Fasicule 2DUT EII ET MI MATHS GÉNÉRALES

AVANT-PROPOS
Cet ouvrage a été conçu pour vous permettre d’une part de simplifier les cours de mathématiques générales et
d’autre part une approche pratique de l’examen du BTS en vous proposant une synthèse de cours et la plus
grande variété possible d’exercices (travaux dirigés). Chaque chapitre est composé :
 D’un cours qui regroupe, sans grande démonstration, les résultats, des définitions, Théorèmes et propriétés
au programme du cycle BTS.
 D’exemples et exercices d’application du cours dont les solutions seront données en séance de classe avec
le Professeur dans les différents espaces prévus à cet effet.
Dans la mesure du possible, les textes sont tirés des ouvrages récents. Le volume consacré à chaque chapitre
tient compte à la fois de la diversité possible des exercices et de la fréquence constatée, ou présumée des sujets
de mathématiques générales de la filière industrielle au BTS.
Nous espérons avoir rendu cet ouvrage assez complet pour qu’il soit un précieux auxiliaire de votre travail
personnel tout au long de l’année.
Conseils et suggestions
Rédigé par : M. DIABATE
Contacts : 03703130/ 07074261/ 05307651/ 66478449
ATTENTION : REPRODUCTION INTERDITE !!!
Mathématiques générales 2ème année DUT EII et MI Page 1

SOMMAIRE
CHAPITRES-PAGES
1. CALCULS MATRICIELS……………………………….………………………………………3
TRAVAUX DIRIGÉS…………………………………………………………………………....12
2. ESPACES VECTORIELS……………………………………………………………………….16
TRAVAUX DIRIGÉS…………………………………………………………………………....19
3. APPLICATIONS LINEAIRES………………………………………………………………….20
TRAVAUX DIRIGÉS……………………………………………………………………………23
4. DIAGONALISATION D’UNE MATRICE…………………………………………………….25
TRAVAUX DIRIGÉS……………………………………………………………………............27
5. EQUATIONS DIFFERENTIELLES…………………………………………………………...34
TRAVAUX DIRIGÉS…………………………………………………………………………....38
6. POLYNOMES ET FONCTIONS RATIONNELLES……………………………………........41
TRAVAUX DIRIGÉS…………………………………………………………………………....46
7. TRANSFORMATION DE LAPLACE…………………………………………………………47
TRAVAUX DIRIGÉS……………………………………………………………………………54
8. SUITES - SERIES NUERIQUES – SERIES DE FOURIER…………………………………57
TRAVAUX DIRIGÉS……………………………………………………………………………67
9. ANALYSE COMBINATOIRE ………………...…………………..…………………………...70
TRAVAUX DIRIGÉS…………………………………………………………………………....73
10. CALCULS DE PROBABILITE………………………..……………………………………….76
TRAVAUX DIRIGÉS…………………………………………………………………................80
11. VARIABLES ALEATOIRES DISCRETES…………. …………………….………………….83
TRAVAUX DIRIGÉS…………………………………………………………………................86
12. VARIABLES ALEATOIRES CONTINUES……………….…………………………………..89
TRAVAUX DIRIGÉS…………………………………………………………………................92
13. ESTIMATION……………………………………………………………………………………97
TRAVAUX DIRIGÉS…………………………………………………………………………..101
ANNEXES…………………………………………………………………………………………...106

Chapitre 1: CALCULS MATRICIELS
I. GENERALITES SUR LES MATRICES
1. Définitions
Un tableau rectangulaire ayant n lignes et p colonnes de la forme ci-dessous est appelé : matrice.
 a11 a12 ... a1p 
 
a 21 a 22 ... a 2p 
A
 . . ... . 
 
 a n1 a n2 ... a np 
L’élément ou coefficient a ij de la matrice A se trouve à l’intersection de la ligne ième et la jème colonne.
La matrice s’écrit également sous la forme : A   a ij 

1< i <n
1< j < p
Une matrice ayant n lignes et p colonnes est appelée matrice de dimension  n, p 

L’ensemble des matrices de dimension (n, p) à coefficients est notée : Mn, p  
L’ensemble des matrices de dimension (n, p) à coefficients est notée : Mn, p  
Remarque :
 Si n  p alors la matrice est dite matrice carrée d’ordre n.
L’ensemble des matrices carré d’ordre n à coefficients est notée : Mn  .
Dans ce cas les éléments aii forment la diagonale principale de la matrice carrée
 Si n  p alors la matrice est dite matrice rectangulaire d’ordre (n, p) .
 Si n  1 alors la matrice est dite matrice ligne.
 Si p  1 alors la matrice est dite matrice colonne.
Exemple :
 1 1 2   2 3
   
B   1 2 1 matrice carrée d’ordre 3 ; A   4 2  matrice rectangulaire d’ordre (3, 2) ;
 2 1 1  1 0
   
 1
 
E   4 2 1 matrice ligne; C   0  matrice colonne.
3
 
2. Matrices particulières :
a. Matrice nulle
Une matrice nulle est une matrice dont tous les éléments sont nuls. Elle est notée : O
b. Matrice diagonale
Une matrice carrée D=(d ij ) est dite diagonale si tous ses éléments non diagonaux sont nuls.
Exemple :
1 0 0 
   4 0
D  0 2 0  ; F    sont des matrices diagonales
 0 0 3   0 5
 
c. matrice identité ou matrice unité
Une matrice carrée d’ordre n ne comportant que des 1 sur la diagonale principale et des 0 partout ailleurs,
est notée I n et est appelée : matrice unité ou matrice identité.
Exemple :

1 0 0
1 0  
I2    : matrice identité d’ordre 2, I3   0 1 0  : matrice identité d’ordre 3.
0 1 0 0 1
 
d. Matrice triangulaire
Une matrice triangulaire est une matrice carrée dont les éléments au-dessous (respectivement au-dessus) de
la diagonale principale sont tous nuls.
Exemple :
 1 2 3  1 0 0 
   
H   0 4 9  : matrice triangulaire supérieure ; L   2 3 0  : matrice triangulaire inférieure
0 0 2   4 8 1 
   
e. Matrice symétrique
Une matrice symétrique est une matrice carrée dont les éléments symétriques par rapport à la diagonale
principale sont égaux.
 1 2 3 
 
Exemple : A   2 3 9  est une matrice symétrique d’ordre 3.
 3 9 0 
 
f. Matrice transposée
t
On appelle matrice transposée de la matrice A, notée : A , toute matrice obtenue en échangeant les lignes
et les colonnes du même ordre entre elles.
Exemple :
 2 3 1 3 4  1 2 0 
  t  2 4 1   t  
A   4 2 , A    ; B   2 2 1  , B   3 2 8 
1 0  3 2 0  0 8 3   4 1 3 
     
Propriété 1:
Une matrice carrée A est symétrique si et seulement si t A  A
Exemple :
 1 2 3 
 
t
A  A   2 3 9  : La matrice A est symétrique.
 3 9 0 
 
Propriété 2 :
Soient A  n, p  , B  n, p  , C  p, q  trois matrices et λ  .
 A  B  t A  t B;  A   A;  λA   λ t A;  AC   t C t A
t

t
 
t

t t
II. Opérations sur les matrices :

1. Égalité de deux matrices
   
Soient A  a ij et B  bij deux matrices toutes deux de même dimension (n, p) .
A   a ij  et B   bij  sont égales si et seulement si a ij  bij
2. Addition de deux matrices
Définition
   
Soient deux matrices A= a ij et B= bij , toutes deux de dimension  n, p  .
 
On additionne terme à terme pour obtenir : A  B  a ij  bij de dimension  n, p  .
 2 3  2 5
   
Exemple : A   4 2  et B   0 3  calculer A  B
1 0 1 7
   
Propriétés :
Soient A , B et C trois matrices de dimension (n, p) et O la matrice nulle de dimension (n, p) .
  A  B  C  A   B  C   associativité  ; AO  A  Elément neutre  ;
A  B  B  A  Commutativité 
Remarque : A  a ij  
3. Multiplication d’une matrice par un scalaire
Définition
 
Soient A  a ij une matrice de dimension  n, p  et λ  .On définit la matrice λA comme la matrice
dont tous les coefficients sont multipliés par λ : λA  λa ij  
 2 2 4 
 
Exemple : A   0 1 7  et λ  3 calculer λA
 5 6 3 
 
Remarque : A   1 A
Propriétés :
Soient A et B deux matrices de dimension (n, p) et λ , μ deux réels.
λ  A  B   λA  λB;   λ  μ  A  λA  μA;   λμ  A  λ  μA  ;
1×A  A et 0×A  O  ne pas confondre 0 le réel et O la matrice nulle 
4. Produit de matrices
Définition
   
Soient A  a ij une matrice (n, p) et B  bij une matrice (p, q) .
Le produit de A par B est la matrice C  AB de dimension (n, q) et s’écrit :
p
cij   a ik b kj pour i  1, 2,...,n et j  1, 2,...,q
k=1
Remarque :
 Le produit A B n’est possible que si le nombre de colonnes de la matrice A est égal au nombre de
lignes de la matrice B .
 L’expression s’obtient à partir de la iième ligne de A et de la jième colonne de la matrice B : on dit que
l’on fait le produit « ligne par colonne »
jème ligne
b1j
P lignes
b 2j
….
b pj
n lignes
ième ligne a i1 a i2 ……. ai p ci j
P colonnes q colonnes
p
cij   a ik b kj pour i  1, 2, ..., n et j  1, 2, ..., q
k=1

 1 1 1   1 0 1
   
Exemple : A   3 2 2  et B=  2 1 5  Calculer AB
 2 2 0   1 0 1 
   
Propriétés :
Soient A(n, p) , B(p, q) , C(q, s) , D(p, q) et E(q, n) .
  AB  C  A  BC  ;  A  B  D   AB  AD;   B  D  E  BE  DE;  λ  AB    λA  B  A  λB  ;
 Si In est une matrice d'ordre n, A  M n  , I n  A  A  In  A.
Remarques :
 En général, le produit de deux matrices n’est pas commutatif :
 Si AB existe, alors BA n’existe pas forcément.
 Si BA existe, alors généralement AB  BA .
 n  , An 1  An ×A  A×An
APPLICATION :
 7 3 4  1 0 0
   
On considère les matrices suivantes : A   6 2 5  et I = 0 1 0
 4 2 1  0 0 1
   
Déterminer la matrice : A  4A  5A  2I
3 2
III. DETERMINANT D’UNE MATRICE CARREE

1. Définition
On appelle déterminant d’une matrice carrée A d’ordre n , le nombre réel noté dét(A) tel que
a11 a12 ... a1n
a a 22 ... a 2n
dét(A) = 21
.. .. ... ..
a n1 a n2 ... a nn
2. Calcul du déterminant d’une matrice carrée
 Cas d’une matrice carrée 2 :
a b a b
Soit A =   une matrice carrée d’ordre 2. Alors dét(A)   ad  bc
c d c d
 4 1
Exemple : Soit la matrice A =   . Calculer dét(A) .
3 1 
 Cas d’une matrice carrée d’ordre 3 : Règle de SARRUS
 a11 a12 a13  a11 a12 a13
 
Soit A =  a 21 a 22 a 23  la matrice carrée d’ordre 3. Alors dét  A  = a 21 a 22 a 23
a a 33 
 31 a 32 a 31 a 23 a 33
On recopie à la suite du déterminant de la matrice A, les deux premières colonnes(ou les deux premières
lignes) puis, on effectue le calcul : les éléments dont le produit doit être affecté du signe (+) sont ceux situés
sur les « parallèles à la diagonale principale» tandis que ceux affecté du signe (-) sur les « parallèles à la
diagonale non principale».
Disposition pratique :
a11 a12 a13 a11 a12
dét  A   a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32
dét  A  a11a 22a 33  a12a 23a 31  a13a 21a 32   a 31a 22a13  a 32a 23a11  a 33a 21a12 

2 1 1
 
Exemple : Soit la matrice A =  1 2 1  . Calculer dét(A) .
1 1 2
 
 Déterminant d’une matrice triangulaire et diagonale :
Le déterminant d’une matrice triangulaire ou diagonale est égal au produit des éléments aii de la diagonale
principale. Par exemple :
a11 a12 ... a1n a11 0 ... 0
0 a 22 ... a 2n n 0 a 22 ... 0 n
  a i i et   ai i
.. .. ... .. i=1 .. .. ... 0 i=1
0 0 ...0 a nn 0 0... ...0 a nn

1 4 1 3 0 0
   
Exemple : Soient les matrices A =  0 2 7  et B =  0 6 0  Calculer dét(A) et dét(B).
0 0 3 0 0 0
   
 Cas général : MÉTHODE DES COFACTEURS
L’astuce consiste à se ramener à des déterminants d’ordre inférieur jusqu’à obtenir des déterminants d’ordre
2. Pour cela, on développe le déterminant suivant une ligne ou une colonne.
a11 a12 ... a1n
a 21 a 22 ... a 2n
Soit : dét(A) = un déterminant d’ordre n.
.. .. ... ..
a n1 a n2 ... a nn
n
On a : dét(A)  a Δ
j=1
ij ij développement suivant la ième ligne.
n
dét(A)   a ijΔ ij développement suivant la jème colonne.
i=1
 
Où : Δ ij est le cofacteur de l’élément a ij : Δ ij  (  1)i+jdét A ij  
et dét A ij est le mineur de l’élément
a ij c’est-à-dire le déterminant d’ordre  n  1 extrait de la matrice après suppression de la ième ligne et
de la jème colonne.
Exemple :
 7 3 4   1 2 3 
   
Soient les matrices : A   6 2 5  et B   2 3 9  .Calculer dét(A) et dét  B par la
 4 2 1   3 9 0 
   
méthode des cofacteurs.
3. Manipulation de lignes et de colonnes-
 Pour que le déterminant d’une matrice soit nul, il faut et il suffit que la famille des colonnes de cette
matrice soit liée. En particulier, si un déterminant a une colonne nulle, ou deux colonnes nulles, ce
déterminant est nul. Résultat analogue sur les lignes.
 On ne change pas la valeur d’un déterminant si on ajoute à l’une des colonnes une combinaison linéaire
des autres colonnes. Résultat analogue sur les lignes.
Exemple:
2 2 1  7 2 2 
   
Soient les matrices: A   2 2 2  et B   2 7 2  .Calculer dét(A) et dét  B par la
 5 4 2  2 2 7 
   
manipulation de lignes et de colonnes.

4. Propriétés :
Soient A, B deux matrices carrées d’ordre n, In une matrice unité d’ordre n et α un nombre réel.
dét(In )  1;  dét  A    ndét  A  ;  dét  AB  dét  A   dét  B ;  dét( t A)  dét(A).
IV. INVERSION DE MATRICE CARREE :
1. Matrice adjointe :
Considérons une matrice carrée A d’ordre n, la matrice des cofacteurs Δ ij des éléments a ij de la matrice
A notée : adj(A) est appelée matrice adjointe de A ou comatrice de A notée : com(A)
adj(A)  com(A)   Δij 
2. Matrice inversible :
Définition :
Une matrice carrée A d’ordre n est inversible s’il existe une matrice carrée unique B d’ordre n telle que :
AB  BA  I n .
La matrice B est appelée inverse de la matrice A et on la note : B  A1
Propriété 1:
Soit A une matrice carrée d’ordre n. A est une matrice inversible si et seulement si dét  A   0
Propriété 2 :
Soit A une matrice carrée d’ordre n. Si dét  A   0 alors A est inversible et son inverse A 1 est
1 1 t
1
donnée par : A 
t
com  A   adj  A 
dét  A  dét(A)
Remarque : t com  A   com t A  
Propriété 3 :
Soient A et B deux matrices carrées d’ordre n inversibles.
 dét(A 1 )   dét(A) 
1
 A A 
1 t 1
 t

 AB est inversible et  AB   B1A 1

1
 A est inversible et  A 1   A
1
 pour tout p  , A p est inversible et (A p ) 1   A 1  , cette matrice est notée A  p

p
APPLICATION :
 2 2 
 Calculer l’inverse A de la matrice carrée d’ordre 2 : A   
 3 4 
 7 3 4  1 0 0
   
 On considère les matrices suivantes : A   6 2 5  et I   0 1 0 
 4 2 1  0 0 1
   
1. Justifier que : la matrice A est inversible.
2. Déterminer son inverse A 1
3. A l’aide de la relation : A  4A  5A  2I  0 , déduire que la matrice A est inversible, puis
3 2
donner son inverse A 1

V. APPLICATION A LA RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES
1. Système d’équations linéaires :
On appelle système d’équations linéaires de n équations à p inconnues, tout système de la forme :

 a11x1  a12 x 2  ...  a1p x p  b1
 a x  a x  ...  a x  b
S  .............................................
11 1 12 2 2p p 2

a n1x1  a n2 x 2  ...  a np x p  b n
Où les coefficients a ij et b i sont donnés ; x1 ,x 2 ,...,x p sont les inconnues.
Résoudre le système S , c’est déterminer l’ensemble de ses solutions, c’est-à-dire l’ensemble des valeurs
de (x1 , x 2 , ..., x p ) tels que les n équations soient simultanément vérifiées.
2. Écriture matricielle associée à un système linéaire:
A tout système linéaire S de n équations à p inconnues est associée une écriture dite :
 a11 a12 ... a1p  x1   b1 
  
 a 21 a 22 ... a 2p  x 2   b 2 
Écriture matricielle  S :  
 . . ... .  ...   ... 
    
 a n1 a n2 ... a np 
 x p   b n 
 a11 a12 ... a1p   x1 
   
En posant : A 
 a 21 a 22 ... a 2p  x2
matrice associée au système, X    matrice des inconnues,
 . . ... .   ... 
   
 a n1 a n2 ... a np   xp 
 b1 
 
b
B   2  Matrice du second membre. On a : S : AX  B écriture matricielle associée au système S .
 ... 
 
 bn 
3. Rang d’un système de n équations à n inconnues :
Le rang d’un système de n équations à inconnues, auquel est associée la matrice A :
 Est égal à n si det(A)  0 .
 Est inférieur à n si det(A)  0 . Il est alors à l’ordre maximum r d’un des mineurs non nuls extraits de A.
Exemple :
 7x  3y  4z  1  xyz  2

Rechercher le rang des systèmes suivant :  S1  : 6x  2y  5z  1 et S2 :  x  y  2z  0
 4x  2y  z  1 3x  y  4z  4
 
4. Méthodes de résolution des systèmes linéaires :
Résoudre un système d’équations linéaires consiste à rechercher les xi vérifiant toutes les équations
proposées.
a. Système de cramer
Il satisfait aux deux conditions :
 Le nombre d’équations n est égal au d’inconnues p.
 Le déterminant de la matrice associée au système est différent de zéro. il admet alors une solution
unique.
Nous envisageons la résolution d’un système, suivant trois méthodes différentes :
 Méthode de Cramer
 Méthode par inversion matricielle
 Méthode du pivot de Gauss.
b. Méthode de Cramer :
 Δ étant le déterminant de la matrice associée au système (appelé déterminant principal du système).

 Δ où i = 1, 2,…, n’étant les déterminants construits à partir de Δ en remplaçant respectivement les
xi
colonnes des coefficients de l’inconnue xi où i = 1, 2,…, n par la colonne des seconds membres,
Δ xi
 Les solutions sont donnés par les formules de CRAMER : i  1,2,...,n x i 

c. Méthode matricielle :
Soit l’équation matricielle S : AX  B , avec A  Mn ( ) . Si A est inversible, AX  B  X  A 1B .
d. Méthode du pivot de Gauss :
Pour résoudre un système linéaire par la méthode du pivot de GAUSS, on procède comme suit :
 On vérifie que, dans la première ligne L1 , le coefficient de la première inconnue est non nul, sinon on
échange L1 avec une ligne dont le coefficient de la première inconnue est non nul ;
 À l’aide de l’opération élémentaire Li  αLi +βL j on annule tous les coefficients de la première
inconnue dans les autres lignes ;
 On recommence le procédé pour la deuxième inconnue, la troisième inconnue,…, jusqu’à l’obtention
d’un système triangulaire.
APPLICATION :
 7x  3y  4z  1

On considère le système suivant :  S : 6x  2y  5z  1
 4x  2y  z  1

Résoudre le système S par :
a. Méthode de Cramer
b. Méthode du pivot
c. Méthode matricielle
Remarque :
Nous pouvons rencontrer des systèmes à n inconnues comportant plus de n équations. Pour résoudre un tel
système on peut choisir n équations, résoudre le système composé de ces n équations, puis vérifier si les
solutions trouvées sont solutions ou non des autres équations.
Exemple :
7x  3y  4z  1 7x  3y  4z  1
6x  2y  5z  1 6x  2y  5z  1
 
Résoudre les systèmes suivants :  S1  :  et  S2  : 
4x  2y  z  1 4x  2y  z  1
 x  2y  2z  2  x  2y  2z  11
4. Système singuliers (que nous n’étudions que dans le cas où n=p)
Ils sont tels que le déterminant de la matrice associée au système est égal à 0. Leur rang sera donc inférieur à
n. leur résolution exclut la méthode par inversion matricielle et la méthode de cramer. Ils admettront une
infinité de solutions ou aucune.
Exemple :
 xyz  2

Résoudre le système suivant :  S  :  x  y  2z  0
3x  y  4z  4

5. Systèmes homogènes
Un système d’équations linéaire est dit homogène si les seconds membres seconds sont nuls. Un tel système
admet toujours le triplet solution (0 ; 0 ; 0). C’est l’unique solution lorsque le rang du système est égal à n
c'est-à-dire lorsque dét(A) ≠ 0. Au contraire, si le rang du système est inférieur à n (dét(A)=0), le système est
0
indéterminé, la solution de chaque inconnue est égale à .
0

7x  3y  4z  0  xyz 0

Exemple : Résoudre les systèmes suivants :  S1  : 6x  2y  5z  0 et S2 :  x  y  2z  0
4x  2y  z  0 3x  y  4z  0
 

TRAVAUX DIRIGÉS
EXERCICE 1:
1. Calculer :
x a b x 2 1 0 0
1 2 3 x x2 x3
a x x b 3 1 0 0
1  3 1 2 ,  2  y y2 y3 , 3  , 4 
b x x a 0 0 5 3
2 3 1 z z2 z3
x b a x 0 0 1 2
1 cos  a  cos  2a  1 sin  a  cos  a 
5  1 cos  b  cos  2b  ,  6  1 sin  b  cos  b  .
1 cos  c  cos  2c  1 sin  c  cos  c 
2. Déterminer le rang de chacune des matrices suivantes :
 3 5 4  1 2 m  5 11 1 3 
     
A 9 6 3, B = m 1 2  m  , C =  2 2 6 2 
 12 3 1  2 m 1  1 3 1 1 
     
3. Trouver les inverses des matrices suivantes :
1 1 0 0
2 1 0  
 cos  x  sin  x     1 1 1 0
A=   x  , B = 1 2 1, C= 
 sin  x  cos  x    0 1 2 0 1 1 1
   
0 0 1 1
4. Résoudre les systèmes suivants :
3x  y  3z  1 x  y  z  1  x  y  2z  0 mx  y  z  1
  
S1  x  3z  2 S2  x  2y  2z  0 S3  x  y  2z  0 S4  x  my  z  1
4x  2y  3 2x  3y  z  5 x  y  3z  0 x  y  mz  1
   
 x  2y  4z  15  x  2y  z  2 2x  3y  4z  12 3x  3y  6z  39
  
S5  : 3x  4y  z  17 S6  : 3x  4y  2z  1 S7  : x  3y  z  6 S8  : x  2y  10z  43
2x  2y  3z  10  x  5y  2z  3  x  2y  3z  8 x  3y  4z  9
   
 x  2y  3z  2 x  y 1
S9  : x  y  7z  7 
S10  :  y  z  2
2x  4y  9z  15 x z 2
 
EXERCICE 2:
Soit g la fonction définie sur par : g(x) = ax 2 + bx + c où a, b et c sont des réels à déterminer. Calculer
les valeurs de a, b et c sachant que g(1)=1 et la courbe représentative de la fonction g passe par les points
A (0; 2) et B (1; 2).
EXERCICE 3:
 1 1 1  1 0 0
   
Soient les matrices : A   3 5 3  et I = 0 1 0
 1 1 1 0 0 1
   
1.
a. Calculer P  x  = det  A  x  .
b. Résoudre dans ℝ l’équation P(x)=0.
c. Calculer A3  3A 2  16A  12
d. En déduire que A est inversible puis, calculer A 1

 yz
 e
x

2. A partir des résultats précédents, résoudre le système :  S :  x 3 y5 z 3  e 2
 xy
  e 1
 z
EXERCICE 4:
 1 m m2 
 
On considère, pour tout réel m, la matrice : A m =  0 1 2m 
0 0 1 
 
1. Déterminer la matrice A - m puis calculer Am  A m .
1
2. En déduire que, pour tout réel m, la matrice A m est inversible et déterminer l’inverse A m de la matrice
Am .
e x  ln5  3e y  9e z  1

3. On veut résoudre le système (S) suivant :  S    1  e y  6e z  0
  2  ez  0

a. Donner la matrice associée au système (S).
b. Ecrire le système (S) sous forme d’équation matricielle.
c. Déduire de tout ce précède l’ensemble solution du système (S).
EXERCICE 5:
Soit m un paramètre réel ; et soit Am la matrice carrée d’ordre 3 définie par :
1  m 3 3 
 
Am =  3 5  m 3 
 6 6 4  m 

On désigne par g(m) le déterminant de la matrice Am.
1. Calculer g(m).
2.
a. Calculer g(-2) et g(4).
b. En déduire une factorisation de g(m).
3. On pose B = A – 1.
a. B est-elle une matrice inversible ? justifier votre réponse.
b. Déterminer la matrice inverse K de la matrice A – 1.
 2x  3y  3z  27

4. En utilisant le calcul matriciel résoudre le système d’équations suivant : 3x  4y  3z  32
6x  6y  5z  55

Exercice 6:
Dans tout l’exercice, n désigne un entier naturel non nul.
1. Une suite  u n  est définie par son premier terme u1  2 et par la relation : u n 1  3u n  2 . Soit  v n 
la suite définie par : vn  u n  1
a. Montrer que la suite  v n  est une suite géométrique dont on donnera la raison et le 1er terme.
b. Calculer v n puis u n en fonction de n.
2 0 2 1 0 0
   
2. On considère les matrices : A   1 0 1  et I   0 1 0 
 1 0 1 0 0 1
   

a. Calculer les matrices A 2 et B  2A  I .
b. On admet que pour n, il existe un réel a n tel que : Bn  a n A  I en utilisant le fait que Bn 1  Bn  B
avec Bn 1  a n 1A  I . Calculer a n 1 en fonction de a n .
3. En utilisant des résultats de 1. Et 2. Exprimer Bn en fonction de A , I et n .
Exercice 7:
 
 1 1 a
 
1. Soit la matrice A   1 1 b  . Déterminer les réels a, b et c pour que la matrice A 2 soit la matrice
 1 1 
  c
 2 2 
nulle.
 
