Math1 Primaire V2

Université Chouaïb Doukkali
Ecole Supérieure d'Education et de Formation
OF
Filière : Primaire
Semestre : 1
MATHEMATIQUES 1
Par Youssef Ahmida
Avenira Joan Bart Luis Fonaciér

Année universitaire : 2021-2022. Owner
Marketing Assistant
Market Solutions Auditing Solutions
623-869-4052 309-369-6818
Chapitre
0 Table des matières
1 Ensembles numériques et opérations 5

1.1 L’ensemble N des entiers naturels . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Opérations sur l’ensemble N . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2.1 L’addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2.2 La multiplication . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.4 Relation d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.5 Multiples et Diviseurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.6 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.7 Systèmes de numérotation . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.7.1 Développement d’un entier selon une base de numérotation . 10
1.1.7.2 Le système décimal (ou système à base dix) . . . . . . . . . . 10
1.1.7.3 Le système binaire (ou système à base deux) . . . . . . . . . 11
1.1.7.4 Le système hexadécimal (ou système à base seize) . . . . . . 11
1.2 L’ensemble Z des entiers relatifs . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Extension de la divisibilité et la division euclidienne à Z . . . . . . . . 12
1.2.3 Congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.3.1 Définition des congruences . . . . . . . . . . . . . . . . . . . 13
1.2.3.2 Propriétés des congruences . . . . . . . . . . . . . . . . . . . 14
1.3 L’ensemble Q des nombres rationnels . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Le corps des nombres rationnels . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Relation d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Les nombres décimaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 L’ensemble R des nombres réels . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1 Le corps des nombres réels . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.2 Relation d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.3 Valeur approchée d’un nombre réel . . . . . . . . . . . . . . . . . . . . 18
2 Fonctions numériques 19
2.1 Notions de fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Opérations sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.3 Fonctions majorées, minorées, bornées . . . . . . . . . . . . . . . . . . 20
2.1.4 La composition de fonctions . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.5 Monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.6 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2
Pr. Ahmida Youssef Filière : Primaire
2.1.7 Injectivité, surjectivité, bijectivité . . . . . . . . . . . . . . . . . . . . 23

2.1.8 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.8.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.8.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.9 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.9.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.9.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.9.3 Continuité, monotonie, injectivité et bijectivité . . . . . . . . 27
2.2 Fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Dérivabilité, opérations algébriques et composition . . . . . . . . . . . 29
2.2.3 Dérivée et monotonie . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.4 Extremum local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Étude des variations et représentation des fonctions numériques . . . . . . . . 31
2.3.1 Dérivée d’une fonction et variations . . . . . . . . . . . . . . . . . . . 31
2.3.2 Tableau de variations d’une fonction . . . . . . . . . . . . . . . . . . . 31
2.4 Calcule intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.1 Fonction primitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.1.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . 32
2.4.1.2 Opérations sur les primitives . . . . . . . . . . . . . . . . . . 33
2.4.2 Intégrale d’une fonction continue . . . . . . . . . . . . . . . . . . . . . 33
2.4.2.1 Interprétation Géométrique . . . . . . . . . . . . . . . . . . . 33
2.4.2.2 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . 34
2.4.2.3 Méthodes d’intégration classiques . . . . . . . . . . . . . . . 35
2.4.3 Application du calcul intégrale . . . . . . . . . . . . . . . . . . . . . . 36
2.4.3.1 Calculs d’aires . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.3.2 Calculs de volumes . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.3.3 Longueurs d’arc . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.3.4 Vitesse et distance . . . . . . . . . . . . . . . . . . . . . . . . 40
3 Dénombrement et suites 41
3.1 Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.0.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.0.2 Propriétés des cardinaux . . . . . . . . . . . . . . . . . . . . 41
3.2 Dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2.1 Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2.1.1 Arrangements avec répétition . . . . . . . . . . . . . . . . . . 43
3.2.1.2 Arrangements sans répétition . . . . . . . . . . . . . . . . . . 44
3.2.2 Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.3 Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 Suites numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.2 Suites arithmétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.3 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.4 Calcul de un en fonction n . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.5 Sommes de termes consécutifs d’une suite arithmétique . . . . . . . . 47
3.4 Suites géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.2 Calcul de un en fonction de n . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.3 Sommes de termes consécutifs d’une suite géométrique . . . . . . . . . 49
3
Filière : Primaire Pr. Ahmida Youssef
4 Les concepts de base de la statistique descriptive 50

4.1 Généralités et principales définitions . . . . . . . . . . . . . . . . . . . . . . . 50
4.1.1 Population, individus et échantillon . . . . . . . . . . . . . . . . . . . 50
4.1.2 Variable statistique et modalités . . . . . . . . . . . . . . . . . . . . . 51
4.1.2.1 Notion de caractère ou variable statistique . . . . . . . . . . 51
4.1.2.2 Modalités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.2.3 Les variables qualitatives . . . . . . . . . . . . . . . . . . . . 52
4.1.2.3.1 Les variables quantitatives nominales . . . . . . . . 52
4.1.2.3.2 Les variables qualitatives ordinales . . . . . . . . . . 53
4.1.2.4 Les variables quantitatives . . . . . . . . . . . . . . . . . . . 53
4.1.2.4.1 Variables quantitatives discrètes . . . . . . . . . . . 53
4.1.2.4.2 Variables quantitatives continues . . . . . . . . . . . 53
4.2 Présentation des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.1 E↵ectifs et fréquences . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2.2 Variables quantitatives : distribution des e↵ectifs et des fréquences
cumulés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Di↵érents modes de représentation graphique des données . . . . . . . . . . . 56
4.3.1 Graphiques pour variables qualitatives . . . . . . . . . . . . . . . . . . 56
4.3.1.1 Diagramme à bondes . . . . . . . . . . . . . . . . . . . . . . 56
4.3.1.2 Diagramme à secteur circulaire . . . . . . . . . . . . . . . . . 57
4.3.2 Graphiques pour variables quantitatives . . . . . . . . . . . . . . . . . 58
4.3.2.1 Cas discret : diagramme en bâtons . . . . . . . . . . . . . . . 58
4.3.2.2 Cas continue : Histogramme et polygone de fréquence . . . . 58
4.3.2.2.1 Histogramme et propriétés . . . . . . . . . . . . . . 58
4.3.2.2.2 Polygone des e↵ectifs . . . . . . . . . . . . . . . . . 59
4.4 Représentation numérique des données . . . . . . . . . . . . . . . . . . . . . . 60
4.4.1 Caractéristique de position . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.1.1 Mode et classe modale . . . . . . . . . . . . . . . . . . . . . . 60
4.4.1.1.1 Mode ou valeur dominante M o . . . . . . . . . . . . 60
4.4.1.1.2 Classe modale . . . . . . . . . . . . . . . . . . . . . 60
4.4.1.2 Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4.1.3 Médiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4.2 Les caractéristiques de dispersion . . . . . . . . . . . . . . . . . . . . . 64
4.4.2.1 L’étendue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.4.2.2 Variance et écart-type . . . . . . . . . . . . . . . . . . . . . . 65
4
Chapitre
1 Ensembles numériques et
opérations
1.1 L’ensemble N des entiers naturels

1.1.1 Définitions
L’ensemble des entiers naturels (ou entiers non négatifs) N = {0, 1, 2, 3, . . .} peut être
construit à partir d’une courte liste d’axiomes, appelés axiomes de Peano.
Définition 1.1: Les axiomes de Peano
Il existe un ensemble N dont les élément sont appelés les entiers naturels et une
application s : N ! N, dite application successeur, ayant les propriétés suivantes :
— (P1) Il existe un élément 0 2 N tel que 0 6= s(n) pour tout n 2 N.
— (P2) La fonction s est injective (i.e deux nombres entiers qui ont même successeur
sont égaux s(n) = s(m) ) n = m).
— (P3) (Axiome de récurrence). Tout sous-ensemble E de N contenant 0 et tel que
s(N) 2 E si N 2 E, alors E est égale à N.
La paire (N, s) est appelée le système des entiers naturels.
Remarque 1.1. Avec les caractères usuels pour les éléments de cet ensemble N, la fonction
successeur donne s(0) = 1, s(1) = 2, s(2) = 3, et ainsi de suite. Ainsi s(n) est l’entier
suivant n.
1.1.2 Opérations sur l’ensemble N

1.1.2.1 L’addition
Définition 1.2: Définition de l’addition

Soit n 2 N. Il existe une application m 7! n + m de N dans N définie en posant :
— n + 0 = n,
— n + s(p) = s(n + p) pour tout p 2 N.
Cette application définit une opération sur N, c’est-à-dire une application de N ⇥ N
dans N qui au couple (n, p) associe n + p. Cette opération est appelée addition et
l’entier n + p est appelé somme de n et p.
Remarque 1.2. On a, par définition, n + 1 = n + s(0) = s(n + 0) = s(n). L’application

successeur est donc l’application qui consiste à ajouter 1.
5
Proposition 1.1
L’opération d’addition + sur N a les propriétés suivantes :
1. 0 est un neutre : 0 + a = a + 0 = a,
2. commutativité : a + b = b + a,
3. associativité : (a + b) + c = a + (b + c),
qui valent pour tous les éléments a, b, c 2 N.
1.1.2.2 La multiplication
Nous définissons maintenant la multiplication des entiers.
Définition 1.3
On définit une loi de multiplication sur N, notée ⇥ (ou notée sans signe opératoire
lorsqu’il n’y a pas de risque de confusion), en posant :
— n ⇥ 0 = 0 pour tout n 2 N,
— n ⇥ s(p) = (n ⇥ p) + n.
Proposition 1.2
L’opération de multiplication ⇥ sur N a les propriétés suivantes :
1. associativité : a ⇥ (b ⇥ c) = (a ⇥ b) ⇥ c.
2. commutative : a ⇥ b = b ⇥ a
3. distributivité par rapport à l’addition :
a ⇥ (b + c) = a ⇥ b + a ⇥ c et (a + b) ⇥ c = a ⇥ c + b ⇥ c.
4. pour tout n 2 N, n ⇥ 1 = 1 ⇥ n = n.
5. Si a ⇥ b est nul, a ou b est nul.
6. Si on a a ⇥ b = a ⇥ c avec a 6= 0, on a b = c.
qui valent pour tous les éléments a, b, c 2 N.
1.1.3 Puissance
La puissance d’un nombre est un cas particulier de la multiplication.
Définition 1.4
Soit a un entier naturel di↵érent de 0. Alors le symbole an est défini par
1. si n = 0 : a0 = 1,
2. si n 6= 0 : an = an 1
· a.
n
a se lit ”a puissance n” ou ”a exposant n”.
6
Propriété 1.1
Pour tout a, b, n, m 2 N on a :
— am ⇥ an = am+n ,
— (am )n = am⇥n ,
— (a ⇥ b)n = an ⇥ bn ,
1.1.4 Relation d’ordre
Définition 1.5
Soient p, q 2 N. On dit que q est supérieur ou égal à p, et on écrit q p, s’il existe
n 2 N tel que q = n + p. On dit que q est strictement supérieur à p si on a q p et
q 6= p et on note q > p.
Remarque 1.3. On définit aussi les relations opposées :

p  q () q p et p < q () q > p.
Proposition 1.3
La relation est une relation d’ordre i.e. :
1. elle est réflexive : on a p p,
2. elle est antisymétrique : si on a p q et q p on a p = q,
3. elle est transitive : si on a r q et q p on a r p.
Proposition 1.4
1. Si p, q sont des entiers on a p q ou q p (l’ordre est total).
2. On a l’équivalence, pour tous a, b, c 2 N : a + b a + c () b c.
3. Il n’existe pas d’entier n tel que 0 < n < 1.
4. Il n’existe pas d’entier n supérieur à tous les autres.
5. Si on a q p, on a n ⇥ q n ⇥ p.
Théorème 1.1
1. Toute partie non vide de N a un plus petit élément (on dit que N est bien
ordonné).
2. Toute partie finie non vide de N a un plus grand élément.
1.1.5 Multiples et Diviseurs
Définition 1.6
Soient a et b deux entiers naturels, on dit que b divise a ou que b est un diviseur de a
ou encore que a est un multiple de b s’il existe un entier k tel que a = b ⇥ k.
Propriété 1.2
Si b divise a avec a 6= 0 alors b  a
7
Exemple 1.1. 16 = 2 ⇥ 8, donc 16 est un multiple de 2 et/ou 2 est un diviseur de 16.
Théorème 1.2: Propriété additive

Soient a un multiple de c et b est multiple de c, alors
— a + b est multiple de c,
— si, de plus, a b, alors a b est multiple de c.
Exemple 1.2. 16 = 2 ⇥ 8 et 6 = 2 ⇥ 3 sont multiples de 2, donc 16 + 6 = 22 et 16 6 = 10

sont aussi multiples de 2 (en e↵et, 22 = 2 ⇥ 11 et 10 = 2 ⇥ 5).
Démonstration. Puisque a un multiple de c alors 9k 2 N tel que a = k ⇥ c, de même puisque

b un multiple de c il existe un entier naturel l tel que b = l ⇥ c. Ainsi,
a + b = k ⇥ c + l ⇥ c = (k + l) ⇥ c.
donc, a + b est multiple de c.

D’une autre côté, par di↵érence,
a b=k⇥c l ⇥ c = (k l) ⇥ c.
Donc, a b est multiple de c (on a pu trouver un entier k l 0 qui, multiplié par c. Noter
que k l 0 car a b > 0 et c 0).
Théorème 1.3: Propriété de transitivité

si a est multiple de b et b est multiple de c, alors, a est multiple de c.
Exemple 1.3. 24 = 12 ⇥ 2 est multiple de 12 et 12 = 3 ⇥ 4 est multiple de 3, donc 24 est

multiple de 3 (en e↵et, 24 = 3 ⇥ 8).
Démonstration. Puisque a est multiple de b alors il existe un entier naturel k tel que a = k⇥b.
De même puisque b est multiple de c alors il existe un entier naturel l tel que b = l ⇥ c. Ainsi,
par substitution, et associativité de la multiplication on obtient
a = k ⇥ b = k ⇥ (l ⇥ c) = (k ⇥ l) ⇥ c.
Ainsi, a est multiple de c.
1.1.6 Division euclidienne
Définition 1.7
Soient a et b sont deux entiers naturels avec b > 0, alors il existe un entier naturel q
et un entier naturel r tels que
a=b⇥q+r
où
0r<b
Dans ce cas, on parle de division euclidienne de a (le dividende) par b (le diviseur) où
q est un quotient et r un reste.
8
Exemple 1.4. La division euclidienne de 33 par 2, donne le quotient 16 et le reste 1 cela

s’écrit : 33 = 16 ⇥ 2 + 1
Théorème 1.4
Dans la division euclidienne de a par b, le quotient et le reste sont définis de façon
unique.
Propriété 1.3
Soient a et b deux entiers naturels avec b 6= 0. L’entier a est un diviseur de b si et
seulement si le reste est nul dans la division euclidienne de a par b.
Définition 1.8
Un entier est dit pair s’il est un multiple de 2. Il est dit impair dans le cas contraire.
Propriété 1.4
Un entier naturel a est impair si et seulement s’il existe un entier naturel k tel que
a = 2 ⇥ k + 1.
Exemple 1.5.
— 344 est un nombre pair car 344 = 2 ⇥ 172.
— 21 est un nombre impair car 21 = 2 ⇥ 10 + 1.
Propriété 1.5
Le produit de deux entiers consécutifs est toujours pair.
Exemple 1.6. 6 est un nombre pair car c’est le produit des deux entiers consécutifs 2 et 3.
Propriété 1.6
Toute puissance d’un nombre impair est impaire.
Exemple 1.7. Si on considère le nombre impair 3 alors 9 = 32 , 27 = 33 sont des nombre

impairs.
Théorème 1.5
Soit a et a0 deux entiers naturels tels que a0 < a et b un entier naturel non nul.
— Le nombre de multiples de b qui sont inférieurs ou égaux à a et non nuls est le
quotient dans la division euclidienne de a par b.
— Le nombre de multiples de b qui sont compris entre a0 (exclu) et a (inclus) et non
nuls est le quotient dans la division euclidienne de a par b diminué du quotient
dans la division euclidienne de a0 par b.
Exemple 1.8.
1. Les multiples de 6 inférieurs ou égaux à 30 et non nuls sont 6, 12, 18, 24 et 30. Ils
sont au nombre de 5 et le quotient dans la division euclidienne de 30 par 6 est 5 (car
30 = 6 ⇥ 5 + 0 ).
9
2. Les multiples de 10 inférieurs ou égaux à 34 et non nuls sont 10, 20 et 30. Ils sont
au nombre de 3 et le quotient dans la division euclidienne de 34 par 10 est 3 (car
34 = 10 ⇥ 3 + 4).
3. Les multiples de 9 compris entre 100 (exclu) et 120 (inclus) sont 108 et 117. Ils sont
au nombre de 2 et le quotient dans la division euclidienne de 120 par 9 (qui est 13 car
120 = 9 ⇥ 13 + 3 ) diminué du quotient dans la division euclidienne de 100 par 9 (qui
est 11 car 100 = 9 ⇥ 11 + 1) est 2 (car 2 = 13 11)
1.1.7 Systèmes de numérotation

