/2 .
m,n>0
2m+nm! m=0 n=0
2m+nm! m=0
2mm!

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


32 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.
X (−1)m nm
• Pour n fixé, on a qui est absolument convergente, et
m!
m


A Danger
(−1) n = e n
X∞ X
(−1)m nm m m
Si l’on oublie les valeurs
= e −n et m!
P
m=0
m! absolues, on a n e −n qui est
m=0 absolument convergente, et
P l’on conclurait, de manière
Mais n e n n’est pas absolument convergente (il s’agit d’une série qui diverge grossière- erronée, que la famille est
ment), donc la famille n’est pas sommable. sommable.

• Puisque l’expression fait clairement apparaître des n + m, sommons sur des paquets du
type Ik = {(n, m) ∈ N∗ × N : n + m = k}.

Alors il s’agit de paquets finis, et Ik est de cardinal k, car m > 1 et n > 0.


On a alors X n + m − 1 X k − 1 k(k − 1)
= =
(n,m)∈I
2m+n−2 I
2k −2 2k −2
k k

En faisant varier k, nous reconnaissons là le terme général d’une série géométrique dérivée
1
de raison , donc absolument convergente. De plus, nous savons calculer sa somme, qui
2
vaut I1 I2 I3
X∞
k(k − 1) 2
3 = 16.
= FIGURE 1.2– Les paquets I k .
k =0
2k −2
1 − 12
Donc la famille est sommable, et sa somme vaut 16.
Rappel
SOLUTION DE L’EXERCICE 1.12
Pour tout x ∈ R,
1. Prouvons le par récurrence sur k. La récurrence est évidemment initialisée pour k = 0.  π
π cos x + = − sin(x ).
Supposons donc que cos (x) = cos x + k .
(k) 2
2
Ce résultat se retrouve
Alors, par dérivation, il vient
aisément à l’aide d’un
 π  π π  π cercle trigonométrique :
cos(k +1) (x) = − sin x + k = cos x + k + = cos x + (k + 1) . π
2 2 2 2 x+ 2

sin(x ) x
Ainsi, par le principe de récurrence, pour tout k ∈ N, et pour tout x ∈ R, • •
 π •
cos(k ) (x) = cos x + k . cos(x + π
2 )
2
 π
2. En particulier, on a, pour tout k ∈ N, cos(k ) (0) = cos k .
 2
π π 
Si k = 2p + 1 est impair, alors cos (0) = cos pπ +
(k ) = (−1)p cos = 0.
2 2
Et si k = 2p est pair, alors cos (0) = cos(pπ ) = (−1) .
(k) p

3. Soit n ∈ N. La fonction cos est de classe Cn+1 sur R, et pour tout x ∈ R,


 π 
| cos(n+1) (x)| = cos x + (n + 1) 6 1.
2
Par l’inégalité de Taylor-Lagrange, appliquée entre 0 et x on a alors

xk
X n
cos(x) − cos(k) (0) 6
x n+1
.
k =0
k! (n + 1)!

4. Commençons par noter que d’après le résultat de la question 2, on a


2n
X n n
x k X (2p) x 2p X x 2p
cos(k ) (0) = cos (0) = (−1)p .
k! p=0 (2p)! p=0 (2p)!
k =0

Et donc, pour tout n > 0,


2p
Croiss. comp.
cos(x) − 6 x
Xn 2n+1
p x
−→ 0.
(2p)! (2n + 1)! n→+∞
(−1) Rappelons que pour tout

p=0 x ∈ R, x n = o(n!).

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 33

Et donc on a, par le théorème des gendarmes,


n
X Xn
x 2p x 2p
lim cos(x) − (−1)p = 0 ⇔ lim (−1)p = cos(x). Convergence
n→+∞ (2p)! n→+∞ (2p)!
p=0 p=0 Rappelons que par défini-
tion, une série converge si
x 2k et seulement si la suite de ses
Ceci prouve à la fois que la série de terme général (−1)k converge et que sommes partielles converge,
(2k)!
et que dans ce cas, la somme
X de la série est la limite de la
x 2k
+∞
(−1)k = cos(x). suite de ses sommes partielles.
(2k)!
k =0

SOLUTION DE L’EXERCICE 1.13


Supposons par l’absurde qu’il existe n 0 ∈ N tel que un0 < `.
Alors, par décroissance de (un ), pour tout n > n 0 , un 6 un0 .
Et donc en passant à la limite, ` = lim un 6 un0 < `. D’où une contradiction.
n→+∞
Ainsi, pour tout n ∈ N, un 6 `.
SOLUTION DE L’EXERCICE 1.14
1. Nous allons prouver séparément les trois inégalités S 2n+1 6 S 2n+3 , S 2n+3 6 S 2n+2 et
S 2n+2 6 S 2n . On a
2n+1
X 2n+3
X
S 2n+3 −S 2n+1 = (−1)k uk − (−1)k uk = (−1)2n+2u 2n+2 −(−1)2n+3u 2n+3 = u 2n+2 −u 2n+3 .
k =1 k =1

Or, (un ) est décroissante, de sorte que u 2n+2 − u 2n+3 > 0. Remarque
Et donc S 2n+3 − S 2n+1 > 0 ⇔ S 2n+3 > S 2n+1 . L’énoncé ne le précise pas,
2n+2
X 2n+3
X mais (u n ) étant décroissante
De même, on a S 2n+2 − S 2n+3 = (−1)k uk − (−1)k uk = u 2n+3 > 0. et de limite nulle, nécessaire-
k =1 k =1 ment elle est à termes positifs
Enfin, S 2n+2 − S 2n = −u 2n+1 + u 2n+2 6 0, et donc S 2n+2 6 S 2n . (voir l’exercice 1.13 pour les
détails).
2. Les inégalités prouvées précédemment montrent que (S 2n+1 )n>1 est croissante et que
(S 2n )n>1 est décroissante.
D’autre part, on a
2n+1
X 2n
X
S 2n+1 − S 2n = (−1)k uk − (−1)k uk = −u 2n+1 −→ 0.
n→+∞
k =1 k =1

Ainsi, les deux suites (S 2n+1 )n>1 et (S 2n )n>1 sont adjacentes, et par conséquent convergent
vers une même limite `.
Ceci implique donc que X la suite (Sn )n>1 converge vers `. Or, (Sn )n>1 est la suite des sommes
partielles de la série (−1)k uk .
Rappel
k >1
X
+∞ Par définition, une série
Et donc cette série converge et on a alors ` = (−1)k uk . converge si et seulement si la
k=1 suite de ses sommes partielles
converge.
X
+∞
3. Puisque (S 2n+1 )n>1 est croissante et a pour limite (−1)k uk , on a donc pour tout n ∈ N∗ ,
k =1
X
+∞
S 2n+1 6 (−1)k uk .
k =1
X
+∞
De même, en utilisant la décroissance de (S 2n )n>1 , on prouve que (−1)k uk 6 S 2n .
k =1

• Soit n = 2p un entier pair. Alors on a


X
+∞ X
+∞
S 2p+1 6 (−1)k uk 6 S 2p ⇔ S 2p+1 − S 2p 6 (−1)k uk − S 2p 6 0 ⇔ −u 2p+1 6 R 2p 6 0.
k =1 k =1
| {z }
=S n

Et donc |Rn | 6 u 2p+1 = un+1 .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


34 CHAPITRE 1 : RÉVISIONS ET COMPLÉMENTS SUR LES SUITES ET LES SÉRIES.

• De même, si n = 2p + 1 est impair, alors

X
+∞ X
+∞
S 2p+1 6 (−1)k uk 6 S 2p+2 ⇔ 0 6 (−1)k uk −S 2p+1 6 S 2p+2 −S 2p+1 ⇔ 0 6 R 2p+1 6 u 2p+2 .
k =1 k =1

Et donc |Rn | 6 u 2p+2 = un+1 .

Dans tous les cas, on a |Rn | 6 un+1 .

u0 Sn
` = lim Sn
n→+∞

u1
u3 un+1
` u2 |Rn |

0 1 2 3 4 5 6 7 8 9 10

FIGURE 1.3 – Illustration de la convergence de Sn et de |Rn | 6 un+1 .

!
1
4. Application : la suite est décroissante et tend vers 0, donc les résultats précédents
n3 n>1
X (−1)k
s’appliquent : converge.
k >1
k3
X
(−1)k X (−1)k
n +∞
On souhaite alors trouver n tel que − 3
6 10−p ⇔ |Sn | 6 10−p .
k=1 k 3 k=1
k
1 −p , soit encore n > 10p/3 − 1.
D’après la question 3, il suffit alors d’avoir 6 10
(n + 1)3
Nous proposons donc le programme suivant, qui calcule Sn pour n = 10p/3 − 1.

1 function S = valeur_approchee(p)
2 S = 0;
3 n = 10^(p/3)-1 ;
4 for i=1 :n
5 S = S+(-1)^i/i^3 ;
6 end
7 endfunction

X
+∞
(−1)k
L’exécution de ce programme nous donne alors ' −0.9015.
k =1
k3

SOLUTION DE L’EXERCICE 1.15


Commençons par noter que pour p ∈ {0, 1, 2}, nous avons affaire à une série géométrique
1
ou géométrique dérivée de raison , qui est donc convergente.
2
De manière générale, on a
np np+2
n2 n = n −→ 0
2 2 n→+∞
!
np 1
par croissances comparées, de sorte que n = o .
2 n→+∞ n 2
np
Et donc, par comparaison à une série de Riemann, la série de terme général n converge.
2
SOLUTION DE L’EXERCICE 1.16

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 35
! ! ! !
n n n n
Rappelons que = = 1 et que = = n.
0 1 n−1 Détails
n
n
n n−2 
X 2 X 1 Les n k sont les coefficients
n .
k
Donc 2+ + de la n ème ligne du triangle
= n de Pascal.
k =0 k =2 k ! !
n n n(n − 1) Or nous savons par expé-
Mais pour k ∈ n2, n − 2o, on a > = . rience (essayer de le prouver
k 2 2 ! est un bon exercice) que les
n n! coefficients de cette ligne
Si on souhaite s’en convaincre par le calcul, rappelons nous que = .
k k!(n − k)! croissent jusqu’au milieu de
Or, pour k ∈ n2, n − 2o, (n − k)! 6 (n − 2)! et k! > 2!, de sorte que la ligne, puis décroissent.
!
n n(n − 1)(n − 2) · · · (n − k + 1) n(n − 1) n − 2 n − 3 n − k + 1 n(n − 1)
= = ··· > .
k k! 1 × 2 |{z} k −1
k |{z} | {z 3 } 2
>1 >1 >1

1 2
Et donc pour k ∈ n2, n − 2o, n 6 n(n − 1)
. On en déduit que
k
n
X 1 2 2
26 n  6 2 + n + (n
|
− 2 + 2 + 1)
{z } n(n − 1)
.
k =0 k
= nbe de termes

2 2(n + 1) 2
Mais −→ 0 et ∼ −→ 0 donc par le théorème des gendarmes,
n n→+∞ n(n − 1) n→+∞ n n→+∞
n
X 1
lim
n→+∞ n  = 2.
k=0 k Récurrence
La récurrence est facile, et
SOLUTION DE L’EXERCICE 1.17 lors d’un oral, le candidat
1. Puisque la fonction t 7→ 1 − e −t est strictement positive sur R+∗ , une récurrence facile convaincu peut se permettre
prouve que pour tout n ∈ N∗ , un > 0. de dire «par une récurrence
D’autre part, ∀t > 0, 1 − e −t < 1, et donc par croissance de l’intégrale, facile».
Il n’est toutefois pas ininté-
Z un Z un
ressant d’essayer de rédiger
∀n ∈ N, un+1 = (1 − e −t ) dt 6 1 dt = un . proprement cette récurrence.
0 0
Intuition
8 Par
Ainsi, (un ) est décroissante. Puisqu’elle est minorée8 , par le théorème de la limite monotone, 0.
L’énoncé nous laisse claire-
elle converge vers une limite `. ment penser que cette Xlimite
2. Montrons que ` = 0. est nulle : si la série un
Notons d’abord que converge, nécessairement
son terme général doit tendre
 u
Z un
vers 0.
∀n ∈ N, un+1 = (1 − e −t ) dt = t + e −t 0 n = un + e −un − 1.
0

Et par continuité de la fonction t 7→ t + e −t − 1, on a


` = lim un+1 = lim un + e −un − 1 = ` + e −` − 1.
n→+∞ n→+∞

Et par conséquent, ` = ` + e −` − 1 ⇔ e −` = 1 ⇔ ` = 0.
On a alors Domination
Notons que pour utiliser
un+1 un + e −un − 1 e −un − 1 −un + o(un ) une domination du type
= =1+ =1+ = o(1) −→ 0.
un un un un n→+∞ 0 6 u n 6 v n , il n’est pas
nécessaire que cette domi-
un+1 1 1 nation soit vraie pour tout
En particulier, il existe N ∈ N tel que pour n > N, 6 ⇔ un+1 6 un .
un 2 2 n ∈ N, il suffit qu’elle soit
1 1 1 vraie pour n > N 0 (i.e. pour n
On a donc u N +1 6 u N , u N +2 6 u N +1 6 2 u N , etc. suffisamment grand).
2 2 2
1 X
+∞
Une récurrence facile prouve alors que pour tout p > N , u N +p 6 p u N , et donc En effet, on a alors uk
2 k =N 0

1 qui converge, et puisque


∀n > n, 0 6 un 6 n−N u N . NX
0 −1
2 est une somme finie,
1 1 N k =0
Mais la série de terme général n−N u N = n 2 u N est une série géométrique convergente, elle converge
X également, de
2 2 X sorte que u n converge.
et donc par critère de comparaison pour les séries à termes positifs, un converge. n>0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


VARIABLES ALÉATOIRES DISCRÈTES. 2
CONDITIONNEMENT

Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Variables aléatoires réelles discrètes . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Probabilités conditionnelles et espérance conditionnelle . . . . . . . . . . . . . . . . 43
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

2.1 VARIABLES ALÉATOIRES


2.1.1 Espaces probabilisables

1 Généralement appelé «l’uni-


Définition 2.1 – Soit Ω un ensemble1 . Une partie A ⊂ P(Ω) est appelée tribu (ou
σ -algèbre) si vers».

• Ω∈A
• ∀A ∈ A, Ā ∈ A
[
• si (An )n ∈N est une suite d’éléments de A, alors An ∈ A.
n ∈N
On dit alors que (Ω, A) est un espace probabilisable, et les éléments de A sont
appelés événements.

Dans la pratique, on connait rarement la tribu sur laquelle on travaille.


Le seul cas où on a vraiment accès à cette tribu est celui où Ω est un ensemble fini (c’est-à-
dire lorsqu’on considère une expérience n’ayant qu’un nombre fini d’issues possibles, par
exemple le lancer d’un ou plusieurs dés), et alors A = P(Ω) est l’ensemble des parties de Ω.
Par exemple, si on lance deux dés, alors Ω = n1, 6o2 . Autrement dit, un élément de Ω est
un couple de la forme (i, j), où i représente le résultat du premier dé et j celui du second.
Et alors A est l’ensemble des parties de Ω.
Par exemple, l’événement «le premier dé vaut 6» est la partie

{(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)} ⊂ Ω.

L’événement «la somme des deux dés est paire» est

{(1, 1), (1, 3), . . . (2, 2), . . . , (6, 4), (6, 6)} ⊂ Ω.

Proposition 2.2 : Si S ⊂ P(Ω), alors il existe une plus petite (au sens de l’inclusion)
tribu contenant S. On la note A(S), et on l’appelle tribu engendrée par S.
Autrement dit, si A est une tribu telle que S ⊂ A, alors A(S) ⊂ A.

2.1.2 Espace probabilisé

37
38 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

Définition 2.3 – Soit (Ω, A) un espace probabilisable. Une application P : A → R+


est appelée probabilité si :
• P(Ω) = 1 Rappel
Deux événements A et B
• si (An )n ∈N est une suite d’événements deux à deux incompatibles, alors sont dits incompatibles si
A ∩ B = ∅.
[ X
P* An + = P(An ).
,n ∈N - n ∈N

On dit alors que (Ω, A, P) est un espace probabilisé.

Définition 2.4 – Soit (Ai )i ∈I une famille d’événements deux à deux incompatibles
indicée par I . On dit que :
[
• (Ai )i ∈I est un système complet d’événements si Ai = Ω.
i ∈I
[
• (Ai )i ∈I est un système quasi-complet d’événements si P * Ai + = 1.
, i ∈I -

Exemple 2.5

On lance une pièce équilibrée jusqu’à faire face, et pour i ∈ N, on note Ai l’événe-
ment «il faut faire i lancers avant de faire face pour la première fois». Limite monotone
!i Nous parlons ici du théorème
1
Alors ces événements sont deux à deux incompatibles, et on sait que P(Ai ) = . de la limite monotone relatif
2 aux probabilités : si (B n ) est
Donc !i une suite croissante d’événe-
[ n Xn X n
P * +
Ai = P(Ai ) =
1
=1− n.
1 ments, c’est-à-dire telle que

, i=1 - i=1 i=1


2 2 B n ⊂ B n+1 , on a
[
+∞
Par le théorème de la limite monotone, on a alors P* B n + = lim P (B n ).
,n=0 -
n→+∞

[∞ [ n
* + * Ai + = lim 1 − n = 1.
1 Il s’applique ici en posant
P Ai = lim P
, i=1 -
n→∞
, i=1 -
n→∞ 2 n
[
Bn = Ai
i =0
Ainsi, (Ai )i ∈N∗ est un système quasi-complet d’événements. Ce n’est pas un système
car alors (B n ) est une suite
complet d’événements, car l’événement «ne jamais faire face» n’est pas inclus dans croissante d’événements.
[∞
Ai . En revanche, cet événement est de probabilité nulle.
i=1

Proposition
[ 2.6 : Si (Ai )i ∈I est un système quasi-complet d’événements tel que
S  [
Ai , Ω , alors (Ai )i ∈I ∪ i ∈I Ai est un système complet d’événements. Dire que Ai , Ω revient
i ∈I
i ∈I
à dire que (Ai ) n’est pas un
système complet d’événe-
ments.
[ [
Démonstration. Par définition, Ai ∪ Ai = Ω. De plus, si i , j ∈ I , alors Ai et A j sont
i ∈I i ∈I
incompatibles par définition, et si i ∈ I , alors
[
Ai ∩ Ai = ∅.
i ∈I

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 39

Définition 2.7 – Un événement A est dit


• (quasi)-certain si P(A) = 1
• (quasi)-impossible si P(A) = 0.

2.1.3 Variables aléatoires réelles


Terminologie
Les boréliens sont ainsi nom-
Définition 2.8 – On appelle tribu des boréliens la tribu de R engendrée par les més en l’honneur d’Émile
intervalles ] − ∞; a], a ∈ R. On la note B(R). Borel (1871–1956), mathéma-
ticien français qui contribua
à définir le formalisme actuel
Remarque. Tous les intervalles sont dans B(R) car : des probabilités.

• ]a; +∞[ est le complémentaire de ] − ∞; a], donc appartient à B(R)


[ # 1
#
• ] − ∞; a[= −∞; a −
n ∈N∗
n

• [a; +∞[ est le complémentaire de ] − ∞; a[.


• si a < b, alors [a; b] = [a; +∞[∩] − ∞; b]
• etc

Définition 2.9 – Soit (Ω, A) un espace probabilisable. Une variable aléatoire réelle
sur Ω est une application X : Ω → R telle que En pratique, on a très rare-
ment besoin de revenir à
cette définition, sauf peut-
∀x ∈ R, [X 6 x] = {ω ∈ Ω : X (ω) 6 x} ∈ A. être dans des sujets de Maths
II.

Proposition 2.10 : Soit X une variable aléatoire réelle définie sur (Ω, A). Alors

∀B ∈ B(R), [X ∈ B] = {ω ∈ Ω : X (ω) ∈ B} ∈ A.

Si on prend B =] − ∞, x], ] − ∞, x[, [x, +∞[, cela signifie notamment que si x ∈ R, alors les
2 et donc on a bien le droit
ensembles [X 6 x], [X < x], [X > x], etc, sont bien des événements2 .
de s’intéreser à la probabilité
de ces événements.
Proposition 2.11 : Soient X et Y deux variables aléatoires réelles définies sur (Ω, A),
et soit λ ∈ R. Alors X + Y , XY et λX sont également des variables aléatoires réelles sur
(Ω, A).

Démonstration. Admis. 

Vigilance !
Ne pas oublier qu’il s’agit
Définition 2.12 – Si X est une variable aléatoire réelle sur un espace probabilisé d’une inégalité large. Si
(Ω, A, P), on appelle fonction de répartition (ou loi) de X la fonction cela n’a pas d’importance
pour une variable à densité,
F X : R −→R ce n’est pas le cas pour des
variables discrètes.
x 7−→P(X 6 x)

Proposition 2.13 : F X est croissante, continue à droite en tout point et Inversement, si une fonction
f vérifie ces propriétés, alors
il existe une variable aléatoire
lim F X (x) = 0 et lim F X (x) = 1. X telle que f = F X .
x →−∞ x →+∞

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


40 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

Définition 2.14 – Soit (Ω, A) un espace probabilisable, et soit A ∈ A. On appelle Complément


variable indicatrice de A, et on note 1A la fonction 1A : Ω → R définie par 1A est une variable qui ne
prend que les valeurs 0

 0 si ω < A
et 1 : elle suit donc une
1A (ω) =  loi de Bernoulli. De plus,
P (1A = 1) = P (A), donc le
 1 si ω ∈ A paramètre de la loi de Ber-
noulli est P (A). Cela permet
notamment de calculer l’es-
pérance et la variance de
Proposition 2.15 : Si A ∈ A, alors 1A est une variable aléatoire réelle. 1A .

Démonstration. Soit x ∈ R. Si x < 0, alors [1A 6 x] = ∅ ∈ A.


Si 0 6 x < 1, alors

[1A 6 x] = [1A = 0] = {ω ∈ Ω : ω < A} = Ā ∈ A.

Enfin, si x > 1, alors [1A 6 x] = [1A 6 1] = Ω ∈ A.


Ainsi, ∀x ∈ R, [1A 6 x] ∈ A : 1A est bien une variable aléatoire réelle sur (Ω, A). 

Exemple 2.16

On lance n fois une pièce équilibrée. On note Ai l’événement «on fait pile au i-ème
lancer». Alors
Xn
• 1Ai est le nombre de piles obtenu au cours des n lancers.
i=1
n
Y
• 1− 1Ai est la variable indicatrice de l’événement «faire au moins un face
i=1
lors des n lancers».

2.2 VARIABLES ALÉATOIRES RÉELLES DISCRÈTES


Dans toute la suite, (Ω, A, P) désigne un espace probabilisé.

2.2.1 Définition

Définition 2.17 – Une variable aléatoire réelle X définie sur Ω est dite discrète si
l’ensemble X (Ω) des valeurs prises par X est dénombrable.

Remarque. Autrement dit, cela signifie qu’il existe un ensemble I ⊂ N, fini ou infini,
tel qu’on puisse «numéroter» les éléments du support de X à l’aide des éléments de I :
X (Ω) = {x i , i ∈ N}.

Exemples 2.18

• Si X ,→ G(p), alors X est discrète car X (Ω) = N∗ est dénombrable.


• Si X ,→ N(0; 1), alors X n’est pas discrète car X (Ω) = R, et on ne peut pas
«numéroter» les éléments de R.
Autrement dit
Pour une variable aléatoire
Proposition 2.19 : Soit X une variable aléatoire discrète. Alors la loi de X est entièrement discrète, on ne donne géné-
caractérisée par la donnée : ralement pas la fonction de
répartition, mais seulement
1. du support X (Ω) de X . les P (X = x ), pour x ∈ X (Ω),
ce qui est plus simple à mani-
2. de tous les P(X = x), pour x ∈ X (Ω).
puler.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 41

2.2.2 Espérance Remarque


En termes savants : X admet
une espérance si et seulement
si la famille
Définition 2.20 – Une variable aléatoire réelle discrète X avec X (Ω) = {x i , i ∈ I }
P
admet une espérance si la série i x i P(X = x i ) converge absolument. (x P (X = x ))x ∈X (Ω)
Dans ce cas, on note E(X ) la somme de cette série. est sommable.

Les résultats qui suivent, bien qu’intuitifs, sont en réalité très difficiles à démontrer, et nous
les admettons.

Proposition 2.21 : Si X et Y sont deux variables aléatoires discrètes sur (Ω, A, P) qui
admettent une espérance et si (λ, µ) ∈ R2 , alors λX + µY admet une espérance et En d’autres termes, l’espé-
rance est linéaire.
E(λX + µY ) = λE(X ) + µE(Y ).

Théorème 2.22 (de transfert) : Soit X une variable aléatoire réelle discrète sur Ω, avec
X (Ω) = {x i , i ∈ I }, I ⊂ N. Soit д : X (Ω) → R. Alors la fonction д(X ) : Ω → R
est
X une variable aléatoire discrète, qui admet une espérance si et seulement si la série Cas particulier
д(x i )P(X = x i ) converge absolument. Dans ce cas, on a alors Si on prend д(x ) = |x |, on
i remarque alors que |X | admet
X une espérance si et seulement
E(д(X )) = д(x i )P(X = x i ). si X admet une espérance.
i ∈I

Proposition 2.23 : Si X et Y sont deux variables aléatoires discrètes telles que 0 6 |X | 6 Y


presque sûrement (i.e. si P(0 6 |X | 6 Y ) = 1), et si Y admet une espérance, alors X admet
une espérance, et dans ce cas |E(X )| 6 E(Y ).

Corollaire 2.24 (Croissance de l’espérance) – Si X et Y sont deux variables aléatoires


discrètes admettant une espérance avec X 6 Y presque sûrement, alors E(X ) 6 E(Y ).

Exemple 2.25

Soit X une variable aléatoire suivant une loi géométrique,
√ et soit Y = X.
Alors, ∀ω ∈ Ω, 0 6 Y (ω) 6 X (ω), car ∀n ∈ N∗ , n 6 n.
Par conséquent, l’événement 0 6 Y 6 X est certain.
Puisque X admet une espérance, il en est de même de Y , et E(Y ) 6 E(X ).

2.2.3 Variance

Définition 2.26 – Soit X une variable aléatoire discrète X admettant une espérance.
On dit que X admet une variance si (X − E(X ))2 admet une espérance, et on note
alors V (X ) = E((X − E(X ))2 ).

Remarque. Puisque (X − E(X ))2 > 0, en cas d’existence, on a


 
V (X ) = E (X − E(X ))2 > E(0) = 0.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


42 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

Proposition 2.27 : Soit X une variable aléatoire discrète. Alors :


• X admet une variance si et seulement si X 2 admet une espérance (i.e. si et seulement
si X admet un moment d’ordre 2).
Dans ce cas, V (X ) = E(X 2 ) − E(X )2 ( formule de Huygens).
• Si X n’admet pas d’espérance, alors X n’admet pas de moment d’ordre 2.

2.2.4 Lois usuelles


Dans toute la suite, on note X une variable aléatoire sur un espace probabilisé (Ω, A, P).

Nom Paramètres X (Ω) Loi E(X ) V (X )

P(X = 0) = 1 − p
Loi de Bernoulli B(p) p ∈ [0, 1] {0, 1} p p(1 − p)
P(X = 1) = p

1 n+1 n 2 −1
Loi uniforme sur n1, no n ∈ N∗ n1, no P(X = k) = n 2 12

1 (b−a+1)2 −1
Loi uniforme sur na, bo (a, b) ∈ Z2 , a < b na, bo P(X = k) = b−a+1
a+b
2 12

n k
n ∈ N∗
Loi binomiale B(n, p) n0, no P(X = k) = k p (1 − p)n−k np np(1 − p)
p ∈ [0; 1]

k
Loi de Poisson P(λ) λ>0 N P(X = k) = e −λ λk ! λ λ

1 1−p
Loi géométrique G(p) p ∈]0; 1[ N∗ P(X = k) = p(1 − p)k−1 p p2

Situations typiques :
• X suit la loi B(p) lorsqu’on considère une expérience à deux issues : succès avec
probabilité p et échec (avec probabilité 1 − p), et si X vaut 1 en cas de succès et 0
sinon (par exemple : un pile ou face).
• Un nombre tiré au hasard dans n1, no suit la loi U(n1, no)
• Le nombre de succès lors de n répétitions indépendantes d’un processus de Bernoulli
de paramètre p suit la loi B(n, p) (par exemple : on lance n fois une pièce).
• Si on répète de manières indépendantes un processus de Bernoulli de paramètre p Notation
jusqu’à l’obtention d’un succès, alors le nombre d’essais suit la loi G(p) (par exemple : Pour une loi géométrique,
on lance une pièce jusqu’à faire pile). on note souvent q = 1 − p la
probabilité d’échec, de sorte
• La loi de Poisson ne correspond pas à une situation typique, et lorsqu’il faut l’utiliser, que P (X = k ) = pq k −1 .
l’énoncé l’indique explicitement.

Simulation en Scilab
La commande grand(q,r,loi) permet de simuler une matrice q × r dont les entrées
suivent la loi spécifiée. Le paramètre loi doit prendre l’une des valeurs suivantes :
• ’uin’,a,b pour U(na, bo).
• ’bin’,n,p pour B(n, p).
• ’poi’,λ pour P(λ).
• ’geom’,p pour G(p).
Par exemple, grand(10,10,’bin’,20,0.1) retourne une matrice 10×10 dont les nombres
ont été tirés aléatoirement suivant B(20, 0.1).
Il n’y a pas de commande spécifique pour la loi de Bernoulli de paramètre p, mais notons
que B(p) = B(1, p) et donc nous pouvons utiliser grand(q,r,’bin’,1,p).

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 43

2.3 PROBABILITÉS CONDITIONNELLES ET ESPÉRANCE CONDITIONNELLE


Dans toute cette partie, (Ω, A, P) désigne un espace probabilisé.

2.3.1 Rappels sur les probabilités conditionnelles

Définition 2.28 – Soit A ∈ A un événement tel que P(A) , 0. Alors pour tout
événement B, on appelle probabilité de B sachant A le réel noté PA (B) (ou parfois
A Danger !
On ne parle pas d’événement
P(B|A)) défini par conditionnel, cela n’a pas de
P(A ∩ B) sens. Ce qu’on aurait envie
PA (B) = . d’appeler «A sachant B» est
P(A)
en fait A ∩ B (A et B sont tous
deux réalisés).

Proposition 2.29 : PA est une probabilité sur (Ω, A).

Remarque. Cela implique que tous les théorèmes généraux relatifs aux probabilités s’ap-
pliquent encore pour PA .
Par exemple PA (B) = 1 − PA (B) et PA (B ∪ C) = PA (B) + PA (C) − PA (B ∩ C).

Proposition 2.30 (Formule des probabilités composées) : Soient A1 , A2 , . . . , An


Méthode
des événements tels que P(A1 ∩ · · · ∩ An−1 ) , 0. Alors
Pour calculer la probabilité
n d’une intersection, sauf si l’on
\
P * Ai + = P(A1 )PA1 (A2 )PA1 ∩A2 (A3 ) · · · PA1 ∩···∩An−1 (An ). sait que ces événements sont
indépendants, on fera appel à
, i=1 - cette formule.

Proposition 2.31 (Formule des probabilités totales) : Si (Ai )i ∈I est un système


complet d’événements, avec I fini ou dénombrable, et si on note J = {i ∈ I : P(Ai ) , 0},
alors X X
∀B ∈ A, P(B) = P(Ai ∩ B) = P(Ai )PAi (B).
i ∈I i ∈J

Remarques. • Notons qu’il y a en fait deux formes de la formule des probabilités totales :
l’une avec les P(Ai ∩ B), et l’autre avec les PAi (B). On choisira l’une ou l’autre suivant que
l’on connaisse plutôt les probabilités conditionnelles PAi (B) ou les P(Ai ∩ B).
• La formule reste valable si (Ai )i ∈I est un système quasi-complet d’événements.

Méthode
Proposition 2.32 (Formules de Bayes) : La formule de Bayes est
utile lorsqu’on cherche une
• Si A et B sont deux événements de probabilités non nulles, probabilité conditionnelle
P A (B) et que l’on connaît
PA (B)P(A) P B (A).
P B (A) = .
P(B) En général, cela suffit à faire
penser à la formule de Bayes.
• Si (Ai )i ∈I est un système complet d’événements fini ou dénombrable, si
J = {i ∈ I : P(Ai ) , 0}, alors pour tout événement B de probabilité non nulle, et
pour tout i ∈ J
PA (B)P(Ai )
P B (Ai ) = P i .
j ∈J P A j (B)P(A j )

Remarque. La formule de Bayes et la formule des probabilités totales restent valables pour
des systèmes quasi-complets d’événements.

2.3.2 Loi conditionnelle, espérance conditionnelle

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


44 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

Définition 2.33 – Si X est une variable aléatoire réelle discrète sur (Ω, A, P), on
appelle loi de X sachant A, ou loi de X conditionnellement à A, la loi de X pour
la probabilité PA , c’est-à-dire la donnée de tous les couples (x, PA (X = x)), pour
x ∈ X (Ω).

Exemple 2.34

Le nombre de clients qui entrent dans un restaurant un soir de semaine est une
variable aléatoire X qui suit une loi de Poisson de paramètre λ.
Chaque client choisit, indépendamment du choix de ses voisins, de la viande avec
probabilité p et du poisson avec la probabilité 1 − p. On note Y le nombre de clients
qui choisissent de la viande.
Alors {[X = n], n ∈ N} est un système complet d’événements, donc
X
∀k ∈ N, P(Y = k) = P(X = n)P[X =n] (Y = k).
n ∈N
Explication
Mais la loi de Y sachant [X = n] est la loi binomiale B(n, p), donc
En effet, une fois le nombre
n k
de clients fixé égal à n, on re-

 p (1 − p)n−k

P[X =n] (Y = k) =  k
si 0 6 k 6 n connaît une situation typique
d’une loi binomiale (répéti-
0 sinon
tion d’épreuves de Bernoulli
indépendantes).
Ainsi, ∀k ∈ N,
X !
λn n k Les termes avec n < k sont
P(Y = k) = e −λ p (1 − p)n−k
n! k nuls.
n>k
X λn n!
= e −λ p k (1 − p)n−k
n! k!(n − k)!
n>k
p k λk X λn−k
=e −λ (1 − p)n−k
k! (n − k)!
n>k
p k λk X λi (1 − p)i Chgt d’indice
=e −λ i = n − k.
k! i >0
i!
p k λk λ(1−p)
=e −λ e
k!
(pλ)k
=e −λp .
k!
Ainsi, Y suit une loi de Poisson de paramètre λp.

Définition 2.35 – Soit X une variable aléatoire réelle discrète sur (Ω, A, P), avec
X (Ω) = {x i , i ∈ I }. Soit A ∈ A tel que P(A) , 0. On dit que X admet une espérance
sachant A (ou espérance conditionnellement à A) si X admet une espérance pour la
probabilité PA , autrement dit si la famille (x i PA (X = x i ))i ∈I est sommable.
Dans ce cas, on note X
E(X |A) = x i PA (X = x i )
i ∈I

l’espérance de X sachant A.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 45

Exemple 2.36

Reprenons l’exemple des clients au restaurant. Alors pour n ∈ N,


X
E(Y |X = n) = kP [X =n] (Y = k) Sous réserve de convergence.
k ∈N
Xn !
n k La somme est finie donc
= k p (1 − p)n−k
k converge bien (et donc
k=0
n ! E(Y |X = n) existe).
X n k
= k p (1 − p)n−k Rappel
k ! !
k=1 n n−1
! k =n .
Xn k k −1
n − 1 k−1
= np pp (1 − p)n−k Si cette formule est au pro-
k −1 gramme, il est aisé de la
k=1
n−1 ! retrouver en revenant aux
X n−1 ` factorielles.
= np p (1 − p)n−1−`
`=0
`
= np(p + (1 − p))n−1 = np

Notons que ce résultat est bien cohérent à ce qu’on aurait pu attendre, vu que la
loi de Y sachant [X = n] est la loi binomiale B(n, p), d’espérance np. D’ailleurs, la
somme qui apparaît à la seconde ligne du calcul précédent est exactement celle qui En pratique
définit l’espérance d’une loi binomiale B(n, p), dont on sait qu’elle vaut np.
On ne refera jamais un tel
calcul : la loi conditionnelle
de Y sachant [X = n] est
2.3.3 La formule de l’espérance totale une loi binomiale, donc son
espérance conditionnelle
À l’instar de la formule des probabilités totales, qui permet de déterminer une probabilité à est l’espérance d’une loi
l’aide de probabilités conditionnelles, nous voyons à présent une formule permettant de binomiale.
déterminer une espérance à l’aide d’espérances conditionnelles.

Proposition 2.37 (Formule de l’espérance totale) : Soit X une variable aléatoire


discrète sur (Ω, A, P), et soit (Ai )i ∈I un système complet d’événements, avec I dénombrable
ou fini, et notons J = {i ∈ I : P(Ai ) , 0}. Alors X admet une espérance si et seulement si
:
• ∀i ∈ J , E(X |Ai ) existe
X
• P(Ai )E(|X | |Ai ) est sommable.
i ∈J
X X
Dans ce cas, on a alors E(X ) = P(Ai )E(X |Ai ) = xPAi (X = x)P(Ai ).
i ∈J (x,i)∈X (Ω)×J

Démonstration. Commençons par regarder ce qu’il se passe dans un cas très particulier :
celui où X (Ω) = {x 1 , . . . , xp } est fini, et où le système complet d’événements est fini :
A 1 , A 2 , . . . , Aq .
3 Puisque toutes les sommes
Alors X admet évidemment une espérance, et les points 1) et 2) sont vérifiés3 .
Alors on a : en jeu sont finies.

p
X
E(X ) = x n P(X = x n )
n=1
Xp q
X
= xn P(Ai )PAi (X = x n ) Formule des probabilités
totales.
n=1 i=1
p X
X q
= x n P(Ai )PAi (X = x n )
n=1 i=1
Xq X p
= x n P(Ai )PAi (X = x n ) Les sommes étant finies,
on peut les intervertir sans
i=1 n=1 précautions.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


46 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

q
X p
X
= P(Ai ) x n PAi (X = x n )
i=1 n=1
Xq
= P(Ai )E(X |Ai ).
i=1

Ainsi, la formule de l’espérance totale n’est qu’une «bête» interversion de somme, couplée
à la formule des probabilités totales.

Passons à présent au cas général, où à la fois I et X (Ω) peuvent être infinis. L’idée de la
preuve est alors la même, sauf qu’il s’agit d’intervertir deux sommes infinies, ce qui nécessite
de faire appel aux familles sommables et au théorème d’interversion par paquets.
4 On ne perd pas de généra-
Supposons, pour simplifier4 que J = ∅, c’est-à-dire que ∀i ∈ I , P(Ai ) , 0.
Numérotons les éléments du support de X , de sorte que X (Ω) = {x n , n ∈ N}. lité : enlever les termes nuls
ne change rien à la somme.
Notons, pour n ∈ N et i ∈ I , ui,n = x n P(Ai )PAi (X = x n ) =Xx n P(X = x n ∩ Ai ).
Par la formule des probabilités totales, pour tout n ∈ N, ui,n converge absolument et
i
X X
|ui,n | = P(Ai ) |x n |PAi (X = x n ) = P(Ai )|x n |P(X = x n ).
i ∈I i ∈I

⇐= : supposons que E(X ) existe.


Alors pour tout i ∈ I , et tout n ∈ N, on a

1 1
0 6 |x n |PAi (X = x n ) = |x n |P([X = x n ] ∩ Ai ) 6 |x n |P(X = x n )
P(Ai ) P(Ai )
5 La série de terme général
et donc par le théorème de comparaison5 , E(X |Ai ) existe.
X X X |x n |P (X = x n ) converge par
De plus, * |ui,n |+ = |x n |P(X = x n ) converge, et donc la famille (ui,n ) est sommable. hypothèse.
n , i - n
Par le théorème de sommation par paquets, on a donc
X
E(X ) = x n P(X = x n )
n ∈N
X X XX
= xn PAi (X = x n )P(Ai ) = ui,n
n ∈N i ∈I n ∈N i ∈I
XX X X
= ui,n = P(Ai ) x n PAi (X = x n ) La famille étant sommable, il
est possible d’intervertir les
i ∈I n ∈N i ∈I n ∈N
X deux sommes.
= P(Ai )E(X |Ai ).
i ∈I
X
=⇒ : supposons que les espérances conditionnelles existent et que P(Ai )E(|X | |Ai )
i
converge.
X X X
Alors par hypothèse6 , pour tout i ∈ I , |ui,n | converge et vaut E(|X | |Ai ) et donc * |ui,n |+ 6 C’est la définition de l’espé-

n i , n - rance conditionnelle.
converge, de sorte
XX que la famille X (ui,n ) est sommable.
En particulier, |ui,n | = |x n |P(X = x n ) converge, donc E(X ) existe, et alors, par le
n ∈N i ∈I n X
7 C’est-à-dire l’interversion
même calcul que précédemment7 , on a encore l’égalité E(X ) = P(Ai )E(X |Ai ). 
i ∈I des deux sommes.