 1 1 4 1 0 0
   
2. On considère les matrices : P   1 1 4  , I   0 1 0  et M  P  I .
 1  0 0 1
  
1
 2   
 2 2 
2
a. Montrer que la matrice P est la matrice nulle.
2 3
b. Exprimer les matrices M et M en fonction des matrices P et I .
3. On admet que, pour tout entier naturel n non nul : Mn  nP  I . On rappelle que pour tout entier n
n  n  1
supérieur ou égal à 2, on a : 1  2  ....  n  .
2
On pose : Sn  M  M 2  ....  M n avec n  2 . Exprimer Sn en fonction de P , I et n .
Exercice 8:
1 0 0 0 1 1
   
On considère les matrices : I   0 1 0  et A   0 0 1  .A tout réel x, on associe la matrice M  x 
0 0 1  0 0 0
  
x2 2
définie par : M  x   I  xA  A
2
1. Calculer A 2 et expliciter la matrice M  x  sous forme matricielle.
2. a. Démontrer que, pour tout entier naturel n supérieur ou égal à 3, la matrice A n est la matrice nulle.
Puis en déduire que, pour tous réels x et y, on a : M  x   M  y   M  x  y 
b. Donner l’expression de M  x   en fonction des matrices I , A et A 2 , puis expliciter la matrice

3
M  x  sous forme matricielle.

3
3. Application :
 1 4 12 
 
soit la matrice P   0 1 4  .Calculer P 3 (sans calculer P  P  P ) et expliciter sous forme matricielle.
0 0 1 
 
Exercice 9:
1ère partie :
a  2 1 1  x 6
     
On donne les matrices M   1 a2 1  ; N   y  et P   4  avec a, x, y et z des réels.
 1 a  2  z   4
 1    
1. a  3 , calculer det(M) ; que dire de la matrice M ?
1 0 0
 
2. On suppose que a  4 et on note I la matrice unité : I   0 1 0  .
0 0 1
 
a. Calculer les M2, M3 sous forme de matrices à trois lignes et trois colonnes.
b. Montrer que M  6M  9M  4I  0.
3 2
c. Déduire du résultat précédent, l’existence d’une matrice M  telle que MM  MM  I .que représente
la matrice M  pour M ?
d. Calculer M  sous forme d’une matrice à trois lignes et trois colonnes.
2ème partie :
Dans un pays, une agence de voyage s’occupe spécialement des touristes en leur rendant annuellement trois
différents services : V(Vente de billets), T(Transport) et C (Choix d’un hôtel). Afin de rendre correctement
ces services, l’agence emploie trois catégories de salariés (SA, SB, SC) dont les nombres en milliers sont
consignés dans le tableau ci-dessous :
Libellés V T C
SA 2 1 1
SB 1 2 1
SC 1 1 2
Désignons respectivement par x, y et z le nombre de services V, T et C rendus aux touristes. Par an, l’agence
dispose de 6000 salariés SA , 4000 salariés SB et 4000 salariés SC.
1. En considérant les données de ce problème, écrire le système (S) des trois équations linéaires à trois
inconnues x, y et z.
2. Écrire le système (S) sous forme matricielle.
3. Résoudre ce système en se servant de la question 2.d.
Exercice 10:
 0 1 1  1 0 0 0 0 0
     
Soient les matrices suivantes : M =  3 4 3  ; I =  0 1 0  et O = 0 0 0.
 1 1 0  0 0 1 0 0 0
     
1. Montrer que M  3 M  2 I  O .
2
2. En déduire que la matrice M est inversible et déterminer M-1 sa matrice inverse.

 yz 5

3. Résoudre le système d’équations suivant par la méthode matricielle :  3x  4y  3z  10
 xy 3


Chapitre 2 :
ESPACES VECTORIELS
I. Espace vectoriel :
1. Définitions
Soit K un corps commutatif. On appelle espace vectoriel sur K un ensemble E muni de deux opérations :
 Une addition, pour laquelle E est un groupe commutatif.
KE  E
 Une opération externe :
( ,x) x
ESESNUMERIQUES
Possédant les propriétés suivantes :
  K,  x, y  E,  (x  y)   x   y
  ,   K, x  E, (   )x   x   x ;
 ,   K,  x  E,   x     x   x  E, 1x  x
Les éléments de E sont appelés vecteurs et ceux de K scalaires.
Si   , E est un espace vectoriel réel.
Si   , E est un espace vectoriel complexe.
Exemple 1:
L’ensemble A  ,   des suites éléments de  est donc un espace vectoriel sur  . Les vecteurs sont les
suites (un ) d’éléments de  .
Car loi  :  u n    vn    u n  vn  et loi  : a   u n    a  u n 
2. Propriétés
Soit K un corps abélien, E un K espace vectoriel, 0 le zéro de  K, + et 0E le vecteur nul alors :
  0
x  E, 0x  0E    K,  0E  0E    K,  x  E,  x  0E  
 x  0E
   K, x  E,    x    x     x 
II. SOUS – ESPACES VECTORIELS
1. Définition
Soit E un espace vectoriel sur un corps K. une partie F de E est un sous espace vectoriel de E si :
 0F ;
  x, y  F, x  y  F (Stabilité pour l’addition) ;
   K, x  F,  x  F (Stabilité pour la loi externe).
Ou bien
 0F ;
  ,   K, x, y  F,  x   y  F .
2. Remarques
 Tout sous espace vectoriel d’un espace vectoriel est un espace vectoriel.
 L’intersection de deux sous –espaces vectoriels d’un même espace vectoriel E est un sous - espace
vectoriel de E.
Exemple 2:
 
Soit l’espace vectoriel 3 et l’ensemble A  (x, y, z)  3 / x  y  2z  0 . Montrer que l’ensemble A
3
est un sous - espace vectoriel de .
III. COMBINAISON LINEAIRE
Soient x1 , x 2 ,..........,x n des éléments d’un espace vectoriel E, et x un élément de E. On dit que x est
combinaison linéaire de x1 , x 2 ,..........,x n s’il existe n scalaires 1 ,  2 , .........., n tels que :
x  1x1   2 x 2  ..........  n x n .
Exemple 3 :
Soient l’espace vectoriel 3
et l’ensemble A  e1 , e2 , e3 où e1  (1; 0; 0) , e2  (0; 1; 0) et
e3  (0; 0; 1) . Montrer que tout vecteur U de 3
est une combinaison linéaire d’éléments de A.

Remarque:
 x  1 x 1 ;  0E  0  x x  A
IV. PARTIE LIBRE- PARTIE LIEE- PARTIE GENERATRICE- BASE
Soient E un K espace vectoriel et A une partie non vide de E.
1. PARTIE LIBRE
On dit que A est une partie libre si : x1 , x 2 ,....,x n  A; 1 ,  2 ,...., n  K ; 1x1   2 x 2  ...   n x n  0E
 1   2  ...   n  0E .On dit aussi que x1 , x 2 ,...,x n sont linéairement indépendants.
Exemple 4 :
a. Soient l’espace vectoriel 3
et l’ensemble
A= e1, e2 , e3 où e1  (1; 0; 0), e2  (0; 1; 0) et e3  (0; 0; 1) . Montrer que A est une partie libre.
b. Dans l’espace vectoriel des fonctions réelles définies sur , démontrer que les trois fonctions :
x 1, x ex , x e2x sont linéairement indépendantes.
2. PARTIEE LIEE
On dit que A est une partie libre s’il existe
x1 , x 2 ,...,x n  A , 1 ,  2 ,..., n sont tous non nuls dans K tels
 x   x  ...  n x n  0E .On dit aussi que x1 , x 2 ,...,x n sont linéairement dépendants.
que : 1 1 2 2
Exemple 5 :
Soient l’espace vectoriel 2
et l’ensemble A  U1 , U2  où U1  (1; 1; 0) et U2  (2; 2; 0) . Montrer
que A est une partie liée.
3. PARTIE GENERATRICE :
x , x
Une famille 1 2
,...,x
n 
de vecteurs d’un espace vectoriel E est une famille génératrice de E x  E , il
existe au moins 1 ,  2 ,..., n  K n , x  1x1   2 x 2  ...   n x n . Autrement dit, tout vecteur de E est
combinaison linéaire des vecteurs 1 2

x , x ,...,x n 
.
Exemple 6 :
Soient l’espace vectoriel 3 et l’ensemble.
A= e1, e2 , e3 où e1  (1; 0; 0), e2  (0; 1; 0) et e3  (0; 0; 1) . Montrer que A est une partie
génératrice de 3 .
4. BASE :
Soient E un K espace vectoriel et B une partie non vide de E. On dit que B est une base de E si B est à la fois
une partie génératrice et une partie libre de E.
Exemple 7 :
Soient l’espace vectoriel 3 et l’ensemble
A= e1, e2 , e3 où e1  (1; 0; 0), e2  (0; 1; 0) et e3  (0; 0; 1) . D’après les exemples précédents,
justifier que A une base.
5. DIMENSION :
On appelle dimension d’un espace vectoriel E le nombre de vecteurs d’une base de E. La dimension de E est
notée dimE.
Exemple 8 :
En déduire la dimension de A de l’exemple précédent.
V. MATRICE D’UN SYSTEME DE VECTEUR
1. Matrice d’un système de vecteur par rapport à une base
Soit E un espace vectoriel de dimension n sur rapporté à une base

 e1,e2 ,...,en 
n
Vj   a ijei j  1, n
Soit Vj  E avec j  1, n et leur décomposition suivant la base e1 ,e2 ,....,en : i 1
La matrice du système de vecteurs V1 , V2 ,...,Vn relativement à la base e1 ,e2 ,....,en

 a11 a12 ........ a1n 
 
 a 21 a 22 ........ a 2n 
A=
 ......... ......... ....... .......
 
 a n1 a n2 ........ a n n 
Nous constatons que les colonnes de A correspondent aux vecteurs V1 , V2 ,...,Vn .
2. Importance de la matrice d’un système
Pour montrer que des vecteurs sont linéairement indépendants il suffit de montrer que le déterminant associé
à la matrice du système de ces vecteurs est différent de zéro. Dans le cas contraire, le cas contraire, les
vecteurs sont linéairement dépendants.
EXEMPLE 9 :
rapporté à sa base canonique (i, j, k) . Démontrer les vecteurs V1   2; 1; 1 ; V2  1; 3; 1 et
3
Dans
V3   2; 1; 3 sont linéairement indépendants.

TRAVAUX DIRIGÉS
Exercice 1 :

Soit E  (x, y, z)  3
/ 2x  y  z  0 . Montrer que l’ensemble E est un sous - espace vectoriel de . En
donner une base.
Exercice 2 :
Soit α et β deux nombres complexes distincts.
On note : Eα l’ensemble des polynômes de  X ayant α pour racine.
Eβ l’ensemble des polynômes de X ayant β pour racine.
E l’ensemble des polynômes de X ayant α et β pour racines.
Montrer que Eα , Eβ et E sont des -espaces vectoriels.
Exercice 3:
Soit E  P  K[X] / P divise P . E est-il un sous-espace vectoriel de K[X] ?
Exercice 4:
  x  y 
Soit E= f  C ( , )/ (x, y)  , f(x)  f(y)  2f 
2
  . Montrer que l’ensemble E est un sous -
  2 
espace vectoriel de . C ,  l’ensemble des fonctions continues de vers .
Exercice 5:
P1  3  3X  X 2  X 3

P2  1  X  X  X
2 3
On considère les quatre polynômes de 3 [X] : 

P3  1  X  X  X
2 3
P  X  2X 2  X 3
 4
La famille S  (P1 , P2 , P3 , P4 ) est-elle libre ?
Exercice 6:
Soit -espace vectoriel engendré par les trois fonctions f, g, h définies par :
 x  , f(x)  sin(x), g(x)  cos(x) et h(x)  sin(2x) . Déterminer une base de E.
Exercice 7:

Soit E=   A( 
, ) /  ( ,  )  R 2 , x  
 (x) = x( ln(x 2 ) +  ) .

Montrer que (E, +, .) est un -espace vectoriel et en déterminer une base. Où A( , ) est l’ensemble des

applications définies de vers .
Exercice 7 :
Soit E= P  3[X] / P(0) = P(1)= 0 . Montrer que l’ensemble E est un sous - espace vectoriel de
Exercice 8 :
On pose, pour tout n   , U n  (  1) n , Vn  1, Wn  2n . Démontrer que, dans l’espace sur des suites
réelles, la famille (Un)n > 0 , (Vn)n > 0 , (Wn)n > 0 est libre.

Chapitre 3: APPLICATIONS LINEAIRES
I. Définitions:
1. Applications linéaires:
Soient E et F deux espaces vectoriels sur  . On dit qu’une application f: E  F est  -linéaire ou
homomorphisme si l’on a :
f(x  y)  f(x)  f(y)  x, y  E

f( x)   f(x) x  E,   K
ESESNUMERIQUES
Ou bien simplement f  x   y    f  x    f  y  x, y  E,  ,   K
 Un homomorphisme bijectif est isomorphisme.
 Une application linéaire de E dans lui- même s’appelle un endomorphisme de E.
 On appelle automorphisme de E tout endomorphisme bijectif de E.
Exemple 1:
L’application h α :E  E telle que h α  x   αx est-elle une application linéaire ?
2. Image et noyau d’une application
Soit f: E  F une application linéaire.
 On appelle image de f, et l’on note Imf, l’ensemble f(E), des images par f des éléments de E.
 On appelle noyau de f une application linéaire de E dans F l’ensemble noté Ker(f) ou N(f) définie par:
Ker(f)  x  E / f(x)  0
.
 Ker(f) est un sous-espace vectoriel de E et Imf est un sous-espace vectoriel de F.
Théorème de la dimension
dim  E   dim  Ker(f)   dim  Im(f)  . La dimension de Im(f) est aussi appelée le rang de l’application
linéaire f.
Exemple 2:
Soient E l’espace vectoriel des fonctions de dans , deux fois dérivables et  l’application :
 :E E
y y  y  2y
a. Montrer que  est une application linéaire.
b. Déterminer une base du noyau de  et sa dimension.
II. MATRICE D’UNE APPLICATION LINEAIRE
1. Définition
Soient E et F deux espaces vectoriels sur  , de dimension finie sur K et f une application linéaire de E dans
F. Soient B  (e1 , e2 , e3 ,...,en ) une base de E, F  (f1 , f 2 , f3 ,...,f m ) une base de F. il existe un système
unique de scalaire a1 j , a 2 j , a 3 j ,...,a m j tel que f (e j )  a1 j f1  a 2 jf 2  a 3 jf3  ...  a m jf m avec j  1, n . On
appelle matrice de f notée M B, F (f ) par rapport aux bases B et F la matrice aij de type M m, n (K ) dont la
colonne de type j est constituée par les coordonnées du vecteur f de ej par rapport à la base F.
f(e j )
 ....... a1 j ........  f1
 
 ....... a 2 j ........  f 2
 ....................  ..
M B, F (f )   
 ....... a i j ........  f i
 
 .....................  ..
 ....... a ........  f m
 mj 
2. Remarque

Soit f: E  F et g: F  G deux applications linéaires de matrices associées respectives B de type (q, p)
et A de type (n, q) alors la matrice de l’application g f : E  G est la matrice C de type (n, p) avec :
C  A B .
De plus si f et g sont deux applications de E vers F de matrices associées respectives A et B de type
(n, p) alors la matrice de l’application f+g de E vers F est la matrice S de type (n, p) avec : S = A + B.
3. Conséquences
 Si le déterminant de la matrice M B, F (f) est différent de zéro det  M B, F (f)   0 , l’application f est
bijective, son noyau est le vecteur nul et on a dimE  f(E); dim(kerf )  0 et les vecteurs
f(e1 ), f(e2 ),....,f(en ) constituent une base nouvelle de F.
 Si det  M B, F (f)   0 , l’application f n’est pas bijective, son noyau est différent de 0. On a
dim(kerf )  0 , rg(f) < n et les vecteurs f(e1 ), f(e2 ),...,f(en ) sont linéairement dépendants.
Pour déterminer l’image d’un vecteur V par l’application f c'est-à-dire f  V , on effectue le calcul

f(V)  M B, F (f)  V .
Exemple 3:
Soit un espace vectoriel E de dimension 3 rapporté à une base canonique (e1 , e2 ,e3 ) et l’endomorphisme f
f(e1 )  e1  3e3

définie par : f(e 2 )  e 2  2e3 .
f(e )  2e  3e
 3 1 2
1. Écrire la matrice M de l’endomorphisme relative à la base canonique. f est-elle bijective ?
2. Déterminer le noyau de f.
3. Soit V  e1  e2  e3 de E ; déterminer son image par f. Donner une base de Im(f) et écrire les
composantes de f(V) dans cette base.
4. CHANGEMENT DE BASE POUR UNE APPLICATION LINEAIRE
a. Définition
Soient E un K espace vectoriel de dimension n, B  ( e1 , e2 ,...,en ) et F  ( f1 , f 2 ,...,f n ) deux bases de
E. On appelle matrice de passage de la base B à la base F la matrice P d’ordre n dont la j ème colonne est
formé par les composantes de f j par rapport à la base B.
n
Autrement dit, si P  (a i j ), on a : f j  a
i 1
ij ei .
Propriété
B, F deux bases d’un K espace vectoriel E de dimension finie. P la matrice de passage de B à F alors P est
1
inversible et P est la matrice de passage de la base F à B.
b. Influence d’un changement de bases sur les composantes d’un vecteur
Soient B et F deux K espace vectoriel de E de dimension finie et P la matrice de passage de B à F. Soient X
un vecteur de E, X (respectivement Y) la matrice colonne de ses coordonnées dans l’ancienne base B
(respectivement dans la nouvelle base F). On a la relation X  PY .
Exemple 4:
Dans l’espace vectoriel 3 muni de la base canonique B, on donne les vecteurs :
a 1  (1, 2,  1 ); a 2  (5, 3, 1 ); a 3  (  1, 1, 2 ); X  (4, 3,  2 ) .
1. Montrer que les vecteurs a 1 , a 2 , a 3 forment une base F de 3 .
2. Déterminer la matrice de passage de la base canonique B à la base F.
3. Quelles sont les coordonnées du vecteur X dans la base F.
c. Influence d’un changement de bases sur la matrice d’une application linéaire
Soient B et F deux K espace vectoriel de E de dimension finie n, f un endomorphisme, P la matrice de
passage de B à F et A la matrice de f par rapport à la base B alors la matrice de f par rapport à la base F est
M = P-1 A P. On dira dans ce cas que M et A sont deux matrices semblables.
Exemple 5 :
On considère un espace vectoriel rapporté à une base canonique B = ( e1 , e2 )
et l’endomorphisme définie par :
f (e1 )  2 e1  e 2  v1  4 e1  3 e 2
 . Soient deux vecteurs de E : 
f (e 2 )  3 e1  2e 2  v 2  e1  e 2
1. Démontrer que F  (v1 , v2 ) est une base de E.
2. Ecrire la matrice A de f dans la base B.
3. Déterminer la matrice M de f dans la base F.