1.1.7.1 Développement d’un entier selon une base de numérotation
Théorème 1.6
Soit b un entier naturel supérieur ou égal à 2. Pour tout nombre entier naturel non
nul x, il existe une et une seule suite finie (a0 , a1 , . . . , ai , . . . , an ) de nombres entiers
naturels telles que
— 8i = {0, . . . , (n 1)}, 0  ai < b,
— 0 < an < b,
— x = a 0 + a 1 ⇥ b + a 2 ⇥ b2 + . . . . . . + a n ⇥ bn .
L’écriture x = a0 + a1 ⇥ b + a2 ⇥ b2 + . . . . . . .. + an ⇥ bn est appelée le développement
du nombre x dans la base b.
Remarque 1.4. Un système de numération se définit par deux éléments :

— La base du système,
— Les symboles du système.
Exemple 1.9. Le système binaire, utilisée en informatique, de base deux et de symboles 0

et 1.
Définition 1.9
Si le développement du nombre x en base b est :
x = a n ⇥ bn + a n 1 ⇥ bn 1
+ . . . + a 2 ⇥ b2 + a 1 ⇥ b + a 0
alors x s’écrit :
x = (an an 1 · · · a1 a0 )(b) .
On dit qu’on a représenté x dans le système de numération à base b.
1.1.7.2 Le système décimal (ou système à base dix)
C’est le système usuel dans la vie quotidienne. La base du système décimal est la base
10 et ses symboles sont les dix chi↵res : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9.
Exemple 1.10. Le nombre x = 3425 s’écrit x = 3 ⇥ 103 + 4 ⇥ 102 + 2 ⇥ 10 + 5. Ainsi la

représentation de x dans le système de numération à base 10 est x = (3425)10
10
1.1.7.3 Le système binaire (ou système à base deux)
C’est la base utilisée en informatique pour la représentation des informations au niveau

machine. Ce système possède deux chi↵res : 0 et 1. Ces deux états sont les seuls que la
machine peut assimiler.
Exemple 1.11. Le nombre x = 25 s’écrit x = 1 ⇥ 24 + 1 ⇥ 23 + 0 ⇥ 22 + 0 ⇥ 2 + 1. Ainsi la

représentation de x dans le système de numération à base 2 est x = (11001)2 .
Remarque 1.5 (Technique des divisions successives). Dans l’exemple précédent on a

utilisé la méthode de la division successive qui sert à transformer n’importe quelle nombre
dans n’importe quelle base. La recette est la suivante : pour transformer un nombre décimal
en un nombre de base ”a”, il suffit de diviser le nombre décimal par la base ”a” jusqu’à obtenir
un quotient inférieur à la base. Le résultat recherché se compose du dernier quotient et de
tous les restes des divisions successives pris dans l’ordre inverse.
1.1.7.4 Le système hexadécimal (ou système à base seize)
Le système hexadécimal (base 16) utilise 16 chi↵res pour la représentation des nombres,
à savoir :
— les chi↵res du système décimal : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9.
— les six (6) premières lettres de l’alphabet : A, B, C, D, E, F .
Le tableau suivant donne l’équivalent décimal d’un chi↵re hexadécimal :
Hexadécimal Décimal
0 0
1 1
2 2
... ...
9 9
A 10
B 11
C 12
D 13
E 14
F 15
Exemple 1.12. La représentation du nombre x = 427 dans le système de numération à base

16 est x = (1AB)16 .
11
Noter que ici les symboles ”11” et ”10” sont remplacer par leur équivalent B et A respective-
ment.
1.2 L’ensemble Z des entiers relatifs

1.2.1 Introduction
Nous savons que la soustraction d’entiers naturels ne donnent un entier naturel que pour
certaines paires d’entiers. Par exemple, la soustraction m n ne sera dans N que si m n.
Ainsi N n’est pas un ensemble de nombres fermé sous la soustraction, qui est l’opérations
inverses de l’addition. La construction des entiers relatifs Z ajoute des nombres à l’ensemble
N de façon à ce que
— la soustraction de n’importe quelle paire d’entiers dans Z demeure dans Z.
— que si la paire m, n est formée d’entiers de N satisfaisant m n, alors la soustrac-
tion m n de m et n, vus comme éléments de Z, donne le même résultat que leur
soustraction, vus comme éléments de N.
Définition 1.10
Un entier relatif se présente comme un entier naturel muni d’un signe positif ou
négatif qui indique sa position par rapport à zéro sur un axe orienté. Les entiers
positifs (supérieurs à zéro) s’identifient aux entiers naturels : 0, 1, 2, 3, . . . tandis que
les entiers négatifs sont leur opposés : 0, 1, 2, 3, · · · . L’entier zéro lui-même est
donc le seul nombre à la fois positif et négatif.
1.2.2 Extension de la divisibilité et la division euclidienne à Z
Définition 1.11
Soient a et b deux entiers relatifs tels que a 6= 0.
On dit que a divise b si et seulement si il existe un entier relatif q tel que b = qa.
Il revient au même de dire a divise b ou b est divisible par a ou b est multiple de a.
Quand a divise b, on écrit a | b et quand a ne divise pas b, on écrit a - b.
Théorème 1.7
Soit a un entier relatif.
Les diviseurs de a sont les diviseurs de |a|.
Théorème 1.8
Soient a et b, des entiers relatifs (a 6= b), alors il existe un couple unique (q, r) d’entiers
relatifs tel que a = bq + r avec 0  r < |b|.
12
1.2.3 Congruences
1.2.3.1 Définition des congruences
Définition 1.12
Soit n un entier naturel. Soient a et b deux entiers relatifs. On dit que a est congru à
b modulo n et on écrit a ⌘ b(n) si et seulement si b a est un multiple de n. Il revient
au même de dire qu’il existe un entier relatif k tel que b = a + kn.
Remarque 1.6. Un cas particulier important de la définition précédente est a est un multiple
de n si et seulement si a ⌘ 0(n).
Exemple 1.13. Puisque 16 1 = 15 = 5 ⇥ 3, alors 16 1 est un multiple de 5 et donc
16 ⌘ 1(5).
Théorème 1.9
Soit n un entier naturel non nul. Soient a et b deux entiers relatifs. a et b sont congrus
modulo n si et seulement si les restes des divisions euclidiennes de a et b par n sont
les mêmes.
Démonstration. Soit n un entier naturel non nul. Soient a et b deux entiers relatifs.
La division euclidienne de a par n s’écrit
a = q 1 n + r1
avec q1 et r1 entiers relatifs tels que 0 6 r1 6 n 1 et la division euclidienne de b par n

s’écrit
b = q 2 n + r2
avec 0 6 r2 6 n 1 avec q2 et r2 entiers relatifs tels que 0 6 r2 6 n 1. En retranchant
membre à membre, on obtient
b a = (q2 q1 ) n + (r2 r1 ) .
— Supposons que les restes r1 et r2 soient les mêmes. Alors, r2 r2 = 0
b a = (q2 q1 ) n.
Puisque q2 q1 est un entier relatif, b a est un multiple de n et donc a ⌘ b(n).

— Inversement, supposons que a ⌘ b(n). Il existe un entier relatif k tel que b a = kn.
L’égalité b a = (q2 q1 ) n + (r2 r1 ) s’écrit alors
kn = (q2 q1 ) n + (r2 r1 )
puis
r2 r1 = (q1 q2 + k) n
D’autre part, puisque 0 6 r1 < n et 0 6 r2 < n, on a encore n < r1 6 0 et
0 6 r2 < n puis en additionnant membre à membre, on obtient n < r2 r1 < n.
Puisque r2 r1 = (q1 q2 + k) n, on a
n < (q1 q2 + k) n < n
13
puis après simplification par l’entier strictement positif n, on obtient
1 < q1 q2 + k < 1.
Puisque q1 q2 +k est un entier relatif, ceci impose q1 q2 +k = 0 ou encore q2 q1 = k.

L’égalité b a = (q2 q1 ) n+(r2 r1 ) fournit alors kn = kn+(r2 r1 ) puis r2 r1 = 0
et donc r1 = r2 .
1.2.3.2 Propriétés des congruences
Théorème 1.10
Soit n un entier naturel.
1. Pour tout entier relatif a, a ⌘ a(n).
2. Pour tous entiers relatifs a et b, si a ⌘ b(n), alors b ⌘ a(n).
3. Pour tous entiers relatifs a, b et c, si a ⌘ b(n) et b ⌘ c(n), alors a ⌘ c(n).
Démonstration. Soit n un entier naturel.

1. Soit a un entier relatif. Puisque n divise a a, alors, on en déduit que a ⌘ a(n).
2. Soient a et b deux entiers relatifs. Supposons que a ⌘ b(n). Alors il existe un entier
relatif k tel que b a = kn. On en déduit que a b = ( k)n et donc que a b est un
multiple de n puisque k est un entier relatif. Puisque a b est un multiple de n, on
a donc b ⌘ a(n).
3. Soient a, b et c trois entiers relatifs. Supposons que a ⌘ b(n) et b ⌘ c(n). Il existe un
entier relatif k tel que b a = kn et un entier relatif k 0 tel que c b = k 0 n.
En additionnant membre à membre ces deux égalités, on obtient c a = k + k 0 n.
Puisque k + k 0 est un entier relatif, on a montré que c a est un multiple de n et donc
que a ⌘ c(n).
Remarque 1.7. Les congruences se manipulent approximativement comme une égalité :

une congruence se lit indi↵éremment de gauche à droite ou de droite à gauche.
Le théorème suivant permet d’additionner un même nombre aux deux membres d’une
congruence ou de multiplier ces deux membres par un même nombre.
Théorème 1.11
1. Pour tous entiers relatifs a, b et c, si a ⌘ b(n) alors a + c ⌘ b + c(n).
2. Pour tous entiers relatifs a, b et c, si a ⌘ b(n) alors a ⇥ c ⌘ b ⇥ c(n).
Démonstration. Soit n un entier naturel. Soient a, b et c trois entiers relatifs. Supposons que
a ⌘ b(n). Alors il existe un entier relatif k tel que b a = kn.
1. On a (a + c) (b + c) = a b = kn. Puisque (a + c) (b + c) est un multiple de n, on
a donc a + c ⌘ b + c(n).
2. On a (b ⇥ c) (a ⇥ c) = c(b a) = (ck)n. Puisque ck est un entier relatif, on a montré
que (b ⇥ c) (a ⇥ c) est un multiple de n et donc que a ⇥ c ⌘ b ⇥ c(n).
14
Une conséquence importante du théorème précédent est que l’on peut additionner membre
ou multiplier membre à membre des congruences :
Théorème 1.12
1. Pour tous entiers relatifs a, b, c et d, si a ⌘ b(n) et c ⌘ d(n), alors
a + c ⌘ b + d(n).
2. (a) Pour tous entiers relatifs a, b, c et d, si a ⌘ b(n) et c ⌘ d(n), alors
a ⇥ c ⌘ b ⇥ d(n).
(b) Pour tous entiers relatifs a et b et tout entier naturel k, si a ⌘ b(n), alors
ak ⌘ bk (n).
Démonstration. Soit n un entier naturel. Soient a, b, c et d quatre entiers relatifs. Supposons

que a ⌘ b(n) et c ⌘ d(n)
1. On ajoute c aux deux membres de la première congruence et on ajoute b aux deux
membres de la deuxième congruence. D’après le théorème précédent, on a a + c ⌘
b + c(n) et b + c ⌘ b + d(n). Ainsi le 3. du théorème 1.10 permet alors d’affirmer que
a + c ⌘ b + d(n).
2. (a) On multiplie par c les deux membres de la première congruence et on multiplie par
b les deux membres de la deuxième congruence. D’après le théorème précédent,
on a a ⇥ c ⌘ b ⇥ c(n) et b ⇥ c ⌘ b ⇥ d(n). Ainsi le 3. du théorème 1.10 permet
alors d’affirmer que a ⇥ c ⌘ b ⇥ d(n).
(b) se démontre alors par récurrence grâce à (a).
1.3 L’ensemble Q des nombres rationnels

1.3.1 Le corps des nombres rationnels
Un nombre rationnel est, un nombre qui peut s’exprimer comme le quotient de deux
entiers relatifs. On peut écrire les nombres rationnels non entiers sous forme de fraction,
a
souvent notée , où a, le numérateur, est un entier relatif et b, le dénominateur est un entier
b
relatif non nul. De par sa définition :
na o
Q= | (a, b) 2 Z ⇥ (Z\{0}) .
b
L’ensemble des nombres rationnels, est muni de deux opérations, l’addition + et la multipli-
cation, notée ⇥ ou ·. Il possède les propriétés suivantes.
1. Z ⇢ Q. Les opérations + et ⇥, ainsi que la relation d’ordre  prolongent celles de Z.
2. L’addition + sur Q vérifie les propriétés suivantes :
(a) Associativité : 8x 2 Q, 8y 2 Q, 8z 2 Q, x + (y + z) = (x + y) + z.
(b) 8x 2 Q, x + 0 = 0 + x = x (0 est l’élément neutre pour l’addition).
15
(c) Pour tout x 2 Q, il existe un nombre réel unique, noté x 2 Q et appelé l’opposé
de x, tel que x + ( x) = ( x) + x = 0
(d) Commutativité 8x 2 Q, 8y 2 Q, x + y = y + x.
Ces quatre propriétés se résument en disant que (Q, +) est un ”groupe abélien” (ou
commutatif).
3. La multiplication (ou produit) notée · vérifie les propriétés suivantes :
(a) associativité 8x 2 Q, 8y 2 Q, 8z 2 Q, x · (y · z) = (x · y) · z.
(b) 8x 2 Q, x · 1 = 1 · x (1 est l’élément unité),
1 1 1
(c) tout x 2 Q\{0} admet un inverse unique noté x 2 Q tel que x·x =x ·x = 1,
(d) 8x 2 Q, 8y 2 Q, 8z 2 Q, x · (y + z) = x · y + x · z (”distributivité” de la
multiplication par rapport à l’addition),
(e) 8x 2 Q, 8y 2 Q, x · y = y · x (commutativité de la multiplication).
Les propriétés (2) à (3e) se résument en disant que (Q, +, ·) est un ”corps commutatif”.

