Académique Documents
Professionnel Documents
Culture Documents
de mathématiques approfondies
e
rehn è l
cuo H é
B
2021 − 2022
G 1
EC
Clément Dunand
Les mathématiques ne sont pas une
moindre immensité que la mer.
(Victor Hugo)
Table des matières
1 Éléments de logique 9
1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Méthode de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Négation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Implication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Contraposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.4 Raisonnement par l’absurde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4 Équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Méthode de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5 Autres types de raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.1 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.2 Démontrer existence et unicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
A - Algèbre 19
A1 Calculs algébriques 21
1 Sommes usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 Binôme de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4 Sommes doubles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
A2 Ensembles et applications 29
1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Injectivité, surjectivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Notions de combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1 Ensembles et parties finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2 Coefficients binomiaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4
A3 Matrices et systèmes linéaires 35
1 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.3 Résolution d’un système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2 Calcul matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.1 Opérations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
A4 Polynômes 43
1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 Racines d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4 Polynômes dérivés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5 Factorisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
A5 Espaces vectoriels 53
1 Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
1.1 Espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2 Familles de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.1 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.3 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
A6 Applications linéaires 65
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
1.2 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
1.3 Bijectivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
1.4 Noyau, image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
1.5 Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2 En dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.1 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.2 Interprétation matricielle des applications linéaires . . . . . . . . . . . . . . . . . . . . 74
B - Analyse 77
B1 Fonctions usuelles 79
1 Notion de fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.2 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
1.3 Propriétés globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2 Étude d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.1 Détermination de l’intervalle d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5
2.3 Asymptotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.4 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.5 Variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3 Fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.1 Fonctions polynomiales et rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2 Exponentielle et logarithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3 Puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.4 Croissances comparées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.5 Fonctions circulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6
B6 Séries, intégrales généralisées 133
1 Questions de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
1.1 Séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
1.2 Intégrales sur un intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
2 Premiers exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.1 Georg Friedrich Bernhard Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.2 Autres séries de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.3 Autres intégrales de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.1 Pour les séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.2 Propriétés d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4 Étude de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.1 Cas positif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.2 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
C - Probabilités 149
C1 Probabilités sur un univers fini 151
1 Expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
2 Loi de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
3 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
7
2.2 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
2.3 Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
3 Variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
3.2 Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
1 Assertions
On admet pour commencer qu’il existe exactement deux valeurs logiques : vrai et faux.
1.1 Définitions
Définition 1.1
Remarques.
• Un axiome est une proposition dont on admet la véracité et qui est à la base d’une théorie mathématique.
• Une conjecture est une assertion dont on soupçonne qu’elle est vraie sans pour autant pouvoir le
démontrer.
Définition 1.2
La démonstration d’une assertion A est une succession (finie) de propositions dont la (les)
premières sont établies (axiomes ou données), dont la véracité de chacune des suivantes se déduit
des précédentes par un lien logique et dont la dernière est A.
• le lemme, résultat préliminaire ou intermédiaire utile à la démonstration d’un théorème plus impor-
tant,
• le corollaire, conséquence d’un théorème ou d’une propriété, présentant souvent une utilisation pra-
tique et/ou fréquente de ce résultat.
9
10 1. Éléments de logique
1.2 Quantificateurs
Définition 1.3
Définition 1.4
10
ECG1 2021–2022 H. Boucher 1. Éléments de logique 11
2 Opérations élémentaires
Dans la suite, A, B et C désignent des assertions.
2.1 Négation
Définition 1.5
On appelle négation ou contraire de A la proposition qui est vraie lorsque A est fausse et
fausse lorsque A est vraie.
2.2 Définitions
Définition 1.6
Deux assertions sont dites logiquement équivalentes lorsqu’elles prennent toujours la même
valeur de vérité.
Remarques.
• Si A est vraie, alors A ∨ B est toujours vraie (quelle que soit la valeur de B).
11
12 1. Éléments de logique
• Si A est fausse, alors A ∧ B est toujours fausse (quelle que soit la valeur de B).
(i) Principe du tiers exclu : A ∨ A est toujours vraie et A ∧ A est toujours fausse.
(ii) (Lois de De Morgan) (A ∨ B) ≡ A ∧ B et (A ∧ B) ≡ A ∨ B,
(iii) A ∨ (B ∧ C) ≡ (A ∨ B) ∧ (A ∨ C),
(iv) A ∧ (B ∨ C) ≡ (A ∧ B) ∨ (A ∧ C).
Remarque. Les lois de De Morgan donnent aussi A ∨ B ≡ A ∧ B et A ∧ B ≡ A ∨ B . Il suffit d’en
écrire la négation (et d’utiliser A ≡ A).
Dém. 1.8
On écrit la table de vérité de chacun des termes de ces propositions.
(i)
A A A∨A A A A∧A
V F V et V F F
F V V F V F
(ii)
A B A ∨ B (A ∨ B) A B A∧B
V V V F F F F
V F V F F V F
F V V F V F F
F F F V V V V
Le second est sur le même principe et laissé au lecteur.
(iii)
A B C B∧C A ∨ (B ∧ C) A∨B A∨C (A ∨ B) ∧ (A ∨ C)
V V V V V V V V
V V F F V V V V
V F V F V V V V
V F F F V V V V
F V V V V V V V
F V F F F V F F
F F V F F F V F
F F F F F F F F
12
ECG1 2021–2022 H. Boucher 1. Éléments de logique 13
3 Implication
3.1 Définition
Définition 1.9
Dém. 1.10
13
14 1. Éléments de logique
3.2 Contraposée
Définition 1.11
Proposition 1.12
Dém. 1.12
Simple jeu de négations en utilisant la commutativité du ou :
A ⇒ B ≡ A ∨ B ≡ B ∨ A ≡ B ∨ A ≡ B ⇒ A.
Méthode par contraposée Pour montrer que A ⇒ B, on démontre que B ⇒ A, ce qui est logiquement
équivalent (prop. 3.2).
• Annoncer On va montrer par contraposée que A ⇒ B ,
• commencer par On suppose B. ,
• écrire une démonstration de l’assertion A,
• conclure par On a donc montré (par contraposée) que A ⇒ B. .
Exemple. Soit n un entier. Montrer que si n2 est pair, alors n est pair.
x+1
Exemple. Montrer que ∀x 6= −2, 6= 1.
x+2
14
ECG1 2021–2022 H. Boucher 1. Éléments de logique 15
4 Équivalence
4.1 Définitions
Définition 1.13
Théorème 1.14
Dém. 1.14
(i) (A ⇒ B) ∧ (B ⇒ A) est équivalente à (B ⇒ A) ∧ (A ⇒ B) (commutativité du et ).
(ii) Si A ⇔ B et B ⇔ C sont vraies, alors on a A ⇒ B et B ⇒ C et aussi B ⇒ A et
C ⇒ B, ce qui implique (d’après la transitivité de l’implication) que A ⇒ C et C ⇒ A,
d’où A ⇔ C.
Sauf dans les cas les plus simples, pour démontrer que A ⇔ B,
• démontrer que A ⇒ B,
• démontrer que B ⇒ A,
• conclure par On a donc montré que A ⇔ B. .
Remarque. Si la situation s’y prête, pour démontrer directement A ⇔ B, on part de A, puis on écrit une
succession d’assertions toutes équivalentes dont la dernière est B. L’équivalence doit être établie à chaque
étape ; en particulier PAS DE DONC .
Il s’agit de démontrer qu’une assertion dépendant d’un entier naturel n est vraie quelle que soit la valeur
prise par cet entier.
15
16 1. Éléments de logique
16
ECG1 2021–2022 H. Boucher 1. Éléments de logique 17
x vérifie la propriété P ⇔ x = . . . .
• Ce type de raisonnement s’étend à des questions du type Déterminer tous les x vérifiant la propriété
P . On examine un x qui y répond, on trouve (analyse) par conditions nécessaires tous les candidats,
puis on vérifie (synthèse) lesquels vérifient effectivement la propriété P .
Exemples.
x4 x2
• Déterminer tous les minima locaux de x 7→ − .
4 2
• Montrer que toute fonction réelle peut s’écrire de manière unique comme somme d’une fonction paire
et d’une fonction impaire.
17
18 1. Éléments de logique
18
Première partie
Algèbre
19
Chapitre A1
Calculs algébriques
Objectifs
Notations. Définissons une famille de nombres (réels), notés uk , pour tout k ∈ N et m, n ∈ N tels que
m 6 n. La somme et le produit de nombres successifs de notre famille se notent de la manière suivante.
n
X
um + . . . + un = uk ,
k=m
n
Y
um × . . . × un = uk .
k=m
Remarque. On peut aussi imaginer (et c’est la notation qu’on emploiera pour énoncer les propriétés en
toute généralité) une famille d’éléments indexée par un sous-ensemble I de N : (ui )i∈I , dont on écrit la
somme X
ui .
i∈I
1 Sommes usuelles
Dém. A1.1
1
X
Init. ak − ak−1 = a1 − a0 ..
k=1
21
22 A1. Calculs algébriques
n
X
Hér. Soit n ∈ N∗ . On suppose que ak − ak−1 = an − a0 .
k=1
n+1
X n
X
ak − ak−1 = (ak − ak−1 ) + an+1 − an = an − a0 + an+1 − an = an+1 − a0 .
k=1 k=1
n
X n
X
Remarque. Plus généralement, (ak − ak−1 ) = an − am−1 et (ak − ak+1 ) = am − an+1 .
k=m k=m
Proposition A1.2
Soit n ∈ N. Alors
n
X n(n + 1)
k= .
2
k=0
Dém. A1.2
0
X 0(0 + 1)
Init. k=0= .
2
k=0
n
X n(n + 1)
Hér. Soit n ∈ N. On suppose que k= .
2
k=0
n+1 n
!
X X n(n + 1) (n + 1)(n + 2)
k= k +n+1= +n+1= .
2 2
k=0 k=0
Dém. A1.3
(un ) est arithmétique donc pour tout k > m, uk = um + (k − m)r.
Xn Xn Xn Xn n
X
uk = (um + (k − m)r) = um + (k − m)r = (n − m + 1)um + r (k − m).
k=m k=m k=m k=m k=m
n n−m
X X (n − m)(n − m + 1)
Or (k − m) = k= .
2
k=m k=0
n
X n−m um + un
Donc uk = (n − m + 1)(um + ) = (n − m + 1) .
2 2
k=m
22
ECG1 2021–2022 H. Boucher A1. Calculs algébriques 23
Dém. A1.4
n
X n
X n
X n
X
(1 − q) vk = (vk − qvk ). Or qvk = vk+1 . Donc (1 − q) vk = (vk − vk+1 ) et on
k=m k=m k=m k=m
reconnaı̂t une somme télescopique.
n n
X X vm − vn+1
(1 − q) vk = vm − vn+1 , donc vk = .
1−q
k=m k=m
2 Propriétés
Proposition A1.5
n
X n
X
Remarque. Les plus courants : λ = nλ et λ = (n + 1)λ. Plus généralement, on note que les entiers
i=1 i=0
n
X
entre n et m inclus sont au nombre de n − m + 1, donc λ = (n − m + 1)λ.
i=m
Proposition A1.6
Soit I un ensemble fini et (ai )i ∈ I et (bi )i∈I deux familles de nombres réels. Soit λ une constante.
Alors
X X !λ
• λai = λ ai , Y Y
• aλi = ai ,
i∈I i∈I
i∈I i∈I
X X X Y Y Y
• ai + bi = ai + bi , • ai bi = ai × bi .
i∈I i∈I i∈I i∈I i∈I i∈I
Remarque. Par convention, une somme vide vaut 0 et un produit vide vaut 1.
23
24 A1. Calculs algébriques
n
X n+1
X n
X X
Exemples. Couramment : ai = ai−1 , ou encore ai = an−i .
i=0 i=1 i=0 i=0n
3 Binôme de Newton
Définition A1.8
Proposition A1.9
Soit n ∈ N.
(i) 0! = 1,
(ii) (n + 1)! = (n + 1) × n!,
(iii) Si n > 1, n! = n × (n − 1)!.
Définition A1.10
24
ECG1 2021–2022 H. Boucher A1. Calculs algébriques 25
Proposition A1.11
Pour tout n ∈ N,
n n
(i) ∀p ∈ J0, nK, = ;
p n−p
n n
(ii) = = 1;
0 n
n n
(iii) = = n;
1 n−1
Dém. A1.11
Laissée au lecteur.
Soit n ∈ N et 0 6 p 6 n − 1. On a
n n n+1
+ = .
p p+1 p+1
Dém. A1.12
n n n! n!
+ = +
p p+1 p!(n − p)! (p + 1)!(n − p − 1)!
n!(p + 1) n!(n − p)
= +
(p + 1)!(n − p)! (p + 1)!(n − p)!
n!(p + 1 + n − p)
=
(p + 1)!(n − p)!
(n + 1)!
=
(p + 1)!(n − p)!
Soit x, y ∈ C et n ∈ N.
n
n
X n k n−k
(x + y) = x y .
k
k=0
Dém. A1.13
On procède par récurrence sur n ∈ N. L’initialisation revient à 1 = 1. Pour l’hérédité, on pose
n ∈ N pour lequel on suppose la propriété vraie.
25
26 A1. Calculs algébriques
4 Sommes doubles
Notations. Étant donnés deux ensembles finis I et J, une famille d’éléments indexée par I et J se note
(ai,j )(i,j)∈I×J ou (aij ) i∈I . La somme de ces éléments est notée
j∈J
X X
aij ou aij .
(i,j)∈I×J i∈I
j∈J
Remarque. Dans le cas particulier où I = Jm, nK et J = Jp, q K sont des ensembles d’entiers successifs, on
note la somme
X
aij .
m6i6n
p6j6q
26
ECG1 2021–2022 H. Boucher A1. Calculs algébriques 27
X X q
n X q X
X n
aij = aij = aij .
m6i6n i=m j=p j=p i=m
p6j6q
Soient m, n ∈ N et (aij )m6i6j6n une famille de nombres réels indexée par le triangle {(i, j) | m 6
i 6 j 6 n}. Alors
X X n Xn Xn X j
aij = aij = aij .
m6i6j6n i=m j=i j=m i=m
Méthodes
27
28 A1. Calculs algébriques
28
Chapitre A2
Ensembles et applications
Objectifs
1 Ensembles
Un ensemble peut être vu comme une collection d’objets, appelés éléments. Un des axiomes de la
théorie des ensemble est l’existence d’un ensemble qui ne contient aucun élément, appelé ensemble vide
et noté ∅.
Notation. On note x ∈ E le fait qu’un objet x appartienne à un ensemble E.
Définition A2.1
∀x ∈ E, x ∈ F.
29
30 A2. Ensembles et applications
Définition A2.2
x ∈ A ∩ B ⇔ (x ∈ A et x ∈ B) ;
x∈A⇔x∈
/ A.
Proposition A2.3
(i) A ∪ (B ∪ C) = (A ∪ B) ∪ C ; (v) A ∪ B = A ∩ B ;
(ii) A ∩ (B ∩ C) = (A ∩ B) ∩ C ;
(vi) A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) ;
(iii) A = A ;
(iv) A ∩ B = A ∪ B ; (vii) A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) .
Définition A2.4
E × F = {(x, y), x ∈ E, y ∈ F }.
30
ECG1 2021–2022 H. Boucher A2. Ensembles et applications 31
2 Applications
2.1 Généralités
Définition A2.5
Soit E et F deux ensembles non vides. Une fonction ou application f de E vers F est une
correspondance qui à tout élément x ∈ E associe un unique élément de F , noté f (x).
Si y = f (x), on dit que y est l’image de x et que x est un antécédent de y par f .
E s’appelle ensemble de définition ou ensemble de départ de f et F son ensemble d’ar-
rivée.
On définit le graphe de f comme la partie Gf = {(x, f (x)), x ∈ E} de E × F .
∀x ∈ E, idE (x) = x.
Définition A2.7
Définition A2.8
Remarques.
• Une application est bijective si et seulement si elle est injective et surjective.
• f : E → F est surjective si et seulement si f (E) = F .
31
32 A2. Ensembles et applications
ou parfois sa contraposée.
Soit f : E → F une application bijective. Alors il existe une unique application g : F → E telle
que
g ◦ f = idE et f ◦ g = idF .
Cette application est appelée bijection réciproque de f et notée f −1 .
Remarque. C’est l’application de F dans E qui a tout élément y de F associe son unique antécédent
par f :
∀(x, y) ∈ E × F, y = f (x) ⇔ x = f −1 (y).
Proposition A2.10
Soit f : E → F et g : F → G.
(i) Si f et g sont injectives, alors g ◦ f est injective.
(ii) Si f et g sont surjectives, alors g ◦ f est surjective.
(iii) Si f et g sont bijectives, alors g ◦ f est bijective et (g ◦ f )−1 = f −1 ◦ g −1 .
(iv) Si f est bijective, alors f −1 l’est aussi et (f −1 )−1 = f .
Remarque. Évident mais pas anodin : par conséquent, la composée de deux bijections est une bijection.
3 Notions de combinatoire
3.1 Ensembles et parties finis
Notation. On notera désormais Jm, nK l’ensemble des entiers compris entre m et n.
On admet pour ce chapitre le résultat suivant dont la démonstration est accessible mais difficile.
Définition A2.11
On dit que l’ensemble E est un ensemble fini s’il est vide ou s’il existe n ∈ N et une bijection
entre E et J1, nK.
D’après le lemme ci-dessus, si un tel entier existe, il est unique ; on l’appelle cardinal de E, noté
Card E ou |E|. Par extension, l’ensemble vide a un cardinal nul.
Deux ensembles de même cardinal sont dits équipotents.
Remarque. Cette définition suppose qu’un tel cardinal est unique. Ce n’est pas du tout anodin et est
conséquence du lemme (admis) suivant : soit (m, n) ∈ N2 . S’il existe une bijection entre J1, mK et J1, nK,
alors m = n.
32
ECG1 2021–2022 H. Boucher A2. Ensembles et applications 33
Proposition A2.12
Proposition A2.13
Remarques.
• En particulier, si A et B sont disjointes, alors Card(A ∪ B) = Card A + Card B.
• En appliquant cela à A ∪ B et A ∪ B, on obtient Card(A \ B) = Card(A) − Card(A ∩ B).
Proposition A2.14
Card(P(E)) = 2n .
Méthodes
33
34 A2. Ensembles et applications
34
Chapitre A3
Matrices et systèmes linéaires
Objectifs
1 Systèmes linéaires
1.1 Définitions
Définition A3.1
• Pour tous (i, j) ∈ J1, nK × J1, pK, les scalaires aij sont les coefficients du système.
• Les scalaires bi pour i ∈ J1, nK forment le second membre. Lorsque tous les bi sont nuls,
on parle de système homogène
• Les xj pour j ∈ J1, pK sont les inconnues du système.
35
36 A3. Matrices et systèmes linéaires
Définition A3.2
Avec les notations ci-dessus, on appelle solution du système (S) tout p-uplet (x1 , . . . , xp ) telles
que toutes les équations de (S) soient vérifiées.
• Un système admettant au moins une solution est dit compatible.
• Un système n’admettant aucune solution est dit incompatible.
1.2 Matrices
Définition A3.3
A : J1, nK × J1, pK → K .
(i, j) 7→ ai,j
Remarque. Il s’agit simplement d’une famille de nombre indexée par deux indices
Notations. Une matrice se note
colonne j
a1,1 ... a1,p
.. ..
ligne i . ai,j .
an,1 ... an,p
36
ECG1 2021–2022 H. Boucher A3. Matrices et systèmes linéaires 37
Étant donnés (i, j) ∈ J1, nK × J1, pK, on appelle opération élémentaire sur les lignes d’un système
linéaire (ou de sa matrice augmentée) une des opérations suivantes :
• transvection (addition d’une ligne à une autre ligne) : Li ← Li + λLj avec λ ∈ R,
• dilatation (multiplication d’une ligne par un scalaire) : Li ← λLi avec λ ∈ R∗ ,
• transposition (échange de deux lignes) : Li ↔ Lj .
Définition A3.5
(i) Deux systèmes linéaires sont dites équivalents par lignes lorsqu’on peut passer de l’un à
l’autre par une suite finie d’opérations élémentaires.
(ii) Deux matrices sont dites équivalentes par lignes lorsqu’on peut passer de l’un à l’autre
par une suite finie d’opérations élémentaires.
Définition A3.6
Un système ou une matrice est dite échelonnée lorsqu’elle vérifie les deux propriétés suivantes.
(i) Si une ligne est nulle, alors toutes les suivantes le sont aussi.
(ii) À partir de la deuxième ligne non nulle, le premier coefficient non nul est situé plus à droite
que celui de la ligne précédente.
Ces coefficients ainsi que le premier de la première ligne, sont appelés les pivots du système ou
de la matrice.
Remarque. La démonstration de ce théorème est constructive et fournit un algorithme pour réaliser cette
opération en pratique, également connu sous le nom d’algorithme de Gauß. Si l’on excepte le cas particulier
où la première colonne est nul, le principe de cet algorithme est le suivant.
• Permuter les lignes de manière à obtenir un coefficient supérieur gauche (pivot) a1,1 non nul.
• Pour tout j > 2 on annule le premier coefficient aj,1 de la ligne Lj en effectuant
aj,1
Lj ← Lj − L1
a1,1
Pour la suite, on ne modifie plus L1 et on réitère ces opérations avec le système formé par toutes les autres
lignes (qui a également une colonne de moins). Enfin le processus s’arrête lorsqu’on a obtenu un système
échelonné.
37
38 A3. Matrices et systèmes linéaires
Définition A3.8
(i) Un système n × p de rang r échelonné est appelé triangulaire. Il en est de même pour sa
matrice.
(ii) Un système équivalent à un système triangulaire est dit de Cramer.
Proposition A3.10
2 Calcul matriciel
2.1 Opérations matricielles
Définition A3.11
Définition A3.12
Pour tout (i, j) ∈ J1, nK × J1, pK, on définit la matrice élémentaire Eij par
(
1 si k = i et l = j,
∀(k, l) ∈ J1, nK × J1, pK, [Eij ]k,l =
0 sinon.