TRAVAUX DIRIGÉS
EXERCICE 1:
Soit f l’application de 4
dans 3
définie par :
  x1, x 2 , x3 , x4   4
, f  x1 , x2 , x3 , x4    2x1  x2 + x3  x4 ,  x1 + x2 , x1  x3 
Soit g l’application de 3
dans 4
définie par :
  x1, x 2 , x3   3
, g  x1, x 2 , x3    x1 + x 2 + x3 , x1 + x 2 , x1 , x1  x2  x3 
1. Démontrer que f et g sont linéaires.
2. Expliciter l’application g f .
EXERCICE 2:
L’espace vectoriel 3 est muni de sa base canonique B   e1 , e2 , e3  ℬ = (e1 , e2 , e3 ). Soit f
3
l’endomorphisme de défini par :
f: 3  3
(x, y, z) f(x, y, z)  (  x  3y  3z ; 6x  2y  6z ; 3x  3y  z )
3
1. Soit A la matrice de l’endomorphisme f relativement à la base ℬ de .
 1 6 3 
 
a. Montrer que A   3 2 3  (où t A désigne la transposée de la matrice A) toute réponse plaquée
t
 3 6 1
 
sera nulle.
b. Calculer le déterminant de la matrice A noté det(A).
c. En déduire le noyau N et l’image I de l’endomorphisme f.
2. On considère l’ensemble H des vecteurs V de ℝ3 tels que ( f - 8 id IR 3 )(V) = OIR 3 où id IR 3 désigne
l’application identique de ℝ3 et O IR 3 le vecteur nul de ℝ3 .
a. Montrer que H est un sous-espace vectoriel de ℝ3 .
b. Soit 𝛼 un paramètre réel et Vα = e1 + αe2 + e3 un vecteur de ℝ3 . Pour quelle valeur de α appartenant à
ℝ, Vα appartient-il à H ? justifier.
3. On pose V1 = e1 + 2e2 + e3 ; V2 = −e1 + e2 et V1 = e1 −e3
a. Montrer que : B ′ = (V1 , V2 , V3 ) est une base de ℝ3 .
b. Ecrire la matrice A’ de l’endomorphisme f relativement à la base B’.
4.
a. Soit P la matrice de passage de B’ à la base B. Donner l’expression de P.
b. Montrer que A’ = P A P -1
EXERCICE 3:
On considère l’espace vectoriel ℝ3 muni de sa base canonique B   e1 , e2 , e3  et les matrices
 1 1 0   0 1 1  1 0 1 
  ;   et  
R=  0 1 1  Q =  1 1 1 E =  0 1 1 
 1 1 1   1 2 1  3 2 2 
     
1. Démontrer que les matrices R et Q sont inverses l’une de l’autre.
2. Déterminer la matrice carrée A d’ordre 3 telle que R.A = E.
3. On désigne par f l’endomorphisme de ℝ3 dont la matrice associée dans la base B est A.
a. Vérifier que : f  e1  =3e1 +2e2 +2e3 ;
f  e2  = e1 + e2 ;
f  e1  =  e1 + e3 .
b. Donner une base de l’image Im(f) de l’endomorphisme f.
4. On considère les vecteurs e1 = e2 + e3 ; e2 = e1 + e2 + 2e3 ; e3 = e1 + e2 + e3 .
a. Démontrer que la famille B=  e1 , e2 , e3  est une base de ℝ3 :

b. Quelle est la matrice J de f dans la base B’ ?
5.
a. Montrer que f est un automorphisme.
b. On désigne par g l’automorphisme réciproque f. Déterminer la matrice H de g² ( g 2  g g ) dans la base
B’.
EXERCICE 4:
Soit m un nombre réel. On considère l’espace vectoriel 3 muni de sa base canonique B   e1 , e2 , e3  et f m
3
l’endomorphisme de défini par :
fm  x, y, z    x  my  mz, mx  y  mz,  2x  2y  z 
On désigne par A m la matrice de f m relativement à la base B .
1.
a. Déterminer la matrice A m .
b. Montrer que det  Am    5m  11  m .
3
c. En déduire l’ensemble des valeurs de m pour lesquelles est un automorphisme de .
2. On donne m  1 .
a. Déterminer le noyau de l’endomorphisme f1 noté N1 et donner une base de N1 .
b. Déterminer l’image I1 de l’endomorphisme f1 et donner une base de I1 .
3. On considère l’automorphisme f 0 obtenu pour m  0 et les vecteurs u1  e1  e2  3e3 ;
u 2  e1  2e3 ; u 2  e3 .
a. Démontrer que B   u1 , u 2 , u3  est une base de 3
et déterminer la matrice de passage P de B à B .
1 0 0
 
b. Soit T la matrice de f 0 relativement à la base B ; montrer que T   0 1 0  .
0 2 1
 
1 0 0
  
c. Démontrer par récurrence sur n que : n  , T   0 1 0  .
0 2 1
 
1 n 
d. On admet que T  P A 0 P, n  . En déduire A 0 alors en fonction de n.
n n
EXERCICE 5:
Soit les fonctions f1 et f2 définies sur par : f1 (x)  e 2x et f 2 (x)  xe 2x .

Soit E=  f1   f 2 / ( ,  )  2

1. Démontrer que E est un espace vectoriel sur .
2. Démontrer que (f1 , f2) est une base de E.
3. Soit  définie par : f  E,  (f ) = f  .Démontrer que  est un endomorphisme de E et donner la
matrice A de  dans la base (f1, f2).
4. Calculer An pour n   .
5. Calculer la dérivée nème de la fonction f3 (x)   3x  1 e2x

Chapitre 4 : DIAGONALISATION D’UNE MATRICE
I. VALEURS PROPRES ET VECTEURS D’UN ENDOMORPHISME:
1. Valeurs propres et vecteurs d’un endomorphisme ou d’une matrice :
Soit f un endomorphisme d’un espace vectoriel E et A la matrice carrée d’ordre n de f.
Un scalaire  est une valeur propre de f ou (respectivement de A) s’il existe un vecteur non nul x de E tel
que : f (x) =  x ou  respectivement Ax =  x  .
Les vecteurs x qui vérifient sont les vecteurs propres associés à la valeur propre.
ESESNUMERIQUES
L’ensemble E  de ces vecteurs est un sous-espace vectoriel de E, noyau de f  I , appelé sous-espace
propre associé à la valeur propre   E  x  E /  f    x  0 . De même

E   x  E /  A    x  0
L’ensemble des valeurs propres de f est appelé spectre de f, noté SP(f).
2. Propriétés :
Soit E un espace vectoriel de dimension finie n. Soient A la matrice de f dans une base B de E et  un
scalaire. Les propositions suivantes sont équivalentes :
  est valeur propre de f.
 La matrice de A  λIn n’est pas inversible.
 Rang  A  λIn   n
 Det  A  λIn   0
P  λ   det  A  λIn  est un polynôme de degré n appelé polynôme caractéristique de l’endomorphisme f ou
de la matrice A. Ses racines sont les valeurs propres de f:
Dimension du sous-espace propre E λ : dimEλ  n  rang  A  λIn 
II. DIAGONALISATION D’UN ENDOMORPHISME
Diagonaliser un endomorphisme f ou diagonaliser sa matrice A consiste à trouver une base de E dans
laquelle la matrice de f est diagonale. S’il existe une base F de E formée uniquement de vecteurs propres
alors la matrice D de f dans cette base est diagonale et on a la relation : D  PAP1 où P est la matrice de
passage de la base B à la base F et :
 1 0 .... 0 
 
 0 2 0 0 
D=
 ... .... ... ... 
 
 0 .... 0 n 
Où les λ i sont les valeurs propres de f, certaines d’entre elles pouvant être identiques. La diagonalisation
d’une matrice à coefficients réels n’est pas toujours possible. Par contre :
 Les matrices à coefficients complexes sont toutes diagonalisables dans .
 Une matrice carrée d’ordre n qui a n valeurs propres distinctes est diagonalisable.
 Les deux propositions suivantes sont équivalentes :
(1) A diagonalisable.
 
(2) pour toutes valeurs propres  d’ordre k, dim E λi  k .
 Si A est une matrice symétrique réelle, alors A est diagonalisable et toutes ses valeurs propres sont
réelles.
EXEMPLE 1 : SYSTÈME DES SUITES NUMÉRIQUES
Soit ℝ3 un espace vectoriel rapporté à une base canonique B = (e1, e2, e3) et l’endomorphisme f défini par :
f  x, y, z    2x  y  z, x  2y  z, x  y  2z 
1. Ecrire la matrice M de l’endomorphisme f dans la base B. Justifier votre réponse.
2. Calculer les valeurs propres de M.
3. M est-elle diagonalisable ? Justifier de deux manières différentes.

4. Déterminer une base B de vecteurs propres.
5. Diagonaliser la matrice M.
6. Soient  u n  ,  v n  et  w n  trois suites numériques telles que :
u n  2u n 1  v n 1  w n 1

n > 0,  v n  u n 1  2v n 1  w n 1 Avec u 0  v0  w 0  1
 w  u  v  2w
 n n 1 n 1 n 1
En déduire u n , v n et w n en fonction de n.
III. TRACE D’UNE MATRICE
1. Définition
n
Soit M = ( a i j ) une matrice carrée d’ordre n. le scalaire a
i=1
ii s’appelle trace de la matrice M et se note
tr(M).
2. Remarques
 Deux matrices semblables ont même trace. Soient A une matrice carrée d’ordre n et D une diagonale
n
d’ordre n. Si A et D sont semblables on a : tr(A)  tr(D)  
i=1
i .
 Deux matrices semblables ont même déterminant. Soient A une matrice carrée d’ordre n et D une
n
diagonale d’ordre n. Si A et D sont semblables on a : det(A)  det(D)  
i 1
i
3. Théorème CAYLEY-HAMILTON :
P  x   det  A  xI 
Soit le polynôme caractéristique de A.
P  x   x  tr  A  x n 1
 ....  ck x k  ....   1 det  A 
n n
Alors
P  A   A n  tr  A  A n 1  ....  ck A k  ....   1 det  A  I  0
n
P  x   x3  tr  A  x 2  tr  comA  x  det  A 

Pour une matrice d’ordre 3,
EXEMPLE 2 : SYSTÈME DIFFÉRENTIEL
Dans ℝ3 muni de la base canonique B = (e1, e2, e3), on considère l’endomorphisme f défini par :
f  e1   2e1  e 2  e3

f  e 2   2e1  e 2  e3

f  e3   3e1  e 2
On note A la matrice de f dans la base B.
1. Donner la matrice A.
2. Prouver que 1 est une valeur propre de A.
3. Déterminer les autres valeurs propres de A.
4. A est-elle diagonalisable ? justifier votre réponse.
5. Trouver une base B de vecteurs propres.
6. Ecrire la matrice diagonale D de f dans la base B .
7. On considère le système différentiel suivant :
 dx
 dt  2x  2y  3z

 dy
  xyz Avec x(0)  1, y(0)  1 et z(0)  2
 dt
 dz
 dt  x  y

Où x, y et z sont trois fonctions de la variable t. On pose X=(x, y, z).
Déduire les solutions du système.
TRAVAUX DIRIGÉS
EXERCICE 1
On considère l’espace vectoriel 3 muni de sa base canonique B= (e1, e2, e3) et f a, b désigne
l’endomorphisme de 3 défini par :
f a, b (e1 )  ae2 + be3

f a, b (e2 )  be1 + ae3 (a  ESESNUMERIQUES
 
, b )
f (e )  ae + be
 a, b 3 1 2
1.
a. Aa, b la matrice de l’endomorphisme fa, b relativement à la base canonique de 3
. Montrer que
0 a b
 
t
A a, b   b 0 a  ( t A a, b désigne la transposée de la matrice A a, b )
a b 0
 
b. Montrer que a, b   , a 2  ab + b2 est strictement positif (on pourra utiliser la forme canonique de
a 2  ab + b 2 considéré comme polynôme du second degré en a).
2.
a. Calculer le déterminant de la matrice Aa, b

b. On rappelle que a 3  b3  (a  b)(a 2  ab  b2 ) . Pour quelles valeurs de a et b  l’endomorphisme
3
fa, b est il un automorphisme de ? Justifier.
c. Déterminer le noyau N2, de l’endomorphisme (f2, -2 désigne l’endomorphisme fa, b pour a=2 et
b= -2).
d. Déterminer l’image I2 de f2, -2.
4. Désormais a=b et différent de zéro.
a. Montrer que les réels -a et 2a sont des valeurs propres la matrice Aa, a.
b. Donner le spectre de la matrice Aa, a notée Sp(Aa, a).
c. Déterminer le sous-espace propre E(-a) associé à la valeur propre –a et le sous-espace propre associé à la
valeur propre 2a noté E(2a).
5.
a. Déduire de la question 3. Que a   l’endomorphisme fa, a est diagonalisable.
b. Comparer t Aa, a et A a, a et en déduire que le résultat de la question 4. a) était prévisible.
6. On considère le système différentiel :
 dx
 dt  y + z

 dx
  x + y avec x(0) = 1, y(0) = -2 et z(0)= -1
 dt
 dx
 dt  x + z

Intégrer le système différentiel (S) (on pourra s’aider de la question 4.).
EXERCICE 2
L’espace vectoriel 3 est muni de sa base canonique B0 = (e1, e2, e3) et pour tout réel m, on note fm
l’endomorphisme de 3 défini par :
fm : 3
 3
(x, y, z) f m (x, y, z)   m x  2y; 2x  m y  2z; 2y  z 

1. Am désigne la matrice de fm relativement à la base canonique B0.

m 2 0
 
a. Montrer que A m   2 m 2  (N.B. toute matrice plaquée ne sera pas prise en compte).
0 2 1

b. Pour quelles valeurs de m  , l’endomorphisme fm est-il automorphisme de 3 ? justifier.
c. Déterminer le noyau N et l’image I de f2. (f2 désigne l’endomorphisme fm pour m=2).
2.
a. Montrer que la matrice Am est diagonalisable pour tout m  .
b. Montrer que le réel 3 est une valeur propre de l’endomorphisme f2.
c. Calculer le déterminant de la matrice A2 et en déduire en utilisant la question 2. a), toutes les valeurs
propres de la matrice A2.
3.
 1  4 1 
     
a. Montrer que les vecteurs u 0   1  ; u1   2  ; u 2   3  sont des vecteurs propres de
2  1  2 
     
l’endomorphisme f2 associés à des valeurs propres que l’on déterminera.
b. Montrer que B  (u1 , u 0 , u 2 ) est une base de 3 .
c. Ecrire la matrice D de f2 dans la base B .
4. Soit P la matrice de passage de la base B à la base B .
a. Montrer que la matrice P est inversible et calculer P-1.
b. Montrer que P 1A 2 P est une matrice diagonale D que l’on précisera.
c. On admet que A n2  PDn P 1 , Donner l’expression de A n2 .
EXERCICE 3
a c b
 
On considère l’ensemble E des matrices carrées M  a, b, c    b a c  où a, b, c  .
c b a 

1 0 0 0 1 0 0 0 1
     
Et les matrices: I   0 1 0  , I   0 0 1  , K   1 0 0 .
0 0 1 1 0 0 0 1 0 
    
1.
a. Montrer que E est un espace vectoriel sur .
b. Montrer que B   I, J, K  est une base de E.
2. On considère l’application f définie sur E par f(A)  2A  A t .
a. Montrer que f est linéaire.
b. f est-elle un endomorphisme de E ? Justifier.
c. Déterminer le noyau et l’image de f.
3.
a. Calculer f(I) , f(J) et f(K) dans la base B.
b. En déduire la matrice Q de f relativement à la base B.
c. Déterminer les nombres réels  tels que det(Q   I)  0 .
d. Pour  1; 3 , déterminer les matrices M  a, b, c  de E telles que f  M  a, b, c     M  a, b, c  .
EXERCICE 4
Dansℝ3 , muni de sa base canonique B  e1 , e2 , e3 on considère les vecteurs :
u1  e1  e2  e3 ; u 2  e1  e3 ; u 3  e2  e3 et v  e1  e2  2e3 .
1.
a. Vérifier que B1  u1 , u 2 , u3 est une base de 3
.

b. Déterminer les coordonnées de v dans la base B1 .
2. On considère l’endomorphisme f de 3
définie par :
f(e1 )  2e1  3e2  3e3 ; f(e2 )  4e2  6e3 ; f(e3 )  3e2  5e3
et les vecteurs: e1  e1  e3 ; e2  e2  2e3 et e3  e2  e3 .
a. Montrer que B  e1 , e2 , e3 est une base de 3
.

b. Montrer que H  u  (x, y, z)  3
/ f(u)  2u est un sous espace vectoriel de 3
. En donner une
base.
c. Calculer f(e1 ) , f(e2 ) et f(e3 ) .
3. On note A la matrice de f relativement à la base B .
a. Déterminer la matrice A  de f dans la base B .
b. On pose g  f f ... f f  f n . Déterminer la matrice M de g dans la base B .
EXERCICE 5
 4 2 8 
 
Soit f  L   dont la matrice relativement à la base canonique est A   1
3
2 1 .
 5 2 9 
 
1
1. Montrer que A est inversible, puis calculer A .
2.
a. On pose u  (2, 2, 2) . Déterminer le vecteur v  (x, y, z) de 3 tel que f(v)  u .
Que peut-on en déduire ?
b. Déterminer les valeurs propres de f (On les notera : λ1 , λ 2 et λ3 avec λ1 > λ 2 > λ3 ).
c. est-il diagonalisable ? Justifier.
3.
a. Déterminer les sous espaces propres associés.
b. Donner une base B de 3 formée de vecteurs propres de f telle que relativement à B, la matrice de f
 λ1 0 0
 
soit D   0 λ2 0 .
0 λ 3 
 0
c. Donner la matrice de passage de la base canonique à la base B.
 x (t)  4x(t)  2y(t)  8z(t)

4. Résoudre le système différentiel  S  :  y(t)  x(t)  2y(t)  z(t)
z(t)  5x(t)  2y(t)  9z(t)

EXERCICE 6
Soit B  e1 , e2 , e3 la base canonique 3
et m un nombre réel. On considère l’endomorphisme de 3
défini par : fm  x, y, z    4x  y  z; x  4y  z; x  y  mz 
1.
a. Déterminer la matrice Am de fm relativement à la base B.
3
b. Déterminer les valeurs de m pour lesquelles fm est un automorphisme de
2
2. Pour m  , déterminer :
5
a. le noyau de f 2 et donner une base.
5
b. l’image de f 2 et donner une base.

5
3. Dans la suite, on prend m  4 . On pose f 4  f et on note A la matrice de f.

a. Donner les expressions de f 1 (e1 ), f 1 (e 2 ) et f 1 (e3 ) en fonction de : e1 , e2 et e3 .
( f 1 désignant l’automorphisme réciproque de f ).
b. On note I la matrice unité d’ordre 3. Montrer que A3  12A 2  45A  54I  0 .
c. En déduire toutes les valeurs propres de A.
d. Déterminer les valeurs propres de A 1 .
e. La matrice A est-elle diagonalisable? Justifier.
4. Déterminer les sous-espaces propres associés aux valeurs propres de A.
1 1 1
 
5. On pose P   1 1 0 
 0 1 1 
 
a. Montrer que P est inversible et déterminer P 1 .
b. Montrer que P-1 AP est une matrice diagonale D que l’on précisera.
6. On considère le système des suites récurrentes définies par
u n 1  4u n  v n  w n

 v n 1  u n  4v n  w n avec (u 0 , v 0 , w 0 )  (  1, 2, 3)
 w  u  v  4w
 n 1 n n n
a. Calculer A , pour tout n   .

n
 un   u0 
   n  
b. Montrer que n  ,  v n   A  v 0  .
w  w 
 n  0
c. En déduire le terme général de chacune des suites  u n  ,  v n  et  w n  .
EXERCICE 7 :
On considère l’espace vectoriel 3
muni de base canonique B   e1 , e2 , e3  . On définit pour tout réel m,
l’endomorphisme fm de 3
par
fm : 3 3
 x, y, z  f m  x, y, z    mx  mz; mx  (1  m)z; (1  m)x  (1  m)y 

1. Si l’on désigne par Am la matrice de l’endomorphisme fm relativement à la base canonique de 3
.
 0 m m 

a. Montrer que A m  m 0 1  m  (NB : toute matrice Am plaquée et non justifiée est nulle).

1  m 1  m 0 
b. Pour quelles valeurs de m  , fm est un automorphisme de 3
.
c. Déterminer le noyau et l’image de f0 (f0 = fm pour m = 0).
2.
a. Montrer que le réel 1 est une valeur propre de l’endomorphisme f m.
b. Montrer que le réel -m est une valeur propre de l’endomorphisme fm.
c. En déduire des deux questions précédentes que le polynôme caractéristique de l’endomorphisme f m est
Pfm (x)    x 1 x  m  1 x  m .
3.
a. Donner l’ordre de multiplicité des valeurs propres de l’endomorphisme f m en fonction de m.
b. Pour quelles valeurs de m appartenant à ℝ, l’endomorphisme fm est diagonalisable.
1
4. On se place dans le cas m  .
2
a. Montrer que les deux sous-espaces propres sont orthogonaux.

b. En déduire une base orthonormée de vecteurs propres de l’endomorphisme f 1 .
2
EXERCICE 8 :
 
On considère E l’espace vectoriel de dimension 3 muni de la base B  i, j, k . On considère f
L’endomorphisme de E défini par :

f i  j  k


 
f 2i  3j  3i  2 j  k

 
f 2 j  2k  4i  2 j  2k


1. Soit A la matrice de l’endomorphisme f relativement à la base B  i, j, k . 
0 1 1 
 
a. Montrer que A   1 0 1  (N.B : Toute matrice plaquée est nulle).
 1 1 0 
 
b. Calculer le déterminant de la matrice A noté det(A) et calculer l’inverse de A si cela est possible.
c. En déduire le noyau N et l’image I de f.
  
2. Soit f 1 l’automorphisme réciproque de f, donner les expressions de f 1 i , f 1 j et f 1 k en
fonction de i, j et k .
 1 
 
3. On pose P  U  E / f 1  U   U ; F   U  E / f 1  U   

U .
2 
a. Montrer que P est un sous-espace vectoriel de E de dimension 2 dont une base est B1   U1 , V1  avec
1  1 
   
U1   1  et V1   0  .
0 1 
   
b. Montrer que F est un sous-espace vectoriel de E de dimension 1 dont une base est B2  W1 avec
 1
 
W1  1  .
1 
 
4.
1  1   1
     
a. Montrer que B   U1 , V1 , W1  avec U1   1  , V1   0  et W1   1  est une base de E formée de
0 1  1 
     
1
vecteurs propres de f .
b. Ecrire la matrice D de f 1 relativement à la base B' .
 1 1 1   1 2 1 
  1 
5. On pose P   1 0 1  et Q    1 1 2  .
0 1 1  3 
   1 1 1 
a. Montrer que l’inverse de P est Q.
b. Soit n un entier naturel

 
1 0 0 
 
   PDn P 1 avec D   0 1 0  . Calculer  A1  .
n n
On admet que A 1
 1
0 0  
 2
 
n
c. Calculer lim A-1
n 
EXERCICE 9 :
, muni de sa base canonique B  e1 ,e2 ,e3 et l’endomorphisme g de
g: 3
 3
défini par :
 x, y, z   g  x, y, z    x  y  z;  x  y  z; x  y  3z 
1.
a. Déterminer la matrice M de l’endomorphisme g relativement à sa base canonique.
3
b. g est-il un automorphisme de ? Justifier votre réponse.
2.
a. Déterminer le noyau de g et sa base, puis l’image de g et sa base.
b. En déduire le rang de g.
3. On pose P  x   det  M  xI  où I est la matrice identité d’ordre 3.
a. Calculer P(x).
b. L’endomorphisme g est-il diagonalisable ? Justifier votre réponse.
4. Soient  1 et  2 les valeurs propres de la matrices M tel que 1   2 .
a. Déterminer v1 ayant pour 1 la 2ème composante et v 2 les vecteurs propres de g associé à la valeur propre
1 et v 3 le vecteur propre de g associé à la valeur propre  2 .
b. Montrer que B= v1 , v2 , v3 est une base de 3
.
c. Donner la matrice P de passage de la base canonique à la base B , puis calculer son inverse.
d. Ecrire la matrice D de g dans la base B .
5. On considère le système des suites récurrentes définies par :
u n+1 = u n  v n  w n

 v n+1 =  u n  v n  w n Avec u 0  v0  w 0  1 .
 w = u  v  3w
 n+1 n n n

a. Calculer Mn , pour tout n  .
 un   u0 
   n  
b. Montrer que n  ,  vn   M  v0  .
w  w 
 n  0
c. En déduire le terme général de chacune des suites  u n  ,  v n  et  w n 
EXERCICE 10:
, muni de sa base canonique B   e1 , e2 , e3  . Soit θ un réel fixé, et f θ
 0 1  sin θ 
 
l’endomorphisme de dont la matrice dans la base B est : A θ   1
3
0 cos θ 
  sin θ cos θ 0 

1. Démontrer que le polynôme caractéristique de Aθ est Pθ  x   x3  2x  sin 2θ .
2.

a. En calculant Pθ  0 , déterminer pour quelles valeurs de θ n’est pas un automorphisme de 3
.
b. Déterminer alors le noyau N et l’image I de f π où f π désigne f θ pour θ  π (on précisera une base de
chacun de ces sous-espaces vectoriels).
π
3. On pose θ  et f π , puis on considère les vecteurs e1  e1cosθ  e2 sin θ ; e2  f  e2  et e3  f  e3 
4 4
a. Démontrer que le système B   e1 , e2 , e3  est une base de 3