Nous allons maintenant décrire les propriétés de la relation d’ordre  sur le corps Q des
nombres rationnels et sa compatibilité avec les opérations algébriques.
La relation d’ordre  sur Q vérifie les propriétés suivantes :
1. Pour tout x 2 Q et y 2 Q, on a ou bien x  y ou bien y  x (  est une relation
d’ordre total).
2. Pour tout x 2 Q, y 2 Q et z 2 Q on a x  y =) x + z  y + z (compatibilité de
l’addition avec la relation d’ordre).
3. Pour tout x 2 Q, y 2 Q et a 2 Q+ on a x  y =) a · x  a · y, (compatibilité de la
multiplication avec la relation d’ordre).
Pour des raisons de commodité, on utilise aussi couramment les notations >, <, > :
Notation Définition
x>y y6x
x<y x 6 y et x 6= y
x>y x > y et x 6= y
⇤
On utilise aussi les ensembles de réels notés Q+ , Q , Q+⇤ et Q .
Ensemble Définition Notation
Rationnels positifs ou nuls {x 2 Q, x > 0} Q+
Rationnels strictement positifs {x 2 Q, x > 0} Q+⇤
Rationnels négatifs ou nuls {x 2 Q, x 6 0} Q
Rationnels strictement négatifs {x 2 Q, x < 0} Q ⇤
1.3.3 Les nombres décimaux
Définition 1.13
Un nombre réel x est un nombre décimal si et seulement si il existe un entier naturel
n tel que 10n ⇥ x soit un entier relatif. L’ensemble des nombres décimaux se note D,
avec n p o
D= , (p, n) 2 Z ⇥ N
10n
16
Exemple 1.14.
1 1
1. = 0, 5 est décimal car 10 ⇥ = 5 est entier.
2 2
1 1 1
2. / D, car
2 = 0, 3333333 · · · (Il n’existe pas de n 2 N tel que 10n est un entier
3 3 3
relatif )
1.4 L’ensemble R des nombres réels

1.4.1 Le corps des nombres réels
L’ensemble des nombres rationnels, est muni de deux opérations, l’addition + et la mul-
tiplication, notée ⇥ ou ·. Il possède les propriétés suivantes.
1. Addition
(a) Associativité : 8x, y, z 2 R, x + (y + z) = (x + y) + z
(b) Élément neutre : 8x 2 R, x+0=0+x=x
(c) Opposé : 8x 2 R, x + ( x) = x x=0
(d) Commutativité : 8x, y 2 R, x+y =y+x
L’ensemble des réels muni de l’addition est un groupe commutatif.
2. Multiplication
(a) Associativité : 8x, y, z 2 R, x(yz) = (xy)z
(b) Élément neutre : 8x 2 R, x1 = 1x = x
(c) Inverse : 8x 2 R \ {0}, x(1/x) = (1/x)x = 1
(d) Commutativité : 8x, y 2 R, xy = yx
(e) Distributivité : 8x, y, z 2 R, x(y + z) = (xy) + (xz)
L’ensemble des réels muni de l’addition et de la multiplication est un corps commutatif.

La relation d’ordre  sur R vérifie les propriétés suivantes :
1. Réflexivité : 8x 2 R, x6x
2. Transitivité : 8x, y, z 2 R, (x 6 y et y 6 z) =) x 6 z
3. Antisymétrie : 8x, y 2 R, (x 6 y et y 6 x) =) x = y
4. Ordre total : 8x, y 2 R, x 6 y ou y 6 x
Les trois premières propriétés définissent une relation d’ordre. Ici l’ordre est total car deux
réels quelconques peuvent toujours être comparés.
On utilise aussi les ensembles de réels notés R+ , R , R+⇤ et R ⇤ .
Ensemble Définition Notation

Réels positifs ou nuls {x 2 R, x > 0} R+
Réels strictement positifs {x 2 R, x > 0} R+⇤
Réels négatifs ou nuls {x 2 R, x 6 0} R
Réels strictement négatifs {x 2 R, x < 0} R ⇤
La relation d’ordre est compatible avec l’addition par un réel quelconque, et avec la multi-
plication entre réels positifs.
17
1. 8x, y, z 2 R, x 6 y =) x + z 6 y + z
2. 8x, y, z 2 R, x < y =) x + z < y + z
3. 8x, y 2 R, 8z 2 R+ , x 6 y =) xz 6 yz
+⇤ +⇤
4. 8x, y 2 R , 8z 2 R , x < y =) xz < yz.
Comme conséquence de ces relations de compatibilité, on obtient les règles suivantes qui
permettent de combiner des inégalités.
8x, y, z, t 2 R, (x 6 y et z 6 t) =) x + z 6 y + t
On peut donc ajouter deux inégalités de même sens (attention : on ne peut pas ajouter deux
inégalités de sens opposés ni soustraire deux inégalités de même sens).
8x, y 2 R, 8z, t 2 R+ , (x 6 y et z 6 t) =) xz 6 yt
On peut multiplier deux inégalités de même sens, si elles concernent des réels positifs ou
nuls. (attention : on ne peut pas multiplier deux inégalités de sens opposés, ni diviser des
inégalités de même sens, ni multiplier des inégalités qui concernent des réels négatifs). Pour
se ramener à des inégalités de même sens, ou à des réels positifs, il peut être utile de changer
de signe ou de passer à l’inverse.
— 8x, y 2 R, (x 6 y) =) ( x > y).
— 8x, y 2 R +⇤
, (x 6 y) ) (1/x > 1/y).
1.4.3 Valeur approchée d’un nombre réel
Définition 1.14
Une valeur approchée d’un nombre réel x à la précision p ou à p près ( p 2 R⇤+ ) est
un réel a tel que |x a|  p, c’est-à-dire tel que a p  x  a + p.
Exemple 1.15.
— De l’encadrement
2 2
3, 14 10  ⇡  3, 14 + 10 ,
2
il s’ensuit que 3, 14 est une valeur approchée du nombre ⇡ à 10 près. On note aussi
⇡ ⇡ 3, 14 à 10 2 près
2 2
— L’encadrement 3, 1415 10  ⇡  3, 1415 + 10 montre que 3,1415 est aussi une
2
valeur approchée de ⇡ à 10 près.
Définition 1.15
Une valeur approchée par défaut d’un réel x à la précision p ou à p près p 2 R⇤+ est
un réel a tel que a  x  a + p.
Définition 1.16
Une valeur approchée par excès d’un réel x à la précision p ou à p près p 2 R⇤+ est
un réel a tel que a p  x  a.
18
Chapitre
2 Fonctions numériques
2.1 Notions de fonction
2.1.1 Définitions
Définition 2.1: Fonction

La fonction f définie par un ensemble de départ I ⇢ R et par un ensemble d’arrivée
J ⇢ R est une relation de I vers J dans laquelle chaque élément de I appelé antécédent
possède au plus un élément dans l’ensemble J appelé image.
Définition 2.2: Domaine de définition

Soient I ⇢ R et J ⇢ R. L’ensemble des éléments de I qui ont exactement une image
dans J par la fonction f est appelé domaine de définition de I. On le note Df .
Remarque 2.1. On peut carrément définir les fonctions à partir de leur ensemble de défini-
tion. Dans ce cas là, on ne les appellera plus fonctions mais applications. Ainsi, une fonction
est une application de Df dans J.
Définition 2.3: Graphe d’une application

Le graphe, appelé encore courbe représentative d’une application f : Df ! R est l’en-
semble des points (x, y) du plan tels que x appartienne à Df et y = f (x) appartienne
à J ⇢ R. On note le graphe de f par
Cf = {(x, f (x)); x 2 Df }
Remarque 2.2. Il ne faudra pas confondre entre f qui désigne la fonction (ou l’application),
et f (x) qui désigne un nombre réel, (i.e II ne faudra pas dire :soit f (x) la fonction ! Mais
soit f la fonction).
Exemple 2.1. Dans cet exemple on donne des graphes de quelques fonctions usuelles :
19
2.1.2 Opérations sur les fonctions
Définition 2.4
Soient f : U ! R et g : U ! R deux fonctions définies sur une même partie U de R.
On a alors les résultats suivant :
— la somme de f et g est la fonction f + g : U ! R définie par (f + g)(x) =
f (x) + g(x) pour tout x 2 U .
— le produit de f et g est la fonction f ⇥ g : U ! R définie par (f ⇥ g)(x) =
f (x) ⇥ g(x) pour tout x 2 U .
f
— le quotient : lorsque la fonction g ne s’annule pas sur U , la fonction quotient
g
est définie pour tout réel x de U par :
✓ ◆
f f (x)
(x) = .
g g(x)
— la multiplication par un scalaire 2 R de f est la fonction · f : U ! R définie

par ( · f )(x) = · f (x) pour tout x 2 U .
2.1.3 Fonctions majorées, minorées, bornées
Définition 2.5: S
it f une application définie sur un intervalle I de R. Etant donné deux réels m et M ,
la fonction f est dite
1. majorée (par M ) sur I si pour tout réel de I :
f (x)  M.
2. minorée (par m) sur I si pour tout réel de I :
m  f (x).
3. bornée sur I si elle est à la fois majorée et minorée.
Remarque 2.3. La majoration ou la minoration de f peuvent ne pas exister. Elles peuvent

également ne pas être unique.
20
Quelques fois, ce n’est pas un nombre qui majore (ou minore) une fonction. ll se peut
que ce soit carrément une autre fonction. Nous avons alors les définitions suivantes.
Définition 2.6: Fonction majorée par une fonction
Soient f et g deux fonctions définies sur un même intervalle I de R. On dit que
1. f majore g si pour tout x de I :
f (x) g(x)
On écrit alors f g.
2. f minore g si pour tout x de I :
f (x)  g(x)
On écrit alors f  g.
2.1.4 La composition de fonctions
Définition 2.7
Soit f une fonction définie d’un intervalle I de R à valeurs dans un intervalle J de R.
Soit g une fonction définie de l’intervalle J de R vers un intervalle K de R. La fonction
composée des fonctions f et g est la nouvelle fonction que l’on écrit g f (et que l’on
lit g rond f ) définie pour tout x dans l’intervalle I par :
(g f )(x) = g(f (x))
et que l’on peut écrire de la façon suivante :

f g
g f: I ! J ! K
x 7! f (x) 7! g(f (x)).
2.1.5 Monotonie
Définition 2.8
Soit f une application définie sur un intervalle I de R. L’application f est dite
1. croissante (resp. strictement croissante) sur I si pour tous x1 et x2 de l’intervalle
I on a :
si x1  x2 (resp. x1 < x2 ) alors f (x1 )  f (x2 ) (resp. f (x1 ) < f (x2 )).
2. décroissante (resp. strictement décroissante) sur I si pour tous x1 et x2 de l’in-

tervalle I on a :
si x1  x2 (resp. x1 < x2 ) alors f (x1 ) f (x2 ) (resp. f (x1 ) > f (x2 )).
De façon générale nous avons la définition de la monotonie suivante.
21
Définition 2.9
Soit f une application définie sur un intervalle I de R. L’application f est dite
1. monotone sur I si elle y est croissante ou décroissante.
2. strictement monotone sur I si elle y est strictement croissante ou strictement
décroissante.
2.1.6 Parité
Définition 2.10
Soit f une application définie sur son domaine I dans R (l’intervalle I doit être symé-
triquement réparti autour de 0) . L’application f est dite
1. paire si pour tout réel x de I nous avons
f ( x) = f (x).
2. impaire si pour tout réel x de I nous avons
f ( x) = f (x).
Remarque 2.4.
1. Si f est paire, sa courbe représentative (son graphe) est symétrique par rapport à l’axe
de des ordonnées (la droite d’équation x = 0 )
2. Si f est impaire, sa courbe représentative (son graphe) est symétrique par rapport à
l’origine O.
3. Toute application f impaire s’annule en 0 (i.e f (0) = 0).
22
2.1.7 Injectivité, surjectivité, bijectivité
Définition 2.11: Fonction injective

On dit qu’une fonction f : I ! J est injective si et seulement si tout élément y de
l’ensemble d’arrivée J admet au plus un antécédent dans l’ensemble I de départ.
Autrement dit, il en possède soit un, soit aucun mais pas plus de un. On écrit : pour
tous x1 et x2 de I,
si f (x1 ) = f (x2 ) alors x1 = x2 .
Exemple 2.2.
— La fonction exp : R ! R définie par exp(x) = ex est injective, car pour tout x1 , x2 2 R,
si ex1 = ex2 alors x1 = x2 .
— La fonction f : R ! R définie par f (x) = x2 n’est pas injective, car (par exemple)
f (1) = f ( 1) = 1 mais 1 6= 1.
Définition 2.12: Fonction surjective

On dit qu’une fonction f : I ! J est surjective si et seulement si tout élément y de
l’ensemble d’arrivée J admet au moins un antécédent dans l’ensemble I de départ.
Autrement dit, il en possède soit un, soit plus, mais il est obligé d’en posséder un. On
écrit : pour tout y de J il existe (au moins un) x de I tel que
f (x) = y
Exemple 2.3. La fonction f : R ! R définie f (x) = x2 n’est pas surjective, car il n’existe
pas de réel x tel que x2 = 1. Cependant, la fonction f : R ! R+ définie par f (x) = x2 est
surjective, car chaque réel positif possède au moins un antécédent : 0 possède exactement un
antécédent, 0, et tous les réels y strictement positifs en possèdent deux, la racine carrée de
y et son opposé.
23
Définition 2.13: Fonction bijective

On dit qu’une fonction f : I ! J est bijective si et seulement elle est à la fois injective
et surjective. C’est à dire si tout élément y de l’ensemble d’arrivée J admet exactement
un antécédent dans l’ensemble I de départ. On écrit : pour tout y de J il existe un
unique x de I tel que
f (x) = y.
Il est alors possible de passer de y à x par ce qu’on appelle la fonction réciproque, que
l’on note f 1 . Et donc si f est bijective on a :
1
f: I ! J et f : J ! I
x 7! y = f (x), y ! x = f 1 (y)
Exemple 2.4.
1. La fonction affine f : R ! R définie par f (x) = 2x + 1 est bijective, puisque pour tout
réel y, il existe exactement une solution réelle de l’équation y = 2x + 1 d’inconnue x,
à savoir : x = (y 1)/2
2. La fonction carré g : R ! R définie par g(x) = x2 n’est pas bijective.
Remarque 2.5. Le graphe Cf 1 de la fonction réciproque de la fonction f est le symétrique

du graphe Cf par rapport à la première bissectrice (c’est à dire la droite d’équation y = x).
2.1.8 Limites
2.1.8.1 Définitions
Définition 2.14: Limite finie en un point

Soit f une application définie sur son domaine I dans R. Soient a et l deux réels finis
(c’est à dire que a et l sont di↵érents de +1 et 1 ) avec a un point de I ou une
extrémité de I.
On dit que f admet une limite finie l en a, si pour tout réel " > 0, il existe un réel
⌘ > 0 tel que pour tout x 2 I si
|x a|  ⌘ alors |f (x) l|  ".
On écrit
lim f (x) = l ou encore lim f = l.
x!a a
24
Définition 2.15: Limite infinie en un point

Soit f une application définie sur son domaine I dans R. Soit a a un point de I ou
une extrémité de I. On dit que f
1. admet la limite +1 et on dit (plus l’infini) en a, si pour tout réel A > 0, il
existe un réel ⌘ > 0 tel que pour tout x 2 I si
|x a|  ⌘ alors f (x) A.
On écrit alors comme précédemment
lim f (x) = +1 ou encore lim f = +1.

x!a a
2. admet la limite 1 et on dit (moins l’infini) en a, si pour tout réel A > 0, il

existe un réel ⌘ > 0 tel que pour tout x 2 I si
|x a|  ⌘ alors f (x)  A.
On écrit alors comme précédemment
lim f (x) = 1 ou encore lim f = 1.