Remarques. • En pratique, les variables X considérées seront toujours positives. Et donc


on peut remplacer les E(|X | |Ai ) par des E(X |Ai ).
• Les systèmes complets d’événements que nous considérons sont toujours soit finis (et
alors la sommabilité de la famille P(Ai )E(|X | |Ai ) est automatique du moment que les
espérances conditionnelles existent, puisqu’il s’agit d’une somme finie), soit indicés par
N ou N∗ , et alors étudier la sommabilité de la famille P(Ai )E(|X | |Ai ) revient à étudier
la convergence d’une série.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 47

En pratique, il suffira donc de connaître l’énoncé suivant :

Corollaire 2.38 (Formule de l’espérance totale version 2) : Si X est une variable


aléatoire discrète à valeurs positives et si (An )n ∈N est un système complet d’événements,
alors X admet une espérance si et seulement si :
• ∀n ∈ N, E(X |An ) existe
X
• P(An )E(X |An ) converge.
n
X
+∞
Dans ce cas, E(X ) = P(An )E(X |An ).
n=0

Exemple 2.39

Reprenons l’exemple du restaurant. On sait déjà que E(Y |X = n) = np.


λn λn−1
Mais, pour n > 1, P(X = n)E(Y |X = n) = npe −λ = pλe −λ .
n! (n − 1)!
X λn−1
Or, la série pλe −λ converge absolument.
n>1
(n − 1)!
Donc Y admet une espérance, et

X ∞
X λn−1
E(Y ) = P(X = n)E(Y |X = n) = pλe −λ = pλe −λ e λ = pλ.
n=0 n=1
(n − 1)!

Notons que là encore, ce résultat était prévisible puisque nous avons prouvé précé-
demment que Y suit une loi de Poisson de paramètre pλ.
Mais si on ne s’intéresse qu’à l’espérance de Y , il est bien plus rapide d’utiliser la
formule de l’espérance totale comme on vient de la faire, sans nécessiter le calcul
fastidieux de la loi de Y via la formule des probabilités totales.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


48 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

MÉTHODES DU CHAPITRE 2

! MÉTHODE 2.1 : Reconnaître et utiliser une loi usuelle.


Il faut être capable de reconnaître les lois suivantes :
• Loi de Bernoulli B(p) : c’est le cas de toute variable aléatoire qui ne prend que les valeurs 0 et 1 (en particulier une
variable indicatrice). Alors p = P(X = 1).
• Loi binomiale B(n, p) : nombre de succès lors d’une répétition de n épreuves de Bernoulli indépendantes dont la
proba de succès vaut p.
• Loi géométrique G(p) : nombre de tentatives nécessaires à l’obtention du premier succès lors d’une répétition
d’épreuves de Bernoulli indépendantes dont la proba de succès vaut p.
En particulier, les deux dernières peuvent apparaître lors de tirages avec remise, rarement lors de tirages sans remises (car
on perd alors l’indépendance des répétitions).
Il faut connaître sans hésitation les espérances et variances des lois usuelles.
Exercices de TD : 2.1, 2.3, 2.11. Cas de lois conditionnelles : 2.13, 2.15

! MÉTHODE 2.2 : Étudier l’existence/cacluler la valeur de l’espérance d’une variable


discrète X .
Rappelons qu’une variable finie admet toujours une espérance.
Sinon, on pourra étudier l’existence de E(X ) :
• soit en revenant à la définition et en montrant qu’une série converge absolument.
• soit en reconnaissant une loi usuelle ou une combinaison linéaire de telles lois.
• soit en utilisant le théorème de transfert si on reconnu que X = f (Y ), ou Y est une variable aléatoire. Dans ce cas
encore, on souhaite une convergence absolue.
• soit en utilisant la proposition2.2.2 qui prouve l’existence d’une espérance à l’aide d’une majoration (mais ne donne
alors pas la valeur de cette espérance !).
• soit à l’aide de la formule de l’espérance totale si l’on dispose d’espérances conditionnelles (voir ci-dessous).
Exercices de TD : 2.4, 2.6, 2.7, 2.8, 2.9, 2.10, 2.11

! MÉTHODE 2.3 : Utiliser un système complet d’événements.


Lorsqu’on a envie de faire une disjonction de cas, un système complet d’événements se cache souvent derrière.
Les plus couramment utilisés sont {A, A} où A est un événement et {[X = x], x ∈ X (Ω)}, où X est une variable aléatoire
discrète.
Suivant le contexte, on utilisera alors la formule des probabilités totales ou la formule de Bayes (cas des probabilités
conditionnelles).
Exercices de TD : 2.2
Sujets : EDHEC 2007 Problème

! MÉTHODE 2.4 : Utiliser la formule de l’espérance totale.


Lorsqu’on utilise la formule de l’espérance totale, on précisera toujours le système complet d’événements qu’on utilise.
Pour calculer les espérances conditionnelles, il s’agit en général de remarquer que la loi conditionnelle est une loi usuelle.
Si ce n’est pas le cas, il faudra revenir à la définition.
Si l’existence de E(X ) a déjà été prouvée, on ne se souciera pas de problèmes de convergence. Sinon, il faudra le prouver
rigoureusement.
Exercices de TD : 2.12, 2.13, 2.14, 2.15, 2.16, 2.18

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 49

EXERCICES DU CHAPITRE 2
EXERCICE 2.1 Soit n > 2. On dispose dans une urne n boules numérotées de 1 à n, indiscernables au toucher. Soit F
k ∈ N∗ . On effectue une suite de k tirages avec remise de boules de cette urne. Pour i ∈ n1, no, on note X i le nombre de
fois où on a obtenu une boule portant un numéro inférieur ou égal à i lors des k premiers tirages. Déterminer la loi de X i ,
son espérance et sa variance.
En particulier, que valent E(X n ) et V (X n ) ? Pourquoi était-ce prévisible ?
EXERCICE 2.2 PD
1) Jacques propose à Jules le jeu suivant : tirer 5 cartes parmi 52. Si l’as de trèfle est dans ces 5 cartes, Jules gagne.
Quelle est la probabilité que Jules gagne ?
2) Jacques décide de tricher et retire k cartes au hasard, avec 1 6 k 6 46. Quelle est la probabilité que Jules gagne ?
3) Jules perd. Quelle est la probabilité que Jacques ait enlevé l’as de trèfle ?
EXERCICE 2.3 Un candidat passe chaque année 3 concours indépendants, et la probabilité de réussite à chacun de ces PD
concours vaut 1/3. Soit X le nombre d’années nécessaires à la réussite d’au moins un concours. Déterminer la loi de X ,
son espérance et sa variance.
EXERCICE 2.4 Un sauteur en hauteur tente de franchir des hauteurs successives numérotées avec les entiers supérieurs AD
à 1. Il ne peut tenter la n + 1-ième hauteur que s’il a franchi la précédente (et donc s’il a franchi toutes les précédentes).
On suppose que la probabilité de succès au n-ième saut (donc sachant qu’il a réussi ses n − 1 premiers sauts) est pn = n1 .
Pour tout k ∈ N∗ , on note Sk l’événement «le sauteur a réussi ses k premiers sauts».
1) Montrer que le sauteur finit presque sûrement par échouer.
2) On note X la variable aléatoire égale au numéro du dernier saut réussi.
a) Déterminer la loi de X .
b) Montrer que X possède une espérance, et la calculer.
EXERCICE 2.5 Autour des variables indicatrices PD
Soit (Ω, A, P) un espace probabilisé.
1) Montrer que si A, B sont deux événements, alors : 1A = 1 − 1A , 1A∩B = 1A 1B , 1A∪B = 1A + 1B − 1A 1B .
2) Démontrer que E(1A ) = P(A).
n
X
3) Soient (Ak )16k 6n n événements distincts. Interpréter la variable 1Ak .
k =1

EXERCICE 2.6 Une urne contient n jetons numérotés de 1 à n. On tire au hasard une poignée de jetons dans cette PD
urne, toutes les poignées (y compris la poignée vide) étant équiprobables, et on note X la variable aléatoire égale à la
somme des numéros des jetons tirés.
Pour k ∈ n1, no, on note Ai l’événement «le jeton i est dans la poignée tirée» et Yi = 1Ai .
1) Combien y a-t-il de poignées possibles ? Combien réalisent l’événement Ai ? En déduire la loi de Yi .
2) Exprimer X en fonction des Yi , et en déduire E(X ).
EXERCICE 2.7 Soit X une variable aléatoire à valeurs dans N∗ . PD
1) Montrer que pour α ∈ [−1; 1], la variable aléatoire Y = αX admet une espérance, et majorer |E(Y )|.
2) Montrer que si X admet une espérance, il en est de même de Y = ln X .

EXERCICE 2.8 Soit X une variable aléatoire suivant la loi binomiale B(n, p), et soit α > 0. On pose Y = αX
2n . F
Montrer que Y admet une espérance, et la calculer.
1 1
EXERCICE 2.9 Soit X une variable aléatoire à valeurs dans N∗ vérifiant : ∀n ∈ N∗ , P(X = n) = − . AD
n2 (n + 1)2
1) Montrer que l’on définit bien ainsi une variable aléatoire.
X∞
1
2) Montrer que X possède une espérance et que E(X ) = .
n=1
n2
3) X admet-elle une variance ?
 X +1 
EXERCICE 2.10 Soit X une variable aléatoire suivant la loi géométrique de paramètre p ∈]0, 1[. On pose Y = 2 . AD
Déterminer la loi de Y , son espérance et sa variance.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


50 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

EXERCICE 2.11 (QSP HEC 2010) D


Soit n > 3. n personnes jettent simultanément une pièce équilibrée. Une personne gagne si elle obtient le contraire de
toutes les autres. On note X le nombre de parties nécessaire à l’obtention d’un vainqueur.
Déterminer la loi de X , et en déduire que X admet une variance et une espérance, que l’on déterminera.
EXERCICE 2.12 Soit X une variable aléatoire suivant une loi binomiale B(n, p). La valeur de cette variable est affichée AD
sur un compteur détraqué :
• lorsque X est non nul, le compteur affiche X
• lorsque X = 0, le compteur affiche un nombre aléatoire compris entre 1 et n, tiré suivant une loi uniforme U(n1, no).
On note Y la variable aléatoire égale au numéro affiché par le compteur. Montrer que Y admet une espérance et calculer
cette espérance.
EXERCICE 2.13 On lance une pièce équilibrée jusqu’à obtenir «pile», et on note N le nombre de lancers qui ont été PD
nécessaires. On effectue alors une série de N lancers et on note X le nombre de «faces» obtenus lors de ces N lancers.
1) Quelle est la loi de N ?
2) Déterminer la loi de X conditionnellement à l’événement [N = n], n ∈ N∗ . En déduire que E(X |N = n) existe et la
calculer.
3) Montrer que X admet une espérance et la calculer.
EXERCICE 2.14 Le concierge alcoolique PD
Un concierge possède 10 clés sur son trousseau.
Lorsqu’il souhaite ouvrir une porte, il choisit une clé au hasard dans son trousseau jusqu’à obtenir la bonne. Soit X la
variable aléatoire désignant le nombre de clés à essayer par le concierge pour ouvrir une porte.
1) Déterminer la loi de X si le concierge essaie les clés sans remise, puis la loi de X s’il les essaie avec remise.
2) Le concierge essaie les clés sans remise s’il est sobre et avec remise s’il est ivre. De plus, on sait qu’il est ivre un jour
sur 3.
a) Montrer que X admet une espérance, et la déterminer.
b) Aujourd’hui, le concierge a eu besoin de 6 essais pour ouvrir sa porte. Quelle est la probabilité qu’il soit ivre ?
c) Même question avec 11 essais.
EXERCICE 2.15 Une urne contient initialement n boules numérotées de 1 à n. PD
On effectue des tirages dans cette urne suivant le protocole suivant : si la boule numéro i vient d’être tirée, on la remet
dans l’urne et on enlève toutes les boules portant un numéro strictement supérieur à i.
Pour tout k ∈ N∗ , on note X k la variable aléatoire égale au numéro de la boule obtenue lors du k ème tirage.
1) Pour k ∈ N∗ et i ∈ n1, no, déterminer E(X k +1 |X k = i).
2) Exprimer E(X k +1 ) en fonction de E(X k ), et en déduire la valeur de E(X k ).
EXERCICE 2.16 (D’après oral ESCP 1999) D
Au casino, un croupier mélange trois cartes : as de cœur, roi de cœur et valet de pique. Il les présente face cachée, et un
joueur choisit l’une des cartes au hasard. Si c’est un cœur, il gagne deux euros pour le roi ou un euro pour l’as, et le jeu
recommence. Si c’est le valet de pique, le jeu s’arrête.
On note N le nombre de cartes tirées par le joueur, et X la somme qu’il a gagnée à la fin de la partie.
1) Déterminer la loi de N .
2) Déterminer la loi de X sachant que N = n.
3) Quel prix minimum le casino doit-il faire payer les parties pour que ce jeu soit rentable ?
EXERCICE 2.17 Un peu de dénombrement (QSP ESCP 2012) D
Soit E = n1, 4o × n1, 4o ⊂ R2 . On choisit une partie de E formée de 4 points.
1) Quelle est la probabilité que les quatre points soient alignés ?
2) Quelle est la probabilité d’avoir au moins trois points alignés ?
EXERCICE 2.18 (D’après oral ESCP 2003) TD
On dispose d’une urne contenant n boules portant des numéros deux à deux distincts.
Un premier joueur effectue une suite de tirages sans remise dans cette urne jusqu’à obtenir la boule portant le plus grand
numéro. On note alors X 1 le nombre de tirages qu’il a effectué pour obtenir cette boule.
S’il reste des boules dans l’urne, un second joueur effectue la même expérience, c’est-à-dire qu’il tire des boules de l’urne,
sans remise, jusqu’à obtenir la boule portant le plus grand numéro parmi celles qui n’ont pas été tirées par le premier
joueur. On note alors X 2 le nombre de tirages effectués par ce second joueur. Si le premier joueur a déjà tiré toutes les
boules, alors X 2 prend la valeur 0.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 51

1) Donner la loi, l’espérance et la variance de X 1 .


2) Pour i ∈ n1, no, déterminer la loi de X 2 conditionnellement à l’événement [X 1 = i].
3) En déduire l’espérance de X 2 .
4) Déterminer la loi de X 2 et retrouver le résultat de la question précédente.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


52 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

CORRECTION DES EXERCICES DU CHAPITRE 2


SOLUTION DE L’EXERCICE 2.1
À chaque tirage, la probabilité d’avoir une boule portant un numéro inférieur ou égal à i
Rédaction 
L’indépendance des répéti-
vaut ni . Les tirages étant avec remise et indépendants, X i suit une loi binomiale B k, ni . tions est fondamentale, ne pas
On a donc oublier de la mentionner.
ki i n −i
E(X i ) = et V (X i ) = k .
n n n
Pour i = n, X n est la variable certaine égale à k. En particulier, sa variance est nulle, ce qui
est bien confirmé par le calcul réalisé précédemment.
C’était bien entendu prévisible puisqu’à chaque tirage on est certain d’obtenir une boule
portant un numéro inférieur ou égal à n.

SOLUTION DE L’EXERCICE 2.2


1. Notons G l’événement : «Jules gagne». Dénombrement
! 52
52 5 est le nombre de façons
Toutes les mains sont équiprobables, et il y a mains possibles. de choisir 5 cartes parmi 52.
! 5 De plus, choisir une main
51 contenant l’as de trèfle re-
Parmi toutes ces mains, il y en a contenant l’as de trèfle. vient à choisir une main
4
de 4 cartes parmi les 51 qui
Donc la probabilité que Jules gagne est
ne sont pas l’as de trèfle (la
51 cinquième carte étant auto-
51!5!47! 5 matiquement l’as de trèfle).
52
4
P(G) = = = .
4!47!52! 52
5

1 Nous pouvons considérer


Solution alternative sans dénombrement : notons Ai l’événement : «la i-ème carte1
tirée par Jules est l’as de trèfle». Alors que Jules tire les cinq cartes
l’une après l’autre, ce qui
  revient au même que tirer
P(G) = P A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 cinq cartes à la fois.
         
= P A1 PA1 A2 PA1 ∩A2 A3 PA1 ∩A2 ∩A3 A4 PA1 ∩A2 ∩A3 ∩A4 A5
51 50 49 48 47
=
52 51 50 49 48
47
= .
52
  5
Et donc P(G) = 1 − P G = .
52
2. Si Jacques a retiré l’as de trèfle, alors la probabilité que Jules gagne est nulle.
Sinon, il reste 52 − k cartes, et le même raisonnement qu’à la question précédente prouve
5
que la probabilité que Jules gagne vaut .
52 − k ( )
Ainsi, en considérant le système complet d’événements T ,T , où T est l’événement «Jacques
a retiré l’as de trèfle», la probabilité que Jules gagne est
51
5 52 − k 5 5
52
k
P(G) = P(T )PT (G) + P(T )PT (G) = P(T )PT (G) = = = .
52 − k 52 52 − k 52
k

Jacques n’a donc aucun intérêt à tricher.


3. Notons B l’événement «Jules a perdu», et T l’événement «Jacques a retiré l’as de trèfle».
Méthode
k
On a P(T ) = (par le même raisonnement qu’aux questions précédentes). Par la formule Nous connaissons la proba-
52 bilité que Jules perde sachant
de Bayes, on a alors : que Jacques a enlevé l’as de
trèfle. Cela doit faire penser à
PT (B)P(T ) la formule de Bayes.
P B (T ) =
PT (B) P(T ) + PT (B)P(T )
|{z}
=1
P(T )
=
P(T ) + PT (B)P(T )

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 53

k
52
= k 47−k 52−k
52 + 52−k 52
k
52 k
= = .
47
52
47

SOLUTION DE L’EXERCICE 2.3


Une année donnée, ! le nombre Y de concours réussis par notre candidat suit une loi
1
binomiale B 3, .
3
En particulier, la probabilité de réussir au moins un concours vaut
! !0 !3
3 1 2 8 19
p = P(Y > 0) = 1 − P(Y = 0) = 1 − =1− = .
0 3 3 27 27
Et puisque les résultats d’une année à l’autre sont supposés indépendants, le nombre X
d’années où le candidat doit présenter les concours avant de réussir l’un d’entre eux suit
une loi géométrique de paramètre p.
1 27 1−p 8 272 216
En particulier, on a E(X ) = = et V (X ) = 2 = = .
p 19 p 27 192 361
Solution alternative proposée par Arthur : considérons que le candidat passe ses diffé-
rents concours à la suite, jusqu’à en réussir un. Ainsi, les concours numéros 1, 2 et 3 sont
ceux passés la première année, les concours numéros 4, 5 et 6 sont ceux passés la seconde
année, etc.
Notons alors Y le nombre de concours à passer avant d’en réussir un.
Il est évident que Y suit la loi géométrique de paramètre 1/3. Détails
Et alors, pour k ∈ N∗ , on a Si [X = k ], alors le can-
didat réussi son premier
[X = k] = [Y = 3k − 2] ∪ [Y = 3k − 1] ∪ [Y = 3k]. concours la k ème année, et
donc le premier concours
Et ces événements étant deux à deux incompatibles, réussi porte l’un des numéros
3k − 2, 3k − 1 ou 3k.
P(X = k) = P(Y = 3k − 2) + P(Y = 3k − 1) + P(Y = 3k)
! 3k −3 ! 3k −2 ! 3k−1
1 2 1 2 1 2
= + +
3 3 3 3 3 3
! 3k −3 !
2 1 2 4
= 1+ +
3 3 3 9
| {z }
= 19
27
! 3 k −1
=*
2 + 19
, 3 - 27
! k −1 ! k −1
8 19 19 19
= = 1− .
27 27 27 27
19
Et donc X suit une loi géométrique de paramètre .
27
Les calculs de E(X ) et V (X ) sont alors les mêmes que ceux donnés précédemment.
SOLUTION DE L’EXERCICE 2.4

\
2 Et donc passe une infinité
1. L’événement «le sauteur n’échoue jamais2 » est en fait Sk .
k =1 de barres.
Mais on a une suite décroissante d’événements : ∀k ∈ N∗ , Sk+1 ⊂ Sk .
Par le théorème de la limite monotone,
\∞ \n
P * Sk + = lim P * Sk + = lim P(Sn ). S n ⊂ S n−1 ⊂ · · · ⊂ S 1 donc
,k =1 - ,k =1 -
\n
n→∞ n→∞
Si = Sn .
i =1
1
Mais P(Sn ) = PSn−1 (Sn )P(Sn−1 ) 6 PSn−1 (Sn ) = −→ 0. Donc
n n→+∞
\∞
P * Sk + = 0.
,k =1 -

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


54 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

Ainsi, le sauteur finit par échouer presque sûrement.


1
2.a. Il est clair que X prend ses valeurs dans N. Et en fait, puisque P(S 1 ) = 1 = 1 (le sauteur
réussit toujours son premier saut), il vient P(X = 0) = 0.
On a Sk+1 ⊂ Sk , de sorte que Sk +1 = Sk ∩ Sk +1 . Donc
B Attention !
1 L’énoncé donne une proba-
P(Sk +1 ) = P(Sk +1 ∩ Sk ) = P(Sk )PSk (Sk +1 ) = P(Sk ) . bilité conditionnelle, et non
k +1
directement P (S n ).
1
Une récurrence rapide prouve qu’alors P(Sk ) = , ∀k ∈ N∗ .
k!
Mais alors [X = n] = Sn ∩ Sn+1 , et donc
!
1 1 n
P(X = n) = P(Sn ∩ Sn+1 ) = PSn (Sn+1 )P(Sn ) = 1− =
n! n+1 (n + 1)!

2.b. Sous réserve de convergence,


X ∞
X n2
+∞
Astuce
E(X ) = nP(X = n) =
n=1 n=1
(n + 1)! On cherche à faire apparaître
∞ ∞ ∞
des (n + 1) afin que ceux-ci se
X n(n + 1) − n X 1 X n simplifient avec le (n + 1)! du
= = − dénominateur.
n=1
(n + 1)! n=1
(n − 1)! n=1 (n + 1)!
∞ ∞
X
+∞
1 X n+1 X 1 Chgt d’indice
= − + i = n − 1.
i=0
i! n=1 (n + 1)! n=1 (n + 1)!
X ∞ ∞
1 X 1 X
+∞
1 Détails
= − +
i=0
i! n=1
n! n=1
(n + 1)! X
+∞
1 X
+∞
1
= . On
(n + 1)! n!
=1 + (e − 2) = e − 1 n=1 n=2
reconnaît la série exponen-
Donc E(X ) existe et vaut e − 1. X
+∞
1
tielle = e à laquelle
n!
SOLUTION DE L’EXERCICE 2.5 n=1
on a enlevé ses deux premiers
1. Il est clair que toutes les variables concernées ne peuvent prendre que les valeurs 0 ou 1, et termes. Comme chacun de
donc il s’agit de variables indicatrices. ces termes vaut 1, il reste
On a 1 − 1A (ω) = 1 si et seulement si 1A (ω) = 0 et donc si et seulement si ω ∈ Ā. Donc e − 2.
1 − 1A est bien l’indicatrice de Ā.

 1A (ω) = 1
De même 1A (ω)1B (ω) = 1 si et seulement si   1B (ω) = 1 donc si et seulement si on a



 ω ∈ A
ω ∈ B ⇔ ω ∈ A ∩ B. Pour la dernière, il n’est pas forcément clair que 1A + 1B − 1A 1B

ne prenne que les valeurs 0 et 1. On peut procéder comme précédemment en distinguant

ω ∈ A 

les 4 cas : ω < A ∪ B, ω ∈ A ∩ B,  ω ∈ B
ω < B , ω < A
 
2. Par définition, on a
E(1A ) = 0 × P(1A = 0) + 1 × P(1A = 1) = P(1A = 1) = P(A).
n
X
3. Ak vaut i si et seulement si exactement i variables parmi 1A1 , · · · 1An valent 1, c’est-à-
k =1
n
X
dire si et seulement si i événements parmi A1 , . . . , An sont réalisée. Ainsi, 1Ak est la
k =1
variable aléatoire qui compte le nombre d’événements réalisés parmi A1 , . . . , An .
SOLUTION DE L’EXERCICE 2.6
1. Une poignée va contenir k jetons, avec k ∈ n0, no (0 car on autorise  la poignée vide). Or,
il y a une seule poignée vide, n poignées contenant un seul jeton, n2 poignées contenant 2
jetons, etc.
Donc le nombre total de poignées est Ultra-classique !
n
X !
! X ! n
Xn n = 2n .
n n k n−k k
= 1 1 = (1 + 1)n = 2n . k =0
k k
k =0 k =0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 55

Autre méthode : pour choisir une poignée, il faut commencer par choisir si elle contient
le jeton 1, et il y a alors deux possibilités : ou il est dans la poignée, ou il ne l’est pas. De
même, deux possibilités pour le jeton 2, ..., 2 possibilités pour le jeton n. Donc en tout,
2 × 2 × · · · × 2 = 2n poignées possibles.. Il est difficile de déterminer
entièrement la loi de X , mais
ici nous cherchons juste
Une poignée contenant le jeton i est formée du jeton i, et d’une poignée choisie parmi les son espérance. Écrire X
n − 1 jetons restants, donc il y a 2n−1 telles poignées. comme combinaison linéaire
2n−1 1 1 de variables de Bernoulli
On en déduit que P(Ai ) = n = et donc Yi suit une loi de Bernoulli de paramètre . nous permet d’y arriver
2 2 2 facilement, et c’est ici que
Xn
réside l’intérêt des variables
2. On a X = iYi , et donc indicatrices. À part dans
i=1 quelques exercices d’oral, ces
variables indicatrices seront
n
X n
1X n(n + 1) introduites dans l’énoncé, et
E(X ) = iE(Yi ) = i= . vous n’aurez pas à y penser
i=1
2 i=1 4 par vous-même.

SOLUTION DE L’EXERCICE 2.7


1. D’après le théorème de transfert, la variable aléatoire Y admet une espérance si et seulement
P P
si α n P(X = n) converge absolument, c’est-à-dire si et seulement si |α|n P(X = n)
converge.
Mais |α|n P(X = n) 6 P(X = n) car |α| 6 1 et donc |α|n 6 1.
P 3 «La somme des probas» vaut
X prenant ses valeurs dans N∗ , n ∈N∗ P(X = n) converge, et sa somme3 vaut 1.
P n toujours 1 !
Donc |α| P(X = n) converge absolument, et

X
α n P(X = n) 6 1 ⇔ |E(Y )| 6 1.

n=1

Plus rapidement, on peut noter que 0 6 |Y | 6 1, et la variable aléatoire certaine égale à 1


admet une espérance égale à 1, donc E(Y ) existe, et |E(Y )| 6 1.
2. Puisque X est à valeurs dans N∗ , on a 0 6 ln X 6 X . Mais X admettant une espérance, il en
est de même de ln X .
Remarque : on aurait aussi pu utiliser le théorème de transfert comme à la question 1.

SOLUTION DE L’EXERCICE 2.8


Y est une variable aléatoire finie, donc elle admet une espérance. De plus, d’après le théorème
de transfert,
n
X αk
E(Y ) = P(X = k)
2n
k =0
n !
1 X n k k
= n α p (1 − p)n−k
2 k
k =0
1
= n (αp + 1 − p)n
2
(α − 1)p + 1)n
=
2n Rappel
Une telle question demande
SOLUTION DE L’EXERCICE 2.9 de vérifier deux choses :
• que la suite (u n ) est à va-
1 1
1. Posons, pour n ∈ N∗ , un = − . Alors (un )n>1 est positive. leurs positives
n (n + 1)2 P
• que la série u n est
De plus, pour N > 1, on a convergente et de somme
égale à 1 («la somme des
N N ! ! probabilités doit valoir 1»).
X X 1 1 1 1 1 1 1 1 1
un = − = 1 − + − + · · · + − + −
n=1 n=1
n2 (n + 1)2 4 4 9 (N − 1)2 N 2 N 2 (N + 1)2
1
=1− −→ 1.
(N + 1)2 N →+∞

Ainsi il existe bien une variable aléatoire X telle que ∀n ∈ N∗ , P(X = n) = un .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


56 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT
P
2. La variable aléatoire X admet une espérance si et seulement si la série n>1 nP(X = n)
converge . Or, on a CV vs. CV absolue
A priori, la définition de
l’espérance requiert une
1 n (n + 1)2 − n2 2n + 1 2
nP(X = n) = − = = ∼ . convergence absolue.
n (n + 1) 2 n(n + 1)2 n(n + 1)2 n 2 Mais puisqu’ici nous avons
affaire à une série à termes
La série de terme général n22 est convergente, donc par critère de comparaison pour les positifs, la convergence est
P
séries positives, on en déduit que nP(X = n) converge, et donc X admet une espérance. équivalente à la convergence
De plus, pour N > 1, on a absolue.

N
X XN !
1 n
nun = −
n=1 n=1
n (n + 1)2
N
X N
X
1 n
= −
n=1
n n=1
(n + 1)2
N N +1
X 1 X k −1 Chgt d’indice
= − k =n+1⇔n =k −1
n=1
n
k =2
k2
N
X N
X N +1
1 X 1
+1
1
= − +
n=1
n
k =2
k
k =2
k2
N
X +1 N
X +1
1 1 Noms de variables !
=1+ =
k =2
k 2 k =1 k 2 Si l’on calcule la somme
partielle de rang N (ce qui
1 X+∞
est le cas ici), c’est N que l’on
−→ fait tendre vers +∞, et non
N →+∞
k=1
k2
n (qui est ici une variable
muette qui ne sert que dans
3. X admet une variance si et seulement si elle admet un moment d’ordre 2. Mais par le la somme).
P
théorème de transfert, c’est le cas si et seulement si n n2 P(X = n) converge absolument.
Or
n2 (n + 1)2 − n 2 2n + 1 2
n 2 P(X = n) = 1 − 2
= 2
= 2
∼ .
(n + 1) (n + 1) (n + 1) n→+∞ n
Puisque la série de terme général n2 diverge, par critère de comparaison pour séries à termes
P
positifs, n2 P(X = n) diverge et donc X n’admet pas de variance.
SOLUTION DE L’EXERCICE 2.10
Notons que Y prend ses valeurs dans N∗ . Pour k ∈ N∗ , on a Rappel
"$ % # " # bx c est défini comme étant
X +1 X +1 l’unique entier k tel que
[Y = k] = =k = k 6 <k +1 k 6 x < k + 1.
2 2
= [2k 6 X + 1 < 2k + 2] = [2k − 1 6 x 6 2k] = [X = 2k − 1] ∪ [X = 2k].

Ainsi,

P(Y = k) = P(X = 2k−1)+P(X = 2k) = p(1−p)2k−2 +p(1−p)2k −1 = p(1−p)2k −2 (1+1−p) = p(2−p)(1−p)2k −2 .

Mais si on pose q = p(2 − p), alors 1 − q = 1 + p 2 − 2p = (1 − p)2 . Donc

P(Y = k) = q(1 − q)k−1

de sorte que Y suit la loi géométrique de paramètre q = p(2 − p).


1 1 − 2p + p 2 (1 − p)2
On en déduit que E(Y ) = et V (Y ) = 2 = .
p(2 − p) p (2 − p)2 p 2 (2 − p)2
SOLUTION DE L’EXERCICE 2.11
Calculons la probabilité qu’il y ait un vainqueur lors d’une partie donnée.
Numérotons les joueurs de 1 à n, et pour i ∈ {1, . . . , n}, notons Fi l’événement «le i-ème
joueur a fait face». Les événements (Fi )16i 6n sont mutuellement indépendants.
Notons G l’événement «la partie désigne un vainqueur». Alors

*.F ∩ F j +/ ∪ *.F ∩ F j +/ .
n
[ \ n
[ \
G= i i
i=1 , j,i - i=1 , i,j -
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 57

Il est aisé de voir que ces événements sont deux à deux incompatibles. De plus, ∀i ∈ n1, no,

P *.Fi ∩ F j +/ = P *.Fi ∩ F j +/ = n .
\ \ 1
2
, j,i - , i,j -

On en déduit que
Xn
1 2n n
P(G) = 2 = n = n−1 .
i=1
2n 2 2
n
Ainsi, la probabilité qu’une partie désigne un vainqueur est 2n−1
.

X désigne le nombre parties nécessaires pour avoir un gagnant, il s’agit donc de répéter une
épreuve de Bernoulli, les répétitions étant mutuellement
  indépendantes, jusqu’à obtention
n
d’un succès : X suit la loi géométrique G 2n−1 .
On en déduit que X admet une espérance et une variance, avec
n
2n−1 1 − 2n−1 2n−1 − n 22n−2 (2n−1 − n)2n−1
E(X ) = et V (X ) = = × 2 = .
n n2
2n−2
2n−1 n n2
2

SOLUTION DE L’EXERCICE 2.12


Y ne prend qu’un nombre fini de valeurs, donc elle admet une espérance. Subtilité
n+1 Il est évident que si
La loi de Y sachant [X = 0] est la loi uniforme sur n1, no, et donc E(Y |X = 0) = . X = k, k > 0, alors Y = k.
2
Pour k ∈ n1, no, on a E(Y |X = k) = k. D’après la formule de l’espérance totale appliquée Les deux variables X et Y ne
au système complet d’événements {[X = k], k ∈ n0, no}, il vient alors sont pas égales pour autant,
mais elles ont la même loi
n conditionnellement à X = k .
X
E(Y ) = P(X = k)E(Y |X = k)
k =0
n
n+1 X
=P(X = 0) + kP(X = k)
2
k =1
n+1
=(1 − p)n + E(X )
2
n+1
= (1 − p)n + np.
2

SOLUTION DE L’EXERCICE 2.13


1. N compte le nombre d’essais avant l’obtention d’un succès lors d’une répétition d’épreuves

Rédaction 
La définition de l’espérance
de Bernoulli indépendantes, avec une probabilité de succès égale à 12 . Donc N ,→ G 12 . nécessite une convergence
2. Sachant que N = n, on effectue n lancers de la pièce, absolue. La plupart du temps,
 et donc le nombre de «faces» obtenus cette série est à termes posi-
lors de ces n lancers suit une loi binomiale B n, 12 .
tifs, et donc la convergence
Donc E(X |N = n) existe et vaut n2 . est équivalente à la conver-
3. Considérons le système complet d’événements {[X = n], n ∈ N∗ }.X D’après la formule de gence absolue. Il suffit dans
ce cas de montrer que vous
l’espérance totale, X admet une espérance si et seulement si la série E(X |N = n)P(X = n) l’avez remarqué : «la série est
n>1 à termes positifs, donc il suffit
converge (absolument, mais il s’agit d’une série à termes positifs). Mais de vérifier qu’elle converge».

! ! n−1
n1 1 1 1
E(X |N = n)P(X = n) = n−1= n .
22 2 4 2

Nous reconnaissons là le terme général d’une série géométrique dérivée absolument


convergente (car 0 < 12 < 1) et donc E(X ) existe et vaut
! n−1
1X 1
+∞
1 1 1
E(X ) = n
4 n=1 2
=
4 1− 1
2
= 4 = 1.
4
2

SOLUTION DE L’EXERCICE 2.14

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


58 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

1. Si le concierge essaie les clés sans remise, alors X prend ses valeurs dans n1, 10o. Pour
p ∈ n1, 10o, soit Mp l’événement «la m-ième clé est mauvaise». Méthode
Alors [X = k] = M 1 ∩ M 2 ∩ · · · ∩ Mk −1 ∩ Mk . On cherche à calculer la
Par la formule des probabilités composées, probabilité d’une intersection,
il faut penser à la formule des
probabilités composées.
P(X = k) =P(M 1 )P M1 (M 2 ) · · · P M1 ∩···∩Mk −2 (Mk −1 )P M1 ∩···∩Mk −1 (Mk )
9 8 10 − (k − 2) − 1 1 1
= ... = .
10 9 10 − (k − 2) 10 − (k − 1) 10
4 Surpris(e) ? Essayez de
Ainsi, X suit une loi uniforme4 sur n1, 10o.
1 retrouver ce résultat par
Dans le cas où le concierge est ivre, X suit une loi géométrique de paramètre 10 , puisque
dénombrement, vous verrez
X compte le nombre d’essais nécessaires à l’obtention d’un succès lors de répétitions qu’il était prévisible.
1
indépendantes d’une épreuve de Bernoulli de paramètre 10 .
Ainsi, ∀k ∈ N∗ ,
1 9k −1 9k −1
P(X = k) = = .
10 10k −1 10k
2.a. Notons I l’événement «le concierge est ivre» et S l’événement «le concierge est sobre», de
sorte que {I, S} est un système complet d’événements. Alors nous savons que la loi de X
conditionnellement à S est la loiuniforme U(n1, 10o) et que la loi de X conditionnellement
1
à I est la loi géométrique G 10 .
11
Ainsi, E(X |S) = 2 et E(X |I ) = 10.
Par la formule de l’espérance totale (ici il n’y a pas de problème de convergence, puisque le
système complet d’événements est fini), X admet une espérance, et

1 2 11 21
E(X ) = P(I )E(X |I ) + P(S)E(X |S) = × 10 + = = 7.
3 3 2 3

2.b. Nous cherchons à calculer P[X =6] (I ). Par la formule de Bayes,

P I (X = 6)P(I )
P[X =6] (I ) =
P I (X = 6)P(I ) + PS (X = 6)P(S)
95 1
106 3
=
95 1 1 2
106 3
+ 10 3
95
= ' 0.228
95 + 2 × 105
Dans le cas où il a besoin de 11 essais, un calcul comme précédemment avec la formule 5 Argument à ne pas évoquer

de Bayes permettrait d’arriver à P[X =11] (I ) = 1, en notant que PS (X = 11) = 0. Mais bien trop souvent dans vos copies !
entendu, le bon sens5 nous permet de conclure sans calcul que le concierge est ivre. Ce qui ne vous empêche pas
de l’utiliser.
SOLUTION DE L’EXERCICE 2.15 Détails
En effet, avant le (k + 1)ème
1. Sachant qu’on a obtenu la boule i lors du k ème tirage, X k +1 suit une loi uniforme sur n1, io. tirage, l’urne contient les
i +1 boules numérotées de 1 à i.
Et donc E(X k +1 |X k = i) = .
2
2. Puisque X k est à valeurs dans n1, no, {[X k = i], i ∈ n1, no} est un système complet d’événe-
ments.
6X
Par la formule de l’espérance totale6 , on a donc k +1 est une variable finie,
donc possède une espérance,
n
X et la formule de l’espérance
E(X k +1 ) = E(X k+1 |X k = i)P(X k = i) totale s’applique sans précau-
i=1 tions.
Xn
i +1
= P(X k = i)
i=1
2
n n
1X 1X
= iP(X k = i) + P(X k = i)
2 i=1 2 i=1
| {z }
=1
E(X k ) 1
= + .
2 2

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 59

Ainsi, la suite (E(X k ))k >1 est une suite arithmético-géométrique.


Posons vk = E(X k ) + λ, et déterminons λ ∈ R tel que (vk ) soit une suite géométrique de
1 B Attention !
raison .
2 N’oublions pas que notre
1 E(X k ) 1 E(X k ) λ suite (v k ) commence à v 1
On a vk +1 = vk ⇔ + +λ = + ⇔ λ = −1.
2 2 2 2 2 et non v 0 , et donc dans la
1 formule donnant le terme gé-
Ainsi, en posant λ = −1, on a vk = k−1 v 1 .
2 néral en fonction du premier
n+1 1
Mais v 1 = E(X 1 ) − 1, et X 1 suit la loi uniforme sur n1, no, de sorte que E(X 1 ) = . terme, il faut bien un k −1
2
! 2 1
1 n+1 et non un k .
On en déduit que vk = k −1 + 1 et donc 2
2 2
!
1 n+1 n−1
E(X k ) = vk + 1 = k −1 − 1 + 1 = k + 1.
2 2 2

SOLUTION DE L’EXERCICE 2.16


1. À chaque tour, la probabilité que le jeu s’arrête est de 1/3,
 et les parties étant indépendantes,
le nombre N de parties suit une loi géométrique G 31 .
! n−1 Précision
1 2
P(N = n) = . Le second paramètre est 1/2
3 3
car nous savons que la carte
tirée est soit l’as soit le roi, (et
2. Si N = n, c’est que le joueur a gagné les n − 1 premières parties, et a perdu la dernière. jamais le valet sinon la partie
Notons R le nombre de rois obtenus lors de ces n − 1 premières parties. La loi de R sachant s’arrêterait), les deux étant
N = n est une loi binomiale B(n − 1, 1/2). équiprobables.
De plus, le gain est donné par Y = 2R + (n − 1 − R) = R + (n − 1). On a alors, pour
Support
k ∈ nn − 1, 2(n − 1)o,
Il est aisé de voir que le sup-
! port de Y sachant [N = n] est
n−1 1
P(Y = k|N = n) = P(R + n − 1 = k|N = n) = P(R = k − n + 1|N = n) = . nn − 1, 2n − 2o : au pire on a
k −n +1 2 n−1
n as, et au mieux on a n rois.