.
1 1 2 
2 
b. Démontrer que la matrice de passage de la base B à la base B est Q  0 0 2 .
2  
 1 1  2 
c. Préciser la matrice A  de f dans la base B .
4. On pose à présent θ  0 .
a.   
Montrer que les vecteurs u1  1, 0, 1 , u 2  1, 2, 1 et u 3  1,  2, 1 constituent une base 
B   u1 , u 2 , u3  de 3
et que ce sont des vecteurs propres de A 0 , attachés respectivement aux valeurs
propres 0, 2,  2 .
 dx
 dt   y

 dy
b. Résoudre alors le système différentiel.  S  :   x  z
 dt
 dz
 dt  y

EXERCICE 11:
L’espace vectoriel 3
est muni de sa base canonique B0   e1 , e2 , e3  . Pour tout on définit f m
3
fm: 3
 3
l’endomorphisme de par :
 x, y, z  f m  x, y, z    3x  y  mz,  x  y  2z, mx  2y  3z 
1.
a. Exprimer f m  e1  ; f m  e2  et f m  e3  en fonction de e1 , e2 et e3 .
 3 1 m 
 
b. Montrer que la matrice A m de f m dans la base canonique est A m   1 1 2  .
 m 2 3 
 
c. Pour quelles valeurs de m  , f m est-il un automorphisme de 3
? justifier.
2.
a. N et I désignent respectivement le noyau et l’image de f 4 ( f 4 désignant f m pour m  4 ). Déterminer N et
I.
1
b. Déterminer l’automorphisme réciproque f1 de f1 en donnant les expressions de
f11  e1  ; f11  e2  ; f11  e3  en fonction de e1 , e2 et e3 .
c. Soit v  1, 2, 1 un vecteur de 3
. Déterminer le vecteur u   x, y, z  de 3
tel que f1  u   v .
 3x  y  z  1

d. En déduire la solution du système S défini par :  S :  x, y, z   ,  x  y  2z  2
3
 x  2y  3z  1


3. On pose u1  e1  e2  2e3 ; u 2  2e1  e3 et u 3  e1  e2  2e3
a. Montrer que B   u1 , u 2 , u3  est une base de 3
.
b. Déterminer la matrice P de passage de la base B à la base B .
c. Déterminer l’inverse de  P  de P .
1
d. En déduire la matrice A  de f1 dans la base B .
Chapitre 5 : ÉQUATIONS DIFFÉRENTIELLES

 Dans un circuit (R, L, C) soumis à une tension variable e(t), l’intensité i du courant vérifie l’équation :
i(t) d 2i(t) di(t) i(t) de(t)
Li(t)+Ri(t)+ = e(t) notée aussi L 2  R + =
C dt dt C dt
L ESESNUMERIQUES
e(t) R
 Dans un circuit (R, L) soumis à une tension variable e(t), l’intensité i du courant vérifie l’équation :
di(t)
Li(t) + Ri(t)  e(t) notée aussi L  Ri(t)  e(t)
dt
L
e(t) R
I. DEFINITIONS
On appelle équation différentielle d’ordre n une relation entre la variable t, une fonction inconnue y de la
 
variable t et ses n premières dérivées y(n) , y(n 1) ,...., y,y . Elle s’écrit : F t, y, y, y, y(n 1) , y(n)  0 .
Exemple :
 l’équation : Li(t)  Ri(t)  e(t) est une équation différentielle du 1er ordre.
 l’équation : Li(t)  Ri(t)  e(t) est une équation différentielle du 2ème ordre (second ordre).
II. EQUATIONS DIFFERENTIELLES LINEAIRES DU 1er ORDRE
1. Définition
On appelle équation linéaire du 1er ordre une équation de la forme générale : a(t)y(t) + b(t)y(t) = c(t) où a,
b, c sont des fonctions dérivables sur un intervalle I  et a(t)  0 sur I .
Exemple :
(E1 ): ty  3y  sin(t) est une équation différentielle linéaire du 1er ordre.
2. Résolution de l’équation sans second membre a(t)y + b(t)y = 0

L’équation sans second membre : a(t)y + b(t)y = 0 est appelée équation homogène associée. La solution
générale de cette équation différentielle est l’ensemble des fonctions yH définies par yH = Ce F t  où C
b(t) b(t)
est une constante réelle et F une primitive de la fonction t sur  c'est-à-dire F(t) =  dt.
a(t) a(t)
Exemple 1:
Résoudre sur les équations différentielles suivantes :
(E1 ): ty  3y  0; (E 2 ): y  2y  0; (E 3 ): y  3ty  0;
1
(E 4 ): y y  0 et y(1)  1; (E 5 ): sin(t)y  cos(t)y  0 sur 0; π
t2
3. Résolution de l’équation avec second membre : a(t)y  b(t)y  c(t)
a. Théorème
La solution générale de l’équation a(t)y  b(t)y  c(t) s’obtient en ajoutant une solution particulière de
l’équation avec second membre  y P  à la solution générale de l’équation sans second membre associée  yH 
. y  yH  yP où y P solution de a(t)y  b(t)y  c(t) et yH solution de a(t)y  b(t)y  0
b. Recherche d’une solution particulière lorsque c(t) est une fonction polynôme de degré n et a(t) et
b(t) des constantes
Si c(t) est un polynôme de degré n, on cherche une solution sous la forme yP (t)  P(t)
 Si b(t)  0 , alors P(t) est degré n .
 Si b(t)  0 , alors P(t) est de degré n  1 .
Exemple 2:
Résoudre dans les équations différentielles suivantes :
(E1 ): y  y  2t  1; (E 2 ): y  2y  4t et y(0)  1; (E3 ): 2y  y   t 2  5t  1; (E 4 ): y  3t 4  7t  1
c. Recherche d’une solution particulière lorsque c(t) est une fonction trigonométrique de pulsation
c(t)=A co(ωt)+B sin(ωt) (A, BЄ R) ET a(t), b(t) Є R
Si c(t)  Acos  ωt   Bsin  ωt  , on cherche une solution particulière sous la forme
yP (t)  αcos  ωt   βsin  ωt  .
Exemple 3 : Résoudre dans les équations différentielles suivantes :
(E1 ): y  2y  13sin(  2t); (E 2 ): y  y  2cos(t) et y(0)  1;
(E3 ): 2y  y =  15cos(3t)  16sin(3t); (E 4 ): y  7cos(t)
d. Recherche d’une solution particulière par la methode générale dite méthode de la variation de la
constante (ou LAGRANGE).
 F t 
Si la solution générale de l’équation homogène est yH = Ce , alors on cherche les solutions de
l’équation avec second membre sous la forme yP = C  t  e   où la constante C de l’équation homogène
F t
est remplacée par une fonction C(t).

Exemple 4: Résoudre dans  les équations différentielles suivantes :
(E1 ): ty  2y = t 3e t ; (E 2 ): y  y  sin(t) et y(0)  1
III. EQUATIONS LINÉAIRES DU SECOND ORDRE À COEFFICIENTS CONSTANTS
1. Définition
On appelle équation linéaire du second ordre à coefficients constants une équation de la forme :
ay+by+ cy = d(t) où a   et b, c  et d est une fonction dérivable sur un intervalle I de .
Exemple 5:
(E1 ): y  y  2y  t  1 et (E 2 ): y  2y  sin(t) Sont des équations différentielles du second ordre à
coefficients constants.
2. Résolution de l’équation sans second membre ay+by+cy = 0
a. Théorème fondamental :
La solution générale de l’équation sans second membre ay  by  cy  0 s’écrit
yH (t)  C1y1 (t)  C2 y2 (t) où y1 et y2 sont deux solutions particulières indépendantes (dont le rapport n’est
pas constant) de l’équation sans second membre et C1 et C2 des constantes.
b. Résolution de l’équation homogène :
Pour déterminer la solution générale de l’équation : ay  by  cy  0 , il suffit de résoudre l’équation
ar 2  br  c  0 appelée équation caractéristique. Soit P(r)  ar 2  br  c  0 le polynôme du second degré
appelé polynôme caractéristique.
 Si P(r)  0 admet deux racines réelles distinctes r1 et r2 alors y H (t)  C1e r1t  C2e r2 t avec C1 , C2 sont des
réels.
 Si P(r)  0 admet une racine double r0 alors yH (t)   C1t  C2  er0 t avec C1 , C2 sont des réels.
 Si P(r)  0 admet deux racines complexes conjuguées r  ρ  iω alors
yH (t)   C1 cos  ωt   C2 sin  ωt   eρt avec C1 , C2 sont des réels.
Exemple 6:
(E1 ): y  6y  25y  0; (E2 ): y  y  2y  0; (E3 ) : y  2y  y  0
3. Résolution de l’équation avec second membre ay  by  cy  d(t)
a. Théorème:
La solution générale y de ay  by  cy  d(t) s’obtient en ajoutant à la solution générale de l’équation
différentielle sans second membre yH, une solution particulière de l’équation différentielle avec second
membre yP. y= yH+ yP
b. Si d(t) est un polynôme de degré n :
Si d(t) est un polynôme de degré n, on cherchera une solution particulière sous la forme yP(t)=P(t).
 Si b≠0 et c≠0, alors P(t) est un polynôme de degré n.
 Si b≠0 et c=0, alors P(t) est un polynôme de degré n+1.
 Si b=0 et c=0, alors P(t) est un polynôme de degré n+2.
Exemple 7:
(E1 ): y  2y  y  t 2  1; (E 2 ): y  3y  2y  t 2  t  1; (E 3 ): y  3y  3t 2  2;
1
(E 4 ): y  2y  2t  5 et y(0)  et y(0)  0; (E 5 ):y  4t 3  3t 2  2t  1
2

c. Si d(t)  (Acos(ωt)  Bsin(ωt))eρ t avec A, B, ρ  et ω 
On cherchera yP sous la forme :
 y P (t)  (αcos(ωt)  βsin(ωt))eρ t si P(ρ  iω)  0
 y P (t)  (αcos(ωt)  βsin(ωt)) t eρ t si P(ρ  iω)  0
Exemple 8 :
(E1 ): y  2y+2y = 2e t sin(t); (E 2 ): y  4y+20y = 17cos(4t).
d. Si d(t)  Q(t)e t est un polynôme de degre n,  
On cherche yP sous la forme y P (t)= Q1 (t)e  t .
 Si  n’est racine du polynôme caractéristique P (c'est-à-dire P (  ) ≠0), alors Q1(t) est degré n.
 Si  est racine simple du polynôme caractéristique P (c'est-à-dire ( P(x)  a(x  α)(x  β) ), alors Q1(t)
est degré n+1.
 Si  est racine double du polynôme caractéristique P (c'est-à-dire P(x)  a(x  α)2 ), alors Q1(t) est
degré n+2.
Exemple 9:

(E1 ): y  2y  2y  t 2e t ; (E 2 ): y  2y  y  t 2e  t ; (E3 ): y  4y  4y  e2 t
e. Si d(t) est la somme de plusieurs fonctions:
Si d(t) est la somme de plusieurs fonctions, par exemple d  t  = g  t   f  t  , on cherchera les solutions
particulières yp1 de ay + by + cy = g(t) et yp2 de ay + by + cy = f(t) alors une solution particulière de
ay  by  cy  d(t) sera la somme des solutions particulières obtenues y p  y p1  y p2 . Cette technique
s’applique également aux équations différentielles du 1er ordre dont le second membre est la somme de
plusieurs fonctions.
Exemple10:
Résoudre dans l’équation différentielle suivante : (E1 ): y  2y+ y = t 2 +1+3e t
4. Résolution de systèmes différentiels:
Résoudre dans les systèmes différentiels suivants :
 dx
  3x  2y
 dt
(S1 ):  Où x et y sont deux fonctions de la variable t vérifiant x  0  3 et y  0   0 .
 dy  x  2y

 dt
 x  2x  y
(S2 ):  Où x et y sont deux fonctions de la variable t.
 y   x  2y

TRAVAUX DIRIGÉS
Exercice 1 : Equations différentielles du premier ordre
Résoudre les équations différentielles dans suivantes :
(E1 ): y  2y  0 ; (E2 ): xy  y  0 ; (E3 ): y  y cos(x)  0 ; (E4 ): y y  x;
(E5 ): x 2 y  y ; (E 6 ): y  xe x + y ; (E 7 ): (1  x 2 )y  x(1  x 2 )y .
ESESNUMERIQUES
Exercice 2 : Equations du premier ordre avec une condition initiale
(E1 ): xy  y  x ln(x)  x  0; + 
et y(1)  1; (E 2 ): 3y  2 y  4xe2x et y(0)  .
1
4
(E3 ): xy  2y  2
x
x 1
 x  0; +  et y(1)  2 ; (E4 ): x(1  x 2 )y  2 y  x 3 (x  1)2e x et y(1)  1.
1
Exercice 3 : Equation linéaire du premier ordre

Intégrer les différentielles suivantes :
(E1 ): y  2y  sin(2x)  x 2  1 ; (E 2 ): 5y  2y  15cos(3x)  16sin(3x)
1
(E3 ): y  cos(x)y  sin(2x) ; (E 4 ): (x  1)y  (x  1)y   x  1
2
(E5 ): y  y  (2x  3)e  x ; (E 6 ): x(x 2  1)y  y  x 3
Exercice 4 : Méthode de variation de la constante
Intégrer l’équation différentielle : xy + y = sin(x)
Exercice 5 : Equation du premier ordre non linéaire
Résoudre l’équation différentielle y + y tan(x) + y2 = 0.
(Indication : diviser les deux membres par y2 puis poser z = 1/y.)
Exercice 6 : Equation du second ordre à coefficients constants
Intégrer les équations différentielles suivantes et trouver dans chaque cas la solution qui vérifie y(0) = 0 et
y’(0) = 1.
(E1 ): y + y + 2y = x + 1 (E2 ): y = x + 1 (E3 ): y + 2y + y = x + 1 (E4 ): y + y = x + 1
(E5 ): y  3y  2y  x  1 (E 6 ): y  2 y  y  x 2  3x1 (E 7 ): 2y  5 y  2y  4x 2  16x  3
(E8 ): 2y  3y  2y  2sin(2x)  5cos(2x) (E9 ): y  9y  6e3x (E10 ): y  y  sin 2 (x)
x2
(E11 ): 2y  3y  2y  5cos(2x)  (x 2  1)e 2x  7
3
Exercice 7 : Cellule RC
La cellule RC est caractérisée par l’équation différentielle RC s(t) + s(t) = e(t) où e(t) représente un signal
d’entrée et s(t) le signal de sortie correspondant.
Résoudre l’équation différentielle dans les deux cas suivants :
1. e(t) = E (E constant) et s(0) = 0.
2. e(t)  E sin(ωt ) et s(0)  0
Exercice 8 : Equation du second ordre à coefficients constants et 2ème membre périodique.
Soit l’équation différentielle (E): y  2y  2y  sin(ωx) , ω réel non nul.
1. Résoudre l’équation homogène associée à (E).

2. Montrer que (E) admet une solution particulière de la forme : y  Acos(ωx)  Bsin(ωx). Trouver A et
B en fonction de la pulsation ω .
3. Donner la solution générale de (E).
4. Trouver la solution qui vérifie les conditions initiales y(0) = 0 et y’(0) = 0.
Exercice 9 : Méthode de variation des constantes

3x
On considère l’équation différentielle : x 2 y  2y 
x 1
1
1. Montrer que les fonctions x  x 2 et x  sont deux solutions indépendantes de l’équation
x
homogène associée.
2. Intégrer l’équation différentielle.
Exercice 10 : Système différentiel
On se propose de résoudre le système différentiel (S) suivant, puis d’en donner les solutions particulières.
 t3
 x(t)  2y(t)  2sin(t)   t  E1 
(S) :  3
2x(t)  y(t)  2cos(t)  E2 

Les fonctions x et y sont deux fonctions de la variable réelle t deux fois dérivables sur .
1. Montrer en utilisant les équations (E1) et (E2) que la fonction x vérifie l’équation différentielle
x(t)  4 x(t)  6cos(t)  t 2  1 (E) .
2. Résoudre dans l’équation différentielle (E). En déduire les solutions du système (S).
3. Déterminer la solution particulière de (S) vérifiant les conditions initiales
x(0) = -1 et y(0) = 0.
Exercice 11 : Equation différentielle paramétrée
On considère l’équation différentielle : (Em ) : (m  5)y  (m  6)y  y  2x  5  sin(2x)
(m est un paramètre réel).
1. Intégrer l’équation différentielle (E 5 ) .
2.
a. Intégrer l’équation différentielle homogène associée à l’équation différentielle (E m ) .
(On discutera suivant les valeurs du paramètre m  \ 5 ).
b. Dans chaque cas, déterminer une solution particulière associée.
3. Intégrer l’équation différentielle (E m ) .
Exercice 12:
Soit l’équation différentielle (E) définie par (E) : y  2y  5y  x  e1 x où y est une fonction de la variable
réelle x, définie et deux fois dérivable sur .
1. Déterminer les réels a, b et c pour que la fonction définie par   x   ax  b  ce1x soit particulière de
l’équation différentielle (E).
2.
a. Intégrer l’équation différentielle homogène associée à (E).
b. Intégrer l’équation différentielle (E).
Exercice 13:
1 1
Soit l’équation différentielle : (E) : (x  1)y  y  x   x > 1 .
2 x 1
1.
a. Intégrer l’équation différentielle homogène associée à (E).
b. Déterminer une solution particulière de (E) en utilisant la méthode de la variation de la constante.
c. En déduire les solutions de l’équation différentielle (E).
2. Déterminer la fonction h solution de (E) telle que h(0)=1.
Exercice 14:

On considère l’équation différentielle notée  E  définie par  E  : z  2z  2z  1 dans laquelle z désigne
une fonction numérique de la variable t, admettront des dérivées première et seconde notées z  et z .
1.
a. Intégrer l’équation différentielle  E  sur .
b. Déterminer la solution g de l’équation différentielle  E  qui vérifie g  0  0 et g  0  1.
2. On considère la fonction f de la variable réelle définie sur  0; π  par f  t   e t sin t
a. Montrer que la fonction f est une solution de de l’équation différentielle homogène associée à de
l’équation différentielle  E  .
b. Dresser le tableau de variation de f sur  0; π 
c. Représenter graphiquement f sur  0; π  dans un repère orthogonal où l’unité graphique vaut 2 cm sur
l’axe des abscisses et 10 cm sur l’axe des ordonnées.
3.
1
a. Montrer que f  t    f   t   2f   t   et en déduire une primitive F de f.
2
π
b. Donner la valeur de l’intégrale I définie par I   f  t  dt .
0
c. Soit A l’aire en cm2, de la partie du plan délimitée par l’axe des abscisses, l’axe des ordonnées, la droite
d’équation et la courbe représentative de f. calculer A.
Exercice 15:
A.
d2 y dy
1. On considère l’équation différentielle  E0  définie par :  E 0  : 2  2  y  0 . Déterminer toutes
dx dx
les solutions de l’équation différentielle  E0  .
d2 y dy
2. On considère l’équation différentielle  E  définie par :  E 0  : 2
 2  y  2e x
dx dx
a. Déterminer les réels α, β et γ tels que f  x    αx  βx  γ  e soit une solution particulière de  E  .
x
b. En déduire toutes les solutions de l’équation différentielle  E  .

c. Déterminer la fonction g de  E  satisfaisant les conditions initiales définies par g  0  4 et g  0  0
par f  x    x  2  e ; on désigne
2 x
B. Soit f, la fonction numérique de la variable réelle x définie sur
par  C  sa courbe représentative dans un repère  O, I, J  orthonormé d’unité graphique 1 cm.
f(x)
1. Calculer lim f(x) et lim , puis interpréter graphiquement les résultats.
x  x  x
2. Calculer lim f(x) et interpréter graphiquement le résultat.

x 
3. On désigne par f  la dérivée de f .

a. Démontrer que x  , f   x   x  x  2 e x
b. Etudier les variations de f et dresser son tableau de variations.
4. Construire la courbe  C  .
C.
1. Justifier que x  , f  x   f   x   2f   x   2e x , puis en déduire une primitive F de f sur .
 f  t  dt . Exprimer I
n
2. Pour tout naturel n, on pose In  n en fonction de n.
0
3. Calculer lim I n .
n 

Chapitre 6: POLYNÔMES ET FRACTIONS
RATIONNELLES
I. POLYNÔMES :
1. Définitions :
On appelle polynôme à coefficients complexes ou réelles la fonction définie sur ou par :
P(x)= a n x  a n-1x
n n-1
 ........  a 2 x  a1x  a 0
2
 Si a n  0 , l’entier n est le degré du polynôme.

 Une constante non nulle est un polynôme de degré 0.
 Le polynôme nul a pour degré  .
 La somme et le produit de deux polynômes sont encore des polynômes et :
d  P  Q   dP, dQ d  PQ  dP  dQ
2. Division euclidienne :
Étant donnés deux polynômes A et B≠0, il existe un couple unique de polynômes (Q, R) vérifiant :
A  BQ  R avec dR < dB , Q est le quotient de A par B et R est le reste.
Si R= 0, alors A est divisible par B.
EXEMPLE 1:
Effectuer la division euclidienne de A  X5  X4  X3  X  1 par B  X3  X2  2 .
INDICATION : Q  X2  1 et R  X2  X  1 .
3. Division suivant les puissances croissantes :
Pour un entier n donné, l’écriture A = BQ + Xn+1 R avec d°Q  n s’appelle la division suivant les
puissances croissantes de A par B à l’ordre n. dans cette division Q est le quotient à l’ordre n et R le reste à
l’ordre n.
EXEMPLE 2
Effectuer la division de A=1+X par B=1-X+X2 suivant les puissances croissantes de X à l’ordre2.
INDICATION : Q= 1+2X+X2 et R= -1-X.
4. Racine d’un polynôme- Ordre de multiplicité
 Un polynôme P est divisible par x-a si et seulement si P(a)=0. Le nombre complexe ou réel a est alors
appelé racine du polynôme P.
 Un nombre complexe ou réel a est racine d’ordre  ,    , d’un polynôme P si P est divisible par
(x  a) , mais pas par (x  a) 1 .
 Une racine simple est une racine d’ordre 1 et une racine double est une racine d’ordre 2.
5. Formule de TAYLOR
Soient P un polynôme de degré n et a un nombre complexe ou réel. P s’écrit suivant les puissances de (x-a)
sous la forme :
P(n) (a) P(a) P(a)
P(x)  (x  a)n  .....  (x  a)2  (x  a)  P(a) Où P(k) (a) est la dérivée kième du
n! 2! 1!
polynôme P.
Conséquence :
Un nombre complexe ou réel a est racine d’ordre  du polynôme P si et seulement si
P(a)  P(a)  P(a)  P( 1) (a)  0 et P( ) (a)  0 .
EXEMPLE 3

 Trouver les racines du polynôme P  x   x 4  7x3 12x 2  176x  320 . Sachant qu’il admet une racine
triple.
INDICATION : P admet la racine triple 4 et la racine simple -5
 Montrer que le polynôme P  x   x3  x 2 16x  20 admet le nombre 2 comme racine double. En
déduire une autre racine.
INDICATION : L’autre racine est -5.
 Écrire suivant les puissances de x  1 le polynôme : P  x   x 4  x3  x 2  1 .
INDICATION : P  x    x  1  5  x  1  10  x  1  9  x  1  4 .
4 3 2
6. Théorème de d’ALEMBERT :
Tout polynôme dans , de degré n  0 , admet exactement n racines, chacune étant comptée avec son ordre
de multiplicité.
7. Factorisation des polynômes à coefficients réels :
Si un polynôme à coefficients réels admet le nombre complexe a pour racine, alors le conjugué de a est aussi
racine du polynôme.
Conséquence :
Tout polynôme à coefficients réels de degré strictement supérieur à deux est factorisable sur . Les facteurs
sont des polynômes à coefficients réels du premier degré ou du second degré à discriminant négatif.
EXEMPLE 4 :
 Effectuer la division euclidienne de x3  3x  2j par x-j, avec j2  1 .en déduire toutes les racines de
x3  3x  2j puis factoriser le polynôme x3  3x  2j .
INDICATION : Le polynôme x3+3x-2j admet j une racine double et -2j comme racine simple.
 Soit   k , effectuer la division euclidienne de P  x   x3 sin    xsin 3   sin  2  par
x 2  2xcos    1. En déduire toutes les racines dans du polynôme P, puis factoriser le polynôme P.
INDICATION : Les racines du polynôme P sont : e , e et  2cos .
j  j
 Soit P un polynôme à coefficients réels.