x!a a
Définition 2.16: Limite à gauche et à droite

Soit f une fonction définie sur un ensemble de la forme ]↵, a[u]a, [
— On dit que f admet une limite à droite en a (on dit encore par valeurs supérieures
en a ) si pour tout réel " > 0, il existe un réel ⌘ > 0 tel que
pour tout x 2 I si 0 < x a  ⌘ alors |f (x) l|  ".
On écrit
lim f (x) = l ou encore lim f = l
x!a+ a+
— On dit que f admet une limite à gauche en a (on dit encore par valeurs inférieures
en a ) si pour tout réel " > 0, il existe un réel ⌘ > 0 tel que
pour tout x 2 I si ⌘x a < 0 alors |f (x) l|  ".
On écrit
x!a a
25
Définition 2.17
Soit f une application définie sur un intervalle I non majoré. Soit l un réel fini.
1. On dit que f admet une limite finie en +1 si pour tout réel " > 0, il existe un
réel A > 0 tel que pour tout x 2 I si x A alors |f (x) l|  " On écrit alors

x!+1 +1
2. On dit que f admet une limite +1 en +1 si pour tout réel B > 0, il existe un
réel A > 0 tel que pour tout x 2 I si x A alors f (x) B On écrit alors
lim f (x) = +1 ou encore lim f = 1.

x!+1 +1
2.1.8.2 Propriétés
Proposition 2.1
Si une fonction admet une limite, alors cette limite est unique.
Proposition 2.2: S
ient deux fonctions f et g. On suppose que a est un réel, ou que a = ±1. Si lim f =
a
` 2 R et lim g = `0 2 R, alors :
a
— lim( · f ) = · ` pour tout 2R
a
— lim(f + g) = ` + `0
a
— lim(f ⇥ g) = ` ⇥ `0
a
1 1
— si ` 6= 0, alors lim =
a f `
1
— De plus, si lim f = +1( ou 1) alors lim =0
a a f
Proposition 2.3
Si lim f = ` et lim g = `0 , alors lim g f = `0 .
a ` a
Proposition 2.4
— Si f 6 g et si lim f = ` 2 R et lim g = `0 2 R, alors ` 6 `0
a a
— Si f 6 g et si lim f = +1, alors lim g = +1
a a
— Si f 6 g et si lim g = 1, alors lim f = 1
a a
— Théorème des gendarmes
Si f 6 g 6 h et si lim f = lim h = ` 2 R, alors g a une limite en a et lim g = `.
a a a
26
Proposition 2.5
— Tout polynôme a la même limite en +1 et 1 que son monôme de plus haut
degré.
— Toute fraction rationnelle a la même limite en +1 et 1 que le rapport de ses
monômes de plus haut degré.
2.1.9 Continuité
2.1.9.1 Définition
Définition 2.18
— On dit que f est continue en un point a 2 I si
8" > 0 9 > 0 8x 2 I |x a| < =) |f (x) f (a)| < "
c’est-à-dire si f admet une limite en a (cette limite vaut alors nécessairement

f (a)).
— On dit que f est continue sur I si f est continue en tout point de I.
2.1.9.2 Propriétés
Propriété 2.1: Continuité et opérations sur les fonctions

Soient f et g deux fonctions de I intervalle de R. Supposons que f et g sont continues
en a un réel de I. On a alors les propriétés suivantes :
1. la fonction f + g est continue en a,
2. pour tout réel k, la fonction kf est continue en a,
f
3. si g(a) 6= 0, la fonction est continue en a.
g
Propriété 2.2: Continuité et composition de fonctions

Soient f : I ! J et g : J ! K deux fonctions avec I, J et K des intervalles de R.
Supposons que f soit continue en a 2 I, et que lim f (x) = l (où l 2 J) . Si g est
x!a
continue en l alors
lim g f (x) = g(l).
x!a
2.1.9.3 Continuité, monotonie, injectivité et bijectivité
Proposition 2.6: Continuité et monotonie

Si f est une fonction monotone sur un intervalle I de R telle que f (I) (l’image par f
de I ) soit également un intervalle, alors f est continue.
Proposition 2.7: Monotonie et injectivité

Soit f une fonction définie (pas forcément continue) sur un intervalle I de R. On
suppose de plus que f est strictement monotone. Alors f est injective.
27
Pour avoir la néciproque, nous sommes obligés de supposer la continuité de f , sinon cela
ne marche pas.
Proposition 2.8: Continuité et injectivité
Soit f une fonction définie sur I intervalle de R. Si f est injective et continue sur I
alors elle est nécessairement strictement monotone.
Proposition 2.9: Continuité et bijectivité

Soit f une fonction définie sur I intervalle de R. Si f est injective et continue sur I et
si on pose J = f (I) (l’image de I par f ), et si l’on considère la fonction g :
g:I!J
x 7! g(x) := f (x)
1
alors la fonction g est bijective et sa fonction réciproque g est continue.
2.2 Fonctions dérivables

2.2.1 Définitions
Définition 2.19
Soit f une fonction définie sur un intervalle I de R. Soit a un point de I. On dit que
f est dérivable en a si la fonction suivante (appelée taux d’accroissement),
g: I {a} ! R
f (x) f (a)
x 7!
x a
possède une limite finie l au point a. Dans ce cas là, on note la limite l de la façon
suivante :
f (x) f (a)
l = lim g(x) = lim = f 0 (a)
x!a x!a x a
Ce nombre f 0 (a) est appelé dérivée de f en a.
Exemple 2.5. La fonction définie par f (x) = x2 est dérivable en tout point a 2 R. En e↵et :
f (x) f (a) x2 a2 (x a) (x + a)
= = = x + a ! 2a
x a x a x a x!a
On a même montré que le nombre dérivé de f en a est 2a, autrement dit : f 0 (x) = 2x.
Définition 2.20
Soit f une fonction définie sur un intervalle I de R. Soit a un élément de I (ou bien
une extrémité de I).
f (x) f (a)
1. On dit que f est dérivable à droite en a si a une limite finie à droite
x a
quand x tend vers a (supérieurement).
f (x) f (a)
2. On dit que f est dérivable à gauche en a si a une limite finie à
x a
gauche quand x tend vers a (inférieurement).
28
Définition 2.21
On dit que f est dérivable sur I si, pour tout x de I, f est dérivable en x. En note
f 0 : x 7! f 0 (x) la fonction dérivée.
Proposition 2.10: Dérivabilité et continuité

Si f est dérivable en un point a, alors elle est continue en ce point a.
Proposition 2.11
Si f est dérivable au point a alors (Cf ) admet une tangente d’équation y = f 0 (a)(x
a) + f (a) au point (a, f (a)).
Définition 2.22: Fonction dérivable plusieurs fois

1. Etant donnés un entier n non nul, et une fonction f définie et dérivable n fois
sur I, la dérivée ni ı̀me est définie comme de la façon suivante :
⇣ ⌘0
f (n) = f (n 1)
avec pour convention f (0) = f

2. si f admet une dérivée nième , avec n 2 N, on dit que f est n fois dérivable sur
I.
2.2.2 Dérivabilité, opérations algébriques et composition

Proposition 2.12: dérivée opérations algébriques
Soient f et g deux fonctions définies sur un même intervalle I de R. Soit a un point
de I.
1. Si f et g sont dérivables en a, la fonction f + g est dérivable en a et on a
(f + g)0 (a) = f 0 (a) + g 0 (a)
2. Si f et g sont dérivables en a, la fonction f g est dérivable en a et on a
(f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a)
f
3. Si f et g sont dérivables en a, avec g(a) 6= 0 la fonction est dérivable en a et
g
on a ✓ ◆0
f f 0 (a)g(a) f (a)g 0 (a)
(a) =
g g 2 (a)
Proposition 2.13: dérivée d’une fonction composée

Soient f une fonction définie sur I à valeurs dans J, et g une fonction définie sur J
à valeurs dans K(I, J et K étant des intervalles de R ). Si f est dérivable en a, un
élément de I, et si g est dérivable en f (a) un élément de J, alors la composée g f
est dérivable en a et l’on a
(g f )0 (a) = g 0 (f (a))f 0 (a)
29
Proposition 2.14: dérivée d’une fonction réciproque

Soit f : I ! J une fonction bijective. Soit f 1 : J ! J sa fonction réciproque. On
suppose que f est dérivable en a et que f 0 (a) 6= 0. Alors f 1 est dérivable en b = f (a)
et
0 1
f 1 (b) = 0 .
f (f 1 (b))
Proposition 2.15: dérivée d’une fonction réciproque sur I

Soit f : I ! J une fonction bijective. Soit f 1 : J ! J sa fonction réciproque. On
suppose que f est dérivable sur I et que sa dérivée ne s’annule pas. Alors f 1 est
dérivable sur J = f (I) et
0 1
f 1 = 0 .
f f 1
2.2.3 Dérivée et monotonie

Proposition 2.16: dérivée d’une fonction constante
Soit f une fonction dérivable sur I intervalle de R. Alors f est constante si et seulement
si sa dérivée f 0 est identiquement nulle sur I.
Proposition 2.17: dérivée et monotonie

Soit f une fonction dérivable sur I intervalle de R. Alors
1. f est croissante sur I si et seulement si sa dérivée f 0 est positive ou nulle sur I.
2. f est décroissante sur I si et seulement si sa dérivée f 0 est négative ou nulle sur
I.
3. f est strictement croissante sur I si et seulement si sa dérivée f 0 est positive ou
nulle sur I mais ne s’annule sur aucun intervalle de I non réduit à un point.
4. f est strictement décroissante sur I si et seulement si sa dérivée f 0 est négative
ou nulle sur I mais ne s’annule sur aucun intervalle de I non réduit à un point.
2.2.4 Extremum local
Définition 2.23
1. On dit que x0 est un point critique de f si f 0 (x0 ) = 0
2. On dit que f admet un maximum local en x0 (resp. un minimum local en x0 )
s’il existe un intervalle ouvert J contenant x0 tel que pour tout
x2I \J f (x) 6 f (x0 ) (resp. f (x) > f (x0 )) .
3. On dit que f admet un extremum local en x0 si f admet un maximum local ou

un minimum local en ce point.
Définition 2.24
On dit que f : I ! R admet un maximum (resp. minimum) global en x0 si pour tout,
x 2 I on a f (x)  f (x0 ) (resp. f (x) f (x0 ))
30
Théorème 2.1
Soit I un intervalle ouvert et f : I ! R une fonction dérivable. Si f admet un
maximum local (ou un minimum local) en x0 alors f 0 (x0 ) = 0.
Proposition 2.18: Dérivée et minimum

Soit f une fonction définie sur un intervalle ouvert I de R et dérivable en a 2 I.
1. Si a est un minimum local alors f 0 (a) = 0.
2. Si de plus, f est deux fois dérivables en a, alors f 00 (a) 0.
0 00
Inversement, si b 2 I est tel que f (b) = 0 et si f (b) > 0 alors b est un minimum local
strict (avec les inégalités strictes) de f .
Remarque 2.6.
1. Les résultats sur les maxima sont analogues en considérant f plutôt que f .
2. Les conditions f 0 (a) = 0 et f 00 (a) 0 ne sont pas suffisantes (sauf si f est convexe).
Exemple : f : x 7! x3 est telle que f 0 (0) = 0 et f 00 (0) = 0 mais 0 n’est pas un minimiun
local.
3. D’autre part, la condition f 00 (a) > 0 n’est pas nécessaire. Exemple : f : x 7! x4 est
telle que f 0 (0) = 0 et f 00 (0) = 0 et pourtant 0 est bien minimum de f
2.3 Étude des variations et représentation des fonctions nu-

mériques
Étudier les variations d’une application consiste à regarder sa variation de monotonie et

à partager son ensemble de définitions en intervalles tels que sur chacun d’eux, la fonction
soit monotone.
2.3.1 Dérivée d’une fonction et variations
Proposition 2.19
Soit f une fonction dérivable sur un intervalle I, alors :
— si f 0 est positive sur I la fonction est croissante sur I.
— si f 0 est négative sur I la fonction est décroissante sur I.
2.3.2 Tableau de variations d’une fonction
Définition 2.25: Tableau de variations

Afin de rassembler les informations concernant les variations d’une fonction, on utilise
un tableau de variation dans lequel la croissance est représentée par une flèche vers
le haut, la décroissance par une flèche vers le vas. On y indique également les valeurs
aux bornes de l’ensemble de définition.
Exemple 2.6. On considère le tableau de variation de la fonction f : R ! R, x 7! x2
31
2.4 Calcule intégrale
2.4.1 Fonction primitive
2.4.1.1 Définitions et propriétés
Définition 2.26
Soit f : I ! R une fonction sur un intervalle quelconque I. On appelle primitive de f
sur I toute fonction F : I ! R telle que :
1. F est dérivable sur I.
2. Pour tout t 2 I, F 0 (t) = f (t).
Exemple 2.7. 1. La fonction x 7! ex est une primitive de x 7! ex sur R.
1
2. La fonction x 7! ln x + x2 est une primitive de x 7! + 2x sur ]0, +1[.
x
Théorème 2.2
Toute fonction continue sur un intervalle quelconque I de R, admet une primitive.
Propriété 2.3
Si f admet une fonction primitive F sur I alors toutes les fonctions primitives de f
sur I s’écrivent de la forme : F + où est un réel.
Propriété 2.4
Si F est une fonction primitive de la fonction f sur l’intervalle I et G une fonction
primitive de la fonction g sur l’intervalle I et ↵ un réel alors :
— (F + G) est une fonction primitive de la fonction (f + g) sur I.
— (↵F ) est une fonction primitive de la fonction (↵f ) sur I.
32
2.4.1.2 Opérations sur les primitives
Le tableau suivant donne quelques primitives particulières :
La fonction Sa fonction primitive

u0 + v 0 u + v + C te
↵u0 ↵u + C te
1
u0 un (n 2 N) un+1 + C te
n+1
u0 1
+ C te
u20 u
u p
p u + C te
2 u
0 p n p n
u u (n 2 N⇤ )
n
un+1 + C te
n+1
1
u0 ur (r 2 Q \ { 1}) ur+1 + C te
r+1
u0
arctan(u) + C te
u2 + 1
3x2 + 2
Exemple 2.8. Déterminons une fonction primitive de f (x) = .
(x3 + 2x)4
On remarque que v 0 (x) = 3x2 + 2 est la dérivé de la fonction v(x) = x3 + 2x. Ainsi
(x3 + 2x)0
f (x) = = (x3 + 2x)0 ⇥ (x3 + 2x) 4
i.e : v 0 v r (r = 4)
(2x3 + 2x)4
Donc les fonctions primitives de f s’écrivent de la forme :
1 4+1 1
F (x) = x3 + 2x +C = + C.
4+1 3 (x3 + 2x)3
2.4.2 Intégrale d’une fonction continue
Définition 2.27
Soit f une fonction continue sur un intervalle [a, b] de R et F une primitive de f sur
Z b
[a, b]. On appelle intégrale de f de a à b. le réel noté f (t)dt défini par :
a
Z b
f (t)dt = [F (t)]ba = F (b) F (a)
a
2.4.2.1 Interprétation Géométrique
Soit f une fonction continue sur un intervalle [a; b] et Cf sa courbe représentative dans
un repère (O,~i, ~j). On appelle intégrale de a à b de la fonction f la mesure de l’aire en unité
d’aire de la partie A du plan délimitée par l’axe des abscisses, les droites d’équations x = a
Z b
et x = b et la courbe Cf . On note |f (t)|dt cette aire.
a
33
2.4.2.2 Propriétés de l’intégrale
Propriété 2.5
Soient f, g deux fonctions intégrables sur [a, b] et 2 R. Alors les fonctions f +g, f, |f |
et f g sont intégrables sur [a, b] et on a :
Z b Z b Z b
1. (f (x) + g(x)) dx = f (x)dx + g(x)dx.
a a a
Z b Z b
2. ( f )(x)dx = f (x)dx.
a a
Z b Z c Z b
3. f (x)dx = f (x)dx + f (x)dx, c 2 [a, b] (Relation de Châsles) .
a a c
Z b Z b
4. f (x)dx  |f (x)|dx.
a a
Z a
5. f (x)dx = 0.
a
Z b Z a
6. f (x)dx = f (x)dx.
a b
Proposition 2.20
Soient f et g deux fonctions continues sur [a, b] telles que pour tout t 2 [a, b], f (t) 
g(t). Alors.
Z b Z b
f (t)dt  g(t)dt
a a
Proposition 2.21
Soit f une fonction continue et positive sur un intervalle [a, b]. Alors.
Z b
f (t)dt 0
a
34
Proposition 2.22
Soit f une fonction continue et positive sur [a, b].
Z b
— Si f (t)dt = 0, alors f (t) = 0 pour tout t 2 [a, b].
a
Z b
— Si f n’est pas la fonction nulle sur [a, b]. alors f (t)dt > 0.
a
2.4.2.3 Méthodes d’intégration classiques