3. Pour que le jeu soit rentable, il faut faire payer la partie au minimum E(Y ) euros.
Or nous avons, pour tout n ∈ N∗ ,
n−1 3(n − 1)
E(Y |N = n) = E(R|X = n) + (n − 1) = +n −1 = .
2 2
En appliquant la formule de l’espérance totale au système complet d’événement {[N = n], n ∈ N∗ },
il vient (sous réserve de convergence)

X
E(Y ) = E(Y |N = n)P(N = n)
n=1

X ! n−1
3 1 2
= (n − 1)
2 n=1 3 3 Convergence
∞ ! n−1 ∞ !n On reconnaît des séries géo-
1X 2 1X 2
= n − métriques et géométriques
2 n=1 3 2 n=0 3 dérivées absolument conver-
gentes, donc E(Y ) existe.
1 1 11
= −
2 12 2 13
3
9 3
= − =3
2 2
SOLUTION DE L’EXERCICE 2.17 !
16
1. Notons que E est de cardinal 16 et qu’il y a donc parties de E formées de 4 points.
4
Or, dans E, il y a en tout dix parties de E formées de 4 points alignés : les quatre droites
verticales de E, les quatre droites horizontales, ainsi que les deux diagonales du carré E. Et
donc la probabilité que les quatre points soient alignés vaut
10 10 × 24 1 1
16
= = = .
16 × 15 × 14 × 13 14 × 13 182
4

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


60 CHAPITRE 2 : VARIABLES ALÉATOIRES DISCRÈTES. CONDITIONNEMENT

• • • •

• • • •

• • • •

• • • •

FIGURE 2.1 – L’ensemble E et ses dix droites.

2. Pour que trois points soient alignés, il faut soit :


—que trois des points soient situés sur l’une des droites précédemment évoquées
—que trois points soient sur l’une des droites situées au-dessus ou en-dessous d’une des
diagonales :

• • • •

• • • •

• • • •

• • • •

FIGURE 2.2 – Les dix droites et les quatre «sous-diagonales» de E.

Pour chacune des dix droites, il y a deux cas de figure à distinguer :


•soit on choisit les quatre points de la droite, et il n’y a qu’une manière de faire ceci.

•soit on choisit trois points de la droite : il y a 43 = 4 tels choix possibles, et le
quatrième point non aligné avec les trois premiers : il reste donc 12 choix possibles.
En revanche, pour chacune des «sous-diagonales», il faut choisir les trois points de cette
sous-diagonale, ainsi qu’un quatrième point parmi les 13 points restants.
Au total, la probabilité d’avoir au moins trois points alignés est
10 × (1 + 4 × 12) + 4 × 13 542 × 24 271 271
16
= = = .
16 × 15 × 14 × 13 5 × 14 × 13 910
4

SOLUTION DE L’EXERCICE 2.18


Notons que dans tout le problème, on peut, pour simplifier, supposer que les boules se
trouvant à l’origine dans l’urne sont numérotées de 1 à n. Dans ce cas, le premier joueur
tire des boules jusqu’à obtenir la boule numéro n.
1. Il est évident que le support de X 1 est n1, no.
Notons Ai l’événement «le i-ème tirage ne donne pas la boule portant le numéro n». Alors

[X 1 = k] = A1 ∩ A2 ∩ · · · ∩ Ak −1Ak
et donc par la formule des probabilités composées,

P(X 1 = k) = P(A1 )PA1 (A2 ) · · · PA1 ∩···∩Ak −2 (Ak −1 )PA1 ∩···∩Ak −1 (Ak ).
Or, il est aisé de voir que
n−1 n−2 n −k +1 1
P(A1 ) = , PA1 (A2 ) = , . . . , PA1 ∩···∩Ak −2 (Ak−1 ) = , PA1 ∩···∩Ak −1 (Ak ) = .
n n−1 n − (k − 2) n − (k − 1)
Ainsi, il vient
n −1
n −2 n −(k(+1 1 1
   (
· · ·
(
P(X 1 = k) =  = n.
n n −1
 n −(k − 2) 
   
n −(k − 1)
 

Ainsi, X 1 suit la loi uniforme sur n1, no.


n+1 n2 − 1
On en déduit que E(X 1 ) = et V (X 1 ) = .
2 12
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 61
Sinon...
2. Si X 1 = n, alors il ne reste plus de boules dans l’urne, et donc la loi de X 2 sachant [X 1 = n] Si l’on ne reconnaît pas la
est la loi certaine égale à 0. situation de la première
Pour k 6 n − 1, on pourrait répéter le processus de la question précédente, prouvant que la question, on peut refaire
loi de X 2 sachant que [X 1 = k] est la loi uniforme sur n1, n − ko. les mêmes calculs, quitte
à renuméroter les boules
n −k +1 restantes de 1 à n − k et en
3. D’après ce qui précède, l’espérance de X 2 sachant [X 1 = k] est . Par la formule de
2 remplaçant tous les P par des
7
l’espérance totale appliquée au système complet d’événements {[X 1 = k], k ∈ n1, no}, on a P [ X 1 = k].

n−1
X
E(X 2 ) = E(X 2 |X 1 = k)P(X 1 = k)
k =1
n−1 7 Notons que X est une va-
X n −k +1 1 2
= riable aléatoire finie, donc il
2 n n’y a aucun souci de conver-
k =1
gence : E(X 2 ) existe.
n−1
X n−1
n+1 1 X
= − k
2n 2n
k=1 k=1
(n + 1)(n − 1) n(n − 1)
= −
2n 4n
n2 − 1 n2 − n n2 + n − 2
= − = .
2n 4n 4n

4. Il est évident que X 2 est à support dans n0, no.


De plus, [X 2 = 0] = [X 1 = n] et donc P(X 2 = 0) = P(X 1 = n) = n1 .
Pour k 6 n − 1, la formule des probabilités totales appliquée au même système complet
d’événements que précédemment donne
n
X
P(X 2 = k) = P [X 1 =i] (X 2 = k)PX 1 = i).
i=1

Mais étant donné que la loi conditionnelle de X 2 sachant [X 1 = i] est une loi uniforme sur
n1, n − io, on a




1
P[X 1 =i] (X 2 = k) = 
si k 6 n − i ⇔ i 6 n − k

0
n −i
 sinon

Ainsi,
n−k
X 1 1
P(X 2 = k) = .
i=1
n −i n

On en déduit que

n−1
X n−1 n−k
X X 1 1
E(X 2 ) = kP(X 2 = k) = k
i=1
n −i n
k =1 k =1
Interversion de Σ
n−1
X n−i n−1
1 1 X X 1 1 (n − i)(n − i + 1) Attention aux bornes !
= k= i 6 n − k ⇔ k 6 n − i.
i=1
nn −i i=1
nn −i 2
k =1
n−1
X n
n −i +1 1 X Chgt d’indice
= = j
i=1
2n 2n j=2 j =n −i +1

n(n + 1) 1 n2 + n − 2
= − = .
4n 2n 4n

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


RAPPELS ET COMPLÉMENTS D’ALGÈBRE 3
LINÉAIRE

Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.1 Espace vectoriel, sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . 63
3.2 Familles, bases, dimension . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3 Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 68
3.4 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

Dans tout ce chapitre, sans plus de précision, la lettre K désignera indifféremment R ou C.


La grande majorité des résultats de ce chapitre ont été vus en première année, les preuves
qui ne sont pas données ici figurent donc dans le cours de première année.

3.1 ESPACE VECTORIEL, SOUS-ESPACE VECTORIEL


3.1.1 Définition

Définition 3.1 – Un K-espace vectoriel est un ensemble E muni d’une addition


+ : E × E → E et d’une multiplication externe · : K × E → E vérifiant les axiomes En pratique
suivants :
Il n’y a jamais besoin de
1) ∀(u, v) ∈ E 2 , u + v = v + u (commutativité de l’addition) connaître par cœur ces huit
axiomes.
2) ∀(u, v, w) ∈ E 3 , (u + v) + w = u + (v + w) (associativité de l’addition)
3) ∃!0E ∈ E : ∀u ∈ E, u + 0E = 0E + u = u (élément neutre)
4) ∀u ∈ E, u + (−1) · u = 0E Notation
Généralement, on note 0 au
5) ∀u ∈ E, 1 · u = u lieu de 0E .
6) ∀(α, β) ∈ K2 , (α β) · u = α · (β · u) En général, il n’y a pas d’am-
biguïté, mais on prendre bien
7) ∀(u, v) ∈ E 2 , ∀λ ∈ K, λ · (u + v) = λ · u + λ · v garde au fait que, suivant le
8) ∀(λ, µ) ∈ K2 , ∀u ∈ E, (α + β) · u = α · u + β · u contexte, 0 peut désigner le
nombre 0, une application li-
Les éléments de K sont appelés les scalaires, et les éléments de E sont appelés vecteurs. néaire nulle, la matrice nulle,
L’élément 0E est appelé vecteur nul. la fonction nulle, etc.

Remarque. Quand il n’y a pas d’ambiguïté, on note λu au lieu de λ · u.

3.1.2 Espaces vectoriels usuels


Il a été prouvé en première année que les ensembles suivants, munis de leurs lois usuelles
sont des espaces vectoriels sur K.
• Kn , K = R ou K = C
• Mn,p (K) : l’ensemble des matrices à n lignes et p colonnes à coefficients dans K,
K = R ou K = C
• Kn [X ] et K[X ], K = R ou K = C
• RN l’ensemble des suites réelles, K = R
• si I est un intervalle de R, F(I , R) l’ensemble des fonctions de I dans R, K = R.

63
64 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

• C0 (I , R) l’ensemble des fonctions continues de I dans R, et plus généralement,


Cn (I , R) (respectivement C∞ (I , R)) l’ensemble des fonctions de classe Cn (resp. de
classe C∞ ) de I dans R, K = R

3.1.3 Sous-espaces vectoriels

Définition 3.2 – Soit E un K-espace vectoriel, et F un sous-ensemble de E. On dit


que F est un sous-espace vectoriel de E si : Méthode
En général, pour prouver que
• F est non vide F est non vide, on prouve
• ∀(x, y) ∈ F , x + y ∈ F que 0 ∈ F .

• ∀λ ∈ K, ∀x ∈ F , λ · x ∈ F .

Proposition 3.3 : Soit F une partie non vide d’un espace vectoriel E. Alors F est un
sous-espace vectoriel de E si et seulement si ∀(x, y) ∈ F 2 , ∀λ ∈ K, λx + y ∈ F .

Exemples 3.4

• {0} et E sont deux sous-espaces vectoriels de E.


• Rn [X ] est un sous-espace vectoriel de R[X ].
• C∞ (R, R) est un sous-espace vectoriel de C0 (R, R).
( ! )
a b Alternative
• F= ∈ M2 (R) : a + d = 0 est un sous-espace vectoriel de M2 (R).
c d Puisque nous connaissons
!
a b1 les applications linéaires, on
En effet, F est non vide car la matrice nulle est dans F , et si M = 1 et pourrait aussi remarquer que
c1 d1 !
! ! a b
a b2 a + a 2 b1 + b2 7→ a + d est une
N = 2 sont dans F et λ ∈ R, alors M + N = 1 et c d
c2 d2 c1 + c2 d1 + d2 application linéaire de M2 (R)
dans R. Par conséquent, son
(a 1 + a 2 ) + (c 1 + c 2 ) = (a 1 + c 1 ) + (a 2 + c 2 ) = 0. noyau est un sous-espace
vectoriel de M2 (R). Mais ce
et donc λM + N ∈ F . noyau n’est autre que F .

A Danger !
Proposition 3.5 : Soit E un espace vectoriel, F et G deux sous-espaces vectoriels de E. F ∪ G est en revanche rare-
Alors F ∩ G est un sous-espace vectoriel de E. ment un sous-espace vecto-
riel de E.

3.1.4 Combinaisons linéaires, sous-espace vectoriel engendré par une partie


Soit E un K-espace vectoriel.

Définition 3.6 – Soient (x 1 , . . . , x n ) ∈ E n . Un vecteur x ∈ E est combinaison


linéaire de (x 1 , . . . , x n ) s’il existe des scalaires (λ 1 , . . . , λn ) ∈ Kn tels que

x = λ 1x 1 + · · · + λn x n .

Définition 3.7 – Soient (x 1 , . . . , x n ) ∈ E n . On appelle sous-espace vectoriel engen-


dré par la famille (x 1 , . . . , x n ), et on note Vect(x 1 , . . . , x n ) l’ensemble des combinai-
sons linéaires de (x 1 , . . . , x n ).
Autrement dit, Vect(x 1 , . . . , x n ) = {λ 1x 1 + · · · + λn x n , (λ 1 , . . . , λn ) ∈ Kn }.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 65

Exemple 3.8

Dans R3 , soit x 1 = (1, 0, 2) et x 2 = (−1, 1, 0). Alors

Vect(x 1 , x 2 ) = {λ 1x 1 + λ 2x 2 , (λ 1 , λ 2 ) ∈ R2 }
= {λ 1 (1, 0, 2) + λ 2 (−1, 1, 0), (λ 1 , λ 2 ) ∈ R2 }
= {(λ 1 − λ 2 , λ 2 , 2λ 1 ), (λ 1 , λ 2 ) ∈ R2 }.

Proposition 3.9 : Soit (x 1 , . . . , x n ) ∈ E n . Alors :


• Vect(x 1 , . . . , x n ) est un sous-espace vectoriel de E
Remarque
• si F est un sous-espace vectoriel de E contenant x 1 , . . . , x n , alors
Cela signifie que
Vect(x 1, . . . , x n ) est le plus
Vect(x 1 , . . . , x n ) ⊂ F . petit (au sens de l’inclusion)
sous-espace vectoriel conte-
nant à la fois x 1, x 2, . . . , x n .
Démonstration. Prouvons uniquement le second point, et soit F contenant tous les x i ,
i ∈ n1, no. Soit u ∈ Vect(x 1 , . . . , x n ). Par définition, il existe des scalaires λ 1 , . . . , λn tels que

x = λ 1x 1 + · · · + λn x n .

Mais puisque x 1 , . . . , x n ∈ F , x ∈ F . Par conséquent, Vect(x 1 , . . . , x n ) ⊂ F . 

3.2 FAMILLES, BASES, DIMENSION


3.2.1 Familles libres, familles liées

Définition 3.10 – Soit E un espace vectoriel, (x 1 , . . . , x n ) ∈ E n . La famille


(x 1 , . . . , x n ) est dite libre si
n
X
∀(λ 1 , . . . , λn ) ∈ Kn , λi x i = 0E ⇒ λ 1 = λ 2 = · · · = λn = 0.
i=1

Remarque. Une famille de deux vecteurs est libre si et seulement si les deux vecteurs ne sont
1 Pour u, v non nuls, cela
pas colinéaires1 , mais il n’existe pas de généralisation à des familles de plus de 2 vecteurs.
signifie tout simplement
qu’il n’existe pas de scalaire
λ ∈ K∗ tel que u = λv.
Exemple 3.11

Dans R3 , prouvons que la famille ((1, 1, −1); (−2, −1, 4); (3, 3, −2)) est libre.
Soient (λ 1 , λ 2 , λ 3 ) ∈ R3 tels que

λ 1 (1, 1, −1) + λ 2 (−2, −1, 4) + λ 3 (3, 3, −2) = (0, 0, 0).

Ceci équivaut à (λ 1 − 2λ 2 + 3λ 3 , λ 1 − λ 2 + 3λ 3 , −λ 1 + 4λ 2 − 2λ 3 ) = (0, 0, 0) et donc à



 

 




λ 1 − 2λ 2 + 3λ 3 = 0 

λ 1 + 3λ 3 = 0 

λ1 = 0
λ 1 − λ 2 + 3λ 3 = 0 λ 2 = 0 



←→ 


←→ λ 2 = 0


 −λ 1 + 4λ 2 − 2λ 3 = 0 λ 3 = 0 λ 3 = 0
L 2 ←L 2 −L 1

  
L 3 ←L 3 +L 1

Ainsi, λ 1 = λ 2 = λ 3 = 0, et la famille est donc libre.


Terminologie
Ne pas confondre non tous
nuls avec tous non nuls : non
Définition 3.12 – Une famille (x 1 , . . . , x n ) qui n’est pas libre est dite liée. Cela
tous nuls signifie que l’un
signifie qu’il existe des scalaires λ 1 , . . . , λn non tous nuls tels que au moins des λ i n’est pas
nul, alors que tous non nuls
λ 1 x 1 + · · · + λ n x n = 0E . signifie que tous les λ i sont
non nuls.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


66 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Proposition 3.13 : Si une sous-famille de F = (x 1 , . . . , x n ) est liée, alors nécessairement


F est liée.

Démonstration. Quitte à renuméroter les vecteurs de F, on peut supposer que la sous-


famille (x 1 , . . . , xp ), p 6 n est liée. Alors, par définition, il existe des scalaires λ 1 , . . . , λp non
tous nuls tels que λ 1x 1 + · · · + λp xp = 0E .
Posons alors λp+1 = · · · = λn = 0. Alors les scalaires λ 1 , . . . , λn sont non tous nuls, et

λ 1 x 1 + . . . λ n x n = λ 1 x 1 + · · · + λ p x p = 0E

de sorte que F est liée. 

Corollaire 3.14 – • Une famille contenant le vecteur nul est liée.


• Une sous-famille d’une famille libre est libre.

Démonstration. • La famille formée du seul vecteur nul est liée, par exemple car 1 · 0 = 0.
Par conséquent, toute famille contenant le vecteur nul est liée.
• Soit (x 1 , . . . , x n ) une famille libre et (x 1 , . . . , xp ) une sous-famille, avec p , n.
Si la famille (x 1 , . . . , xp ) était liée, alors ce serait également le cas de (x 1 , . . . , x n ), ce qui est
absurde. 

3.2.2 Familles génératrices

Définition 3.15 – Une famille (x 1 , . . . , x n ) est dite génératrice de E si


Méthode
E = Vect(x 1 , . . . , x n ). Pour prouver qu’une famille
(x 1, . . . , x n ) est génératrice,
De manière équivalente, (x 1 , . . . , x n ) est génératrice si tout vecteur de E peut s’écrire il faut donc prouver que tout
comme combinaison linéaire de (x 1 , . . . , x n ). vecteur de E est combinaison
linéaire de x 1, . . . , x n . On a
toutefois des méthodes plus
efficaces lorsqu’on connaît la
Exemple 3.16 dimension de E.

Montrons que la famille ((1, 2); (2, −1)) est génératrice de C2 .


Soit (x, y) ∈ C2 . Nous cherchons à prouver qu’il existe (λ 1 , λ 2 ) ∈ C2 tels que

(x, y) = λ 1 (1, 2) + λ 2 (2, −1) = (λ 1 + 2λ 2 , 2λ 1 − λ 2 )


2 Peu importe qu’il y ait
c’est-à-dire à prouver qu’il existe des2 solutions au système
une ou plusieurs solutions,

 
 
λ 1 = 9x −2y l’important étant qu’il en
λ 1 + 2λ 2 = x λ 1 + 2λ 2 = x ←→  5
 2λ 1 − λ 2 = y  −5λ 2 = y − 2x λ 2 =
←→ existe.
2x −y
  
L 2 ←L2−2L 1
5

Ainsi, tout vecteur de C2 est combinaison linéaire de (1, 2) et (2, −1) : il s’agit d’une
famille génératrice de C2 .

Proposition 3.17 : Une famille contenant une famille génératrice de E est génératrice de
E.

Démonstration. Soit F = (x 1 , . . . , x n ) une famille de vecteurs de E, et (quitte à renuméroter


les vecteurs) soit F0 = (x 1 , . . . , xp ), p 6 n une sous-famille de F qui soit génératrice de E.
Puisque F0 est génératrice de E, pour tout vecteur x ∈ E, il existe des scalaires λ 1 , . . . , λp
tels que
x = λ 1x 1 + · · · + λp xp = λ 1x 1 + · · · + λp xp + 0xp+1 + · · · + 0x n .
Ainsi, x est combinaison linéaire de vecteurs de F : F est génératrice de E. 

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 67

Remarque. Si (x 1 , . . . , x n ) est génératrice de E, alors tout vecteur de E peut s’écrire comme


combinaison linéaire de x 1 , . . . , x n , mais pas nécessairement de manière unique : il peut y
avoir plusieurs combinaisons linéaires égales au même vecteur.

Exemple 3.18

(1, 2), (2, −1) est génératrice de E, donc il en est de même de ((1, 2), (2, −1), (3, 1)).
Alors (3, 1) = (1, 2) + (2, −1) + 0(3, 1) = 0(1, 2) + 0(2, −1) + 1(3, 1).

3.2.3 Bases, dimension

Définition 3.19 – Une famille de vecteurs de E qui est à la fois libre et génératrice
est appelée une base de E.

Proposition 3.20 : Une famille (e 1 , . . . , en ) est une base de E si et seulement si tout


vecteur de E peut s’écrire de manière unique comme combinaison linéaire de (e 1 , . . . , en ).
C’est à dire que
n
X
∀x ∈ E, ∃!(λ 1 , . . . , λn ) ∈ Kn : x = λi ei .
i=1

Démonstration. ⇒ Soit B = (e 1 , . . . , en ) une base de E. Alors B est génératrice de E, donc


si x ∈ E, ∃(λ 1 , . . . , λn ) ∈ Kn tels que x = λ 1e 1 + · · · + λn en .
Supposons qu’il existe deux telles écritures

x = λ 1e 1 + · · · + λ n e n = µ 1e 1 + . . . µ n e n .

Alors 0E = x − x = (λ 1 − µ 1 )e 1 + · · · + (λn − µ n )en .


Mais puisque B est libre, nécessairement

λ 1 − µ 1 = · · · = λn − µ n = 0

et donc λ 1 = µ 1 , . . . , λn = µ n : l’écriture est unique. Le côté générateur apporte


l’existence d’une écriture
de x comme combinaison
⇐ Si tout vecteur de E s’écrit de manière unique comme combinaison linéaire des ei , en linéaire des e i , et c’est le côté
particulier tout vecteur est combinaison linéaire des vecteurs de B, donc B est génératrice. libre qui apporte l’unicité de
De plus, si il existe des scalaires λ 1 , . . . , λn tels que cette écriture.

0 = λ 1e 1 + · · · + λn en = 0e 1 + · · · + 0en

par unicité de l’écriture de 0 comme combinaison linéaire des ei , il vient λ 1 = · · · = λn = 0.


Donc B est libre : c’est une base de E. 

Définition 3.21 – Si B = (e 1 , . . . , en ) est une base de E et si x ∈ E, alors il existe un Pour E = R2 ou R3 muni


n
X de sa base canonique, on
unique n-uplet (λ 1 , . . . , λn ) de scalaires tel que x = λi ei . On dit que (λ 1 , . . . , λn ) retrouve les coordonnées
i=1 d’un point dans le plan ou
sont les coordonnées de x dans la base B, et on note dans l’espace, telles que vous
les manipulez depuis que
vous êtes petits.
*. .1 +/
λ
xB = .. .. // ∈ Mn,1 (R).
,λn -
x B est appelé vecteur colonne des coordonnées de x dans la base B.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


68 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Définition 3.22 – On dit qu’un espace vectoriel E est de dimension finie s’il existe
une famille génératrice finie de E.

Théorème 3.23 (de la dimension) : Soit E un espace vectoriel de dimension finie.


Alors :
• il existe une base de E
• toutes les bases de E ont le même cardinal.
Le cardinal d’une base est alors appelé dimension de E et noté dim E.

Remarque. Par convention dim{0} = 0. Convention


Il n’y a pas de définition
mathématique au terme
Exemples 3.24 Bases canoniques «canonique», qui est un syno-
nyme de «standard». Donc
ces trois espaces ont des bases
Les exemples suivants sont classiques et à connaître. dites «canoniques», mais on
ne parlera pas de base cano-
• Une base de Kn est ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, . . . , 0, 1)), appelée base nique pour un autre espace
canonique de Kn . Par conséquent, dim Kn = n. vectoriel.
• Une base de Kn [X ] est (1, X , . . . , X n ), appelée base canonique. Par conséquent,
dim Kn [X ] = n + 1.
Rappel
• La base canonique de Mn,p (K) est {Ei, j , 1 6 i 6 n, 1 6 j 6 p}.
La matrice E i, j est la matrice
Par conséquent, dim Mn,p (K) = n × p.
de Mn,p (K) dont tous les
coefficients sont nuls, sauf
situé sur la i ème ligne et j ème
colonne qui vaut 1.
Théorème 3.25 (de la base incomplète) : Soit E un espace vectoriel de dimension
finie, soit L une famille libre de E et G une famille génératrice de E. Alors on peut compléter
L à l’aide de vecteurs de G pour former une base de E.

Corollaire 3.26 – Soit E un espace vectoriel de dimension finie, et F un sous-espace


vectoriel de E. Alors F est de dimension finie et dim F 6 dim E. De plus, F = E si et
seulement si dim F = dim E. Méthode
Il est souvent pénible de
montrer qu’une famille est
génératrice, alors que la li-
Proposition 3.27 : Soit E un espace vectoriel de dimension finie n. Alors :
berté est souvent plus simple
• toute famille libre de E est de cardinal inférieur ou égal à n à montrer. Aussi, autant que
possible, lorsqu’il s’agit de
• une famille libre de cardinal n est une base de E montrer qu’une famille est
• toute famille génératrice de E est de cardinal supérieur ou égal à n une base d’un espace vecto-
riel E, on montrera qu’elle
• une famille génératrice de E de cardinal n est une base de E. est libre et contient dim E
vecteurs. Ceci nécessite bien
entendu de connaître la di-
3.3 SOMME DE SOUS-ESPACES VECTORIELS mension de E.

Dans cette partie, on note E un espace vectoriel, F , G, F 1 , . . . , Fn des sous-espaces vectoriels


de E.
3.3.1 Somme de deux sous-espaces vectoriels

Définition 3.28 – On appelle somme de F et G, et on note F + G l’ensemble

F + G = {x + y, x ∈ F , y ∈ G}.
Autrement dit
F + G est le plus petit (au sens
de l’inclusion) sous-espace
Proposition 3.29 : F + G est un sous-espace vectoriel de E, et si H est un sous-espace vectoriel de E contenant à la
vectoriel de E tel que F ⊂ H, G ⊂ H , alors nécessairement F + G ⊂ H . fois F et G.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 69

Démonstration. Prouvons uniquement le second point : ∀x ∈ F , ∀y ∈ G, x ∈ H (car F ⊂ H )


et y ∈ H (car G ⊂ H ), donc x + y ∈ H .
Ainsi, ∀z = x + y ∈ F + G, z ∈ H , ceci prouve que F + G ⊂ H . 

Proposition 3.30 : Si F et G sont de dimension finie, que (x 1 , . . . , x n ) est une


famille génératrice de F et que (y1 , . . . , yp ) est une famille génératrice de G, alors
(x 1 , . . . , x n , y1 , . . . , yp ) est une famille génératrice de F + G.

Démonstration. Soit z ∈ F + G et soient x ∈ F , y ∈ G tels que z = x + y.


Puisque (x 1 , . . . , x n ) est une famille génératrice de F , il existe des scalaires λ 1 , . . . , λn tels
Xn p
X
que x = λi x i . De même, il existe des scalaires (µ 1 , . . . , µp ) tels que y = µ jyj .
i=1 j=1
Xn Xp
Alors z = λi x i + µ j y j , de sorte que z est bien combinaison linéaire de (x 1 , . . . , x n , y1 , . . . , yp ).
i=1 j=1
Ceci étant vrai pour tout z ∈ F + G, il s’agit bien d’une famille génératrice de F + G. 

Corollaire 3.31 – Si F et G sont de dimension finie, alors F + G est encore de dimension


finie et
dim(F + G) 6 dim F + dim G.

3 En particulier, c’est une


Démonstration. Soit (x 1 , . . . , x n ) une base3 de F et (y1 , . . . , yp ) une base de G.
Alors (x 1 , . . . , x n , y1 , . . . , yp ) est une famille génératrice de F + G, qui est finie, de sorte que famille génératrice de F .
F + G est de dimension finie.
4 C’est le troisième point de
Elle est donc4 de cardinal supérieur ou égal à dim(F + G).
Mais ce cardinal n’est autre que n + p, avec n = dim F et p = dim G. Et donc la proposition 3.27.

dim(F + G) 6 dim F + dim G.

3.3.2 Somme directe de deux sous-espaces vectoriels

Définition 3.32 – On dit que F et G sont en somme directe si Notation


F ⊕ G n’est pas un nouvel
∀x ∈ F , ∀y ∈ G, x + y = 0 ⇒ x = y = 0.
objet : c’est le sous-espace
vectoriel F + G. Mais la no-
Dans ce cas, on note F ⊕ G au lieu de F + G. tation F ⊕ G nous donne
une information supplémen-
taire : F et G sont en somme
directe.
Proposition 3.33 : Soit E de dimension finie, BF une base de F et BG une base de G.
Alors il y a équivalence entre
1) F et G sont en somme directe Dimension infinie
Dans un espace de dimen-
2) F ∩ G = {0} sion infinie (par exemple
l’ensemble des polynômes
3) la concaténation de BF et BG est une base de F + G ou l’ensemble des fonctions
4) dim F + dim G = dim(F + G). continues), les deux premiers
points restent équivalents.
Mais les deux derniers n’ont
pas toujours un sens.
Démonstration. Notons BF = (e 1 , . . . , en ) et BG = (f 1 , . . . , fp ).
Nous allons prouver que 1) ⇒ 2) ⇒ 3) ⇒ 1), puis que 3) ⇔ 4).
1) ⇒ 2) : si x ∈ F ∩ G, alors −x ∈ G, et 0 = x + (−x), avec x ∈ F et −x ∈ G, de sorte que
x = −x = 0 (par définition de la somme directe).
Ainsi, F ∩ G ⊂ {0}, et puisque {0} ⊂ F ∩ G, alors F ∩ G = {0}.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


70 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

2) ⇒ 3) : Nous savons déjà que (e 1 , . . . , en , f 1 , . . . fp ) est génératrice de F + G. Prouvons


qu’elle est libre : soit (λ 1 , . . . λn , µ 1 , . . . , µp ) ∈ Kn+p tel que

0 = λ 1e 1 + . . . λ n e n + µ 1 f 1 + · · · + µ p fp .

n
X p
X
Posons x = λi ei et y = µ j f j , de sorte que x ∈ F et y ∈ G. De plus, x = −y, donc
i=1 j=1
x ∈ G, et donc x ∈ F ∩ G. Nécessairement, x = 0. Mais alors, puisque (e 1 , . . . en ) est une
base de F , cela signifie que λ 1 = · · · = λn = 0.
On prouve de même que y ∈ F ∩ G, et donc que µ 1 = . . . µp = 0.
Ainsi, la famille (e 1 , . . . , en , f 1 , . . . , fp ) est libre : c’est une base de F + G.

3) ⇒ 1) : soient x ∈ F et y ∈ G tels que 0 = x + y. Par hypothèse (e 1 , . . . , en , f 1 , . . . , fp ) est


une base de F + G.
n
X p
X
Soient donc des scalaires λ 1 , . . . , λn , µ 1 , . . . , µp tels que x = λi ei et y = µj fj .
i=1 j=1
n
X p
X
Alors 0 = λi ei + µ j f j , et par liberté de la famille (e 1 , . . . , en , f 1 , . . . , fp ) on a
i=1 j=1

λ 1 = · · · = λn = µ 1 = · · · = µp = 0

et donc x = y = 0 : F et G sont en somme directe.

3) ⇒ 4) : évident par cardinalité des bases.

4) ⇒ 3) : (e 1 , . . . , en , f 1 , . . . , fp ) est une famille génératrice de F + G, de cardinal dim F +


dim G = dim(F + G) : c’est donc une base de F + G. 

Définition 3.34 – Si F et G sont en somme directe, une base de F +G qui est obtenue
par concaténation d’une base de F et d’une base de G est appelée base adaptée à la
somme directe F ⊕ G.
A Danger !
Si nous venons de prouver
que la concaténation de toute
base de F et de toute base
3.3.3 Sous-espaces supplémentaires de G est une base de F + G,
la réciproque est fausse ; il
existe des bases de F + G qui
ne sont pas obtenues ainsi (et
Définition 3.35 – Soit E un espace vectoriel, F et G deux sous-espaces vectoriels de ne sont donc pas adaptées à la
E. On dit que F et G sont supplémentaires dans E si F et G sont en somme directe somme directe).
et que F ⊕ G = E.

Méthode
Proposition 3.36 : Soit E un espace vectoriel de dimension finie. Deux sous-espaces Lorsqu’on a accès aux dimen-

 F ∩ G = {0} sions, c’est le moyen le plus
vectoriels F et G sont supplémentaires dans E si et seulement si 
 dim F + dim G = dim E
simple de prouver que F et G
 sont supplémentaires.
Notons qu’on a toujours
{0E } ⊂ F ∩ G et donc
qu’il suffit de prouver que
Démonstration. Si E = F ⊕ G, alors nous avons déjà prouvé que F ∩ G = {0}, et que F ∩ G ⊂ {0E }, c’est-à-dire
que si un vecteur x est à la
dim(F + G) = dim F + dim G. Puisque E = F + G, dim E = dim F + dim G. fois dans F et dans G, alors il
est nul.
Inversement, si F ∩ G = {0} et dim F + dim G = dim E, alors F et G sont en somme directe
(car F ∩ G = {0}), et donc dim(F + G) = dim F + dim G = dim E. Puisque F ⊕ G ⊂ E, par
égalité des dimensions, F ⊕ G = E. 

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 71

Exemple 3.37

Dans R3 , considérons e 1 = (1, 1, −3), e 2 = (−1, 0, 4) et e 3 = (1, 4, 1), et posons


F = Vect(e 1 , e 2 ), G = Vect(e 3 ).
e 1 et e 2 ne sont pas colinéaires, donc (e 1 , e 2 ) est libre : c’est donc une base de F , et
dim F = 2.
Trivialement, dim G = 1.
Soit x ∈ F ∩ G. Alors ∃(λ, µ) ∈ R2 tels que x = λe 1 + µe 2 et ∃ν ∈ R : x = νe 3 .
Donc (λ − µ, µ, −3λ + 4µ) = (ν, 4ν, ν )



 

 




λ−µ =ν 

λ − µ −ν = 0 

λ − µ −ν = 0
⇐⇒ 
 ⇐⇒  
 −3λ + 4µ − ν = 0
L 2 ↔L 1 
λ = 4ν − 4ν 0 ←→
  
λ =

 −3λ + 4µ = ν 
 −3λ + 4µ − ν = 0 
λ − 4ν = 0
  


 

 




λ − µ −ν = 0 

λ − µ −ν = 0 

λ=0
 µ − 4ν = 0  µ − 4ν = 0 µ = 0
←→ 


←→ 


←→ 


 µ − 3ν = 0 ν = 0 ν = 0
L 2 ←L 2 +3L 1

  
L 3 ←L 3 −L 1

Donc x = µ(1, 4, 1) = (0, 0, 0). Ainsi, F ∩ G = {0}, et par ce qui a été dit précédem-
ment sur les dimensions, R3 = F ⊕ G.
On montrerait de même que Vect((0, 0, 1)) est un autre supplémentaire de F .

Théorème 3.38 : Soit E un espace vectoriel de dimension finie et F un sous-espace Terminologie


vectoriel de E. Alors il existe un supplémentaire de F dans E. Attention à ne pas dire le
supplémentaire de F dans E,
mais bien un supplémentaire
de F dans E, car il existe une
infinité de tels supplémen-
Démonstration. Notons n = dim F et p = dim E, avec n 6 p. taires.
Soit (e 1 , . . . , en ) une base de F , et B une base de E.
Par le théorème de la base incomplète, il existe des vecteurs (en+1 , . . . , ep ) de B tels que
(e 1 , . . . , ep ) soit une base de E.
Posons alors G = Vect(en+1 , . . . , ep ). G est alors un sous-espace vectoriel de E dont une base
est (en+1 , . . . , ep ).
Par construction, E = F + G, et la concaténation d’une base de F et d’une base de G est une
base de E, donc la somme est directe : E = F ⊕ G. 

3.3.4 Somme de n sous-espaces vectoriels

n
X
Définition 3.39 – On appelle somme de F 1 , . . . , Fn , et on note Fi l’ensemble
i=1 Autrement dit
Un vecteur de E est dans
X
n
X F i s’il s’écrit comme la
Fi = {x 1 + · · · + x n , x i ∈ Fi }. somme d’un élément de F 1 ,
i=1 un élément de F 2 , ..., un
élément de F n .
La proposition suivante se prouve de manière analogue au cas n = 2 :

n
X
Proposition 3.40 : Fi est un sous-espace vectoriel de E, et si H est un sous-espace
i=1
n
X
vectoriel de E tel que ∀i ∈ n1, no, Fi ⊂ H , alors Fi ⊂ H .
i=1

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


72 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

n
X
Proposition 3.41 : Si les Fi sont de dimension finie, alors Fi est de dimension finie et
i=1

X n n
X
dim * Fi + 6 dim Fi .
, i=1 - i=1

Démonstration. On prouve
X comme à la proposition 3.30 que la concaténation de bases des
Fi est génératrice de Fi , et on conclut comme au corollaire 3.31. 

3.3.5 Somme directe de n sous-espaces vectoriels

n
X
Définition 3.42 – On dit que la somme Fi est directe si
i=1

∀(x 1 , . . . , x n ) ∈ F 1 × · · · × Fn , 0E = x 1 + · · · + x n ⇒ x 1 = · · · = x n = 0.

Dans ce cas, on note


n
X n
M
Fi = Fi = F 1 ⊕ · · · ⊕ Fn .
i=1 i=1

Proposition 3.43 : Il y a équivalence entre :


1) les Fi sont en somme directe
Xn
2) tout élément de Fi s’écrit de manière unique comme somme d’éléments des Fi
i=1

Démonstration. 1) ⇒ 2) : si x = x 1 + · · · + x n = y1 + · · · + yn , avec ∀i ∈ n1, no, (x i , yi ) ∈ Fi2 ,


alors
0 = (x 1 − y1 ) + · · · + (x n − yn ), avec x i − yi ∈ Fi .

Par conséquent, ∀i ∈ n1, no, x i − yi = 0 et donc x i = yi : l’écriture de x comme somme


d’éléments des Fi est unique.

2) ⇒ 1) : Supposons que 0 = x 1 + · · · + x n , avec x i ∈ Fi . Puisque 0 = 0 + · · · + 0, avec


∀i ∈ n1, no, 0 ∈ Fi , par unicité de l’écriture, ∀i ∈ n1, no, x i = 0, et donc les Fi sont en somme
directe. 

Méthode
Lorsqu’on veut prouver que
Corollaire 3.44 – Soit E un espace vectoriel et F et G deux sous-espaces vectoriels de
F et G sont supplémentaires,
E. Alors F et G sont supplémentaires dans E si et seulement si tout vecteur de E s’écrit de et qu’on n’a pas accès à leurs
manière unique comme somme d’un élément de F et d’un élément de G. dimensions, on utilisera cette
propriété et un raisonnement
par analyse-synthèse (voir
l’exercice 3.5).
Démonstration. Si E = F ⊕ G. Alors tout vecteur de F + G = E s’écrit de manière unique
comme somme d’un vecteur de F et d’un vecteur de G.

Inversement, si tout vecteur de E s’écrit de manière unique comme somme d’un vecteur
de F et d’un vecteur de G, en particulier, tout vecteur de E est somme d’un vecteur de F et
d’un vecteur de G, donc est dans F + G. Et donc E = F + G. Si l’écriture est unique, alors la
somme est directe, et donc E = F ⊕ G. 

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 73

Proposition 3.45 : Si F 1 , . . . , Fn sont de dimension finie, et si B1 est une base de


F 1 , . . . , Bn est une base de Fn , alors il y a équivalence entre :
A Danger !
Pour plus de deux sous-
Xn espaces vectoriels, il n’existe
1) la somme Fi est directe pas d’analogue à la condition
i=1 F ∩ G = {0E }.
n
X
2) la concaténation des Bi est une base de Fi
i=1
X n n
X
3) dim * Fi + = dim Fi .
, i=1 - i=1

n
X
Démonstration. 1) ⇒ 2) : si la somme est directe, alors tout élément de Fi s’écrit de
i=1
manière unique comme somme d’éléments des Fi . Mais pour tout i, tout vecteur de Fi
s’écrit de manière unique comme combinaison linéaire des éléments de Bi .
Xn
Ainsi, tout vecteur de Fi s’écrit de manière unique comme combinaison linéaire de
i=1
n
X
B1 , . . . , Bn : c’est une base de Fi .
i=1
2) ⇒ 1) : inversement, si B1 ∪ · · · ∪ Bn est une base de F 1 + · · · + Fn , et si 0 = x 1 + · · · + x n ,
avec x i ∈ Fi .
Chacun des x i s’écrit comme combinaison linéaire d’éléments de Bi , et donc 0 est com-
binaison linéaire des vecteurs de B1 ∪ · · · ∪ Bn . Mais cette famille est libre, et donc tous
les coefficients de cette combinaison linéaire sont nuls. On en déduit que x 1 = · · · = x n = 0.
n
X
2) ⇒ 3) : évident puisque le cardinal de la concaténation des Bi est dim Fi .
i=1
3) ⇒ 2) : si la dimension de la somme est la somme des dimensions. Nous savons que la
n
X
concaténation des Bi est une famille génératrice de Fi . Elle est de cardinal
i=1

X n
Card(B1 ) + · · · + Card(Bn ) = dim F 1 + · · · + dim Fn = dim * Fi + .
, i=1 -
n
X
C’est donc une base de Fi . 
i=1

3.4 APPLICATIONS LINÉAIRES


3.4.1 Définition

Définition 3.46 – Soient E, F deux K-espaces vectoriels. Une application f : E → F


est dite K-linéaire si

∀(x, y) ∈ E 2 , ∀λ ∈ K, f (λx + y) = λ f (x) + f (y).

On note L(E, F ) l’ensemble des applications linéaires de E dans F .