 Démontrer l’implication suivante : a  est racine de P  le conjugué a de a est racine de P.
 Exprimer à l’aide de la partie réelle et du module de a le produit (x  a)(x  a)
 2π 
 Application : factoriser dans le polynôme x 5  1 . En déduire la valeur exacte de cos   et
 5 
 4π 
cos   .
 5 
 2π  1  5  4π  1  5
INDICATION : cos   et cos    .
 5  4  5  4
II. FRACTIONS RATIONNELLES
1. Définition
P(x)
On appelle fraction rationnelle toute fonction de la forme : F(x) 
Q(x)
Où P et Q sont deux polynômes à coefficients complexes ou réels.
La fraction F est dite irréductible si P et Q n’ont pas de facteurs communs, c'est-à-dire, pas de racines
communes.
2. Pôle d’une fraction rationnelle
Les pôles d’une fraction rationnelle sont les racines du dénominateur. L’ordre d’un pôle est l’ordre de cette
racine.
3. Partie entière d’une fraction rationnelle
P
Soit F  une fraction rationnelle irréductible :
Q
 Si d°(P) < d°(Q), la partie entière de F est nulle.

P R
 Si d°(P) ≥ d°(Q), la division de P par Q donne : P = EQ + R avec d°(R) < d°(Q), soit : F   E .
Q Q
Le polynôme E est la partie entière de la fraction F.
4. Décomposition en éléments simples dans (X)
Les polynômes premiers de (X) sont de deux types :
 les polynômes de 1er degré ax  b .
 les polynômes du second degré ax 2  bx  c avec b 2  4ac < 0 .
Dans (X) , il ya deux types d’éléments simples :
bk 
 l’élément simple dit de 1ère espèce est de la forme : , a k et b k  et k 
(x  a k ) k
 l’élément simple de 2ème espèce qui est de la forme :
a k x  bk 
, avec ck 2  4d k < 0 , a k , bk , ck , d k  et k 
(x  ck x  d k )
2 k
Toute fraction rationnelle à coefficients réels dont la partie entière est nulle se décompose d’une façon
unique sur en une somme d’éléments simple de 1ère espèce ou de 2nde espèce.
5. Pratique
a. Cas d’un pôle simple
P(x) 
Soit la fraction F(x)  , a un zéro simple de Q(x). le coefficient λ du terme de la décomposition
Q(x) x a
en éléments simples de F est (x  a)F(x) x a
EXEMPLE 5 :
 Décomposer dans (X) en éléments simples les fractions rationnelles suivantes:
1 3x  1 x 5  5x 2  3x  4
A(x)  , B(x)  , C(x) 
(x  1)(x  2) (x  3)(x  1) x(x  4)
1 1 2 1 1 2
INDICATION : A(x)   , B(x)   , C(x)  x  1  
3(x  1) 3(x  2) x  3 x 1 x x+4
n
4k  3
 Calculer la limite de la suite s n   u k avec u k 
k=3 k(k  2)(k+2)
n n+2 n-2
1 1 1 1 167
INDICATION : Sn  (6 11  5 ) et lim Sn 
8 k=3 k n 
k=5 k k=1 k 96
REMARQUE :
 Le calcul de   (x  a)F(x) x=a peut donner des résultats apparemment compliqués ou inexploitables.
 Soit Q(x)  (x  a)Q1 (x) en dérivant on a Q(x)  Q1 (x)  (x  a)Q1 (x) d'où Q(a)  Q1 (a)
 P P(x)
Le coefficient λ du terme de la décomposition en éléments simples F  vaut
x a Q Q1 (x) x a
 Lorsqu’il ne reste plus qu’un ou deux coefficients à déterminer dans une DES, on peut envisager de
remplacer x par une valeur particulière, ou de faire tendre x vers l’infini après avoir éventuellement
multiplié les deux membres de l’égalité par une puissance de x.
b. Cas d’un pôle multiple
 Cas du pôle 0
P(x)
Intéressons-nous à une fraction F(x)= n
, Q1 (0)  0 . D’après le théorème de la décomposition en
x Q1 (x)
éléments simples, il existe A1 , A2 ,...., A n  , B(x) un polynôme tels que

A n A n 1 A B
F(x)  n
 n 1  ......  1  on alors P(x)  (A n  A n 1x  .......  A1x n 1 )T +x n B . D’après le
x x x T
théorème de la division suivant les puissances croissantes A n  A n 1x  .......  A1x n 1 est le quotient de la
division de P(x) par Q1(x) suivant les puissances croissantes jusqu’à l’ordre n-1 et B(x) en est le reste.
EXEMPLE 6:
 Décomposer en éléments simples la fraction rationnelle suivante :
x5  1
F(x)=
x 3 (x  2)
INDICATION :
1 1 1 33
F(x)  x  2   2 
2x 4x 8x 8(x  2)
3
 Décomposer en éléments simples dans (X) la fraction rationnelle suivante :

x
D(x) 
(x  1)2 (x  2)
1 2 2
INDICATION : D(x)    
(x  1) x  1 x  2
2
 Cas d’un pôle autre que 0

 Si a est un zéro multiple de Q (c'est-à-dire Q(x)  (x  a)Q1 (x) , pour obtenir les coefficients relatifs au
P(x)
pôle a dans la DES de F(x)  , on effectuera un changement d’indéterminée Y  x  a , et on se
Q(x)
ramènera au cas précédent (vis-à-vis de l’indéterminée Y).
EXEMPLE 7 :
1
Décomposer en éléments simples la fraction rationnelle dans (X) suivante : F(x) 
(x  1) (x  2)3
4
INDICATION :
1 1 2 10 1 4 10
F(x)     +  
27(x  1) 27(x  1) 81(x  1) 729(x 1) 81(x  2) 243(x  2) 729(x  2)
4 3 2 3 2
P(x) P(x)
 Si a est un zéro multiple de Q alors la fraction F(x)  
soit  (x)  (x  a) F(x) 
(x  a) Q1 (x) Q1 (x)
la formule de Taylor de au point a à l’ordre  1
P(x) (x  a) (x  a) 2 (x  a) 1 ( 1)
  (a)  
 (a)  
 (a)  .......   (a)  (x  a) 1 (x) d’où
Q1 (x) 1! 2! (  1)!
A1 A2 A  (x)  (  j) (a)
F(x)    .........+  avec A  j  1, 2,..,
(x  a) (x  a) 1 (x  a) x  a (  j)!
j
EXEMPLE 8 :
1
Décomposer dans (X) en éléments simples la fraction rationnelle suivante : A(x) 
(x  1) x(x  1)
3
1 1 7 3 1
INDICATION : A(x)      
x 8  x  1 8  x  1 4  x  1 2  x  13
2
c. Remarques de parité:
Après avoir écrit la décomposition à priori de F. Des considérations numériques (en particulier la parité)
permettent le calcul des coefficients à déterminer.
EXEMPLE 9 :
1
Décomposer en éléments simples dans (X) la fraction rationnelle suivante : C(x) 
(x  1)(x 2  1)2
2

1 1 1 1
INDICATION : C(x)    
8(x  1) 8(x+1) 2(x +1) 4(x 2 +1)
2 2
d. Remarques
P(x)
Supposons que F soit de la forme F(x)  
, Q(x) est un trinôme irréductible,    . La DES de F
(Q(x))
A (x) A 1 (x) A (x)
est de la forme : F(x)  E(x)     1  ....  1 où E est la partie entière de F et
Q (x) Q (x) Q(x)
A1 , A2 , A3 ,..., A des polynômes de degrés  1. On pourra calculer A1 , A2 , A3 ,....., A par des divisions
euclidiennes successives. En effet, il existe des polynômes Q1 , Q2 , Q3 ,...,Q , R1 , R 2 ,..., R tels que :
P(x)  Q1Q(x)  R1 , Q 2  Q 2Q(x)  R 2 ,..., Q -1  Q Q(x)  R 

 Et on a alors :

j  1, 2,...,   , deg(R j )  2
R (x) Q (x) R (x) R 2 (x) R (x) R (x)
F(x)= 1  11  1   1   32  ......    Q (x)
Q (x) Q (x) Q (x) Q (x) Q (x) Q(x)
EXEMPLE 10 :
Décomposer en éléments simples dans R(x) la fraction rationnelle suivante :
x8  x 4  2
E(x) 
(x 2  x  1)3
2x  1 4x  6 2x  8
INDICATION : E(x)  x 2  3x  3   2  2
(x  x  1) (x  x  1)
3 2 2
x  x 1
6. Décomposition en éléments simples dans (X)
On appelle élément simple de 1ère espèce toute fraction rationnelle de la forme :
A 
où A  , a  , n  .
x  a
n
Dans l’ensemble des nombres complexes, toute fraction rationnelle irréductible dont la partie entière
est nulle se décompose d’une façon unique en somme d’éléments simple de 1ère espèce.
 Les propriétés appliquées pour la recherche de la partie entière et les éléments simples de 1ère espèce de
la décomposition en éléments simples dans (X) sont applicables pour la décomposition en éléments
simples dans (X) .
 Pour obtenir la décomposition en éléments simples dans (X) , on utilise la décomposition (X) , en
regroupant les parties polaires relatives aux pôles conjugués.
EXEMPLE 11 :
Décomposer en éléments simples dans (X) , puis dans (X) la fraction rationnelle suivante :
1
G(x)  .
x(x  1)
2
INDICATION :
1 1 1
G(x)    DES dans (X)
x 2 x  i 2  x  i
1 x
G(x)   2 DES dans (X)
x x 1

TRAVAUX DIRIGÉS
Exercice 1 : Exemples de décomposition en éléments simples de première espèce dans R (X).
 x 3  5x 2  4x  1 8x 4  8 2x 4  5x 3  21x 2  x  5
A(x)  ; B(x)  ; C(x)  .
x 3  x  1  x  1  x  1  x  1  x  1
4 3 3 4 3
Exercice 2 : Exemples de décomposition en éléments simples de première et de seconde espèce dans R(X).
x8  1 x2 1 x3 1
D(x)  ; E(x)  ; F(x)  ; G(x)  4 ;
x  2x  2  x4 1 x 1 x  x 2 1
2 3 4
x 1 x 6  x 5  2x 4  x 2  1
H(x)  ; I(x)  2 ; J(x)  ;
 x  1  x  x  1
4 2
(x  2x  3)(2x 2  3x  4) x 3  x 2  1
2
x 5  6x 4  17x 3  25 x 2  19x  7 x2 n 3x 5  3x 4  5x 3  2 x 2  x
K(x)  ; L(x)  ; M(x) 
(x  1)2 (x 2  x  1)  x 2  1 x  1  x 2  x  1
n 2 2 2
Exercice 3 :
n
3k 2  1
Calculer, pour n  \ 0, 1 , Tn   .
 k  1 k 2  k  1
2 2
k=2
Exercice 4 :
4
zk3 + 2
Calculer Zn   où z1 , ..., z4 sont les zéros de x 4  x 3 + 1 dans
k = 1 ( zk  1)
3 2
Exercice 5 :
1
 Décomposer en éléments simples dans R(X).
(x  1) (x + 1)3
3
 En déduire un couple (U, V) de (R[X ])2 tel que : (x + 1)3U + (x -1)3V = 1.

Chapitre 7 : TRANSFORMATION DE LAPLACE
I. FONCTIONS CAUSALES (SIGNAUX CAUSAUX)
1. Définition d’une fonction causale
Une fonction f (ou un signal) de la variable réelle t est dite causale si pour tout t strictement négatif on a
f(t)  0 .
2. Exemples ESESNUMERIQUES
a. Fonctions échelon unité ou fonction de Heaviside
La fonction échelon unité ou fonction de Heaviside (notée U) est définie sur par :
 U(t)  0 si t < 0

 U(t)  1 si t  0
Sa représentation graphique est :
U
2
-5 -4 -3 -2 -1 0 1 2 3 4 5t
-1
Remarque:
 U n’est pas continue en 0, elle est continue à droite au voisinage de 0.
 On rend une fonction causale en la multipliant par la fonction échelon unité.
b. Fonction rampe unité
f(t) = 0 si t < 0
La fonction rampe unité est définie sur par :  ou f(t) = tU(t)
f(t) = t si t  0
Sa représentation graphique est :
f
2
-5 -4 -3 -2 -1 0 1 2 3 4 5t
-1
3. Fonction retardée
Soit une fonction numérique de la variable réelle t définie sur , et soit g la fonction définie par
g(x)  f(x  a) , a étant un réel positif, on dit que la fonction g est retardée de a. La fonction h définie par
h(x)  f(x  a) , a étant un réel positif, est dite en avance de a.
 
Dans le plan rapporté à un repère orthonormé O, u, v , la courbe représentation de g se déduit de celle de f
par une translation de vecteur au .

Exemples :
 Fonction unité retardée de 1 :

 U(t) = 0 si t < 0
 et sa représentation graphique est :
 U(t) = 1 si t  0
U
2
-5 -4 -3 -2 -1 0 1 2 3 4 5t
-1
f(t)  0 si t < 0
f(t)  U(t)sint ou 
 f(t)  sint si t  0 . sa représentation graphique est :
f
2
-5 -4 -3 -2 - 0 2 3 4 5 t
-1
f(t  π)= 0 si t < π

f(t  π)= sin(t  π)U(t  π) ou 
 f(t  π)= sin(t  π) si t  π . Sa représentation graphique est :
f
1
-5 -4 -3 -2 - 0 2 3 4 5 t
-1
4. Fonction créneau
Soient a et b deux réels tels que o < a < b et k un nombre réel. La fonction créneau est définie par :
f(t) = 0 si t < a

f(t) = k  U  t  a   U  t  b   : f(t) = k si a  t < b
f(t) = 0 si t  b

Sa représentation graphique est : pour a = 1, b = 2 et k = 1
f
1
-4 -3 -2 -1 0 1 2 3 4 5t
-1
5. Applications
Une fonction étant définie à l’aide de l’échelon unité, il faut savoir la définir «par morceaux » sans
utiliser U.

Exemple : soit la fonction définie sur par : f(t)  3U  t    t 1 U  t 1   t  3 U  t  3 .
Pour expliciter la fonction f sans la fonction U, on peut procéder par un tableau :
Ut U  t  1 U  t  3
t<0 0 0 0 f(t)  0
t  0; 1 1 0 0 f(t)  3
t 1; 3 1 1 0 f(t)  3  (t  1)   t  4
t 3 1 1 1 f(t)  3  (t  1)  (t  3)  1
La représentation graphique de f est :
f
3
-4 -3 -2 -1 0 1 2 3 4 5 t
-1
Inversement, l’échelon unité permet de définie « en ligne » une fonction définie «par morceaux ».
f(t)  0 si t  a

Exemple : soit la fonction définie sur par : f(t)  k si a  t  b
f(t)  0 si t  b

D’après la représentation de f dans 4. , la fonction f «change de forme» aux points t = a et t = b.
On écrit f(t)  f1 (t)U(t  a)  f 2 (t)U(t  b)
 Si t  a , on a bien f(t)  f1 (t)  0  f 2 (t)  0  0 ;
 Si a  t  b , on a f(t)  f1 (t) 1  f 2 (t)  0  f1 (t) donc f1 (t)  k .
 Si t  b , on a f(t)  f1 (t) 1  f 2 (t) 1  f1 (t)  f 2 (t) donc f1 (t)  f 2 (t)  0; k  f 2 (t)  0; f 2 (t)  k
On en conclut que f(t)  kU(t  a)  kU(t  b)  k  U(t  a)  U(t  b)
VI. INTEGRALES GENERALISEES (OU INTEGRALES IMPROPES)
1. Définition
x
Si f est une fonction définie et dérivable sur [a ; +∞ [et si lim 
x +  a
f(t)dt est un réel A, on dit que l’intégrale
  x
 a
f(t)dt converge et on a : a
f(t)dt = lim
x +  a  f(t)dt = A.

Dans le cas contraire, on dit que a
f(t)dt diverge.
2. Remarque
Les propriétés de l’intégrale « classique » sont conservées ; en particulier, la linéarité.
 dt  dt
Exemple 1 : Etudier la convergence des intégrales suivantes : 
1 t
et 
1 t2
VII. TRANSFORMATION DE LAPLACE
1. Définition
Soit f une fonction causale, on appelle transformée de Laplace de f, la fonction F de la variable réelle p

définie par : F(P)= 0
f(t)e  P t dt
2. Remarques


 Pour que F existe, il faut que l’intégrale F(P)= 0
f(t)e  P t dt soit convergente.
 On note aussi F(P)= f  P  ou encore F(P)=  f(t) 
VIII. TRANSFORMEE DE LAPLACE DES FONCTIONS USUELLES
f(t) F(P) Condition d’existence de F
Fonction de Heaviside U(t) 1 P>0
P
Fonction rampe unité tU(t) 1 P>0

P2
Fonctions puissances n! P>0
n  
t U(t) ( n 
n
) P n+1
Fonctions exponentielles 1 P + a > 0 ( a )
 at a  
e U(t) ( a  ) P+a
Fonctions trigonométriques
cos(ωt)U  t  P
P + ω2
2
P>0
ω
sin(ωt)U  t  P 2 + ω2
Fonctions hyperboliques
eωt  e ωt P
ch(ωt)U(t)= U(t) P  ω2
2
2 P>0
ω
eωt  e ωt P  ω2
2
sh(ωt)U(t)= U(t)
2
IX. PROPRIETES DE LA TRANSFORMATION DE LAPLACE

N° PROPRIETES TRANSFORMEES
1 LINEARITE αf(t) + βg(t) αF(P)  βG(P)
TRANSFORMEE DE f( t)U(t) (  0) 1 P
F( )
2 α α
3 TRANSFORMEE DE f(t)e U(t) (a  )
 at F(P  a)
DERIVATION
Si f est dérivable sur 0;+
TRANSFORMEE DE f (t)U(t) PF(P)  f(0+ )
4
TRANSFORMEE DE f (t)U(t) P2 F(P)  Pf(0+ )  f (0+ )
TRANSFORMEE DE f   (t)U(t)
0 
n
P F(P)   Pi 1f 
n
n i  
n
n 
i 1
PRIMITIVE
t F(P)
5 TRANSFORMEE DE  f(u)duU(t)
0
P
Si f a pour transformée F
6 TRANSFORMEE DE  tf(t)U(t) F(P)
TRANSFORMEE DE t n f(t)U(t) n  ,  1 F  (P)
n n
+
P
F(u)du

f(t)
TRANSFORMEE DE U(t)
t
7 TRANSFORMEE DE f(t  τ)U(t  τ) F(P)e P τ τ > 0
PRODUIT DE CONVOLUTION
Si f et g sont des fonctions causales
8 t F(P)  G(P)
(f  g)(t)=  f(u)g(t-u)du
0
TRANSFORMEE DE f n (t)
 n n  Pn 
Considérons les fonctions créneaux f n  (t)   nlim

 f n (t)   nlim

  e  1
définies ainsi : P P 
9 1 où  est l’impulsion unité ou impulsion de Dirac
f n (t) = nU(t)  nU(t  )
n
Soit f, continue par morceaux sur 0; T
T
FP 
0
e  Pt f(t)dt
10  T > 0  , périodique de T ; alors : 1  e PT
EXEMPLE 1
Donner la transformée de Laplace des fonctions suivantes :
5.  f1 (t)   2sin3t  cos2t  U(t)
 t 
 f 2 (t)   t 2   sin4t  U(t)
 3 
P
6.  f3 (t) = cos  6t  U(t) si (cos2t) =
P 4 2
t e-2
 f 4 (t) = f( )U(t) si (f(t)U(t) ) =
2 1-P 2
t
7.  f5 (t)  sint e U(t)
 f 6 (t)  (t 2e  t +te 2t )U(t)
 f 7 (t)  e t sin 2 tU(t)
8.  y vérifiant l'équation différentielle
y+2y+y = e-t ; y(0+ )  0 et y(0+ )  1
 y vérifiant l'équation différentielle
y+3y+2y = 0; y(0+ )  0 et y(0+ )  1
t 1
9. f8 (t) = t 2 U(t) en utilisant (  uduU(t)) et (tU(t)) =
0 P
2t
10.  f9 (t)  te U(t)
 f10 (t)=tsin2t U(t)
11.  f11 (t)  U(t  1)  U(t  3)
π π
 f12 (t)  sin(3t  ) U(t  )
2 6
 f13 (t)  (t  2) U(t  2)
2
12.  f14 (t)= e U(t)  tU(t)

t
 f15 (t)  e 3t U(t)  e  t U(t)

X. ORIGINAL D’UNE FONCTION
1. Définition
Si F(P)= (f(t)) , on dit que f l’original de F. On note f(t) = 1
F(P) .
EXEMPLE
1 1 1
(tU(t))=
P2
donc  P 2   tU(t)
2. Propriétés
1
F+G  1  F + 1  G 
1
kF  k 1  F pour tout réel k.
La technique de recherche d’originaux s’apparente à celle de recherche de primitives. On utilise le tableau
des transformées de Laplace des fonctions usuelles. Les propriétés de la transformation de Laplace des
fonctions usuelles. Les propriétés de la transformation de Laplace les plus souvent utilisées sont le théorème
de retard : f(t  a)U(t  a)   F(P)e P a et la formule f(t) e at U(t)   F(P + a) . Au préalable, si F(P)
est une fraction rationnelle, on la décompose en éléments simples.
EXEMPLE 2
 Pour chacune des fonctions suivantes, trouver son original :
2 P 1 P Pe2P
1 F(P)  ; 2  F(P)  2 ; 3 F(P)  2 ; 4  F(P)  2
 P  1 P  2   P  2  P  2 P  4P  5 P 1
 En déduire les solutions des équations différentielles de la question 4) de l’exemple précédent.
XI. RESOLUTION DE SYSTEMES D’EQUATIONS DIFFERENTIELLES
Exemple
 x(t)  2x(t)  y(t)
Résoudre le système suivant :  Avec les conditions initiales x(0)  1; où x et y sont des
 y(t)  x(t)  2y(t)
fonctions causales de la variable réelle t,
Continues sur 0;   dérivables par morceaux.
XII. FONCTION DE TRANSFERT D’UN SYSTEME LINEAIRE
1. Système linéaire
Soit un système qui associe une sortie s(t) à une entrée e(t), avec e et s fonctions causales.
e(t) entrée Système S s(t) sortie
2. Définition : système linéaire d’ordre n

On dit que le système est linéaire d’ordre n si e et s vérifient une équation différentielle du type
dns d n 1s ds d me d m1e de
an n
 a n 1 n 1
 ...  a 1  a 0 s  b m m
 b m 1 m 1
 ...  b1  b0e m  n 
dt dt dt dt dt dt
Exemple :
Le circuit (R, L, C) soumis aux tensions d’entrée e(t) et de sortie s(t) est un système linéaire car
d 2s ds
LC 2  RC  s = e
dt dt
3. Définition : système initialement au repos
On dit que le système est initialement au repos si les conditions initiales sont :
 + d  s 
n 1
ds 
 s(0 )  (0 )  ...  (0 )  0
 dt dt n 1
  m 1
e(0+ )  de (0 )  ...  d e 
(0 )  0
 dt dt m 1
Exemple:

Déterminer l’expression H(P) tel que S(P)  H(P)  E(P) ou S et E sont les transformées respectives de s et
 + ds
s(0 )  (0 )  0
 dt
de e de l’exemple précédent. Les conditions initiales sont : 
e(0+ )  de (0 )  0

 dt
4. Définition : Fonction de transfert

Pour un système initialement au repos, S(P)  H(P)  E(P) , avec
bm P m  bm1P m1  ......  b1P  b0 N(P)
H(P)   où H(P) est la fonction de transfert du système.
a n P n  a n 1P n 1  ......  a1P  a 0 D(P)
Exemple : Dans l’exemple précédent, la fonction de transfert est H(P) 
5. Théorème
C0 (P)
Pour un système non initialement au repos S(P)  H(P)  E(P)  , C0 (P) étant un polynôme de degré
D(P)
inférieur à 2 des conditions initiales.
Exemple
ds +
Dans l’exemple précédent, si on a s(0+ ) =  et (0 )= avec   0 le système n’est pas initialement au
dt
repos, déterminer H, E, D et C.
6. APPLICATION : FONCTION DE TRANSFERT ET REPONSE D’UN CIRCUIT
On considère le circuit suivant :
R
e(t) C s(t)
On note e : t e  t  la fonction causale qui modélise le signal d’entrée, note s : t s  t  la fonction

causale qui modélise la réponse du circuit. L’équation différentielle qui régit le circuit est :
 ds  t 
RC  st  et
 dt
s  0+   0

1. Déterminer la fonction de transfert du circuit.
2. Déterminer la réponse du circuit à un échelon de tension : e(t) = EU(t).