Intégration par partie
Propriété 2.6
Soient u et v deux fonctions dérivables sur un intervalle I et u0 et v 0 sont continue sur
I et soient a et b deux éléments de l’intervalle I on a :
Z b Z b
0
u (x)v(x)dx = [u(x)v(x)]a b
u(x)v 0 (x)dx
a a
Z ln 2
Exemple 2.9. Calculons par partie l’intégrale I = xex dx.
0
On pose : u0 (x) = ex et v(x) = x Donc u(x) = ex et v 0 (x) = 1. Ainsi
Z ln 2
I = [xex ]ln
0
2
1ex dx = ln 2eln 2 [ex ]ln
0
2
= 2 ln 2 1.
0
Intégration par changement de variables :
Propriété 2.7
Soient g une fonction dérivable sur [a, b] telle que g 0 continue sur [a, b] et f une fonction
continue sur g([a, b]) on a :
Z b Z g(b)
0
(f g)(t) · g (t)dt = f (x) · dx.
a g(a)
Cette propriété s’appelle propriété du changement de variable.
Exemple 2.10. Calculons l’intégrale suivant

Z 3 p
dt
I= p on pose x = t.
1 (1 + t) t
⇢
p t=1)x=p 1
On a : x = t donc :
t=3)x= 3
dx 1 dt
= p ) dx = p
dt 2 t 2 t
Donc Z Z p
3 3
dt 2
I= p = dx
1 (1 + t) t 1 1 + x2
Ainsi p p 2⇡ ⇡ ⇡
I = [2 arctan x]1 3 = 2 arctan 3 2 arctan 1 = =
3 2 6
35
2.4.3 Application du calcul intégrale

2.4.3.1 Calculs d’aires
Théorème 2.3
L’aire A de la région bornée par les courbes y = fH (x) et y = fB (x) ainsi que par les
droites verticales x = a et x = b, où fH (x) fB (x) pour a  x  b, est donnée par
Z b
A= (fH (x) fB (x)) dx.
a
On suppose ici que fH , la ”fonction du Haut”, et fB , la ”fonction du Bas”, sont conti-

nues sur l’intervalle [a; b].
Exemple 2.11. Calculez l’aire de la région délimitée par les courbes suivantes : Solution :
y = 5 + x2 , y=1 x2 , x=0 et x = 2.
Traçons la région dont on cherche l’aire
Pour x 2 [0, 2] :
h = fH (x) fB (x) = 5 + x2 1 x2 = 4 + 2x2 .
36
Ainsi
Z 2 ✓ ◆ 2 ✓ ◆
2 2x3 16 40
Aire = 4 + 2x dx = 4x + = 8+ (0 + 0) = = 13, 3.
0 3 0 3 3
N.B. L’aire de la région est donc 40/3. Nous ne précisons pas l’unité de cette aire car les
unités des axes ne sont pas spécifiées.
2.4.3.2 Calculs de volumes
En général le calcul des volumes nécessite l’emploi des intégrales triples, mais des formes
à géométrie simple ou de révolution permettent l’utilisation d’une intégrale simple.
Définition 2.28
Un solide de révolution est un solide engendré par la révolution (un tour complet)
d’une région plane autour d’une droite de l’espace tridimensionnel.
Remarque 2.7. Lorsqu’une courbe d’équation y = f (x), a  x  b, tourne autour de l’axe

des x, la région R qu’elle délimite dans le plan xy engendre alors un solide de révolution,
notons-le S. Comment procède-ton pour calculer son volume ?
Méthode des disques : On considère l’approximation du solide S à l’aide d’une jux-

taposition de disques.
Rappelons que
Volume du disque = ⇡ · rayon2 · épaisseur = ⇡r2 x.
37
Puisque le volume du solide de révolution S, noté VS , peut être trouvé en calculant les
volumes de n disques répartis le long de l’intervalle [a, b] et en faisant tendre le nombre de
disques vers l’infini, on obtient
Z b
VS = ⇡ · r2 de
a
où r est une fonction donnant le rayon du disque et de est l’épaisseur du disque (de = dx
pour les disques verticaux et de = dy pour les disques horizontaux).
Exemple 2.12. Soit R la région délimitée par les courbes :
y = x2 , x = 0, y=1 et y=9
Les grandeurs sont exprimées en cm.

1. Dessinez la région R et esquissez le solide S engendré par la rotation de R autour de
l’axe des y.
2. Calculez le volume exact de S grâce à une intégrale.
Solution 1.
2. Représentons quelques rectangles qui engendreront des disques lors de leur rotation. Puisque
l’axe de rotation est vertical et que les hauteurs des rectangles doivent être perpendiculaires
à celui-ci pour engendrer des disques, on devra utiliser un découpage en disques horizontaux.
38
En observant un des rectangles horizontaux, on trouve

Z e2
VS = ⇡ · r2 de
e1
où
p p
de = dy et r = fD (y) fG (y) = y 0= y
Puisque l’on intègre une fonction de y, les bornes d’intégration sont les valeurs minimale et
maximale que doit prendre y pour engendrer tous les disques : e1 = 1 et e2 = 9. Ainsi :
Z e2 Z 9
2 p
VS = ⇡ · r de = ⇡ · ( y)2 dy
e1 1
Z 9
= (⇡ · y)dy
1
9
⇡y 2
=
2 1
= 40⇡ ⇡ 125, 664
Le volume de S est donc de 40⇡cm3 .
2.4.3.3 Longueurs d’arc
Théorème 2.4
Si f est une fonction continue et dérivable sur l’intervalle [a; b] alorss
la longueur de la
Z b ✓ ◆2
dy
courbe d’équation y = f (x) pour a  x  b est donnée par L = 1+ dx
a dx
Si g est une fonction continue et dérivable sur l’intervalle [c; d] alorss

la longueur de la
Z d ✓ ◆2
dx
courbe d’équation x = g(y) pour c  y  d est donnée par L = 1+ dy
c dy
Exemple 2.13. Calculez la longueur de l’arc de la courbe y = x2 + 4x 1 entre les points

P = (1; 4) et Q = (3; 20). L’unité de mesure de x et y est le cm.
Solution
39
s ✓ ◆2
Z b
dy
L= 1+ dx
a dx
Z bp
= 1 + (2x + 4)2 dx ⇡ 16, 127 cm.
1
2.4.3.4 Vitesse et distance

Si x(t) désigne la distance parcourue depuis le début d’une course, alors la vitesse ins-
tantanée v(t) est reliée à x(t) par la formule
dx
v(t) =
dt
C’est donc la dérivée.
Si en revanche, un mobile se déplace sur un axe à la vitesse v(t), t étant la variable temps.
Si l’on suppose que v est positive entre les instants t1 et t2 , alors la distance parcourue par
le mobile entre ces deux instants est :
Z t2
v(t)dt
t1
Exercice 2.1. un corps est lâché avec une vitesse initiale nulle à l’instant t0 = 0, d’une
hauteur de 1000 m et est soumis à l’accélération de la pesanteur g = 9, 8 m · s 2 .
1. Quelle distance d a-t-il parcouru après 5 secondes de chute ?
2. A quel instant T (en secondes) touche t-il le sol ?
Solution :
1. on a : v(t) = gt =, donc la distance (en mètres) parcourue après 5 secondes de chute est :
Z 5  5
1 2
d= gtdt = g t ' 122, 5m
0 2 0
Z T
1
2. on a : gtdt = 1000 , gT 2 = 1000 Donc T ' 14, 3 s
0 2
40
Chapitre
3 Dénombrement et suites
3.1 Ensembles finis

3.1.0.1 Définitions
Définition 3.1
Un ensemble E est un ensemble fini s’il existe un entier naturel n tel que E soit en
bijection avec J1, nK. Il y a alors unicité d’un tel entier n, que l’on appelle cardinal de
E et que l’on note card (E) ou card E.
Un ensemble qui n’est pas fini est appelé ensemble infini.
Exemple 3.1.
1. L’ensemble vide est un ensemble fini de cardinal 0.
2. L’intervalle J1, 10K est fini et a pour cardinal 10.
Remarque 3.1. L’écriture E = {x1 , x2 , . . . , xn } n’implique pas card E = n.Il faut en plus
que les xk soient distincts deux à deux, pour que l’application i 7! xi soit une bijection de
J1, nK dans E.
3.1.0.2 Propriétés des cardinaux
Lemme 3.1
Étant donnés un ensemble fini E de cardinal n 6= 0 et un élément a de E, l’ensemble
E 0 = E\{a} est fini de cardinal n 1.
Théorème 3.1
Si E est un ensemble fini et F une partie de E, alors :
— F est un ensemble fini et card F 6 card E,
— card F = card E () F = E.
Proposition 3.1
Une partie de N est finie si, et seulement si, elle est majorée.
Définition 3.2
On dit que deux ensembles sont disjoints s’ils ont aucun élément en commun.
41
Proposition 3.2
Si A et B sont deux ensembles finis disjoints, alors A [ B est fini et : card(A [ B) =
card A + card B
Exemple 3.2. Soit E un ensemble fini de cardinal n. Si a 2

/ E, l’ensemble E [ {a} est fini
de cardinal n + 1.
Corollaire 3.1
Si A est une partie d’un ensemble fini E, alors :
card (Ac ) = card E card A.
Avec Ac désigne le complémentaire de A dans E.
Proposition 3.3
p
[
Si (Ak )16k6p est une famille de p ensembles finis deux à deux disjoints, alors Ak
k=1
est un ensemble fini et :
p
! p
[ X
card Ak = card Ak
k=1 k=1
Proposition 3.4
Si A et B sont deux ensembles finis, alors A [ B est fini et :
card(A [ B) = card A + card B card(A \ B).
Proposition 3.5
1. Si A et B sont deux ensembles finis, alors A ⇥ B est fini et :
card(A ⇥ B) = card A card B
2. Soient p 2 N⇤ et A un ensemble fini. L’ensemble Ap est fini et :
card (Ap ) = ( card A)p .
Proposition 3.6
Soient E et F deux ensembles finis et f une application de E dans F . On a :
1. card f (E) 6 card E,
2. L’application f est injective si, et seulement si, card f (E) = card E.
Théorème 3.2
Soient E et F deux ensembles finis de même cardinal et f une application de E dans
F . Les propriétés suivantes sont équivalentes :
1. l’application f est injective,
2. l’application f est surjective,
3. l’application f est bijective.
42
3.2 Dénombrement
Principe multiplicatif : si un événement A peut se produire de p façons possibles et
si un événement B peut se produire de q façons possibles, alors la réalisation de A suivie
de B peut se produire de p⇥q façons possibles.
Remarque 3.2. Le principe de multiplication se généralise au cas où l’expérience ⇠ comporte

n étapes. Le nombre de résultats possibles est alors :
p1 ⇥p2 ⇥ · · · ⇥pn .
Exemple 3.3. On veut former des mots de 3 lettres distinctes (ayant un sens ou non !).
Combien a-t-on de possibilités ? Réponse: On a
— 26 possibilités de choisir la 1ère lettres.
— 25 possibilités de choisir la 2ème lettres.
— 24 possibilités de choisir la 3ème lettres
Ainsi, le nombre de mots possible est : 26⇥25⇥24.
3.2.1 Arrangements
3.2.1.1 Arrangements avec répétition
Définition 3.3
Soient E un ensemble non vide de cardinal fini n, n 2 N \ {0}, et p 2 N. On appelle
arrangement avec répétition de p éléments parmi n tout p-uplet d’éléments de E c’est-
à-dire tout élément du produit cartésien
E p = E⇥E⇥
| {z· · · ⇥E} .
p fois
Exemple 3.4. Soit E = {0, 1, 2, · · · , 9} alors

— (1, 2, 3) est un arrangement de 3 éléments parmi 10.
— (0, 9, 8, 9) est un arrangement de 4 éléments parmi 10.
— (1, 2, 1, 3, 4, 2) est un arrangement de 6 éléments parmi 10.
Remarque 3.3.
— Dans un arrangement avec répétition, les p objets de la liste ne sont pas nécessairement
tous distincts.
— Cela correspond à un tirage avec remise et avec ordre.
Nombre d’arrangements avec répétition :
Soit un arrangement avec répétition de p éléments parmi n.

— Pour choisir le 1ère élément on a n possibilités.
— Pour choisir le 2ème élément on a n possibilités.
..
.
— Pour choisir le pème élément on a n possibilités.
43
En conséquence du principe de multiplication, on a

Propriété 3.1
Soit E un ensemble fini à n éléments (i.e Card(E) = n ). Alors le nombre d’arrange-
ments avec répétition de p éléments de E est égal à :
Card(E p ) = np .
Exemple 3.5. On lance une pièce de monnaie 2 fois successives. Combien a-t-on de résul-
tats possibles ? L’univers des éventualités est ⌦2 = {F F, F P, P F, P P } avec ⌦ = {F, P }.
Réponse: Card(⌦2 ) = 22 = 4.
3.2.1.2 Arrangements sans répétition
Définition 3.4
Soit E un ensemble de cardinal fini n et p un entier naturel tel que 0  p  n.
On appelle arrangement sans répétition de p éléments parmi n tout sous-ensemble
ordonné de E ayant p éléments deux à deux distincts.
Autrement dit, tout p-uplet ordonné (a1 , a2 , · · · , ap ) d’éléments de E deux à deux
distincts.
Exemple 3.6. Si E = {a, b, c, d} alors

— abc, bac, cab, bcd, dca sont des arrangements de 3 éléments parmi 4.
— abcd, abdc, bacd, dbca sont des arrangements de 4 éléments parmi 4.
— aab n’est pas un arrangement (sans répétition) de 3 éléments parmi 4.
Remarque 3.4.
— Dans un arrangement sans répétition, les p objets de la liste sont tous distincts.
— Cela correspond à un tirage sans remise et avec ordre.
Le nombre d’arrangements sans répétition et le symbole Apn :
Soit un arrangement sans répétition de p éléments parmi n.
— Pour choisir le 1ère élément on a n possibilités.
— Pour choisir le 2ème élément on a n 1 possibilités.
..
.
— Pour choisir le pème élément on a n p possibilités.
En conséquence du principe de multiplication, le nombre d’arrangement sans répétition de
p éléments parmi n est
n ⇥ (n 1) ⇥ . . . ⇥ (n p).
Théorème 3.3
Soient n 2 N \ {0} et p 2 N. Alors le nombre d’arrangements sans répétition de p
éléments d’un ensemble de cardinal n est
8
< 0 si p > n
p n!
An =
: = n⇥(n 1)⇥(n 2) · · · ⇥(n (p 1)) si p  n.
(n p)!
Avec n! = n⇥(n 1)⇥(n 2)⇥ · · · ⇥2⇥1 et 0! = 1.
44
Exemple 3.7. Nous avons 3 enfants. De combien de façons di↵érentes peuvent-ils s’asseoir
sur un banc de deux places ?
Réponse: Chaque façon de s’asseoir est un arrangement de 2 éléments parmi 3. Le nombre
de possibilités est donc A23 = 3 ⇥ 2 = 6.
3.2.2 Permutations
Définition 3.5
Soit E un ensemble de cardinal n. On appelle permutation tout arrangement sans
répétition des n éléments de E.
De l’étude des arrangements, on déduit immédiatement que le nombre de permutations

d’un ensemble E de cardinal n est Ann = n!, et que toute permutation s’identifie à une
bijection : {1, 2, · · · , n} ! E.
Exemple 3.8. Combien y-a-t-il de nombres à trois chi↵res choisi parmi les chi↵res 1, 2, 3 ?
Réponse: Chaque nombre est une permutation de ces trois chi↵res. Il y en a donc 3! =
3⇥2⇥1 = 6.
3.2.3 Combinaisons
Définition 3.6
Soit E un ensemble de cardinal n et p un entier naturel tel que 0  p  n. On appelle
combinaison de p éléments de E toute partie de E de cardinal p.
Exemple 3.9. Si E = {a, b, c, d} alors les parties :

1. {a, b}, {a, c}, {d, c} et {d, a} sont des combinaisons de deux éléments de E.
2. {a, b, c}, {a, c, d}, {d, c, b} et {b, d, a} sont des combinaisons de 3 éléments de E.
Remarque 3.5.
1. Il est essentiel de noter que dans une combinaison :
— On ne tient pas compte de l’ordre, les parties {a, b, c}, {c, a, b} et {b, c, a} sont les
mêmes.
— Les éléments sont deux à deux distincts.
2. Une combinaison correspond à un tirage sans remise et sans ordre.
Notation On note Cnp := n
p le nombre de combinaisons de p éléments parmi n.
Théorème 3.4
Soit E un ensemble à n éléments. Le nombre de combinaisons de p éléments de E est
égal à : 8
< 0 si p > n
Cnp = n! Apn
: = si p  n.
p!(n p)! p!
Exemple 3.10. De combien de façons di↵érentes peut-on choisir 4 étudiants parmi 10 ?