Proposition 3.47 : L(E, F ) est un K-espace vectoriel.


Si E et F sont tous deux de dimension finie, alors L(E, F ) est aussi de dimension finie et

dim L(E, F ) = dim E × dim F .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


74 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Proposition 3.48 : Soit f ∈ L(E, F ), (x 1 , . . . , x n ) ∈ E n , (λ 1 , . . . , λn ) ∈ Kn . Alors

X n n
X
f * +
λi x i = λi f (x i ).
, i=1 - i=1
En particulier, f (0E ) = 0F .

Définition 3.49 – Si f est une application linéaire de E dans lui-même, on dit


que f est un endomorphisme de E, et on note L(E) = L(E, E) l’ensemble des
endomorphismes de E.

3.4.2 Noyau, image


Soient E et F deux K-espaces vectoriels, f ∈ L(E, F ).

Définition 3.50 – On appelle noyau de f et on note Ker f l’ensemble

Ker f = {x ∈ E : f (x) = 0F }. A Danger !


Ceci ne vaut que pour les
applications linéaires !
Si f est linéaire, on essaiera
Proposition 3.51 : Soit f ∈ L(E, F ). Alors toujours de caractériser
l’injectivité à l’aide du noyau
• Ker f est un sous-espace vectoriel de E.
plutôt que de revenir à la
• f est injectif si et seulement si Ker f = {0}. définition de l’injectivité.

Définition 3.52 – On appelle image de f , et on note Im f l’ensemble

Im f = {y ∈ F ; ∃x ∈ E : f (x) = y}. En particulier, pour tout


x ∈ E, f (x ) ∈ Im f , par
définition.

Proposition 3.53 : Soit f ∈ L(E, F ). Alors


• Im f est un sous-espace vectoriel de F .
• f est surjectif si et seulement si Im f = F . Ce second point est juste la
définition de la surjectivité,
et n’utilise pas la linéarité de
f.
3.4.3 Rang

Définition 3.54 – Soient E et F deux espaces vectoriels tels que E soit de dimension
finie et soit f ∈ L(E, F ). Alors Im f est de dimension finie. On appelle rang de f et
on note rg(f ) = dim Im f .

Théorème 3.55 (du rang) : Soit E un espace vectoriel de dimension finie, F un espace
vectoriel et f ∈ L(E, F ). Alors

dim E = dim Ker f + rgf = dim Ker f + dim Im f .

Corollaire 3.56 – Soient E et F deux espaces vectoriels de dimension finie avec dim E = En particulier
dim F , et soit f ∈ L(E, F ). Alors il y a équivalence entre : Ce résultat s’applique no-
tamment lorsque f est un
1) f est bijectif
endomorphisme de E, car
2) f est injectif alors l’espace de départ et
d’arrivée étant les mêmes, ils
3) f est surjectif. ont même dimension.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 75

Démonstration. 1) ⇒ 2) : évident.
2) ⇒ 3) Si f est injectif, alors Ker f = {0} et donc dim Ker f = 0.
Par le théorème du rang, dim Im f = dim E = dim F .
Or, Im f ⊂ F , et donc, par égalité des dimensions, Im f = F . Ainsi, f est surjectif.

3) ⇒ 1) Si f est surjectif, alors dim Im f = dim F = dim E, et par le théorème du rang,


dim Ker f = 0. Ainsi, Ker f = {0}, donc f est injectif, et donc bijectif. 

Exemple 3.57

Soit f : R3 → R3 définie par f (x, y, z) = (−2x − y + 2z, −3x − 2y + 2z, −2x).


Soit alors (x, y, z) ∈ Ker f .



 

 




−2x − y + 2z = 0 

2z = y 

z=0
 −3x − 2y + 2z = 0 ⇔ ⇔


 


2y = 2z 


y =0
 −2x = 0 x = 0 x = 0
  
Donc Ker f = {0}, et f est donc injectif. Par conséquent, f est bijectif.

3.4.4 Isomorphismes

Définition 3.58 – Soient E et F deux K-espaces vectoriels, et f ∈ L(E, F ). Si f est


bijectif, on dit que f est un isomorphisme.
Dans le cas où E = F , et si f est bijectif, on dit que f est un automorphisme de E. Ainsi, un automorphisme est
un endomorphisme bijectif.

Proposition 3.59 : Si f ∈ L(E, F ) est un isomorphisme, alors f −1 ∈ L(F , E).

Proposition 3.60 : Soit E un K-espace vectoriel de dimension finie n. Alors il existe un


isomorphisme f : Kn → E.

Démonstration. Soit (e 1 , . . . , en ) une base de E, et soit f : Kn → E définie par


n
X
f (λ 1 , . . . , λn ) = λi ei .
i=1

Il est facile de vérifier que f est linéaire. Soit x ∈ E. Alors


n
X
n
∃!(λ 1 , . . . , λn ) ∈ K : x = λi ei = f (λ 1 , . . . , λn ).
i=1

Autrement dit, tout élément de E admet un unique antécédent par f : f est un isomor-
phisme. 

Proposition 3.61 : Soient E et F deux K-espaces vectoriels de dimension finie. Alors il


existe un isomorphisme f : E → F si et seulement si dim E = dim F .

Démonstration. S’il existe un isomorphisme f : E → F , alors par le théorème du rang,


dim E = dim Im f . Mais si f est surjectif, Im f = F et donc dim Im f = dim F . Donc
nécessairement dim E = dim F .

Inversement, si dim E = dim F = n. Alors par la proposition précédente, il existe f : Kn → E


et д : Kn → F qui soient des isomorphismes. Mais alors д ◦ f −1 est un isomorphisme de E
sur F . 

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


76 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Proposition 3.62 : Soit E un espace vectoriel de dimension finie, (e 1 , . . . , en ) une base


de E, F un espace vectoriel et f ∈ L(E, F ). Alors f est un isomorphisme si et seulement si
(f (e 1 ), . . . , f (en )) est une base de F .

Démonstration. Si f est un isomorphisme, alors dim F = dim Im f = dim E.


n
X
Soit y ∈ F , et soit x = f −1 (y). Alors il existe des scalaires (λ 1 , . . . , λn ) tels que x = λi ei ,
i=1 Exercice
et donc Par un raisonnement ana-
X n n
X logue, prouver que pour tout
y = f (x) = f * λi ei + = λi f (ei ). f ∈ L(E, F ), l’image d’une
, i=1 - i=1 famille génératrice de E par
f est toujours une famille
Ainsi, (f (e 1 ), . . . , f (en )) est une famille génératrice de F . génératrice de Im f .
Puisqu’elle possède n = dim F éléments, c’est une base de F .

Inversement, supposons que (f (e 1 ), . . . , f (en )) est une base de F .


Xn X n
Soit y ∈ F : il existe des scalaires λ 1 , . . . , λn tels que y = λi f (ei ) = f * λi ei + ∈ Im f .
i=1 , i=1 -
Ainsi, f est surjectif, et comme E et F ont même dimension, il s’agit d’un isomorphisme. 

3.4.5 Projecteurs

Définition 3.63 – Soit E un espace vectoriel, F et G deux sous-espaces vectoriels G


supplémentaires dans E. x2
x
Alors tout élément x ∈ E s’écrit de manière unique x = x 1 + x 2 , x 1 ∈ F , x 2 ∈ G.
On appelle projection sur F parallèlement à G l’endomorphisme p ∈ L(E) qui à x
associe x 1 , sa composante suivant F .

x 1 = p(x) F
Définition 3.64 – On appelle projecteur de E tout p ∈ L(E) tel que p ◦ p = p. FIGURE 3.1– La projection sur
F parallèlement à G.

A priori, projecteurs et projections sont deux notions différentes. Le théorème suivant


prouve qu’il s’agit en fait de la même chose :

Théorème 3.65 : Soit E un espace vectoriel et p ∈ L(E). Alors p est un projecteur si et Remarque
seulement si p est une projection. En particulier, si p est un
Dans ce cas, p est la projection sur Im p parallèlement à Ker p. projecteur, Im p et Ker p sont
supplémentaires dans E.

Démonstration. Supposons que p ◦ p = p. Montrons que Imp et Kerp sont supplémentaires


dans E.
Nous allons pour cela prouver que tout vecteur de E s’écrit de manière unique comme
somme d’un vecteur de Im p et d’un vecteur de Ker p.
Soit donc x ∈ E et supposons que x = x 1 + x 2 , x 1 ∈ Im p, x 2 ∈ Ker p. Alors Analyse
Nous venons de procéder à
p(x) = p(x 1 ) + p(x 2 ) = p(x 1 ). l’analyse : si une écriture x =
x 1 + x 2 existe, elle est unique
Mais x 1 ∈ Im p, donc il existe y1 ∈ E tel que x 1 = p(y1 ), et alors p(x 1 ) = p 2 (y1 ) = p(y1 ) = x 1 . et nous savons exprimer x 1 et
Donc p(x) = x 1 , et alors x 2 = x − x 1 = x − p(x). x 2 en fonction de x .

Or, pour tout x ∈ E, x = p(x) + (x − p(x)). Synthèse


Mais x ∈ Im p par définition et x − p(x) ∈ Ker p car
On vérifie à présent que les
formules obtenues précédem-
p(x − p(x)) = p(x) − p 2 (x) = p(x) − p(x) = 0. ment définissent bien des vec-
teurs x 1 ∈ Im p et x 2 ∈ Ker p
Donc tout vecteur de E s’écrit bien d’au moins une manière comme somme d’un élément tels que x = x 1 + x 2 .
de Im p et d’un élément de Ker p.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 77

Ainsi, tout vecteur de E s’écrit de manière unique comme somme d’un élément de Im p et
d’un élément de Ker p : Im p et Ker p sont supplémentaires dans E.
Définition !
Enfin, si x ∈ E, x = p(x) + x − p(x) et p(x) = p(x). Ceci prouve donc que p est la projec-
|{z} | {z } L’égalité p(x ) = p(x ) est tri-
∈Im p ∈Ker p viale, mais elle prouve qu’ap-
tion sur Im p parallèlement à Ker p. pliquer p, c’est ne garder que
la composante suivant Im p :
on reconnaît là la définition
Inversement, si p est la projection sur F parallèlement à G, avec E = F ⊕ G. de la projection sur Im p
Soit alors x ∈ E. De manière unique, x = x 1 + x 2 , avec x 1 ∈ F , x 2 ∈ G. parallèlement à Ker p.
Alors p(x) = x 1 = x 1 + 0, avec x 1 ∈ F et 0 ∈ G. Donc p 2 (x) = p(x 1 ) = x 1 = p(x). Ceci
prouve que p 2 = p, et donc p est un projecteur.
De plus, Kerp = {x 1 + x 2 , x 1 ∈ F , x 2 ∈ G : x 1 = 0} = {x 2 , x 2 ∈ G} = G.
De même, il est clair que Im p ⊂ F . Soit x ∈ F . Alors p(x) = x, et donc x ∈ Im p. Ceci
prouve que F ⊂ Im p, et donc Im p = F . 

3.4.6 Formes linéaires et hyperplans

Définition 3.66 – Une application linéaire d’un K-espace vectoriel E vers K est
appelée forme linéaire sur E.

Définition 3.67 – Soit E un espace vectoriel de dimension finie non réduit à {0}.
Un sous-espace vectoriel F de E est appelé hyperplan de E si dim(F ) = dim(E) − 1.

Proposition 3.68 : Soit E un espace vectoriel de dimension finie. Alors un sous-espace Bien évidemment, le noyau
vectoriel F de E est un hyperplan de E si et seulement si il existe une forme linéaire non de la forme linéaire nulle
nulle φ ∈ L(E, K) telle que F = Kerφ. n’est pas un hyperplan
puisque c’est E tout entier.

Exemple 3.69

Étudions la dimension de F = {(x, y, z, t) ∈ R4 : 2x − 3y + 2t = 0}.


Soit φ l’application de R4 dans R définie par φ(x, y, z, t) = 2x − 3y + 2t.
Il est aisé de prouver que φ est une forme linéaire sur R4 , non nulle (par exemple
car φ(1, 0, 0, 0) = 1 , 0).
Ainsi F = Kerφ est un hyperplan de R4 , et donc dim F = dim R4 − 1 = 4 − 1 = 3.

3.4.7 Sous-espaces stables par un endomorphisme

Définition 3.70 – Soit E un K-espace vectoriel et f ∈ L(E).


Un sous-espace vectoriel F de E est dit stable par f si

∀x ∈ F , f (x) ∈ F .

Exemples 3.71

• {0} et E sont toujours des sous-espaces vectoriels stables, quel que soit f ∈
L(E).
• Soit E = R[X ], f : P 7→ X P 0, et F = Rn [X ].
Si deg P 6 n, alors deg P 0 6 n − 1 et donc deg(X P 0) 6 n.
Ainsi, ∀P ∈ Rn [X ], f (P) ∈ Rn [X ]. Donc Rn [X ] est stable par f .
• Soit f : R2 → R2 définie par f (x, y) = (5x + 3y, −6x − 4y). Alors Vect((1, −2))
est stable par f .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


78 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

En effet, soit (λ, −2λ) ∈ Vect((1, −2)). Alors

f (λ, −2λ) = (5λ − 6λ, −6λ + 8λ) = (−λ, 2λ) = −λ(1, −2) ∈ Vect((1, −2)).

Remarque. Si f ∈ L(E) et si F est un sous-espace vectoriel de E, alors on peut considérer la


restriction f |F de f à F , c’est-à-dire l’application de F dans E, qui à x ∈ F associe f (x).
Si F est stable par f , alors pour tout x ∈ F , f |F (x) = f (x) ∈ F , et donc f |F va de F dans F :
c’est un endomorphisme de F .

Proposition 3.72 : Soit f ∈ L(E). Alors :


• Imf et Ker f sont stables par f
• ∀λ ∈ K, E λ (f ) = {x ∈ E : f (x) = λx} est un sous-espace vectoriel de E stable par
f.

Démonstration. Soit x ∈ Ker f . Alors f (x) = 0 ∈ Ker f , de sorte que Ker f est stable par f .

Soit x ∈ Im f . Alors f (x) ∈ Im f par définition de l’image, donc Im f est stable par f .

Soit λ ∈ K. Alors

E λ (f ) = {x ∈ E; f (x) = λx} = {x ∈ E : f (x) − λx = 0} = Ker(f − λidE )

Par conséquent, E λ (f ) est un sous-espace vectoriel de E.


Soit x ∈ E λ (f ). Alors f (x) = λ · |{z}
x ∈ E λ (f ), donc E λ (x) est stable par f . 
∈E λ (f )

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


MÉTHODES 79

MÉTHODES DU CHAPITRE 3

! MÉTHODE 3.1 : Déterminer la dimension d’un sous-espace vectoriel F de E.


Puisque la dimension est le cardinal d’une base, il faudra déterminer une base de F . Sauf dans quelques cas particuliers :
• Si E est défini comme le noyau d’une forme linéaire non nulle sur E. Alors F est un hyperplan et dim F = dim E − 1.
• Si on connaît un supplémentaire G de F dans E, alors dim F = dim E − dim G.
Exercices de TD : 3.1, 3.6, 3.7, 3.20

! MÉTHODE 3.2 : Montrer qu’une famille de vecteurs (x 1 , . . . , xn ) d’un espace vectoriel E


est libre n
X
La plupart du temps, on revient à la définition : on prend λ 1 , . . . , λn des réels que l’on suppose vérifier λi x i = 0 et on
i=1
se débrouille (au cas par cas, il n’y a pas de méthode générale) pour montrer que les λi sont tous nuls.
Cas particuliers :
• Pour une famille de deux vecteurs non nuls, il suffit de montrer que ces deux vecteurs ne sont pas colinéaires.
• Si on connaît une famille libre contenant x 1 , . . . , x n , le résultat est automatique.
• Pour une famille de polynômes, s’ils sont de degrés deux à deux distincts, alors la famille est libre (Bréciproque
fausse !)
Exercices de TD : 3.3

! MÉTHODE 3.3 : Montrer qu’une famille (x 1 , . . . , xn ) est une base d’un espace vectoriel E.
Il faut prouver que la famille est à la fois libre et génératrice. Pour la liberté, on procède comme d’habitude. En revanche,
l’aspect générateur est rarement facile à prouver. Si on connaît la dimension de E, on préférera prouver que la famille est
libre et possède dim E éléments.
Exercices de TD : 2.1, 2.2, 3.4, 3.14

! MÉTHODE 3.4 : Montrer qu’un sous-espace vectoriel F de E est stable par f ∈ L(E).
Il s’agit de montrer que pour tout x ∈ F , f (x) est encore dans F .
Pour cela, on prend donc x ∈ F (sans faire d’autre hypothèses sur x), et on montre que f (x) est encore dans F .
Exercices de TD : 3.16, 3.17

! MÉTHODE 3.5 : Montrer que F ⊂ E est un sous-espace vectoriel de E.


Ne pas oublier de vérifier que 0 ∈ F afin de s’assurer que F est non vide.
Puis prouver que si x, y sont deux éléments quelconques de F et λ est un scalaire quelconque dans K, alors λx + y ∈ F .
Parfois on arrive à écrire directement F comme noyau d’une application linéaire définie sur E, ce qui suffit à prouver que
F est un sous-espace vectoriel de E.
Exercices de TD : 3.2, 3.7

! MÉTHODE 3.6 : Étudier l’injectivité d’une application linéaire f ∈ L(E, F ).


On utilisera toujours la caractérisation par le noyau plutôt que de revenir à la définition de l’injectivité. Il s’agit donc de
prouver que si x ∈ E vérifie f (x) = 0F , alors nécessairement x = 0E .
Exercices de TD : 3.9, 3.11, 3.13

! MÉTHODE 3.7 : Étudier la surjectivité d’une application linéaire f ∈ L(E, F ).

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


80 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Cela revient à montrer que rg f = dim Im f = dim F .


•En premier lieu, si on a accès à la dimension de Ker f , on pensera au théorème du rang.
•Si on connaît la matrice M de f dans des bases de E et F , alors le rang de f est égal au rang de M.
•Si rien d’autre ne fonctionne, il faut revenir à la définition de la surjectivité, et pour tout y ∈ F , essayer de trouver un
antécédent de y par f , c’est-à-dire x ∈ E tel que y = f (x).
Exercices de TD : 3.9, 3.11, 3.13

! MÉTHODE 3.8 : Montrer que deux sous-espaces vectoriels F , G ⊂ E sont en somme


directe
Il suffit de prouver que F ∩ G = {0}. Pour cela, on prendra x un vecteur que l’on suppose appartenir à la fois à F et à G, et
on montrera que nécessairement x = 0E .

! MÉTHODE 3.9 : Montrer que deux sous-espaces vectoriels F , G ⊂ E sont supplémentaires


dans E.
•Si l’on a accès aux dimensions de F et G et à la dimension de E, on montrera que
• dim F + dim G = dim E
• F ∩ G = {0} (i.e. F ∩ G ne contient que le vecteur nul).
•Sinon on montrera que tout élément de E peut s’écrire de manière unique comme somme d’un élément de F et d’un
élément de G (souvent via un raisonnement par analyse-synthèse).
Exercices de TD : 3.5, 3.6, 3.7, 3.8, 3.15

! MÉTHODE 3.10 : Montrer que n sous-espaces vectoriels F 1 , . . . , Fn ⊂ E sont en somme


directe
On revient systématiquement à la définition d’une somme directe, en prenant x i ∈ Fi tel que x 1 + · · · + x n = 0, et on
montre que nécess airement x 1 = · · · = x n = 0.
B Il n’y a pas de caractérisation de la somme directe à base d’intersection et/ou de dimension, celle ci est réservée au cas
de deux sous-espaces vectoriels.
Exercices de TD : 3.18, 3.20, 3.21

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 81

EXERCICES DU CHAPITRE 3
EXERCICE 3.1 Déterminer une base et la dimension de chacun des espaces-vectoriels suivants : PD
E ={(x, y, z) ∈ R3 : x + y = 0}
F ={(x, y, z) ∈ R3 : x + y − 2z = 0 et x + y + z = 0}
G ={(x, y, z) ∈ R3 : x + y − 2z = 0 et − 3x − 3y + 6z = 0}

EXERCICE 3.2 Soit E un espace vectoriel, f ∈ L(E) et λ ∈ K. F


Montrer que E λ (f ) = {x ∈ E : f (x) = λx} est un sous-espace vectoriel de E.

EXERCICE 3.3 Dans chacun des cas suivants, déterminer si la famille donnée est une famille libre de E. F
1. E = R3 , (1, 2, 0), (−1, 0, 3), (2, 1, −1). 2. E = R3 ,(2, −1, 2), (1, 1, 1).
3. E = R3 , (2, −1, 0), (1, 5, 1), (3, 4, 1), (−1, 6, 1). 4. E = R3 [X ], P 1 = X 2 + 1, P2 = X 2 + X + 1, P3 = X 2 − X .
5. E = R[X ], P1 = X 4 + 1, P 2 = X 4 − X 3 , P3 = X 3 + X 2 + 1, P4 = X 2 .
6. E = C∞ (R, R), f 1 : x 7→ e x , f 2 = x 7→ e 2x , · · · , fn : x 7→ e nx .

EXERCICE 3.4 Polynômes de Lagrange AD


Yn
X − aj
Soient a 0 , . . . , an n réels deux à deux distincts. Pour i ∈ n0, no, on pose alors Li = .
j=0
ai − a j
j,i

1) Pour (i, j) ∈ n0, no2 , calculer Li (a j ) (on pourra distinguer les cas i = j et i , j).
2) Montrer que (L 0 , . . . , Ln ) est une base de Rn [X ].
3) Si P ∈ Rn [X ], exprimer les coordonnées de P dans la base (L 0 , . . . , Ln ) en fonction de P.

EXERCICE 3.5 Soit S3 (C) le sous-ensemble de M3 (C) formé des matrices symétriques, et A3 (C) le sous-ensemble de AD
M3 (C) formé des matrices antisymétriques.
1) Montrer que S3 (C) et A3 (C) sont des sous-espaces vectoriels de M3 (C).
1 2 3
2) Montrer que M3 (C) = S3 (C) ⊕ A3 (C). Quelle est l’unique décomposition de *.4 5 6+/ comme somme d’un
,7 8 9-
élément de S3 (C) et d’un élément de A3 (C) ?
3) Déterminer une base de A3 (C). Quelle est la dimension de S3 (C) ?

EXERCICE 3.6 Soit F = {(x, y, z, t) ∈ R4 : x − y + 2z + t = 0} et G = Vect(1, −1, 1, −1). F


Montrer que F et G sont deux sous-espaces supplémentaires de R4 .

EXERCICE 3.7 Soient F = {P ∈ R2 [X ] : P − (X + 1)P 0 = 0} et G = {P ∈ R2 [X ] : P 0(0) = 0}. PD


1) Montrer que F et G sont des sous-espaces vectoriels de R2 [X ], en donner une base et la dimension.
2) Montrer que F et G sont supplémentaires dans R2 [X ].

EXERCICE 3.8 Soit E un espace vectoriel de dimension finie n et soit φ une forme linéaire non nulle sur E. Montrer PD
que pour tout u < Ker(φ), Ker(φ) et Vect(u) sont supplémentaires dans E.

EXERCICE 3.9 Soit n ∈ N, et soient a0 , . . . , an une famille de n + 1 réels deux à deux distincts. PD

 Rn [X ] −→ Rn+1
On considère l’application φ : 
P
 7−→ (P(a 0 ), . . . , P(an ))
1) Montrer que φ est linéaire.
2) Montrer que φ est un isomorphisme. Interpréter ce résultat. Le connaissiez-vous déjà pour n = 1 ?
3) (?) En utilisant la question 1 de l’exercice 4, calculer φ(Li ) et retrouver que φ est un isomorphisme.

EXERCICE 3.10 Un résultat à connaître PD


Soient E, F , G trois espaces vectoriels, et soient f ∈ L(E, F ), д ∈ L(F , G).
Montrer que д ◦ f = 0 ⇐⇒ Im(f ) ⊂ Ker(д).

EXERCICE 3.11 Soit p l’application C2 → C2 définie par p(x, y) = (9x − 12y, 6x − 8y). PD
1) Montrer que p est un endomorphisme.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


82 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

2) Déterminer une base de Kerp. L’application p est-elle injective ?


3) Déterminer une base de Imp.
4) Montrer que p ◦ p = p. Les sous-espaces Kerp et Imp sont-ils supplémentaires dans C2 ?
EXERCICE 3.12 Soit E, F , G trois espaces vectoriels de dimension finie et soient f ∈ L(E, F ) et д ∈ L(F , G). AD
1) Montrer que rg(д ◦ f ) 6 rg(д).
2) Soit (e 1 , . . . , ep ) une base de Im f . Montrer que д(e 1 ), . . . , д(ep ) est une famille génératrice de Im(д ◦ f ). En déduire
que rg(д ◦ f ) 6 rg(f ).
3) Montrer que rg(д ◦ f ) 6 min(rg(д), rg(f )).
EXERCICE 3.13 Soit f ∈ L(R3 , R2 ) et д ∈ L(R2 , R3 ). D
1) Montrer que rg(д) 6 2.
2) Montrer que д ◦ f n’est ni injective, ni surjective.
EXERCICE 3.14 Soit E un espace vectoriel de dimension 4, et soit f ∈ L(E) tel que f 3 , 0 et f 4 = 0. D
1) Montrer qu’il existe x ∈ E tel que (x, f (x), f 2 (x), f 3 (x)) soit une base de E.
2) En déduire le rang de f .
EXERCICE 3.15 Soit E un espace vectoriel de dimension finie et f ∈ L(E) tel que 2f 2 − 3f − 9 idE = 0. AD
On pose alors u = 2f + 3 idE et v = f − 3 idE .
1) Calculer u − 2v. En déduire que E = Im u + Im v.
2) Calculer u ◦ v et v ◦ u. En déduire que Im u ⊂ Ker v et Im v ⊂ Ker u.
3) Montrer que E = Ker u ⊕ Ker v.
4) (Question spéciale cubes) En déduire que f est diagonalisable.
EXERCICE 3.16 Soit E un espace vectoriel, et soient f , д ∈ L(E) deux endomorphismes qui commutent (i.e. f ◦д = д◦ f ). PD
1) Montrer que Kerf est stable par д.
2) Montrer que Imf est stable par д.
EXERCICE 3.17 Soit E un espace vectoriel, f ∈ L(E) et F1 , . . . , Fn des sous-espaces vectoriels de E tels que ∀i ∈ n1, no, Fi PD
n
X
est stable par f . Montrer que F = Fi est stable par f .
i=1

EXERCICE 3.18 Soit E un espace vectoriel, et soient p1 , . . . , pn ∈ L(E) des projecteurs de E. On suppose que D
1) p1 + · · · + pn = idE
2) pour tous (i, j) ∈ n1, no2 , i , j ⇒ pi ◦ p j = 0.
M n
Montrer que E = Im(pi ).
i=1

EXERCICE 3.19 Endomorphismes stabilisant toutes les droites vectorielles D


Soit E un espace vectoriel de dimension n, B = (e 1 , . . . , en ) une base de E, et soit f ∈ L(E) tel que tout sous-espace
vectoriel de E de dimension 1 soit stable par E.
1) Montrer que si p ∈ n1, no, alors il existe λp ∈ K tel que f (ep ) = λp ep .
2) Montrer que si p , q, alors λp = λq .
3) En déduire qu’il existe un scalaire λ ∈ K tel que f = λidE (on dit alors que f est une homothétie de E).
EXERCICE 3.20 (QSP HEC 2013) D
Soit E = R3 [X ] l’espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal à 3. On pose :

F = {P ∈ E : P(0) = P(1) = P(2) = 0}, G = {P ∈ E : P(1) = P(2) = P(3) = 0} et H = {P ∈ E : P(X ) = P(−X )}.

Montrer que E = F ⊕ G ⊕ H .
EXERCICE 3.21 (Oral ESCP 2004) TD
Soit E un espace vectoriel de dimension finie.
1) Montrer que f ∈ L(E) est un projecteur si et seulement si il existe deux sous-espaces vectoriels A et B de E tels que
i) E = A ⊕ B
ii) ∀x ∈ A, f (x) = 0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 83

iii) ∀x ∈ B, f (x) = x.
2) Soient f et д deux projecteurs de E.
a) Montrer que Im f = Im д si et seulement si f ◦ д = д et д ◦ f = f .
b) Donner une condition nécessaire et suffisante pour que f et д soient de même noyau.
3) Soient f , д deux projecteurs de E. On suppose que f ◦ д = д ◦ f . Montrer que :

E = (Im f ∩ Im д) ⊕ (Im f ∩ Ker д) ⊕ (Im д ∩ Ker f ) ⊕ (Ker f ∩ Ker д) .

Que peut-on dire de f ◦ д ?

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


84 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

CORRECTION DES EXERCICES DU CHAPITRE 3


SOLUTION DE L’EXERCICE 3.1
Soit u = (x, y, z) ∈ R3 . Alors

u ∈ E ⇔ x = −y ⇔ u = (−y, y, z) ⇔ u = −y(−1, 1, 0)+z(0, 0, 1) ⇔ u ∈ Vect((−1, 1, 0), (0, 0, 1)).

Ainsi, E = Vect((−1, 1, 0), (0, 0, 1)). La famille (−1, 1, 0), (0, 0, 1) est génératrice de E.
Étant formée de deux vecteurs non colinéaires, elle est libre : c’est une base de E, qui est
donc de dimension 2.

De même on a

x + y − 2z = 0 
x = 2z − y
u∈F ⇔ x +y +z = 0 ⇔  3z = 0
 
⇔ u = (−y, y, 0) ⇔ u = y(−1, 1, 0) ⇔ u ∈ Vect((−1, 1, 0)).
Précision
On en déduit que F = Vect(−1, 1, 0). Donc la famille formée du seul vecteur (−1, 1, 0) est Une famille formée d’un
génératrice de F , et étant formée d’un seul vecteur non nul, elle est libre, et donc est une seul vecteur est toujours
base de F , qui est donc de dimension 1. libre, sauf si ce vecteur est le
vecteur nul.

x + y − 2z = 0
Enfin, notons que (x, y, z) ∈ G si et seulement si 
 −3x − 3y + 6z = 0

Mais ces deux équations sont proportionnelles, donc il suffit de n’en garder qu’une seule :

G = {(x, y, z) ∈ R3 : x + y − 2z = 0} = {(x, y, z) ∈ R3 : x = 2z − y} = {(2z − y, y, z), (x, y) ∈ R2 }


= {y(−1, 1, 0) + z(2, 0, 1), (y, z) ∈ R2 }
= Vect((−1, 1, 0), (2, 0, 1)).

Ainsi, la famille (−1, 1, 0), (2, 0, 1) est génératrice de G. Elle est libre car formée de deux
vecteurs non colinéaires : c’est une base de G, et donc dim G = 2.
SOLUTION DE L’EXERCICE 3.2
Notons que E λ (f ) est non vide car il contient le vecteur nul : f (0E ) = 0E = λ0E .
Soient u, v ∈ E λ (f ) et α ∈ R. Alors

f (αu + v) = α f (u) + f (v) = αλu + λv = λ(αu + v) Alternative


On peut aussi remarquer que
et donc αu + v ∈ E λ (f ). E λ (f ) = Ker(f − λ idE ) et
Ainsi, E λ (f ) est un sous-espace vectoriel de E. donc est automatiquement
un sous-espace vectoriel de
SOLUTION DE L’EXERCICE 3.3 E.
1. Soient λ 1 , λ 2 , λ 3 des réels tels que λ 1 (1, 2, 0) + λ 2 (−1, 0, 3) + λ 3 (2, 1, −1) = (0, 0, 0).


 

 


1 1 B Attention !
λ 1 − λ 2 + 2λ 3 = 0
 λ 1 − λ 2 + 2λ 3 = 0
  − 2 λ 3 − 3 λ 3 + 2λ 3 = 0

Alors 
 2λ 1 + λ 3 = 0 ⇔   λ1 = − 2 λ 3
⇔   λ1 = − 2 λ 3
et Une famille de 4 vecteurs


 3λ 2 − λ 3 = 0 

λ 2 = λ3 

λ 2 = λ3 ne peut pas être libre, mais
  3  3 elle n’est pas nécessairement
donc λ 1 = λ 2 = λ 3 = 0. Ainsi, la famille est libre. génératrice ! Vous pouvez
par exemple vérifier que
2. Les deux vecteurs ne sont pas colinéaires, donc la famille est libre.
celle-ci n’est ni libre, ni
3. Une famille de 4 vecteurs dans un espace de dimension 3 ne peut pas être libre. génératrice.
4. Soient λ 1 , λ 2 , λ 3 des réels tels que

λ 1 P1 + λ 2 P2 + λ 3 P 3 = 0 ⇔ (λ 1 + λ 2 + λ 3 )X 2 + (λ 2 − λ 3 )X + (λ 1 + λ 3 ) = 0.

Un polynôme est nul si et seulement si tous ses coefficients sont nuls, donc
Précision





λ1 + λ2 + λ3 = 0 Nous savons que toute fa-
λ 2 = −λ 3 mille de polynômes étagée



λ 1 = λ 3 est libre, mais la réciproque
 n’est pas vraie, et nous avons
là un exemple de famille libre
On en déduit aisément que λ 1 = λ 2 = λ 3 = 0, et donc la famille est libre. qui n’est pas étagée.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 85
P
5. Nous pourrions procéder comme d’habitude, et prendre λ 1 , λ 2 , λ 3 , λ 4 tels que λi Pi = 0. 1 Une telle combinaison li-
Mais un œil exercé remarquera que P 1 − P2 − P3 + P4 = 0. Autrement dit, nous avons néaire nulle n’est absolument
ici une1 combinaison linéaire des Pi , à coefficients non tous nuls, égale à 0 : la famille pas unique : on a aussi
(P1 , P2 , P3 , P4 ) n’est pas libre. 2P 2 − 2P 1 + 2P 3 − 2P 4 = 0.
6. Soient λ 1 , . . . , λn tels que
λ 1 f 1 + · · · + λn fn = 0.
Divisons cette relation par e nx . Il vient alors Méthode
Lorsqu’on veut montrer
la liberté d’une famille de
∀x ∈ R, λ 1e −(n−1)x + · · · + λn−1e x + λn = 0. fonctions, il faut exploiter au
mieux ce que l’on sait sur ces
Si l’on passe à la limite lorsque x → +∞, il vient λn = 0. fonctions. On peut comme
Reste alors λ 1 f 1 + · · · + λn−1e (n−1)x = 0. ici essayer de profiter des
De même, divisons cette relation par e (n−1)x , de sorte que limites, ou essayer de dériver
la relation obtenue.

∀x ∈ R, λ 1e −(n−1)x + . . . λn−2e −x + λn−1 = 0.

En passant à la limite lorsque x → +∞, il vient λn−1 = 0.


De proche en proche, on a λ 1 = · · · = λn = 0.
Ainsi, la famille λ 1 , . . . , λn = 0.

Solution alternative (proposée par un étudiant il y a quelques années) : soient


λ 1 , . . . , λn des réels tels que ∀x ∈ R, λ 1e x + · · · + λn e nx = 0.
De manière équivalente, ∀x ∈ R, λ 1e x + λ 2 (e x )2 + · · · + λn (e x )n = 0.
Or la fonction exponentielle réalise une bijection de R sur R+∗ . Donc

∀y ∈ R+∗ , λ 1y + · · · + λn y n = 0.

Ainsi, le polynôme λ 1X + λ 2X 2 + · · · + λn X n possède une infinité de racines, et est donc


nul. Par conséquent, ses coefficients sont tous nuls : λ 1 = · · · = λn .

SOLUTION DE L’EXERCICE 3.4


1. Si j , i, alors a j est racine de Li (car Li est divisible par X − a j ), et donc Li (a j ) = 0.
Si i = j, alors
Yn n
ai − a j Y
Li (ai ) = = 1 = 1.
j=0
ai − a j j=0
j,i j,i

2. Notons que Rn [X ] est de dimension n + 1 et que (L 0 , . . . , Ln ) est une famille de Rn [X ] de


cardinal n + 1. Donc c’est une base de Rn [X ] si et seulement si elle est libre.
n
X
Soient λ 0 , . . . , λn des réels tels que λi Li = 0.
i=0
Soit j ∈ n0, no fixé. En évaluant la relation précédente en X = a j , il vient
n
X
λi Li (a j ) = 0 ⇔ λ j = 0.
i=0
|{z}
=0 si i,j

Ceci est valable pour tout j ∈ n0, no, donc λ 0 = · · · = λn = 0.


On en déduit que (L 0 , . . . , Ln ) est une famille libre, et donc une base de Rn [X ].
n
X
3. Soit P ∈ Rn [X ]. Il existe un unique (n + 1)-uplet de réels (λ 0 , . . . , λn ) tels que P = λi Pi .
i=0
En évaluant cette relation en a j , j ∈ n0, no, on obtient

P(a j ) = λ j P j (a j ) = λ j .
n
X
Ainsi, on a P = P(a j )L j , et donc les coordonnées de P dans la base (L 0 , . . . , Ln ) sont
j=0
(P(a 0 ), . . . , P(an )).

SOLUTION DE L’EXERCICE 3.5

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


86 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

1. Soient S 1 , S 2 ∈ S3 (C), et λ ∈ C. Alors t (S 1 + λS 2 ) =t S 1 + λt S 2 = S 1 + λS 2 , donc


S 1 + λS 2 ∈ S3 (C). Donc S3 (C) est un sous-espace vectoriel de M3 (C).

De même, soient A1 , A2 ∈ A3 (C) et λ ∈ C.


Alors t (λA1 + A2 ) = λt A1 + t A2 = −λA1 + A2 = −(λA1 + A2 ). On en déduit que λA1 + A2 ∈
A3 (C), et donc A3 (C) est un sous-espace vectoriel de M3 (C).
2. Nous allons prouver que toute matrice M ∈ M3 (C) s’écrit de manière unique comme
somme d’une matrice symétrique S et d’une matrice antisymétrique A. Méthode
Ce raisonnement s’appelle
Commençons par l’unicité : si M = S + A, avec S ∈ S3 (C) et A ∈ A3 (C), alors t M =
raisonnement par analyse-
t S + t A = S − A. Donc t M + M = 2S, de sorte que S = t M +M .
2 synthèse et sert à prouver que
t
De même, M − t M = 2A, de sorte que A = M −2 M . E = F ⊕ G.
On commence par supposer
Ceci prouve que M s’écrit au plus d’une manière comme somme d’une matrice symétrique
qu’un vecteur x ∈ E s’écrit
et d’une matrice antisymétrique.
  comme somme de deux
t t t
Passons à l’existence : on a t M +2 M = M +2 M , de sorte que M +2 M est dans S3 (C). vecteurs x 1 ∈ F et x 2 ∈ G,
M− t M et on essaie d’exprimer x 1
On prouve de même que 2 est dans A3 (C). et x 2 en fonction de x . En
Et on a bien général on trouve une seule
M + tM M − tM expression possible de x 1 et
M= +
2 2 x 2 . Cette partie est l’analyse.
Reste à faire la synthèse,
donc M est bien somme d’un élément de S3 (C) et d’un élément de A3 (C).
c’est-à-dire à vérifier que
Cette écriture étant unique, on a bien les expressions de x 1 et x 2
en fonction de x que l’on
M3 (C) = S3 (C) ⊕ A3 (C). vient de trouver définissent
bien des éléments de F et G,
Par ce qui précède,2 on a et que tout vecteur x peut
s’écrire x 1 + x 2 . En général
1 2 3 1 2 3 1 4
7 1 2 3 1 4 7 il n’y a aucune difficulté dans
*.4 5 6+/ =
1 **
..4 5 6+/ + *.2 8+/+/ + *.*.4
5
1
5 6+/ − *.2 5 8+/+/ cette partie.
2 7 9-- 2 ,,7
,7 8 9- ,, 8 9- ,3 6 8 9- ,3 6 9-- 2 Le raisonnement que nous
1 3 5 0 −1 −2
= *.3 5 7+/ + *.1 0 −1+/
venons de tenir nous a non
seulement prouvé qu’une
,5 7 9- ,2 1 0- matrice s’écrivait de manière
| {z } | {z } unique comme somme d’une
∈S3 (C) ∈A3 (C) matrice symétrique et d’une
antisymétrique, mais nous
3. Les matrices de A3 (C) sont celles qui s’écrivent sous la forme donne en plus l’expression de
ces deux matrices en fonction
de la matrice de départ.
0 a b 0 1 0 0 0 1 0 0 0
*.−a 0 c +/ = a *.−1 0 0+/ + b *. 0 0 0+/ + c *.0 0 1+/
,−b −c 0- ,0 0 0- ,−1 0 0- ,0 −1 0-

0 1 0 0 0 1 0 0 0
Donc A3 (C) = Vect *
.*
.−1 0 0 +
/ , 0 0 0+/ , *.0 0 1+/+/.
*
. Plus généralement
,, 0 0 0- ,−1 0 0- ,0 −1 0--
Sur le même principe, on
pourrait montrer que
On vérifie aisément qu’on a là une famille libre, et donc une base de A3 (C). En particulier,
dim A3 (C) = 3. Or, nous savons que n(n − 1)
dim An (C) = .
2
dim M3 (C) = dim A3 (C) + dim S3 (C).

Puisque dim M3 (C) = 9, il vient donc dim S3 (C) = 6.