TRAVAUX DIRIGES
EXERCICE 1 : CALCULS DE TRANSFORMEES DE LAPLACE
Calculer les transformées des signaux suivants :
1. f(t) = cos( t +  )U(t)
2. g(t)  (1  e2 t ) sin( t   )U(t)
3. h(t)  2 t  U(t)  U(t  2)
ESESNUMERIQUES
EXERCICE 2 : MULTIPLICATION PAR UNE RAMPE
1. Démontrer que la propriété suivante :
Si ℒ (f(t)) = F(p) alors, ℒ (t f(t)) = −F'(p)
2. Calculer les transformées de Laplace des signaux suivants :
a. f(t)  t e2 t U(t)
b. f(t) = (at + b)cos( t)U(t)
EXERCICE 3 : SIGNAUX A SUPPORT BORNE
1. Calculer la transformée de Laplace d’une fenêtre rectangulaire de largeur T
1 si 0 < t < T
(t) = 
0 sinon
2. Représenter ces signaux et calculer leurs transformées de Laplace de :
a. f(t) = t (t)
b. g(t) = t 2 (t)
c. h(t) = e2 t (t)
d. k(t) = (t)
EXERCICE 4 : TRANSFORMMEES DE LAPLACE INVERSES DE FRACTIONS
RATIONNELLES
Calculer les originaux des fonctions suivantes :
1 2p + 1 p2 + 1 p2
1. F(p) = 2. G(p) = 2 3. H(p) = 2 4. K(p) = 2
(p + 3)(p + 1) p  4p  5 p p p +4
p 1 5p
5. N(p) = 2 6. M(p) = 3 2
7. O(p) = 2
(p + 1)(p + 4) 2p + 5p + 2p (p + 1)(p2 + 2p + 2)
EXERCICE 5 : CALCULS D’ORIGINAUX PAR UTILISATION DE TRANSLATIONS ET
DERIVATIONS
Calculer les originaux des fonctions suivantes :
e 2 p p+1 p 2 e 3 p
1. F(p) = 2
2. G(p) = 3. H(p) =
p (p + 1) (p + 3) 2 (p 2 + p + 1)(p + 1) 2
1
4. K(p) = 2
(p + p + 1)2
EXERCICE 6 : PÔLES COMPLEXES CONJUGUES
N(p)
1. Soit F(p) = avec N(p) et D(p) deux polynômes à coefficients
D(p)
réels. Supposons, en outre, que F(p) possède uniquement deux pôles
complexes z  a  j b avec j2  1. Démontrer que son original est
de la forme f(t) = Kea t sin(bt +  ).
2. En déduire qu’un filtre de fonction de transfert F(p) ayant des pôles
complexes conjugués, est stable si la partie réelle des pôles est négative.
Indication : Le filtre est stable si sa réponse impulsionnelle tend vers 0 lorsque t → + ∞.
2p3  2p 2 + 9p + 6
3. Application : calculer l’original de F(p) 
(p 2 + p + 1)(p 2  2p + 5)

EXERCICE 7 : RESOLUTION D’EQUATIONS ET SYSTEMES DIFFERENTIELLES
4. En utilisant la transformation de Laplace, résoudre les équations différentielles suivantes :
a. y  2y  y  e t U(t) ; y(0)  1; y(0)  0.
b. ay + y = cos( t)U(t) ; y(0) = 1; a  0.
5. Résoudre les systèmes différentiels dans lequel x et y sont deux fonctions causales de transformées de
Laplace X et Y.
 x  y  x
a.  avec x(0+) = 0 et y(0+) = 1.
 x  y  y
x =   y  kx
b.  x(0+ ) = 1 et y(0+ ) = 0; , k > 0
 y =  x  ky
EXERCICE 8 : ECHELON UNITE
On considère les fonctions suivantes :
f(t) = 0 si t  ; 0 g(t) = 0 si t  ; 0
 
f(t) = 1 si t   0; 1 g(t) = t si t   0; 1
2
a.  b. 
f ( t) = 2 si t  1; 2 g( t) = 2  t si t  1; 2
f ( t) = 3 si t   2; + g( t) = 3 si t  2; +
   
1. Dessiner la courbe représentative des fonctions ci-dessus.
2. Définir la fonction f en utilisant l’échelon unité.
EXERCICE 9 :
Définir les fonctions représentées graphiquement à l’aide de l’échelon unité et calculer leurs transformées de
Laplace.
2.
y
1
-4 -3 -2 -1 0 1 2 3 4 5 t
-1
3.
y
1
-4 -3 -2 -1 0 1 2 3 4 5 t
-1
EXERCICE 10 :
2p
1. Déterminer l’original de F(p) = ; on pourra
(p +1)2
2
-1
écrire : F(p) = G(p) avec G(p) = 2 .
p +1
1
2. Déterminer l’original de F(p) = 2 ; on pourra
(p +1)2
1 1
écrire : F(p) = 2  2 et considérer un produit
p +1 p +1
de convolution.

EXERCICE 11 :
Soit f la fonction périodique de période π telle que :
  
f(t) = sin(2t) si t  0;
  2 

f ( t) = 0  

si t   2 ;  
4. Donner dans un repère orthonormal, la représentation graphique de f sur   ; 2  .
5. Soit p un réel strictement positif. A l’aide de deux intégrations par parties calculer l’intégrale

0
2
sin(2t)e p t dt.
6. En déduire la transformée de Laplace de la fonction causale t f(t) U(t)
EXERCICE 12 :
k k
Soit f la fonction définie par : f ( t)  t U(t)  (t   ) U(t   ) avec  et k réels strictement positifs.
 
1. Représenter la fonction f.
2 
1  e p 
k
2. Prouver que F(p) =
p
3. Calculer lim F(p)
p 0
>
4. Montrer sur cet exemple que le théorème de valeur finale est bien vérifié.
Indication : théorèmes de la valeur initiale et de la valeur finale
Théorème de la valeur initiale : lim F(p) = limf(t)
p  t 0
>
Théorème de la valeur initiale : lim pF(p) = lim f(t)

p 0 t 
>

SUITES – SERIES NUMÉRIQUES
Chapitre 8:
SERIES DE FOURIER
I. GENERALITES SUR LES SUITES NUMERIQUES :
1. Définitions
Une suite numérique est une fonction de vers . Ainsi la fonction
u: 
n u(n)
est une suite numérique. ESESNUMERIQUES
Notation
 u(n) est noté simplement un et s’appelle le terme général de la suite u ou le terme de rang n.
 la suite u se note aussi (u n )n ou (u n ) n 0 ou souvent (u n ).
Remarques
 Soit une fonction définie dans , pour tout n  , la suite  u n  de terme général u n  f  n  est
dite définie par sa formule explicite.
 La suite  u n  définie par la donnée :
 D’un terme (en général le 1er terme)
 Et la relation n  , u n + 1  f  u n  est dite suite définie par une formule de récurrence.
Exemple :
 u n n
5 17 32
 Soit la suite  définie par : u n  3n  . On a u1  8 ; u 2  ; u3  ......
n 2 3
u 0  7
 La suite  u n  définie par :  on obtient u 0  7 ; u1  38 ; u 2  193 ......
u n+1  5u n  3
2. Suites particulières
a. Suites arithmétiques
 Soit  u n  une suite numérique.  u n  est une suite arithmétique s’il existe un nombre réel r appelé
raison tel que : n  , u n 1  u n  r.
 Une suite arithmétique (un) de premier terme uk et de raison r a pour terme général : u n  u k   n  k  r.
 Soit (un) une suite arithmétique de premier terme ua et de dernier terme ub et de raison r. La somme des
termes consécutifs allant de ua à ub est S  u a  u a 1  ........  u b
 si r  0, S 
 b  a  1 u a  u b 
2
 si r = 0, S   b  a  1 u a
Exemple :
u 0  2
La suite  u n  définie par :  est une suite arithmétique de 1er terme u 0  2 et de raison r  5 .
 n 1
u  u n  5
L’expression de u n en fonction de n est : u n  u 0  (n  0) r  5n  2 . En fin la somme S est :
(u 0  u n )n (2  5n  2)n (4  5n)n
S  u 0  u 2  ......  u n    .
2 2 2
b. Suites géométriques
 Soit  v n  une suite numérique.  v n  est une suite géométrique s’il existe un nombre réel q appelé
raison tel que : n  , vn 1  q vn .

 Une suite géométrique (vn) de premier terme vk et de raison q a pour terme général : vn =vk . qnk
 (vn) une suite géométrique de 1er terme va et de dernier terme vb et de raison q. La somme des termes
consécutifs allant de va à vb est : S=va +va+1 +.....+vb .
q b a+1  1
 si q  1, S = v a .
q1
 si q = 1, S = v a .(b  a + 1)
Exemple
 v0  3
 1
La suite  v n  définie par :  v n est une suite géométrique de raison q = et de 1 terme v0  3 .
er
 v n 1  2 2
n n
1 1
L’expression de v n en fonction de n est : v n  v0    3   . En fin la somme S est :
2 2
n  2+1
1
1  
3 1 
n 1
3 2
Sn  v 2  v3  ......  v n =  1     .
4 1
1 2   2  
2
3. raisonnement par récurrence :
Pour démontrer qu’une propriété P(n) à partir certain rang n0 est vraie, il faut :
 Vérifier que la propriété P(n) est vraie pour n=n0.
 Supposer que pour tout k  n 0 , P(k) est vraie et sous cette hypothèse, on démontre que la propriété
P(k+1) est vraie.
 Conclure que la propriété P(n) est vraie pour tout n  n 0 , lorsque ces deux étapes sont franchies.
4. Variations d’une suite numérique
 Une suite (un) est dite croissante à partir d’un rang n0 , si n  n0 , un+1  un .
 Une suite (un) est dite décroissante à partir d’un rang n0 , si n  n0 , un+1  un .
 Une suite (un) est dite constante ou stationnaire à partir d’un rang n0 , si n  n0 , un+1 =un.
Remarques:
Pour démonter qu’une suite (un) est monotone, on peut :
 Etudier le signe de un+1  un .
u
 Comparer à 1 le quotient n+1 lorsque tous les termes la suite (un) sont de même signe et non nuls.
un
 Etudier le sens de variation de la fonction f lorsque la suite est du type
un = f(n). Dans ce cas la suite (un) et la fonction f ont le même sens de variation.
 procéder par récurrence lorsque la suite est de type un+1 =f(un) .
Exemple :
u0 =0
La suite (un) définie par : 
un+1 = un +2
 Montrons par récurrence que n  , 0  u n  2 .
En effet, u0 =0 d’où 0  u0  2 vraie pour n= 0.
Supposons que k  , 0  u k  2 et montrons que k  , 0  u k 1  2 .
k  , 0  u k  2  k  , 2  u k  2  4
 k  , 2  uk  2  4
 k  , 0  u k 1  2 car 2  0
Par conséquent n  , 0  u n  2 .

 Montrons que la suite (un) est une suite strictement croissante.
u 2n  u n  2  u n  2  u n  1
u n 1  u n  u n  2  u n  
un  2  un un  2  un
u n 1  u n  0 car u n  2  u n  0 et u n  2 > 0 et u n  1  0 donc (un) est suite strictement croissante.
5. Suites majorées - Suites minorées - Suites bornées
 Une suite (un) est dite majorée par   ℝ, si  n  ℕ, un  
 Une suite (un) est dite minorée par   ℝ, si  n  ℕ, un  
 Une suite (un) est dite bornée si elle est à la fois majorée et minorée.
Remarque : Une suite strictement croissante est minorée par son 1er terme et une suite strictement
décroissante est majorée par son 1er terme.
6. Suites convergentes - Suites divergentes
On dit qu’une suite numérique (un) converge vers un réel L lorsque lim u n  L . Dans le cas contraire elle
n 
est dite divergente.
Théorèmes :
 Toute suite croissante et majorée converge et toute suite décroissante et minorée converge.
 Soit (un) une suite dont le terme général vérifie un+1 =f(un) où f est une fonction. Si (un) converge vers
L  ℝ et si f est continue en L , alors L est une solution de l’équation f( L ) = L .
Exemple:
u0 =0
 , 0  un  2
un+1 = un +2
(un) est convergente car elle est strictement croissante et majorée par 2.
Pour déterminer sa limite L , nous allons résoudre l’équation f(L)  L .
f(L)  L  L  2  L  L2  L  2  0  L  1 ou L  2 comme 1 0; 2 et 2  0; 2
Donc lim un  2
n
7. Théorèmes sur les suites convergentes
Soit (un) et (vn) deux suites numériques et L et L leurs limites respectives
 S’il existe une suite (vn) telle que n  n0, un  vn alors L  L
 alors lim unvn  = LL .
n+
 Alors lim un +vn  = L+L

n+
 lim  ku n   kL  k  
n 
un L
 lim =
n +  vn L 
 Si un = f(n) et si lim f(x)= L alors lim un = L
x +  n + 
8. Suites équivalentes
un
 Deux suites (un) et (vn) seront équivalentes si : lim =1 . On écrit un ~vn en 
n vn
 Si un s’exprime par une fonction rationnelle de variable n, alors (un) est équivalentes au rapport de ses
termes de plus haut degré.
Exemple :
2n 2
Soit un = 2 on a un ~ 3n en  .
3n  1
n+1 1
Soit vn = 3 2 on a vn ~ 3n2 en  .
3n  n  1
II. SERIES NUMERIQUES :
1. Définitions

n
On appelle série numérique de terme général un, la suite de terme général sn écrit sous la forme : sn =  up .
p  0
n 
On pose : lim
n
 up 
p  0
 up .
p  0
Si cette limite est un réel S, on dit que la série de terme général un converge vers S.
Remarque :

 Si la série u
p  0
p converge, lim un  0 .
n

 Si lim un  0 , la série
n
u
p  0
p diverge.
Exemple :

n2  1
 Considérons la série de terme général un =
n1
. On sait que lim un   , donc la série
n
u
p  0
p
diverge.
n 
1
 Considérons la série de terme général vn =   . On sait que lim vn  0 , donc la série  vp peut
2 n
p  0
converger ou diverge. On précisera si elle est convergente ou divergente dans l’exemple précédent.
2. Séries de références
a. Séries géométriques
la série géométrique de terme général bn converge si et seulement si b  1 . La somme de la série est alors
1
.
1b
Exemple :
n
1 
La série de terme général vn =   converge car
1 1
2 2
 1 . La somme de la série est : v p 
1
 2.
p  0 1
2
b. Séries de Riemann
1
On appelle série de Riemann toute série dont le terme général est (  IR) .
n
1
 Si  1 , la série de Riemann de terme général converge.
n
1
 Si  1 , la série de Riemann de terme général  diverge.
n
Exemple :

1
 Si  1 , la série  diverge.
n 0n

1
 Si   2 , la série  2 converge.
n 0n
3. théorèmes de convergence des séries à termes positifs :
a. ordre
 
Si u
n 0
n et
n0
v n sont deux séries dont les termes sont positifs à partir d’un certain rang et si à partir d’un
  
certain rang un  vn , alors la convergence  vn de entraîne celle de
n0
 un , la divergence de
n 0
u
n 0
n entraîne

celle de v
n0
n .
Exemple :

1 1 1 
1
Considérons la série de terme général 2
n 1
; on a 2  2 n 
n 1 n
; on a n
n0
2
1
converge car

3
  2 , donc  2 converge.
n  0 n 1
b. Séries à termes équivalents
 
Si u
n 0
n et v
n0
n sont deux séries dont tous les termes sont positifs à partir d’un certain rang et si un ~vn
en  , alors les deux séries ont le même comportement (elles divergent ou convergent)
Exemple :
 
3 3
 On a directement 2 ~ 2 en  .  2 Converge car série Riemann convergente donc  2
3 3
n  0 n 1
n +1 n
n 0n
converge.

1
en  . 
√n √n √n 1
 On a directement ~ en  donc ~ diverge car série Riemann divergente
n+1 n n+1 √n
n 0 n

n
car  1 donc
n 0
 n 1 diverge.

1 1 1 1
 n(n  1) converge. Il est immédiat que n(n  1)  n  n  1 .
3 1
 ~ 2 en  donc
(n+1)n n
n 0
1 1 1 1 1 1  1 1 1 1  1
On a sn              ....       1 .
 1 2   2 3   3 4   n  1 n   n n  1  n 1

n
1 1  1 
lim sn  lim    lim  1   1
p  0 p(p  1) p  0 p(p  1) n1 
n n n 
c. Règle d’Alembert

u
Soit  un une série à termes positifs et lim n1  L .
n u
n 0 n
Si L  1 , la série converge.
Si L  1 , la série diverge.
Si L  1 , on ne peut rien dire.la série peut converger ou diverger.
d. Règle de Cauchy

Soit u
n 0
n une série à termes positifs et lim n un   .
n
Si   1 , la série converge.
Si   1 , la série diverge.
Si   1 , on ne peut rien dire.la série peut converger ou diverger.
Exemple :
Etudions la convergence des séries de terme général suivantes :
n+1 ln(nn )
un  et vn  .
n! (ln(n))n
(on rappelle que si n>0 alors n!=1 2 3... n ).
un1 n2 n! n2 u
   d'où lim n1  0 par conséquent L < 1, donc la série de terme général un
un (n  1)! n  1 (n  1) 2 n u
n
converge.
lnn lnln(n)
e n e n
n v =
n d'où lim n vn  0 par conséquent  < 1, donc la série de terme général vn converge.
ln(n) n
e. Cas des séries alternées :

c. Définition :
le terme général d’une série alternée peut s’écrire (1)n vn ou (1)n1 vn où vn est une série à termes positifs.
d. Théorème :


 

Si lim vn  0 et si la suite (vn) est décroissante, alors la série  (1)n vn ou   (1)n1 vn  converge.
n
n0 
n0 
Exemple :
(1)n 1 1
La série de terme général répond au critère ci-dessus : la suite   est décroissante et lim 0 .
n  n  n 
n n
(1)  n
Donc la série
n

converge. Cette série est appelée la série harmonique alternée.
n 0
5. Séries absolument convergentes :
c. Définition :
 
Une série u
n 0
n est dite absolument convergente si la série u
n 0
n converge.
d. Théorème :
Une série absolument convergente converge.
III. SERIES DE FOURIER
1. Introduction
Définition
Une série de Fourier est une série dont le terme général est de la forme un  an cos(nt)  bn sin(nt) .
 
Soit   an cos(nt)  bn sin(nt)  a0    an cos(nt)  bn sin(nt) .
n 0 n1
Si, pour tout réel t, cette série converge, elle définit une fonction f de la variable réelle t.
Théorème de périodicité
Si une série de Fourier de terme général un  an cos(nt)  bn sin(nt) converge vers f, alors f est de période
2
T .

2. Calcul des coefficients de Fourier
2
Supposons qu’une série de Fourier converge vers une fonction f de période T, donc de   . On peut alors
T
calculer les coefficients an et bn de cette série.
1 αT
T α
a0  f(t)dt  f (Valeur moyenne de f sur une période).
2 αT 2 αT
Pour n > 0 : a n   f(t)cos(nωt)dt et b n   f(t)sin(nωt)dt où an et bn sont appelés les
T α T α

coefficients de Fourier associés à f. la série de Fourier associée à f est: a0    an cos(nt)  bn sin(nt)  .
n1
Remarque
T
on peut prendre n’importe quelle valeur pour  , mais on prend généralement   0 ou    (on a alors
2
T T /2
0 et  T /2 ).
Propriétés
2 T2 4 T2
T 0 T 0
 Si f est paire, pour tout n, bn= 0 ; a 0  f(t)dt  f ; pour n > 0, a n  f(t)cos(nωt)dt ; la série

de Fourier associée à f se réduit à a0   an cos(nt) .
n1
4 T2
T 0
 Si f est impaire, pour tout n, an = 0 (même a0 = 0) ; pour n > 0, bn  f(t)sin(nωt)dt ; la série de

Fourier associée à f se réduit à b
n1
n sin(nt) .
Exemple
On considère la fonction f de période 2 , définie sur 0,  , f(x) =1 et sur , 2 , f(x) = -1.
1. Calculer les coefficients de Fourier de f.
2. Quel est le développement en série de Fourier de f ?
Solution
1.
y
1
-2 - 0 2 t
-1
Nous avons représenté ci-dessus la fonction f sur 2, 2 . On remarque que f est impaire.
Par conséquent on a : a0 et pour tout n  1, an  0.
Pour tout n>0,
2
bn =  f(t)sin(nt)dt    cos(nt)0.    cos(nt)  1   1  (1)n  avec T= 2 et  =
2  2  2 2
 1.
 0 n n n T
2. si n est pair, (-1)n =1, bn=0.
4 4
Si n est impair, (-1)n =-1, bn  donc pour n=2p+1 (p  IN) on a b2p+1  .
n (2p+1)
4  sin(2p  1)t
Le développement en série de Fourier de f est donc :  .
 p0 2p  1
Exemple
On considère la fonction f de période  définie par f(t)= t sur 0,  . En supposant que f soit développable
en série de Fourier, calculer les coefficients de Fourier de f.
Représentation graphique de f
-2 - 0 2 t
-
 Calcul des coefficients de Fourier :

Il est préférable de calculer les intégrales sur 0,  sur lequel la fonction f est bien définie.
 Calcul de a0 :

1  1  1  t2   2
a0 =  f(t)dt   t dt     avec T=  et  =  2.
 0  0   2  0. 2 T
 Calcul de an :
2 
an =  t cos(2nt)dt en intégrant par parties on a : an=0.
 0
 Calcul de bn :
2  -1
bn =  t sin(2nt)dt en intégrant par parties on a : bn = .
 0 n
  sin(2nt)
 Le développement en série de Fourier de f est donc :   .
2 n1 n
3. Convergence des séries de Fourier
f étant donnée, existe-t-il une série de Fourier associée à f convergente vers f ?

a. conditions de Dirichlet
Une fonction f est développable en série de Fourier si :
 f est périodique.
 f est dérivable sauf en un nombre fini de points par période ;
 la représentation graphique de f a un tracé continu sauf aux points par période.
 f et f  admettent des limites à gauche et à droite finies en tout point.
b. Théorème de Dirichlet
Soit f une fonction périodique satisfaisant aux conditions de Dirichlet, alors :
 Si f est continu en x0, la série de Fourier associée à f converge vers f(x0) ;
1
 Aux points où f n’est pas continue en x0, la série de Fourier associée à f converge vers  f(x 0 )  f(x 0 ) où
2
f(x 0 )  lim f(x) et f(x 0 )  lim f(x) .
x x 0 x x 0
Exemple
On considère la fonction de l’exemple précédent : f de période  et f(t)=t sur 0;  .