38
ECG1 2021–2022 H. Boucher A3. Matrices et systèmes linéaires 39
colonne j
0 ... 0
Eij = ... .. ligne i
1 .
0 ... 0
Étant données A = (aij ) ∈ Mn,q (R) et B = (bij ) ∈ Mq,p (R) deux matrices, on définit le produit
C = AB ∈ Mn,p (R) par
q
X
∀(i, j) ∈ J1, nK × J1, pK, cij = aik bkj .
k=1
Définition A3.15
Proposition A3.16
39
40 A3. Matrices et systèmes linéaires
Proposition A3.17
Définition A3.18
Proposition A3.19
Dém. A3.19
Contravariance : montrons que ∀A ∈ Mn,q (R), ∀B ∈ Mq,p (R), t(AB) = tB tA.
On a AB ∈ Mn,p (R) et donc t(AB) ∈ Mp,n (R).
Soit 1 6 i 6 n et 1 6 j 6 p.
q
X
D’une part [t(AB)]j,i = [AB]i,j = [A]i,k [B]k,j .
k=1
q
X q
X
t t t t
D’autre part [ B A]j,i = [ B]j,k [ A]k,i = [B]k,j [A]i,k .
k=1 k=1
Définition A3.20
Définition A3.21
On dit qu’une matrice A ∈ Mn (R) est inversible lorsqu’il existe B ∈ Mn (R) telle que
AB = BA = In .
40
ECG1 2021–2022 H. Boucher A3. Matrices et systèmes linéaires 41
Notations. La matrice inverse de A est notée A−1 . On appelle groupe linéaire, noté GLn (R) l’espace des
matrices inversibles de taille n.
Théorème A3.22
Remarques. Le système
a11 x1 + a12 x2 + . . . + a1p xp = b1
a21 x1 + a22 x2 + . . . + a2p xp = b2
(S) .. .. .. ..
. . . .
an1 x1 + an2 x2 + . . . + anp xp = bn
peut s’écrire matriciellement AX = B avec A = (aij ), X la matrice colonne des (xi ) et B la matrice colonne
des (bi ). Si A est inversible, il admet pour unique solution X = A−1 B.
Étant donné un système représenté par sa matrice A, on a équivalence entre
(i) A est inversible,
(ii) A est de rang n,
(iii) le système est de Cramer,
(iv) AX = 0n admet pour seule solution X = 0n (où 0n est la matrice nulle de Mn,1 (R)),
(v) Pour tout Y ∈ Mn,1 (R), AX = Y admet une unique solution (X = A−1 Y ).
Proposition A3.23
a b
Soit A = ∈ M2 (R).
c d
A est inversible si et seulement si ad − bc 6= 0 et
−1 1 d −b
A = .
ad − bc −c a
Méthodes
41
42 A3. Matrices et systèmes linéaires
42
Chapitre A4
Polynômes
Objectifs
1 Définitions
Définition A4.1
Définition A4.2
43
44 A4. Polynômes
Théorème A4.3
n
X m
X
Soit P : x 7→ ak xk de degré n (i.e. avec an 6= 0) et Q : x 7→ bk xk de degré m. Alors
k=0 k=0
P = Q ⇔ m = n et ∀k ∈ J0, nK, ak = bk .
n
X
Remarque. En particulier, ak xk = 0R[x] ⇔ ∀k ∈ J0, nK, ak = 0. C’est même équivalent au théorème
k=0
précédent. D’ailleurs, c’est cette remarque qu’on va démontrer. Pour l’appliquer au théorème, il suffit de
travailler avec P − Q.
Dém. A4.3
On va montrer par récurrence sur deg(P ) que si P = 0R[x] , alors ses coefficients sont tous nuls.
Init. Si n = 0, i.e. si P est constant égal à a0 , alors P = 0R[x] implique a0 = 0.
Hér. Soit n ∈ N∗ . Supposons que pour tout polynôme de degré maximum n − 1, P = 0R[x]
implique que ses coefficients sont nuls.
Xn
Soit P (x) = ak xk de degré n et supposons que P = 0R[x] .
k=0
n−1
X
Alors pour tout x ∈ R, P (2x) − 2n P (x) = (2k − 2n )ak xk . D’après l’hypothèse de
k=0
récurrence, cela donne, pour tout 0 6 k 6 n − 1, (2k − 2n )ak = 0, donc ak = 0.
Finalement, on a P (x) = an xn . Le calcul de P (1) donne alors an = 0.
2 Opérations
Définition A4.4
Les règles de calcul sur les sommes et le regroupement par puissances de x donnent les propriétés
suivantes.
44
ECG1 2021–2022 H. Boucher A4. Polynômes 45
Théorème A4.5
n
X m
X
Soit P : x 7→ ak xk et Q : x 7→ bk xk , avec par exemple m 6 n. On a
k=0 k=0
n
X
• P + Q : x 7→ (ak + bk )xk (quitte à poser bk = 0 pour k > m.) ;
k=0
n
X
• λ · P : x 7→ (λak )xk ;
k=0
m+n
X X
• P × Q : x 7→ cp xp avec pour tout p ∈ N, cp = ak bp−k .
p=0 k
Remarques.
• Cette dernière formulation, légèrement imprécise, utilise la convention que ak = 0 si k < 0 ou k > n,
et de même pour les coefficients de Q. Cette formule porte le nom de produit de Cauchy.
Proposition A4.6
Soit P, Q, R ∈ R[x]
• Si P × Q = 0R[x] , alors P = 0R[x] ou Q = 0R[x] .
• Si P × Q = P × R et P = 0R[x] , alors Q = R.
Soit A, B ∈ R[x]. On dit que A divise B et on note A|B lorsqu’il existe Q ∈ R[x] tel que
B = A × Q. On dit alors aussi que B est multiple de A.
45
46 A4. Polynômes
Soit (A, B) ∈ R[x]2 , B étant différent du polynôme nul. Alors il existe un unique couple (Q, R) ∈
R[x]2 tel que
• A = BQ + R,
• deg R < deg B.
Dém. A4.9
Unicité Soit Q1 , Q2 , R1 R2 tels que A = BQ1 + R1 = BQ2 + R2 avec deg(R1 ) < deg(B)
et deg(R2 ) < deg(B).
Alors B(Q1 − Q2 ) = R2 − R1 .
Si Q1 − Q2 6= 0, alors deg(B(Q1 − Q2 )) > deg(B).
Or deg(R2 − R1 ) 6 max(deg(R1 ), deg(R2 )) < deg(B), ce qui est impossible.
Donc Q1 = Q2 et par conséquent, R1 = R2 .
Définition A4.10
Soit P ∈ R[x] et α ∈ R. On dit que α est une racine ou un zéro de P lorsque P (α) = 0.
46
ECG1 2021–2022 H. Boucher A4. Polynômes 47
Proposition A4.11
Dém. A4.11
On écrit la division euclidienne de P par x − α : P = (x − α)Q + R, avec deg(R) < 1, i.e. R
est constant. Ainsi
P (α) = 0 ⇔ R(α) = 0 ⇔ R = 0 ⇔ P = (x − α)Q ⇔ (x − α) divise P .
Théorème A4.12
Tout polynôme non nul de degré inférieur ou égal à n admet au plus n racines.
Remarque. On l’utilise souvent sous la forme : tout polynôme de degré n qui admet au moins n + 1
racines est le polynôme nul.
Dém. A4.12
On procède par récurrence sur le degré.
Init. Un polynôme constant non nul possède zéro racine.
Hér. Soit n ∈ N. Si l’on suppose le résultat vrai pour les polynômes de degré n et que l’on
considère A de degré n+1, s’il admet une racine α, alors on peut le factoriser sous la forme
(x − α)Q avec deg(Q) = n. Par hypothèse de récurrence, Q admet au plus n racines. Or
une racine de A est soit α, soit une racine de Q (en effet A(a) = 0 ⇒ (a − α)Q(a) =
0 ⇒ a = α ou Q(a) = 0). Donc A possède au plus n + 1 racines.
Proposition A4.14
Soit P ∈ R[x] et α ∈ R. Alors α est une racine de P d’ordre p si et seulement s’il existe Q ∈ R[x]
tel que
• P = (x − α)p Q,
• Q(α) 6= 0.
Dém. A4.14
C’est une conséquence directe de la définition et on laisse le soin au lecteur d’en écrire une
47
48 A4. Polynômes
rédaction complète.
p est le plus grand entier tel que (x − α)p divise P si et seulement si ((x − α)p divise P et
(x − α)p+1 ne divise pas P ).
Cela revient à dire qu’il existe Q tel que P = (x − α)p Q mais (x − α) ne divise pas Q, soit
encore Q(α) 6= 0.
4 Polynômes dérivés
• Soit P ∈ R[x] et k ∈ N. On définit par récurrence le polynôme dérivé k-ième (ou k fois)
par
â P (0) = P ,
h i0
â ∀k ∈ N, P (k+1) = P (k) .
Proposition A4.16
Dém. A4.16
48
ECG1 2021–2022 H. Boucher A4. Polynômes 49
Proposition A4.17
Dém. A4.17
Ces propriétés sont directement héritées de celles sur les fonctions. On peut démontrer la formule
de Leibniz par récurrence, le calcul est analogue à celui donnant la formule du binôme de Newton.
Dém. A4.18
n
X n
X
Soit P = ak xk . En développant P = ak (x − a + a)k à l’aide de formules du binôme, on
k=0 k=0
n
X
peut écrire P = bk (x − a)k avec les bk des scalaires un peu compliqués que l’on va exprimer
k=0
différemment :
Pour r ∈ J1, nK, on exprime P (r) en dérivant terme à terme. Cela donne
n
X
(r)
P = bk k(k − 1) . . . (k − r + 1)(x − a)k−r .
| {z }
k=r k!
(k−r)!
En calculant P (r) (a), il reste un terme non nul : P (r) (a) = br r!, formule également valable
P (r) (a)
(sans avoir dérivé) pour r = 0. Ainsi, br = .
r!
49
50 A4. Polynômes
Dém. A4.19
Pour p 6 deg(P ), la formule de Taylor donne la division euclidienne de P par (x − a)p :
n p−1 (k) n−p
X P (k) (α) X P (α) X P (k) (α)
P = (x − α)k = (x − α)k +(x − α)p (x − α)k .
k! k! k!
k=0 k=0 k=0
| {z } | {z }
R Q
5 Factorisation
avec
• a ∈ R∗ le coefficient dominant de P ,
• α1 , . . . , αr ∈ R les racines réelles de P , non nécessairement distinctes,
• (b1 , c1 ), . . . , (bs , cs ) ∈ R2 tels que, pour tout 1 6 ` 6 s, on ait ∆` = b2` − 4c` < 0.
Soit P ∈ R[x] un polynôme non constant. On dit que P est irréductible lorsque
P = AB ⇒ A ∈ R ou B ∈ R.
Théorème A4.22
Les polynômes irréductibles de R[x] sont les polynômes de degré 1 et les polynômes de degré 2
dont le discriminant est strictement négatif.
50
ECG1 2021–2022 H. Boucher A4. Polynômes 51
Remarque. Le résultat de factorisation ci-dessus est en fait un cas particulier du théorème de décomposition
des polynômes : un polynôme non nul peut se décomposer (de manière unique à une constante près) en pro-
duit de polynômes irréductibles. À rapprocher du théorème de décomposition des entiers en produit de
facteurs premiers.
Méthodes
51
52 A4. Polynômes
52
Chapitre A5
Espaces vectoriels
1 Structure
1.1 Espace vectoriel
Définition A5.1
Soit E un ensemble.
(i) Une application · de la forme
·: R×E → E
(λ, u) 7→ λ · u
+: E×E → E
(u, v) 7→ u + v
Soit E un ensemble muni d’une loi de composition interne notée + et d’une loi de composition
externe notée ·. On dit que E est un espace vectoriel lorsque
(i) (N)â La loi + admet un élément neutre dans E, noté 0E ,
(A)â la loi + est associative,
(S)â tout u ∈ E admet un symétrique par +, noté −u,
(C)â la loi + est commutative.
(ii) la loi · vérifie les propriétés suivantes :
(A’)â ∀u ∈ E, ∀λ, µ ∈ R, λ · (µ · u) = (λµ) · u,
(N’)â ∀u ∈ E, 1R · u = u,
(D1)â ∀u, v ∈ E, ∀λ ∈ R, λ · (u + v) = λ · u + λ · v,
(D2)â ∀u ∈ E, ∀λ, µ ∈ R, (λ + µ) · u = λ · u + µ · u.
53
54 A5. Espaces vectoriels
Remarques.
(i) Les quatre premières propriétés ont les significations suivantes.
(N)â ∀u ∈ E, 0E + u = u + 0E = u.
(A)â ∀u, v, w ∈ E, (u + v) + w = u + (v + w).
(S)â u + (−u) = (−u) + u = 0E .
(C)â ∀u, v ∈ E, u + v = v + u.
(ii) Les quatre propriétés suivantes sont étiquetées comme elles le sont car elles représentent respective-
ment des propriétés de pseudo-associativité, pseudo-neutre et deux pseudo-distributivités. À vous de
comprendre pourquoi pseudo !
Définition A5.3
Étant donné un espace-vectoriel E, les éléments de E sont appelés des vecteurs de E ; l’élément
0E est appelé vecteur nul. Les constantes réelles sont aussi appelées des scalaires.
Soit u ∈ E et λ ∈ R. Alors
Dém. A5.4
Proposition A5.5
Soit u, v ∈ E et λ, µ ∈ R. Alors
(i) λ · (u − v) = λ · u − λ · v ; (iv) λ · u = 0E ⇔ (λ = 0 ou u = 0E ) ;
(ii) (λ − µ) · u = λ · u − µ · u ; (v) Si u 6= 0E , alors λ · u = µ · u ⇔ λ = µ ;
(iii) −(λ · u) = (−λ) · u = λ · (−u) ; (vi) Si λ 6= 0 alors λ · u = λ · v ⇔ u = v.
54
ECG1 2021–2022 H. Boucher A5. Espaces vectoriels 55
Dém. A5.5
(i) λ · (u − v) = λ · (u + (−1) · v) = λ · u + λ · (−1) · v = λ · u + (−1) · (λ · v) = λ · u − λ · v ;
(ii) (λ − µ) · u = (λ + (−µ)) · u = λ · u + (−µ) · u = λ · u + (−1) · (µ · u) = λ · u − µ · u ;
(iii) −(λ · u) = (−1) · (λ · u) = (−λ · u) et −(λ · u) = (−1) · (λ · u) = λ · ((−1) · u) = λ · (−u) ;
(iv) • La prop A5.4 donne le sens ⇐
1 1
• Réciproquement, supposons λ · u = 0E . Si λ 6= 0, alors u =
· (λ · u) = · 0E = 0E .
λ λ
(v) λ · u = µ · u ⇔ λ · u − µ · u = 0 ⇔ (λ − µ) · u = 0 ⇔ λ − µ = 0 ⇔ λ = µ si u 6= 0E .
(vi) λ · u = λ · v ⇔ λ · u − λ · v = 0E ⇔ λ · (u − v) = 0E ⇔ u − v = 0E ⇔ u = v si λ 6= 0E .
Exemples.
• Pour tout n ∈ N, Rn est un espace vectoriel.
• Pour tous n, p ∈ N, Mn,p (R) est un espace vectoriel (dont le vecteur nul est la matrice nulle).
• R[x] est un espace vectoriel (dont le vecteur nul est le polynôme nul).
• Pour tout n ∈ N, Rn [x] est un espace vectoriel.
• RN est un espace vectoriel (dont le vecteur nul est la suite nulle).
• L’ensemble des fonctions réelles, des fonctions continues, dérivables, de classe C k ou encore C ∞ , définies
sur R ou sur un intervalle de R, sont des espaces vectoriels.
Définition A5.6
Soit (E, +, ·) un espace vectoriel Un sous-espace vectoriel de E est une partie F ⊂ E qui, munie
des lois + et · possède une structure d’espace vectoriel.
Remarque. Le plus souvent, pour montrer qu’un ensemble F est un espace vectoriel, on s’attachera à
montrer qu’il est un sous-espace vectoriel d’un espace vectoriel connu E.
Proposition A5.7
Remarques.
• En théorie, il suffit de vérifier que F est non vide pour avoir 0E ∈ F, mais comme le vecteur nul est le
plus souvent le plus aisé à étudier, c’est le critère (en réalité équivalent) qu’on retiendra en pratique.
• En fait, pour montrer que F est un espace vectoriel, toutes les propriétés calculatoires (associativité,
distributivités...) sont automatiquement héritées de celles de E. Les seuls points à vérifier sont la
55
56 A5. Espaces vectoriels
présence du neutre 0E dans F (conséquence de F 6= ∅ si on veut) et le fait que les lois, restreintes à
F , sont bien à valeurs dans F afin d’assurer le caractère de l.c.i. et l.c.e. sur F . On montre donc que
• F ⊂ E,
Remarque. Par récurrence, cette propriété est encore vraie avec une intersection de plusieurs sev.
2 Familles de vecteurs
À partir d’ici on omettra parfois le · dans l’écriture λ · u de la multiplication d’un vecteur u par une
constante λ.
Définition A5.9
Soit (ui )i=1...n une famille de vecteurs de E. On appelle combinaison linéaire des vecteurs ui
un vecteur de la forme
X n
λi ui ,
i=1
Proposition A5.10
Soit F un sev de E. Soit (ui )i=1...n une famille de vecteurs de F . Alors toute combinaison linéaire
des ui est un élément de F .
Dém. A5.10
Par récurrence, conséquence directe des stabilités par + et ·.
56
ECG1 2021–2022 H. Boucher A5. Espaces vectoriels 57
Définition A5.11
Soit (ui )i=1...n une famille de vecteurs de E. On appelle sous-espace engendré par les ui , noté
Vect(u1 , . . . , un ) l’ensemble des combinaisons linéaires des ui :
( n )
X
Vect(u1 , . . . , un ) = λi ui , ∀i ∈ J1, nK, λi ∈ R
i=1
Remarque. Plus généralement, F étant une famille quelconque de vecteurs de E, on appelle Vect(F )
l’ensemble des combinaisons linéaires d’un nombre fini de vecteurs de F .
Proposition A5.12
Soit F une famille de vecteurs de E. Alors Vect(F ) est le plus petit sev de E contenant F .
Autrement dit, F = Vect(F ) si et seulement si
(i) F est un sous-espace vectoriel de E,
(ii) F ⊂ F ,
(iii) pour tout sous-espace G de E tel que F ⊂ G, on a F ⊂ G.
Dém. A5.12
On note F = {u1 , . . . , un }.
⇒ Montrons que Vect(F ) est le plus petit sev de E contenant F .
(i) F est un sev de E. En effet c’est une partie de E et :
n
X
â il contient 0E , obtenu comme 0ui ,
i=1
n
X Xn n
X
â il est stable par + : λi ui + µi ui = (λi + µi )ui ∈ F ,
i=1 i=1 i=1
Xn n
X
â il est stable par · : λ · λi ui = (λλi )ui ∈ F .
i=1 i=1
n
X
(ii) Tout élément uj de F est dans F : c’est λi ui avec les λi = 0 sauf λj = 1.
i=0
n
X
(iii) Soit G sev de E contenant F . Alors pour tous λi ∈ R, on a λi ui ∈ G par
i=1
stabilités. Donc F ⊂ G.
57
58 A5. Espaces vectoriels
⇐ Supposons les trois assertions (i), (ii) et (iii). Montrons que F = Vect(F ).
Proposition A5.13
Dém. A5.13
Vect(F2 ) est un sev de E et contient F2 donc F1 . Donc Vect(F2 ) contient Vect(F1 ) d’après
(iii) dans A5.12.
Proposition A5.14
Dém. A5.14
Définition A5.15
Soit F une famille de vecteurs de E. On dit que E est engendré par F ou que F est une
famille génératrice de E lorsque E = Vect(F ).
58
ECG1 2021–2022 H. Boucher A5. Espaces vectoriels 59
Définition A5.16
On dit que la famille de vecteurs (u1 , . . . , un ) est liée (ou que les vecteurs sont linéairement
dépendants) lorsqu’il existe λ1 , . . . , λn non tous nuls tels que
λ1 u1 + . . . + λn un = 0E .
Une famille qui n’est pas liée est composée de vecteurs linéairement indépendants. On dit
qu’elle est libre.
Remarque. Dire qu’une famille est liée revient à dire que l’un des vecteurs est combinaison linéaire des
autres. Le but de ce qui suit sera, étant donnée une famille génératrice, de la réduire au strict minimum en
enlevant les vecteurs inutiles : tant qu’on a une famille liée, on peut la priver d’un vecteur sans changer son
caractère générateur.
Proposition A5.17
Dém. A5.17
n
X
Négation de ∀λ1 , . . . , λn ∈ R, λi ui = 0 ⇒ λ1 = . . . = λn = 0. :
i=1
n
X
∃λ1 , . . . , λn ∈ R, λi ui = 0 ET ∃i ∈ J1, nK, λi 6= 0.
i=1
C’est exactement la définition d’une famille liée.
Proposition A5.18
Dém. A5.18
Supposons que (`1 , . . . , `p , x) est liée. Alors il existe (λi )16i6n et λ des constantes non toutes
n
X
nulles telles que λi `i + λx = 0.
i=1
n
X
• Si λ = 0, alors λi `i = 0, impossible car L est libre.
i=1
n
1X
• Si λ 6= 0, alors x = − λi `i , donc x ∈ Vect(L), faux par hypothèse.
λ
i=1
59
60 A5. Espaces vectoriels
2.3 Bases
Définition A5.19
On dit qu’une famille de vecteurs (u1 , . . . , un ) est une base de E lorsque c’est une famille libre
et génératrice de E.