SOLUTION DE L’EXERCICE 3.6
Notons que F est un sous-espace vectoriel de R4 car c’est le noyau de la forme linéaire
φ : (x, y, z, t) 7→ x − y + 2z + t. Sinon
Ceci prouve du même coup qu’il s’agit d’un hyperplan de R4 , et donc qu’il est de dimen-
Si on n’a pas vu qu’une forme
sion 3. De plus, (1, −1, 1, −1) est non nul donc forme une famille libre de G. Puisqu’elle est linéaire se cachait derrière
évidemment génératrice, c’est une base de G qui est alors de dimension 1. F , on cherche une base à la
Donc déjà, dim F + dim G = 4 = dim R4 . main. C’est plus long et plus
susceptible de mener à des
erreurs de calcul, mais tout
Soit x ∈ F ∩ G. Puisque x ∈ G, il existe λ ∈ R tel que x = λ(1, −1, 1, −1) = (λ, −λ, λ, −λ).
aussi juste.
Mais x ∈ F , donc λ − λ + 2λ + λ = 0 ⇔ 3λ = 0 ⇔ λ = 0.
Et donc x = 0, de sorte que F ∩ G = {0}.
Par conséquent, F et G sont supplémentaires dans R4 .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 87

SOLUTION DE L’EXERCICE 3.7


1. Montrons que F est un sous-espace vectoriel de R2 [X ].
Il est évident que le polynôme nul appartient à F .
Soient P, Q ∈ F et λ ∈ R. Alors

(λP + Q) − X (λP + Q)0 = λ(P − X P 0) + (Q − XQ 0) = 0.

Et donc λP + Q ∈ F : F est un sous-espace vectoriel de R2 [X ].


Soit P = aX 2 + bX + c ∈ R2 [X ]. Alors

P ∈ F ⇔ P − (X + 1)P 0 = 0
⇔ aX 2 + bX + c − (X + 1)(2aX + b) = 0
⇔ −aX 2 + −2aX + (c − b) = 0

a = 0
⇔c = b
Deux polynômes sont égaux

si et seulement si ils ont les
mêmes coefficients.
⇔ P = bX + b = b(X + 1)
⇔ P ∈ Vect(X + 1).
3 C’est une famille formée
Ainsi, F = Vect(X + 1), et la famille formée du seul vecteur X + 1 étant libre3 , c’est une
base de F . En particulier, dim F = 1. d’un seul vecteur non nul.

Montrons que G est un sous-espace vectoriel de R2 [X ].


Il est évident que le polynôme nul est dans G.
Soient P, Q ∈ G, et λ ∈ R. Alors

(λP + Q)0(0) = λP 0(0) + Q 0(0) = 0.

Donc λP + Q ∈ G, et donc G est un sous-espace vectoriel de R2 [X ].


D’autre part, on a

aX 2 + bX + c ∈ G ⇔ (2aX + b)(0) = 0
⇔b =0
⇔ P = aX 2 + c
Astuce
⇔ P ∈ Vect(1, X 2 ). Si l’on voulait juste la dimen-
sion de G, et non une base,
La famille (1, X 2 ) est donc génératrice de G, étant formée de deux polynômes de degrés il est plus simple de remar-
distincts, elle est libre et donc c’est une base de G : dim G = 2. quer que G est le noyau de la
forme linéaire P 7→ P 0 (0).
2. Nous avons déjà dim F + dim G = 1 + 2 = 3 = dim R2 [X ]. C’est donc une hyperplan
Montrons que F ∩ G = {0} : soit P ∈ F ∩ G. de R2 [X ], qui est donc de
Puisque P ∈ F , il existe λ ∈ R tel que P = λ(X + 1). dimension 3 − 1 = 2.
Et alors P 0 = λ. Or, P ∈ G, donc P 0(0) = 0 ⇔ λ = 0, et donc P = 0.
Ainsi, F ∩ G = {0}, et ainsi F et G sont supplémentaires dans R2 [X ].
Solution alternative : la concaténation des deux bases obtenues précédemment est la
famille (1, X 2 , X + 1). Celle-ci étant formée de polynômes de degrés deux à deux distincts,
elle est libre. Puisqu’elle est de cardinal 3 = dim R2 [X ], c’est donc une base de R2 [X ].
Ceci prouve donc que F et G sont en somme directe, et donc que R2 [X ] = F ⊕ G. dim Vect(u) = 1
u est une famille d’un seul
SOLUTION DE L’EXERCICE 3.8 vecteur non nul, donc libre.
Soit u < Ker φ. En particulier, u , 0, et donc Vect(u) = {λu, λ ∈ R} est de dimension 1. Comme elle est évidemment
génératrice de Vect(u), c’est
Puisque φ est une forme linéaire non nulle, son noyau4 est de dimension n − 1. une base de Vect(u), qui est
Ainsi, dim Vect(u) + dim Ker φ = 1 + n − 1 = n = dim E. alors de dimension 1.
4 ce noyau est un hyperplan.
Soit x ∈ Vect(u) ∩ Ker φ. Alors il existe λ ∈ R tel que x = λu.
Mais φ(x) = 0 ⇔ φ(λu) = λφ(u) = 0.
Par hypothèse, u < Ker φ, donc φ(u) , 0, et donc λ = 0. On en déduit que x = 0 · u = 0E .
Ainsi Ker φ ∩ Vect(u) = {0}.
On en déduit que Ker φ et Vect(u) sont supplémentaires dans E.
SOLUTION DE L’EXERCICE 3.9

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


88 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

1. Soient P, Q ∈ Rn [X ] et λ ∈ R. Alors

φ(λP + Q) = ((λP + Q)(a 0 ), . . . (λP + Q)(an )) = (λP(a 0 ) + Q(a 0 ), . . . , λP(an ) + Q(an ))


= λ(P(a 0 ), . . . , P(an )) + (Q(a 0 ), . . . , Q(an )) = λφ(P) + φ(Q).
Donc φ est bien linéaire.
2. On a Ker φ = {P ∈ Rn [X ] : P(a 0 ) = · · · = P(an ) = 0}. Or, un polynôme de degré au plus n
5 C’est ici qu’on utilise le fait
qui admet n + 1 racines5 est nécessairement le polynôme nul.
Par conséquent, Ker φ = {0}, et φ est injectif. que les a i soient distincts.
Mais dim Rn [X ] = n + 1 = dim Rn+1 . Et donc, φ étant injectif, il est bijectif : c’est donc un
isomorphisme.
Ceci signifie que pour tout (n + 1)-uplet de réels (b0 , . . . , bn ), il existe un unique polynôme
de degré au plus n prenant la valeur bi en ai .
En particulier, pour n = 1, on retrouve qu’il existe une et une seule fonction affine dont la
Autrement dit
représentation graphique passe par deux points donnés d’abscisses différentes.
φ(L i ) est le (i + 1)-ème

 0 si i , j
3. Puisque Li (a j ) = 
vecteur de la base canonique
 1 si i = j , on a donc φ(Li ) = (0, . . . , 0, 1, 0, . . . , 0) où le 1 est situé en de Rn+1 .

(i + 1)-ème position.
Ainsi, l’image de la base (L 0 , L 1 , . . . , Ln ) par φ est la base canonique de Rn+1 . Méthode
L’image d’une base de Rn [X ] étant une base de Rn+1 , φ est donc un isomorphisme. Pour montrer une équiva-
lence, sauf cas faciles, il est
SOLUTION DE L’EXERCICE 3.10 préférable de raisonner par
Supposons que д ◦ f = 0, et soit x ∈ Im f . double implication.
Par définition de Im f , il existe y ∈ E tel que x = f (y). Et alors
Notations
д(x) = д(f (y)) = (д ◦ f )(y) = 0,
|{z} En général, on note plutôt
=0 y = д(x ). Tout dépend de
comment vous avec appelé
ce qui prouve donc que x ∈ Ker д. l’élément que vous choisissez
Ainsi, tout élément de Im f est dans Ker д : Im f ⊂ Ker д. dans Im f ...
L’essentiel est de retenir que
x ∈ Im f si et seulement si x
Supposons à présent que Im f ⊂ Ker д. Alors pour x ∈ E, on a f (x) ∈ Im f , et donc
est l’image par f d’un vecteur
f (x) ∈ Ker д. On en déduit donc que д(f (x)) = 0. de E. Donc x = f (y), x =
Ainsi, pour tout x ∈ E, (д ◦ f )(x) = 0, ce qui prouve que д ◦ f = 0. f (u), etc, peu importe, tant
qu’on n’utilise pas deux fois
SOLUTION DE L’EXERCICE 3.11 la même lettre pour désigner
1. Soient (x, y) et (x 0, y 0) ∈ C2 , et soit λ ∈ C. Alors deux objets différents.

p(λ(x, y) + (x 0, y 0)) = (9(λx + x 0) − 12(λy + y 0), 6(λx + x 0) − 8(λy + y 0))


= λ(9x − 12y, 6x − 8y) + (9x 0 − 12y 0, 6x 0 − 8y 0) = λp(x, y) + p(x 0, y 0).

Donc p est bien une application linéaire. Puisqu’elle est à valeurs dans C2 , c’est un endo-
morphisme de C2 .
2. Un vecteur (x, y) ∈ C2 est dans Ker p si et seulement si


!
 9x − 12y = 0 ⇔ x = 4 y ⇔ (x, y) ∈ Vect 4 , 1 .
 6x − 8y = 0 3 3


Donc 43 , 1 est une famille génératrice de Ker p. Puisqu’elle formée d’un seul vecteur non
nul, elle est libre et c’est donc une base de Ker p.
Puisque dim Ker p = 1, Ker p , {0}, et donc p n’est pas injective. Détails
3. D’après le théorème du rang, on a dim Im p = dim C2 − dim Ker p = 2 − 1 = 1. Trouver un vecteur de Im p
Toute famille d’un vecteur non nul de Im p en sera donc une base. est facile : il suffit de calculer
l’image de n’importe quel
Or on a p(1, 0) = (9, 6), donc (9, 6) ∈ Im p , et ainsi, (9, 6) est une base de Im p. vecteur x ∈ E.
4. Soit (x, y) ∈ C2 . Alors En revanche, l’image obte-
nue peut être nulle si on a
p(p(x, y)) = p(9x − 12y, 6x − 8y) = (9(9x − 12y) − 12(6x − 8y), 6(9x − 12y) − 8(6x − 8y)) choisi x ∈ Ker p.

= (9x − 12y, 6x − y) = p(x, y).

Ceci étant vrai pour tout (x, y) ∈ C2 , on a donc p ◦ p = p.


6 Même si ici, on pourrait
Puisque p est un projecteur, un théorème du cours6 affirme que Ker p et Im p sont supplé-
mentaires dans C2 . tout à fait s’en tirer «à la
main» sans utiliser ce théo-
rème.
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 89

SOLUTION DE L’EXERCICE 3.12


1. Montrons que Im(д ◦ f ) ⊂ Im д. Soit donc y ∈ Im(д ◦ f ).
Alors il existe x ∈ E tel que y = д(f (x)). Et donc en particulier, y ∈ Im д.
Ainsi, Im(д ◦ f ) ⊂ Im д et en passant aux dimensions, il vient

dim Im(д ◦ f ) 6 dim Im д ⇔ rg(д ◦ f ) 6 rg(д).

2. Soit x ∈ Im(д ◦ f ). Alors il existe y ∈ E tel que x = д(f (y)). Mais f (y) ∈ Im f s’écrit Méthode
Montrer qu’une famille
(de manière unique) comme combinaison linéaire de e 1 , . . . , ep : il existe des scalaires est génératrice de E c’est
p
X prouver que tout vecteur
λ 1 , . . . , λp tels que f (y) = λi ei . Et alors de E peut s’écrire comme
i=1 combinaison linéaire de
vecteurs de F.
X p p
X
x = д(f (y)) = д * λi ei + = λi д(ei ).
, i=1 - i=1

Donc x est bien combinaison linéaire de д(e 1 ), . . . , д(ep ).


On en déduit que д(e 1 ), . . . , д(ep ) est une famille génératrice de Im(д ◦ f ).
Et puisque le cardinal d’une famille génératrice est toujours supérieur ou égal à la dimension,
rg(д ◦ f ) = dim Im(д ◦ f ) 6 p = dim Im f = rg(f ).
Rappel
3. On a à la fois rg(д ◦ f ) 6 rg(f ) et rg(д ◦ f ) 6 rg(д), donc
Être plus petit que le mini-
mum de deux nombres, c’est
rg(д ◦ f ) 6 min(rg(д), rg(f )).
être plus petit que chacun de
ces deux nombres.
SOLUTION DE L’EXERCICE 3.13
1. D’après le théorème du rang, on a

rg(f ) + dim Ker f = dim R2 = 2

et puisque dim Ker f > 0, nécessairement rg(f ) 6 2. Alternative


Si l’on sait que l’image d’une
2. On a Im(д ◦ f ) ⊂ Im д, et donc dim Im(д ◦ f ) 6 dim Im д 6 2 < dim R3 . base de R2 par д est une fa-
Donc déjà д ◦ f ne peut pas être surjective. mille génératrice de Im д,
on en déduit que Im д a une
Ensuite, le théorème du rang appliqué cette fois à f prouve que dim Im f + dim Ker f = 3.
famille génératrice de cardi-
Mais comme Im f ⊂ R2 , dim Im f 6 2, et donc dim Ker f > 1. nal 2, donc est de dimension
Puisque Ker f ⊂ Ker д(◦f ), dim Ker(д ◦ f ) > 1, et donc д ◦ f n’est pas injective. inférieure ou égale à 2.

SOLUTION DE L’EXERCICE 3.14


1. Si un tel x existe, nécessairement les éléments de la base sont tous non nuls, et en particulier,
f 3 (x) , 0.
Soit donc x ∈ E tel que f 3 (x) , 0 (un tel x existe puisqu’on a supposé f 3 , 0).
Soient alors λ 1 , λ 2 , λ 3 , λ 4 des scalaires tels que

λ 1x + λ 2 f (x) + λ 3 f 2 (x) + λ 4 f 3 (x) = 0.

En appliquant f 3 à l’égalité précédente, il vient

λ 1 f 3 (x) + λ 2 f 4 (x) + λ 3 f 5 (x) + λ 4 f 6 (x) = f 3 (0) = 0.

Comme f 4 est l’endomorphisme nul, il en est de même de f 5 et f 6 .


Ainsi, l’égalité obtenue se ramène à

λ 1 f 3 (x) = 0.

Comme f 3 (x) , 0, on en déduit que λ 1 = 0.


Ainsi, nous avons λ 2 f (x) + λ 3 f 2 (x) + λ 4 f 3 (x) = 0.
En appliquant f 2 à cette égalité, nous avons cette fois λ 2 f 3 (x) = 0 et donc λ 2 = 0.
En réitérant le processus, on prouve que λ 3 = λ 4 = 0. Ainsi, la famille (x, f (x), f 2 (x), f 3 (x))
est une famille libre. Elle est de cardinal 4 dans un espace vectoriel de dimension 4 : c’est
une base de E.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


90 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

2. f n’est pas injectif car f 3 (x) est un vecteur non nul de Ker f . En effet, f (f 3 (x)) = f 4 (x) = 0.
Injectivité
Nous montrons ici qu’il
Par conséquent, Ker f , {0} et donc dim Kerf > 1 et par le théorème du rang,
existe au moins un vecteur
non nul dans Ker f . Cela ne
rg(f ) = 4 − dim Kerf 6 3. nous permet pas de déter-
miner entièrement Ker f ,
Or, la famille (f (x), f 2 (x), f 3 (x)) est libre (car sous-famille d’une base), et formée de mais suffit à garantir que
vecteurs de Imf . On en déduit que Imf > 3, et donc dim Imf = 3. Ker f , {0}, et donc que f
Par conséquent, rgf = 3. n’est pas injectif.

SOLUTION DE L’EXERCICE 3.15


1. On a u − 2v = (2f + 3 idE ) − 2(f − 3 idE ) = 8 idE .
Ainsi, pour x ∈ E, on a Somme de sev
Par définition un vecteur est
1 1 1 dans Im u + Im si et seulement
x = idE (x) = (u − 2v)(x) = u(x) − v(x) ∈ Im u + Im v. si il s’écrit comme somme
8 8 4
|{z} |{z} d’un vecteur de Im u et d’un
∈Im u ∈Im v
vecteur de Im v.
Donc E ⊂ Im u + Im v, et l’inclusion réciproque étant évidente, E = Im u + Im v.
2. On a u ◦ v = (2f + 3 idE ) ◦ (f − 3 idE ) = 2f 2 − 3f − 9 idE = 0 et de même

v ◦ u = (f − 3 idE ) ◦ (2f + 3 idE ) = 2f 2 − 3f − 9 idE = 0.

Alors en réutilisant le résultat de l’exercice 10, de u ◦ v = 0 on déduit Im v ⊂ Ker u et de


v ◦ u = 0, on déduit Im u ⊂ Ker v.
3. Il est évident que Ker u + Ker v ⊂ E car Ker u et Ker v sont deux sous-espaces vectoriels
de E.
Par la première question, si x ∈ E, alors x = x 1 + x 2 , avec x 1 ∈ Im u et x 2 ∈ Im v. Mais Pour aller plus loin
d’après la seconde question, on a alors x 1 ∈ Ker v et x 2 ∈ Ker u. Donc x ∈ Ker v + Ker u, Le polynôme annulateur de
f que nous avions ici était
et alors E ⊂ Ker u + Ker v, de sorte que E = Ker u + Ker v.
(2X + 3)(X − 3), qui possède
Il reste donc à montrer que cette somme est directe : soit x ∈ Ker u ∩ Ker v. deux racines distinctes. Nous
Alors comme à la question 1, x = 18 u(x) − 14 v(x) = 0. Donc Ker u ∩ Ker v = {0}, et donc la pourrions tenir le même rai-
somme est directe. Ainsi sonnement avec tout autre
E = Ker u ⊕ Ker v. polynôme annulateur de de-
gré 2 possédant deux racines
4. Remarquons que Ker(v) = Ker(f − 3 idE ) = E 3 (f ) est le sous-espace propre
 de f associé à
distinctes, et prouver ainsi
qu’un endomorphisme qui
la valeur propre 3. De même, Ker u = Ker(2f + 3 idE ) = Ker f + 32 idE = E −3/2 (f ) est le
possède un polynôme annula-
sous-espace propre associé à la valeur propre − 23 . teur de degré 2 avec 2 racines
Ainsi, E est somme directe de sous-espaces propres de f , et donc f est diagonalisable. distinctes est diagonalisable.

SOLUTION DE L’EXERCICE 3.16


1. Soit x ∈ Kerf . Alors f (x) = 0, et par conséquent д(f (x)) = 0. Mais Rédaction 
Il s’agit de montrer que quel
que soit x ∈ F , f (x ) ∈ F .
0 = д(f (x)) = (д ◦ f )(x) = (f ◦ д)(x) = f (д(x)).
Lorsqu’on écrit soit x ∈ F ,
cela signifie que l’on prend
On a donc f (д(x)) = 0, ce qui signifie que д(x) ∈ Kerf . On en déduit que Kerf est stable x ∈ F , quelconque. Si nous
par д. montrons que f (x ) ∈ F , on
aura bien montré que quel
2. Soit y ∈ Imf . Alors il existex ∈ E tel que y = f (x). Et donc
que soit x ∈ F, f (x ) ∈ F .

д(y) = д(f (x)) = (д ◦ f )(x) = (f ◦ д)(x) = f (д(x)).


Image
Ceci prouve que д(y) ∈ Imf , et donc Imf est stable par д.
On a écrit д(y) comme
SOLUTION DE L’EXERCICE 3.17 image d’un vecteur par f
(en l’occurrence, ce vec-
Soit x ∈ F . Par définition, il existe des vecteurs x 1 ∈ F 1 , . . . , x n ∈ Fn tels que x = x 1 +· · ·+x n . teur est д(x ), mais cela n’a
Alors, par linéarité de f , f (x) = f (x 1 ) + · · · + f (x n ). aucun importance), donc
Or, Fi est stable par f , de sorte que f (x i ) ∈ F . Ainsi, д(y) ∈ Im f .

n
X
f (x) = f (x 1 ) + · · · + f (x n ) ∈ Fi = F .
|{z} |{z}
i=1
∈F 1 ∈F n

Par conséquent, F est stable par f .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 91

SOLUTION DE L’EXERCICE 3.18 n


X
Commençons par prouver que E = Im(pi ).
i=1
n
X
Il est évident que ∀i ∈ n1, no, Im(pi ) ⊂ E, et donc Im(pi ) est un sous-espace vectoriel
i=1
de E.
De plus, pour x ∈ E, on a
n
X Projecteurs
x = idE (x) = (p1 + · · · + pn ) (x) = p1 (x) + · · · + pn (x) ∈ Im(pi ). Rappelons que pi est la pro-
|{z} |{z}
i=1 jection sur Im pi , parallèle-
∈Im p1 ∈Im pn
ment à Ker pi .
n
X Donc si x i ∈ Im pi , on a
Par double inclusion, on a donc E = Im(pi ). 0
x i = x i + |{z}
i=1 |{z}
∈Im pi ∈Ker pi
Prouvons à présent que la somme est directe : supposons que 0E = x 1 + · · · + x n , où, pour
tout i ∈ n1, no, x i ∈ Im(pi ). Alors x i = pi (x i ). et donc pi (x i ) = x i .
En appliquant pi à cette égalité, il vient :
n
X n
X Hypothèses
0E = pi (x j ) = pi (p j (x j )) = pi2 (x i ) = pi (x i ) = x i . pi ◦ p j = 0 si i , j.
j=1 j=1

n
X
Nous avons donc x i = 0, et ceci est valable pour tout i ∈ n1, no, et donc la somme Im pi
i=1
n
M
est directe. Ainsi, nous avons bien E = Im(pi ).
i=1

SOLUTION DE L’EXERCICE 3.19


1. Puisque Vect(ep ) est de dimension 1, c’est un sous-espace vectoriel de E stable par f .
En particulier, f (ep ) ∈ Vect(ep ) et donc il existe λp ∈ K tel que f (ep ) = λp ep .
2. De même, Vect(ep + eq ) est de dimension 1, donc est stable par f .
Il existe donc un scalaire µ ∈ K tel que f (ep + eq ) = µ(ep + eq ).
Or, f (ep + eq ) = f (ep ) + f (eq ) = λp ep + λq eq .
Ainsi, λp ep + λq eq = µep + µeq ⇔ (λp − µ)ep + (λq − µ)eq = 0.
7 C’est une sous-famille d’une
Mais la famille (ep , eq ) est libre7 , et donc λp − µ = λq − µ = 0 ⇔ λp = λq = µ.
base, donc d’une famille
3. D’après la question 2, on a λ 1 = λ 2 = · · · = λn . Notons λ la valeur commune des λi . libre.
n
X
Alors, si x = x i ei ∈ E, il vient
i=1

X n n
X Xn X n
f (x) = f * x i ei + = x i f (ei ) = x i λei = λ * x i ei + = λx = λidE (x).
, i=1 - i=1 i=1 , i=1 -
On en déduit donc que f = λidE .
SOLUTION DE L’EXERCICE 3.20
Soit P ∈ E. Alors P ∈ F si et seulement si P est divisible par X (X − 1)(X − 2).
Mais un tel polynôme s’écrit alors P = QX (X − 1)(X − 2), et P étant de degré inférieur ou
égal à 3, nécessairement, deg Q = 0, c’est-à-dire que Q est une constante.
Ainsi, F = {λX (X − 1)(X − 2), λ ∈ R} = Vect (X (X − 1)(X − 2)).

On prouve de même que G = Vect ((X − 1)(X − 2)(X − 3)).

Enfin, soit P = a 0 + a 1X + a 2X 2 + a 3X 3 . Alors

P ∈ H ⇔ a 0 + a 1X + a 2X 2 + a 3X 3 = a 0 + a 1 (−X ) + a 2 (−X )2 + a 3 (−X )3


Rappel
⇔a 0 + a 1X + a 2X 2 + a 3X 3 = a 0 − a 1X + a 2X 2 − a 3X 3
Deux polynômes sont égaux
⇔a 1 = a 3 = 0 si et seulement si leurs coeffi-
cients sont égaux.
⇔P = a 0 + a 2X 2 .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


92 CHAPITRE 3 : RAPPELS ET COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Autrement dit, H = {a 0 + a 2X 2 , (a 0 , a 2 ) ∈ R2 } = Vect(1, X 2 ).


A Danger !
Remarquons que dim F + dim G + dim H = 1 + 1 + 2 = 4 = dim E, ce qui est nécessaire Rappelons que ceci est néces-
pour avoir E = F ⊕ G ⊕ H . saire pour que la somme soit
En concaténant les bases obtenues précédemment de F , G et H , on obtient la famille directe, mais n’est en aucun
cas suffisant !
(X (X − 1)(X − 2), (X − 1)(X − 2)(X − 3), 1, X 2 ) de E.
Montrons que cette famille est libre : soient λ 1 , λ 2 , λ 3 , λ 4 des réels tels que

λ 1X (X − 1)(X − 2) + λ 2 (X − 1)(X − 2)(X − 3) + λ 3 + λ 4X 2 = 0.

En évaluant en X = 1 et X = 2, il vient λ 3 + λ 4 = 0 et λ 3 + 4λ 4 = 0.
Ainsi, λ 3 = λ 4 = 0.
Puis en évaluant en X = 0, il vient −6λ 2 = 0, et donc λ 1X (X − 1)(X − 2) = 0 ⇔ λ 1 = 0.
Par conséquent, (X (X − 1)(X − 2), (X − 1)(X − 2)(X − 3), 1, X 2 ) est une famille libre de E,
de cardinal 4 = dim E : c’est une base de E.
Et puisque la concaténation de bases de F , G et H est une base de E, ces trois sous-espaces
sont en somme directe, et E = F ⊕ G ⊕ H .
SOLUTION DE L’EXERCICE 3.21
1. Supposons que f est un projecteur, et soit A = Ker f et B = Im f . Méthode
Nous devons prouver une
Alors nous savons que A et B sont supplémentaires dans E.
équivalence, donc il faut
Puisque A = Ker f , la condition ii) est évidemment vérifiée. raisonner par double implica-
Enfin, si x ∈ B = Im f , il existe y ∈ E tel que x = f (y), et donc f (x) = f 2 (y) = f (y) = x. tion (ou réussir à garder des
Donc la troisième condition est également vérifiée. équivalences tout le long, ce
qui n’est pas conseillé sur des
raisonnements longs comme
Supposons à présent que les trois conditions i), ii) et iii) sont vérifiées. Soit alors x ∈ E. Il celui-ci.)
existe x 1 ∈ A et x 2 ∈ B tels que x = x 1 + x 2 . Et alors

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

Ainsi f ◦ f = f , et donc f est un projecteur.


2.a. Supposons que Im f = Im д, et soit x ∈ E.
De manière unique, x = x 1 + x 2 , avec x 1 ∈ Ker д et x 2 ∈ Im д, avec д(x) = x 2 .
Et donc f ◦ д(x) = f (д(x)) = f (x 2 ). Et puisque x 2 ∈ Im д = Im f , f (x 2 ) = x 2 .
Ainsi, on a bien (f ◦ д)(x) = д(x) et donc f ◦ д = д. Plus rapide...
On prouve de la même manière que д ◦ f = f . ... mais plus dur !
Pour deux endomor-
phismes f et д, on a toujours
Inversement, supposons que f ◦ д = д et д ◦ f = f . Soit x ∈ Im д. Alors il existe y ∈ E tel Im(f ◦ д) ⊂ Im f . Et donc si
que x = д(y). Et alors f ◦ д = д, alors
Im д = Im(f ◦ д) ⊂ Im f .
x = д(y) = f ◦ д(y) = f ( д(y) ) ∈ Im f .
|{z}
∈E

Ceci prouve que Im д ⊂ Im f . On prouve l’inclusion réciproque exactement de la même


manière en inversant les rôles de f et д.
2.b. Supposons que f et д soient de même noyau et calculons f ◦ д et д ◦ f .
Soit x ∈ E. De manière unique, x = x 1 + x 2 avec x 1 ∈ Im f et x 2 ∈ Ker f . Alors f (x) = x 1 ,
et donc д(f (x)) = д(x 1 ). Mais д(x) = д(x 1 ) + д(x 2 ), et comme x 2 ∈ Ker f = Ker д, alors
д(x 2 ) = 0 et donc д(x) = д(x 1 ). Ainsi, (д ◦ f )(x) = д(x), et donc д ◦ f = д.
On prouverait de la même manière que f ◦ д = f .
Supposons à présent que д ◦ f = д et f ◦д = f . Alors si x ∈ Ker f , д(x) = д(f (x)) = д(0) = 0,
donc x ∈ Ker д. Et donc Ker f ⊂ Ker д.
De même, en utilisant f ◦ д = f , on prouve que Ker д ⊂ Ker f et donc Ker f = Ker д.

Ainsi, Ker f = Ker д si et seulement si on a f ◦ д = f et д ◦ f = д.


3. Soit x ∈ E. D’après la question 1, on a E = Im f ⊕ Ker f , et donc x = x 1 + x 2 avec x 1 ∈ Im f
et x 2 ∈ Ker f .
Mais x 1 = д(x 1 ) + (x 1 − д(x 1 )), avec д(x 1 ) ∈ Im д et x 1 − д(x 1 ) ∈ Ker д.
De plus, x 1 ∈ Im f , donc x 1 = f (u), avec u ∈ E, et donc д(x 1 ) = д(f (u)) = f (д(u)) ∈ Im f .
Ainsi, д(x 1 ) ∈ Im f ∩ Im д.
Et alors x 1 −д(x 1 ) ∈ Im f car différence de deux éléments de Im f , et donc x 1 − д(x 1 ) ∈ Im f ∩ Ker д.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 93

De même, x 2 = д(x 2 ) + (x 2 − д(x 2 )), avec д(x 2 ) ∈ Im д et x 2 − д(x 2 ) ∈ Ker д. De plus,


f (д(x 2 )) = д(f (x 2 )) = д(0) = 0, donc д(x 2 ) ∈ Ker f , et alors x 2 − д(x 2 ) ∈ Ker f car diffé-
rence de deux éléments de Ker f .
En conclusion, il vient

x= д(x 1 ) + x 1 − д(x 1 ) + д(x 2 ) + x 2 − д(x 2 ) .


|{z} | {z } |{z} | {z }
∈Im д∩Im f ∈Im f ∩Ker д ∈Ker f ∩Im д ∈Ker f ∩Ker д

On en déduit que

E = (Im f ∩ Im д) + (Im f ∩ Ker д) + (Im д ∩ Ker f ) + (Ker f ∩ Ker д) .

Il reste donc à prouver que la somme est directe. Supposons que 0 = x 1 + x 2 + x 3 + x 4 , avec
A Danger !
Pour une somme de plus de
x 1 ∈ Im f ∩ Im д, x 2 ∈ Im f ∩ Ker д, x 3 ∈ Ker f ∩ Im д et x 4 ∈ Ker f ∩ Ker д.
deux espaces vectoriels, on
En appliquant f ◦ д à cette égalité, il vient ne peut plus montrer que la
somme est directe unique-
0 = f (д(0)) = f (д(x 1 )) + f (д(x 2 )) + f (д(x 3 )) + f (д(x 4 )) ment en montrant qu’une
= f (д(x 1 )) + f (0) + д(f (x 3 )) + f (0) = f (x 1 ) + 0 + д(0) + 0 = x 1 . (ou même des) intersections
de sous-espaces sont réduites
au vecteur nul.
Donc déjà, x 1 = 0.
Donc 0 = x 2 + x 3 + x 4 . En appliquant f , il vient 0 = f (x 2 ) + f (x 3 ) + f (x 4 ) = x 2 + 0 + 0,
donc x 2 = 0.
Il reste 0 = x 3 + x 4 . En appliquant д, il vient vient 0 = д(x 3 ) + д(x 4 ) = x 3 + 0, et donc x 3 = 0.
L’égalité de départ est donc réduite à x 4 = 0.
Ainsi, x 1 = x 2 = x 3 = x 4 = 0 et donc la somme est alors directe :

E = (Im f ∩ Im д) ⊕ (Im f ∩ Ker д) ⊕ (Im д ∩ Ker f ) ⊕ (Ker f ∩ Ker д) .

De plus, on a (д ◦ f ) ◦ (д ◦ f ) = д ◦ f ◦ д ◦ f = д ◦ д ◦ f ◦ f = д ◦ f .
Donc д ◦ f = f ◦ д est un projecteur.
Nous pouvons même caractériser ce projecteur, car si x = x 1 + x 2 + x 3 + x 4 comme
précédemment, alors le calcul effectué plus tôt montre que f (д(x)) = x 1 , et donc f est la
projection sur Im f ∩Im д parallèlement à (Im f ∩ Ker д)⊕(Im д ∩ Ker f )⊕(Ker f ∩ Ker д) .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


INTÉGRALES IMPROPRES 4
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.1 Rappels d’intégration sur un segment . . . . . . . . . . . . . . . . . . . . . . 95
4.2 Rappels sur les intégrales convergentes . . . . . . . . . . . . . . . . . . . . . . 98
4.3 Techniques de calcul d’intégrales . . . . . . . . . . . . . . . . . . . . . . . . 105
4.4 Une nouvelle fonction : la fonction Γ . . . . . . . . . . . . . . . . . . . . . . 109
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

4.1 RAPPELS D’INTÉGRATION SUR UN SEGMENT


En particulier
Rappel : un segment de R est un intervalle de la forme [a, b], avec a, b ∈ R.
Un segment est un intervalle
fermé des deux côtés. Par
exemple, [1, +∞[ et ]1, 2] ne
4.1.1 Définition, premières propriétés sont pas des segments.

Proposition 4.1 : Soit f une fonction continue sur un segment [a, b]. Alors f admet des
primitives sur [a, b].
De plus si F et G sont deux primitives de f , alors il existe une constante λ ∈ R :
∀x ∈ [a, b], F (x) = G(x) + λ.

Définition 4.2 – Soit f une fonction continue sur un segment I . Alors si F est une
primitive de f , on pose, pour tout a, b ∈ I ,
Z b
f (t) dt = [F (t)]ba = F (b) − F (a).
a

Cette quantité ne dépend pas de la primitive F choisie, et est appelée intégrale de f


sur le segment [a, b].

Proposition 4.3 : Soient f et д deux fonctions continues sur I et soit λ ∈ R. Alors, pour
tout a, b ∈ I :
Rb Rb Rb
• a (λ f (t) + д(t)) dt = λ a f (t) dt + a д(t) dt (linéarité de l’intégrale)
Rb Ra
• a f (t) dt = − b f (t) dt
Rb Rc Rb
• pour tout c ∈ I , a f (t) dt = a f (t) dt + c f (t) dt (relation de Chasles).
Rb
• si a 6 b et si ∀t ∈ [a, b], f (t) > 0, alors a f (t) dt > 0 (positivité de l’intégrale).
Rb Rb
• si a 6 b et si ∀t ∈ [a, b], f (t) 6 д(t), alors a f (t) dt 6 a д(t) dt (croissance de
l’intégrale).

95
96 CHAPITRE 4 : INTÉGRALES IMPROPRES

Théorème 4.4 (Théorème fondamental de l’analyse) : Soit I un intervalle de R,


et soit f : I → R une fonction
Z continue sur I .
x
Alors l’application F : x 7→ f (t) dt est de classe C1 est dérivable sur I , et
a

∀x ∈ I , F 0(x) = f (x).

Plus précisément, F est l’unique primitive de f sur I qui s’annule en a.

Proposition 4.5 : Soit a < b, et soit f continue sur [a, b]. Si f est positive sur [a, b], Hypothèses !
alors
Z b On vérifiera bien toutes les
hypothèses : ce théorème
f (t) dt = 0 ⇔ ∀t ∈ [a, b], f (t) = 0. ne fonctionne plus si f est
a
seulement continue par
Rb morceaux, et encore moins si
Démonstration. Il est évident que si f est nulle sur [a, b], alors a f (t) dt = 0. on ne suppose pas f positive.
Raisonnons par contraposée, et prouvons que sous les hypothèses de l’énoncé, s’il existe
Rb
x 0 ∈]a, b[] tel que f (x 0 ) > 0, alors a f (t) dt > 0.
f (x )
Soit donc ε = 2 0 > 0.
Par continuité de f en x 0 , il existe η > 0 tel que f (x 0 )
f (x 0 )
∀x ∈ [a, b] ∩ [x − η, x + η], |f (x) − f (x 0 )| 6 ε = . f (x 0 )
2 2
f (x 0 )
En particulier, ∀x ∈ [a, b] ∩ [x 0 − η, x 0 + η], f (x) > > 0.
Z x 0 +η Z x 0 +η 2
f (x 0 ) x0 − η x0 x0 + η
Donc f (t) dt > dt = η f (x 0 ) > 0.
x 0 −η x 0 −η 2 L’aire du rectangle vaut ηf (x 0 ) > 0.
Z b Z x 0 +η
Et puisque f est positive sur [a, b], f (t) dt > f (t) dt > 0. 
a x 0 −η

4.1.2 Primitives usuelles


Dérivée/primitive
Toutes ces formules sont
Proposition 4.6 : Soit u une fonction de classe C1 sur un intervalle I . Alors en fait des formules de dé-
1 n+1 rivation. On notera que les
• une primitive de u 0u(x)n , n ∈ N est n+1 u formules pour la dérivée d’un
• une primitive de u 0e u est e u produit et d’une composée
ont leur interprétation en
u0
• si u ne s’annule pas sur I , une primitive de u est ln(|u|) terme d’intégration : ce sont
1 respectivement l’intégration
• si u > 0 sur I , et si α , −1 alors une primitive de u 0u α est α +1 u
α +1
par parties et le changement
de variable.
Les primitives suivantes doivent êtres connues sans hésitations : En revanche, on notera que
bien que la dérivation soit
Fonction x 7→ · · · Primitive x 7→ · · · Intervalle quelque chose de totalement
1 n+1 algorithmique (on peut dé-
xn, n ∈N x R river toute fonction obtenue
n+1
1 à l’aide de fonctions usuelles
ln(|x|) R+∗ ou R−∗ du moment que l’on connaît
x
1 n+1 les formules de dérivation
x n , n ∈ Z, n 6 −2 x R+∗ ou R−∗ et les dérivées des fonctions
n+1
1 √ usuelles), la recherche de
√ 2 x R+∗ primitive n’est pas toujours
x facile et demande bien plus
1 α +1 de pratique afin de recon-
x α , α ∈ R − {−1} x R+∗
α +1 naître les formes les plus
ex e x R classiques.
sin(x) − cos(x) R
cos(x) sin(x)  π R 
tan(x) − ln(| cos(x)|) − 2 + kπ , π2 + kπ , k ∈ Z
1
Arctan(x) R
1 + x2
ln(x) x ln(x) − x R+∗

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 97

4.1.3 Sommes de Riemann

Proposition 4.7 : Soit f une fonction continue sur [a, b]. Alors
Astuce
n−1
X ! Z b Plutôt que d’apprendre cette
b −a b −a formule par cœur, il suffit
lim f a +k = f (t) dt .
n→+∞ n n a d’être capable de la retrouver
k =0
à l’aide de la figure 4.2.

Remarques. C’est ce résultat qui justifie l’interprétation de l’intégrale comme une aire dans
le cas où f est positive. !
b −a b −a b −a
En effet, f a +k est l’aire d’un rectangle de largeur et de hauteur
n! n n
b −a
f a +k .
n

n=3 n = 10 n = 20

a b a b a b

FIGURE 4.1 – Illustration de la convergence des sommes de Riemann vers l’intégrale. On a


ici représenté les sommes de Riemann pour n = 3, n = 10 et n = 20.