Montrer que f satisfait aux conditions de Dirichlet et appliquer le théorème de Dirichlet pour x  et pour x
4
= 0.
Solution
f est périodique.
f est continue et dérivable sauf en 0 et en  ( k  en généralement).
lim f(x)  , lim f(x)  0, lim f(x)  , lim f(x)  0
x 0 x 0 x  x 
Sur 0,  , on a f(x) = 1 .

lim f (x)  1, lim f (x)  1, lim f (x)  1, lim f (x)  1 .
x 0 x 0 x  x 
Donc f satisfait aux conditions de Dirichlet.


   sin(2n )
  4 
En , f est continue donc la série converge vers f( )= . On a donc  
4 4 4 2 n 1 n 4
n
 sin( )

On peut donc écrire que :  2  .
n1 n 4
n
De plus : Pour n pair, sin( )  0 .
2
 (2p  1) 
Pour n impair, on peut poser n= 2p+1, sin    cos(p)  (1)p .
 2 

(1)p

Il vient donc   .
p  0 2p  1 4
En 0, f n’est pas continue et on obtient :
  sin(2n  0) 1  
   0   on obtient  .
2 n1 n 2 2 2
4. Formule de Parseval

Soit une fonction périodique f et sa série de Fourier associée a0    an cos(nt)  bn sin(nt)  .
n1
1 
On a :  f 2 (t) dt  a20    an2  bn2  (Formule de Parseval).
1 T
T 0 2 n1
2
Cette expression est le carré de valeur efficace de f sur une période. Cette valeur se note feff .
Exemple

on considère la fonction f définie dans l’exemple résolu précédent. Calculer la valeur efficace de f en
utilisant la formule de Parseval, puis en faisant un calcul direct (intégration de f2). Déduire de ce précède la
1
somme de la série de terme général 2 .
n
Solution
 1  1   1 
On a calculé a0  , an=0 (n  0) et bn  2
on obtient donc : feff  ( )2    02  ( )2 
2 n 2 2 n1  n 
2 1  1 2 1  1
2
feff    2 donc feff    .
4 2 n 1 n 4 2 n1 n2
Par un calcul direct, on obtient :

1  2 1  t3  2  3
   donc feff 
2
feff t dt   = .
 0   3 0 3 3
2
En comparant les deux expressions de feff , on obtient :
2 1  1 2 
1 2
  2 Donc  2  .
4 2 n1 n 3 n 1 n 6
5. Forme complexe

la série de Fourier a0    an cos(nt)  bn sin(nt)  , associée à une fonction f, peut s’écrire
n1

1  T 2
Ce
n
n
int
T 
avec Cn 

f(t)eintdt et =
T
.

1  T
La formule Parseval s’écrit : feff
2
  f 2 (t) dt   Cn2
T  n
Exemple
Considérons la fonction f de période  définie sur 0,  par f(t)  t( t); en admettant que f satisfait aux
conditions de Dirichlet, développer f en série de Fourier sous forme complexe.
Solution
1  T 2
Cn   f(t)eintdt T = ,  =  2,  = 0 .
T  T
1 
Calculons Cn   t(  t)e2int dt
 0
 n≠0
1
Pour calculer l’intégrale, on procède à deux intégrales par parties successives : Cn  2
2n
 n=0
1  2
C0   t(  t)dt  .
 0 6
2  e2int
On obtient le développement suivant :  .
6 nZ 2n2
f est continue, on peut écrire pour tout réel t :
2 1 e2int
f(t)    2
6 2 nZ n
Problème de synthèse
1. Soit n un entier naturel non nul. Calculer à l’aide de deux intégrations par parties successives l’intégrale :

J   t(  t) cos(2nt) dt .
0
2. On considère la fonction u de dans , périodique de période  , définie par :

u(t)  t( t) si t 0;  .

a. Montrer que u est paire et tracer sa représentation graphique sur  2; 2 .
b. Vérifier que u satisfait aux conditions de Dirichlet.
2 +  cos(2nt)
c. Calculer ses coefficients de Fourier et en déduire que pour tout t réel : u(t)   .
6 n = 1 n2
3. n est un entier naturel non nul, justifier la convergence des séries numériques de terme général :
1 (-1)n 1
; 2 ; 4.
n2 n n

4. En utilisant le développement de u en série de Fourier pour t=0, puis t  , déterminer :
2
+
1 +
(1)n
 2 et n= 1 n2 .
n=1n
1 
5. La valeur efficace Ue de la fonction u est telle que Ue    u2 (t)dt .
2
 0
Calculer U2e .
La valeur efficace de la fonction u peut aussi s’exprimer à l’aide de la formule de PARSEVAL:
1 
U2e  a20   an2 .
2 n1
Soit P le nombre défini par P  a20   a12  a22  a23  a24  a25  . Donner l’approximation à 10-3 par excès. Vérifier
1
2
P1
que 2  0, 999 .
Ue
+
1
6. En utilisant la formule de Parseval, calculer  4
.
n=1n

TRAVAUX DIRIGÉS
SÉRIES NUMÉRIQUES
EXERCICE 1:
Etudier si les séries suivantes convergent ou divergent :
   n
sin2 (n) n2 2
 ;  ;  .
n1 3n
2
n 1 (2n)! n  0 n! ESESNUMERIQUES
EXERCICE 2:
3n  1 3n
Démontrer que les suites (un) (n >0) définie par un  2 et (vn) (n >0) définie par v n  2 sont
5n  4 5n
équivalentes. Déterminer si la série de terme général un est convergente ou divergente.
EXERCICE 3:

cos(n)
1. la série  est-elle absolument convergente ? Est-elle convergente ?
n1 n2

cos(n)
2. la série  est-elle absolument convergente ? Est-elle convergente ?
n1 n
EXERCICE 4:
Etudier la nature des séries de terme général un suivantes :
Règle de d’Alembert :
n2 (n  1)2 n! n
un  n ; un  ; un  n ; un  .
2 n! n n!
Comparaison de deux séries ou utilisation d’équivalent :

1
n1 n 1  1  n1  n n3
un  ; un  3 ; un  ; un  ln  1  ;
 n u  e n2
 1; un  ; un  .
n n 1 n(n  1)(n  2)  n n n(n  1)(n  2)
CALCULS DES COEFFICIENTS DE FOURIER
EXERCICE 5:
On considère la fonction f définie sur IR , de période 2 , telle que : f(t)  t si t -;  .
Soit an et bn les coefficients de Fourier de cette fonction.
1. Représenter la fonction f sur l’intervalle -2; 4 .
2. Justifier que pour tout n, an=0.
2(1)n1
3. Prouver que pour tout n > 0, bn  .
n
4. Écrire les cinq premiers termes de la série de Fourier associée à f.
EXERCICE 6:
On considère la fonction f définie sur IR , de période 4, impaire, telle que :

f(t)  t si t  0; 1

f(t)  t  2 si t 1; 2

1. Représenter la fonction f sur l’intervalle -2; 6 .
2. Quelles les valeurs des coefficients an ?
8  n 
3. Prouver que pour tout n > 0, bn  2 2 sin   .
n  2 
EXERCICE 7:
On considère la fonction f définie sur IR par: f(t)  cos(t) .
1. Représenter la fonction f sur l’intervalle -2; 4 .
2. Prouver que f est une fonction paire de période  .
3. Quelles les valeurs des coefficients bn ?

4. Calculer la valeur moyenne de f sur une période.
5. Prouver que pour tout n > 0, on a :
2  4(1)n
an   2 cos (2n  1)t   cos (2n  1)t  dt. En déduire que an  .
 0 (1  4n2 )
EXERCICE 8:
On considère la fonction f définie sur IR , de période 2 , paire, telle que :
  
 f(t)  cos(t) si t  0; 2 
  

  
 f(t)  0 si t   ; 2 
  2 
1. Représenter la fonction f sur l’intervalle 0; 4 .
2. Calculer les coefficients de Fourier de cette fonction.
CONVERGENCE DES DE FOURIER
EXERCICE 9:
Soit f, la fonction de l’exercice 5.
1. Montrer que la fonction f satisfait aux de Dirichlet. Suivant les valeurs de t, étudier la convergence de la
série de Fourier associée à f.
2. On considère la fonction g définie sur IR par g(t)  2sin(t)  sin(2t).
a. Expliquer pourquoi la fonction g réalise une approximation de la fonction f.
b. Prouver que g est une fonction impaire, de période 2 .
c. Prouver que g(t)  2(1  cos t)(1  2cos t) . Dresser le tableau de variation de g sur l’intervalle 0;  .
d. Représenter sur un même graphique les fonctions f et g sur l’intervalle 0; 2 .
EXERCICE 10:
1. Montrer que la série de Fourier associée à f converge vers f.

1 2
2. En calculant f(1) prouver que :  
n  0 (2n  1)
2
8
EXERCICE 11:
1. Montrer que la série de Fourier associée à f converge vers f.
2. En calculant des valeurs judicieuses de t, calculer les sommes des séries suivantes :

(1)n1 
1

n1 4n  1
2
et 
n 1 4n  1
2
.
2 4 4
3. On considère la fonction g définie sur IR par : g(t)   cos(2t)  cos(4t) .
 3 15
a. Expliquer pourquoi la fonction g réalise une approximation de la fonction f.
b. Prouver que g est une fonction paire, de période  .
8 4 
c. Prouver que g(t)  sin(2t)  cos(2t)  1  . Dresser le tableau de variation de g.
3 5 
d. Représenter sur un même graphique les fonctions f et g sur l’intervalle 0;  .
FORMULE DE PARSEVAL
EXERCICE 12:

1 2
En appliquant la formule de Parseval, montrer que  2  .
n 1 n 6
EXERCICE 13:

2
1 2 1
1. Prouver que si E est la valeur efficace de f sur une période, on a E2    f(t) dt  .
2 0 3

1
2. En déduire la valeur de la série suivante en utilisant la formule de Parseval :  .
n 0 (2n  1)
4

Chapitre 9:
ANALYSE COMBINATOIRE
1. ENSEMBLE FINI :
Un ensemble fini est un ensemble dont on peut compter le nombre d’éléments.
Exemple 1:
L’ensemble des élèves de notre école est fini.
Un ensemble qui n’est pas fini est infini. Par l’ensemble des nombres réels est infini.
2. CARDINAL D’UN ENSEMBLE FINI :
Soit E un ensemble fini. On appelle cardinal de E le nombre d’éléments de E. on le note Card(E).
Exemple 2:
E  1, 2,7,8,10,75  Card  E   6 et F  i  , 0  i  n  Card  F  n  1 avec n étant fixé
Remarque :
 Le cardinal d’un ensemble fini est unique.
 Card    0 .
3. PROPRIETES D’UN ENSEMLE FINIS :
Soit E un ensemble fini de cardinal n.
 Si A est un sous-ensemble de E alors Card  A   Card  E  .
 Si A et B deux sous-ensemble de E et A  B aussi est un sous-ensemble de E alors
Card  A  B  Card  A   Card  B  Card  A  B
Si A  B   alors Card  A  B  Card  A   Card  B
4. COMPLEMENTAIRE DE A DANS E :
CAE ou A est la notation du complémentaire de A dans E.
CAE  x  E; x  A
A  A   et A  A  E .
5. CARDINAL D’UN PRODUIT CARTESIEN :
Soit E un ensemble fini de cardinal n et F un ensemble fini de cardinal p. E  F   x, y  ; x  E et y  F  .
Card  E  F  n  p  CardE  CardF
6. PRINCIPE FONDAMENTAL
Lorsqu’un événement peut se réaliser suivant n1 manières, et qu’immédiatement après, un autre événement
peut se produire n2 façons, ainsi de suite jusqu’au k et dernier événement peut se produire nk façons, les k
événements peuvent alors se produire dans l’ordre considéré suivant n 1  n 2  .......  n k façons.
Exemple 3:
S’il ya 2 candidats au poste de député et 3 à celui de maire, les deux fonctions peuvent être occupées de
2  3  6 façons.
7. FACTORIELLE
La permutation est égale à tout ensemble de n éléments classé dans un ordre déterminé.
n ! = n  (n  1)  (n  2)  ..........  3  2 1
Deux permutations ne diffèrent que par l’ordre et seulement par l’ordre de leurs éléments.
Remarque :
 A nn  n!
 Par convention 0!  1.
 Le nombre de permutations de n éléments dont n1 sont identiques, n2 autres identiques,…, nk autres
n!
identiques est : où n  n1  n 2  ......  n k
n1!n 2!......n k!
Exemples 4:
 Le nombre de permutations des lettres a, b, c prises deux à deux est 3 ! =6 ; ces permutations sont ab, ac,
ca, bc, cb.

12!
 Le nombre de permutations des lettres du mot statistiques est :  6.652.800
3! 3! 1! 2! 1! 1! 1!
puisqu’il ya 3s, 3t, 1a, 2i, 1q, 1u, 1e.
8. P-LISTES D’ELEMENTS D’UN ENSEMBLE
Du principe fondamental lorsque n1=n2 =…..= nk = n et k = p, les p événements peuvent alors se produire
dans l’ordre considéré np façons.
Remarque :
n p représente le nombre de possibilités des choix successifs de p objets avec remise dans un ensemble à n
éléments.
Exemple 5:
Dans une urne de 10 boules, le nombre de possibilités de 3 tirages de boules avec remise est : 103=1000.
9. ARRANGEMENTS :
L’arrangement de n éléments pris p à p est égal à toute partie de p éléments pris parmi les n.
A pn  n  (n  1)  (n  2)  .......... (n  p +1 )
Deux arrangements diffèrent soit par l’ordre, soit par la nature des éléments.
Remarque:
 A pn représente le nombre de possibilités des choix successifs de p objets distincts parmi n objets.
n!
 A pn  .
 n  p !
Exemple 6:
Dans une course de 18 chevaux, le nombre de tiercés possibles, dans l’ordre est
18!
3
A18   18 17 16  4896
15!
10. COMBINAISONS :
La combinaison de n éléments pris p à p est égale à toute partie de p éléments pris parmi les n et placés dans
un ordre quelconque.
A pn n!
C pn  
p! p ! (n  p )!
Deux combinaisons ne diffèrent que par la nature de leurs éléments.
Exemple 7:
Dans un jeu de 32 cartes, le nombre de mains de 5 cartes ne comportant aucun as est C 528  98.280 . En
effet, il s’agit du nombre de 5 cartes choisies parmi les 28 cartes du jeu autres les 4 as.
Remarque :
Cpn Représente le nombre de possibilités des choix simultanés de p objets parmi n objets.
11. FORMULE DU BINOME DE NEWTON :
Soient a et b deux éléments et n un entier positif. Le développement de ( a  b ) n est donné par la formule
du binôme de Newton.
n
( a  b )n  C
k=0
k
n ak b n k
Exercice de synthèse :
1. Une agence de voyages veut organiser des circuits touristiques comprenant dans un ordre donné, les six
villes ivoiriennes : Abidjan, Divo, Gagnoa, Issia, Daloa, Man. Pour définir un circuit, on suppose que
chaque ville n’est visitée qu’une fois et on tient compte de l’ordre de visite de ces villes ; par exemple, le
circuit « Abidjan, Divo, Gagnoa, Issia, Daloa, Man » diffère du circuit « Man, Daloa, Issia, Gagnoa,
Divo, Abidjan ». Combien y-a-t-il de circuits possibles ?
2. Cette agence propose également des excursions permettant de visiter deux villes parmi les six villes
citées précédemment ; les excursions du type, par exemple ; Divo-Gagnoa et Gagnoa-Divo sont, pour
des raisons financières, considérées comme des excursions différentes. Combien y a-t-il d’excursions
différentes ?
3. En définitive, l’agence, pour la visite de deux villes déterminées, ne retient qu’une seule excursion (par

exemple, soit Daloa-Man, soit Man-Daloa). Combien, dans ces conditions, propose-t-elle d’excursions ?
Solution :
 Un circuit est déterminé par le choix d’un ordre de visite des villes mentionnés : il s’agit donc de
permutations. N1  6  5  4  3  2 1  720 . 720 circuits sont possibles.
 les excursions sont déterminées par le choix, dans un ordre déterminé, de deux villes parmi les six.
L’ordre et la nature des éléments interviennent. Il s’agit donc d’un arrangement d’ordre 2 parmi 6
éléments. N 2  A 6  6  5  30 .
2
 Si l’on ne tient plus compte de l’ordre de visite des villes. Il s’agit des combinaisons des 6 villes prises 2
6! 30
à 2. N 3  C6    15 .
2
2! 6  2  ! 2

TRAVAUX DIRIGÉS
EXERCICE 1:
On utilise les dix symboles de la numérotation décimale{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
1. Combien peut-on alors écrire de nombres de 4 chiffres ?
2. Combien peut-on alors écrire de nombres de 4 chiffres distincts ?
3. Combien peut-on alors écrire d’entiers de 4 chiffres dans lesquels un même chiffre est répétée 4 fois
(EX : 5555) ?
(EX : 5553) ?
(EX : 1550) ?
6. Déduire de ce qui précède le nombre d’entiers de 4 chiffres dans lesquels 2 mêmes chiffres sont répétés
2 fois (EX : 5544) ?
Attention : problème du zéro (0123 par exemple n’est pas un entier de de 4 chiffres !)
EXERCICE 2:
On considère un dé cubique dont les faces sont numérotées de 1 à 6. On lance trois fois de suite ce dé et on
note à chaque lancer le chiffre inscrit sur la face supérieure. On appelle résultat le triplet des trois chiffres
obtenus.
1. Combien y a-t-il de résultats possibles ?
2. Combien y a-t-il de résultats qui n’ont pas le chiffre 1 ?
3. Combien y a-t-il de résultats qui ont exactement deux fois le chiffre 1 ?
4. Combien y a-t-il de résultats qui ont moins une fois le chiffre 6 ?
5. Combien y a-t-il de résultats dont la somme des trois chiffres est égale à 9?
6. Combien y a-t-il de résultats dont les trois chiffres forment une suite arithmétique ?
EXERCICE 3:
En côte d’ivoire, du fait de la guerre, le phénomène des enfants de la rue a pris une proportion très
inquiétante. C’est pourquoi 5 ONG internationales et 4 ONG nationales ont décidé d’offrir aux enfants de la
rue un repas par jour. Pour la réussite de cette opération, les services sociaux décident de proposer un
calendrier hebdomadaire de prestation aux ONG.
On suppose que chaque ONG fait au plus une prestation par semaine.
1. On suppose dans cette partie que les jours de prestations des ONG ne sont pas encore attribués.
a. Combien de possibilités y a-t-il de désigner les 7 ONG de la semaine ?
b. Combien de possibilités y a-t-il de désigner les 7 ONG de la semaine si l’on veut 4 ONG internationales
et 3 ONG nationales ?
2. Les services sociaux se proposent d’attribuer un jour à chacune des ONG désignées pour la semaine.
Combien de possibilités y a-t-il d’attribuer les 7 jours de la semaine aux 9 ONG, sachant que les ONG,
sachant que les ONG internationales font leurs prestations les 4 premiers jours de la semaine et les ONG
nationales les 3 derniers jours ?
EXERCICE 4:
17 chevaux sont au départ d’un grand prix. Combien y a-t-il de tiercés possibles :
1. Au total ?
2. Dans lesquels les 3 chevaux de têtes sont dans l’ordre ?
3. Dans lesquels ils sont dans l’ordre ou dans le désordre ?
4. Dans le désordre ?
EXERCICE 5:
Un commerçant achète un coffre-fort dont l’ouverture est commandée par un code à 6 chiffres.
1. Calculer le nombre total de codes différents qu’il est possible d’avoir (le code 000 000 étant bien
entendu possible).
2. Calculer le nombre de codes composés de 6 chiffres différents.
3. Calculer le nombre de codes composés de 2 chiffres différents, l’un étant utilisé une fois, l’autre 5 fois.
4. Calculer le nombre de codes composés de 3 chiffres différents, chacun d’entre eux étant utilisé chacun
une fois, le troisième étant utilisé quatre fois.
EXERCICE 6:

Une association, comprenant 20 membres dont 12 hommes et 8 femmes, désire former un comité de 5
personnes, dans lequel doivent se trouver au moins 2 hommes et 2 femmes. Trouver de combien de façon
l’on peut former ce comité dans chacun des cas suivants :
1. Chaque membre de l’association accepte de faire partie du comité ;
2. Deux des hommes refusent d’en faire partie ;
3. MR Sylla et Mme Lago refusent de siéger ensemble.
EXERCICE 7:
Lors d’un voyage en compagnie de son fils Kouassi, Mme Konan emporte une glacière contenant 4 sachets
de passion, 3 sachets de jus d’orange et 3 sachets de jus de gingembre. Mme Konan informe son fils qu’il a
droit seulement à 3 sachets pour se désaltérer au cours du voyage : un sachet à 8h, un autre à 10h et un
dernier à 12h. A chaque heure indiquée, Kouassi prend au hasard un sachet dans la glacière. Les sachets sont
indiscernables au toucher.
1. Justifier qu’à la fin du voyage, Kouassi aura 720 façons de composer les sachets pour se désaltérer :
On considère les évènements suivants :
A : « Kouassi a bu des jus des trois variétés ».
B: « Kouassi a bu un jus de passion à 8h, un jus d’orange à 10h et un jus de gingembre à 12h».
C : « Kouassi a bu des jus d’une seule variété ».
D : « Kouassi a bu des jus d’au moins deux variétés ».
2. Déterminer le nombre de possibilités de chaque événement.
EXERCICE 8:
La puce d’un téléphone portable est munie d’un code de sécurité permettant l’accès au réseau d’une société
de téléphonie cellulaire. Ce code dénommé code PIN peut être modifié par l’utilisateur. Le code PIN est un
numéro de 4 chiffres choisi dans l’ensemble{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
Exemple de codes PIN : 0101 ; 0000 ; 7152.
1. Justifier que le nombre de codes PIN que la société peut attribuer est égal à 10 000.
2. Déterminer le nombre de codes PIN commençant par le nombre 24.
3. Déterminer le nombre de codes PIN composés à la fois des chiffres 0 ; 2 ; 4 et 8.
EXERCICE 9:
Une boîte contient dix lettres A, B, C, D, E, F, G, H, I, J matérialisées par dix billes. On extrait au hasard
quatre billes de la boîte pour constituer un échantillon de quatre lettres et on considère les trois événements
suivants :
E1 « on obtient quatre consonnes» ;
E2 « sur les quatre billes extraites, une seule est marquée avec consonnes» ;
E3 « on obtient au moins une voyelle».
Dénombrer ces trois événements dans les deux cas suivants :
1. Tirages successifs de quatre billes avec remise ;
2. Tirage simultané des quatre billes.
EXERCICE 10:
Au cours d’une kermesse organisée par une école, l’on a proposé stands A, B et C. Afin d’établir un bilan de
la participation des élèves aux différents stands, on a recueilli les informations suivantes :
 91 élèves ont participé au stand A ;
 74 élèves ont participé au stand B ;
 40 élèves ont participé au stand C ;
 35 élèves ont participé au stand A et B ;
 16 élèves ont participé au stand A et C ;
 14 élèves ont participé au stand B et C ;
 10 élèves ont participé aux trois stands.
1. Construire le diagramme de Venn résumant les résultats du bilan de participation des élèves à la
kermesse.
2. Déterminer le nombre d’élèves ayant participé uniquement :
a. Au stand A ;
b. Au stand B ;
c. Au stand C.
3. Combien d’élèves ont participé exactement à deux stands ?
4. Combien d’élèves n’ont pas participé à la kermesse sachant que l’effectif de l’école est 200 élèves ?
EXERCICE 11:

En côte d’ivoire, du fait de la guerre, le phénomène des enfants de la rue a pris une proportion très
inquiétante. C’est pourquoi 5 ONG internationales et 4 ONG nationales ont décidé d’offrir aux enfants de la
rue un repas par jour. Pour la réussite de cette opération, les services sociaux décident de proposer un
calendrier hebdomadaire de prestation aux ONG. On suppose que chaque ONG fait au plus une prestation
par semaine.
1. On suppose dans cette partie que les jours de prestations des ONG ne sont pas encore attribués.
a. Combien de possibilités y a-t-il de désigner les 7 ONG de la semaine ?
b. Combien de possibilités y a-t-il de désigner les 7 ONG de la semaine si l’on veut 4 ONG internationales
et 3 ONG nationales ?
2. Les services sociaux se proposent d’attribuer un jour à chacune des ONG désignées pour la semaine.
a. Combien de possibilités y a-t-il d’attribuer les 7 jours aux 9 ONG?
b. Combien de possibilités y a-t-il d’attribuer les 7 jours de la semaine aux 9 ONG, sachant que les ONG
internationales font leurs prestations les 4 premiers jours de la semaine et les ONG nationales les 3
derniers jours?