4
Réponse: C10 façons di↵érentes.
Exemple 3.11. (Modèle). Quand on e↵ectue un tirage simultané (au même temps) de p
boules d’une urne qui contient n boules (p  n) alors toute possibilité est une combinaison
de p éléments parmi n.
45
3.3 Suites numériques

3.3.1 Définitions
Définition 3.7: Suites réelles

On appelle suite réelle toute application
⇢
N ! R
n 7! un
On note une telle application (un )n2N .

Le nombre un est appelé terme général de la suite (un )n2N .
L’ensemble des suites réelles est noté RN .
Définition 3.8
Une suite (un )n2N est :
— constante si 8n 2 N, un+1 = un
— stationnaire si elle est constante à partir d’un certain rang, c’est-à-dire si :
9p 2 N : 8n > p, un+1 = un
Définition 3.9
— majorée si 9M 2 R : 8n 2 N, un 6 M
— minorée si 9m 2 R : 8n 2 N, un > m
— bornée si elle est majorée et minorée c’est-à-dire si :
9M 2 R : 8n 2 N, |un | 6 M
Définition 3.10
— croissante si 8n 2 N, un+1 > un
— décroissante si 8n 2 N, un+1 6 un ,
— monotone si elle est croissante ou décroissante.
On dit qu’elle est strictement croissante, strictement décroissante, ou strictement mo-
notone si l’inégalité correspondante est stricte.
Exemple 3.12.
1. La suite (un )n2N définie par un = 1/(n + 1) est strictement décroissante.
2. Les suites constantes sont les seules suites qui soient simultanément croissantes et
décroissantes.
3. L’opposée d’une suite croissante est une suite décroissante.
4. La somme de deux suites croissantes (respectivement le produit de deux suites crois-
santes positives) est une suite croissante.
46
3.3.2 Suites arithmétiques

3.3.3 Définitions
Définition 3.11
Soit (un )n2N une suite de nombre réels. La suite (un )n2N est arithmétique si et seule-
ment si il existe un réel r tel que pour tout entier naturel n, un+1 = un + r. Le nombre
r s’appelle alors la raison de la suite arithmétique (un )n2N .
Remarque 3.6. Le nombre r qui apparait dans la définition précédente ne dépend pas de n
ou encore r est constant quand n varie.
Exemple 3.13. Soit (un )n2N la suite définie par : 8n 2 N, un = n + 4.

Montrons que la suite (un )n2N est arithmétique.
Solution. Soit n 2 N.
un+1 un = ( (n + 1) + 4) ( n + 4) = 1
Donc, 8n 2 N, un+1 un = 1. On en déduit que la suite (un )n2N est une suite arithmétique
de raison 1. Son premier terme est u0 = 4
3.3.4 Calcul de un en fonction n

Pour exprimer directement un en fonction de n on a le théorème suivant.
Théorème 3.5
Soit (un )n2N une suite arithmétique de raison r.
1. Pour tout entier naturel n, un = u0 + nr.
2. Pour tous entiers naturels n et p, un = up + (n p)r.
Remarque 3.7. Dans le théorème précédent, l’ordre dans lequel sont les entiers n et p n’est
pas précisé et on a tout à fait le droit d’appliquer la formule du 2) quand p > n. Par exemple,
on a u9 = u6 + (9 6)r = u6 + 3r mais on a aussi u7 = u11 + (7 11)r = u11 4r.
Exercice 3.1. Soit (un )n2N une suite arithmétique, telle que u5 = 2 et u9 = 14. Déter-
miner un en fonction de n.
Solution. Notons r la raison de la suite arithmétique (un )n2N ·. On sait que
u9 = u5 + (9 5)r = u5 + 4r
et donc 14 = 2 + 4r puis 4r = 14 + 2 ou encore 4r = 12 ou enfin r = 3. On sait

alors que pour tout entier naturel n
un = u5 + (n 5)r = 2 3(n 5) = 2 3n + 15 = 3n + 13.
3.3.5 Sommes de termes consécutifs d’une suite arithmétique

Théorème 3.6
Soient n et p deux entiers naturels tels que p 6 n. Il y a n p + 1 entiers naturels
compris entre p et n, avec p et n compris.
47
Théorème 3.7
Soit (uk )k2N une suite arithmétique. Soient n et p deux entiers naturels tels que p 6 n.
n
X ( premier terme + dernier terme ) ⇥ ( nombre de termes )
uk = up + . . . + un =
2
k=p
(up + un ) (n p + 1)
=
2
Exemple 3.14.
67
X (33 + 67) ⇥ (67 33 + 1) 100 ⇥ 35
1. k = 33 + 34 + 35 + . . . + 66 + 67 = = = 1750
2 2
k=33
2. Soit n 2 N⇤ . Alors
Xn
(1 + 2n 1) ⇥ n 2n2
(2k 1) = 1 + 3 + 5 + . . . + 2n 1= = = n2
2 2
k=1
3.4 Suites géométriques

3.4.1 Définitions
Définition 3.12
Soit (un )n2N une suite de nombre réels. La suite (un )n2N est géométrique si et seule-
ment si il existe un réel q tel que pour tout entier naturel n,
un+1 = q ⇥ un .
Le nombre q s’appelle alors la raison de la suite géométrique (un )n2N .
Remarque 3.8. Remarque. Le nombre q qui apparaı̂t dans la définition précédente ne dépend
pas de n ou encore q est constant quand n varie.
Exemple 3.15. Soit (un )n2N la suite définie par : 8n 2 N, un = 2 ⇥ 3n . Montrons que la
suite (un )n2N est géométrique.
Solution. Soit n un entier naturel naturel. un 6= 0 puis
un+1 2 ⇥ 3n+1 3n+1
= = = 3n+1 n
un 2 ⇥ 3n 3n
=3
un+1
Ainsi, pour tout entier naturel n, = 3. On en déduit que la suite (un )n2N est une suite
un
géométrique de raison 3. Son premier terme est u0 = 2
3.4.2 Calcul de un en fonction de n

Théorème 3.8
Soit (un )n2N une suite géométrique de raison q 6= 0.
1. Pour tout entier naturel n, un = u0 ⇥ q n .
2. Pour tous entiers naturels n et p, un = up ⇥ q n p
.
48
3.4.3 Sommes de termes consécutifs d’une suite géométrique

Théorème 3.9
Soit (un )n2N une suite géométrique de raison q 6= 1. Soient n et p deux entiers naturels
tels que n > p.
n
X 1 q nombre de termes 1 q n p+1
uk = up + . . . + un = premier terme ⇥ = up ⇥
1 q 1 q
k=p
10
X 211 1
Exemple 3.16. 2k = 1 + 2 + . . . + 210 = = 2048 1 = 2047.
2 1
k=0
49
Chapitre
4 Les concepts de base de la
statistique descriptive
4.1 Généralités et principales définitions

4.1.1 Population, individus et échantillon
Définition 4.1
La population statistique est l’ensemble des éléments sur lesquels porte l’étude.
Exemple 4.1. En statistique, le terme de population est plus général et peut désigner des
humains, mais aussi des objets, des villes, des pays, des entreprises, etc..
Définition 4.2
On appelle individu statistique ou unité statistique tout élément de la population.
Exemple 4.2. Si on e↵ectue un contrôle sur les pièces défectueuse d’une production de 100
chemises d’une entreprise. La population est l’ensemble des 100 chemises et chacune des
chemises constitue un individu.
Remarque 4.1. Les individus doivent appartenir à un ensemble bien délimité : il ne doit y
avoir aucune ambiguı̈té sur les unités à observer, leur définition doit être parfaitement claire
ainsi que le moment où elles sont observées.
La population constitue l’univers de référence de l’étude. Si la population comporte N

individus, on notera ⌦ = {w1 , · · · , wN }, wi désignant pour i variant de 1 à N les individus
qui la composent.
Définition 4.3
Un échantillon de taille n est un sous-ensemble formé de n individus de la population
(n  N ).
Remarque 4.2. La notion d’échantillon est fondamentale, car, en règle générale, la popu-
lation entière n’est pas disponible ou observable. Dans ce cas, seul un échantillon est étudié
et les résultats obtenus sont extrapolés à la population.
Exemple 4.3. Lorsqu’une entreprise souhaite faire une étude de marché pour un projet de
lancement d’un nouveau produit, il interroge seulement un échantillon de Marocains, et non
toute la population résidant en Maroc, soit plus de 35 millions d’individus.
50
4.1.2 Variable statistique et modalités

4.1.2.1 Notion de caractère ou variable statistique
Chaque individu d’une population peut être décrit relativement à un ou plusieurs carac-
tères ou variables statistiques.
Définition 4.4
Une variable statistique est un aspect particulier des individus auxquels on s’inté-
resse, une caractéristique qui peut varier d’un individu à l’autre. Elle porte aussi le
nom de caractère.
Exemple 4.4. Les caractères étudiés peuvent être par exemple l’ âge, le sexe, le poids,
la masse, le nombre d’enfants d’une famille, le niveau d’étude, la marque ou le prix d’un
véhicule.
4.1.2.2 Modalités
Définition 4.5
Les modalités d’une variable statistique sont les di↵érentes valeurs que peut prendre
celle-ci.
Exemple 4.5.
1. Si la variable est l’âge, les modalités sont l’ensemble des âges des individus observés :
19 ans, 20 ans, 21 ans, etc.
2. Si le caractère étudié est la couleur, les modalités du caractère seront des couleurs :
bleu, vert, blanc, etc.
3. Si la variable est la situation familiale, les modalités du caractère seront : célibataire,
marié, divorcé.
Remarque 4.3. À chaque individu doit être associée une modalité unique de la variable, c’
est-à-dire ”au plus une” et ”au moins une” :
— ”Au plus une” : il ne doit pas être possible d’ associer à un même individu deux modalités
ou plus. Cela suppose que les modalités soient incompatibles, c’est-à-dire parfaitement
distinctes les unes des autres. Si un être humain est de sexe masculin, il ne peut être
aussi de sexe féminin. Si la variable est l’ âge, le même âge ne doit pas figurer dans
deux modalités di↵érentes.
— ”Au moins une” : il ne doit pas être possible qu’un individu ne soit associé à aucune
modalité. Il faut pour cela que les modalités soient exhaustives : absolument tous les
aspects particuliers de la variable doivent être présents dans la liste des modalités. C’est
pourquoi la modalité ”autres” ou ”indéterminé” est parfois nécessaire.
D’un point de vue mathématique, une variable statistique peut donc être définie comme
suite.
Définition 4.6
Une variable statistique, notée X, est une application définie sur une population sta-
tistique et à valeurs dans l’ensemble des modalités. Elle associe à chaque individu wi
de l’ensemble de départ (la population ⌦) une unique modalité de l’ensemble d’arrivée
notée X(wi ) ou mi .
51
4.1.2.3 Les variables qualitatives
Définition 4.7
Une variable statistique est dite de nature qualitative si ses modalités ne sont pas
mesurables. Les modalités d’une variable qualitative sont les di↵érentes catégories
d’une nomenclature.
Remarque 4.4. Une variable est qualitative lorsque l’ensemble des modalités n’est pas un
ensemble de nombres.
Exemple 4.6.
1. La profession (professeur, médecin, ...)
2. La situation matrimoniale (célibataire, veuf, ...)
3. Le sexe : (masculin, féminin)
4. La marque d’une voiture (Peugeot, Renault, Citroën, ...)
5. Les mois (Janvier, février, ... )
Remarque 4.5. Les di↵érentes modalités d’une variable qualitative constituent les rubriques
d’une nomenclature. Le nombre de rubriques est au minimum égal à deux, c’est la cas pour
la variable ”sexe”. Pour la variable ”mois”, il y a en nécessairement douze si les observations
sont annuelles. Mais une nomenclature peut en compter beaucoup plus.
Remarque 4.6. Les modalités d’une variable qualitative peuvent être classées sur deux
types d’échelle : nominale ou ordinale. À ces deux types d’échelle correspondent deux types
de variables qualitatives.
4.1.2.3.1 Les variables quantitatives nominales
Définition 4.8
Une variable statistique qualitative est dite définie sur une échelle nominale si ses
modalités ne sont pas naturellement ordonnées.
Remarque 4.7. L’ordre et l’origine des modalités, d’une variable qualitative nominale, sont
arbitraires.
Exemple 4.7. Les di↵érentes catégories de la variable nominale Professions et catégories

socioprofessionnelles (CSP) :
• Agriculteurs exploitants • Artisans, commerçants et chefs d’ entreprise