1 parfois appelées sommes de


Le même résultat reste valable si l’on considère plutôt les sommes1
Riemann «à droite».
n !
b −a X b −a
f a +k .
n n
k =1

Ces rectangles sont en fait ceux représentés à droite sur la figure 4.2.

   
f a + b−a
n f a + b−a
n

 
f a + 2 b−a
n
f (a)

a a
a + b−a b−a
n a+2 n
b a + b−a b−a
n a+2 n
b

FIGURE 4.2 – Les deux types de sommes de Riemann.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


98 CHAPITRE 4 : INTÉGRALES IMPROPRES
Méthode
Exemple 4.8 La plupart du temps, la pre-
mière difficulté si l’on n’a
pas d’indication est de recon-
n
X n naître qu’on a affaire à une
Pour n > 1, posons un = 2 + k2
. Alors, somme de Riemann, et de sa-
n
k =1 voir pour quels a et b. Si on
ne les devine pas au premier
n n
1 X n 1−0X 1 abord, on essaiera a = 0 et
un =   =  k (1−0)  2 . b = 1.
n 2 k =1 1 + k 2 n
k =1 1 +
n n

1
Ainsi, en posant f (t) = , on a
1 + t2
n !
1X (1 − 0)
un = f 0+k
n n
k =1

2 Avec a = 0 et b = 1.
et on reconnaît là des sommes de Riemann2 , de sorte que
Z 1
π
lim un = f (t) dt = [Arctan(t)]10 = .
n→∞ 0 4

4.2 RAPPELS SUR LES INTÉGRALES CONVERGENTES


Z b
Si f est une fonction continue sur [a, b], l’intégrale f (t) dt est toujours bien définie, ce
a
qui revient à dire que l’aire de la partie située sous la courbe représentative de f a bien un
sens.
En revanche, si f n’est continue que sur [a, b[, il se peut que lim− f (t) = ±∞. Et alors l’aire
t →b
de la partie située sous la courbe, qui est une partie «infinie», n’est pas forcément bien
définie. Z b
Si c’est le cas, on dira que f (t) dt est une intégrale convergente.
a

f continue sur [a, b]. f continue sur [a, b[


La partie bleue est infinie,
et donc son aire n’est pas
forcément finie.
Notons que puisqu’il est
impossible de représenter
entièrement cette partie, un
dessin ne permet pas de dire
si cette aire est finie ou non,
il faut nécessairement passer
par le calcul.
a b a b

4.2.1 Définition

Définition 4.9 – Soit f une fonction continue sur [a, b[, a ∈ R, b ∈ R ∪ {+∞}.
Z x Z b
Si lim− f (t) dt existe, on dit que l’intégrale f (t) dt converge, et on note
x →b a a
Z b Z x
f (t) dt = lim− f (t) dt .
a x →b a

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 99

Exemple 4.10

1
Soit f (t) = . Alors ∀x > 1,
t2
Z x " #x
dt 1 1
2
= − = 1 − −→ 1.
1 t t 1 x x →∞
Z +∞
dt
Donc existe et vaut 1.
1 t2
A Danger !
Remarque. Si b ∈ R et si f se prolonge sur [a, b] en une fonction continue f˜, alors ∀x ∈ [a, b[, On ne parle de fonction
prolongeable par continuité
en b que si b ∈ R, tout ceci
Z x Z x Z b ne peut pas marcher en ±∞.
f (t) dt = f˜(t) dt −→− f˜(t) dt
a a x →b a

Z b Z b
Donc f (t) dt existe3 et vaut f˜(t) dt. 3 L’intégrale de f˜ est l’inté-
a a grale d’une fonction continue
On parle alors d’intégrale faussement impropre. sur un segment, donc elle
existe.

Exemple 4.11
1
sin t
La fonction t 7→ continue sur R−∗ est prolongeable en une fonction continue
t
en 0. Z
0
sin t
Donc dt est une intégrale faussement impropre, qui est donc convergente.
−π t 0
−π 0
De même, on définit les intégrales sur un segment de la forme ]a, b], a ∈ R ∪ {−∞} comme sin t
est prolongeable par
Rb t
limites (si elles existent) lorsque x tend vers a par valeurs supérieures de x f (t) dt. continuité en 0, donc l’aire
Z b sous la courbe existe.
Enfin, si f est une fonction continue sur un intervalle ]a, b[, a, b ∈ R, l’intégrale f (t) dt
a
est dite convergente si pour un (et donc pour tous) c ∈]a, b[, les deux intégrales

Z c Z b
f (t) dt et f (t) dt
a c

Z b Z c Z b
convergent. On pose alors f (t) dt = f (t) dt + f (t) dt .
a a c

FIGURE 4.3 – Par définition, l’intégrale entre a et b converge si les deux intégrales entre a
et c et entre c et b convergent. Graphiquement, cela signifie que les deux aires représentées
ci-dessus sont finies.
On constate notamment que ceci ne dépend pas du choix de c ∈]a, b[.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


100 CHAPITRE 4 : INTÉGRALES IMPROPRES
Z +∞
dt
Exemple 4.12 Convergence et calcul de .
−∞ 1 + t2
Pour tout x > 0, on a
Z 0 Z x
dt 0 dt Précision
2
= [Arctant]−x = −Arctan(−x) et 2
= [Arctan]x0 = Arctan(x).
−x 1 + t 0 1+t On a choisi ici de couper
l’intégrale en 0 ce qui semble
Z 0 Z +∞ plus logique, mais totalement
dt dt
Donc, en faisant tendre x vers +∞, les deux intégrales 2
et arbitraire, on aurait pu choi-
−∞ 1 + t 0 1 + t2 sir de la couper en −1 ou en
convergent et √
π.
Z 0 Z +∞
dt dt π Les problèmes de conver-
= = . gence éventuels sont en −∞
−∞ 1 + t 2
0 1 + t 2 2
Z +∞ et +∞, partout ailleurs, nous
dt savons que les intégrales
Par conséquent, 2
converge et convergent, car la fonction
−∞ 1 + t
étant continue, on est rame-
Z +∞ Z 0 Z +∞ nés à des intégrales sur un
dt dt dt
= + = π. segment !
2 2 1 + t2
−∞ 1 + t −∞ 1 + t 0

R +∞
B Bien que les intégrales ressemblent beaucoup aux séries, il se peut que f (t) dt 1
converge et que f n’admette pas de limite en +∞. Par conséquent, il n’y a pas pour les
intégrales d’analogue à la divergence grossière des séries.

Plus généralement, nous pouvons être amenés à considérer des fonctions qui ne sont pas
continues sur un intervalle, mais sur un intervalle privé d’un nombre fini de points.

Définition 4.13 – Soient a < b ∈ R, et soit f :]a, b[→ R. On suppose qu’il existe
des réels a 1 , . . . , an tels que les restrictions de f à ]a, a 1 [, ]a 1 , a 2 [, . . . , ]an , b[ soient
continues et que les intégrales
Z a1 Z a2 Z b
f (t) dt, f (t) dt, . . . , f (t) dt
a a1 an

soient convergentes.
Z b
On dit alors que f (t) dt est convergente, et on pose
a
Z b Z a1 Z a2 Z b
f (t) dt = f (t) dt + f (t) dt + · · · + f (t) dt .
a a a1 an

Exemple 4.14 Densité de la loi exponentielle


 0 si t < 0
Soit f : R → R définie par f (t) =  e −t si t > 0 .

Alors f est continue sur R−∗ =] − ∞, 0[ et sur R+∗ =]0; +∞[. Les deux intégrales
Z 0 Z +∞ Z +∞
f (t) dt et f (t) dt sont convergentes, donc f (t) dt est convergente
−∞ 0 −∞
et Z Z Z
+∞ 0 +∞
f (t) dt = f (t) dt + f (t) dt = 1.
−∞ −∞ 0

4.2.2 Intégrale des fonctions positives

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 101

Proposition 4.15 : Soient f , д :]a, b[→ R deux fonctions continues sur ]a, b[, (a, b ∈ R)
telles que
∀t ∈]a, b[, 0 6 f (t) 6 д(t).
Alors :
Z b Z b
• Si д(t) dt converge, alors f (t) dt converge.
a a
Z b Z b
Hypothèses
• Si f (t) dt diverge, alors д(t) dt diverge.
a a Ce résultat n’est plus va-
lable pour des fonctions qui
changent de signe, donc lors-
qu’on l’utilise, on indiquera
bien qu’on le sait, et qu’on
Proposition 4.16 : Soit f , д deux fonctions continues sur [a, b[, b ∈ R, positives, telles
a vu que les fonctions en
que f (t) ∼ д(t). Alors les intégrales question sont positives.
t →b
Z b Z b Et même...
f (t) dt et д(t) dt Ce résultat reste valable pour
a a
f et д de signe constant au
voisinage de b. En effet, le
sont de même nature.
problème de convergence est
en b, ce qui se passe «loin de
Remarque. Ce résultat reste en fait valable pour f et д de signe constant sur [a, b[. b» importe peu.

Exemples 4.17
Z 1
dt
• Étude de t −1
.
0 e
1
La fonction t 7→ t est continue sur ]0, 1], donc il faut étudier la nature de
e −1 Méthode
l’intégrale au voisinage de 0. En écrivant précisément où
1 la fonction est continue, on
On a e t − 1 ∼ t, donc f (t) ∼ , et puisqu’il s’agit de fonction positives, on peu
t →0 t →0 t identifie les points où il faut
utiliser le critère des équivalents. étudier la convergence de
Z 1 Z 1 l’intégrale : ce sont ceux où
dt dt
Nous savons que diverge, donc il en est de même de . le domaine de convergence
0 e −1
t
Z +∞ 0 t est ouvert.
dt
• Étude de √ .
1 t t −1
1
La fonction f : t 7→ √ est continue et positive sur ]1; +∞[.
t t −1 Z 2
1 dt
Au voisinage de 1, on a f (t) ∼ √ , et √ est une intégrale de Riemann
t →1 t − 1 1 t −1
Z 2
convergente, donc f (t) dt est convergente.
1 Z +∞
1 1 1
Au voisinage de +∞, on a f (t) ∼ √ = 3/2 . Or l’intégrale 3/2
dt est
t →+∞ t t t t
Z +∞ 2
convergente, donc par comparaison, il en est de même de f (t) dt.
Z +∞ 2
dt
En conclusion, √ est convergente.
1 t t −1

Z b
Proposition 4.18 : Soit f une fonction continue et positive sur [a, b[ telle que f (t) dt
Z b a

converge. Alors f (t) dt = 0 si et seulement si ∀x ∈ [a, b[, f (x) = 0.


a

Démonstration. Il est évident que si f est nulle, alors l’intégrale est nulle. Supposons à présent

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


102 CHAPITRE 4 : INTÉGRALES IMPROPRES
Z b
que f (t) dt = 0. Soit x ∈ [a, b[. Alors
a
Z x Z b
06 f (t) dt 6 f (t) dt = 0
a a
Rx
Donc a f (t) dt = 0, et f étant continue et positive sur le segment [a, x], on en déduit que
f est nulle sur [a, x]. Ceci étant vrai pour tout x ∈ [a, b[, f est nulle sur [a, b].


4.2.3 Intégrales de référence


Les intégrales suivantes sont les intégrales de référence, à connaître par cœur.
Valeurs
Théorème 4.19 (Intégrales de Riemann) : Soit α ∈ R. Alors S’il faut être capable de dire
sans hésitations si une inté-
Z +∞ grale de Riemann converge
dt
• converge si et seulement si α > 1, et on a alors ou diverge, il n’est pas néces-
1 tα saire de connaître par cœur
Z ∞ la valeur, mieux vaut être
dt 1 capable de la retrouver (la
= .
1 t α α − 1 primitive est facile à calcu-
ler) plutôt que de prendre le
Z 1 risque de se tromper.
dt
• converge si et seulement si α < 1, on a alors
0 tα
Z 1
dt 1
= .
0 tα 1−α
Z b Z b
dt dt
• Plus généralement, pour a < b, et convergent si et
a (t − a)α a (b − t)α
seulement si α < 1.

Démonstration. Les deux premiers points ont été prouvés en première année, prouvons le
troisième.
• Si α , 1, pour x ∈]a, b], on a
Z b " #b !
dt 1 1−α 1 1 1
= (t − a) = − .
x (t − a)α 1−α x 1 − α (b − a)α −1 (x − a)α −1
Z b
1 dt
Si α > 1, alors α − 1 > 0, et donc −→ +∞, et donc −→ +∞.
(x − a)α −1 x →a + x (t − a)α x →a +
1
Si α < 1, alors α − 1 < 0 et donc = (x − a)1−α −→+ 0, de sorte que
(x − a)α −1 x →a
Z b
dt (b − a)1−α
−→+ .
α
x (t − a) x →a 1−α
Enfin, pour α = 1, on a

 b
Z b
dt
= ln(t − a) x = ln(b − a) − ln(x − a) −→+ +∞.
x t −a x →a

Et donc l’intégrale converge si et seulement si α < 1. 

Exemples 4.20
Z 1Z +∞
dt dt
• et sont toutes deux divergentes.
0 t 1 t

Z +∞
dt
• √ est convergente α = 32 > 1 .
1 t t

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 103

Z 3
dt
• √ converge, car il s’agit d’une intégrale de Riemann convergente
1 t −1 
avec α = 21 < 1 .

Z +∞
Proposition 4.21 : Soit a ∈ R. Alors l’intégrale e −at dt converge si et seulement Valeur
0 Là encore, nul besoin d’ap-
si a > 0. Dans ce cas, on a alors prendre par cœur cette va-
Z leur, puisqu’une primitive
+∞
1 de t 7→ e −at est facile à
e −at dt = . retrouver.
0 a

4.2.4 Intégrales absolument convergentes


Rappelons que la fonction x 7→ |x| est continue sur R, de sorte que si f est continue sur
]a, b[, alors |f | est également continue sur ]a, b[.

Z b
Définition 4.22 – Soit f : ]a, b[→ R, avec a, b ∈ R. Si |f (t)| dt est convergente,
Z b a

on dit que l’intégrale f (t) dt est absolument convergente.


a

Z b
Remarque. Si f est une fonction positive sur ]a, b[, alors l’intégrale f (t) dt est absolu-
a
ment convergente si et seulement si elle est convergente.

Proposition 4.23 : Soit f : ]a, b[→ R continue. Terminologie


Z b Cette inégalité est appellée
Si f (t) dt est absolument convergente, alors elle est convergente et on a alors l’inégalité triangulaire pour
a les intégrales.
Z b Z b
Si l’on voit l’intégrale comme
f (t) dt 6
un analogue continu de la
|f (t)| dt .
a
somme, alors c’est bien simi-
a
laire à l’inégalité triangulaire
«classique» :
a 6
X X
Exemple 4.24 i |a i |.

sin t
Soit f : [1; +∞[ définie par f (t) = √ .
t t
sin t 1 1
Alors on a √ 6 √ = 3/2 .
t tZ t t t
+∞
1
Or, l’intégrale 3/2
dt est une intégrale de Riemann convergente, donc par
t Z +∞
sin t dt converge, et donc
1 Z +∞
sin t
comparaison de fonctions positives, √ √ dt
1 t t 1 t t
est absolument convergente, donc convergente.

Proposition 4.25 : Soient f , д deux fonctions continues sur [a, b[, avec д positive sur
[a, b[ et f (t) = o (д(t)).
t →b
Z b Z b
Si д(t) dt est convergente, alors f (t) dt est absolument convergente (et donc conver-
a a
gente).

Démonstration. Si f (t) = o (д(t)), alors il existe A > 0 tel que pour tout t ∈ [A, b[,
t →b

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


104 CHAPITRE 4 : INTÉGRALES IMPROPRES

0 6 |f (t)| 6 д(t).
Z b Z b
Et puisque д(t) dt converge, il en est de même de |f (t)| dt.
A Z A A Z b
4 C’est l’intégrale de la fonc-
Et donc, f étant continue sur [a, A], |f (t)| dt converge4 et ainsi |f (t)| dt converge.
a a tion continue |f | sur un
 segment, donc il n’y a pas de
problème de convergence.

Exemple 4.26 Intégrale de Gauss

2 2
Soit f (t) = e −t . La fonction f est continue sur R+ , et on a e −t = o (e −t ).
+∞
2
e −t 2
En effet, lim −t = lim e −t +t = 0.
t →+∞
Z +∞ e t →+∞ Z +∞
2
Puisque e −t dt converge, on en déduit que e −t dt converge.
0 Z +∞ √ 0
−t 2 π Astuce
De plus, on admettra que e dt = .
0 2 Ce résultat est admis, et n’a
pas été prouvé non plus en
première année. Il n’est en
général par utile de connaître
Exemple 4.27 par cœur la valeur de cette
intégrale. Si toutefois on en
a besoin, on se rappellera
ln t que l’intégrale de la densité
Soit f (t) = . La fonction f est continue et positive sur [1; +∞[. De plus, on a
t2 d’une loi N(0, 1) sur R est
égale à 1. Mais cela nécessite
t 3/2 ln t ln t de connaître l’expression de
lim
= lim √ = 0 cette densité !
t →+∞ t2 t →+∞ t
! Z +∞
1 dt
donc f (t) = o . Mais l’intégrale est convergente (intégrale de
t →+∞ t 3/2 1 t 3/2
Z +∞
ln t
Riemann), de sorte que dt converge.
1 t2

4.2.5 Reste d’une intégrale convergente

Z b
Définition 4.28 – Soit f : [a, b[→ R une fonction continue telle que f (t) dt
a
soit convergente. On appelle reste de l’intégrale la fonction R : [a, b[→ R définie
pour tout x ∈ [a, b[ par
Z b
R(x) = f (t) dt .
x

Z b
Proposition 4.29 : Si f (t) dt est convergente, alors Ce résultat est similaire au
a résultat sur le reste d’une
série convergente.
Z b
lim− R(x) = lim− f (t) dt = 0.
x →b x →b x

Démonstration. Soit x ∈ [a, b[. Alors


Z b Z b Z x Z b Z b a x b
R(x) = f (t) dt = f (t) dt − f (t) dt −→− f (t) dt − f (t) dt = 0. FIGURE 4.4– Graphiquement :
x a a x →b a a
le reste est l’aire sous la courbe
 entre x et b : il tend vers 0
lorsque x → b.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 105

Exemple 4.30
Z Z
+∞
sin t +∞
sin t
On a prouvé que √ dt est convergente. Donc lim √ dt = 0.
1 t t x →+∞ x t t

4.3 TECHNIQUES DE CALCUL D’INTÉGRALES


4.3.1 Intégration par parties

Proposition 4.31 : Soient f , д deux fonctions de classe C1 sur [a, b]. Alors Ce théorème n’est pas nou-
veau, on parle bien ici d’inté-
Z b Z b gration sur un segment, c’est
0
f (t)д(t) dt = [f (t)д(t)]ba − f (t)д 0(t) dt . le résultat de première année.
a a

Dans le cas d’une intégrale impropre sur [a, b[, lorsqu’on souhaite réaliser une intégration
par parties, on commencera par effectuer cette intégration par parties sur un segment [a, x],
avec x ∈ [a, b[, puis on fera tendre x vers b par valeurs inférieures. Dans ce cas, on veillera
bien à justifier que toutes les limites considérées existent.

Exemple 4.32
Z +∞
Calculons e −t sin(t) dt.
0
La fonction t 7→ e −t sin(t) est continue sur [0, +∞[.
Pour toutZt > 0, on a 0 6 | sin t|Z6 1 et donc 0 6 |e −t sin t| 6 e −t .
+∞ +∞
Puisque e −t dt converge, e −t sin(t) dt converge absolument.
0 0
Soit donc A > 0. Alors les fonctions u(t) = e −t et v(t) = − cos(t) sont C1 sur [0, A],
avec u 0(t) = −e −t et v 0(t) = sin t. Une intégration par parties donne alors

 A
Z A Z A
e −t sin(t) dt = −e −t cos(t) 0 − e −t cos(t) dt = 1 − e −A cos(A).
0 0

Mais une seconde intégration par parties nous donne alors

 A
Z A Z A
−t
e cos(t) = e −t sin(t) 0 + e −t sin(t) dt .
0 0

Ainsi,
Z A Z A
−t −A −A
e sin(t) dt = 1 − e cos(A) − e sin(A) + e −t sin(t) dt .
0 0

Soit encore Z A
1 cos(A) + sin(A)
e −t sin(t) dt = − e −A .
0 2 2
Mais pour tout A > 0, | cos(A) + sin(A)| 6 | cos(A) + sin(A)| 6 2, et donc la fonction
A 7→ cos(A) + sin(A) est bornée sur R+ .
5 Le produit d’une fonction
Par conséquent5 ,
bornée par une fonction de
Z Z A limite nulle tend vers 0
+∞
1
e −t sin(t) dt = lim e −t sin(t) dt = .
0 A→+∞ 0 2

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


106 CHAPITRE 4 : INTÉGRALES IMPROPRES

4.3.2 Changement de variable

Théorème 4.33 : Soit f une fonction continue sur ]α, β[, α, β ∈ R et soit φ une fonction Hypothèses
C1 sur ]a, b[⊂ R, strictement monotone et telle que lim+ φ(t) = α et lim− φ(t) = β. Les hypothèses sont un peu
t →a t →b
Z β Z b plus contraignantes qu’en
0 première année : il faut non
Alors les intégrales f (t) dt et f (φ(t))φ (t) dt sont de même nature, et en cas de
α a seulement vérifier que le
convergence, sont égales. changement de variable est
C1 , mais en plus s’assurer de
sa stricte monotonie.
Démonstration. Traitons le cas où φ est croissante.
Commençons par noter que d’après le théorème de la bijection, φ réalise une bijection de
]a, b[ sur ]α, β[.
Notons F une primitive de f sur ]α, β[, et coupons en deux notre intégrale de départ, en
prenant c ∈]a, b[.
Alors, pour x ∈ [c, b[, on a
Z x
f (φ(t))φ 0(t) dt = [F (φ(t))]bx = F (φ(x)) − F (φ(c)).
c

D’autre part, pour u ∈ [φ(c), β[, on a


Z u
f (t) dt = F (u) − F (φ(c)).
φ(c)

Mais alors
Z b Z x
f (φ(t))φ 0(t) dt converge ⇐⇒ lim f (φ(t))φ 0(t) dt existe
c x →b c
⇐⇒ lim F (φ(x)) existe
x →b
Équivalence
⇐⇒ lim F (u) existe Ici, on a une équivalence car
u→β
Z u φ est une bijection.
⇐⇒ lim f (t) dt existe Dans le sens ⇐, il n’est pas
u→β φ(c) nécessaire de supposer ceci,
Z c’est juste une composition
β
de limite.
⇐⇒ f (t) dt converge. Mais pour obtenir l’impli-
φ(c)
cation réciproque, il faut
composer des limites avec
De plus, dans le cas où ces deux intégrales convergent, on a alors lim F (φ(x)) = lim F (u),
x →b u→β φ −1 , qui existe si φ est bijec-
tive.
et donc les deux intégrales sont égales.
Z c Z φ(c)
De même, on prouve que f (φ(t))φ 0(t) dt et f (t) dt sont de même nature, et en
a α
cas de convergence sont égales.
Z b
Or, par définition, f (φ(t))φ 0(t) dt converge si et seulement si les deux intégrales
Z c a
Z b
f (φ(t))φ 0(t) dt et f (φ(t))φ 0(t) dt convergent.
a c Z φ(c) Z β
Donc si et seulement si les deux intégrales f (t) dt et f (t) dt convergent.
α φ(c)
Z β
Soit si et seulement si f (t) dt converge.
α

Et en cas de convergence, on a alors


Z b Z c Z b
f (φ(t))φ 0(t) dt = f (φ(t))φ 0(t) dt + f (φ(t))φ 0(t) dt
a a c
Z φ(c) Z β
= f (t) dt + f (t) dt
α φ(c)

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 107
Z β
= f (t) dt .
α
L’idée de la preuve est la même lorsque φ est décroissante, sauf que cette fois, φ réalise une
bijection de ]a, b[ sur ]β, α[.
Z b Z φ(c)
On a alors f (φ(t))φ 0(t) dt qui «correspond» à f (t) dt. 
c α

Remarques. • Comme pour l’intégration par parties, on pourrait choisir de procéder à un


changement de variable sur un segment (comme fait en première année), puis prendre des
limites. L’inconvénient de cette méthode est qu’il faut alors exprimer la bijection réciproque
de φ, afin d’être capable d’expliciter correctement les bornes. Ce théorème permet donc
de gagner un peu de temps, et surtout d’alléger les notations.
• Le théorème affirme que les deux intégrales avant et après changement de variable sont
de même nature. Il suffit donc d’étudier la convergence d’une seule des deux intégrales.
• Le théorème s’applique notamment pour un changement de variable affine, c’est-à-dire
de la forme φ(t) = at + b, avec a , 0.
Le programme officiel précise qu’un changement de variable qui ne serait pas affine doit
être donné dans l’énoncé.

Exemple 4.34
Z +∞
1
Calculons t + e −t
dt à l’aide du changement de variable x = e t .
0 e
6 Où l’on donne la «nou-
Notons que lorsqu’on donne un changement de variable de cette forme6 , cela
Z b velle» variable en fonction de
signifie que l’intégrale de départ est f (φ(t))φ 0(t) dt, et donc il faut déjà trouver «l’ancienne».
a
la fonction f pour laquelle ceci est vrai.
Notons donc φ(t) = e t . Cette fonction est de classe C1 sur [0, +∞[, strictement
croissante, et on a lim φ(t) = 1 et lim φ(t) = +∞.
t →0 t →+∞
De plus, φ 0(t) = e t et on a alors
=φ 0 (t )
1 1 et 1 z}|{
= = et .
e t + e −t e t + e −t e t (e t )2 + 1
| {z }
=f (φ(t ))

1
Et donc on doit avoir f (φ(t)) = .
(e t )2 + 1
1
Pour cela, considérons la fonction f : x 7→ .
x2 + 1
Z +∞
1
Alors, par le théorème de changement de variable, les intégrales t
dt
Z +∞ 0 e + e −t
1
et 2
dx sont de même nature, et en cas de convergence sont égales.
1 x +1
Mais pour A > 0, on a
Z A
1 π π π
dx = [Arctan(x)]A
1 = Arctan(A) − Arctan(1) A→+∞
−→ − = .
1 x 2+1 2 4 4
Z +∞
dx π
On en déduit que converge et vaut .
Z +∞ 1
2
x +1 4
1 π
Et donc dt converge également et vaut aussi .
4


t
e +e −t
0
Hypothèses
Une rédaction bien plus simple. Cette étape est la même que
En pratique, cette rédaction est un peu lourde. Voici une rédaction plus facile, et dans la rédaction précédente
et est inévitable : il s’agit
qui avec un peu d’entraînement sera bien plus simple à utiliser. de vérifier les hypothèses du
Soit φ(t) = e t . Cette fonction est de classe C1 sur [0, +∞[, strictement croissante, et théorème de changement de
on a lim φ(t) = 1 et lim φ(t) = +∞. variable.
t →0 t →+∞

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


108 CHAPITRE 4 : INTÉGRALES IMPROPRES

dx Détails
On a alors x = e t ⇔ t = ln(x), de sorte que dt = .
x Z Il s’agit ici d’une notation :
+∞
1 dx et dt n’ont pas de signifi-
Et donc, par le théorème de changement de variable, les intégrales t
dt cation mathématique précise
Z +∞ ! Z +∞ 0 e + e −t
pour nous.
1 dx dx
et 1
= 2
sont de même nature et en cas de convergence L’idée est de partir de l’éga-
1 x+x x 1 x +1 lité t = ln(x ), et de la dériver
sont égales. des deux côtés.
À gauche, on dérive par
On conclut comme dans la rédaction précédente, en étudiant la nature de la seconde
rapport à t , et donc on note
intégrale et en calculant sa valeur. dt pour s’en souvenir, à
Notons que pour passer de la première intégrale à la seconde, nous avons : droite on dérive par rapport
à x et on note dx pour s’en
1. changé les bornes : lorsque t → 0, alors x → 1 et lorsque t → +∞, alors x → +∞.
souvenir.
2. remplacé les e t par des x (ou de manière équivalente, changé les t en ln(x)).
dx
3. changé le dt en .
x

Proposition 4.35 (Intégrale des fonctions paires et impaires) : Soit f une fonc-
Z (respectivement impaire) et continueZsur ] − a, a[, a ∈ R ∪ {+∞}. ;
tion paire
a a
Alors f (t) dt converge si et seulement si f (t) dt converge, et dans ce cas
−a 0
Z a Z a Z a !
f (t) dt = 2 f (t) dt . resp. f (t) dt = 0
−a 0 −a

Démonstration. Dans le cas où f est paire, le changement de variable u = −t nous indique


que
Z a Z −a Z 0
f (t) dt et − f (−u)du = f (u)du
0 0 −a

sont de même nature, et qu’en cas de convergence elles sont égales, d’où le résultat.
Dans le cas où f est impaire, on a alors
Z a Z −a Z 0
f (t) dt et − f (−u) du = − f (u) du
0 0 −a

qui sont de même nature et égales en cas de convergence.


Mais dans ce dernier cas, on a alors
Z a Z 0 Z a
f (t) dt = f (t) dt + f (t) dt = 0.
−a −a 0

f paire f impaire

−a a

−a a

FIGURE 4.5 – Dans les deux cas, les deux aires sont égales. Dans le cas d’une fonction
impaire, les deux intégrales correspondantes sont alors de signe opposé.

B Cette proposition ne dispense pas totalement


Z d’une étude de convergence : il est
a
indispensable de déterminer la nature de f (t) dt.
0
En revanche, il n’y a alors qu’un seul problème éventuel de convergence à étudier (au

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 109
Z a
voisinage de a), alors qu’a priori, pour déterminer la nature de f (t) dt, il y a d’éventuels
−a
problèmes de convergence en a et en −a.
Z +∞
B Même pour une fonction impaire, il faut étudier la convergence, par exemple t 3 dt
Z −∞
+∞
ne converge pas, car t 3 dt diverge.
0 Z +∞
Il n’est donc pas question de dire que t 3 dt = 0.
−∞

4.4 UNE NOUVELLE FONCTION : LA FONCTION Γ


Z +∞
Proposition 4.36 : Soit x ∈ R+∗ . Alors l’intégrale t x −1e −t dt est convergente.
0 FIGURE 4.6– L’intégrale de t 3
entre −∞ et +∞ diverge :
aucune des deux aires n’est
Démonstration. La fonction t 7→ t x −1e −x est positive et continue sur ]0; +∞[. finie.
1
Au voisinage de 0, e −t ∼ 1, de sorte que t x −1e −t ∼ t x −1 = 1−x .
Z 1 t →0 t
1
Or x > 0 ⇔ 1 − x < 1, et donc 1−x
dt est une intégrale de Riemann convergente.
0 t Z 1
Par comparaison des fonctions positives, on en déduit que t x −1e −t dt est convergente.
0
Au voisinage de +∞, on a t 2t x −1e −t = t x +1e −t −→ 0 par croissance comparée.
! Z +∞ t →∞
1 1
Donc t x −1e −t = o 2 . Mais, dt est une intégrale de Riemann convergente, et
t 1 t2 Z +∞
donc par comparaison des fonctions positives, t x −1e −t dt est convergente.
1
On en déduit donc que
Z +∞
t x −1e −t dt est convergente.
0

Définition 4.37 – Pour x ∈ R+∗ , on pose


Z +∞
Γ(x) = t x −1e −t dt .
0

Proposition 4.38 : ∀x ∈ R+∗ , on a Γ(x + 1) = x Γ(x).

Démonstration. Procédons à une intégration par parties : soit [a, b] un segment de R+∗ .
Alors
 b
Z b Z b Z b
t x e −t dt = −t x e −t a + x t x −1e −t dt = a x e −a − b x e −b + x t x −1e −t dt .
a a a

En passant à la limite lorsque a tend vers 0, on a


Z b Z b
x −t x −b
t e dt = −b e + x t x −1e −x dt .
0 0

Puis, lorsque b → +∞, par croissances comparées, il vient


Z +∞ Z +∞
Γ(x + 1) = t x e −x dt = x t x −1e −t dt = x Γ(x).
0 0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


110 CHAPITRE 4 : INTÉGRALES IMPROPRES

Un peu d’histoire
Corollaire 4.39 – ∀n ∈ N, Γ(n + 1) = n! Historiquement, c’est cette
formule qui a justifié qu’on
s’intéresse à la fonction Γ :
Démonstration. Prouvons le résultat par récurrence sur n. Pour n = 0, on a les mathématiciens du XVIIIe
siècle cherchaient un moyen
Z −∞ Z 1 Z b de prolonger la factorielle,
Γ(1) = e −t dt = lim+ e −t dt+ lim e −t dt = lim+ (e −a −1)− lim (1−e −b ) = 1 = 0!. a priori définie uniquement
0 a→0 a b→∞ 1 a→0 b→∞
pour les nombres entiers à
tous les réels positifs.
Supposons que Γ(n) = (n − 1)! Alors Γ(n + 1) = nΓ(n) = n(n − 1)! = n! On s’est aperçus plus tard
Ainsi, par le principe de récurrence, que cette fonction était im-
portante dans de nombreux
∀n ∈ N, Γ(n + 1) = n! domaines des mathématiques.
En ce qui nous concerne,
 nous l’utiliserons surtout en
probabilités, où elle nous
permettra de définir une nou-
velle densité, qui intervient
Exemple 4.40 pas exemple lorsqu’on s’inté-
resse à la somme de plusieurs
variables aléatoires suivant
On a par exemple Γ(4) = 6 et Γ(6) = 120. une même loi exponentielle.

Remarque. Ainsi, la fonction Γ est un prolongement de la factorielle (définie uniquement


pour les entiers positifs) à l’ensemble des nombres réels.
Croissances
On sait que e n = o(n!). Une
étude un peu plus poussée de
6 la fonction Γ nous permet-
trait de prouver que
ex = o (Γ(x )).
x →+∞

4 Autrement dit, la fonction


Γ tend vers +∞ «encore
plus vite» que la fonction
exponentielle.

0
0 1 2 3 4

FIGURE 4.7 – La fonction Γ.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


MÉTHODES 111

MÉTHODES DU CHAPITRE 4

! MÉTHODE 4.1 :
Z b
Étudier la convergence d’une intégrale f (t) dt
a
•Étudier précisément le domaine de continuité de f , repérer les problèmes éventuels (là où le domaine est ouvert), et à
l’aide de la relation de Chasles, couper l’intégrale en morceaux ne contenant qu’un seul problème à la fois.
Si l’un de ces morceaux diverge, l’intégrale est divergente, sinon on doit prouver que tous les morceaux sont convergents.
Ensuite, on peut :
• Utiliser une primitive de f si on en trouve une, calculer l’intégrale sur un segment, puis faire un passage à la limite.
• En une borne finie, étudier l’existence d’une éventuelle limite de f . Si on trouve une limite finie ( = si f est
prolongeable par continuité), l’intégrale est faussement impropre, donc converge.
• Pour une fonction positive, utiliser des majorations, des minorations, des équivalents pour se ramener à une intégrale
qu’on sait étudier aisément (le plus souvent une intégrale de Riemann, éventuellement une intégrale étudiée plus tôt
au cours de l’exercice).
• Montrer que t est négligeable devant une intégrale de Riemann convergente en montrant que t α f (t) −→ 0 pour α
bien choisi.
Exercices de TD : 4.1, 4.3, 4.4, 4.5, 4.6, 4.8, 4.9, 4.10, 4.11, 4.13, 4.14, 4.15, 4.16

! MÉTHODE 4.2 :
Z b
Calculer f (t) dt lorsqu’on connaît une primitive de f .
a
On calcule alors l’intégrale sur un segment [c, d], puis on fait tendre c vers a puis d vers b.
Notons que si le domaine de continuité de f est fermé d’un des deux côtés (i.e. du type [a, b[ ou ]a, b]) il suffit de prendre
une seule limite.
Exercices de TD : 4.1

! MÉTHODE 4.3 :
Z b
Calculer une intégrale f (t) dt par intégration par parties.
a
On se place toujours sur un segment [c, d] ⊂]a, b[, sur lequel on réalise une intégration par parties classique. Puisqu’il est
plus difficile d’intégrer que de dériver, on commence en général par chercher comment écrire f comme un produit dont
on sait intégrer un des deux termes.
Après avoir réalisé l’intégration par parties sur un segment, on fait tendre les bornes c et d vers a et b.
Exercices de TD : 4.11, 4.13, 4.14

! MÉTHODE 4.4 : Calculer une intégrale par changement de variable t = φ(x)


Le changement de variable doit être indiqué dans l’énoncé, sauf éventuellement s’il est affine. On doit alors :
• Vérifier que φ est C1 et vérifier sa stricte monotonie (si φ est affine, ces conditions sont automatiquement vérifiées).
• Déterminer les limites de φ aux bornes de l’intervalle afin de déterminer les bornes de l’intégrale obtenue après
changement de variable.
• Exprimer x en fonction de t, dériver la relation ainsi obtenue de manière à obtenir dt en fonction de dx.
• Appliquer correctement la formule de changement de variable.
• Étudier la nature de l’une ou l’autre des intégrales avant changement de variable ou après.
Exercices de TD : 4.6, 4.8, 4.10, 4.12, 4.15, 4.16

! MÉTHODE 4.5 :
On devra connaître
Reconnaître et utiliser la fonction Γ
Z +∞
• la formule définissant Γ : ∀x > 0, Γ(x) = t x −1e −t dt,
0

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


112 CHAPITRE 4 : INTÉGRALES IMPROPRES

• la formule Γ(n) = (n − 1)! n ∈ N∗ .


Exercices de TD : 4.7, 4.8, 4.12

Des sujets de révision intéressants :


• EDHEC 2015 exercice 1
• EDHEC 2003, exercice 2 (DS2 2016/2017) : un sujet mêlant intégrales et séries, thème assez classique.
• ECRICOME 2009, exercice 2 : technique, mais si vous savez tout faire dans cet exercice, vous êtes au point sur les
intégrales impropres !
• EM Lyon 2013, problème 1.
• ESSEC 2013 : très calculatoire, mais plutôt abordable pour un sujet de parisienne.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 113

EXERCICES DU CHAPITRE 4
EXERCICE 4.1 Déterminer la nature des intégrales suivantes, et en cas de convergence, calculer leur valeur : F
Z 1 Z Z Z Z
+∞
2 /2
+∞
Arctan(t)2 +∞
dt +∞
dt
ln(t) dt, te −t dt, dt, , .
0 0 −∞ 1 + t2 e t ln t 1 (1 + t 2 )Arctan(t)

EXERCICE 4.2 Des sommes de Riemann ! AD


n−1 n n
1X 1 1 X 2 kπ 1 X  k +n  n1
Déterminer les limites suivantes : lim 2
, lim cos , lim e .
n→+∞ n 1 + k 2 n→+∞ n n n→+∞ n
k =0 n k =1 k=0

EXERCICE 4.3 Des études de convergence AD


Déterminer la nature des intégrales suivantes.
Z +∞ ! Z ∞ Z +∞ Z +∞ √
1 dt ln t sin(x x)
sin 2 dt, √ , dt, dx .
1 t 0 (1 + 2t) t 1 t2 − 1 0 x2

EXERCICE 4.4 Déterminer la nature, et le cas échéant, calculer la valeur des intégrales suivantes : PD
Z Z ! Z +∞
+∞
t ln(t 2 ) +∞
1 1 2
dt, ln dt, te −t dt .
−∞ 1 + t4 −∞
2
t t −∞

EXERCICE 4.5 Un classique des problèmes d’algèbre bilinéaire PD


Z +∞
1) Montrer que pour tout polynôme P ∈ R[X ], P(t)2e −t dt est convergente. Montrer qu’alors elle est positive.
0
Z +∞
2) À quelle condition sur P a-t-on P(t)2e −t dt = 0 ?
0
Z +∞
dx
EXERCICE 4.6 Soit α ∈ R+∗ . Étudier la convergence de et calculer sa valeur à l’aide du changement de F
0 x2 + α
x
variable t = √ .
α
EXERCICE 4.7 (Extrait
Z de EDHEC 2014) F
+∞
2 −t
Montrer que l’intégrale (3t − 2) e dt converge, et la calculer.
0
Z +∞
EXERCICE 4.8 Soit α un réel strictement positif et n ∈ N. Montrer la convergence et calculer la valeur de t n e −α t dt. PD
0
Z +∞
EXERCICE 4.9 Soit α ∈ R. Étudier la convergence de e α t e −|t | dt suivant la valeur de α, et en cas de convergence, PD
−∞
calculer sa valeur.
EXERCICE 4.10 ! Z +∞ PD
√1 √
1) Montrer que = o xe − x2
, puis en déduire que xe − x dx converge.
x →+∞ x 0
Z ∞ √
2) Montrer plus généralement que pour n ∈ N, In = x n e − x dx converge.
0
3) À l’aide du changement de variable x = t 2, exprimer In en fonction de la fonction Γ, puis en déduire la valeur de In .

EXERCICE 4.11 (Extrait d’Écricome 93)


Z PD
+∞
ln(t)
Justifier l’existence et calculer la valeur de dt .
1 t 3/2
EXERCICE 4.12 Valeur de Γ aux demi-entiers.
Z +∞ AD
−t 2 /2

On rappelle que l’intégrale de Gauss est e dt = 2π .
−∞
!
t2 1
1) À l’aide du changement de variable u = , calculer Γ .
2 2

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


114 CHAPITRE 4 : INTÉGRALES IMPROPRES
! √
1 (2n)! π
2) En déduire que pour tout entier naturel n, Γ n + = .
2 4n n!

EXERCICE 4.13 (Extrait d’Ecricome 2005) AD


Z +∞
dt
1) Déterminer pour quelles valeurs du réel α l’intégrale Jα converge, où Jα = .
0 (1 + t 2 )α
2) À l’aide d’une intégration par parties, montrer que pour tout réel α supérieur ou égal à 1, on a
Z +∞
t2 1 2α − 1
dt = Jα . En déduire que pour tout réel α supérieur ou égal à 1, Jα +1 = Jα .
0 (1 + t 2 )α +1 2α 2α
3) Calculer J1 . Pour n entier supérieur ou égal à 1, calculer Jn .
Z +∞
cos(nt)
EXERCICE 4.14 Pour n ∈ N∗ , on pose In = dt. AD
0 1 + t2
1) Montrer que In converge.
Z
2 +∞
t sin(nt)
2) À l’aide d’une intégration par parties, montrer que In = dt et en déduire que lim In = 0.
n 0 (1 + t 2 )2 n→+∞

EXERCICE 4.15 Changements de variable AD


Déterminer la nature, et le cas échéant, calculer la valeur des intégrales suivantes grâce au changement de variable indiqué.
Z ! Z +∞ 1
 ! Z +∞ √
+∞
1 − x2 1 Arctan t 1 1+x −1  √ 
dx u = , dt u = , dx t = 1 + x .
0 (1 + x 2 )2 x 1 t2 t 0 x(1 + x)

EXERCICE 4.16 (d’après HEC 2014) AD


Z 1
Pour tout couple (r , s) ∈ N2 , montrer que l’intégrale x r (ln x)s dx est convergente. On pourra utiliser, après l’avoir justifié,
Z 1 0
(−1)s s!
le changement de variable u = − ln x. Montrer que x r (ln x)s dx = .
0 (r + 1)s+1
EXERCICE 4.17 Fonction définie par une intégrale Z AD
e −t +∞
Pour x ∈ R, on note, sous réserve de convergence, f (x) = √ cos(xt) dt.
0 t
1) Montrer que, pour tout x ∈ R, l’intégrale définissant f (x) converge absolument. Ainsi, f est une fonction définie sur
R.
2) Montrer que f est paire et que pour tout x ∈ R, |f (x)| 6 Γ(1/2).
3) a) Montrer que pour tout (a, b) ∈ R2 , on a | cos(a) − cos(b)| 6 |a − b|.
b) En déduire que pour tous (x, x 0 ) ∈ R2 , on a |f (x) − f (x 0 )| 6 Γ(1/2)
2 |x − x 0 |.
c) Montrer que f est continue sur R.