Une famille de vecteurs (u1 , . . . , un ) est une base de E si et seulement si tout vecteur x de E
s’exprime de manière unique comme combinaison linéaire des ui :
n
X
n
∀x ∈ E, ∃!(λ1 , . . . , λn ) ∈ R , x = λi ui .
i=1
Le n-uplet (λ1 , . . . , λn ) forme la famille des composantes (ou coordonnées) de x dans la base
(u1 , . . . , un ).
Dém. A5.20
• L’existence des λi équivaut par définition au caractère générateur de (u1 , . . . , un ).
• L’unicité des λi équivaut au caractère libre de (u1 , . . . , un ) :
X n Xn Xn
en effet, λi ui = µi ui ⇔ (λi − µ)ui = 0. La conclusion est laissée au lecteur.
i=1 i=1 i=1
Définition A5.21
On dit qu’un espace vectoriel est de dimension finie lorsqu’il admet une famille génératrice
finie. Sinon on dit qu’il est de dimension infinie.
B = (`1 , . . . , `p , `p+1 , . . . , `n )
avec `p+1 , . . . , `n ∈ G.
60
ECG1 2021–2022 H. Boucher A5. Espaces vectoriels 61
Lemme A5.23
Le cardinal d’une famille libre de E est toujours inférieur ou égal au cardinal d’une famille
génératrice.
Dém. A5.23
Démonstration délicate. On montre par récurrence (sur n ∈ N∗ ) que : si un espace possède une
famille génératrice à n vecteurs, alors toute famille de n + 1 vecteurs est liée.
Init. Soit F = Vect(u) et v1 , v2 ∈ F ; montrons que (v1 , v2 ) est liée. On a v1 = a1 u et
v2 = a2 u.
• si a1 = 0, alors v1 = 0E et la famille est liée.
a2
• si a1 6= 0, alors v2 = u donc (v1 , v2 ) est liée.
a1
Hér. Soit n ∈ N∗ , supposons le résultat vrai pour cet entier n.
Considérons F = Vect(u1 , . . . , un+1 ) un espace engendré par n+1 vecteurs. Soit v1 , . . . , vn+2
des vecteurs de F .
Pour tout k, vk est combinaison linéaire des ui . On va isoler la contribution de un+1 :
Pour tout 1 6 k 6 n + 2, on pose vk = λ1 u1 + . . . + λn un +λk un+1 .
| {z }
wk
• Si les λk sont tous nuls, (vk )16k6n+1 constituerait une famille de n + 2 vecteurs
dans Vect(u1 , . . . , un ), et serait donc une famille liée par H.R.
61
62 A5. Espaces vectoriels
• Sinon on peut supposer (quitte à changer l’ordre des vecteurs) que λn+2 6= 0.
1 λk
Alors un+1 = (vn+2 − wn+2 ). On peut alors écrire vk = wk + (vn+2 −
λn+2 λn+2
wn+2 ).
λk λk λk
Ainsi on a vk − vn+2 = wk − wn+2 . Les vecteurs vk − vn+2
λn+2 λn+2 λn+2 16k6n+1
forment une famille de n + 1 vecteurs de Vect(u1 , . . . , un ) et donc liée par H.R. La
relation de dépendance linéaire entre ces vecteurs donne une relation de dépendance
linéaire entre les (wk )16k6n+2 qui forment donc une famille liée.
Toutes les bases d’un espace vectoriel E de dimension finie ont même cardinal, appelé dimension
de E et noté dim E.
Dém. A5.24
Conséquence facile du lemme précédent. Soit B une base de E. Supposons B de cardinal n et
soit B 0 une autre base de E, que l’on suppose de cardinal n0 .
• Comme B est libre et B 0 est génératrice de E, alors n 6 n0
• Comme B 0 est libre et B est génératrice de E, alors n0 6 n
Théorème A5.25
Dém. A5.25
Soit B une base (donc composée de n vecteurs) de E.
(i) • F est libre et B est génératrice donc p 6 n.
• ⇒ Supposons p = n. Si F n’était pas une base, c’est qu’elle ne serait pas génératrice
(car elle est libre par hypothèse). Donc on aurait x ∈ E tel que x ∈ / Vect(F).
Ainsi F ∪ {x} serait encore libre (c.f. A5.18) mais avec n + 1 vecteurs, ce qui
est impossible.
⇐ d’après théorème précédent
(ii) idem mais dans l’autre sens, laissé en exercice.
62
ECG1 2021–2022 H. Boucher A5. Espaces vectoriels 63
Théorème A5.26
Dém. A5.26
(i) Toute base de F est une famille libre de E.
(ii) F = E si et seulement si toute base de F est base de E.
63
64 A5. Espaces vectoriels
64
Chapitre A6
Applications linéaires
Objectifs
• Notion de linéarité.
• Notion de noyau, lien avec l’injectivité.
• Applications linéaires usuelles.
• Intérêt de la dimension finie dans la description d’une application
linéaire.
1 Généralités
1.1 Définitions
Définition A6.1
Définition A6.2
Notations. On note L(E, F ) l’ensemble des applications linéaires de E dans F et L(E) (on trouve parfois
End(E)) l’ensemble des endomorphismes de E.
65
66 A6. Applications linéaires
Proposition A6.3
Dém. A6.3
(i) f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ) donc 0F = f (0E ).
(ii) f (x) + f (−x) = f (x + (−x)) = f (0E ) = 0F . Donc f (−x) = −f (x).
1.2 Opérations
Dém. A6.4
Remarque. En particulier, l’application nulle et la combinaison d’applications linéaires sont des applica-
tion linéaires.
Proposition A6.5 (Composition)
Dém. A6.5
On a bien g ◦ f : E → G. Soit x, y ∈ E et λ ∈ R.
(g ◦ f )(x + y) = g(f (x + y)) = g(f (x) + f (y)) = g(f (x)) + g(f (y)) = (g ◦ f )(x) + (g ◦ f )(y).
(g ◦ f )(λ · x) = g(f (λ · x)) = g(λ · f (x)) = λ · g(f (x)) = λ · ((g ◦ f )(x)).
66
ECG1 2021–2022 H. Boucher A6. Applications linéaires 67
Proposition A6.6
Dém. A6.6
Pour montrer que deux fonctions sont égales, on montre que les images de tout élément sont
les mêmes par les deux fonctions.
(i) Soit x ∈ E. (g ◦ (f1 + f2 ))(x) = g((f1 + f2 )(x)) = g(f1 (x)) + g(f2 (x)) = (g ◦ f1 )(x) +
(g ◦ f2 )(x) = (g ◦ f1 + g ◦ f2 )(x).
(ii) exercice.
(iii) exercice.
Définition A6.7
(
f 0 = idE
Soit f un endomorphisme de E. On définit les puissances de f par : .
∀k ∈ N, f k+1 = f ◦ f k
Remarques.
n
X
• Cela permet d’associer à tout polynôme P un polynôme d’endomorphisme P (f ) = ak f k .
k=0
• Dans le cas où f est bijective, on peut aussi définir les puissances négatives :
Proposition A6.8
Dém. A6.8
Par récurrence, à calquer sur la démonstration de la formule du binôme de Newton.
67
68 A6. Applications linéaires
1.3 Bijectivité
Proposition A6.9
Soit f : E → F une application linéaire et bijective. Alors la réciproque de f est une application
linéaire f −1 : F → E.
Dém. A6.9
∀x, y ∈ F, ∀λ ∈ R,
f (f −1 (x) + f −1 (y)) = f (f −1 (x)) + f (f −1 (y)) = x + y. Donc f −1 (x + y) = f −1 (x) + f −1 (y).
f (λ · f −1 (x)) = λ · f (f −1 (x)) = λ · x. Donc f −1 (λ · x) = λ · f −1 (x).
Définition A6.10
Proposition A6.11
Dém. A6.11
(i) Comme pour les applications de E dans F , il suffit de vérifier que f −1 ◦ g −1 est bien la
bijection réciproque.
(ii) On applique ce qui précède dans le cas où G = F = E.
Ker f = {x ∈ E, f (x) = 0F }.
68
ECG1 2021–2022 H. Boucher A6. Applications linéaires 69
Proposition A6.13
Dém. A6.13
non vide : f (0E ) = 0F donc 0E ∈ Ker f .
stable par + : Soit x1 , x2 ∈ Ker f . Alors f (x1 + x2 ) = f (x1 ) + f (x2 ) = 0F + 0F = 0F donc
x1 + x2 ∈ Ker f .
stable par · : Soit x ∈ Ker f , λ ∈ R. Alors f (λ·x) = λ·f (x) = λ·0F = 0F donc λ·x ∈ Ker f .
Théorème A6.14
Dém. A6.14
⇒ Supposons f injective. Montrons que Ker f = {0E }.
⊃ Immédiat car Ker f est un sev de E.
⊂ Soit x ∈ Ker f . Alors f (x) = 0F = f (0E ). Comme f est injective, x = 0E .
⇐ Supposons Ker f = {0E } et montrons que f est injective.
Soit x1 , x2 ∈ E tels que f (x1 ) = f (x2 ). Alors f (x1 ) − f (x2 ) = 0F . Par linéarité,
f (x1 − x2 ) = 0F , d’où x1 − x2 = 0E , donc x1 = x2 .
Proposition A6.16
Dém. A6.16
non vide : f (0E ) = 0F donc 0F ∈ Im f .
stable par + : Soit y1 , y2 ∈ Im f . On dispose de x1 , x2 ∈ E tels que y1 = f (x1 ) et y2 =
f (x2 ). Alors y1 + y2 = f (x1 + x2 ) ∈ Im f .
stable par · : Soit y ∈ Im f et λ ∈ R. on dispose de x ∈ E tel que y = f (x). Alors
λ · y = λ · f (x) = f (λ · x) ∈ Im f .
69
70 A6. Applications linéaires
Théorème A6.17
Dém. A6.17
C’est la définition !
1.5 Projecteurs
On suppose dans ce paragraphe que F et G sont deux sous-espaces supplémentaires de E, c’est-à-dire
E = F ⊕ G.
Définition A6.18 (Projection)
p : E → E
x 7→ xF .
Proposition A6.19
p ◦ p = p.
Proposition A6.21
70
ECG1 2021–2022 H. Boucher A6. Applications linéaires 71
Dém. A6.21
Montrons que E = Im p ⊕ Ker p. Soit x ∈ E.
Analyse Supposons x = x1 + x2 avec x1 ∈ Im p et x2 ∈ Ker p.
On dispose alors de a ∈ E tel que x1 = p(a).
Alors p(x) = p(x1 ) + p(x2 ) = p(p(a)) + 0E = p2 (a) = p(a) = x1 .
Ainsi x1 = p(x) et par conséquent x2 = x − p(x).
Synthèse Soit x1 = p(x) et x2 = x − p(x).
• x1 ∈ Im p,
• p(x2 ) = p(x) − p(p(x)) = 0E donc x2 ∈ Ker p.
• x1 + x2 = x.
Étant donnée la décomposition de tout x ∈ E sur Im p + Ker p : x = p(x) + (x − p(x)), p(x)
est bien, par définition l’image de x par la projection sur Im p parallèlement à Ker p.
2 En dimension finie
Dans tout ce chapitre, E désigne un R-espace vectoriel, les xi sont des vecteurs de E et les λi sont des
scalaires de R.
Théorème A6.22
Soit (e1 , . . . , en ) une base de E. Étant donnée une famille F = (f1 , . . . , fn ) une famille de vecteurs
de F , il existe une unique application u : E → F telle que pour tout i, u(ei ) = fi . De plus,
• u est injective si et seulement si F est libre,
• u est surjective si et seulement si F est génératrice.
Dém. A6.22
n
X n
X
Existence Pour tout x = λi ei , on pose u(x) = λi fi . Alors on a bien u(ei ) = fi pour
i=1 i=1
tout i et u linéaire (facile à vérifier).
Unicité Supposons u et v linéaires construites telles que u(ei ) = v(ei ) = fi pour tout i.
n
X X n
Alors pour tout x = λi ei ∈ E, u(x) = λi fi = v(x), donc u = v.
i=1 i=1
n
X
Injectivité ⇒ Supposons u injective. Soit λi ∈ R tels que λi fi = 0F .
i=1
n n n
!
X X X
Alors λi u(ei ) = u λi ei = 0F . Or u est injective donc λi ei = 0E et
i=1 i=1 i=1
donc (base) λi = 0 pour tout i.
71
72 A6. Applications linéaires
n
X
⇐ Supposons F libre. Soit x = λi ei ∈ E tel que u(x) = 0F .
i=1
n
X
Alors λi fi = 0 d’où (F libre) λi = 0 pour tout i, et donc x = 0E .
i=1
Corollaire A6.23
Dém. A6.23
Soit n = dim E et (e1 , . . . , en ) une base de E
⇒ Il existe u : E → F isomorphisme (i.e. application linéaire bijective). Alors F = (u(e1 ), . . . , u(en ))
est une base (libre et génératrice d’après ce qui précède) de F , d’où dim F = n.
⇐ Supposons dim F = dim E = n et soit (f1 , . . . fn ) une base de F . D’après ce qui précède,
il existe une (unique) application u : E → F telle que u(ei ) = fi . Elle est de plus bijective
car F est libre et génératrice de F , donc réalise un isomorphisme entre E et F .
72
ECG1 2021–2022 H. Boucher A6. Applications linéaires 73
Proposition A6.25
Dém. A6.25
Comme (e1 , . . . , en ) est une base (en particulier génératrice) de E, (u(e1 ), . . . , u(en )) est
X n Xn
génératrice de Im u. En effet, ∀y ∈ Im u, ∃x = λi ei ∈ E, y = u(x) = λi u(ei ).
i=1 i=1
Dém. A6.26
Soit (e1 , . . . , ep ) une base de Ker u et (ep+1 , . . . , en ).
Par le théorème de la base incomplète, on peut définir des vecteurs tels que (e1 , . . . , en ) soit
une base de E.
Montrons que n − p = rg u.
On remarque que si H = Vect(ep+1 , . . . , en ), on a E = Ker u ⊕ H (c’est le même argu-
ment qui est utilisé pour montrer l’existence d’un supplémentaire). Im u est engendrée par
(u(e1 ), . . . , u(en )) = (u(ep+1 ), . . . , u(en )) (car ∀i 6 p, u(ei ) = 0F ). Montrons maintenant que
cette famille est libre.
Xn Xn
Soit λi ∈ R tels que λi u(ei ) = 0F . Alors u λi ei = 0F .
i=p+1 i=p+1
n
X n
X
Donc λi ei ∈ Ker u. Or λi ei ∈ H, qui est supplémentaire à Ker u.
i=p+1 i=p+1
Xn
Donc λi ei = 0E et comme (ep+1 , . . . , en ) est libre, λi = 0 pour tout p + 1 6 i 6 n.
i=p+1
Finalement rg(u) = n − p = n − dim(Ker u).
Corollaire A6.27
Soit u ∈ L(E, F ) avec E et F deux ev de même dimension finie. Alors on a équivalence entre
(i) u est injective,
(ii) u est surjective,
(iii) u est un isomorphisme.
73
74 A6. Applications linéaires
Dém. A6.27
(i) ⇔(iii) (i) ⇒ ((i) et (ii)) ⇒ (iii) et bien sûr (iii) ⇒ (i)
Définition A6.28
v1 vj vp
a11 . . . a1j . . . a1p f1
.. .. ..
. . .
MatF (V) = a
i1 . . . a ij . . . aip fi
.. .. ..
. . .
an1 . . . anj . . . anp fn
Définition A6.29
où
n
X
∀(i, j) ∈ J1, nK × J1, pK, u(ej ) = aij fi .
i=1
74
ECG1 2021–2022 H. Boucher A6. Applications linéaires 75
Théorème A6.30
Dém. A6.30
On note toujours E = (e1 , . . . , ep ).
• Φ est linéaire par opérations sur les matrices : pour tous u, v ∈ L(E, F ) et λ ∈ R, on a
(u + v)(ei ) = u(ei ) + v(ei ) et (λu)(ei ) = λu(ei ) pour tout i. Donc MatE,F (u + v) =
MatE,F (u) = MatE,F (v) et MatE,F (λu) = λ MatE,F (u).
• Φ est injective : en effet, si Φ(u) est la matrice nulle, alors u(ei ) = 0Rn pour tout i et
donc u est l’application nulle.
• Φ est surjective : en effet, pour toute matrice M , il existe d’après le premier théorème
une application linéaire correspondante, il suffit de poser poser u(ei ) la i-ième colonne de
M (dans la base F).
Soient E et F deux espaces vectoriels avec pour bases respectivement E, F. Étant donné u ∈
L(E, F ), on a
MatF (u(x)) = MatE,F (u) × MatE (x).
Dém. A6.31
1
p λ1 0 n
X .. X
Soit x = λi ei . Ainsi . = λ1 . + . . . = λi MatE (ei ).
..
i=1 λp i=1
0
Notons Ci le vecteur de E dont la matrice dans la base E est la i-ième colonne de MatE,F (u).
Par définition de cette matrice, Ci = MatF (u(ei )).
1
0
On a MatE,F (u) × . = C1 et de même MatE,F (u) × MatE (ei ) = Ci = MatF (u(ei )) (∀i).
..
0
75
76 A6. Applications linéaires
p p p
!
X X X
Donc MatE,F (u) × λi MatE (ei ) = λi MatE,F (u) × MatE (ei ) = λi MatF (u(ei )).
i=1 i=1 i=1
p
!
X
Donc MatE,F (u) × MatE (x) = MatF λi u(ei ) = MatF (u(x))
i=1
Proposition A6.32
Dém. A6.32
Pour tout x ∈ E, MatF (u(x)) = MatE,F (u) × MatE (x).
Puis MatG (v(u(x))) = MatF ,G (v) × (MatE,F (u) × MatE (x)).
Donc MatG ((v ◦ u)(x)) = (MatF ,G (v) × MatE,F (u)) × MatE (x).
Ainsi, pour tout x ∈ E, MatE,G (v ◦ u) × MatE (x) = (MatF ,G (v) × MatE,F (u)) × MatE (x).
Il suffit d’appliquer cela avec x = ei pour tout i pour avoir l’égalité des matrices (colonne par
colonne).
Remarque. Avec A = MatE,F (u), X = MatE (x) et Y = MatF (u(x)), on retient la forme
Y = AX.
Remarque. Tous les résultats précédents peuvent s’interpréter dans le cas particulier où E = F et
établissent une correspondance bijective entre matrices carrées et endomorphismes.
Méthodes
76
Deuxième partie
Analyse
77
Chapitre B1
Fonctions usuelles
Objectifs
1 Notion de fonction
1.1 Définitions
Définition B1.1
Une fonction réelle d’une variable réelle est la donnée d’un sous-ensemble (non vide) D de R
et pour tout x ∈ D d’une valeur réelle appelée image de x par la fonction.
Notations. Si on appelle f cette fonction, on dit qu’elle est définie sur D ou que D est son ensemble de
définition. On écrit f : D → R et on note f (x) l’image de x par f .
Définition B1.2
79
80 B1. Fonctions usuelles
1.2 Opérations
Définition B1.3
Définition B1.4
Définition B1.5
Définition B1.6
∀y ∈ D0 , ∃!x ∈ D, y = f (x),
80
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 81
Définition B1.7
L’application f : D → R est périodique lorsqu’il existe T > 0 (une période) tel que pour tout
x ∈ D,
x + T ∈ D et f (x + T ) = f (x).
Si elle existe, la plus petite période strictement positive de f s’appelle la période de f .
Définition B1.8
Proposition B1.9
Dém. B1.9
g ◦ f est définie sur D qui est centré en 0.
(i) ∀x ∈ D, (g ◦ f )(−x) = g(f (−x)) par définition de la composée
= g(−f (x)) car f est impaire
= −g(f (x)) car g est impaire
= −(g ◦ f )(x) par définition de la composée.
Ceci montre que g ◦ f est impaire.
(ii) ∀x ∈ D, (g ◦ f )(−x) = g(f (−x)) par définition de la composée Ceci montre
= g(−f (x)) car f est impaire
= g(f (x)) car g est paire
= (g ◦ f )(x) par définition de la composée.
que g ◦ f est paire.
(iii) ∀x ∈ D, (g ◦ f )(−x) = g(f (−x)) par définition de la composée
= g(f (x)) car f est paire
= (g ◦ f )(x) par définition de la composée.
Ceci montre que g ◦ f est paire.
81
82 B1. Fonctions usuelles
Définition B1.10
Dans le cas d’une fonction périodique et/ou paire ou impaire, on peut d’emblée réduire l’intervalle d’étude
à l’aide des propriétés graphiques de la proposition suivante. On y donne aussi quelques interprétations
graphiques plus raffinées.
Proposition B1.11
Dém. B1.11
(i) Pour tout x, le point de Cf d’abscisse −x est de coordonnées (−x, f (−x)) = (−x, f (x)),
symétrique par rapport à l’axe du point d’abscisse x : (x, f (x)).
(ii) Même raisonnement.
(iii) Pour tout x, le point de Cf d’abscisse x + T est de coordonnées (x + T, f (x + T )) =
(x + T, f (x)), image du point (x, f (x)) par la translation annoncée.
(iv) Soit g : x 7→ f (x − a). Pour tout x, le point d’abscisse x de Cf est M (x, f (x)). Le point
d’abscisse x + a de Cg est M 0 (x + a, f (x)) car g(x + a) = f (x). Et M 0 est bien l’image
de M par la translation annoncée.
(v) et suivantes : même raisonnement
82
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 83
2.2 Limites
On définira dans un chapitre ultérieur la notion de limite de manière précise. Pour l’heure, on s’appuie
sur la notion que vous en avez acquise au lycée.
Soit f : D → R et soit a ∈ D ou au bord de D. Si elle existe, la limite de f en a (ou limite de f (x) quand x
tend vers a) est la valeur dont s’approche f (x) quand x s’approche de a.
Notations. Si f admet une limite ` en a, on note f (x) −−−→ `. Et cette valeur ` est notée lim f (x).
x→a x→a
On rappelle simplement ici les propriétés algébriques des limites.
Théorème B1.12 (Opérations algébriques)
Dém. B1.12
Admis pour l’instant : voir plus tard avec la définition formelle de la limite.