• Professions intermédiaires • Cadres et professions intellectuelles supérieures
• Employés • Ouvriers
• Retraités • Autres personnes sans activité professionnelle
Dans cet exemple, il n’y a pas d’ordre naturel entre les huit catégories, ou modalités, qui sont
de simples étiquettes, la variable qualitative (CSP) est définie sur une échelle nominale.
52
4.1.2.3.2 Les variables qualitatives ordinales
Définition 4.9
Une variable statistique qualitative est dite définie sur une échelle ordinale si l’en-
semble de ses modalités peut être doté d’une relation d’ordre. C’est-à-dire que l’on
peut opérer un classement de l’ensemble des catégories, de la plus petite à la plus
grande (ou, inversement, de la plus grande à la plus petite).
Exemple 4.8.
1. Les échelles d’opinion : • Très précis • Précis • Assez précis • Peu précis • Imprécis.
2. Le rang : • un peu • moyen • beaucoup • énormément, ...
3. Modalités : • très souvent • souvent • parfois • rarement • jamais.
4.1.2.4 Les variables quantitatives
Définition 4.10
Une variable statistique est dite de nature quantitative si ses modalités sont me-
surables. Les modalités d’ une variable quantitative sont des nombres liés à l’unité
choisie, qui doit toujours être précisée.
Remarque 4.8. Une variable est quantitative lorsque l’ensemble de ses modalités est un
ensemble de nombres. Il existe deux types de variables quantitatives : les variables discrètes
et les variables continues.
4.1.2.4.1 Variables quantitatives discrètes
Définition 4.11
Une variable statistique quantitative est dite discrète si l’ensemble de ses modalités
est un ensemble fini ou dénombrable. Ainsi, l’ensemble des modalités peut être donné
sous la forme d’une liste de nombres, M = {x1 , x2 , · · · , xi }, finie ou infinie.
Exemple 4.9. Le nombre d’enfants par ménage, âge, nombre d’habitants ...
4.1.2.4.2 Variables quantitatives continues
Définition 4.12
Une variable statistique quantitative est dite continue si l’ensemble de ses modalités
n’est pas dénombrable. Ainsi, une variable continue peut prendre toutes les valeurs
d’un intervalle réel. Ces valeurs sont regroupées dans des intervalles de valeurs numé-
riques appelés classes (elles constituent les modalités de la variable).
Remarque 4.9. Dans un tableau, on reconnaı̂t donc une variable quantitative continue au
fait que les valeurs de la variable ont été regroupées en classes.
Exemple 4.10.
53
1. Le tableau suivant indique la structure par âges d’une population :
Âge (par ans) [4, 6[ [6, 8[ [8, 10[ [10, 12[ [12, 14[ [14, 14[
E↵ectifs (ni ) 10 18 5 7 23 2
2. Le revenu d’individus, nombre de salariés, chi↵re d’a↵aires ...
Remarque 4.10. La distinction entre variable discrète et variable continue est parfois arbi-
traire. Cependant, le revenu d’individus, par exemple, est une variable continue du fait qu’il
peux être évalués au dixième ou au centième de dirham (ou de toute autre unité monétaire).
Mais, il arrive qu’une variable discrète, comme le nombre de salariés d’un pays, qui peut
prendre un grand nombre de valeurs dans un intervalle soit considérée comme une variable
continue. Ainsi le regroupement en classes se justifie par l’existence d’un grand nombre de
modalités, la présentation des données s’en trouve simplifiée.
Les classes sont notées [ai , bi [. L’intervalle est fermé à gauche et ouvert à droite (à part
pour la dernière classe) : il inclut toutes les valeurs de la variable supérieures ou égales à la
borne inférieure si et strictement inférieures à la borne supérieure bi .
Définition 4.13
On appelle
1. Amplitude de la classe [ai , bi [ le réel noté Ai représentant la longueur de l’in-
tervalle et défini par : Ai = bi ai , avec ai et bi sont respectivement les bornes
inférieure et supérieure de la classe ni .
2. Le centre de classe de la classe [ai , bi [ est le réel noté xi représentant le milieu
de l’intervalle et donné par : xi = (ai + bi )/2, c’est la moyenne arithmétique des
bornes de la classe.
Définition 4.14
On appelle discrétisation le découpage en classes d’une série statistique quantitative.
Remarque 4.11. Le nombre de classes ne doit pas être trop petit, perte d’informations, ni
trop grand, le regroupement en classes est alors inutile et de plus, certaines classes pourraient
avoir des e↵ectifs trop faibles. En général, le nombre de classes est compris entre 5 et 20,
il dépend du nombre n d’observations et de l’étalement des données. La formule de Sturges
donne une valeur approximative du nombre k de classes :
k ⇡ 1 + 3, 222 log10 (n).
4.2 Présentation des données
Les données statistiques sont issues de données brutes présentées sous forme de tableaux
statistiques dans lesquels sont indiqués les e↵ectifs et/ou les fréquences.
54
4.2.1 E↵ectifs et fréquences
Définition 4.15
Le nombre d’individus présentant la modalité mi (variable qualitative) ou xi (variable
quantitative discrète) ou une modalité incluse dans [ei , ei+1 [ (variable quantitative
continue) s’appelle l’e↵ectif. Il est noté ni .
L’e↵ectif total de la population, noté n, est la somme des e↵ectifs
k
X
n = n1 + n2 + · · · + nk = ni ,
i=1
avec k le nombre de modalités de la variable.
Définition 4.16
La fréquence associée à une modalité, ou à un ensemble de modalités regroupées en
classes, indique la proportion d’individus présentant cette modalité, ou cet ensemble
de modalités, par rapport à l’ensemble des individus. La fréquence associée à la ie
modalité, ou ie classe, est notée fi . Par définition :
ni
fi = .
n
C’est un nombre compris entre 0 et 1, ou 0% et 100% et la somme des fréquences est
égale à 1 ou 100%.
4.2.2 Variables quantitatives : distribution des e↵ectifs et des fréquences

cumulés
Cette section concerne les variables quantitatives pour lesquelles le tableau statistique
est réalisé, les modalités étant ordonnées dans l’ordre croissant.
Définition 4.17
Soit X une variable quantitative discrète, on appelle e↵ectif cumulé croissant à la
modalité xi , noté ni cc, le nombre d’individus statistiques pour lesquels X est inférieur
ou égal à xi . On a
i
X
n1 cc = n1 et ni cc = n1 + n2 + · · · + ni = nk .
k=1
Définition 4.18
Soit X une variable quantitative discrète, on définit la fréquences cumulées croissantes,
notée fi cc, représentant la proportion d’individus statistiques pour lesquels X est
inférieur ou égal à xi . On a :
i
X ni cc
f1 cc = f1 et fi cc = f1 + f2 + · · · + fi = fk , ou encore fi cc = .
n
i=1
Remarque 4.12. Dans le cas d’une variable quantitative continue, les données sont grou-
pées en classes [ai , bi [, et on définit, de même que pour une variable discrète, ni cc le nombre
55
d’individus statistiques pour lesquels X est inférieur ou égal à bi , et fi cc la proportion d’in-

dividus statistiques pour lesquels X est inférieur ou égal à bi .
Remarque 4.13. Il est également possible de cumuler les e↵ectifs et les fréquences dans le
sens décroissant.
Exemple 4.11. La répartition des salaries mensuels d’une entreprise est donnée par le
tableau suivant :
Salaire ni ni cc fi fi cc
[4000, 5000[ 100 100 0,2739 0,2739
[5000, 6000[ 120 220 0,3287 0,6026
[6000, 7000[ 95 315 0,2602 0,8628
[7000, 8000] 50 365 0,1369 1
Total 365 1
4.3 Di↵érents modes de représentation graphique des don-

nées
Les graphiques constituent une synthèse visuelle indispensable de l’information contenue

dans le tableau statistique. Le choix du type du graphique utilisé dépendent de la nature des
données et de la variable étudier.
4.3.1 Graphiques pour variables qualitatives
Les variables qualitatives -nominales ou ordinales- peuvent être représentées au choix à

l’aide d’un d’un diagramme à bandes ou à l’aide d’un diagramme circulaire.
4.3.1.1 Diagramme à bondes
Définition 4.19
Dans un diagramme à bandes, une bande verticale (ou horizontale) est associée à
chaque modalité. La distance entre chaque bande est constante. La largeur de chacune
des bandes est la même, et sa hauteur (ou longueur) est égale à l’e↵ectif ou à la
fréquence de la modalité correspondante. Par conséquent, la surface d’ une bande est
proportionnelle à l’ e↵ectif (et donc à la fréquence) de la modalité associée.
Exemple 4.12. On considère les ventes mensuelles réalisées par une entreprise au cours
des douze mois de l’année 2021 :
56
Mois Ventes
Janvier 11120
Férvier 1140 Ventes
Mars 12123 16000
14500
14000
Avril 11993 14000
12000
Mai 12769 10000

13500
8000
Juin 13904 13000
6000
12500 Série1 Ventes
Juillet 10234 4000
12000
2000
Août 11567 11500
0
Septembre 13893 11000

Avril Mai Juin
Octobre 12576
Nombre 12345
Décembre 10254
4.3.1.2 Diagramme à secteur circulaire
Définition 4.20
Un diagramme à secteurs circulaire est un graphique qui divise un disque en secteurs
angulaires dont les angles aux centres sont proportionnels aux e↵ectifs (ou aux fré-
quences) de chaque modalité. L’angle au centre ↵i , en degrés, associé à la modalité
mi d’ e↵ectif ni , est égal à :
ni
↵i = ⇥ 360 = fi ⇥ 360.
n
Dans ce graphique, l’aire du disque matérialise l’ e↵ectif total (ou la somme des fré-
quences).
Exemple 4.13. On donne Dans le diagramme circulaire relatif à l’exemple précédent des
ventes mensuelles réalisées par une entreprise au cours des douze mois de l’année 2021,
l’angle au centre associé à chaque modalité est évalué ci-dessous :
Décembre
14500
Nombre Ventes
Octobre
14000
Septembre Janvier
13500
Août Férvier
13000Juillet Mars
12500 Juin Avril Série1

Mai Mai
12000 Avril
Juin
11500Mars Juillet
Férvier
11000 Août
Janvier
Avril Mai Juin Septembre
0 2000 4000 6000 8000 10000 12000
57
4.3.2 Graphiques pour variables quantitatives

La représentation graphique d’une variable quantitative dépend de sa nature : discrète
ou continue.
4.3.2.1 Cas discret : diagramme en bâtons
Définition 4.21
On appelle diagramme en bâtons un graphique qui à chaque modalité d’ une variable
quantitative discrète associe un segment (bâton) dont la hauteur est proportionnelle
à l’ e↵ectif (ou à la fréquence).
Exemple 4.14. On considère le diagramme en bâtons suivant qui représente la répartition

des notes d’un contrôle des élèves d’une classe :
10 Ventes
9
16000
8
145007
14000
Notes
6
14000
12000
5
135004
10000 Série1
3
8000
130002
16
12
60001
12500 Série1
14
4000 0 5 10 15 20
10
12000
12
2000 Effectifs
11500
8
10 0
4.3.2.2 Cas continue : Histogramme et polygone de fréquence

4.3.2.2.1 Histogramme et propriétés
Définition 4.22
Un histogramme est un diagramme composé de rectangles contigus dont les aires sont
proportionnelles aux e↵ectifs (ou aux fréquences) et dont les bases sont déterminées
par les intervalles de classes.
Définition 4.23
Dans le cas d’une variable quantitative continue, on définit la densité d’e↵ectif di d’une
classe d’e↵ectif ni et d’amplitude Ai par : di = ni /Ai (ou, dans le cas des fréquences,
fi /Ai ).
Lors de la réalisation d’un histogramme, il est indispensable de distinguer deux cas.

1. Si les amplitudes de classes sont égales, la hauteur des rectangles correspondra aux
e↵ectifs (ou aux fréquences) des classes.
2. Si les amplitudes sont di↵érentes, afin de constituer l’histogramme, il est nécessaire
de :
58
— calculer, pour chaque classe, l’ amplitude Ai .

— calculer la densité di = ni /Ai pour un histogramme des e↵ectifs, et di = fi /Ai
pour un histogramme des fréquences.
— a↵ecter à chaque rectangle une hauteur proportionnelle à la densité di de la classe
correspondante.
Soit min(Ai ) l’amplitude minimale de classe, la hauteur est alors appelée ”e↵ectif corrigé”
et notée ni c = di ⇥ min(Ai ), cette convention revient à adopter min(Ai ) comme unité d’am-
plitude de classe. Les classes ayant pour amplitudes min(Ai ) sont alors représentées par des
rectangles dont la hauteur est l’ e↵ectif. De même, il est possible de retenir comme hauteur
la fréquence corrigée fi c = di min(Ai ), avec di = fi /Ai dans le cas d’un histogramme des
fréquences. L’utilisation de m 2 (Ai ) est une convention facultative, un histogramme est
correct dès lors que les e↵ectifs (ou les fréquences) corrigés sont proportionnels aux densités.
4.3.2.2.2 Polygone des e↵ectifs

Il permet de représenter la distribution sous la forme d’une courbe, quand les amplitudes
de classes sont égales. Il est obtenu en joignant, par des segments de droite, les milieux des
côtés supérieurs de chaque rectangle de l’histogramme. Pour fermer ce polygone, on ajoute
à chaque extrémité une classe de fréquence nulle.
Exemple 4.15. On considère la distribution statistique suivante correspondant à l’ancien-

neté du personnel cadre dans l’entreprise, exprimée en années :
Classes E↵ectifs
[6,5 ; 8[ 3
[8 ; 9,5[ 8
[9,5 ; 11[ 12
[11 ; 12,5[ 19
[12,5 ; 14[ 9
[14 ; 15,5[ 5
[15,5 ; 17[ 4
Exemple 4.16. Modifions légèrement l’exemple précédent en regroupant les deux dernières
classes en une seule. Ce regroupement permet de traiter le cas de classes d’amplitudes dif-
férentes, puisque ainsi la dernière classe est d’amplitude 3 contre 1,5 pour toutes les autres
classes.
Classes E↵ectifs Ai di ni c
[6,5 ; 8[ 3 1,5 2 3
[8 ; 9,5[ 8 1,5 5,33 8
[9,5 ; 11[ 12 1,5 8 12
[11 ; 12,5[ 19 1,5 12,67 19
[12,5 ; 14[ 9 1,5 6 9
[14 ; 17[ 9 3 3 4,5
59
4.4 Représentation numérique des données

Une série de données peut être résumée par quelques valeurs numériques appelées carac-
téristiques des séries statistiques.
4.4.1 Caractéristique de position

Les caractéristiques de position ou de tendance centrale de la série statistique à une
variable sont les principaux paramètres qui permettent de résumer une série statistique
d’observations et d’éclairer sur la position du noyau (centre) de la série. Nous présenterons
ici le mode, la moyenne, la médiane.
4.4.1.1 Mode et classe modale

4.4.1.1.1 Mode ou valeur dominante M o
Définition 4.24
Le mode (ou valeur dominante) est la valeur de la variable qui a l’e↵ectif (ou la
fréquence) le plus grand. Graphiquement, c’est l’élément de la plus grande hauteur.
On le note M o.
Remarque 4.14.
— Le mode peut être calculé pour tous les types de variables (qualitative et quantitative).
— Le mode n’existe pas toujours et quand il existe, il n’est pas toujours unique.
Exemple 4.17 (Cas discret). On considère trois séries d’observations des notes de 6 étu-
diants pour trois matières di↵érentes.
Matière I : 6 observations classées par ordre croissant, 2, 3, 7, 10, 13, 14.
pas de mode.
Matière II : 6 observations classées par ordre croissant, 4, 4, 10, 18, 19, 19.
deux modes 4 et 19.
Matière III : 6 observations classées par ordre croissant, 4, 4, 10, 17, 18, 19.
Le mode est 4.
4.4.1.1.2 Classe modale