EXERCICE 4.18 Comparaison série/intégrale (Oral ESCP 2014) D


On considère une fonction f continue, décroissante et strictement positive sur l’intervalle [1; +∞[. On pose pour tout
entier n > 1 : Z n n
X
un = f (t) dt et vn = f (k).
1 k =1

1) Montrer que la suite (w n )n>1 définie par w n = vn − un est décroissante et à termes positifs.
Z +∞
2) On suppose que l’intégrale f (t) dt est divergente. Justifier l’inégalité un > 0 pour tout entier n > 2.
1  
vn
Déterminer la limite de la suite un .
n>2
Z +∞
3) Dans cette question, on suppose que l’intégrale f (t) dt converge.
1
a) Que peut-on dire de la série de terme général f (k) ?
X
+∞
f (n)
b) Donner, à l’aide d’une intégrale, un équivalent du reste Rn = f (k) lorsque lim R +∞ = 0.
n→+∞ f (t) dt
k =n+1 n
4) Applications :

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


ÉNONCÉ DES EXERCICES 115
n
X 1
a) Donner un équivalent de lorsque n tend vers +∞.
k
k =1
X
+∞
1
b) Donner un équivalent de lorsque n tend vers +∞.
k=n+1
1 + k2

EXERCICE 4.19 (QSP ESCP 2009) Z TD


+∞
Soit f une fonction continue et positive sur R+ telle que f (t) dt = 1.
0
Montrer qu’il existe a ∈ R+ tel que f (a) = e −a .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


116 CHAPITRE 4 : INTÉGRALES IMPROPRES

CORRECTION DES EXERCICES DU CHAPITRE 4


SOLUTION DE L’EXERCICE 4.1
Il s’agit de remarquer que pour toutes ces fonctions, on sait en déterminer une primitive,
et donc il suffit d’utiliser la définition d’une intégrale impropre : calcul de l’intégrale sur
un segment, puis passage à la limite.
1. La fonction t 7→ ln t est continue sur ]0, 1].
Pour x ∈]0, 1], on a
 1
Z 1
ln(t) dt = t ln t − t x = −1 − x ln x + x −→+ −1.
x x →0
Z 1 Z 1
Donc ln(t) dt converge et ln(t) dt = −1.
0 0
2
2. La fonction t 7→ te −t /2 est continue sur [0, +∞[. Pour x > 0, on a
Z x
2 f 2 gx 2
Méthode
te −t /2 dt = −e −t /2 = 1 − e −x /2 −→ 1. Il y a des problèmes éventuels
0 x →+∞
0 de convergence en −∞ et en
Z +∞ +∞.
2 /2
Donc te −t dt converge et vaut 1. On coupe donc l’intégrale
0 en deux (par exemple en 0),
Arctan(t)2 et on étudie séparément les
3. La fonction t 7→ est continue sur ] − ∞, +∞[. deux intégrales.
1 + t2
Pour A > 0, on a
Z A " #A Rappel
Arctan(t)2 1 3 1 3 1  π 3
dt = Arctan(t) = Arctan(A) −→ . Arctan(0) = 0, car la fonction
0 1 + t2 3 0 3 A→+∞ 3 2 Arctan est impaire.
Z +∞
Arctan(t)2 π3
Ceci prouve que converge et vaut .
0 1 + t2 24
De même, pour B < 0, on a
Z 0 " #0
Arctan(t)2 1 3 1 3 1  π 3
dt = Arctan(t) = − Arctan(B) −→ − − .
B 1 + t2 3 B 3 B→−∞ 3 2
Z 0
Arctan(t)2 π3
On en déduit que dt converge et vaut .
Z +∞ −∞ 1 + t2 24
Arctan(t) 2
1 Les deux intégrales entre
Ainsi1 , dt converge et
−∞ 1 + t2 −∞ et 0 et entre 0 et +∞
Z +∞ Z 0 Z +∞ convergent.
Arctan(t)2 Arctan(t)2 Arctan(t)2 π3
dt = dt + dt = .
−∞ 1 + t2 −∞ 1 + t2 0 1 + t2 12
1
4. La fonction t 7→ est continue sur [e, +∞[.
t ln t
Pour A > e, on a
 A
Z A
dt
= ln(ln t) e = ln(ln A) − ln(ln e) −→ +∞.
e t ln t | {z } A→+∞
=0
Z +∞
dt
Donc diverge.
e t ln t
1
5. La fonction t 7→ 2
est continue sur [1, +∞[.
(1 + t )Arctan(t)
Or, pour A > 1, on a
 A
Z A π  Rappel
dt
= ln(Arctan(t)) 1 = ln(Arctan(A)) − ln Arctan(1) = π
.
2
1 (1 + t )Arctan(t) 4 4
π  π 
−→ ln − ln = ln(2).
A→+∞ 2 4
Z +∞
dt
On en déduit que 2
dt converge et vaut ln(2).
1 (1 + t )Arctan(t)

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 117

SOLUTION DE L’EXERCICE 4.2


Notons qu’ici l’énoncé indique qu’il s’agit de sommes de Riemann, mais le plus dur est d’y
penser lorsqu’il s’agit de calculer de telles limites sans indications.

1. Pour la première, on reconnaît directement une somme de Riemann, pour la fonction


1
t 7→ sur le segment [0, 1]. Donc
1 + t2
n−1 Z 1
1X 1 dt π Autre option
lim = = [Arctant]10 = .
n→+∞ n 1+ 2k 2
0 1+t
2 4 Si on ne réalise pas qu’on
k =0 n
peut faire apparaître arti-
ficiellement la constante
2. Posons f (t) = cos2 (t). Alors π qui manque devant
n ! n ! Z π la somme, on peut aussi
1 X 2 kπ 1π −0X k(π − 0) 1 prendre f (t ) = cos2 (π t ) et
cos = f −→ f (t) dt . l’intégrer entre 0 et 1.
n n π n n n→+∞ π 0
k =1 k=

1 + cos(2t) cos2 (x)


Or, cos(2t) = 2 cos2 (t) − 1 ⇔ cos2 (t) = et donc
2 La linéarisation de cos2 (x )
Z π " #π peut également s’obtenir à
2 1 sin(2t) π l’aide des formules d’Euler :
cos (t) dt = t+ = .
0 2 2 0 2 e i x + e −i x
!2
cos2 (x ) = .
2
On en déduit que
n !
1 X 2 kπ 1π 1
lim cos = = .
n→+∞ n n π 2 2
k =1

3. Pour la dernière, notons qu’on a affaire à une somme allant de 0 à n, donc ce n’est pas
2 Les sommes de Riemann du
directement du cours2 .
n n
1 X  k+n  n1 e 1 X  k +n  n1 e1 cours vont de 0 à n − 1 ou de
Mais e = + e et il est clair que , qui est le terme correspondant 1 à n.
n n n n
k =0 k=1
à k = 0 tend vers 0 lorsque n → +∞.
Posons donc f (t) = e t . Alors
n n n ! Z 2
1 X k +n 1 X 1+ k 2−1X 2−1
e n = e n = f 1+k −→ f (t)dt = e 2 − e 1 .
n n n n n→+∞ 1
k =1 k =1 k =1

SOLUTION DE L’EXERCICE
 
4.3
1. La fonction t 7→ sin t12 est continue sur [1, +∞[, donc le seul éventuel problème de
convergence est au voisinage de +∞. !
1 1 1
Or, lorsque t → +∞, t 2 → 0 et donc sin 2 ∼ . Puisque l’intégrale de Riemann
Z +∞ t t →+∞ t2
dt 3 La fonction t 7→ 1 est
converge, par critère de comparaison pour les fonctions positives3 , il en est de 2
1 t2 Z !
t
positive, ce qui suffit.
+∞
1
même de sin 2 dt.
1 t
1
2. La fonction t 7→ √ est continue sur ]0; +∞[, donc il y a d’éventuels problèmes de
(1 + 2t) t
convergence en 0 et en +∞.
Z 1
1 1 dt
Au voisinage de 0, √ ∼ √ . Or, l’intégrale de Riemann √ dt est conver-
(1 + 2t) t t →0 t 0 t
gente, donc par critère de comparaison pour les fonctions positives, il en est de même de
Z 1
dt
√ .
0 (1 + 2t) t Z +∞
1 1 dt 4 C’est une intégrale de
Au voisinage de +∞, on a √ ∼ 3/2
. Puisque l’intégrale 3/2
converge4 ,
Z +∞ (1 + 2t) t t →+∞ 2t 1 t Riemann avec α = 3
2 > 1.
dt
il en est de même de √ .
Z +∞ 1 (1 + 2t) t
dt
Ainsi, √ converge.
0 (1 + 2t) t

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


118 CHAPITRE 4 : INTÉGRALES IMPROPRES

3. La fonction t 7→
ln t
est continue et positive sur ]1, +∞[, donc il y a d’éventuels Rédaction 
t2 − 1 Pour le critère de compa-
problèmes de convergence au voisinage de 1 et de +∞. ! raison, on a généralement
ln t ln t ln t 1 besoin de fonctions de signe
Au voisinage de +∞, on a t 3/2 2 ∼ √ −→ 0. Donc 2 = o . positif. Certes, si l’équivalent
t − 1 t →+∞ t t →+∞ t −1 t →+∞ t 3/2
Z +∞ est positif, ça suffit, mais
dt si il est aisé de voir que la
Puisque l’intégrale de Riemann 3/2
converge, par critère de comparaison, il en est
2 t fonction est positive sur le do-
Z +∞
ln t maine d’intégration, autant le
de même de 2−1
dt. préciser directement !
2 t
Au voisinage de 1, on a

ln t ln(1 + (t − 1)) t −1 1 Astuce


= ∼ ∼ .
t2 −1 (1 + t)(1 − t) t →1 2(t − 1) 2 Si l’on cherche un équivalent
Z 2 de ln t au voisinage de 1, on
ln t ln t se ramène à l’équivalent de
Ainsi, la fonction t 7→ 2 est prolongeable par continuité en 1, et donc 2
dt ln(1 + x ) en 0 en écrivant
t −1 1 t −1
est faussement impropre, donc convergente. ln(t ) = ln(1 + (t − 1)).
Z +∞ | {z }
ln t −→ 0
Ainsi, 2
dt converge. t →1
1 t −1

sin(x x)
4. La fonction x 7→ est continue sur ]0; +∞[, donc il y a d’éventuels problèmes de
x2
convergence au voisinage de 0 et de +∞.
Au voisinage de +∞, on a
sin(x √x) 1
6 2 .
x x
2
Z +∞ Z +∞ √
dx sin(x x)
Or l’intégrale converge, donc dx converge absolument, donc
1 x2 1 x2
converge.
√ √
√ √ sin(x x) x x 1
Au voisinage de 0, on a sin(x x) ∼ x x, et donc 2
∼ ∼ √ .
x →0 x x →0 x x →0 x
Z 1
dx
Puisque l’intégrale de Riemann √ converge, par critère de comparaison pour les
x
Z 1 √ 0
5 sin(x x) 5 √1 > 0
fonctions positives , 2
dx converge. x
Z +∞ 0 √x
sin(x x)
Par conséquent dx converge.
0 x2
SOLUTION DE L’EXERCICE 4.4 Danger
Z Pour une fonction impaire,
t ln(t 2 ) t +∞
ln(t 2 )
1. La fonction t 7→ 4
est continue sur R∗ et elle y est impaire. Donc 4
dt on ne conclura pas tout de
1+t Z +∞ Z +∞ −∞ 21 + t suite que l’intégrale est nulle,
2
t ln(t ) t ln(t ) il faut encore
converge si et seulement si 4
dt converge, et si c’est le cas, 4
dt = 0.
0 1+t −∞ 1 + t
B Attention !
Il y a des problèmes de convergence en 0 et en +∞.
Au voisinage de 0, on a On ne sort pas le carré du
ln avant de s’être placé sur
R+∗ , ou alors avec une valeur
t ln(t 2 ) 2t ln(t) absolue :
= ∼ t ln t −→ 0.
1 + t4 1 + t 4 t →0 t →0
ln(t 2 ) = 2 ln(|t |)
Z 1
t ln(t 2 ) sous peine d’écrire le loga-
Donc 4
dt est faussement impropre, donc converge.
0 1+t rithme d’un nombre négatif.
Au voisinage de +∞, on a

t ln(t 2 ) 2t ln t 2 ln t
= ∼ .
1 + t4 1 + t4 t →+∞ t3
t ln(t 2 ) 2 ln t
On a alors t 2 4
∼ −→ 0.
1+t t →+∞ ! t t →+∞ Z +∞
2
t ln(t ) 1 t ln(t 2 )
Et donc = o , de sorte que dt converge.
1 + t4 t →+∞ t 2
Z +∞ 1 1 + t4
2
t ln(t )
On en déduit donc que 4
dt converge et vaut 0.
−∞ 1 + t

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 119
!
1 1
2. La fonction t 7→ ln 2 est continue sur R∗ , et elle y est impaire.
Z ∞ ! t t Z ∞ !
1 1 1 1
Donc ln 2 dt converge si et seulement si ln 2 dt.
−∞ t t Z ∞ ! 0 t t
6 Cette inégalité est en fait
1 1
Et dans ce cas, on aura alors ln 2 dt = 0. vraie pour t > e. L’essentiel
! −∞ t t
étant qu’elle soit vraie pour
1 1 ln t t «assez grand», puisqu’on
Notons que ln 2 = −2 .
t t t s’intéresse à ce qu’il se passe
ln t 1 au voisinage de +∞.
Au voisinage de +∞, on a6 > > 0.
Z +∞ t t Z +∞ ! Remarque
dt 1 1
Puisque diverge, il en est de même de ln 2 dt. L’un des morceaux diverge,
Z 1 +∞ t ! 1 t t donc il n’est pas nécessaire
1 1 d’étudier la convergence
Et donc ln 2 dt diverge. de l’intégrale entre 0 et 1,
−∞ t t
2
puisque quoi qu’il se passe
3. La fonction t 7→ te −t est continue sur R, et elle y est impaire. au voisinage de 0, l’intégrale
2 2 entre 0 et +∞ est divergente.
Au voisinage de +∞, on a t 3te −t = t 4e −t . Si on pose x = t 2 , alors x −→ +∞ et donc par
t →+∞
2
croissances comparées, t 4e −t = x 2e −x −→ 0.
! x →+∞
−t 2 1
On en déduit que te = o .
t →+∞ t 3
Z +∞ Z +∞
dt 2
Puisque converge, il en est de même de te −t dt.
1 t 3
Z +∞ 0 Plus rapide
−t 2 On peut aussi dire que l’on
Et donc par imparité de l’intégrande, te dt converge et vaut 0. sait que
−∞
Z +∞
SOLUTION DE L’EXERCICE 4.5 t 2n e −t dt
0
1. La fonction t 7→ P(t)2e −t est continue sur [0, +∞[, donc le seul éventuel problème de
converge, car c’est Γ(n + 1).
convergence est au voisinage de +∞. Et alors, par critère de com-
Mais si on note an t n le coefficient dominant de P(t), alors au voisinage de +∞, paraison, notre intégrale
P(t)2e −t ∼ an2 t 2n e −t . En particulier, t 2 P(t)2e −t ∼ an2 t 2n+2e −t −→ 0. converge.
t →+∞ Z +∞t →+∞ t →+∞
  dt
2 −t 1
Donc P(t) e = o t 2 . Puisque l’intégrale converge, par critère de compa-
+∞ 1 t2 Z +∞
raison pour les fonctions positives, il en est de même de P(t)2e −t dt et donc de
Z +∞ 1

P(t)2e −t dt. Détails


0 On passe directement de
De plus, la fonction t 7→ P(t)2e −t est continue sur [0; +∞[, positive et donc l’intégrale entre 1 et +∞ à
l’intégrale entre 0 et +∞, car
Z +∞
l’intégrande étant continue
P(t)2e −t dt > 0. sur [0, 1], l’intégrale entre
0 0 et 1 est une intégrale sur
un segment, donc converge
2. La fonction t 7→ P(t)2e −t
dt est continue et positive sur ]0; +∞[. Donc automatiquement.
Z +∞
P(t)2e −t dt = 0 ⇔ ∀t ∈ [0; +∞[, P(t)2e −t = 0 ⇔ ∀t ∈ [0, +∞[, P(t)2 = 0. Une exponentielle n’est
0 jamais nulle !

Donc si l’intégrale est nulle, le polynôme P possède une infinité de racines : tous les
éléments de R+ . Mais le seul polynôme qui possède une infinité de racines est le polynôme
nul, donc P = 0. Z +∞
Inversement, il est évident que si P est le polynôme nul, alors P(t)2e −t dt = 0.
0

SOLUTION DE L’EXERCICE 4.6


1
La fonction x 7→ est continue sur [0, +∞[, donc le seul problème éventuel se situe
x2 +α
au voisinage de +∞.
1 1
Or au voisinage de +∞, 2 ∼ . Donc par critère de comparaison pour les
x + α x →+∞ x 2 Z +∞
dx
fonctions positives, puisque l’intégrale de Riemann converge, il en est de même
Z +∞ 1 x2
dx
de 2
.
0 x +α

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


120 CHAPITRE 4 : INTÉGRALES IMPROPRES
x
La fonction x 7→ √ est de classe C1 et réalise une bijection strictement croissante de
α Chgt de variable
[0; +∞[ sur [0; +∞[.
x √ √ Les deux intégrales sont de
Si on pose t = √ , alors x = αt et donc dx = α dt. même nature, donc si on a
α déjà prouvé que l’intégrale
Par le théorème de changement de variable, on a alors convergeait avant change-
Z +∞ Z +∞ Z +∞ ment de variable, il en est de
dx 1 √ 1 dt même après changement de
2
dx = √ 2 αt dt = √ 2
.
0 x +α 0 ( αt) + α α 0 t +1 variable.

Mais pour A > 0, on a


Z A
dt π
= [Arctant]A
0 = Arctan(A) − Arctan(0) = Arctan(A) A→+∞
−→ .
0 1 + t 2 2
Ainsi, Z Z
+∞
dx 1 +∞
dt π
=√ = √ .
0 x2 + α α 0 1 + t2 2 α
SOLUTION DE L’EXERCICE 4.7
On a (3t − 2)2e −t = 9t 2e −t − 12te −t + 4e −t .
7 Ici, si on ne reconnaît pas la
Mais les intégrales7
Z +∞ fonction Γ, on est bons pour
se lancer dans deux intégra-
t 2e −t dt =Γ(3) = 2 tions par parties successives,
0
Z +∞ ce qui sur un intervalle non
borné est toujours relative-
te −t dt =Γ(2) = 1
0 ment long. Mieux vaut donc
Z +∞ être capable de reconnaître
e −t dt =Γ(1) = 1 instantanément la fonction Γ.
0
Z +∞
convergent, donc (3t − 2)2e −t dt converge et
0
Z +∞
(3t − 2)2e −t dt = 9 × 2 − 12 + 4 = 10.
0 Chgt de variable
Ce changement de variable
SOLUTION DE L’EXERCICE 4.8 est affine, l’énoncé n’est donc
Procédons au changement de variable x = αt , qui réalise une bijection C1 strictement pas tenu de vous le préciser,
croissante de R+∗ sur R+∗ . vous devez être capable d’y
x 1 penser seul.
On a alors t = et donc dt = dx.
α α Z +∞
Par le théorème de changement de variable, les intégrales t n e −α t dt et
Z +∞   n Z +∞ 0
x dx 1
e −x = n+1 x n e −x dx sont de même nature, et en cas de convergence,
0 α α α 0 Méthode
sont égales. Généralement, on ne sait
Or, cette seconde intégrale est précisément Γ(n + 1), donc elle converge et vaut n! pas calculer de primitives
d’une fonction impliquant
On en déduit que l’intégrale de départ converge et
une valeur absolue.
Z +∞ Pour pallier à cet inconvé-
n!
t n e −α t dt = n+1 . nient, il suffit de découper
0 α l’intégrale en différents mor-
SOLUTION DE L’EXERCICE 4.9 ceaux sur lesquels la quantité
dans la valeur absolue est
La fonction t 7→ e α t e −|t | est continue sur R, donc il suffit d’étudier ce qui se passe au de signe constant : ici, sur
voisinage de −∞ et +∞. ] − ∞, 0], |t | = −t , et sur
Pour cela, commençons par découper l’intégrale en deux morceaux : [0, +∞[, |t | = t .
Z +∞ Z 0 Z ∞ Z 0 Z +∞
e α t e −|t | dt = e α t e −|t | dt + e α t e −|t | dt = e α t e t dt + e −α t e −t dt .
−∞ −∞ 0 −∞ 0
Z +∞ Z +∞
On a alors e α t e −t dt = e −(1−α )t dt.
0 0
D’après le cours cette intégrale converge si et seulement si 1 − α > 0 ⇔ α < 1.
8 Affine donc légitime.
D’autre part, le changement de variable8 x = −t montre que, sous réserve de convergence9
Z 0 Z +∞ Z +∞ 9 Par le théorème de chan-

e α t e t dt = e −α x e −x dx = e −(α +1)x dx . gement de variable, ces deux


−∞ 0 0 intégrales sont de même
nature.
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 121

Mais cette dernière intégrale converge si et seulement si α + 1 > 0 ⇔ α > −1.


Z 0
Et donc e α t e t dt converge si et seulement si α > −1.
−∞ Z +∞
On en déduit donc que e α t e −|t | dt converge si et seulement si on à la fois
−∞

10 En reprenant le même

α < 1
α > −1 ⇔ α ∈] − 1, 1[. Dans ce cas, on a alors10 changement de variable que
 précédemment.
Z +∞ Z Z
α t −|t |
+∞
−(1−α )t
+∞
1 1 2 Rappel
e e dt = e dt + e −(α +1)x dx = + = . Pour α > 0, on a
−∞ 0 0 1−α 1+α 1 − α2
Z +∞
1
Remarque : si on ne pense pas/veut pas à utiliser le changement de variable x = −t pour e −α t dt = .
α
Z 0 0

l’intégrale e α t e t dt, il est également possible d’étudier la convergence de cette intégrale


−∞
en utilisant une primitive sur un segment [A, 0] et en faisant tendre A vers −∞.
En cas de convergence, cela permet également de calculer la valeur de l’intégrale.
SOLUTION√ DE L’EXERCICE 4.10

1. On a x 2xe − x = X 6e −X où X = x. Mais lorsque x → ∞, X → ∞, et alors, par croissances
Rédaction 
En remarquant que x 7→

comparées, X 6e −X −→ 0. On en déduit que x e − x est continue en 0, on
X →+∞ a vu qu’il n’y avait pas de
! problème de convergence
√ 1
lim x 3e − x
= 0 ⇔ xe −x = o . de l’intégrale en 0. Et donc
x →∞ x →+∞ x2 l’intégrale entre 0 et +∞
converge si et seulement
√ 1 si l’intégrale entre 1 et +∞
La fonction x 7→ xe − x est continue sur [0, +∞[, et est négligeable devant 2 au voisinage
Z ∞ Z ∞ x converge car la convergence
dx √
− x de l’intégrale entre 0 et 1
de +∞. Or, converge, et donc il en est de même de xe dx et donc de est automatique : c’est la
Z 1 x2 1
∞ √ convergence d’une fonction
xe − x dx. continue sur un segment.
0
2. Le même raisonnement reste valable pour tout n, car on prouverait de même que
!
√ 1
x ne− x = o .
x →+∞ x 2

3. Le changement de variable x = t 2 est C1 , et strictement croissant sur R+ , avec lim t 2 = 0 et


t →0
lim t 2 = +∞. Par le théorème de changement de variable, on en déduit (car les intégrales
t →+∞
11 On a prouvé la conver-
sont convergentes11 ), que
Z +∞ Z +∞ Z gence de l’intégrale avant
√ +∞
2n −t changement de variable, et
n − x
x e dx = t e 2t dt = 2 t 2n+1e t dt = 2Γ(2n + 2) = 2(2n + 1)! donc la convergence de l’in-
0 0 0
tégrale après changement de
SOLUTION DE L’EXERCICE 4.11 variable est automatique.
ln(t) Méthode
La fonction t 7→ est continue sur [1; +∞[, donc le seul éventuel problème de conver-
t 3/2 C’est la «règle t α f (t )», ana-
gence est au voisinage de +∞. logue pour les intégrales de
Or, on a la règle n α u n : on essaie de
se ramener à une intégrale de
ln t ln t
t 5/4 3/2 = 1/4 −→ 0 Riemann, toute la difficulté
t t t →+∞ est de trouver laquelle...
! Z +∞
ln t 1 1
de sorte que 3/2 = o 5/4
. Puisque 5/4
dt est absolument convergente, il en
t Z t →+∞ t 1 t
+∞
ln t
est de même de 3/2
dt .
1 t
Pour calculer la valeur de cette intégrale, procédons à une intégration par parties sur un
1 1
segment de la forme [1, A], A > 1. Posons donc u(t) = ln t et v 0 = √ , soit u 0(t) = et
t t t
2 1
v(t) = − √ . Alors u et v sont de classe C sur [1, A] et
t
Z A " #A Z A
ln t 2 ln(t) 2
√ dt = − √ + √ dt
1 t t t 1 1 t t

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


122 CHAPITRE 4 : INTÉGRALES IMPROPRES
" #A
2 ln(A) 4
=− √ + −√
A t 1
2 ln(A) 4
=− √ − √ +4
A A
−→ 4
A→+∞
Z +∞
ln t
On en déduit que √ dt = 4.
1 t t
SOLUTION DE L’EXERCICE 4.12
2 /2
1. La fonction t 7→ e −t étant paire, on a
Z ∞ Z ∞
r
2 /2 1 2 /2 π
e −t dt = e −t dt = .
0 2 −∞ 2

t2 t2 t2
L’application t 7→ est C1 sur R+∗ , strictement croissante, et lim = 0 et lim = +∞.
2 t →0 2 t →+∞ 2
t2 √ 12 L’intégrale avant chan-
Donc par le théorème de changement de variable12 en posant u = ⇔ t = 2u, on a
2 gement de variable est déjà
1 convergente, donc il n’y a
dt = √ du et donc
2u aucune étude de convergence
! à réaliser.
Z ∞ Z ∞ Z +∞
2 1 1 1 1
e −t /2 dt = √ e −u du = √ u 1/2−1e −u du = √ Γ .
0 0 2u 2 0 2 2
 √
On en déduit que Γ 21 = π .
2. Par récurrence sur n, prouvons que
! √
1 (2n)! π
Γ n+ = .
2 4n n!

Pour n = 0, c’est le résultat de la question précédente.


Méthode
Supposons le résultat vrai pour n. Alors
Si on a anticipé le résultat,
! ! ! √ on sait qu’il faudra à la fin
1 1 1 2n + 1 (2n)! π obtenir du (2n + 2)! au numé-
Γ n+1+ = n+ Γ n+ =
2 2 2 2 4n n! rateur.
√ Or on a déjà
2n + 2 2n + 1 (2n)! π
= (2n)! × (2n + 1) = (2n + 1)!
2n + 2 2 4n n!

(2n + 2)(2n + 1) (2n)! π Il ne manque donc plus que
= le terme en 2n + 2. Pour le
4(n + 1) 4n n!
√ faire apparaître, il suffit de
(2n + 2)! π multiplier numérateur et
= n+1 . dénominateur par (2n + 2).
4 (n + 1)!

Ainsi, la formule est vraie au rang n + 1, et par le principe de récurrence,


! √
1 (2n)! π
∀n ∈ N, Γ n + = .
2 4n n!

SOLUTION DE L’EXERCICE 4.13


1
1. La fonction t 7→ est continue et positive sur R+ .
(1 + y 2 )α
1 1
Au voisinage de +∞, 2 α
∼ 2α
.
(1 + t ) t →+∞ t
13 Nous venons de dire qu’il
Par
Z +∞le critère de comparaison pour les fonctions positives, Jα est de même nature13 que
dt n’y avait pas de problème en

. 0, donc l’intégrale entière
1 Zt converge si et seulement
+∞
1 si l’intégrale entre 1 et +∞
Or, 2α
dt converge si et seulement si 2α > 1 ⇔ α > 21 .
1 t converge.
Donc Jα converge si et seulement si α > 12 .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 123

2. Soit A > 0. Procédons à une intégration par parties sur le segment [0, A], en posant u(t) = t
1 1
et v(t) = − .
2α (1 + t 2 )α
t
Ces deux fonctions sont de classe C1 sur [0, A], avec u 0(t) = 1 et v 0(t) = .
(1 + t 2 )α +1
14 Sur le segment [0, A].
Par intégration par parties14 , il vient
Z A " #A Z A Z A
t 2dt 1 t 1 dt 1 A 1 dt
= − + =− + .
0 (1 + t )
2 α +1 2α (1 + t ) 0 0 2α (1 + t )
2 α 2 α 2α (1 + A ) 2α 0 (1 + t 2 )α
2 α

A
Mais lim = 0, et donc
A→+∞ (1 + A2 )α
Z +∞ Z +∞
t2 1 dt 1
dt = = Jα .
0
2
(1 + t )α +1 2α 0
2
(1 + t )α 2α
Notons que
Z Z +∞ !
+∞
dt (1 + t 2 ) t2
Jα +1 = = − dt
0 (1 + t 2 )α +1 0 (1 + t 2 )α +1 (1 + t 2 )α +1
Z +∞
t2 1
= Jα − dt = Jα − Jα
0 (1 + t 2 )α +1 2α
2α − 1
= Jα .

3. Soit A > 0. Alors
Z A
dt π
= [Arctan(t)]A
0 = Arctan(A) A→+∞
−→ ,
0 1 + t2 2
de sorte que Z +∞
dt π
J1 = = .
0 1 + t2 2
En utilisant la formule prouvée à la question précédente, il vient alors
1π 3×1π (2n − 3)(2n − 5) · · · 1 π
J2 = , J3 = , . . . , Jn = .
22 4×2 2 (2n − 2)(2n − 4) · · · 4 × 2 2 Méthode
Pour se débarrasser d’un
Mais
produit de termes impairs
(2n − 3)(2n − 5) · · · 1 (2n − 2)(2n − 4) · · · 4 × 2 (2n − 3)(2n − 5) · · · 1 consécutifs, on peut multi-
= plier (au numérateur et au
(2n − 2)(2n − 4) · · · 4 × 2 (2n − 2)(2n − 4) · · · 4 × 2 (2n − 2)(2n − 4) · · · 4 × 2
dénominateur) par le produit
(2n − 2)! des termes manquants afin de
=
((2n − 2) · · · 4 × 2)2 faire apparître une factorielle.
(2n − 2)!
=
(2(n − 1)2(n − 2) × (2 × 2) × 2)2
(2n − 2)!
= 2 .
2n−1 (n − 1)!
On en déduit alors que
(2n − 2)! π
Jn = .
22n−2 (n − 1)!2 2
SOLUTION DE L’EXERCICE 4.14 Méthode
cos(nt) Puisque le cos n’est pas de
1. La fonction t 7→ est continue sur [0, +∞[, et pour tout t > 0, on a signe constant, on ne peut
1 + t2
cos(nt)
se contenter de dire que
1 1
6
cos(nt ) 6 1, une majoration
2
6 2.

1 + t 1 + t 2 t ne suffisant à prouver une
convergence que dans le cas
Z +∞
cos(nt) dt.
Z +∞
dt de fonctions positives.
Or, 2
converge, et donc il en est de même de 1 + t 2 Il est donc impératif de passer
1Z t 1 ici par la valeur absolue.
+∞
cos(nt)
Ainsi, dt converge absolument, donc converge.
1 1 + t2
Et ainsi, In converge.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


124 CHAPITRE 4 : INTÉGRALES IMPROPRES

1 1
2. Soit A > 0. Posons u(t) = sin(nt) et v(t) = , qui sont deux fonctions de classe C1
n 1 + t2
2t
sur [0, A], avec u 0(t) = cos(nt) et v 0(t) = − .
(1 + t 2 )2
15 Sur le segment [0, A].
Par intégration par parties15 , on a alors
Z " #A Z Z
A
cos(nt) 1 sin(nt) 2 A t sin(nt) 1 sin(nA) 2 A t sin(nt) Remarque
dt = + dt = + dt .
0 1 + t2 n 1 + t 2 0 n 0 (1 + t 2 )2 n 1 + A2 n 0 (1 + t 2 )2 Notons que la convergence
de cette dernière intégrale est
Mais, lorsque A → +∞, on a automatique : nous savons
sin(nA) 1 déjà que I n converge, donc
2
6 la limite quand x → A de
1 1 A2
+ A + Z A
cos(nt )
dt existe, et
sin(nA) 0 1 + t2
de sorte que par le théorème des gendarmes, lim = 0. donc, par somme de limites,
A→+∞ 1 + A2 Z A
Et donc t sin(nt )
lim dt
Z Z Z A→+∞ 0 (1 + t 2 )2
A A
cos(nt) 2 t sin(nt) 2 +∞
t sin(nt)
In = lim dt = lim dt = dt . existe également.
A→+∞ 0 1 + t2 A→+∞ n 0 (1 + t 2 )2 n 0 (1 + t 2 )2

Par l’inégalité triangulaire, on a donc Convergence

2 +∞ t sin(nt)
Z Z La dernière intégrale
2 +∞

t converge car le seul pro-
n 0 (1 + t 2 )2
|In | 6 dt 6 dt . blème est au voisinage de
n 0 (1 + t 2 )2
t 1
+∞, et ∼ .
Mais cette dernière intégrale est une constante, qui ne dépend pas de n, de sorte que (1 + t 2 )2 t →+∞ t 3
Z
2 +∞ t
lim dt = 0 et donc lim In = 0.
n→+∞ n 0 (1 + t 2 )2 n→+∞

SOLUTION DE L’EXERCICE 4.15


1 − x2
1. La fonction x 7→ est continue sur [0; +∞[.
(1 + x 2 )2
1 − x2 x2 −1 1 Bornes
Au voisinage de +∞, on a ∼ −
2 )2 t →+∞ x 4
= 2 . Or − 2 est de signe constant, et
Z +∞ (1 + x x x Z +∞ Le seul problème est en +∞
dx 1 − x2 donc la convergence sur
− 2 converge, donc par critère de comparaison, il en est de même de . [1, +∞[ nous suffit à garantir
1 x 0 (1 + x 2 )2
la convergence de l’intégrale
1 1 1
La fonction x 7→ est C1 sur ]0, +∞[, strictement décroissante, et lim+ = +∞, lim = sur [0, +∞[, car l’intégrale
x x →0 x x →+∞ x sur [0, 1] est l’intégrale d’une
1 1 du fonction continue sur un
0. Posons donc u = ⇔ x = , de sorte que dx = − 2 . Alors, par le théorème de
x u u segment, donc il ne peut
changement de variable, pas y avoir de problème de
convergence.
Z Z 0 1− 1 Z Z
+∞
1 − x2 u2 du +∞
u2 − 1 +∞
1 − u2
dx = −  2 2 = du = − du.
0 (1 + x 2 )2 +∞ 1+ 1 u 0 (u 2 + 1)2 0 (1 + u 2 )2
u2 16 Si nous n’avions pas
prouvé la convergence de
Nous remarquons alors que l’intégrale de départ est égale à son opposé, et donc est nulle16 .
 cette intégrale, on ne pour-
Arctan 1t rait rien dire !
2. La fonction t 7→ est continue et positive sur [1; +∞[.
t2
Or, pour tout t > 1, on a

Arctan 1t π 1
06 6 .
t 2 2 t2
Z +∞ 
Arctan 1t
Par comparaison à une intégrale de Riemann convergente, dt converge.
1 t2 Convergence
1 1
Et alors, la fonction t 7→ est C1 sur [1, +∞[, strictement décroissante, et lim = 1, Notons qu’ici, l’intégrale ob-
t t →1 t tenue après changement de
1 variable est une intégrale sur
lim = 0.
t →+∞ t un segment, donc automati-
1 1 du quement convergente.
Posons donc u = ⇔ t = , de sorte que dt = − 2 . Alors, par changement de variable, Il n’était donc pas indispen-
t u u
Z +∞  Z 0 Z 1
sable de vérifier que l’inté-
Arctan 1t Arctan(u) du grale avant changement de
dt = − = Arctan(u) du. variable était convergente...
1 t2 1
1
2
u2 0 u

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 125

Afin de calculer cette dernière intégrale, procédons à une intégration par parties sur le Primitive de Arctan
Inutile d’apprendre par cœur
segment [0, 1] :
une primitive de Arctan,
Z 1 Z 1 " #1 mais il est bon de savoir
u 1 π ln(2) qu’on peut en obtenir une
Arctan(u) du = [uArctan(u)]10 − 2
du = Arctan(1)− ln(1 + u ) = − . par intégration par parties
0 0 1 +u 2 2 0 4 2

1+x −1
3. La fonction x 7→ est continue et positive sur ]0, +∞[.
x(1 + x)
√ 1
Au voisinage de 0, on a 1 + x − 1 ∼ x et donc
x →0 2

1+x −1 1x 1
∼ = .
x(1 + x) x →0 2 x 2
Z 1 √
1+x −1
Autrement dit, l’intégrale dx est faussement impropre.
√0 x(1 + x) √
1+x −1 x 1
Au voisinage de +∞, on a ∼ = 3/2 .
x(1 + x) x →+∞ x 2 x √
Z +∞
1+x −1
Par comparaison à une intégrale de Riemann convergente, on en déduit que dx
1 x(1 + x)
est convergente.
√ √
L’application x 7→ 1 + x est C1 sur [1, +∞[, strictement croissante, et lim 1 + x = +∞.
√ x →+∞
Si l’on pose t = 1 + x ⇔ x = t 2 − 1, alors dx = 2t dt. Ainsi Rappel
Z √ Z Z Il n’est pas nécessaire d’étu-
+∞
1+x −1 +∞
t −1 +∞
1 dier la nature de cette se-
dx = 2t dt = 2 dt conde intégrale : elle est
0 x(1 + x) 1 t 2 (t 2 − 1) 1 t(t + 1)
automatiquement conver-
1 1 1 gente car la première l’est.
Or, = − , de sorte que pour A > 1, on a
t(t + 1) t t + 1
Z A Z A Z A !
dt dt dt A+1
= − = ln(A) − ln(A + 1) + ln(2) = ln + ln(2).
1 t(t + 1) 1 t 1 t +1 A

A+1
Lorsque A → 0, on a → 1 et donc
A
Z +∞ √
1+x −1
dx = 2 ln(2).
0 x(1 + x)

SOLUTION DE L’EXERCICE 4.16


La fonction x 7→ x r (ln x)s est continue sur ]0, 1], et par croissances comparées,
lim x r (ln x)s = 0.
x →0
Z 1
Ainsi, x r (ln x)s dx est faussement impropre, et donc convergente.
0
L’application x 7→ − ln(x) est C1 sur ]0, 1], strictement décroissante, et on a lim+ − ln(x) =
x →0
+∞ et lim − ln(x) = 0. Alors, en posant u = − ln x ⇔ x = e −u , on a dx = −e −u du. Et donc
x →1


Z 1 Z 0 Z +∞
x r (ln x)s dx = − (−u)s e −u e −u du = (−1)s u s e −(r +1)u du.
0 +∞ 0
17 Cette fois, il s’agit d’un
Alors, en faisant encore un changement de variable17 t = (r + 1)u, il vient changement de variable
affine.
Z +∞ Z +∞  Z +∞
s −(r +1)u 1 t  s −t 1 s −t 1 s!
u e du = e dt = t e dt = Γ(s+1) = .
0 r + 1 0 r + 1 (r + 1)s+1
0 (r + 1)s+1 (r + 1)s+1

On en déduit que
Z 1
(−1)s s!
x r (ln x)s dx = .
0 (r + 1)s+1
SOLUTION DE L’EXERCICE 4.17

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


126 CHAPITRE 4 : INTÉGRALES IMPROPRES

e −t
1. Soit x ∈ R fixé. Alors la fonction t 7→ √ cos(xt) est continue sur ]0, +∞[.
t
Au voisinage de 0, on a
e −t e −t
√ cos(xt) 6 √ .
t t
e −t 1
Mais √ ∼ √ .
tZt →0 t Z 1 −t
e cos(xt) dt.
1
dt
Puisque √ converge, par critère de comparaison, il en est de même de √
0 t 0 t
Pour t > 1, on a
e −t e −t
√ cos(xt) 6 √ 6 e −t .
t t
Z +∞ −t
e cos(xt) dt.
Z +∞
−t
Puisque e dt converge, il en est de même de √t
1 1
Et donc l’intégrale définissant f (x) converge absolument.
2. Pour x ∈ R et t > 0, on a, par parité de la fonction cos,
e −t e −t
√ cos(xt) = √ cos(−xt).
t t
Et donc, en intégrant cette égalité, f (x) = f (−x) : f est une fonction paire.
e −t e −t Remarque
De plus, nous avons déjà mentionné que pour tout t > 0, √ cos(xt) 6 √ , donc par
t
Notons que la majoration
t
que nous avons utilisée ici
l’inégalité triangulaire, et par croissance de l’intégrale,
aurait permis directement
Z +∞ e −t Z +∞ e −t Z +∞ −t de montrer que l’intégrale
|f (x)| = √ cos(xt) dt 6 √ cos(xt) dt 6
e
√ dt . définissant f est absolument
0 t 0 t 0 t convergente, sans avoir be-
soin de couper l’intégrale en
Mais nous avons alors Z +∞ −t
e
Z Z deux, puisque √ est
+∞
e −t +∞
0 t
√ dt = t 1/2−1e −t dt = Γ(1/2). convergente.
0 t 0

Et donc |f (x)| 6 Γ(1/2).