Remarque. Ces opérations se font aussi dans le cas de limites infinies avec les règles de calcul suivantes.
HH `
HH 1 −∞ ∈ R− 0 ∈ R+ +∞
HH ` `2
H 1 −∞ ∈R +∞ HH
`2 HH H −∞ +∞ +∞ F.I −∞ −∞
−∞ −∞ −∞ F.I ∈ R− +∞ `1 `2 0 `1 `2 −∞
∈R −∞ `1 + `2 +∞ 0 F.I 0 0 0 F.I
+∞ F.I +∞ +∞ ∈ R+ −∞ `1 `2 0 `1 `2 +∞
Somme de limites. +∞ −∞ −∞ F.I. +∞ +∞
Produit de limites.
83
84 B1. Fonctions usuelles
2.3 Asymptotes
Définition B1.13
Remarque. Bien sûr la définition d’asymptote oblique ou horizontale suppose que I soit non borné.
2.4 Dérivation
Définition B1.14
f (x) − f (a)
Une fonction f : I → R est dérivable en a ∈ I si lim existe et est finie. Dans ce
x→a x−a
cas, cette limite est appelée nombre dérivé de f en a, noté f 0 (a).
Proposition B1.15
Dém. B1.15
La tangente à la courbe de f en a est la droite passant par le point (a, f (a)) et de pente f 0 (a)
(ceci peut être justifié topologiquement en voyant la tangente comme limite de cordes mais ces
considérations dépassent le cadre de ce cours).
Ceci étant établi, un autre point (x, y) du plan (avec x 6= a) appartient à cette droite si et
y − f (a)
seulement si = f 0 (a), ce qui donne exactement l’équation attendue.
x−a
Définition B1.16
Une fonction f : I → R est dite dérivable sur I si elle est dérivable en tout point a ∈ I. Dans
ce cas, on définit la fonction dérivée de f , notée f 0 par
f0 : I → R .
0
x 7→ f (x)
84
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 85
Proposition B1.17
Dém. B1.17
On raisonne sur le taux d’accroissement en un point a ∈ I.
(f + g)(x) − (f + g)(a) f (x) − f (a) g(x) − g(a)
(i) ∀x ∈ I \ {a}, = + −−−→ f 0 (a) + g 0 (a).
x−a x−a x−a x→a
(f g)(x) − (f g)(a) f (x)g(x) − f (a)g(a)
(ii) ∀x ∈ I\{a}, =
x−a x−a
f (x)g(x) − f (x)g(a) + f (x)g(a) − f (a)g(a)
=
x−a
g(x) − g(a) f (x) − f (a)
= f (x) + g(a)
x−a x−a
−−−→ f (a)g 0 (a) + f 0 (a)g(a)
x→a
car f est dérivable donc continue en a, d’où f (x) −−−→ f (a).
x→a
(iii) Facile.
1
g (x) − g1 (a) 1 g(a) − g(x) 1
(iv) Pour tout x ∈ I \ {a}, = −−−→ (−g 0 (a))
x−a g(x)g(a) x−a x→a g(a)2
car g est dérivable donc continue en a, d’où g(x) −−−→ g(a).
x→a
1
Puis on applique la formule du produit à f × .
g
Dém. B1.18
(g ◦ f )(x) − (g ◦ f )(a) (g(f (x)) − (g(f (a))
Pour tous a ∈ I et x ∈ I\{a}, =
x−a x−a
(g(f (x)) − (g(f (a)) f (x) − f (a)
=
f (x) − f (a) x−a
−−−→ g 0 (f (a))f 0 (a).
x→a
car f est dérivable donc continue en a donc f (x) −−−→ f (a).
x→a
85
86 B1. Fonctions usuelles
Dém. B1.19
Par définition de la réciproque, f ◦ f −1 = IdJ , donc en dérivant, (f ◦ f −1 )0 = 1.
1
D’où (f 0 ◦ f −1 ) × (f −1 )0 = 1, soit (f −1 )0 = 0 si le dénominateur ne s’annule pas.
(f ◦ f −1 )
2.5 Variations
Théorème B1.20
Dém. B1.20
Admis pour l’instant : conséquence du théorème des accroissements finis.
Proposition B1.21
Remarque. Attention, ça ne marche que dans un sens : les éventuels extrema sont aux points d’annulation
de la dérivée. Lorsqu’on connaı̂t un point d’annulation de f 0 , seule une étude complémentaire (par exemple
examiner les variations au voisinage de ce point) permet de savoir si nous avons affaire à un minimum, à un
maximum local ou à une autre situation.
86
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 87
Proposition B1.22
Toute fonction f : I → R continue et strictement monotone réalise une bijection de I dans son
ensemble image.
Remarque. Attention, pour parler de bijection, il faut bien restreindre l’ensemble d’arrivée de f au seul
ensemble des images effectivement atteintes, c’est-à-dire {f (x), x ∈ I}.
3 Fonctions usuelles
3.1 Fonctions polynomiales et rationnelles
Définition B1.23
n
X
On appelle fonction polynomiale une fonction du type f : x 7→ ak xk avec n ∈ N. Si an 6= 0,
k=0
on dit que f est de degré n.
Proposition B1.24
Dém. B1.24
Cette formule est vraie pour k = 0 et on la montre par récurrence pour k > 1. La dérivabilité
des fonctions polynomiales se déduit par combinaison linéaire de fonctions du type x 7→ xk .
Définition B1.25
Une fonction rationnelle est définie comme le quotient de deux fonctions polynomiales.
Remarque. En particulier, elle est définie sur R privé des zéros du dénominateur.
Proposition B1.26
Une fonction rationnelle est continue et dérivable sur son ensemble de définition et
u 0 u0 v − uv 0
= .
v v2
Dém. B1.26
Cela provient de la dérivabilité et de la formule de la dérivée d’un quotient.
87
88 B1. Fonctions usuelles
Proposition B1.27
Les limites en +∞ et −∞ d’une fonction polynomiale (resp. rationnelle) sont celles de son terme
de plus haut degré (resp. du quotient de ses termes de plus haut degré).
Dém. B1.27
u
Supposons qu’une fonction rationnelle f s’écrive f = avec u et v polynomiales de degré m
v
et n respectivement. Alors pour tout x (différent des points d’annulation de v), on a u(x) =
am xm + am−1 xm−1 + . . . et v(x) = bn xn + bn−1 xn−1 + . . ., avec les ai et les bj des nombres
réels.
am xm + am−1 xm−1 + . . .
Ainsi, f (x) = , soit en mettant en facteur les termes dominants :
bn xn + bn−1 xn−1 + . . .
am xm (1 + am−1 1
am x + . . .)
f (x) = .
bn xn (1 + bn−1
bn x
1
+ . . .
am−1 1 bn−1 1
Or + . . . −−−→ 0 et de même + . . . −−−→ 0.
am x x→∞ bn x x→∞
am x m
Donc f (x) a la même limite en ±∞ que .
bn xn
Il existe une unique fonction de R dans R, dérivable sur R, notée exp et appelée exponentielle,
telle que (
exp(0) = 1,
exp0 = exp .
Remarque. Cette définition traduit ce que l’on appelle couramment une croissance exponentielle .
Dém. B1.28
On admet l’existence d’une telle fonction (conséquences de théorèmes d’analyse sur les équations
différentielles) et on en montre l’unicité.
88
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 89
( (
f (0) = 1, g(0) = 1,
Soit f et g deux fonctions dérivables sur R vérifiant 0
et .
f =f g0 = g
f (x)
On pose q : x 7→ qui est dérivable sur R car g ne s’annule pas.
g(x)
f 0 (x)g(x) − f (x)g 0 (x) f (x)g(x) − f (x)g(x)
Alors pour tout x ∈ R, q 0 (x) = 2
= = 0.
g(x) g(x)2
q est donc constante égale à q(0) = 1.
f (x)
Ainsi, pour tout x ∈ R, = 1, c’est-à-dire f (x) = g(x).
g(x)
On a donc montré que f = g.
Proposition B1.29
Dém. B1.29
exp(x + y)
(i) Soit y ∈ R. On pose f : x 7→ (on a montré que exp(y) 6= 0).
exp(y)
On constate que f est dérivable sur R et pour tout x ∈ R, f 0 (x) = f (x).
De plus f (0) = 1. Donc par unicité, f = exp.
Ainsi pour tout x ∈ R, exp(x) = f (x), soit exp(x) exp(y) = exp(x + y).
(ii) On a déjà montré que exp ne s’annule pas. x x
La formule précédente nous donne pour tout x ∈ R : exp(x) = exp + =
x x 2 2
exp exp > 0.
2 2
(iii) Conséquence directe du signe de exp, qui n’est autre que exp0 .
(iv) • On étudie g : x 7→ exp(x) − x, dérivable sur R et telle que pour tout x, g 0 (x) =
exp(x) − 1.
Or exp est strictement croissante et vaut 1 en 0. g 0 est donc positive sur R+ ,
négative sur R− . Et les variations qui en découlent indiquent un maximum en 0
pour la fonction g. Comme g(0) = 0, g(x) > 0 pour tout x ∈ R. En particulier,
exp(x) > x et par comparaison de limites, on obtient : exp(x) −−−−→ +∞.
x→+∞
• L’équation fonctionnelle donne, pour tout x ∈ R : exp(x − x) = exp(x) exp(−x).
1
D’où exp(−x) = .
exp(x)
D’où exp(−x) −−−−→ 0 et donc exp(x) −−−−→ 0.
x→+∞ x→−∞
89
90 B1. Fonctions usuelles
Définition B1.30
La fonction logarithme népérien, définie sur ]0, +∞[ et notée ln, est la fonction réciproque de
la fonction exponentielle.
Proposition B1.31
1
∀x ∈ R∗+ , ln0 (x) = .
x
Dém. B1.31
• Étant continnue et strictement croissante, exp réalise une bijection de R dans R∗+ . Elle est
dérivable sur R et sa dérivée ne s’annule pas, donc sa bijection réciproque, ln, est dérivable
1 1 1
sur R∗+ et s’exprime : pour tout x ∈ R∗+ , ln0 (x) = 0
= = . Les
exp (ln(x)) exp(ln x) x
variations de ln découlent du signe de cette expression sur R∗+ .
• Les limites se déduisent de la symétrie entre les courbes représentatives de exp et ln.
• On exp(ln x + ln y) = exp(ln x) exp(ln y) = xy.
D’où, en composant par ln, ln x + ln y = ln(xy).
Remarque. L’exponentielle permet de définir les puissances dans le cas d’exposants irrationnels :
ax = ex ln a .
3.3 Puissances
Définition B1.32
pα : R∗+ → R
x 7→ xα = eα ln x .
90
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 91
Proposition B1.33
Soit α ∈ R.
(i) La fonction pα est définie, continue et dérivable sur R∗+ .
(ii) Pour tout x ∈ R∗+ , p0α (x) = αxα−1 .
(iii) La fonction pα est strictement positive sur R∗+ : ∀x ∈ R∗+ , xα > 0.
(iv) La fonction pα est
â strictement croissante si α > 0,
â strictement décroissante si α < 0,
â constante égale à 1 si α = 0.
(v) Propriétés algébriques : pour tous α, β ∈ R et x, y ∈ R∗+ , on a
Dém. B1.33
(i) La fonction pα est définie, continue et dérivable sur R∗+ comme composée de fonctions :
ln est dérivable sur R∗+ et prend ses valeurs dans R et exp est dérivable sur R.
α
(ii) Pour tout x ∈ R∗+ , p0α (x) = eα ln x = αe(α−1) ln x = αxα−1 .
x
(iii) La fonction pα est strictement positive sur R∗+ car exp l’est.
(iv) Comme xα−1 > 0 pour tout x ∈ R∗+ , le signe de p0alpha (x) est celui de α.
(v) Ces propriétés découlent directement de celles sur les fonctions ln et exp.
• xα xβ = eα ln x eβ ln x = e(α+β) ln x = xα+β .
α ln x )
• (xα )β = eβ ln(e = eβα ln x = xαβ .
• (xy)α = eα ln(xy) = eα(ln x+ln y) = eα ln x eα ln y = xα y α .
y = xα a>1
α=1
0<α<1
1 • α=0
a<0
1 x
91
92 B1. Fonctions usuelles
Dém. B1.34
Il s’agit de la limite de la fonction exponentielle alternativement en +∞ et en −∞.
Proposition B1.35
ln x ex
lim = 0, lim = +∞ et lim xe−x = 0.
x→+∞ x x→+∞ x x→+∞
(ii) On a la limite en 0+ :
lim x ln x = 0.
x→0+
Dém. B1.35
ex
(i) • On va montrer que lim = +∞.
x→+∞ x
x2
On pose f : x 7→ ex − , définie et dérivable sur R et ∀x ∈ R, f 0 (x) = ex − x > 0
2
comme on l’a déjà montré.
f est donc croissante et vaut 1 en 0 donc pour tout x > 0, f (x) > 0.
x2 ex x ex
Donc ∀x > 0, ex > , d’où > et donc −−−−→ +∞.
2 x 2 x x→+∞
x
• xe−x = x −−−−→ 0 (inverse de la précédente).
e x→+∞
ln x ln x
• = ln x −−−−→ +∞ par composition.
x e x→+∞
1
ln 1
(ii) x ln x = − 1 x −−−→ 0 par composition car −−−→ +∞.
x
x→0 x x→0
92
ECG1 2021–2022 H. Boucher B1. Fonctions usuelles 93
Proposition B1.36
(ii) On a la limite en 0+ :
lim xa (ln x)b = 0.
x→0+
Définition B1.37 y
J
• On définit les fonctions cosinus et sinus de la
tan t •T
manière suivante. Dans un repère orthonormé
sin t •M
(O,~ı,~), C étant le cercle trigonométrique, on
−−→
place un point sur C tel que (~ı, OM ) = t. On
appelle alors cos(t) et sin(t) l’abscisse et l’or- t
donnée de M .
O cos t I x
• S’il existe, on note T le point d’intersection de
(OM ) avec la tangente au cercle en I. On ap-
pelle tangente de t l’ordonnée de T , notée tan t.
Proposition B1.38
π
Pour tout t ∈ R \ + πZ,
2
sin t
tan t = .
cos t
Dém. B1.38
Relation de Thalès dans le triangle T OI.
93
94 B1. Fonctions usuelles
Proposition B1.39
Méthodes
94
Chapitre B2
Nombres réels et suites numériques
Objectifs
1 Suites numériques
1.1 Généralités
Définition B2.1
On appelle suite de nombres réels une famille de nombre réels indexée par N, c’est-à-dire une
application
u : N → R.
On note alors un = u(n), appelé terme général de la suite.
Notations. L’ensemble F(N, R) des suites réelles est noté RN et une suite u sera le plus souvent définie
par son terme général et notée (un )n∈N ou (un ) lorsqu’il n’y aura pas d’ambiguı̈té.
Remarque. Une suite peut être simplement définie à partir d’un certain rang (àpcr) n0 . On la note alors
(un )n>n0 .
95
96 B2. Nombres réels et suites numériques
Définition B2.2
Étant données deux suites (un ) et (vn ) et un nombre λ ∈ R, on définit sur RN les opérations de
somme, produit et multiplication par un scalaire par
• (un ) + (vn ) = (un + vn ),
• λ(un ) = (λun ),
• (un ) × (vn ) = (un vn ).
∃M ∈ R, ∀n ∈ N, un 6 M ;
∃m ∈ R, ∀n ∈ N, m 6 un ;
(ii) décroissante si
∀n ∈ N, un+1 6 un ;
Remarque. On aura souvent simplement besoin de vérifier ces propriétés à partir d’un certain rang,
c’est à dire que la propriété en question sera vraie pour tout n > n0 avec n0 ∈ N. Une suite constante à
partir d’un certain rang s’appelle une suite stationnaire.
96
ECG1 2021–2022 H. Boucher B2. Nombres réels et suites numériques 97
Définition B2.5
Soit r ∈ R. On dit qu’une suite (un )n∈N est arithmétique de raison r lorsque pour tout n ∈ N,
un+1 = un + r.
Proposition B2.6
Définition B2.7
Soit q ∈ R. On dit qu’une suite (vn )n∈N est géométrique de raison q lorsque pour tout n ∈ N,
vn+1 = vn × q.
Proposition B2.8
Définition B2.9
On dit qu’une suite (un )n∈N est arithmético-géométrique lorsqu’il existe deux réels a 6= 1 et
b 6= 0 tels que pour tout n ∈ N, un+1 = aun + b.
Méthode d’étude :
• Si a = 1, se ramener à l’étude d’une suite arithmétique.
• Si a 6= 1, trouver c tel que c = ac + b (point fixe de la relation).
Détail.
c = ac + b ⇔ c(1 − a) = b
b
⇔ c=
1−a
97
98 B2. Nombres réels et suites numériques
wn+1 = un+1 − c
= aun + b − c
Pour tout n ∈ N, = aun + b − (ac + b)
= a(un − c)
= awn
• Exprimer wn en fonction de n.
• En déduire un en fonction de n pour tout n ∈ N.
Détail.
(wn ) est géométrique de raison a. Donc pour tout n ∈ N, wn = an w0 .
Donc un − c = an (u0 − c), soit un = an (u0 − c) + c.
n b b
Finalement, un = a u0 − + .
1−a 1−a
Définition B2.10
(i) On dit (un ) vérifie une relation de récurrence linéaire à deux termes (ou d’ordre 2)
s’il existe a, b, c ∈ R avec a, c 6= 0 tels que ∀n ∈ N, aun+2 + bun+1 + cun = 0.
(ii) Dans ce cas, on appelle équation caractéristique l’équation ax2 + bx + c = 0.
Théorème B2.11
Avec les notations ci-deussus, soit (un ) vérifiant : ∀n ∈ N, aun+2 + bun+1 + cun = 0. Soit ∆ le
discriminant de l’équation caractéristique associée.
• Si ∆ > 0, soit q1 et q2 ses deux solutions réelles.
Alors (un ) ∈ {(λq1n + µq2n ), λ, µ ∈ R}.
• Si ∆ = 0, soit q son unique solution réelle.
Alors (un ) ∈ {(λq n + µnq n ), λ, µ ∈ R}.
(
u0 , u1 donnés
Méthode d’étude pour :
∀n ∈ N, aun+2 + bun+1 + cun = 0
• Écrire et résoudre l’équation caractéristique : ax2 + bx + c = 0.
• En fonction du signe de ∆, donner les solutions générales (voir théorème ci-dessus).
• À l’aide de u0 et u1 , trouver les deux constantes (via un système à deux équations).
Remarque.
• La relation aun+2 + bun+1 + cun = 0 s’appelle relation de récurrence linéaire d’ordre 2.
• Si a = 0 ou c = 0, la suite un est simplement géométrique.
• Très souvent, on aura a = 1 et la relation sera donnée sous la forme un+2 = αun+1 + βun .
98
ECG1 2021–2022 H. Boucher B2. Nombres réels et suites numériques 99
La relation d’ordre sur R est compatible avec la somme et le produit de nombres positifs. En
particulier,
a6b
• ⇒ a + a0 6 b + b0 ;
a0 6 b0
06a6b
• ⇒ aa0 6 bb0 .
0 6 a0 6 b0
Remarque. Attention au sens des inégalités lors de la multiplication par un nombre négatif ou du passage
à l’inverse notamment.
2.1 Intervalles de R
Définition B2.13
Définition B2.14
(
x si x > 0
Soit x ∈ R. La valeur absolue de x est |x| =
−x sinon.
99
100 B2. Nombres réels et suites numériques
Proposition B2.15
Proposition B2.16
La fonction x 7→ |x| est définie et continue sur R, dérivable sur R∗ et sa dérivée est
(
1 si x > 0
x 7→ .
−1 si x < 0
1 1
• max(x, y) = (x + y + |x − y|) ; • min(x, y) = (x + y − |x − y|).
2 2
Soit x, y ∈ R. Alors
|x + y| 6 |x| + |y|.
Dém. B2.17
Soit x, y ∈ R.
x 6 |x| et y 6 |y| donc x + y 6 |x| + |y|.
−x 6 |x| et −y 6 |y| donc −(x + y) 6 |x| + |y|.
Ces deux majorations montrent que |x + y| 6 |x| + |y|.
Remarque. L’inégalité ci-dessus est valable (par récurrence) pour une somme de plusieurs termes.
Pour tout x ∈ R, il existe un unique entier p tel que p 6 x < p + 1, appelé partie entière de x
et noté bxc.
100
ECG1 2021–2022 H. Boucher B2. Nombres réels et suites numériques 101
Proposition B2.19
Proposition B2.20
Remarque. Ceci est utile pour définir les approximations décimales d’un nombre réel. Voir en exercice.
(i) Toute partie non vide et majorée de R admet une borne supérieure.
(ii) Toute partie non vide et minorée de R admet une borne inférieure.
101
102 B2. Nombres réels et suites numériques
3 Convergence, divergence
3.1 Limites
Définition B2.24
On dit qu’une suite (un ) ∈ RN converge vers ` ∈ R lorsque tout intervalle ouvert contenant `
contient tous les termes de la suite (un ) sauf un nombre fini d’entre eux.
Si un tel réel ` existe, on dit que la suite est convergente et sinon on dit qu’elle est divergente.
Remarque. Définition quantifiée : on dit qu’une suite (un ) ∈ RN converge vers ` ∈ R lorsque :
∀ε > 0, ∃N ∈ N, ∀n > N, |un − `| 6 ε.
Définition B2.25
On dit qu’une suite (un ) tend vers +∞ (et on note un −−−−−→ +∞) si
n→+∞
∀A ∈ R, ∃N ∈ N, ∀n > N, un > A.
On dit qu’une suite (un ) tend vers −∞ (et on note un −−−−−→ −∞) si
n→+∞
∀A ∈ R, ∃N ∈ N, ∀n > N, un 6 A.
Remarque. On peut aussi donner la formulation suivante : (un ) tend vers +∞ lorsque tout intervalle de
la forme [A, +∞[ contient tous les termes de la suite sauf un nombre fini d’entre eux.