Une variable statistique continue est définit par un intervalle, ce qui signifie qu’il n y a pas
une valeur précise ! !, on parle ici d’une classe modale.
Définition 4.25
La classe modale est la classe d’e↵ectif le plus élevé ou de fréquence la plus élevée
Exemple 4.18. Si en reprend le tableau de l’exemple 4.11 on voit que la classe modale est
la classe [5000, 6000[.
Remarque 4.15. Il est possible de déterminer la valeur précise du mode, via la relation
suivante :
d1
M o = x p 1 + Am ⇥ (4.1)
d1 + d2
où xp 1 désigne la valeur de l’extrémité inférieure de la classe modale, Am l’amplitude de
cette même classe, d1 la di↵érence entre l’e↵ectif de la classe modale et l’e↵ectif de la classe
60
précédente et d2 la di↵érence entre l’e↵ectif de la classe modale et l’e↵ectif de la classe

suivante. Si en considère le tableau de l’exemple 4.11, la valeur du mode est donnée par :
20
M o = 5000 + 1000 ⇥ = 5444, 4444.
20 + 25
Remarque 4.16. Dans le cas où les classes sont d’amplitudes di↵érentes, il convient de
corriger les e↵ectifs ou les fréquences préalablement à la détermination du mode en utilisant
la formule (4.1), avec d1 et d2 désignent alors des e↵ectifs corrigés.
4.4.1.2 Moyenne
Définition 4.26
La moyenne arithmétique est la somme des valeurs observées rapportée au nombre
d’observations. Elle se note x.
• La moyenne arithmétique simple (données en tableau brut). Soit x1 , x2 , · · · , xn les
n observations de la variable X : la moyenne arithmétique se note
n
1X
x= xi .
n
i=1
• La moyenne arithmétique pondérée de r réels (distincts) x1 , x2 , · · · , xr (données en

X r
tableau statistique), a↵ectés respectivement des coefficients ni , tels que ni = n, se
i=1
note
r
X r
X
1
x= ni x i = fi xi .
n
i=1 i=1
Exemple 4.19.
1. Les notes d’un examen de Statistiques sont réparties comme suit :
10 10 10 11 12 12 15 15 15 15 17 17 17 17 17.
la moyenne arithmétique (simple) dans ce cas (variable discrète) est

1
x= (10 + 10 + 10 + 11 + 12 + 12 + 15 + 15 + 15 + 15 + 17 + 17 + 17 + 17 + 17) .
15
61
2. Le tableau suivant donne la répartition de notes d’examen de Mathématiques.
Note 11 15 16 17
E↵ectif 5 4 6 2
La moyenne arithmétique (pondérée) dans ce cas (variable discrète) est

1
x= (11 ⇥ 5 + 15 ⇥ 4 + 16 ⇥ 6 + 17 ⇥ 2) .
17
3. Le tableau suivant indique la structure par âges d’une population :
Âge (par ans) [4, 6[ [6, 8[ [8, 10[ [10, 12[ [12, 14[ [14, 14[
E↵ectifs (ni ) 10 18 5 7 23 2
Pour calculer la moyenne arithmétique (pondérée) dans ce cas (variable continue), il

faut préalablement calculer les centres de classes xi . On obtient ainsi est
1
x= (10 ⇥ 5 + 18 ⇥ 7 + 5 ⇥ 9 + 7 ⇥ 11 + 23 ⇥ 13 + 2 ⇥ 15) .
65
4.4.1.3 Médiane
Définition 4.27
La médiane, notée M e, est la plus petite valeur de la série⇤ pour laquelle le nombre
d’observations inférieures ou égales à cette valeur représente au moins 50% de l’e↵ectif
total de la série.
Convention : dans le cas d’une série discrète comportant un nombre pair d’observa-
tions, la médiane n’est pas nécessairement une valeur observée.
Pour calculer la médiane, deux cas sont à distinguer selon la façon dont les données ont
été recueillies.
Cas 1 : La médiane d’une série de données brutes :
— Tout d’abord la série doit être classée dans l’ordre croissant des valeurs.
— Si la série brute comporte un nombre impair d’observations, noté n = 2p + 1, la
médiane est la valeur centrale de la série (ordonnée en sens croissant), donc la (p+1)ime
observation (M e = xp+1 ).
— Pour une série ayant un nombre pair n = 2p de données, on peut prendre pour valeur
médiane, indi↵éremment l’une ou l’autre des valeurs centrales ou n’importe quelle
valeur intermédiaire
✓ entre ces deux◆valeurs, par exemple, la moyenne arithmétique de
xp + xp+1
ces deux valeurs M e = , mais, dans ces conditions, ce n’est pas une valeur
2
observée.
Exemple 4.20.
— On considère la série d’observation des notes de 6 étudiants pour le module de Proba-
bilités et Statistique : 11, 9, 18, 10, 13.
Classons tout d’abord les modalités par ordre croissant. Dans notre exemple, ces mo-
dalités sont au nombre de n = 5, c’est-à-dire un nombre impair, et p = 2, donc la
médiane est la valeur centrale de la série ordonnée, c’est-à-dire la 3e observation : 9,
10, 11, 13, 18. La médiane est M e = 11.
62
— Modifions légèrement l’exemple précédent en rajoutant un étudiant dont la note s’élève

à 14. La série ordonnée s’écrit donc, 9, 10, 11, 13, 14, 18. Dans ce cas, on définit un
intervalle médian, donné par [11 , 13], la médiane étant quant à elle égale à M e =
11 + 13
= 12.
2
Cas 2 : La médiane dans un tableau statistique.
Pour calculer la médiane à partir d’un tableau statistique, il convient de distinguer deux
cas :
1. Soit la variable est présentée comme un caractère discret.
2. Soit la variable est présentée comme un caractère continu.
Calcul 1 : Les modalités de la variable sont des valeurs isolées. La médiane est la valeur de la
variable à laquelle est associé un e↵ectif cumulé égal à n/2, ou une fréquence cumulée égale
à 1/2, n étant e↵ectif total de la population.
Si ces valeurs d’un e↵ectif cumulé égal à n/2 ou d’une fréquence cumulée égale à 1/2 ne
correspondent pas exactement à une valeur du tableau et ”tombent entre deux lignes” de la
distribution, aucune valeur possible de la variable ne partage alors exactement la population
en deux sous-ensembles égaux. Par convention, on retient dans ce cas comme médiane la
valeur de la variable immédiatement supérieure.
Exemple 4.21. On considère le tableau suivant
Note 11 15 16 17
E↵ectif 5 4 6 2
E↵ectif cumulé 5 9 15 17
On a : n = 17 ; donc : n/2 = 8, 5. Le calcul des e↵ectifs cumulés montre que la moitié de

l’e↵ectif (n/2 = 8, 5) se situe entre deux valeurs de la variable : 5 et 9 ans. Par convention,
on retiendra comme médiane la valeur de la variable immédiatement supérieure, soit la note
15.
Calcul 2 : Le calcul de la médiane se fait en deux temps :

— La détermination de la classe médiane (la classe de valeurs de la variable contenant la
médiane). Elle est déterminée de la même manière que la médiane dans le cas d’une
variable discrète, à partir des e↵ectifs et des fréquences cumulés.
— Calcul de la valeur précise de la médiane à l’intérieur de la classe médiane. La méthode
généralement utilisée pour ce faire est celle de l’interpolation linéaire, c’est mathéma-
tiquement une application simple du théorème de Thalès.
En e↵et soit [xi , xj [ la classe médiane déterminée à l’étape précédente. Appelons res-
pectivement Ni et Nj les e↵ectifs cumulés associés aux deux bornes de cette médiane :
xi et xj . Le théorème de Thalès permet d’écrire, à partir de :
Segment 2 Segment 4
=
Segment 1 Segment 3
63
Soit
N
(M e xi ) Ni
= 2
(xj xi ) (Nj Ni )
D’où
N
2 Ni )(xj xi
M e = xi +
(Nj Ni )
Exemple 4.22. Le tableau suivant indique la structure par âges d’une population :
Âge (par ans) [4, 6[ [6, 8[ [8, 10[ [10, 12[ [12, 14[ [14, 14[
E↵ectifs (ni ) 10 18 5 7 23 2
E↵ectif cumulé 10 28 33 40 63 65
N
Ici N = 65 et = 32, 5, se situe entre 28 et 33. Ainsi la classe modale est la classe [8, 10[.
2
Détermination de la valeur de la médiane : On xi = 8, xj = 10 (bornes de la classe médiane),
on a aussi : Ni = 28 et Nj = 33 (e↵ectifs cumulés associés). Ainsi on obtient
(32, 5 28)(10 8)
Me = 8 + = 3, 3
33 28
Remarque 4.17. Le calcule de la valeur de la médiane dans la classe médiane [xi , xj [

peut aussi être calculer en utilisant les fréquences cumulées, par interpolation linéaire, via la
relation suivante :
(xj xi ) 12 fi
M e = xi + .
fj fi
avec fi et fj sont respectivement les fréquences cumulées associés aux deux bornes de cette
médiane : xi et xj
Remarque 4.18. La présence de classes d’amplitudes inégales n’a↵ecte pas le calcul de la

médiane. Il n’est donc pas nécessaire de corriger les e↵ectifs ou les fréquences pour détermi-
ner la médiane.
4.4.2 Les caractéristiques de dispersion

Ces caractéristiques quantifient les fluctuations des valeurs observées autour de la valeur
centrale et permettent d’apprécier l’étalement de la série. Les principales sont : l’étendue,
l’écart-type ou son carré appelé variance et le coefficient de variation.
4.4.2.1 L’étendue
Définition 4.28
L’étendue d’une série est la di↵érence entre la plus grande et la plus petite valeur
observée. Elle est notée :
E = max(xi ) min(xi ).
L’étendue permet une approche aisée de la dispersion d’une variable, mais sa signification
reste très limitée. Car elle ne tient compte que des valeurs extrêmes de la série, elle ne dépend
ni du nombre, ni des valeurs intermédiaires, elle est très peu utilisée dès que le nombre de
données dépasse 10.
64
Exemple 4.23. Si on considère la répartition, des notes d’un examen de Statistiques, sui-
vante :
10 11 12 12 15 15 15 17 17 18 18 19.
Alors
E = max(xi ) min(xi ) = 19 10 = 9.
4.4.2.2 Variance et écart-type
Définition 4.29
La variance, notée V (x), d’ une variable statistique X est donnée par la moyenne
arithmétique des carrés des écarts des observations.
— Dans le cas de n observations, la variance est donnée par
n
1X
V (x) = (xi x)2 .
n
i=1
— Dans le cas de n observations, ordonnées dans un tableau statistique (xi , ni ),

présentant k modalités :
k
1X
V (x) = ni (xi x)2 .
n
i=1
L’écart-type, noté x , est la racine carrée de la variance et s’exprime ainsi dans la

même unité que la variable étudiée :
p
x = V (x).
Remarque 4.19. Plus l’écart-type est faible, plus les valeurs sont regroupées autour de la
moyenne. Ainsi, si l’écart-type d’une série de notes des étudiants est faible, cela signifie que
la promotion est relativement homogène. Inversement, un écart-type élevé témoigne d’une
forte dispersion au sein de la classe.
Afin de faciliter les di↵érentes étapes de calcul de la variance, il est possible d’utiliser la
formule développée de la variance.
Définition 4.30
Formules développées de la variance :
— Cas de n observations :
n
!
1X 2
V (x) = xi x2
n
i=1
— Cas d’un tableau statistique avec k modalités :

k
!
1X
V (x) = ni x2i x2
n
i=1
Exemple 4.24. Le tableau suivant indique la structure par âges d’une population :
65
Âge (par ans) [4, 6[ [6, 8[ [8, 10[ [10, 12[

E↵ectifs (ni ) 10 18 5 7
Ainsi
✓ ◆2
1 1
V (x) = 10 ⇥ 52 + 18 ⇥ 72 + 5 ⇥ 92 + 7 ⇥ 112 (10 ⇥ 5 + 18 ⇥ 7 + 5 ⇥ 9 + 7 ⇥ 11)
40 40
66

Math1 Primaire V2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Math1 Primaire V2

Transféré par

Droits d'auteur :

Formats disponibles

Université Chouaïb Doukkali

Ecole Supérieure d'Education et de Formation

Par Youssef Ahmida

Avenira Joan Bart Luis Fonaciér

1 Ensembles numériques et opérations 5

2.1.7 Injectivité, surjectivité, bijectivité . . . . . . . . . . . . . . . . . . . . 23

4 Les concepts de base de la statistique descriptive 50

1.1 L’ensemble N des entiers naturels

1.1.2 Opérations sur l’ensemble N

Définition 1.2: Définition de l’addition

Remarque 1.2. On a, par définition, n + 1 = n + s(0) = s(n + 0) = s(n). L’application

Nous définissons maintenant la multiplication des entiers.

La puissance d’un nombre est un cas particulier de la multiplication.

1.1.4 Relation d’ordre

Remarque 1.3. On définit aussi les relations opposées :

1.1.5 Multiples et Diviseurs

Exemple 1.1. 16 = 2 ⇥ 8, donc 16 est un multiple de 2 et/ou 2 est un diviseur de 16.

Théorème 1.2: Propriété additive

Exemple 1.2. 16 = 2 ⇥ 8 et 6 = 2 ⇥ 3 sont multiples de 2, donc 16 + 6 = 22 et 16 6 = 10

Démonstration. Puisque a un multiple de c alors 9k 2 N tel que a = k ⇥ c, de même puisque

donc, a + b est multiple de c.

Théorème 1.3: Propriété de transitivité

Exemple 1.3. 24 = 12 ⇥ 2 est multiple de 12 et 12 = 3 ⇥ 4 est multiple de 3, donc 24 est

Ainsi, a est multiple de c.

1.1.6 Division euclidienne

Exemple 1.4. La division euclidienne de 33 par 2, donne le quotient 16 et le reste 1 cela

Exemple 1.7. Si on considère le nombre impair 3 alors 9 = 32 , 27 = 33 sont des nombre

1.1.7 Systèmes de numérotation

Remarque 1.4. Un système de numération se définit par deux éléments :

Exemple 1.9. Le système binaire, utilisée en informatique, de base deux et de symboles 0

On dit qu’on a représenté x dans le système de numération à base b.

1.1.7.2 Le système décimal (ou système à base dix)

Exemple 1.10. Le nombre x = 3425 s’écrit x = 3 ⇥ 103 + 4 ⇥ 102 + 2 ⇥ 10 + 5. Ainsi la

1.1.7.3 Le système binaire (ou système à base deux)

C’est la base utilisée en informatique pour la représentation des informations au niveau

Exemple 1.11. Le nombre x = 25 s’écrit x = 1 ⇥ 24 + 1 ⇥ 23 + 0 ⇥ 22 + 0 ⇥ 2 + 1. Ainsi la

Remarque 1.5 (Technique des divisions successives). Dans l’exemple précédent on a

1.1.7.4 Le système hexadécimal (ou système à base seize)

Exemple 1.12. La représentation du nombre x = 427 dans le système de numération à base

1.2 L’ensemble Z des entiers relatifs

1.2.2 Extension de la divisibilité et la division euclidienne à Z

Exemple 1.13. Puisque 16 1 = 15 = 5 ⇥ 3, alors 16 1 est un multiple de 5 et donc

avec q1 et r1 entiers relatifs tels que 0 6 r1 6 n 1 et la division euclidienne de b par n

— Supposons que les restes r1 et r2 soient les mêmes. Alors, r2 r2 = 0

Puisque q2 q1 est un entier relatif, b a est un multiple de n et donc a ⌘ b(n).

n < (q1 q2 + k) n < n

puis après simplification par l’entier strictement positif n, on obtient

Puisque q1 q2 +k est un entier relatif, ceci impose q1 q2 +k = 0 ou encore q2 q1 = k.

1.2.3.2 Propriétés des congruences

Démonstration. Soit n un entier naturel.

Remarque 1.7. Les congruences se manipulent approximativement comme une égalité :

2. (a) Pour tous entiers relatifs a, b, c et d, si a ⌘ b(n) et c ⌘ d(n), alors

Démonstration. Soit n un entier naturel. Soient a, b, c et d quatre entiers relatifs. Supposons

1.3 L’ensemble Q des nombres rationnels

1.3.2 Relation d’ordre

1.3.3 Les nombres décimaux

1.4 L’ensemble R des nombres réels

1.4.2 Relation d’ordre

Ensemble Définition Notation

1.4.3 Valeur approchée d’un nombre réel

2.1 Notions de fonction

Définition 2.1: Fonction

Définition 2.2: Domaine de définition