3.a. La fonction cos est dérivable sur R, et (cos)0(x) = − sin(x).
En particulier, pour tout x ∈ R, on a |(cos)0(x)| 6 1.
18 Qui n’est autre que la
Et donc par l’inégalité des accroissements finis18 ,
formule de Taylor-Lagrange
∀(a, b) ∈ R2 , | cos(a) − cos(b)| 6 1 × |a − b|. à l’ordre 0.

3.b. Soient x et x 0 ∈ R et t > 0. Alors


| cos(xt) − cos(x 0t)| 6 |xt − x 0t| = t|x − x 0 |.
Et donc
e −t e −t
√ cos(xt) − √ cos(x 0t) = √ | cos(xt) − cos(x 0t)| 6 √ t|x − x 0 | = te −t |x − x 0 |.
e −t e −t √
t t t t
Et donc il vient
Z +∞ e −t Z +∞ −t
|f (x) − f (x 0 )| = √ cos(x 0t) dt
e
√ cos(xt) dt −
0 t 0 t
Z +∞ e −t
= √ (cos(xt) − cos(x 0t)) dt
0 t
Z +∞ −t

√t (cos(xt) − cos(x 0t)) dt
e Inégalité triangulaire.
6
0
Z +∞ −t
e
6 √ t|x − x 0 | dt
0 t
Z +∞
√ −t
6 |x − x 0 | te dt . Rappel
0 Pour tout x > 0, Γ(x + 1) =
Z +∞ √ x Γ(x ). Nous l’appliquons ici
1
Or, te −t dt = Γ(3/2) = Γ(1/2). pour x = 1/2.
0 2

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


CORRECTION DES EXERCICES 127

3.c. Soit x 0 ∈ R fixé. Alors, pour tout x ∈ R, on a


Méthode
Γ(1/2) Rappelons que par définition,
0 6 |f (x) − f (x 0 )| 6 |x − x 0 |.
2 une fonction f est continue
en x 0 si lim f (x ) = f (x 0 ).
x →x 0
Donc par le théorème des gendarmes, limx →x 0 |f (x) − f (x 0 )| = 0 ⇔ lim f (x) = f (x 0 ). Elle est continue sur un
x →x 0
Et donc f est continue en x 0 . Ceci étant vrai pour tout x 0 ∈ R, f est continue sur R. intervalle I si pour tout x 0 ∈
I , elle est continue en I .
SOLUTION DE L’EXERCICE 4.18 Lorsqu’on ne peut utiliser
les opérations usuelles sur les
1. On a Z
fonctions continues, il faut
n+1 impérativement revenir à ces
w n+1 − w n = vn+1 − vn + un+1 − un = f (n + 1) − f (t) dt définitions.
n

Mais par décroissance de f , pour tout tout t ∈ [n, n + 1], f (n + 1) 6 f (t), et donc
Z n+1 Z n+1
f (n + 1) = f (n + 1) dt 6 f (t) dt .
n n
f (n + 1)
On en déduit que w n+1 − w n 6 0 et donc (w n ) est décroissante.
De la même manière, on montre que pour tout k ∈ N∗ et tout t ∈ [k, k + 1], f (t) 6 f (k),
Z k +1 n n+1
et donc f (t) dt 6 f (k). FIGURE 4.1– L’intégrale, qui est l’aire
k
de la partie colorée est plus grande que
En sommant ces relations pour k allant de 1 à n − 1, il vient
l’aire de la partie hachurée, qui vaut
Z f (n + 1).
n n−1
X
f (t) dt 6 f (k).
1 k =1

Et donc
n−1
X Z n
w n = f (n) + f (k) − f (t) dt > f (n) > 0.
k =1 1

2. La fonction
Z f est continue sur [1, n] et y est strictement positive, donc pour tout n ∈ N,
n
un = f (t) dt > 0.
1 Z x
Positivité
La fonction F : x 7→ f (t) dt est croissante car f est positive. Donc si l’intégrale diverge,
1 La croissance de F se com-
c’est que F n’est pas majorée, et tend donc vers +∞ lorsque x → +∞. En particulier, prend bien sur un dessin en
terme d’aire, mais si on sou-
Z n haite le justifier par un cal-
lim un = lim F (n) = lim f (t) dt = +∞. cul : f est positive, donc ses
n→+∞ n→+∞ n→+∞ 1 primitives sont croissantes.

Et comme un > vn , on a de même lim un = +∞.


n→+∞
wn
Puisque (w n ) est décroissante et minorée, elle converge. Et par conséquent, lim = 0.
n→+∞ un
Et donc
vn w n + un wn
= = +1 −→ 1.
un un un n→+∞
|{z}
→0

3.a. Si l’intégrale converge, alors F admet une limite finie α en +∞, et donc est majorée (car
elle est croissante). Et alors, pour tout n ∈ N∗ , un = F (n) 6 α.
Or w n 6 w 1 , de sorte que
vn = w n + un 6 w 1 + α .
Donc (vn ) est majorée, et puisqu’elle est croissante (par positivité de f ), elle converge.
P P 19 La suite des sommes par-
Et alors, puisque la suite des sommes partielles de k f (k) converge19 , la série k f (k) P
converge. tielles de k f (k) est précisé-
ment (v n ).
3.b. Pour tout k ∈ N et tout t ∈ [k − 1, k], on a f (k) 6 f (t) 6 f (k − 1) et donc
Z k
f (k) 6 f (t) dt 6 f (k − 1).
k −1

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


128 CHAPITRE 4 : INTÉGRALES IMPROPRES

Et donc, sommant ces relations pour k variant de n + 1 à p (p > n), il vient


p
X Z p p
X
f (k) 6 f (t) dt 6 f (k − 1).
k=n+1 n k =n+1

En passant à la limite lorsque p → +∞, il vient

X
+∞ Z +∞ X
+∞
f (k) 6 f (t) dt 6 f (k).
k =n+1 n k=n

Soit encore Z +∞
Rn 6 f (t) dt 6 Rn−1 = Rn + f (n).
n

On a donc Z Z
+∞ +∞
f (t) dt − f (n) 6 Rn 6 f (t) dt .
n n
Z n
Si l’on divise par f (t) dt, il reste alors
1

f (n) Rn
1− R +∞ 6 R +∞ 6 1.
n
f (t) dt n
f (t) dt

Grâce à l’hypothèse de l’énoncé et au théorème des gendarmes, on a alors


Z +∞
Rn
lim R +∞ = 1 ⇔ Rn ∼ f (t) dt .
n→+∞ f (t) dt n→+∞ n
n

4. Applications
Vitesse
1 Nous savions que
4.a. Nous avons ici f (t) = , qui vérifie bien toutes les hypothèses : elle est continue, strictement
t Z +∞ n
X 1
positive et décroissante. De plus, f (t) dt diverge. lim = +∞
n→+∞ k
1 k =1
D’après la première question, mais nous savons désormais
Z que cette divergence est
n
X n
X n
1 «lente» car le ln ne tend pas
= f (k) ∼ f (t) dt = ln(n). très vite vers +∞.
k n→+∞ 1
k =1 k =1

1
4.b. Nous avons ici f (t) = , qui vérifie encore toutes les hypothèses.
Z +∞ 1 + x2
dt
Or, est convergente (par comparaison à une série de Riemann), et on a, pour
1 1 + t2
tout n ∈ N ,

Z +∞ Z A
dt π
f (t) dt = lim = lim Arctan(A) − Arctan(n) = − Arctan(n).
n A→+∞ n 1 + t 2 A→+∞ 2

Alors
f (n) 1 1
lim R = lim π .
n→+∞ +∞
f (t) dt n→+∞ 1 + n2 2 − Arctan(n)
n
1
Considérons la fonction д définie sur R+∗ par д(x) = Arctan(x) + Arctan . Alors д est de
x
classe C1 sur R+∗ , et on a

1 1 1 1 1
д 0(x) = − = − = 0.
1 + x2 x2 1 + 1 1 + x2 x2 + 1
x2

Donc д est constante sur R+∗ . De plus,


π π
lim д(x) = − Arctan(0) =
x →+∞ 2 2
ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY
CORRECTION DES EXERCICES 129

donc д est constante, égale à .


π Très dur
2 L’égalité que nous venons
π 1 1 d’obtenir, ∀x > 0,
En particulier, − Arctan(n) = Arctan ∼ .
2 n n→+∞ n 1 π
1 1 n Arctanx + Arctan =
Ainsi, ∼ −→ 0. x 2
1 + n 2 π2 − Arctan(n) n→+∞ 1 + n 2 n→+∞
est «classique», mais n’est
Donc l’hypothèse technique de la question 3.b est vérifiée et par conséquent, pas au programme, et on
est d’habitude guidés pour
X
+∞ Z
1 +∞
dt π 1 1 la retrouver, et non sensés
∼ = − Arctan(n) ∼ Arctan ∼ . y penser seuls. Cela dit, si
1 + k2 n→+∞ n 1 + t2 2 n→+∞ n n→+∞ n à l’oral vous arrivez jusqu’à
k =n+1
cette question, elle servira
SOLUTION DE ZL’EXERCICE
+∞
4.19 surtout à décider si vous avez
19.5 ou 20 !
Notons que 1 = e −t dt, et donc
0


Z +∞ Z +∞ Z +∞
−t
f (t) dt = e dt ⇔ f (t) − e −t dt = 0.
0 0 0

Supposons par l’absurde que pour tout a ∈ R+ , f (a) , e −a ⇔ f (a) − e −a , 0.


Alors, la fonction φ : t 7→ f (t) − e −t est continue sur R+ , et ne s’y annule pas.
20 Il s’agit plutôt de sa contra-
Par le théorème des valeurs intermédiaires20 , cela signifie qu’elle est de signe constant sur
R+ . posée, le théorème des va-
leurs intermédiaires affirmant
Supposons par exemple que pour tout t ∈ R+ , φ(t) > 0. Z +∞ que si f (a) > 0 et f (b) < 0,
Alors, φ est positive sur R+ , non identiquement nulle, et donc φ(t) dt > 0 ⇔ alors il existe c ∈]a, b[ tel que
0 f (c) = 0.

Z +∞ Z +∞
f (t) − e −t dt > 0, contredisant le fait que (f (t)) dt = 0.
0 0

Z +∞
De même, si φ est strictement négative sur R+ , on obtient f (t) − e −t dt < 0, résultat
0
qui là aussi est en contradiction avec les hypothèses faites sur f .
C’est donc qu’il existe a ∈ R+ tel que f (a) = e −a .

Interprétation graphique : l’aire sous la courbe de f et l’aire sous la courbe de t 7→ e −t


sont toutes les deux égales à 1.
Si les courbes ne se croisaient pas, l’une serait toujours au dessus de l’autre, et donc l’une
des deux aires serait strictement plus grande que l’autre.

f (t)
e −t

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


MATRICES 5
Cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.1 Rappels. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.2 Matrices et applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . 135
5.3 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 142
5.4 Hors programme : suites de matrices . . . . . . . . . . . . . . . . . . . . . . 143
Méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

Dans tout ce chapitre, K désignera indifféremment R ou C. De plus, on supposera que


tous les espaces vectoriels que l’on manipule sont de dimension finie. Les propositions non
démontrées ici l’ont été en première année.

5.1 RAPPELS
5.1.1 Définition, opérations usuelles

Définition 5.1 – On appelle matrice à n lignes et p colonnes à coefficients dans K


un tableau de n × p éléments de K.
L’ensemble des matrices à n lignes et p colonnes à coefficients dans K est noté
Mn,p (K). Dans le cas où n = p, on note Mn (K) au lieu de Mn,n (K).

1 0 ... 0
*. .. +/ 0 0
*. . .. +//.
...
.0 . //
Définition 5.2 – Si n ∈ N∗ , on note In = ..
1
.. // et 0n = .. . ./
.
..
./
..
0 0 .
,0 ... 0-
,0 ... 0 1-

Définition 5.3 –
• Soit A = (ai, j ) ∈ Mn,p (K) et λ ∈ K. On note λA = (λai, j ) ∈ Mn,p (K).
• Si A = (ai, j ), B = (bi, j ) ∈ Mn,p (K), on pose A + B = (ai, j + bi, j ) ∈ Mn,p (K).

Proposition 5.4 : Muni de ces opérations, Mn,p (K) est un K-espace vectoriel. De plus,
il est de dimension finie, et dim Mn,p (K) = n × p. En particulier,

dim Mn (K) = n 2 .

Définition 5.5 – Soit A = (ai, j ) ∈ Mn,p (K) et B = (bi, j ) ∈ Mp,q (K). Alors on note
Formule
A × B = (c i, j ) ∈ Mn,q (K) la matrice définie par
C’est cette formule qui jus-
p
tifie la manière dont on fait
X le produit de deux matrices :
c i, j = ai,k bk, j . on fait le produit des coeffi-
k =1 cients de la i-ème ligne de A
par la j-ème colonne de B.
Il est tout de même bon de
connaître cette formule car
elle sert régulièrement dans
131 des problèmes théoriques.
132 CHAPITRE 5 : MATRICES

Proposition 5.6 :
• Si A, B ∈ Mn,p (K) et si C ∈ Mp,q (K), alors (A + B)C = AC + BC.
• si A ∈ Mn,p (K), et si B, C ∈ Mp,q (K), alors A(B + C) = AB + AC.
• si A ∈ Mn (K), alors AIn = In A = A et A0n = 0n A = 0n .
! !
1 1 1 0
Remarques. • En général, AB , BA. Par exemple, si A = et B = , alors
0 1 0 0
! !
1 0 1 1
AB = et BA = .
0 0 0 0
Par cœur
• Si A, B ∈ Mn (K) vérifient AB = BA, on dit que A et B commutent. Transposer une matrice, c’est
• La matrice In , et de manière plus générale, la matrice λIn , λ ∈ K commute à toutes échanger lignes et colonnes,
les matrices de Mn (K). donc on échange i et j. Il
est important de connaître
(ou de savoir retrouver) cette
formule, et pas seulement de
Définition 5.7 – Si A ∈ Mp,q (K), on appelle transposée de A, et on note t A = (bi, j ) savoir calculer la transposée
la matrice de Mp,n (K) définie par bi, j = a j,i . d’une matrice donnée.

En Scilab , la transposée
d’une matrice A est obtenue
Proposition 5.8 : avec la commande A’.
• Si A, B ∈ Mn,p (K), et si λ ∈ K, alors
t
(λA + B) = λt A + t B.

• Si A ∈ Mn,p (K) et B ∈ Mp,q (K), alors t (AB) = t B t A.

5.1.2 Matrices carrées

Définition 5.9 – Soit A = (ai, j ) ∈ Mn (K). On dit que A est :


• scalaire s’il existe λ ∈ K tel que A = λIn .
• diagonale si ai, j = 0 pour i , j.
0
*. 1 +/
λ
Dans ce cas, si A = .. . .. //, on note A = diag(λ 1 , . . . , λn ).
Par cœur
,0 λn - Il ne suffit pas de savoir dire
• triangulaire supérieure (respectivement inférieure) si ai, j = 0 pour i > j si une matrice 3 ou 4 × 4 est
symétrique, il faut connaître
(resp. j > i.).
la définition en terme de la
• symétrique si A = t A. On note Sn (K) l’ensemble des matrices symétriques transposée.
de Mn (K). C’est un sous-espace vectoriel car c’est le noyau de l’application
linéaire φ : Mn (K) → Mn (K) définie par φ(A) = A − t A.
En particulier
• antisymétrique si A = −t A. On note An (K) l’ensemble des matrices
Si A est antisymétrique, on a
antisymétriques de Mn (K). C’est un sous-espace vectoriel de Mn (K) car alors a i,i = −a i,i , et donc les
c’est le noyau de ψ : Mn (K) → Mn (K), l’application linéaire définie par coefficients diagonaux de A
ψ (A) = A + t A. sont tous nuls.

Définition 5.10 – Une matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K)
telle que AB = BA = In . B est alors unique et s’appelle l’inverse de A, et on la note
A−1 . En Scilab , l’inverse d’une
matrice A s’obtient par la
On note GLn (K) (et on appelle groupe linéaire d’ordre n sur K) l’ensemble des commande inv(A).
matrices inversibles de Mn (K).

Remarque. En fait, si on prouve l’existence d’une matrice B ∈ Mn (K) telle que AB = In


ou BA = In , alors automatiquement l’autre égalité est vérifiée, et donc A est inversible et
B = A−1 .

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 133

Pour prouver que A est inversible, on échelonne A à l’aide d’opérations sur les lignes. Les
opérations permises sont :
• l’échange de deux lignes
• la multiplication d’une ligne par un scalaire non nul
• l’ajout à une ligne d’une combinaison linéaire des autres.
Alors A est inversible si et seulement si tous les coefficients diagonaux de la matrice
échelonnée sont non nuls.
De plus, cette méthode permet d’obtenir facilement l’inverse de A lorsqu’il existe.

Méthode de calcul de A−1 : on écrit la matrice In à droite de la matrice A, et toujours à


l’aide d’opérations sur les lignes, on transforme A en l’identité, tout en réalisant les mêmes
opérations sur la matrice de droite.
Méthode
À la fin du processus, la matrice de droite est A−1 .
Le début du calcul de l’in-
verse d’une matrice nécessite
Exemple 5.11 les mêmes opérations que
celles nécessaires au calcul du
3 0 4 rang.
A = *. 3 1 3 +/. Dans une question du type
«déterminer si A est inver-
,−1 0 −1- sible, et si oui, calculer A−1 »,
il y a alors deux options :
3 0 4 1 0 0 −1 0 −1 0 0 1 1) calculer le rang par un
*. 3 1 3 0 1 0 +/ ←→ *. 3 1 3 0 1 0 +/ pivot. Puis si A est inversible,
, −1 1 - , 3 0 4 0 -
0 −1 0 0
L 3 ↔L 1
1 0 calculer A−1 en commençant
par faire une seconde fois
−1 0 −1 0 0 1 les opérations nécessaires au
←→ *. 0 1 0 0 1 3 +/ calcul du rang.
, 0 0 1 3 -
L 2 ←L 2 +3L 1
L 3 ←L 3 +3L 1 1 0 2) être malin, et commencer
directement un calcul d’in-
−1 0 0 1 0 4 verse (par la méthode de son
←→ *. 0 1 0 0 1 3 +/ choix). Ce calcul d’inverse
, 0 0 1 1 3 -
L 1 ←L 1 +L 3 va nécessiter d’échelonner
0
la matrice (ce qui permettra
1 0 0 −1 0 −4 d’obtenir le rang et donc de
←→ *. 0 1 0 0 1 3 +/ savoir si l’on continue ou non
, 0 0 1 1 0 3 -
L 1 ←−L 1 les calculs). Si la matrice n’est
pas inversible, on s’arrête là
(et le calcul d’inverse n’a servi
−1 0 −4
Ainsi, A−1 = *. 0 1 3 +/.
à rien), sinon on continue
jusqu’à obtention de A−1 .
,1 0 3-

Proposition 5.12 : Si A, B ∈ Mn (K) sont inversibles, alors AB est inversible, et

(AB)−1 = B −1A−1 .

Définition 5.13 – Si A ∈ Mn (K), alors on pose


• A0 = In
• ∀k ∈ N, Ak +1 = Ak A
Si de plus A est inversible, alors pour k ∈ N on pose A−k = (A−1 )k .

Remarque. Les puissances de A ne sont définies que si A est carrée.


De plus, toutes les puissances de A commutent entre elles. Plus généralement, si P, Q ∈ K[X ],
P(A) et Q(A) commutent.
5.1.3 Rang d’une matrice

Définition 5.14 – Soit E un K-espace vectoriel et (e 1 , . . . , en ) une famille de vecteurs


de E. Le rang de cette famille est la dimension de Vect(e 1 , . . . , en ), que l’on note
rg(e 1 , . . . , en ).

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


134 CHAPITRE 5 : MATRICES

Remarque. rg(e 1 , . . . , en ) est le cardinal maximal d’une sous-famille libre de (e 1 , . . . , en ).


En particulier, le rang d’une famille libre est égal à son cardinal.

Définition 5.15 – Si M ∈ Mn,p (K), on appelle rang de M, et on note rg(M) le rang


de la famille de ses vecteurs colonnes dans Mn,1 (K). En Scilab le rang d’une
matrice A s’obtient à l’aide de
rank(A).
Méthode : pour calculer le rang d’une matrice A, on échelonne la matrice par opérations
sur les lignes. Le rang de A est alors le nombre de pivots non nuls de la matrice bien
échelonnée obtenue.

Exemple 5.16

1
A = *.0
−1 0 0
1 −2 1+/.
Rédaction 
Lorsqu’on échelonne une
,1 1 −4 2- matrice, on prendra bien
soin d’utiliser des symboles
1 −1 0 0 1 −1 0 0 1 −1 0 0 ↔ et non des égalités : la
*.0 1 −2 1+/ ←→ *.0 1 −2 1+/ ←→ *.0 1 −2 1+/ matrice échelonnée n’est
bien entendu pas égale à la
,1 1 −4 2- ,0 2- 3 3 2 ,0 0 0-
L 3 ←L 3 −L 1 L ←L −2L
2 −4 0
matrice de départ puisqu’on
a changé ses coefficients. En
Ainsi, rg(A) = 2. revanche, leurs rangs sont
Ceci signifie que la famille de ses vecteurs colonnes engendre un espace vectoriel égaux.
de dimension 2, ce qui était prévisible car C 3 et C 4 sont combinaisons linéaires de
C 1 et C 2 (C 3 = −2C 1 − 2C 2 et C 4 = C 1 + C 2 ).

Proposition 5.17 : Si M ∈ Mn,p (K), alors rg(M) = rg(t M).

Remarque. Puisque la transposée échange lignes et colonnes et que rg(t A) = rg(A) :


• le rang d’une matrice est aussi le rang de la famille de ses vecteurs lignes
• on a le droit de procéder à des opérations élémentaires sur les colonnes.

En particulier
Proposition 5.18 : Soit A ∈ Mn,p (K) une matrice non nulle. Alors A est de rang 1 si et Ce résultat sert notamment si
seulement si ses colonnes sont deux à deux proportionnelles. toutes les colonnes de A sont
égales.

Démonstration. Notons A1 , . . . , Ap les colonnes de A.


Puisque A est non nulle, il existe i ∈ n1, po tel que Ai , 0.
Par proportionnalité des colonnes, pour tout j ∈ n1, po, il existe λ j tel que A j = λ j Ai .
Et donc Vect(A1 , . . . , Ap ) = Vect(Ai ), qui est donc de dimension 1, car Ai , 0.
Par conséquent, rg(A) = 1.

Inversement, supposons que A soit de rang 1. Alors Vect(A1 , . . . , An ) est de dimension 1.


L’une des colonnes Ai est non nulle, et donc forme une famille libre de Vect(A1 , . . . , An ).
Puisque ce dernier est de dimension 1, la famille formée de la seule colonne Ai en est une
base.
Et donc pour tout j ∈ n1, no, A j ∈ Vect(A1 , . . . , An ) = Vect(Ai ).
Il existe donc λ j ∈ K tel que A j = λ j Ai : toutes les colonnes de A sont proportionnelles à
Ai , et donc sont deux à deux proportionnelles. 

Remarque. Puisque le rang de A est aussi le rang de la famille de ses vecteurs lignes, les
lignes de A sont aussi deux à deux proportionnelles si rg(A) = 1.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 135

Exemple 5.19

1 2 ... n
*. +
. 1 2 . . . n//
Soit A = .. . . .. //
. .. .. ./
, 1 2 . . . n -
1 Et non toutes nulles.
Alors les colonnes de A sont deux à deux proportionnelles1 , et donc rg(A) = 1.

Rappel
Proposition 5.20 : Si (e 1 , . . . , ep ) est une famille de vecteurs d’un espace vectoriel de
La matrice de (e 1, . . . , e n )
dimension finie n, et si B est une base de E, alors le rang de (e 1 , . . . , ep ) est égal au rang dans la base B est la matrice
de la matrice de (e 1 , . . . , ep ) dans la base B. dont la i-ème colonne est le
vecteur colonne des coordon-
nées de e i dans B.

Exemple 5.21

Dans R2 [X ], posons P 1 = −X 2 + 3X + 2, P 2 = X et P3 = −X 2 + 3X + 4.
Alors la matrice de la famille (P1 , P2 , P3 ) dans la base canonique de R2 [X ] est :

P1 P2 P3
3 0 4
*. 3 3 +/
1
1 X .
,−1 0 −1- X2

Le rang de cette matrice a été calculé dans l’exemple 5.11, et il vaut 3, donc (P1 , P2 , P3 )
est une famille de rang 3.

5.2 MATRICES ET APPLICATIONS LINÉAIRES


5.2.1 Rappels
Soient E et F deux espaces vectoriels de dimension finie, B = (e 1 , . . . , ep ) une base de E et
B0 = (f 1 , . . . , fn ) une base de F . Alors la matrice de f ∈ L(E, F ) dans les bases B et B0 est
MatB0,B (f ) = (ai, j ) ∈ Mn,p (K), où
n
X
∀j ∈ {1, . . . , p}, f (e j ) = ai, j fi .
i=1

Autrement dit, la j-ème colonne de MatB0,B (f ) est formée des coordonnées de f (e j ) dans
la base B0.
En particulier, le rang de la matrice de f est égal au rang de la famille de ses vecteurs
colonnes, et donc au rang de la famille (f (e 1 ), . . . , f (ep )) dans F . Mais puisqu’il s’agit d’une
famille génératrice de Im(f ), c’est donc le rang de f .

Proposition 5.22 : Soit f ∈ L(E, F ), B une base de E et B0 une base de F . Soit x ∈ E,


*. .1 +/
x
et soit y = f (x). Si l’on note x B = .. .. // le vecteur des coordonnées de x dans la base B et
,x n -
* +
y1
yB0 = ... ... /// le vecteur colonne des coordonnées de y dans la base B0 alors Ainsi, la matrice de f permet
d’obtenir les coordonnées de
,yp - f (x ) (dans la base B0 ) à partir
de celles de x (dans la base
yB0 = Mat
0
(f )x B . B).
B ,B

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


136 CHAPITRE 5 : MATRICES

Proposition 5.23 : Soient E, F , G trois espaces vectoriels de dimension finie, de bases


respectives B, B0 et B00. Alors :
• si f , д ∈ L(E, F ), λ ∈ K, alors Remarque
C’est cette formule qui justi-
Mat (λ f + д) = λ Mat (f ) + Mat (д). fie que le produit de matrices
B0,B 0 B ,B 0 B ,B
est défini de manière «si
compliquée» : on voulait
• si f ∈ L(E, F ), д ∈ L(F , G), alors que cette formule soit vraie.
On aurait tout aussi bien pu
Mat (д ◦ f ) = Mat (д) × Mat (f ). définir le produit de deux
B00,B 00 0
B ,B 0 B ,B matrices en faisant le produit
des coefficients de chaque
Remarque. Une fois fixées deux bases B et B0 de E et F , on a un isomorphisme de L(E, F ) matrice, ce serait bien plus
dans Mn,p (K), défini par f 7→ MatB0,B (f ). simple. Mais alors on ne dis-
En particulier, on a dim L(E, F ) = dim Mn,p (K) = n × p = dim E × dim F . poserait plus de l’interpréta-
tion en termes d’applications
linéaires.
Corollaire 5.24 – f ∈ L(E, F ) est un isomorphisme si et seulement si MatB0,B (f ) est Précision
inversible, et dans ce cas Si dim E , dim F , alors la
matrice de f ne peut être
! −1 inversible car elle n’est pas
Mat0 (f −1 ) = Mat
0
(f ) . carrée. Ceci est cohérent
B,B B ,B avec le fait que s’il existe un
isomorphisme E → F , alors
nécessairement dim E =
Démonstration. Si f ∈ L(E, F ) est un isomorphisme, alors dim F .

Mat (f −1 ) × Mat (f ) = Mat(id) = In


B,B0 0B ,B B,B

Donc MatB0,B (f ) est inversible, et son inverse est MatB,B0 (f −1 ).


−1
Inversement, si MatB0,B (f ) est inversible, soit д ∈ L(F , E) tel que MatB,B0 (д) = MatB0,B (f ) .
Alors
Mat(д ◦ f ) = In = Mat(idE ).
B,B B,B

Donc д ◦ f = idE , et donc д = f −1 . 


Cas des endomorphismes

Définition 5.25 – Si E est un K-espace vectoriel de dimension finie n, si B est une


base de E et si f ∈ L(E), alors on note MatB (f ) = MatB,B (f ).

On a alors, ∀k ∈ N, MatB (f k ) = (MatB (f ))k .


Plus généralement, si P ∈ K[X ], MatB (P(f )) = P (MatB (f )).

5.2.2 Retour sur le rang d’une matrice

Proposition 5.26 : Soit f ∈ L(E, F ), BE une base de E, et BF une base de F .


Alors le rang de la matrice MatBF ,BE (f ) est égal au rang de l’application linéaire f .

Proposition 5.27 : Soit A ∈ Mn (K). Alors il y a équivalence entre :


1. A est inversible
2. rg(A) = n
3. pour tout X ∈ Mn,1 (K), AX = 0 ⇒ X = 0.

Démonstration. Notons f l’unique endomorphisme de Kn dont la matrice dans la base


canonique est A.
On a alors

rg(A) = n ⇔ rg(f ) = n ⇔ f est bijective ⇔ A est inversible.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 137

Et donc 1) ⇐⇒ 2).
Supposons que 2) soit vérifié, et soit X ∈ Mn,1 (K) tel que AX = 0.
Soit x l’unique vecteur de Kn tel que X = (x)Bc an . Alors AX = 0 ⇔ f (x) = 0.
Mais f est bijective, et donc Ker(f ) = {0}. On en déduit que x = 0 et donc X = 0.
Ainsi, 2) ⇒ 3).

Inversement, supposons que 3) soit vérifiée. Si x ∈ Ker f , soit X = (x)Bc an ∈ Mn,1 (K).
Alors f (x) = 0 ⇔ AX = 0, et donc X = 0 ⇔ x = 0.
Ainsi, Ker(f ) = {0}, et donc f est injective, donc bijective : A est inversible. Ainsi,
3) ⇒ 2). 

5.2.3 Matrices de passage


Soit f ∈ L(E). Si B est B0 sont deux bases de E, alors MatB (f ) et MatB0 (f ) sont a priori
deux matrices différentes.
Nous expliquons dans cette partie comment passer de l’une à l’autre.
Remarque
Proposition 5.28 : Soit E un espace vectoriel de dimension finie n, et soit B une base Bien évidemment, cette
proposition ne s’applique que
de E. Alors une famille (e 1 , . . . , en ) de n vecteurs de E est une base de E si et seulement si
pour une famille de cardinal
MatB (e 1 , . . . , en ) est inversible. n, puisqu’une famille de
cardinal différent de n ne
peut en aucun cas être une
Démonstration. base de E.

(e 1 , . . . , en ) est une base de E ⇔ (e 1 , . . . , en ) est génératrice de E


⇔ rg(e 1 , . . . , en ) = n
 
⇔ rg Mat(e 1 , . . . , en ) = n
B
⇔ Mat(e 1 , . . . , en ) est inversible
B

Autrement dit
Définition 5.29 – Soient B = (e 1 , . . . , en ) et B0 = (f 1 , . . . , fn ) deux bases d’un
La matrice de passage de B à
espace vectoriel E de dimension n. Alors B0 est la matrice de la famille
B0 dans la base B.
n
X
∀j ∈ n1, no, ∃!(a 1, j , . . . , an, j ) ∈ Kn : f j = ai, j ei
i=1

On appelle matrice de passage de B à B0, et on note PB,B0 = (ai, j ) ∈ Mn (K).

Remarque. PB,B0 est la matrice des coordonnées des vecteurs de la nouvelle base (B0) dans
l’ancienne base (B).

Proposition 5.30 : Soient B et B0 deux bases d’un espace vectoriel E de dimension finie.
Alors : Méthode
En général, quand on a deux
• PB,B0 = MatB,B0 (idE ) bases différentes de E, on a
• PB,B0 est inversible et l’expression des vecteurs de
−1 l’une en fonction de ceux de
PB,B0 = P B0,B . l’autre. On a alors une des
deux matrices de passage.
Pour obtenir l’autre matrice
Démonstration. Pour le premier point, remarquons que la j-ième colonne de MatB,B0 est
de passage, il suffit d’inverser
formée des coordonnées de f j = id(f j ) dans la base B. celle dont on dispose.
Donc PB,B0 = MatB,B0 (idE ).

Pour le second point, nous savons que l’identité est un isomorphisme, égal à son propre
inverse. Donc P B,B0 est inversible, et
! −1
−1 −1
PB,B0 = Mat0 (idE ) = Mat
0
(idE ) = Mat
0
(idE ) = PB0,B .
B,B B ,B B ,B

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


138 CHAPITRE 5 : MATRICES

Exemple 5.31 Retour sur l’exemple 5.21

Reprenons B = (P1 , P2 , P3 ) = (−X 2 + 3X + 3, X , −X 2 + 3X + 4).


P1 P2 P3
3 0 4
= *. 3 3 +/
1
Alors PBc an ,B 1 X .
,−1 0 −1- X2

Et donc
1 X X2
−1
3 0 4 0
= *. 3 1 3 +/
−1 −4
= *. 0 3 +/
P1
PB,Bc an 1 P2 .
,−1 0 −1- ,1 0 3- P3

5.2.4 Formules de changement de base A Danger !


La terminologie est trom-
peuse : la matrice de passage
de B à B0 permet d’obtenir
Proposition 5.32 : Soit E un K-espace vectoriel de dimension finie n, B et B0 deux les coordonnées dans B à
bases de E. Soit x ∈ E. Alors : partir de celles dans B0 , et
non l’inverse (comme le nom
x B = PB,B0 x B0 . le laisserait penser).

Plus simplement
Démonstration. Notons B = (e 1 , . . . , en ) et B0 = (f 1 , . . . , fn ). Notons PB,B0 = (ai, j ) de
P B, B0 = MatB, B0 (id).
telle sorte que Et alors ce résultat est une
Xn
application directe de la
∀j ∈ n1, no, f j = ai, j ei . proposition 5.22.
i=1

Alors
*. a x 0+/ e .
n
X n
X n
X Xn X n
x= x j0 f j = x j0 ai, j ei = i, j j i
j=1 j=1 i=1 i=1 , j=1 -
Pn
Ainsi, x i = j=1 a i, j e i . On reconnaît là l’expression du coefficient de la i-ème ligne du
x0
* 1+
produit PB,B0 ... .. //.
./ 
, n-
x 0

Ainsi, la matrice de passage de B à B0 permet d’obtenir les coordonnées d’un vecteur dans
la base B à partir de ses coordonnées dans la base B0.

Théorème 5.33 (Formule de changement de base) : Soit E un K-espace vectoriel Méthode


de dimension finie n, B et B0 deux bases de E. Soit f ∈ L(E). Alors Cette formule permet, à
partir de la matrice de f
Mat
0
(f ) = PB0,B Mat(f )P B,B0 dans une base B, et de
B B la connaissance de la ma-
−1
0 Mat(f )P B,B0 .
= PB,B trice de passage de B à
B B0 = (e 1, . . . , e n ), d’ob-
tenir la matrice de f dans la
base B0 sans avoir besoin de
Démonstration. Nous savons que f = idE ◦ f ◦ idE , et donc décomposer les f (e i ) dans
B0 .
Mat
0
(f ) = Mat
0
(idE ) × Mat(f ) × Mat0 (idE ) = PB0,B Mat(f )PB,B0
B B ,B B,B B,B B

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


COURS 139

Exemple 5.34

Soit f l’endomorphisme de R2 [X ] défini par f (P) = P + P 0.


f (1) f (X ) f (X 2 )
1 1 0
Alors MatBc an (f ) = *. 0 1 +/
1
1 X .
,0 0 2 - X2

Mais alors,

Mat(f ) = PB,Bc an × Mat (f ) × PBc an ,B


B Bc an
−1 0 −4 1 1 0 3 0 4
= *. 0 1 3 +/ *. 0 1 2+/ *. 3 1 3 +/
, 1 0 3 - , 0 0 1- ,−1 0 −1-
f (P 1 ) f (P 2 ) f (P 3 )
−2 −1 −3
= *. −2 −2 +/
P1
1 P2 .
, 3 1 4 - P3

5.2.5 Matrices semblables

Définition 5.35 – Deux matrices A et B de Mn (K) sont dites semblables s’il existe
P ∈ GLn (K) telle que
B = P −1AP .

En particulier, si B et B0 sont deux bases d’un espace vectoriel E, et si f ∈ L(E), alors les
matrices de f dans les bases B et B0 sont semblables.
En effet, par la formule de changement de base, on a
−1
Mat
0
= PB,B0 Mat(f )P B,B0 .
B B

Remarques. • A est semblable à In si et seulement si

∃P ∈ GLn (K) : A = P −1 In P = In .
Plus généralement
Donc In est la seule matrice semblable à In .
Une matrice semblable à λI n
• De même, la seule matrice semblable à la matrice nulle est la matrice nulle. est nécessairement égale à
λI n .

Proposition 5.36 : Si A, B ∈ Mn (K) sont semblables, alors rg(A) = rg(B).


Méthode
On a prouvé que si A et B
Démonstration. Supposons donc qu’il existe P ∈ GLn (K) telle que B = P −1AP. étaient semblables, alors
Soit f ∈ L(Kn ) l’unique endomorphisme de Kn dont la matrice dans la base canonique elles représentent le même
est A. endomorphisme de Kn dans
deux bases différentes.
Soit e 1 , . . . , en l’unique famille de vecteurs de Kn telle que Ci = (ei )Bc an . Autrement dit, deux matrices
Alors la matrice de (e 1 , . . . , en ) dans la base canonique est, par définition, la matrice dont les sont semblables si et seule-
colonnes sont (e 1 )Bc an , . . . , (en )Bc an , c’est-à-dire C 1 , . . . , Cn . Autrement dit, cette matrice ment si elles représentent le
est la matrice P, et donc elle de rang n, de sorte (e 1 , . . . , en ) est une base de Kn . Notons B0 même endomorphisme dans
cette base. deux bases différentes.
En particulier, pour montrer
La matrice de passage de Bcan à B0 est alors la matrice P. que deux matrices A et B
Et donc par la formule de changement de base, sont semblables, on essaira de
trouver un endomorphisme
B = P −1AP = PB
−1
c an ,B
0 Mat (f )P Bc an ,B0 = Mat(f ).
0
f de Kn (ou de tout autre
Bc an B espace de dimension n) et
deux bases de Kn dans les-
En particulier, puisque A et B représentent le même endomorphisme f dans deux bases quelle les matrices de f sont
différentes, on a rg(A) = rg(f ) = rg(B).  respectivement A et B.

ECS2 LYCÉE FAURIEL 2017–2018 M. VIENNEY


140 CHAPITRE 5 : MATRICES
! !
1 0 1 1
B La réciproque est fausse. Par exemple si A = I2 = 0 1
et B =
0 1
, alors A et B
ont le même rang, mais ne sont pas semblables car la seule matrice semblable à I 2 est I 2 .

Proposition 5.37 : Si A et B ∈ Mn (K) sont semblables, et si A est inversible, alors B est


inversible et A−1 et B −1 sont semblables.

Démonstration. Si A est inversible, alors elle est de rang n, et donc B est également de rang
n, donc inversible.
De plus soit P inversible telle que B = P −1AP. Alors
  −1
B −1 = P −1AP = P −1A−1 (P −1 )−1 = P −1A−1 P

et donc A−1 et B −1 sont semblables. 

Proposition 5.38 : Si A et B sont semblables, alors pour tout P ∈ K[X ], P(A) et P(B)
sont semblables.

Démonstration. Puisque A et B sont semblables, il existe Q ∈ GLn (K) telle que B = Q −1AQ.
Commençons par remarquer que ∀k ∈ N, B k = Q −1Ak Q. En effet Ceci prouve en fait que si A
et B sont semblables, alors
Ak et B k sont semblables,
B k = (Q −1AQ)(Q −1AQ) · · · (Q −1AQ) = Q −1A(QQ −1 )AQ · · · (QQ −1 )AQ = Q −1Ak Q. pour tout k ∈ N.
d
X
Alors soit P = ak X k ∈ K[X ]. On a
k =0

d
X d
X Xd
P(B) = ak B k = Q −1A