Théorème et définition B2.26 (Unicité de la limite)
Soit `, `0 ∈ R et soit (un ) ∈ RN une suite qui converge vers ` et vers `0 . Alors ` = `0 , ce nombre
s’appelle alors la limite de la suite u et on note lim un = `.
n→+∞
Remarque. On note R = R ∪ {+∞, −∞}, qui porte le nom de droite réelle achevée. Poser a ∈ R
signifie simplement qu’on considère un nombre a réel ou égal à +∞ ou −∞.
Proposition B2.27
Proposition B2.28
102
ECG1 2021–2022 H. Boucher B2. Nombres réels et suites numériques 103
Dém. B2.28
Soit ` sa limite.D’après la définition de la convergence, elle est bornée par ` − 1 et ` + 1 àpcr.
Remarque. Une suite qui tend vers +∞ (respectivement −∞) n’est pas majorée (resp. pas minorée). En
particulier, elle diverge.
(i) Soit (un ) ∈ RN une suite qui converge vers ` ∈ R et soit a, b ∈ R. Si un ∈ [a, b] àpcr, alors
` ∈ [a, b].
(ii) Soit (un ), (vn ) ∈ RN deux suites qui convergent respectivement vers ` et `0 . Si un 6 vn àpcr,
alors ` 6 `0 .
Proposition B2.30
Soit (un ) et (vn ) deux suites convergentes. On note ` = lim un et `0 = lim vn . Soit λ, µ ∈ R.
n→+∞ n→+∞
Alors
(i) la suite (λun + µvn ) converge vers λ` + µ`0 ;
(ii) la suite (un vn ) converge vers ``0 .
Soit (un ) une suite qui converge vers ` 6= 0. On peut supposer un 6= 0 (quitte à faire l’étude àpcr).
Alors la suite (1/un ) converge vers 1/`.
103
104 B2. Nombres réels et suites numériques
Proposition B2.33
— Soit (un ) ∈ RN telle que |un | tend vers +∞. Alors (1/un ) converge vers 0.
— Soit (un ) ∈ RN telle que |un | tend vers 0. Alors (1/un ) diverge. De plus,
1
â si un > 0 àpcr alors lim = +∞,
n→+∞ un
1
â si un < 0 àpcr alors lim = −∞,
n→+∞ un
Remarque. Un cas particulier : si |un | 6 vn àpcr avec vn qui converge vers 0, alors un aussi.
Définition B2.36
Soit (un ) ∈ RN . On dit que (vn ) est une suite extraite ou une sous-suite de (un ) s’il existe une
application strictement croissante ϕ : N → N telle que pour tout n ∈ N, vn = uϕ(n) .
Proposition B2.37
Toute suite extraite d’une suite convergente converge vers la même limite.
Remarque. En particulier pour montrer qu’une suite bornée n’est pas convergente, il suffit de trouver
deux suites extraites qui convergent vers deux limites différentes.
Proposition B2.38
Soit (un ) ∈ RN . Si (u2n ) et (u2n+1 ) tendent vers la même limite ` ∈ R, alors (un ) tend vers `.
104
ECG1 2021–2022 H. Boucher B2. Nombres réels et suites numériques 105
3.5 Monotonie
Théorème B2.41
Soit (un ) et (vn ) deux suites adjacentes. Alors (un ) et (vn ) tendent vers la même limite ` qui, de
plus, vérifie un 6 ` 6 vn pour tout n ∈ N.
Dém. B2.41
• (vn − un ) est décroissante d’après les variations de (un ) et (vn ).
• ∀n ∈ N, vn − un > 0 car (vn − un ) décroı̂t vers 0.
• ∀n ∈ N, u0 6 un 6 vn 6 v0 . Ainsi (un ) est majorée (par v0 ) et (vn ) minorée (par u0 ).
• (un ) et (vn ) convergent. Soit ` et `0 leurs limites respectives.
• vn − un −−−−−→ `0 − ` donc `0 − `0 = 0 par unicité de la limite.
n→+∞
• ` = sup{un , n ∈ N} = inf{vn , n ∈ N} donc ∀n ∈ N, un 6 ` 6 vn .
105
106 B2. Nombres réels et suites numériques
Méthodes
106
Chapitre B3
Continuité et dérivabilité
Objectifs
Les notions de ce chapitre sont présentées pour une fonction définie sur un intervalle de R. Elles s’étendent
(dans une mesure que l’on précisera) aux fonctions définies sur un domaine qui s’en rapproche ou s’y ramène
simplement (par exemple R∗ comme union de deux intervalles, etc.).
Dans toute la suite, on considère un intervalle I ⊂ R.
Notation. R désigne R ∪ {−∞, +∞}. On désigne par I l’intervalle I incluant ses bornes si elles sont finies.
Par exemple ]0, 1[ = [0, 1].
107
108 B3. Continuité et dérivabilité
Définition B3.1
Soit f une fonction définie sur I. Soit a un élément ou une extrémité de I et soit ` ∈ R. On dit
que f (x) tend vers ` quand x tend vers a et on note f (x) −−−→ ` lorsque,
x→a
• pour a ∈ R et ` ∈ R,
• pour a ∈ R et ` = +∞,
• pour a = +∞ et ` = +∞,
• pour a = −∞ et ` ∈ R,
Remarque. On peut encore écrire cinq autres définitions dans les autres cas pour a et `. Il est indispensable
de savoir le faire. On peut aussi utiliser la notion de voisinage pour résumer la définition de f (x) −−−→ ` en
x→a
une assertion :
pour tout voisinage V de `, il existe un voisinage W de a tel que pour tout x ∈ I ∩ W , f (x) ∈ V .
Définition B3.3
Soit f définie sur I et a ∈ I. On dit que f est continue en a lorsque f (x) −−−→ f (a).
x→a
108
ECG1 2021–2022 H. Boucher B3. Continuité et dérivabilité 109
Remarque. On peut donc traduire cette définition en termes mathématiques : f est continue en a lorsque
Notations. On note f (x) −−−−→ ` et f (x) −−−−→ ` ou encore, si on a l’existence de la limite, lim f (x) = lim f = `
x→a+ x→a− x→a+ a+
Proposition B3.5
(i) f admet une limite en a si et seulement si elle admet une limite à droite et à gauche en a
et qu’elles sont égales.
(ii) f est continue en a ∈ I si et seulement si elle est continue à droite et à gauche en a.
Soit a ∈ I et f définie sur I \ {a}. Supposons que f admette une limite finie ` ∈ R en a. Alors on
peut définir la fonction
f˜ : I −→ R ( .
f (x) si x ∈ I \ {a}
x 7−→
` si x = a
Cette fonction est continue en a et est appelée prolongement par continuité de f en a.
109
110 B3. Continuité et dérivabilité
1.2 Opérations
Définition B3.7
Remarque. Il existe bien sûr la même définition si l’on se place au voisinage de −∞.
Désormais f et g désignent deux fonctions définies sur une partie de R. Les limites considérées s’entendent
en un point de leur ensemble de définition ou au bord de ce dernier.
Proposition B3.8
(i) Si f −
→ ` ∈ R, alors f est bornée au voisinage de a.
a
(ii) Si f −
→ ` > 0, alors il existe m > 0 tel que f > m au voisinage de a.
a
Dém. B3.8
(i) On applique la définition avec ε = 1. Ceci montre que f est bornée au voisinage de a par
` − 1 et ` + 1.
`
(ii) Si ` ∈ R+ , on applique la définition avec ε = . Ceci montre que f (x) > ` − `/2 dans
2
un voisinage de a, ce qui est un minorant m strictement positif.
Si ` = +∞, on applique la définition avec n’importe quel seuil strictement positif.
Soit f, g deux fonctions définies sur I et a ∈ I. On suppose que f (x) −−−→ `1 et g(x) −−−→ `2 .
x→a x→a
Alors
(i) pour tous α, β ∈ R, (αf + βg)(x) −−−→ α`1 + β`2 ,
x→a
(ii) (f g)(x) −−−→ `1 `2 ,
x→a
(iii) |f (x)| −−−→ |`1 |.
x→a
(iv) avec `1 6= 0, (1/f )(x) −−−→ 1/`1
x→a
Dém. B3.9
Démonstration partielle de la première propriété dans le cas où `1 , `2 ∈ R.
110
ECG1 2021–2022 H. Boucher B3. Continuité et dérivabilité 111
ε
Soit V2 voisinage de a tel que pour tout x ∈ V2 , |g(x) − `2 | < .
2|β|
Soit V = V1 ∩ V2 voisinage de a. Alors pour tout x ∈ V ,
Si f −
→ b et g →
− `, alors g ◦ f −
→ `.
a b a
Corollaire B3.11
Si f 6 g au voisinage de a et f −
→ `1 et g −
→ `2 , alors `1 6 `2 .
a a
Dém. B3.12
On travaille avec g − f qui tend vers `2 − `1 . Si `1 > `2 , alors `1 − `2 > 0 et donc f − g admet
un minorant strictement positif dans un voisinage de a. Ceci contredit l’hypothèse sur le signe
de g − f .
(i) Si g 6 f 6 h au voisinage de a et g, h −
→ `, alors f −
→ `.
a a
(ii) Si g 6 f au voisinage de a et g −
→ +∞, alors f −
→ +∞.
a a
Remarque. On utilise aussi la contraposée de ce théorème, notamment pour démontrer qu’une fonction
est n’admet pas de limite, ou est discontinue en un point.
111
112 B3. Continuité et dérivabilité
Soit f définie sur un intervalle de la forme [a, b[ ou ]a, b[ (avec a, b ∈ R) et croissante au voisinage
de b. Alors
soit f est majorée au voisinage de b, alors elle admet une limite finie en b,
soit f →
− +∞.
b
Remarque. On a un résultat similaire avec une fonction décroissante, en remplaçant la majoration par
une minoration, et +∞ par −∞.
Définition B3.16
On dit qu’une fonction f est continue sur I lorsqu’elle est continue en tout a ∈ I.
Si
â f est continue sur [a, b],
â γ est compris entre f (a) et f (b),
alors il existe c ∈ [a, b] tel que γ = f (c).
Théorème B3.19
L’image d’un intervalle (resp. d’un segment) par une fonction continue est un intervalle (resp. un
segment).
112
ECG1 2021–2022 H. Boucher B3. Continuité et dérivabilité 113
Notation. En particulier f continue sur [a, b] atteint son maximum et son minimum, notés max f (x) et
x∈[a,b]
min f (x)
x∈[a,b]
Définition B3.20
Remarque. Pour résumer, f est dérivable en a si et seulement si son taux d’accroissement admet une
limite finie lorsque x tend vers a et on a
f (x) − f (a)
f 0 (a) = lim .
x→a x−a
Définition B3.21
y = f 0 (a)(x − a) + f (a).
Remarque. Cette droite est (en un sens topologique qu’on ne précisera pas dans le cadre de ce cours) la
limite quand x tend vers a des droites sécantes à C en A et un point M d’abscisse x.
Proposition B3.22 (Développement limité à l’ordre 1)
113
114 B3. Continuité et dérivabilité
Proposition B3.23
Théorème B3.25
soit f : I → R dérivable en a qui n’est pas une borne de I. Si f présente un extremum local en
a, alors f 0 (a) = 0.
Définition B3.26
114
ECG1 2021–2022 H. Boucher B3. Continuité et dérivabilité 115
Remarques.
• On peut adapter ces définitions pour parler d’une fonction k fois (ou infiniment) dérivable en a ∈ I.
• Cependant, pour parler d’une fonction k fois dérivable en un seul point, l’existence de f (k−1) sur I
tout entier est nécessaire.
Notations. On note C k (I, R) (resp. C ∞ (I, R) l’ensemble des fonctions de classe C k (resp. C ∞ ) sur I.
Lorsqu’aucune confusion n’est possible, on peut écrire simplement C k (I) et C ∞ (I).
Proposition B3.27
Étant donné n ∈ N, soit f, g ∈ C n (I) (resp. C ∞ (I)). Alors f g est de classe C n (resp. C ∞ ) et on a
n
X n
(f g)(n) = f (k) g (n−k) .
k
k=0
Remarque. Même si on ne peut donner ici aucune formule générale pour les dérivées, on peut montrer
que l’inverse d’une fonction C k et la composée de deux fonctions C k (moyennant les hypothèses usuelles)
sont également de classe C k .
Soit f : [a, b] → R. Si
â f est continue sur [a, b],
â f est dérivable sur ]a, b[,
â f (a) = f (b),
alors il existe c ∈]a, b[ tel que f 0 (c) = 0.
Les conséquences de ce théorème sont multiples. Parmi les plus connues et utiles, les deux résultats
suivants.
115
116 B3. Continuité et dérivabilité
Proposition B3.30
(i) Soit f : [a, b] → R une fonction continue sur [a, b] et dérivable sur ]a, b[. Étant donné n ∈ N∗ ,
on suppose que f admet (au moins) n + 1 zéros sur [a, b]. Alors f 0 admet (au moins) n zéros
sur ]a, b[.
(ii) Soit f ∈ C n ([a, b]. On suppose que f admet (au moins) n + 1 zéros sur [a, b]. Alors il existe
c ∈ [a, b] tel que f (n) (c) = 0.
Soit f : [a, b] → R. Si
â f est continue sur [a, b],
â f est dérivable sur ]a, b[,
alors il existe c ∈]a, b[ tel que f (b) − f (a) = f 0 (c)(b − a).
Soit f : [a, b] → R. Si
â f est continue sur [a, b],
â f est dérivable sur ]a, b[,
â ∃m, M ∈ R, ∀x ∈]a, b[, m 6 f 0 (x) 6 M ,
alors m(b − a) 6 f (b) − f (a) 6 M (b − a).
Corollaire B3.33
Soit f : [a, b] → R. Si
â f est continue sur [a, b],
â f est dérivable sur ]a, b[,
â ∃k ∈ R tel que ∀x ∈]a, b[, |f 0 (x)| 6 k,
alors |f (b) − f (a)| 6 k|b − a|.
116
ECG1 2021–2022 H. Boucher B3. Continuité et dérivabilité 117
Méthodes
117
118 B3. Continuité et dérivabilité
118
Chapitre B4
Intégration sur un segment
Objectifs
Dans tout le chapitre, I désigne un intervalle de R qui n’est pas réduit à un singleton.
Définition B4.1
Définition B4.2
Soit f : [a, b] → R. (
f (x) si f (x) > 0
On définit la partie positive de f comme f + : x 7→ .
0 si f (x) < 0
(
+ f (x) si f (x) 6 0
De même on définit la partie négative de f comme f : x 7→ .
0 si f (x) > 0
119
120 B4. Intégration sur un segment
Proposition B4.3
Définition B4.4
Z a Z b
Remarque. Toujours avec a < b, on peut aussi définir f (t) dt comme − f (t) dt.
b a
2 Primitives et intégrale
F : I → RZ x .
x 7→ f (t) dt
a
Définition B4.6
Soit f, F : I → R. On dit que F est une primitive de f sur I lorsque F est une fonction dérivable
sur I et que F 0 = f .
Proposition B4.7
Proposition B4.8
120
ECG1 2021–2022 H. Boucher B4. Intégration sur un segment 121
Remarque. Soit f : I → R continue. Alors f admet des primitives sur I. Elles diffèrent toutes d’une
constante. Z x
Étant donné a ∈ I, Fa : x 7→ f (t) dt est l’unique primitive de f qui s’annule en a.
a
Proposition B4.9
3 Propriétés
Dém. B4.11
Z b Z c Z c
f (t) dt + f (t) dt = F (b) − F (a) + F (c) − F (b) = F (c) − F (a) = f (t) dt.
a b a
121
122 B4. Intégration sur un segment
Dém. B4.12
Z b
(λf (t) + µg(t)) dt = (λF (b) + µG(b)) − (λF (a) + µG(a))
a
= λ(F (b) − F (a)) + µ(G(b) − G(a))
Z b Z b
= λ f (t) dt + µ g(t) dt.
a a
Proposition B4.13 (Positivité)
Dém. B4.13
On applique l’égalité des accroissements finis à F , dérivable sur [a, b] et de dérivée F 0 = f :
∃c ∈]a, b[, F (b) − F (a) = (b − a)F 0 (c) = (b − a)f (c).
Z b
Or f est positive, donc f (t) dt = F (b) − F (a) > 0.
a
Dém. B4.14
Appliquer la propriété précédente avec g − f qui est positive.
122
ECG1 2021–2022 H. Boucher B4. Intégration sur un segment 123
Dém. B4.15
y
Soit x0 ∈]a, b[ et y = f (x0 ) > 0.
Par continuité, il existe un voisinage de x0 (i.e.
un intervalle [x0 − η, x0 + η] avec η > 0) sur y/2
y
lequel f est supérieure à .
2
x0 − η x0 x0 + η
Ainsi Z b Z x0 −η Z x0 +η Z b
f (t) dt = f (t) dt + f (t) dt + f (t) dt > 0.
a x0 −η
|a {z } | {z } |
x0 +η
{z }
>0 > 2η y2 >0 >0
Dém. B4.16
Appliquer le théorème précédent avec g − f .
Corollaire B4.17
Dém. B4.17
Contraposée du théorème précédent.
On a Z b Z b
f (t) dt 6 |f (t)| dt.
a a
Dém. B4.18
On applique la propriété de croissance avec f qui vérifie f 6 |f | et avec −f qui vérifie −f 6 |f |.
Z b Z b Z b Z b
On obtient f (t) dt 6 |f (t)| dt et − f (t) dt 6 |f (t)| dt, d’où l’inégalité souhaitée.
a a a a
123
124 B4. Intégration sur un segment
Soit I, J deux intervalles de R et ϕ : J → I une fonction dont la dérivée est continue sur I. Soit
f : I → R continue et α, β ∈ J. Alors
Z ϕ(β) Z β
f (t) dt = f (ϕ(u))ϕ0 (u) du.
ϕ(α) α
4 Sommes de Riemann
Soit f : [a, b] → R de classe C 1 . On essaie d’approcher l’intégrale de f comme l’intégrale sous sa courbe.
Pour cela, on la décompose en tranches verticales de plus en plus fines, dont les aires sont celles de tout
petits rectangles. Pour tout entier positif n, on subdivise l’intervalle [a, b] en n petits intervalles identiques
b−a
[ak , ak+1 ] pour 0 6 k 6 n − 1. Pour cela, on pose ak = a + k pour tout k 6 n. On peut maintenant
n
choisir d’approcher la fonction f par des petits rectangles à gauche ou à droite.
Définition B4.21
Les sommes de Riemann Sgn (f ) et Sdn (f ) sont définies pour tout n ∈ N∗ par
n−1 n
b−aX b−aX
Sgn (f ) = f (ak ) et Sdn (f ) = f (ak ).
n n
k=0 k=1
Théorème B4.22
124
ECG1 2021–2022 H. Boucher B4. Intégration sur un segment 125
Corollaire B4.23
Remarque. L’utilité principale de ces résultats est de calculer des sommes qui font apparaı̂tre du k/n à
l’aide d’un simple calcul d’intégrale.
Méthodes
• Comparaison d’intégrales.
• Calcul de primitive
â en reconnaissant une dérivée usuelle,
â par intégration par parties,
â par changement de variable.
• Calcul de limite à l’aide d’une somme de Riemann.
• Étudier une fonction définie par une intégrale.
125
126 B4. Intégration sur un segment
126
Chapitre B5
Relations de comparaison
Objectifs
Soient (un ) et (vn ) deux suites réelles, (vn ) Soient f et g deux fonctions réelles définies
ne s’annulant pas àpcr. sur D et a ∈ D. En a,
(i) On dit que (un ) est négligeable de- (i) on dit que f est négligeable devant
un f (x)
vant (vn ) si −−−−−→ 0 et on note g lorsque −−−→ 0 et on note f =
vn n→+∞ g(x) x→a
un = o(vn ). o(g).
(ii) On dit que (un ) et (vn ) sont (ii) on dit que f et g sont équivalentes
un
équivalentes si −−−−−→ 1 et f (x)
vn n→+∞ lorsque −−−→ 1 et on note f ∼ g.
on note un ∼ vn . g(x) x→a
127
128 B5. Relations de comparaison
Soient (un ) et (vn ) deux suites réelles. Alors Soit f et g deux fonctions réelles. Alors
un ∼ vn ⇔ un − vn = o(vn ). f ∼ g ⇔ f − g = o(g).
Dém. B5.4
f −g f f
f − g = o(g) ⇔ −→ 0 ⇔ − 1 −→ 0 ⇔ −→ 1 ⇔ f ∼ g.
g g g
2 2 2 21 2
Exemple. x + x ∼ x car x = o(x ). Voir aussi que x + x = x 1 + .
x→+∞ x
| {z }
→1
Remarques. Remarques.
• Dire un = o(1) revient à dire un −−−−−→ 0. • Dire f = o(1) revient à dire f −−−→ 0.
n→+∞ x→a
• Si ` 6= 0, un ∼ ` revient à dire un −−−−−→ `. • Si ` 6= 0, f ∼ ` revient à dire f (x) −−−→ `.
n→+∞ a x→a
Remarques.
• On peut avoir f ∼ g sans que f − g soit petit dans l’absolu. Par exemple x2 + x ∼ x2 et leur
x→+∞
différence vaut x, qui tend vers +∞ en +∞. Mais on a x = o(x2 ).
• Quand on donne un équivalent, inutile de donner plusieurs termes de différents ordres de grandeur.
Par exemple, x2 + x + 1 ∼ x2 + x est vrai mais inopérant car on a aussi x2 + x + 1 ∼ x2 + 28x.
x→+∞ x→+∞
Le seul équivalent immuable et donc le seul intéressant est x2 + x + 1 ∼ x2 .
x→+∞
128
ECG1 2021–2022 H. Boucher B5. Relations de comparaison 129
2 Utilisation
Étant données deux suites (un ) et (vn ) à va- Étant données deux fonctions f et g à valeurs
leurs positives, positives,
) )
un ∼ vn f ∼g
vn −−−−−→ ` ∈ R ⇒ un −−−−−→ `; g(x) −−−→ ` ∈ R ⇒ f (x) −−−→ `;
n→+∞ x→a
n→+∞ x→a
) )
un = o(vn ) f = o(g)
vn −−−−−→ 0 ⇒ un −−−−−→ 0; g −−−→ 0 ⇒ f −−−→ 0;
n→+∞ x→a
n→+∞ x→a
) )
un = o(vn ) f = o(g)
un −−−−−→ +∞ ⇒ vn −−−−−→ +∞. f −−−→ +∞ ⇒ g −−−→ +∞.
n→+∞ x→a
n→+∞ x→a
3 Calcul
Proposition B5.10
Proposition B5.9
Dém. B5.10
fg f g f g fg
(i) = donc : si → 1 et → 1, alors → 1.
uv uv u v uv
f /g f v
(ii) = ...
u/v g u
α
fα f f fα
(iii) α = = eα ln(f /u) donc si → 1, ln(f /u) → 0, donc α → 1.
u u u u
129
130 B5. Relations de comparaison
Remarque. ! Attention !
• On ne somme pas d’équivalents : soit f (x) = x2 + x ∼ x2 et g(x) = −x2 + x ∼ −x2 . Bien sûr on ne
+∞ +∞
peut absolument pas écrire que f + g ∼ 0, c’est pire que faux !
Contre-exemple (légèrement) moins stupide : x + 1 ∼ x + 2 et −x ∼ −x mais on n’a pas 1 ∼ 2.
• On ne compose pas les équivalents à gauche (en particulier on ne les passe pas au log ou à l’exponen-
tielle). Contre-exemple : x + 1 ∼ x mais ex+1 = eex qui n’est pas équivalent à ex .
+∞
Soit (un ), (vn ) et (wn ) trois suites et α, β ∈ R. Soit f, g et h trois fonctions réelles et α, β ∈
Alors R. Alors
) )
un = o (wn ) f = o (h)
(i) ⇒ αun +βvn = o (wn ), (i) ⇒ αf + βg = o (h),
vn = o (wn ) g = o (h)
) )
un = o (vn ) f = o (g)
(ii) ⇒ un = o (wn ), (ii) ⇒ f = o (h),
vn = o (wn ) g = o (h)
(iii) Si un = o (wn ), alors un vn = o (wn vn ). (iii) Si f = o (h), alors f g = o (hg).
Dém. B5.12
αf + βg f g f f g fg f
(i) =α +β (ii) = (iii) = .
h h h h g h hg h
130
ECG1 2021–2022 H. Boucher B5. Relations de comparaison 131
Dém. B5.16
f (x) − f (a) f (x) − f (a)
(i) −−−→ f 0 (a) donc 0 −−−→ 1.
x−a x→a f (a)(x − a) x→a
Méthodes
131
132 B5. Relations de comparaison
132
Chapitre B6
Séries, intégrales généralisées
Objectifs
1 Questions de convergence
1.1 Séries numériques
Définition B6.1
Soit (un )n∈N une suite d’éléments de R. On appelle série de terme général un la suite (Sn )n∈N
définie pour tout n ∈ N par
n
X
Sn = u0 + u1 + . . . + un = uk .
k=0
X
Notations. On note cette série un .
n∈N
Définition B6.2
X
• On dit que la série un converge si la suite (Sn )n∈N de ses sommes partielles admet une
n∈N
limite finie S ∈ R quand n tend vers +∞. On appelle alors somme de la série ce nombre
S.
• Si la suite des sommes partielles diverge, on dit que la série est divergente.
133
134 B6. Séries, intégrales généralisées
+∞
X N
X
un = lim un = lim SN .
N →+∞ N →+∞
n=0 n=0
X
Remarque. Attention à ne pas confondre les notations. Malgré l’immuable présence du signe sigma, un
n∈N
+∞
X
désigne la série de terme général un ; c’est une suite et cela n’a aucun rapport avec sa somme, un qui,
n=0
lorsque la série converge, est un nombre fini et avec lequel on ne peut écrire des calculs qu’après avoir établi
son existence.
On veut généraliser la notion d’intégrale à des fonctions qui ne sont pas définies sur un segment [a, b]
mais sur un intervalle [a, +∞[, ] − ∞, b], [a, b[, etc.
a b→
a b
Définition B6.3
Soit a ∈ R et b ∈ R ∪ {+∞} tels que a < b. Soit f : [a, b[→ R continue. On dit que l’intégrale
Z b Z x
f (t) dt converge lorsque f (t) dt admet une limite finie lorsque x → b− .
a Z b a Z x
Dans ce cas, on note f (t) dt = lim f (t) dt.
a x→b a
Dans le cas contraire, on dit que cette intégrale est divergente.
Remarques.
• Dans le cas d’une étude sur ]a, b[, on pose c ∈]a, b[ et on fait deux études, successivement sur ]a, c] et
[c, b[.
134
ECG1 2021–2022 H. Boucher B6. Séries, intégrales généralisées 135
2 Premiers exemples
2.1 Georg Friedrich Bernhard Riemann
X 1
Soit α ∈ R. Alors converge si et seulement si α > 1.
nα
Proposition B6.6
X
Cela implique que si un ne tend pas vers 0, alors un diverge.
+∞
X X 1
Soit q ∈ R. Alors q n converge si et seulement si |q| < 1. Dans ce cas, on a qn = .
1−q
n=0
135
136 B6. Séries, intégrales généralisées
Dans le cas où il est difficile de calculer la somme partielle, on peut, en présence de séries réelles positives
de terme général décroissant, utiliser nos connaissances sur les intégrales grâce au critère de comparaison
suivant.
n n
Proposition B6.12
• Dans le cas de bornes finies, si f est prolongeable par continuité sur [a, b], alors son intégrale
converge.
• Dans le cas d’une borne infinie, si la limite de la fonction en cette borne n’est pas 0, alors
son intégrale diverge ; on parle de divergence grossière.
Proposition B6.13
Z +∞
• e−at dt converge ⇔ a > 0 (elle vaut alors 1/a).
0
Z 1
• ln(t) dt converge (et vaut −1).
0
136
ECG1 2021–2022 H. Boucher B6. Séries, intégrales généralisées 137
3 Propriétés
Remarque. En résumé, l’ensemble des séries convergentes (muni de l’addition des suites et de leur mul-
tiplication par un scalaire) forme un R-espace vectoriel ; et l’application qui à une série convergente associe
sa somme est linéaire.
Soit f telle que les intégrales suivantes soient bien définies. Alors si deux d’entre elles convergent,
la troisième converge également et on a
Z c Z b Z c
f (t) dt = f (t) dt + f (t) dt.
a a b
137
138 B6. Séries, intégrales généralisées
Supposons a < b. Soit f d’intégrale sur ]a, b[ convergente et telle que ∀x ∈]a, b[, f (x) > 0. Alors
Z b
f (t) dt > 0.
a
Supposons a < b. Soit f et g d’intégrales sur ]a, b[ convergentes et telles que ∀x ∈]a, b[, f (x) 6
g(x). Alors
Z b Z b
f (t) dt 6 g(t) dt.
a a
4 Étude de convergence
Remarque. On aura évidemment les mêmes propriétés sur ]a, b] avec des critères de comparaison au
voisinage de a.
138
ECG1 2021–2022 H. Boucher B6. Séries, intégrales généralisées 139
Définition B6.21
Z b Z b
Soit f :]a, b[→ R continue. On dit que f (t) dt est absolument convergente si |f (t)| dt
a a
est convergente.
Théorème B6.22
Z b
Si f (t) dt est absolument convergente, alors elle est convergente.
a
Z +∞
sin t
Remarque. La réciproque est fausse : un exemple classique est dt qui est convergente sans être
a t
absolument convergente.
Définition B6.23
X X
Une série un est dite absolument convergente si la série |un | est convergente
Proposition B6.24
X
Si un est absolument convergente, alors elle est convergente.
Remarque. Une série convergente mais non absolument convergente est dite semi-convergente. Par
X (−1)n+1
exemple n’est pas absolument convergente (voir les séries de Riemann plus loin) mais elle
n
n>1
converge vers ln(2) (ce n’est pas évident, on peut le montrer à l’aide de l’inégalité de Taylor-Lagrange).
139
140 B6. Séries, intégrales généralisées
Méthodes
•
• Établir la convergence d’une série ou d’une intégrale généralisée
â en reconnaissant une série ou intégrale de référence,
â en la comparant à une série ou intégrale de référence à
termes positifs,
â par le calcul.
• Calculer une somme de série
â par télescopage,
â en faisant apparaı̂tre des séries usuelles,
â par passage à la limite.
140
Chapitre B7
Développements limités
Objectifs
1 Formules de Taylor
Remarque. Le polynôme
n
X f (k) (a)
Tn (x) = (x − a)k
k!
k=0
Soit f : I → R une fonction de classe C n+1 . Avec les notations ci-dessus et en appelant Mn+1 un
majorant de |f (n+1) | sur [a, x], on a
|x − a|n+1
|f (x) − Tn (x)| = |Rn (x)| 6 Mn+1
(n + 1)!
141
142 B7. Développements limités
n
X f (k) (a)
f (x) = (x − a)k + o ((x − a)n ) .
k! x→a
k=0
2 Développements limités
2.1 Généralités
Définition B7.4
Soient f : I → R avec I un intervalle dont 0 est un élément ou une extrémité. On dit que f admet
un développement limité en 0 à l’ordre n si l’on peut écrire
avec
• P un polynôme tel que deg P 6 n, appelé partie régulière ou principale du
développement,
• ε : I → R une fonction telle que ε(x) −−−→ 0. La fonction x 7→ xn ε(x) est appelée reste du
x→0
développement limité de f .
Remarques.
• On pourrait donner les mêmes définitions en une abscisse a 6= 0. Mais si a ∈ R∗ on peut se ramener
1
par le changement de variable x → x − a au cas examiné ici. Et si a = ±∞, il suffit de poser u = .
x
• Le théorème de Taylor-Young garantit l’existence d’un DL à l’ordre n dès que la fonction est de classe
Cn.
Proposition B7.5 (Unicité)
alors P1 = P2 .
142
ECG1 2021–2022 H. Boucher B7. Développements limités 143
Corollaire B7.6
2.2 Opérations
où S est égal au produit P × Q privé de tous ses termes de degré (strictement) supérieur à n.
avec Q0 = P et Q(0) = 0.
n
x3 x2n+1 X x2k+1
sin x = x − + . . . + (−1)n + o (x2n+2 ) = (−1)k + o (x2n+2 )
6 (2n + 1)! x→0 (2k + 1)! x→0
k=0
143
144 B7. Développements limités
n
x2 x2n X x2k
cos x = 1 − + . . . + (−1)n + o (x2n+1 ) = (−1)k + o (x2n+1 )
2 (2n)! x→0 (2k)! x→0
k=0
n
1 X
= 1 + x + x2 + . . . + xn + o (xn ) = xk + o (xn )
1−x x→0 x→0
k=0
n
1 X
= 1 − x + x2 + . . . + (−1)n xn + o (xn ) = (−1)k xk + o (xn )
1+x x→0 x→0
k=0
α(α − 1) 2 α(α − 1) . . . (α − n + 1) n
(1 + x)α = 1 + αx + x + ... + x + o (xn )
2 n! x→0
n
x2 x3 xn X xk
ln(1 − x) = −x − − − ... − + o (xn ) = − + o (xn )
2 3 n x→0 k x→0
k=1
n
x2 xn X xk
ln(1 + x) = x − + . . . + (−1)n+1 + o (xn ) = (−1)k+1 + o (xn )
2 n x→0 k x→0
k=1
n
x3 x2n+1 X x2k+1
Arctan x = x − + . . . + (−1)n + o (x2n+2 ) = (−1)k + o (x2n+2 )
3 2n + 1 x→0 2k + 1 x→0
k=0
Méthodes
144
Chapitre B8
Compléments d’analyse fonctionnelle
Objectifs
1 Extrema
Théorème B8.1
Soit f : [a, b] → R une fonction continue. Alors f est bornée sur [a, b] et atteint ses bornes.
Dém. B8.1
Théorème admis : conséquence (par exemple) du théorème de Bolzano-Weierstrass. On montre
que f atteint sa borne supérieure.
Théorème B8.2
Soit f : [a, b] → R dérivable sur ]a, b[ et x0 ∈]a, b[. Si f admet un extremum local en x0 , alors
f 0 (x0 ) = 0.
Dém. B8.2
Considérons le cas d’un maximum local (qu’on adaptera aisément à celui d’un minimum).
f (x) − f (x0 )
• ∀x < x0 , f (x) 6 f (x0 ) donc > 0. Donc (passage à la limite) f 0 (x0 ) > 0.
x − x0
f (x) − f (x0 )
• ∀x > x0 , f (x) 6 f (x0 ) donc 6 0. Donc (passage à la limite) f 0 (x0 ) 6 0.
x − x0
145
146 B8. Compléments d’analyse fonctionnelle
Définition B8.3
Théorème B8.4
Dém. B8.4
Si f 00 (x0 ) > 0, alors f 00 est positive au voisinage de x0 (car elle est continue).
Alors f 0 est croissante au voisinage de x0 . Comme f 0 (x0 ) = 0, on a f 0 (x) négatif puis positif
au voisinage de x0 , nul en x0 . Cela se traduit par un minimum local de f en x0 .
f 00 (x0 )
f (x) = f (x0 ) + (x − x0 )2 + o((x − x0 )2 ).
2
2 Convexité
Définition B8.5
146
ECG1 2021–2022 H. Boucher B8. Compléments d’analyse fonctionnelle 147
Proposition B8.6
Théorème B8.8
Soit f : I → R une fonction de classe C 1 . Alors les propositions suivantes sont équivalentes.
(i) f est convexe.
(ii) f 0 est croissante sur I.
(iii) Cf est au-dessus de ses tangentes.
Théorème B8.9
Théorème B8.11
147
148 B8. Compléments d’analyse fonctionnelle
Théorème B8.12
Méthodes
148
Troisième partie
Probabilités
149
Chapitre C1
Probabilités sur un univers fini
Objectifs
1 Expérience aléatoire
Définition C1.1
Une expérience aléatoire est une expérience dont on ne peut pas prévoir le résultat avec
certitude. Les différents résultats possibles d’une expérience aléatoire sont appelés issues et leur
ensemble est l’univers des possibles, souvent noté Ω.
Un événement est un sous-ensemble de Ω dont on dit qu’il se produit ou non suivant l’issue de
l’expérience.
Notation. Soit A ⊂ Ω un événement aléatoire. On dit que cet événement est réalisé lorsque l’issue ω de
notre expérience est un élément de A.
On a alors la correspondance suivante entre le vocabulaire des événements et celui des parties de Ω.
événement certain Ω
événement impossible ∅
événement élémentaire singleton {ω}
disjonction (A ou B) A∪B
conjonction (A et B) A∩B
événement contraire de A A
événements incompatibles A∩B =∅
système complet d’événements partition
151
152 C1. Probabilités sur un univers fini
2 Loi de probabilité
Définition C1.2
Soit Ω un univers fini. P : P(Ω) → [0, 1] est une loi de probabilité lorsque
• P(Ω) = 1,
• ∀A, B incompatibles, P(A ∪ B) = P(A) + P(B).
Dans ce cas, on dit que (Ω, P(Ω), P) est un espace probabilisé fini.
Définition C1.3
Soit (Ω, P(Ω), P) un espace probabilisé fini. Un événement A est dit presque sûr lorsque P(A) = 1
et négligeable ou presque impossible lorsque P(A) = 0.
Proposition C1.4
Remarques.
• Avec Ω fini, donner P({ω}) pour tout ω ∈ Ω suffit à définir la loi de probabilités P.
• L’inégalité de Boole se généralise à un nombre n quelconque d’événements (Ai )16i6n .
n n
!
[ X
P Ai 6 P(Ai )
i=1 i=1
Théorème C1.5
Avec les mêmes notations et (Ai )16i6n une famille d’événements incompatibles,
n n
!
[ X
P Ai = P(Ai ).
i=1 i=1
152
ECG1 2021–2022 H. Boucher C1. Probabilités sur un univers fini 153
3 Probabilités conditionnelles
Soient (Ω, P(Ω), P) un espace probabilisé fini et A, B des événements. Si P(B) 6= 0, on définit
P(A ∩ B)
PB (A) = .
P(B)
Alors PB est une loi de probabilité et PB (A), aussi notée P(A|B), s’appelle la probabilité condi-
tionnelle de A sachant B.
Remarque. Soient (Ω, P(Ω), P) un espace probabilisé fini, B ∈ P(Ω) et (Ai )16i6n des événements incom-
patibles. Alors
n n
!
X [
PB (Ai ) = PB Ai .
i=1 i=1
Soient (Ω,!P(Ω), P) un espace probabilisé fini et (Ai )16i6n des événements (avec n > 2) tels que
n
\
P Ai > 0. Alors
i=1
n
!
\
P Ai = P(A1 )PA1 (A2 )PA1 ∩A2 (A3 ) . . . PA1 ∩...∩An−1 (An ).
i=1
Remarque. En particulier, P(A ∩ B) = P(B)PB (A), ce qui n’est pas une grosse surprise au vu de la
définition.
Dém. C1.7
n
\
Par récurrence, l’hérédité étant assurée par P(A ∩ B) = P(B)PB (A) appliquée avec A = Ai
i=1
et B = An+1 .
Soient (Ω, P(Ω), P) un espace probabilisé fini, B ∈ P(Ω) et (Ai )16i6n un système complet
d’événements (non négligeables). Alors
n
X
P(B) = P(Ai )PAi (B).
i=1
153
154 C1. Probabilités sur un univers fini
Dém. C1.8
Les B ∩ Ai forment une partition de B, comme on l’a souligné en début de chapitre.
Xn Xn
Donc P(B) = P(Ai ∩ B) = P(Ai )PAi (B) par définition de PAi .
i=1 i=1
Corollaire C1.9
Soient (Ω, P(Ω), P) un espace probabilisé fini et A, B ∈ P(Ω) avec P(A) > 0. Alors
Soient (Ω, P(Ω), P) un espace probabilisé fini et A, B ∈ P(Ω) avec P(A) et P(B) non nuls. Alors
PA (B)P(A)
PB (A) = .
P(B)
Remarque. On trouve une version générale de cette formule pour laquelle il suffit d’exprimer P(B) à
l’aide de la formule des probabilités totales avec (Ai )16i6n un système complet d’événements : pour tout
1 6 k 6 n,
PA (B)P(A)
P(A|B) = n .
X
P(Ai )PAi (B)
i=1
4 Indépendance
Définition C1.11
Soient (Ω, P(Ω), P) un espace probabilisé fini et A, B ∈ P(Ω). On dit que A et B sont
indépendants lorsque
P(A ∩ B) = P(A)P(B).
Proposition C1.12
154
ECG1 2021–2022 H. Boucher C1. Probabilités sur un univers fini 155
Définition C1.13
Soient (Ω, P(Ω), P) un espace probabilisé fini. On dit que des événements (Ai )16i6n sont
(i) indépendants deux à deux lorsque
Proposition C1.14
Si des événements sont mutuellement indépendants, alors ils sont deux à deux indépendants. La
réciproque est fausse.
Méthodes
155
156 C1. Probabilités sur un univers fini
156
Chapitre C2
Variables aléatoires finies
Objectifs
Dans tout ce qui suit, (Ω, P(Ω), P) désigne un espace probabilisé fini.
Définition C2.1
On appelle variable aléatoire réelle (VAR) (discrète finie) sur Ω toute application X : Ω → R.
Son ensemble de valeurs est l’ensemble fini X(Ω) = {X(ω), ω ∈ Ω}.
Notations.
• Dans Ω, on note (X = x) ou {X = x} l’événement {ω ∈ Ω, X(ω) = x}.
• Si A est un sous-ensemble de X(Ω), on note (X ∈ A) l’événement {ω ∈ Ω, X(ω) ∈ A}.
LX : X(Ω) → [0, 1]
x 7→ P(X = x)
est appelée loi de la variable X et permet de définir une loi de probabilités sur X(Ω).
Remarque. Cela signifie que l’ensemble fini X(Ω) peut être vu comme un univers. Ses événements sont
157
158 C2. Variables aléatoires finies
des parties A ∈ P (X(Ω)). Avec les notations ci-dessus, on peut étendre la définition de LX à :
LX : P (X(Ω)) → [0, 1] .
A 7→ P(X ∈ A)
Définition C2.3
L
On dit que deux VAR X et Y sont égales en loi lorsque LX = LY . On note alors X = Y .
Proposition C2.4
Définition C2.5
Soit X une VAR sur un espace probabilisé fini (Ω, P(Ω), P). On appelle fonction de répartition
de X et on note FX la fonction
FX : R −→ [0, 1]
.
t 7−→ P(X 6 t)
Remarque. Une fonction de répartition est croissante, continue à droite en tout point, discontinue en les
x ∈ X(Ω), égale à 0 au voisinage de −∞ et à 1 au voisinage de +∞.
Proposition C2.6
Avec les notations ci-dessus, si X(Ω) = {x1 , . . . , xn } avec x1 < . . . < xn , alors on a pour tout
2 6 k 6 n, P(X = xk ) = FX (xk ) − FX (xk−1 ).
Théorème C2.7
Soit X et Y deux VAR sur un espace probabilisé fini (Ω, P(Ω), P). Alors on a équivalence entre :
L
(i) X = Y ,
(ii) ∀t ∈ R, FX (t) = FY (t).
158
ECG1 2021–2022 H. Boucher C2. Variables aléatoires finies 159
2 Espérance, variance
Définition C2.8
Proposition C2.9
X
L’espérance d’une VAR X est donnée par E(X) = X(ω)P({ω}).
ω∈Ω
Proposition C2.10
Définition C2.11
V (X) = E (X − E(X))2
p
et son écart-type est σ(X) = V (X). Une variable centrée de variance égale à 1 est dite centrée
réduite.
Proposition C2.12
159
160 C2. Variables aléatoires finies
Proposition C2.14
X − E(X)
Si X est une VAR, est centrée et réduite. On appelle cette v.a. la centrée réduite
σ(X)
de X, notée X ∗
3 Lois usuelles
Définition C2.16
P(X = a) = 1.
Proposition C2.17
Définition C2.18
On dit que la variable X à valeurs dans l’ensemble fini E suit une loi uniforme lorsque
1
∀x ∈ E, P(X = x) = .
|E|
Proposition C2.19
1+n n2 − 1
Soit n ∈ N∗ et X ,→ U (J1, nK). Alors E(X) = et V (X) = .
2 12
160
ECG1 2021–2022 H. Boucher C2. Variables aléatoires finies 161
Définition C2.20
On dit que la variable X à valeurs dans {0, 1} suit une loi de Bernoulli de paramètre p ∈ [0, 1]
lorsque
P(X = 1) = p et P(X = 0) = 1 − p .
On note alors X ,→ B(p).
Proposition C2.21
Définition C2.22
On dit que la variable X à valeurs dans J0, nK suit une loi binomiale de paramètres n ∈ N∗ et
p ∈ [0, 1] lorsque
n k
∀k ∈ J0, nK, P(X = k) = p (1 − p)n−k .
k
On note alors X ,→ B(n, p).
Proposition C2.23
Soit p ∈ [0, 1], n ∈ N∗ et X ,→ B(n, p). Alors E(X) = np et V (X) = np(1 − p).
Méthodes
161
162 C2. Variables aléatoires finies
162
Chapitre C3
Probabilités sur un univers quelconque
1 Cadre général
1.1 Tribu
Définition C3.1
Soit Ω un ensemble. Soit A une partie de P(Ω). On dit que A est une tribu (ou une σ-algèbre)
de Ω lorsque
(i) Ω ∈ A,
(ii) (stabilité par passage au complémentaire) ∀A ∈ A, A ∈ A,
+∞
[
(iii) (stabilité par union dénombrable) pour tout famille (An )n∈N d’éléments de A, An ∈ A.
n=0
Proposition C3.2
Dém. C3.2
(i) Ω ∈ A donc Ω = ∅ ∈ A.
+∞
[ +∞
\
(ii) Pour tout n, An ∈ A, donc An = An ∈ A.
n=0 n=0
Définition C3.3
Remarque. L’intérêt de ces notions est de ne pas devoir considérer P(Ω) tout entier (souvent gigantesque)
lors de notre étude d’une expérience aléatoire, mais une tribu plus raisonnable et adaptée à la situation.
163
164 C3. Probabilités sur un univers quelconque
Définition C3.4
Soit (Ω, A) un espace probabilisable et (Ai )i∈I une famille d’éléments de A indexée par I ⊂ N.
On dit que (Ai )i∈I système complet d’événements (s.c.e.) lorsque
• pour tous i 6= j dans I, Ai ∩ Aj = ∅,
[
• Ai = Ω.
i∈I
Définition C3.5
Soit I ∈ N et (Ai )i∈I un s.c.e. On appelle tribu engendrée par les (Ai ) la plus petite (au sens
de l’inclusion) tribu qui contient tous les Ai .
1.2 Probabilité
Définition C3.6
Soit (Ω, A) un espace probabilisable. On appelle probabilité sur (Ω, A) est une application
P : A → [0, 1] telle que
(i) P(Ω) = 1,
(ii) pour toute famille (An )n∈N d’événements deux à deux incompatibles, on a
! +∞
[ X
P An = P(An ).
n∈N n=0
Remarque. Cela sous-entend un résultat de convergence de série. On peut s’en tenir pour l’instant à la
+∞
X N
X
définition : l’existence de P(An ) signifie simplement que P(An ) admet une limite finie lorsque N tend
n=0 n=0
vers +∞.
164
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 165
Proposition C3.7
Dém. C3.7
Définition C3.8
Dém. C3.9
On va montrer la première assertion. Pour la seconde, on s’y ramène en passant aux complémentaires.
â (P(An ))n∈N est croissante et majorée (par 1) donc elle admet une limite finie `.
165
166 C3. Probabilités sur un univers quelconque
+∞
[
â Pour tout n > 0, on pose Bn = An \ An−1 . On pose aussi B0 = A0 . Soit A = An
n=0
+∞
[
Ainsi les Bn sont disjoints et on a A = Bn .
n=0
+∞
X +∞
X
Donc P(A) = P(Bn ) = P(B0 ) + (P(An ) − P(An−1 )).
n=0 n=1
N
X
Or (P(An ) − P(An−1 )) = P(An ) − P(A0 ) −−−−−→ ` − P(A0 ).
N →+∞
n=1
Donc P(A) = `.
Corollaire C3.10
Soit (Ω, A, P) un espace probabilisé et (An )n∈N ∈ An une famille quelconque d’événements. Alors
+∞ n
! !
[ [
• P An = lim P Ak .
n→+∞
n=0 k=0
+∞ n
! !
\ \
• P An = lim P Ak .
n→+∞
n=0 k=0
Dém. C3.10
Il s’agit d’appliquer le théorème précédent en posant
[n
• Cn = Ak , suite croissante d’événements,
k=0
n
\
• Dn = Ak , suite décroissante d’événements.
k=0
Exemple. Suite de Pile ou Face. On lance une pièce équilibrée plusieurs fois de suite. On cherche la
probabilité d’obtenir Pile à tous les lancers.
• On fait N lancers. On est dans le cas de probabilités sur un univers fini : Ω = {P, F }N . La tribu
1 1
utilisée est P(Ω). Le succès correspond à l’événement {(P, . . . , P }, de probabilité = N.
|Ω| 2
• On fait une infinité de lancers (indépendants). Une issue sera une suite de P et de F , par
exemple (P, F, F, P, P, P, F, . . .). L’univers est l’ensemble de ces suites, soit {P, F }N .
L’énoncé vous fera admettre qu’il existe une tribu A et une probabilité P qui modélisent cette expérience,
notamment telle que l’événement Pn : le n-ième lancer donne Pile soit une événement de A de
+∞
1 \
probabilité P(Pn ) = . On pose alors A = Pn : tous les lancers donnent Pile .
2
n=1
N
!
\
Le théorème précédent nous donne P(A) = lim P Pn .
N →+∞
n=1
N
! N
\ 1
Or P Pn = (par indépendance des lancers).
2
n=1
166
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 167
Finalement P(A) = 0. Ce qui est très instructif car c’est là un exemple d’événement négligeable (de
probabilité nulle) qui n’est pourtant pas l’événement impossible (∅). En effet, A = {(P, P, . . .)}.
Soient (Ω, A, P) un espace probabilisé et A, B des événements tels que P(B) 6= 0. On définit
P(A ∩ B)
PB (A) = .
P(B)
Alors PB est une loi de probabilité et PB (A), aussi notée P(A|B), s’appelle la probabilité condi-
tionnelle de A sachant B.
Dém. C3.11
P(Ω ∩ B) P(Ω)
• PB (Ω) = = = 0.
P(B) P(B)
Soient (Ω,!P(Ω), P) un espace probabilisé fini et (Ai )16i6n des événements (avec n > 2) tels que
n
\
P Ai > 0. Alors
i=1
n
!
\
P Ai = P(A1 )PA1 (A2 )PA1 ∩A2 (A3 ) . . . PA1 ∩...∩An−1 (An ).
i=1
Remarque. En particulier, P(A ∩ B) = P(B)PB (A), ce qui n’est pas une grosse surprise au vu de la
définition.
Dém. C3.12
Par récurrence, l’initialisation étant triviale, et l’hérédité étant assurée par P(A∩B) = P(B)PB (A)
\n
appliquée avec A = Ai et B = An+1 .
i=1
167
168 C3. Probabilités sur un univers quelconque
Soient (Ω, A, P) un espace probabilisé fini, B ∈ A et (Ai )16i6n un système complet d’événements
tels que pour tout i, P(Ai ) 6= 0. Alors
n
X
P(B) = P(Ai )PAi (B).
i=1
Dém. C3.13
Les B ∩ Ai forment une partition de B, comme on l’a déjà remarqué.
Xn Xn
Donc P(B) = P(Ai ∩ B) = P(Ai )PAi (B) par définition de PAi .
i=1 i=1
Corollaire C3.14
Dém. C3.14
Le théorème précédent, appliqué avec le système complet d’événements {A, A}.
1.4 Indépendance
Définition C3.15
P(A ∩ B) = P(A)P(B).
Proposition C3.16
Soit (Ω, A, P) un espace probabilisé et A, B ∈ A tels que P(B) 6= 0. Alors A et B sont indépendants
si et seulement si PB (A) = P(A).
Dém. C3.16
P(A ∩ B) P(A)P(B)
A et B sont indépendants si et seulement si PB (A) = = = P(A).
P(B) P(B)
168
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 169
Proposition C3.17
Dém. C3.17
Définition C3.18
Soit (Ω, A, P) un espace probabilisé et I ⊂ N. On dit que des événements (Ai )i∈I sont mutuel-
lement indépendants lorsque pour tout partie finie J ⊂ I
!
\ Y
P Ai = P(Ai ).
i∈J i∈J
Proposition C3.19
Soit (Ω, A, P) un espace probabilisé et (Ai )i∈I une famille d’événements mutuellement
indépendants. Alors
• Pour tout J ⊂ I, les événements de la sous-famille (Ai )i∈J sont mutuellement indépendants.
• Si pour tout i, on pose Bi = Ai ou Ai , alors les (Bi )i∈I sont mutuellement indépendants.
Remarque. Plus généralement, avec les mêmes notations, tout événement dépendant des (Ai )i∈J sera
indépendant de tout événement dépendant des (Ai )i∈I\J .
Définition C3.20
Soit (Ω, A) un espace probabilisable. On appelle variable aléatoire réelle (VAR) sur (Ω, A)
une application X : Ω → R telle que pour tout x ∈ R, {ω ∈ Ω, X(ω) 6 x} ∈ A.
Notations.
• On note alors [X 6 x] = {ω ∈ Ω, X(ω) 6 x}.
• Si A ⊂ R ∪ {+∞}, on note [X ∈ A] = {ω ∈ Ω, X(ω) ∈ A} et on admet que c’est bien un événement
de A.
169
170 C3. Probabilités sur un univers quelconque
Définition C3.21
Soit X une VAR sur un espace probabilisé (Ω, A, P). On appelle fonction de répartition de X
et on note FX la fonction
FX : R −→ [0, 1]
.
x 7−→ P(X 6 x)
Proposition C3.22
Dém. C3.22
• Soit x1 6 x2 . Alors [X 6 x1 ] ⊂ [X 6 x2 ] car pour tout ω ∈ Ω, X(ω) 6 x1 ⇒ X(ω) 6
x2 .
Ainsi P(X 6 x1 ) 6 P(X 6 x2 ).
• Soit x ∈ R et (xn )n∈N une suite décroissante tendant vers x.
Pour tout n, on pose An l’événement [x < X 6 xn ], ce qui fait de (An ) une suite
+∞
\
décroissante d’événements, telle que An = ∅.
n=0
+∞
!
\
F (xn ) − F (x) = P(An ) −−−−−→ P An = 0 par convergence monotone.
n→+∞
n=0
Ainsi F (xn ) −−−−−→ F (x) et donc F est continue à droite en x.
n→+∞
• Soit (bn ) suite décroissante tendant vers −∞ et (cn ) suite croissante tendant vers +∞.
On utilise la convergence monotone, d’une part avec Bn = [X 6 bn ] qui forment une
suite décroissante d’événements, d’autre part avec Cn = [X 6 cn ] qui forment une suite
+∞
\ +∞
[
croissante d’événements, avec Bn = ∅ et Cn = Ω.
n=0 n=0
On a besoin d’utiliser ici la notion de tribu borélienne notée B qui dépasse largement le cadre du
programme mais peut être pensée comme une tribu de R contenant les intervalles de tous types et tous les
ensembles descriptibles comme union(s) et/ou intersection(s) et/ou complémentaire(s) de ces intervalles.
170
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 171
LX : B → [0, 1]
A 7→ P(X ∈ A)
Dém. C3.23
directement hérité du fait que P est une probabilité.
Définition C3.24
L
On dit que deux VAR sont égales en loi lorsque LX = LY . On note alors X = Y .
Soit X et Y deux VAR sur un espace probabilisé (Ω, A, P). Alors on a équivalence entre :
L
(i) X = Y ,
(ii) ∀x ∈ R, FX (x) = FY (x).
Dém. C3.25
Admis, conséquence du lemme de classe monotone par exemple, et intrinsèquement lié à la
construction de notre tribu B.
Définition C3.26
Soit A ⊂ R. On dit que A est une partie discrète de R lorsque pour tout a ∈ A, il existe ε > 0
tel que ]a − ε, a + ε[= {a}.
171
172 C3. Probabilités sur un univers quelconque
2.1 Généralités
Définition C3.27
Soit X une VAR sur (Ω, A). On dit que X est une variable aléatoire réelle discrète (VARD)
lorsque son image X(Ω) est une partie discrète de R.
Théorème C3.28
Remarque. En particulier pour décrire une VARD, il suffit de donner P(X = x) pour tout x ∈ X(Ω)
Soit X une VARD sur (Ω, A). La famille ([X = x])x∈X(Ω) est un système complet d’événements
et on note AX la tribu engendrée par cette famille d’événements, appelée tribu engendrée par
X.
Remarques.
Soit X une VARD sur (Ω, A). Soit g une application X(Ω) → R. Alors Y = g(X) est une variable
aléatoire réelle discrète sur (Ω, A) appelée transfert de X par g.
Remarque. Pour tout yX ∈ Y (Ω), notons Ay = {x ∈ X(Ω), y = g(x)} (l’ensemble des antécédents de y
par g). Alors P(Y = y) = P(X = x).
x∈Ay
172
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 173
2.2 Moments
Définition C3.31
X X une VARD sur (Ω, A, P). On dit que X admet une espérance
Soit X lorsque la série
|x|P(X = x) est convergente. Dans ce cas, on note E(X) = xP(X = x) sa somme,
x∈X(Ω) x∈X(Ω)
appelée espérance mathématique de X.
+∞
X N
X
Remarque. Là encore, dans le cas X(Ω) = N, E(X) = kP(X = k) = lim kP(X = k) et on dit
N →+∞
k=0 k=0
que X admet une espérance lorsque cette limite est finie.
Théorème C3.32 (Transfert)
X sur (Ω, A, P). Soit g : X(Ω) → R telle que g(X) admette une espérance. Alors
Soit X une VARD
E(g(X)) = g(x)P(X = x).
x∈X(Ω)
Dém. C3.32
Admis. Résultat naturel de regroupement des termes pour les familles sommables. On étend
simplement (avec les justifications ad hoc ce qui se passe dans le cas des probabilités finies.
Définition C3.33
Soit X une VARD sur (Ω, A, P). On dit que X admet un moment d’ordre r ∈ N lorsque X r
admet une espérance. Dans ce cas on note mr (X) = E(X r ), appelé moment d’ordre r de X.
Remarques.
• Une VARD admet toujours un moment d’ordre 0, égal à 1.
• S’il existe, le moment d’ordre 1 d’une VARD est simplement son espérance.
Définition C3.34
Soit X une VARD sur (Ω, A, P) admettant un moment d’ordre 2. On appelle variance de X la
quantité
V (X) = E (X − E(X))2 .
p
On appelle écart-type de X la quantité σ(X) = V (X).
Remarque. Si X admet un moment d’ordre r ∈ N, alors elle admet un moment d’ordre k pour tout
k ∈ J0, rK. C’est pourquoi admettre un moment d’ordre 2 suffit à admettre aussi une espérance et (et donc)
une variance.
173
174 C3. Probabilités sur un univers quelconque
Proposition C3.35
Dém. C3.35
Les deux premières propriétés sont élémentaires et identiques au cas fini. Détaillons simplement
les éléments nouveaux.
(iii) Le sens ⇐ est immédiat.
Supposons que V (X) = 0. Alors E((X − E(X))2 ) = 0. Notons µ = E(X) (µ comme
moyenne). X
Cela donne : (x − µ)2 P(X = x) = 0. C’est une somme de nombres positifs ou nuls,
x∈X(Ω)
donc ils sont tous nuls.
2
Ainsi, pour tout x ∈ X(Ω), (x
X− µ) P(X = x) = 0, i.e. x = µ ou P(X = x) = 0.
Finalement P(X 6= µ) = P(X = x) = 0. Et donc P(X = µ) = 1.
x∈X(Ω)\{µ}
Soit X une VARD admettant une variance. Alors V (X) = E(X 2 ) − E(X)2 .
Dém. C3.36
Identique au cas fini, conséquence de la linéarité de l’espérance.
(i) Si X admet une espérance, alors X − E(X) est centrée, c’est-à-dire qu’elle a une espérance
nulle. On l’appelle VARD centrée associée à X.
1
(ii) Si X admet un moment d’ordre 2, alors (X − E(X)) est centrée et réduite c’est-à-
σ(X)
dire qu’elle a pour espérance 0 et pour variance 1. On l’appelle VARD centrée réduite
associée à X, notée X ∗ .
174
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 175
Définition C3.38
Soit p ∈]0, 1[ et X une VARD sur (Ω, A, P). On dit que X suit une loi géométrique de pa-
ramètre p lorsque X(Ω) = N∗ et ∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 .
1 1−p
Si X ,→ G (p), alors X admet une espérance et une variance et on a E(X) = et V (X) = .
p p2
Dém. C3.39
N
X N
X N
X
Espérance : kP(X = k) = k(1 − p)k−1 p = p k(1 − p)k−1 .
k=1 k=1 k=1
N
X 1 − (1 − x)N +1
Soit f (x) = (1 − x)k = , dérivable sur ]0, 1[.
x
k=0
N
X (N + 1)(1 − x)N 1 − (1 − x)N +1 1
Alors k(1 − x)k−1 = −f 0 (x) = + 2
−−−−−→ 2 .
x x N →+∞ x
k=1
1 1
Finalement E(X) = p = .
p2 p
Dém. C3.40
k
X 1 − (1 − p)k
P(X 6 k) = (1 − p)i−1 p = p = 1 − (1 − p)k
1 − (1 − p)
i=1
175
176 C3. Probabilités sur un univers quelconque
Remarques.
• La fonction de répartition caractérisant la loi, la propriété précédente a une réciproque : si on obtient
une telle fonction de répartition, on peut conclure que X suit une loi géométrique.
• Parfois utile : P(X > k) = (1 − p)k et P(X > k) = (1 − p)k−1 .
Si X ,→ G (p), alors
∀s, t ∈ N∗ , P[X>s] (X > s + t) = P(X > t).
Remarque. Il est indispensable de comprendre le nom de cette propriété. C’est une caractéristique que
l’on retrouve fréquemment lors de l’étude de telles variables aléatoires. Heuristiquement, cela signifie qu’après
s échecs, l’expérience est la même que si les s premiers lancers n’avaient pas existé. En particulier, on ne va
pas faire plus rapidement FACE si on a déjà lancé plusieurs fois PILE que si on n’a pas encore joué.
Dém. C3.41
Remarquons tout d’abord que [X > s] ∩ [X > s + t] = [X > s + t].
P(X > s + t) (1 − p)s+t
Ainsi P[X>s] (X > s + t) = = = (1 − p)t = P(X > t).
P(X > s) (1 − p)s
Soit λ ∈ R et X une VARD sur (Ω, A, P). On dit que X suit une loi de Poisson de paramètre
λk −λ
λ lorsque X(Ω) = N et ∀k ∈ N, P(X = k) = e .
k!
Dém. C3.43
+∞ k
X λ
On remarque tout d’abord que = eλ .
k!
k=0
Pour cela, on peut écrire une formule de Taylor à l’ordre N et faire tendre N vers +∞. On
choisit
Taylor-Lagrange
pour avoir un résultat global et une majoration.
N k N
λ X λ |λ|
e − 6M , où M = max(1, eλ ) majore et entre 0 et λ.
k! N!
k=0
Par croissances comparées (ou directement si |λ| 6 1), cet écart tend vers 0.
176
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 177
+∞
X
Remarque. Cette formule justifie la définition de la loi, puisque P(X = k) = 1, ce qui
k=0
nous sera utile par la suite.
N N N −1 k
X λk X λk−1 −λ X λ −λ
Espérance : k e−λ = λ e =λ e −−−−−→ λ.
k! (k − 1)! k! N →+∞
k=0 k=1 k=0
N N N
X λk −λ X λk X λk
Variance : k2 e = k(k − 1) e−λ + k e−λ .
k! k! k!
k=0 k=2 k=0
N N N −2 k
X λk X λk−2 −λ X λ −λ
Or k(k − 1) e−λ =λ 2
e =λ 2
e −−−−−→ λ2
k! (k − 2)! k! N →+∞
k=2 k=2 k=0
N
X λk
et k e−λ −−−−−→ E(X) = λ.
k! N →+∞
k=0
Finalement, V (X) = E(X 2 ) − E(X)2 = λ2 + λ − λ2 = λ.
Définition C3.44
Soit X une VAR sur (Ω, A, P). On dit que X est à densité lorsque sa fonction de répartition FX
est continue sur R et de classe C 1 sauf éventuellement en un nombre fini de points.
Dans ce cas, on dit qu’une fonction f : R → R est une densité de X lorsqu’elle est positive et
égale à FX0 , sauf éventuellement en un nombre fini de points.
Z x
Remarque. Rien de plus à savoir pour l’instant sur la notion d’intégrale convergente : on dit que fX (t) dt
Z x −∞
est convergente lorsque fX (t) dt admet une limite finie pour a → −∞. On a bien sûr une définition ana-
a
logue pour une intégrale présentant une borne supérieure égale à +∞.
Dém. C3.45
Z x
fX (t) dt = FX (x) − FX (a) −−−−→ FX (x) = P(X 6 x).
a a→−∞
177
178 C3. Probabilités sur un univers quelconque
Z +∞
Remarque. En particulier FX (x) −−−−→ 1, donc fX (t) dt existe et vaut 1.
x→+∞ −∞
Soit X une VAR à densité et fX une densité de X. Alors pour tous réels a < b,
• P(X = a) = 0,
Z b
• P(X 6 b) = P(X < b) = fX (t) dt,
−∞
Z +∞
• P(X > a) = P(X > a) = fX (t) dt,
a
Z b
• P(X ∈ [a, b]) = P(X ∈]a, b]) = P(X ∈ [a, b[) = P(X ∈]a, b[) = fX (t) dt.
a
Dém. C3.46
Tout découle de la définition de FX et du fait que FX (b) − FX (a) = P([a < X 6 b]).
+∞
\
1 1
• [X = a] = a − < X 6 a . Donc P(X = a) = lim FX (a) − FX a − = 0.
n n→+∞ n
n=1
• Les autres points en sont une conséquence immédiate.
Théorème C3.47
Dém. C3.47
Les trois points sont des conséquences directes deZ ce qui précède. Réciproquement, si f vérifie
x
ces trois points, alors on peut définir F : x 7→ f (t) dt. Cette intégrale est convergente
Z x −∞
car fX (t) dt est croissante et majorée quand a décroı̂t vers −∞, ce qui lui confère une
a
limite finie. Il suffit alors de poser X comme la VA telle que FX = F , la fonction de répartition
caractérisant la loi (conséquence de la construction de la tribu des boréliens).
178
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 179
Soit X une VAR à densité sur (Ω, A, P). Pour a, b ∈ R avec a 6= 0, on pose Y = aX + b. Alors Y
est une VAR à densité et
x−b
(i) si a > 0, alors ∀x ∈ R, FY (x) = FX ,
a
x−b
(ii) si a < 0, alors ∀x ∈ R, FY (x) = 1 − FX ,
a
et si fX est une densité de X,
1 t−b
(iii) fY : t 7→ fX est une densité de Y .
|a| a
Dém. C3.48
x−b x−b
(i) Y 6 x ⇔ aX + b 6 x ⇔ X 6 . Ainsi P(Y 6 x) = P X 6 .
a a
(ii) Exercice.
0 1 0 x−b 1 t−b
(iii) Si a > 0, fY (x) = FY (x) = FX = fX .
a a a a
1 t−b
Si a < 0, le même calcul donne fY (x) = − fX .
a a
Définition C3.49
Soit X une VAR à Zdensité sur (Ω, A, P) et fX une densité de X. On dit que X admet une
+∞
espérance lorsque |t|fX (t) dt existe. Dans ce cas on appelle espérance de X et on note
−∞
E(X).
Remarque. On peut naturellement adapter aux VAR à densité la notion de moment d’ordre m et de
variance.
Proposition C3.50
Soit X une VAR à densité possédant une espérance et (a, b) ∈ R∗ × R. Alors aX + b admet une
espérance et E(aX + b) = aE(X) + b.
On dit qu’une VAR est centrée si son espérance est nulle. Étant donnée X une VAR à densité
admettant une espérance, la VAR X − E(X) est centrée.
179
180 C3. Probabilités sur un univers quelconque
Définition C3.52
Soit a, b ∈ R tels que a < b. On dit que X suit la loi uniforme sur [a, b] lorsqu’elle admet pour
1
densité la fonction t 7→ 1 (t)
b − a [a,b]
Remarques.
1
b−a
a
• Rappel : courbe de la fonction indicatrice de [a, b] : b
• La densité d’une loi uniforme est constante sur son ensemble de valeurs. La valeur de cette constante
1
permet que X suive bien une loi de probabilité.
b−a
(
1 si t ∈ [a, b]
• Autrement dit : fX : t 7→ .
0 sinon
Notation. On note alors X ,→ U ([a, b]).
Proposition C3.53
a+b
Si X ,→ U ([a, b]), alors E(X) = .
2
Dém. C3.53
Z +∞ b 2 b
1 b2 − a2
Z
1 1 1 t a+b
t 1[a,b] (t) dt = t dt = = = .
−∞ b−a b−a a b−a 2 a b−a 2 2
Dém. C3.54
Conséquence directe de la propriété sur les transformations affines.
Définition C3.55
Soit λ ∈ R∗+ . On dit que X suit la loi exponentielle de paramètre λ lorsqu’elle admet pour
densité la fonction t 7→ λe−λt 1[0,+∞[ .
180
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 181
Proposition C3.56
(
0 si x 6 0
Si X ,→ E (λ), alors FX : x 7→ .
1 − e−λx sinon
Dém. C3.56
Z x Z x
λe 1[0,+∞[ dt =
−λt
λe−λt dt = 1 − e−λx .
−∞ 0
Remarque. On remarque que FX (x) −−−−→ 1, ce qui est rassurant pour une fonction de répartition.
x→+∞
Proposition C3.57
1
Si X ,→ E (λ), alors E(X) = .
λ
Dém. C3.57
Z +∞ Z +∞
tλe −λt
1[0,+∞[ dt = tλe−λt dt sous réserve d’existence.
−∞ 0
b
1 − e−λb (1 + λb)
Z
−λt
L’intégrale te dt se calcule en intégrant par parties et donne et tend
0 λ2
1
vers 2 quand b → +∞ (à l’aide des croissances comparées).
λ
1
Finalement, E(X) = .
λ
Proposition C3.58
1
Y ,→ E (1) ⇔ Y ,→ E (λ).
λ
Dém. C3.58
Conséquence directe de la propriété sur les transformations affines.
Dém. C3.59
181
182 C3. Probabilités sur un univers quelconque
• La loi exponentielle vérifie les points (i) et (iii). Pour le point (ii), on effectue le calcul en
utilisant [X > x + y] ⊂ [X > x].
1 − FX (x + y) e−λ(x+y)
Ainsi P[X>y] (X > x + y) = = = e−λx = 1 − FX (x) = P(X >
1 − FX (y) e−λy
x).
• On va admettre la réciproque, mais en voici l’ingrédient principal : si X vérifie les trois
propriétés, on détermine FX = 1 − G où G(x) = P(X > x). Les hypothèses font que
G vérifie l’équation fonctionnelle G(x + y) = G(x)G(y) et cette propriété est propre aux
fonctions exponentielles (voir cours sur les fonctions usuelles).
Définition C3.60
On dit que X suit une loi normale centrée réduite lorsqu’elle admet pour densité la fonction
1 t2
t 7→ √ e− 2 .
2π
Z +∞ t2 √
Remarque. Cela signifie que e− 2 dt = 2π. Ce résultat est à retenir sous cette forme ou une autre,
−∞
car nous n’avons pas les moyens de calculer cette intégrale de manière simple.
Notation. On note alors X ,→ N (0, 1).
Proposition C3.61
Dém. C3.61
t2 t2
On effectue le calcul de l’intégrale en remarquant qu’une primitive de t 7→ te− 2 est t 7→ e− 2 .
Définition C3.62
On dit que X suit une loi normale de paramètres µ et σ 2 (aussi appelée loi de Laplace-
Gauß) lorsqu’elle admet pour densité la fonction
1 1 t−µ 2
t 7→ √ e− 2 ( σ ) .
σ 2π
Dém. C3.63
On effectue le calcul direct d’intégrale, ou bien on se ramène à N (0, 1) à l’aide de la propriété
suivante.
182
ECG1 2021–2022 H. Boucher C3. Probabilités sur un univers quelconque 183
Proposition C3.64
X −µ
X ,→ N (µ, σ 2 ) ⇔ X ∗ = ,→ N (0, 1).
σ
Remarque. On pourra aussi montrer, après l’avoir défini, que σ représente l’écart-type de cette loi normale
183
184 C3. Probabilités sur un univers quelconque
184
Chapitre C4
Variables aléatoires discrètes
Objectifs
1 Généralités
Définition C4.1
Une fonction X : Ω → R est une variable aléatoire réelle discrète (VARD) lorsque
• son image X(Ω) est une partie discrète de R, i.e. X(Ω) = {ui }i∈I avec I une partie de N.
• pour tout i ∈ I, [X = ui ] est un événement de A.
Remarque. En pratique, on aura le plus souvent X(Ω) = N ou N∗ (sans parler des VA finies déjà étudiées).
Définition C4.2
Soit X : Ω → R une VARD sur (Ω, A). La loi de X est la donnée de P(X = x) pour tout
x ∈ X(Ω).
Proposition C4.3
Soit X une VARD sur (Ω, A). La famille ([X = x])x∈X(Ω) est un système complet d’événements.
X
Remarque. Avec X une VARD, on a P(X = x) qui est une série convergente et de somme 1.
x∈X(Ω)
XN
Autrement dit dans le cas où X(Ω) = N : P(X = k) converge vers 1 lorsque N tend vers +∞.
k=0
185
186 C4. Variables aléatoires discrètes
Soit X une VARD sur (Ω, A). Soit g une application X(Ω) → R. Alors Y = g(X) est une variable
aléatoire réelle discrète sur (Ω, A) appelée transfert de X par g.
Remarque. Pour tout yX ∈ Y (Ω), notons Ay = {x ∈ X(Ω), y = g(x)} (l’ensemble des antécédents de y
par g). Alors P(Y = y) = P(X = x).
x∈Ay
Définition C4.5
Soit X une VAR sur un espace probabilisé (Ω, A, P). On appelle fonction de répartition de X
et on note FX la fonction
FX : R −→ [0, 1]
.
x 7−→ P(X 6 x)
Proposition C4.6
Dém. C4.6
• Soit x1 6 x2 . Alors [X 6 x1 ] ⊂ [X 6 x2 ] car pour tout ω ∈ Ω, X(ω) 6 x1 ⇒ X(ω) 6
x2 .
Ainsi P(X 6 x1 ) 6 P(X 6 x2 ).
• Soit x ∈ R et (xn )n∈N une suite décroissante tendant vers x.
Pour tout n, on pose An l’événement [x < X 6 xn ], ce qui fait de (An ) une suite
+∞
\
décroissante d’événements, telle que An = ∅.
n=0
+∞
!
\
F (xn ) − F (x) = P(An ) −−−−−→ P An = 0 par convergence monotone.
n→+∞
n=0
Ainsi F (xn ) −−−−−→ F (x) et donc F est continue à droite en x.
n→+∞
• Soit (bn ) suite décroissante tendant vers −∞ et (cn ) suite croissante tendant vers +∞.
On utilise la convergence monotone, d’une part avec Bn = [X 6 bn ] qui forment une
suite décroissante d’événements, d’autre part avec Cn = [X 6 cn ] qui forment une suite
+∞
\ +∞
[
croissante d’événements, avec Bn = ∅ et Cn = Ω.
n=0 n=0
186
ECG1 2021–2022 H. Boucher C4. Variables aléatoires discrètes 187
2 Moments
Définition C4.7
X X une VARD sur (Ω, A, P). On dit que X admet une espérance
Soit X lorsque la série
|x|P(X = x) est convergente. Dans ce cas, on note E(X) = xP(X = x) sa somme,
x∈X(Ω) x∈X(Ω)
appelée espérance mathématique de X.
+∞
X N
X
Remarque. Là encore, dans le cas X(Ω) = N, E(X) = kP(X = k) = lim kP(X = k) et on dit
N →+∞
k=0 k=0
que X admet une espérance lorsque cette limite est finie.
Soit X et Y deux VARD telles que 0 6 |X| 6 Y . Si Y admet une espérance, alors X admet une
espérance et |E(X)| 6 E(Y ).
X sur (Ω, A, P). Soit g : X(Ω) → R telle que g(X) admette une espérance. Alors
Soit X une VARD
E(g(X)) = g(x)P(X = x).
x∈X(Ω)
Dém. C4.9
Admis. Résultat naturel de regroupement des termes pour les familles sommables. On étend
simplement (avec les justifications ad hoc) ce qui se passe dans le cas des probabilités finies.
Définition C4.10
Soit X une VARD sur (Ω, A, P). On dit que X admet un moment d’ordre r ∈ N lorsque X r
admet une espérance. Dans ce cas on note mr (X) = E(X r ), appelé moment d’ordre r de X.
Remarques.
• S’il existe, le moment d’ordre 1 d’une VARD est simplement son espérance.
187
188 C4. Variables aléatoires discrètes
Définition C4.11
Soit X une VARD sur (Ω, A, P) admettant un moment d’ordre 2. On appelle variance de X la
quantité
V (X) = E (X − E(X))2 .
p
On appelle écart-type de X la quantité σ(X) = V (X).
Remarque. Si X admet un moment d’ordre r ∈ N, alors elle admet un moment d’ordre k pour tout
k ∈ J0, rK. C’est pourquoi admettre un moment d’ordre 2 suffit à admettre aussi une espérance et une
variance.
Proposition C4.12
Dém. C4.12
Les deux premières propriétés sont élémentaires et identiques au cas fini. Détaillons simplement
les éléments nouveaux.
(iii) Le sens ⇐ est immédiat.
Supposons que V (X) = 0. Alors E((X − E(X))2 ) = 0. Notons µ = E(X) (µ comme
moyenne). X
Cela donne : (x − µ)2 P(X = x) = 0. C’est une somme de nombres positifs ou nuls,
x∈X(Ω)
donc ils sont tous nuls.
2
Ainsi, pour tout x ∈ X(Ω), (x
X− µ) P(X = x) = 0, i.e. x = µ ou P(X = x) = 0.
Finalement P(X 6= µ) = P(X = x) = 0. Et donc P(X = µ) = 1.
x∈X(Ω)\{µ}
Soit X une VARD admettant une variance. Alors V (X) = E(X 2 ) − E(X)2 .
Dém. C4.13
Identique au cas fini, conséquence de la linéarité de l’espérance.
188
ECG1 2021–2022 H. Boucher C4. Variables aléatoires discrètes 189
(i) Si X admet une espérance, alors X − E(X) est centrée, c’est-à-dire qu’elle a une espérance
nulle. On l’appelle VARD centrée associée à X.
1
(ii) Si X admet un moment d’ordre 2, alors (X − E(X)) est centrée et réduite c’est-à-
σ(X)
dire qu’elle a pour espérance 0 et pour variance 1. On l’appelle VARD centrée réduite
associée à X, notée X ∗ .
3 Lois usuelles
Définition C4.15
Soit p ∈]0, 1[ et X une VARD sur (Ω, A, P). On dit que X suit une loi géométrique de pa-
ramètre p lorsque X(Ω) = N∗ et ∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 .
1 1−p
Si X ,→ G (p), alors X admet une espérance et une variance et on a E(X) = et V (X) = .
p p2
Dém. C4.16
N
X N
X N
X
k−1
Espérance : kP(X = k) = k(1 − p) p=p k(1 − p)k−1 .
k=1 k=1 k=1
N
X 1 − (1 − x)N +1
Soit f (x) = (1 − x)k = , dérivable sur ]0, 1[.
x
k=0
N
X (N + 1)(1 − x)N 1 − (1 − x)N +1 1
Alors k(1 − x)k−1 = −f 0 (x) = + −−−−−→ 2 .
x x2 N →+∞ x
k=1
1 1
Finalement E(X) = p 2
= .
p p
189
190 C4. Variables aléatoires discrètes
N
X N
X
00 2 k−1
Ainsi p(1 − p)f (p) = k (1 − p) p− k(1 − p)k−1 p −−−−−→ E(X 2 ) − E(X).
N →+∞
k=2 k=2
2p(1 − p) 1 1 1−p
Finalement, V (X) = E(X 2 ) − E(X)2 = + − 2 = .
p3 p p p2
Dém. C4.17
k
X 1 − (1 − p)k
P(X 6 k) = (1 − p)i−1 p = p = 1 − (1 − p)k
1 − (1 − p)
i=1
Remarques.
• La fonction de répartition caractérisant la loi, la propriété précédente a une réciproque : si on obtient
une telle fonction de répartition, on peut conclure que X suit une loi géométrique.
• Parfois utile : P(X > k) = (1 − p)k et P(X > k) = (1 − p)k−1 .
Proposition C4.18 (Absence de mémoire)
Si X ,→ G (p), alors
∀s, t ∈ N∗ , P[X>s] (X > s + t) = P(X > t).
Remarque. Il est indispensable de comprendre le nom de cette propriété. C’est une caractéristique que
l’on retrouve fréquemment lors de l’étude de telles variables aléatoires. Heuristiquement, cela signifie qu’après
s échecs, l’expérience est la même que si les s premiers lancers n’avaient pas existé. En particulier, on ne va
pas faire plus rapidement FACE si on a déjà lancé plusieurs fois PILE que si on n’a pas encore joué.
Dém. C4.18
Remarquons tout d’abord que [X > s] ∩ [X > s + t] = [X > s + t].
P(X > s + t) (1 − p)s+t
Ainsi P[X>s] (X > s + t) = = = (1 − p)t = P(X > t).
P(X > s) (1 − p)s
Soit λ ∈ R et X une VARD sur (Ω, A, P). On dit que X suit une loi de Poisson de paramètre
λk −λ
λ lorsque X(Ω) = N et ∀k ∈ N, P(X = k) = e .
k!
190
ECG1 2021–2022 H. Boucher C4. Variables aléatoires discrètes 191
Proposition C4.20
Dém. C4.20
+∞ k
X λ
On remarque tout d’abord que = eλ .
k!
k=0
Pour cela, on peut écrire une formule de Taylor à l’ordre N et faire tendre N vers +∞. On
choisit
Taylor-Lagrange
pour avoir un résultat global et une majoration.
N k N
λ Xλ
|λ|
e − 6M , où M = max(1, eλ ) majore et entre 0 et λ.
k! N!
k=0
Par croissances comparées (ou directement si |λ| 6 1), cet écart tend vers 0.
+∞
X
Remarque. Cette formule justifie la définition de la loi, puisque P(X = k) = 1, ce qui
k=0
nous sera utile par la suite.
N N N −1 k
X λk X λk−1 −λ X λ −λ
Espérance : k e−λ = λ e =λ e −−−−−→ λ.
k! (k − 1)! k! N →+∞
k=0 k=1 k=0
N N N
X λk X λk X λk −λ
Variance : k2 e−λ = k(k − 1) e−λ + k e .
k! k! k!
k=0 k=2 k=0
N N N −2 k
X λk X λk−2 −λ X λ −λ
Or k(k − 1) e−λ = λ2 e = λ2 e −−−−−→ λ2
k! (k − 2)! k! N →+∞
k=2 k=2 k=0
N
X λk
et k e−λ −−−−−→ E(X) = λ.
k! N →+∞
k=0
Finalement, V (X) = E(X 2 ) − E(X)2 = λ2 + λ − λ2 = λ.
Méthodes
191
192 C4. Variables aléatoires discrètes
192
Chapitre C5
Couples et suites de variables aléatoires
Objectifs
Dans tout le chapitre, (Ω, A) désigne un espace probabilisable et (Ω, A, P) un espace probabilisé discret.
En l’absence de précisions, les variables aléatoires considérées sont des variables aléatoires finies ou discrètes.
Définition C5.1
Étant données X et Y deux VAD sur Ω, la loi du couple (X, Y ) est caractérisée par la donnée
de P([X = x] ∩ [Y = y]) pour tous x ∈ X(Ω) et y ∈ Y (Ω).
Notation. On note P ((X, Y ) = (x, y)) = P([X = x] ∩ [Y = y]), parfois aussi P (X = x, Y = y) (on peut
lire probabilité que X = x et Y = y ).
193
194 C5. Couples et suites de variables aléatoires
Remarque. On pourrait détailler la définition d’un couple de VA comme (X, Y ) : ω 7→ (X(ω), Y (ω)).
Mais on travaillera dans un premier temps essentiellement sur les lois associées. Les détails théoriques sont
donc passés sous silence pour l’instant.
Définition C5.3
Soit (X, Y ) un couple de VA. On appelle loi conjointe la loi du couple et lois marginales les
lois de X et Y (celle de X étant la première loi marginale et celle de Y la deuxième loi
marginale.
Proposition C5.4
Proposition C5.5
Soit (X, Y ) un couple de VA et g : X(Ω) × Y (Ω) → R. Alors g(X, Y ) est une variable aléatoire
sur (Ω, A).
Exemples. Les cas les plus couramment étudiés sont X + Y , min(X, Y ), max(X, Y ), ou encore XY .
Théorème C5.6 (Transfert)
Remarques.
• Bien sûr dans le cas de VA discrètes, il peut y avoir une question de convergence de série à discuter.
• Cette propriété (admise) entraı̂ne également la linéarité de l’espérance.
Proposition C5.7
E(XY ) = E(X)E(Y ).
194
ECG1 2021–2022 H. Boucher C5. Couples et suites de variables aléatoires 195
2.1 Indépendance
Définition C5.8
2.2 Convergence
Remarques.
• En pratique on utilise cette approximation pour étudier l’apparition rare (λ < 15) d’événements
λ
suffisamment peu fréquents ( < 0, 1) lors d’expériences répétées (n > 30). On choisit
n
E(X)
P(X > a) 6 .
a
195
196 C5. Couples et suites de variables aléatoires
Dém. C5.10
Soit a ∈ R∗+ .
X X X
E(X) = xP(X = x) = xP(X = x) + xP(X = x).
x∈X(Ω) x∈X(Ω) x∈X(Ω)
x<a x>a
X
E(X) > a P(X = x) = aP(X > a).
x∈X(Ω)
x>a
Soit X une VA admettant une espérance et une variance. Soit ε > 0. Alors
V (X)
P(|X − E(X)| > ε) 6 .
ε2
Dém. C5.11
On applique l’inégalité de Markov à la VAR (X − E(X))2 et a = ε2 .
Définition C5.12
Soit (Xn )n∈N une suite de VA. On appelle moyenne empirique de l’échantillon de VA (Xn ) :
n
1X
Xn = Xi .
n
i=1
Soit (Xn )n∈N une suite de VA suivant la même loi et admettant une espérance m et une variance.
Alors pour tout ε > 0,
P(|Xn − m| > ε) −−−−−→ 0.
n→+∞
Remarque. On dit que (Xn ) converge en probabilité vers (la VA constante égale à) m.
196
ECG1 2021–2022 H. Boucher C5. Couples et suites de variables aléatoires 197
Méthodes
197