Chapitre 10: CALCULS DE PROBABILITÉS
On cherche la probabilité d’événements complexes, l’énumération des cas élémentaires est souvent difficile,
fastidieuse, ou l’un et l’autre. Pour faciliter la tâche, on utilisera les principes de base de l’analyse
combinatoire.
1. VOCABULAIRE DE BASE
Ensemble : un ensemble est constitué d’éléments. Leur nombre, s’il est fini, est le cardinal de l’ensemble.
soit A = a; b; c; d; e d'où cardA = 5
Expérience aléatoire : Une expérience est aléatoire lorsque son issue est imprévisible.
Exemple : on lance un dé.
L’univers : l’univers Ω est l’ensemble des résultats possibles (éventualités). Pour le lancer d’un dé
  1; 2; 3; 4; 5; 6
Evénement : Partie de l’univers notée A, B, C….  A, B, C   . P(Ω) est l’ensemble des événements de
l’univers Ω (A, B, C ϵ P(Ω)). L’ensemble des nombres impairs est A = {1, 3, 5} dans le cas du lancer de dé.
Evénement élémentaire : événement comportant une seule éventualité. Les ensembles {1}, {2}, {3}, {4},
{5}, {6} sont des événements élémentaires.
Evénement certain, impossible: respectivement Ω et Ø (ensemble vide).
Evénements contraires : A est l’événement contraire de A (ce sont des parties complémentaires dans
Ω ; on note symboliquement A = Ω – A). L’ensemble des nombres pairs est l’événement contraire de
l’ensemble des nombres impairs dans le cas de lancers de dé.
Evénement A ∩B : c’est l’événement A et B (A et B se réalise lorsque A et B se réalisent simultanément).
A  B  x  : x  A et x  B
Evénement A U B : c’est l’événement A ou B (A ou B se réalise lorsque l’un au moins des deux événements
se réalise. A  B  x  : x  A ou x  B
Evénements incompatibles : On dit que A et B sont incompatibles (c'est-à-dire ne peuvent pas se produire
simultanément) si A ∩B = Ø. Il est clair par exemple, que A et A sont incompatibles car on a toujours
AA  .
2. THEOREMES :
A B  A  B  A  AB  A  B
 A  ( B  C )  (A  B)  (A  C)  AB  A  B
 A  ( B  C )  (A  B)  (A  C)  A  (A  B)  (A  B)
 A B  B  A  A  B  B  A
3. PROBABILITE :
a. Définition :
Soit Ω un univers et P(Ω) l’ensemble des événements de cet univers. Une probabilité est une application p :
Ω → [0 ; 1] telle que :
1. p()  0
2. p()  1
3. p(A  B)  p(A)  p(B) si A et B sont incompatibles.
4. Si l’univers Ω est fini et si les événements élémentaires sont équiprobables, alors:
Card(A) nombre de cas favorables
p(A)   . Ainsi, la probabilité d’un événement A est la
Card() nombre de cas possibles
fréquence (au sens statistique) de A de Ω.
Exemple 1:
On tire deux cartes au hasard dans un jeu de 32 cartes. On cherche la probabilité d’obtenir deux rois. On est
bien dans le cadre de la probabilité uniforme avec Card()  C32 2
 496 . soit A l’événement aléatoire « on
obtient deux rois ». Puisque le jeu comporte 4 rois, le nombre de cas favorables est Card(A)  C24  6 .

Card(A) 6
Finalement on trouve p(A)    0,012 .
Card() 496
b. Propriété
Quels que soient les événements A et B.
 0  p(A)  1 ;
 p(A  B)  p(A)  p(B)  p(A  B) ;
 p(A)  1  p(A) ;
 si A  B alors p(A)  p(B) .
Exemple 2 : tirage avec remise
On lance 4 fois de suite une pièce de monnaie.
1. Quelle la probabilité d’obtenir 4 fois pile ?
2. Quelle la probabilité d’obtenir au moins une fois face au cours des quatre lancers ?
Solution :
Soit A « obtenir 4 fois pile » et B « obtenir au moins une fois face »
Card(A) 14 1
1. P(A)   4 .
Card() 2 16
1 15
2. A et B sont deux événements contraires donc P(B)  1  P(A)  1   .
16 16
3. Probabilité conditionnelle :
a. Définition :
La probabilité conditionnelle de A sachant que B est réalisé est le nombre noté p (A/B) défini par :
p  A  B
p  A / B 
p  B
On rencontre aussi la notation pB  A  .
b. Formule de probabilités composées :
Soient A et B deux événements aléatoires. Alors on a :
 p(A  B)  p(A) p(B/A) si p(A)  0 ;
 p(A  B)  p(B) p(A/B) si p(B)  0 .
c. Evénements indépendants :
Soient A et B deux événements. On dit que A est indépendant de B si : p(A∩B)= p(A) p(B)
Remarque :
 A est indépendant de B si et seulement si p (A/B) = p(A). C'est-à-dire la réalisation de B n’a d’influence
sur celle de A.
 A est indépendant de B si et seulement si p (B/A) = p(B). C'est-à-dire la réalisation de A n’a d’influence
sur celle de B.
Exemple 3 : Evénements indépendantsOn lance deux dés non pipés simultanément. On note :
A «la somme des chiffres est 8 » ;
B «le 1er dé a donné un chiffre pair » ;
C «le 2ème dé a donné un chiffre pair ».
1. Calculer P(A), P(A⋂B), P (B/A) et P(B⋂C).
2. Les événements B et C sont-ils indépendants ?
Solution :
1er lancer 1 2 3 4 5 6
2ème lancer
1 (1 ; 1) (1 ; 2) (1 ; 3) (1 ; 4) (1 ; 5) (1 ; 6)
2 (2 ; 1) (2 ; 2) (2 ; 3) (2 ; 4) (2 ; 5) (2 ; 6)
3 (3 ; 1) (3 ; 2) (3 ; 3) (3 ; 4) (3 ; 5) (3 ; 6)
4 (4 ; 1) (4 ; 2) (4 ; 3) (4 ; 4) (4 ; 5) (4 ; 6)
5 (5 ; 1) (5 ; 2) (5 ; 3) (5 ; 4) (5 ; 5) (5 ; 6)
6 (6 ; 1) (6 ; 2) (6 ; 3) (6 ; 4) (6 ; 5) (6 ; 6)

1.
A = (2; 6); (6; 2); (3; 5); (5; 3); (4; 4) , B = 2; 4; 6 1; 2; 3; 4; 5; 6 , A  B = (2; 6); (6; 2); (4; 4)
et B  C = 2; 4; 6 2; 4; 6 . Card() = 6  6 = 36 .
Card(A  B) 3
Card(A) 5 3 1 P(A  B) 3
P(A) = = , P(A  B) = =  , P(B/A) = = 36  et
Card() 36 Card() 36 12 P(A) 5 5
36
Card(B  C) 9 1
P(B  C) = = 
Card() 36 4
Card(B) 18 1 Card(C) 18 1 1
2. P(B) = =  , P(C) = =  et P(B)  P(C) = = P(B  C) par
Card() 36 2 Card() 36 2 4
conséquent B et C sont indépendants.
d. Formule de probabilités totales :
On appelle système complet d’événements toute famille A1 , A2 ,....., An  d’événements deux à deux
incompatibles tels que :
 p(Ai ) >0, i  1, 2,...,n
n
  p(A )  1
i 1
i
On dit aussi que les événements Ai forment une partition de Ω :

   Ai
i
 Ai  A j   pour i  j
n
Si on décompose un événement B quelconque sur cette partition de Ω, on a : B   Ai  B
i 1
D’où on obtient la formule des probabilités totales :
n
p  B   p  A1  B   p  A 2  B   .............  p  A n  B    p  Ai  B 
i 1
n
p  B  p  A1  p  B/A1   p  A 2  p  B/A 2   .......  p  A n  p  B/A n    p  Ai  p  B/Ai 
i 1
e. Formule de Bayes :
Si B est un événement tel que P(B)>0 et un système complet d’événements, la formule de Bayes s’écrit :
p(Ai ) p(B / Ai )
p(Ai / B) 
p(A1 ) p(B/A1 )  p(A 2 ) p(B/A 2 )  ..............  p(A n ) p(B/A n )
Exemple 4 :
On a une pièce mécanique qui est fabriquée soit par l’usine 1, 2 ou 3. On suppose que 25% (respectivement
30% et 45%) de la production provient de l’usine 1 (respectivement l’usine 2 et 3). On suppose que 10%
(respectivement 2% et 5%) des pièces produites par l’usine 1 (respectivement l’usine 2 et 3) sont
défectueuses.
1. On prend une pièce, quelle est la probabilité pour qu’elle soit défectueuse ?
2. On tire une pièce au hasard. On constate qu’elle est défectueuse. Quelle est la probabilité pour cette
pièce provienne de l’usine 1.
Solution :
Soient Ui « la pièce choisie provient de l’usine i » et D « la pièce choisie est défectueuse ».

D
0,10
U1
0,90
D
0,25
D
0,02
0,3 U2
0,98
D
0,45
D
0,05
U3
0,95
D
1.
P(D)  P(U1  D)  P(U2  D)  P(U3  D)  P( D U1 )P(U1 )  P( D U 2 )P(U 2 )  P( D U3 )P(U3 )
P(U1 )  0,25; P( D U1 )  0,10; P(U2 )  0,3; P( D U2 )  0,02; P(U3 )  0, 45; P( D U3 )  0,05
P(D)  0,25  0,10 + 0,3  0,02 + 0,45  0,05  0, 0535 .
2.
P(U1 ) p(D / U1 ) 0,10  0,25
P(U1 / D) = = = 0, 467.
P(D) 0,0535

TRAVAUX DIRIGÉS
EXERCICE 1:
Lors d’un voyage en compagnie de son fils KOUASSI, Mme Konan emporte une glacière contenant 4
sachets de passion, 3 sachets de jus d’orange et 3 sachets de jus de gingembre. Mme Konan informe son fils
qu’il a droit seulement à 3 sachets pour se désaltérer au cours du voyage : un sachet à 8h, un autre à 10h et un
dernier à 12h. A chaque heure indiquée, KOUASSI prend au hasard un sachet dans la glacière. Les sachets
sont indiscernables au toucher.
1. Justifier qu’à la fin du voyage, KOUASSI aura 720 façons de composer les sachets pour se désaltérer :
On considère les évènements suivants :
A : « KOUASSI a bu des jus des trois variétés ».
B: « KOUASSI a bu un jus de passion à 8h, un jus d’orange à 10h et un jus de gingembre à 12h».
C : « KOUASSI a bu des jus d’une seule variété ».
D : « KOUASSI a bu des jus d’au moins deux variétés ».
2.
a. Vérifier que la probabilité de l’évènement A est égale à 0,3.
b. Calculer la probabilité de l’évènement B.
3.
a. Calculer la probabilité de l’évènement C.
b. En déduire que la probabilité de l’évènement D est égale à 0,95.
EXERCICE 2:
Dans le club scientifique d’un lycée, on peut s’inscrire dans au moins l’une des disciplines suivantes :
Informatique, Economie et Mathématiques.
Parmi les 76 élèves inscrits au club,
 16 sont inscrits uniquement en Mathématiques ;
 8 sont inscrits uniquement en Economie ;
 1élève est inscrit uniquement en Informatique.
Par ailleurs :
 29 élèves sont inscrits à la fois en Mathématiques et en Informatique ;
 30 élèves sont inscrits à la fois en Informatique et en Economie ;
 26 élèves sont inscrits à la fois en Economie et en Mathématiques.
On désigne par x le cardinal de l’ensemble des élèves qui se sont inscrits dans les trois disciplines.
2. Traduire cette situation par un diagramme.
3.
a. Démontrer que x = 17.
b. Déterminer le cardinal de l’ensemble des élèves qui se sont inscrits en :
 Mathématiques ;
 Economie ;
 Informatique.
4. Dans ce club on veut former un comité composé d’un président, d’un vice-président et d’un secrétaire.
a. Combien de différents comités peut-on former ?
b. Sachant qu’il y a 8 filles inscrites à la fois dans les trois disciplines, quelle est la probabilité pour que la
présidence de ce comité soit assurée par une fille, dans l’hypothèse d’une probabilité uniforme ?
EXERCICE 3:
La puce d’un téléphone portable est munie d’un code de sécurité permettant l’accès au réseau d’une société
de téléphonie cellulaire. Ce code dénommé code PIN peut être modifié par l’utilisateur. Le code PIN est un
numéro de 4 chiffres choisi dans l’ensemble{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
Exemple de codes PIN : 0101 ; 0000 ; 7152.
PARTIE A :
1. Justifier que le nombre de codes PIN que la société peut attribuer est égal à 10 000.
2. Déterminer le nombre de codes PIN commençant par le nombre 24.
3. Déterminer le nombre de codes PIN composés à la fois des chiffres 0 ; 2 ; 4 et 8.
PARTIE B:

Kadio offre une puce de cette société de téléphonie cellulaire à son épouse Angèle âgée de 24 ans. Au
moment d’utiliser sa puce, Angèle veut s’attribuer un nouveau code PIN. Elle décide alors de former au
hasard son code, en utilisant en priorité les chiffres de son âge.
1. Calculer la probabilité pour que le code d’Angèle commence par 24.
2. Justifier que la probabilité pour qu’Angèle compose un code formé de chiffres distincts rangés dans
l’ordre croissant et où l’on retrouve le nombre indiquant son âge est égale 0,0021.
EXERCICE 4:
On dispose de deux dés cubiques non truqués et homogènes :
• l’un est bleu et a ses faces numérotées de 1 à 6,
• l’autre est rouge et a trois faces numérotées chacune 1, deux faces numérotées chacune 2 et une face
numérotée 3.
a. On lance le dé rouge seulement :
a. Quelle est la probabilité d’obtenir une face numérotée 2 ?
b. Quelle est la probabilité d’obtenir un nombre impair ?
b. On lance les deux dés et on forme un nombre de deux chiffres de la manière suivante :
Le chiffre inscrit sur la face supérieure du dé bleu donne le chiffre des dizaines et le chiffre inscrit sur la face
supérieure du dé rouge donne le chiffre des unités.
a. Faire un tableau à double entrée donnant tous les tirages possibles.
b. Calculer la probabilité de l’événement A : « Obtenir le nombre 11 ».
c. Calculer la probabilité de l’événement B : «Obtenir un nombre dont le chiffre des dizaines est 3».
d. Calculer la probabilité de l’événement C : « Obtenir un nombre pair ».
e. Calculer la probabilité de l’événement D : « Obtenir un nombre supérieur ou égal à 42 ».
EXERCICE 5:
Une boîte contient dix lettres A, B, C, D, E, F, G, H, I, J matérialisées par dix billes. On extrait au hasard
quatre billes de la boîte pour constituer un échantillon de quatre lettres et on considère les trois événements
suivants :
E1 « on obtient quatre consonnes» ;
E2 « sur les quatre billes extraites, une seule est marquée avec consonnes» ;
E3 « on obtient au moins une voyelle».
Calculer les probabilités de ces trois événements dans les deux cas suivants :
1. Tirages successifs de quatre billes avec remise ;
2. Tirage simultané des quatre billes.
EXERCICE 6:
On classe les gérants de portefeuille en deux catégories ceux qui sont bien informés et ceux qui ne le sont
pas. Lorsqu’un gérant bien informé achète une valeur boursière pour son client, la probabilité que le cours de
celle-ci monte est de 0,8 ; dans le cas d’un gérant mal informé, cette probabilité ne vaut que 0,5. On choisit
au hasard un gérant dans un annuaire professionnel, la probabilité qu’il soit bien informé est de 0,2. Calculer
la probabilité que le gérant ainsi choisi soit mal informé sachant que la valeur qu’il a achetée a monté.
EXERCICE 7:
1. Un laboratoire a mis au point un test pratiqué par un « détecteur de mensonges » au cours d’une
KERMESSE où les jeunes gens se rencontrent. Quand un jeune ment le test est positif dans le cas
contraire le test est négatif.
 Lorsqu’un couple de sexe opposé se rencontre, pour 68% le test positif.
 Lorsqu’un couple de même sexe se rencontre, pour 24% le test positif.
Sachant que dans ce quartier 66% de jeunes couples de sexes opposés se forment au cours des KERMESS ;
calculer la probabilité qu’une rencontre du quartier dont le test de mensonge s’est révélé positif ne soit pas
un couple de sexes opposés. (Indication : théorème de BAYES).
2. A cause du détecteur de mensonge, les comportements ont changé dans le quartier et le pourcentage
moyen de couples mixtes testés positifs est de 8% par mois, le nombre de couple testés positif par mois
suit une loi de poisson. Chaque couple a la même probabilité pour être testé sur un mois :
a. Aucun couple ne soit testé positif.
b. Trois couples soient testés positifs.
c. Au moins 2 couples soient testés positifs.
d. Plus de 3 couples soient testés positifs.
EXERCICE 8:

Soit un dé dont les faces sont numérotées de 1 à 6. On désigne pi la probabilité d’apparition de la face
numérotée i lors d’un lancer du dé. Ces probabilités sont telles que :
1
 P1, P2, P3 sont, dans cet ordre, les termes consécutifs d’une suite géométrique de raison .
2
1
 P4, P5, P6 sont, dans cet ordre, les termes consécutifs d’une suite arithmétique de raison .
8
 2p1  3p4
1. Calculer les probabilités P1 et P2. Calculer ensuite P3, P4, P5 et P6.
2. Calculer la probabilité d’obtenir un nombre pair lors d’un lancer du dé.
EXERCICE 9:
Une entreprise de prêt à porter utilise dans son atelier de coupe deux machines M1 et M2 ; les pièces
découpées sont stockées sans distinction de provenance. La machine M1 découpe 60% des pièces ; 5% de
ces sont défectueuses. La machine M2 découpe 40% des pièces ; 2,5% de ces pièces sont défectueuses. On
notera E1 l’événement « la pièce a été découpée par M1 » et on notera E2 l’événement « la pièce a été
découpée par M2 ». on notera D l’événement « la pièce est défectueuse ».
1. On prélève une pièce au hasard de la production totale.
a. Quelle est la probabilité d’obtenir une pièce défectueuse provenant de M1 ?
b. Quelle est la probabilité d’obtenir une pièce défectueuse provenant de M1 ?
c. En déduire que la probabilité de D est 0,04 ?
2. On prélève une pièce, on s’aperçoit qu’elle est défectueuse. Calculer la probabilité qu’elle provienne de
M1.
(Résultats à donner sous forme de la valeur décimale approchée à 0,01 près).

Chapitre 11: VARIABLES ALEATOIRES DISCRETES
1. VARIABLES ALEATOIRES
Soit  un univers fini à N éventualités,  = ω1, ω2 , ......, ωN   N  . On appelle variable aléatoire
toute application X de  dans .
X:  
ωk xi où k  1, 2, ...., N
x i est appelé valeur de la variable aléatoire X.
2. VARIABLES ALEATOIRES DISCRETES
Lorsque l’univers  est fini, la variable aléatoire X est dite discrète.
3. LOI DE PROBABILITES DISCRETES:
L’ensemble des couples (xi ; P(X  xi )) avec i  1, 2, ...., n constitue la loi de probabilité de la variable
aléatoire X qui est le plus souvent consigné dans le tableau ci-dessous :
X = xi x1 x2 ……………… xn
P( X = xi ) p1 p2 ……………… pn
n
Remarque : Soit p(X = xi) = pi et de plus, p
i =1
i 1
4. ESPERANCE MATHEMATIQUE, VARIANCE ET ECART-TYPE :

 On appelle espérance mathématique de la variable aléatoire X le nombre réel, noté E(X) défini par :
n
E(X)   x i pi
i=1
 On appelle variance de la variable aléatoire X le nombre réel positif, noté V(X) définie
n n
par : V(X)  E  X  E(X)      x i  E(X)  pi   x p   E(X)   E(X 2 )   E(X) 
2 2 2 2 2
  i=1 i=1
i i
 L’écart-type de cette loi, noté (X), est la racine carrée de la variance : σ(X)  V(X) .
5. PROPRIETES :
Soit k une constante.
 E(X + k )  E(X) + k  E(k X)  k E(X)
 V(X + k )  V(X)  V(k X)  k 2 V(X)  σ(k X)  k σ(X)
6. FONCTION DE REPARTITION :
a. Définition :
On appelle fonction de répartition de la variable aléatoire X l’application F définie par :
F:  0; 1
x F(x)  P  X  x 
F(x) est la probabilité de l’événement « obtenir une valeur de X inférieure ou égale à x ».
b. Propriétés :
Soit a et b deux nombres réels
 P(X > a )  1  P(X  a)  1  F(a)
 P(a < X  b )  P(X  b)  P(X  a)  F(b)  F(a) .
 La fonction F est croissante.
 Si x < x1 , F(x)  0 ; si x  x n , F(x)  1 .
Exemple 1:
Deux urnes U1 et U2 contiennent trois boules numérotées respectivement 1, 2, 3 et 2, 3, 4. On tire au hasard
une boule dans chaque urne et on effectue le produit X des numéros tirés.
1. Déterminer la loi de probabilité de X et tracer le graphe de sa fonction de répartition F.
2. Calculer E(X), V(X) et σ(X) .

Solution :
U2 2 3 4
U1
1 2 3 4
2 4 6 8
3 6 9 12
1. Les valeurs prises par X : X = 2; 3; 4; 6; 8; 9; 12 . La loi de probabilités est :
xi 2 3 4 6 8 9 12 Total
pi 1 1 2 2 1 1 1 1
9 9 9 9 9 9 9
xi pi 2 3 8 12 8 9 12 54
9 9 9 9 9 9 9 9
2 4 9 32 72 16 81 144 406
x i pi
9 9 9 9 9 9 9 9
La fonction de répartition F:
y
Echelle: abscisse: 1cm correspond à 1
9 ordonnée: 1cm correspond à 1 / 9
8
-2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 x
-1
54
2. E(X) =  x i pi  9
6
406 2
V(X) =  x i2 pi   E(X)   σ(X) =
2
 6  9,11 ; V(X) = 9,111  3,02
9
7. LOIS DE PROBABILITES DISCRETES
a. Epreuve de Bernoulli :
On appelle épreuve de Bernoulli une épreuve ayant deux éventualités. Où l'éventualité S « succès » est de
probabilité p et l'éventualité S « échec » est de probabilité 1  p .
b. Loi binomiale :
On considère un schéma de Bernoulli consistant en la répétition n fois de façons indépendantes d’une même
épreuve de Bernoulli pour laquelle la probabilité du succès S est p .
On note X la variable aléatoire égale au nombre de succès obtenus sur les n répétitions,
pour tout k  tel que 0  k  n , P(X  k)  Ckn  p k  (1  p) n k .
On dit que la variable aléatoire X suit une loi binomiale de paramètres n et p, notée en abrégé B (n , p)
n
Remarque :  p(X  k)  1 ; E( X)  n  p ; V(X)  n  p  (1  p) ; σ(X)  n  p  (1  p) .
k 1
c. Loi de Poisson :
Une variable aléatoire X à valeurs dans suit une loi de Poisson de paramètre λ ( λ  0 ), notée en abrégé
λ k λ
P   si la loi de probabilité de X est définie par : P(X  k)  e pour tout k  .
k!
Les caractéristiques sont : E(X) = λ ; V(X) = λ ; σ(X) = λ .

d. Approximation de la loi binomiale B(n, p) par la loi de Poisson P(λ)
Pour n « assez grand»  n  30  et pour p « voisin » de 0,  p  0,1 tels que np(1  p)  10 , on peut
approcher la loi binomiale B(n, p) par la loi de Poisson P(λ), où λ = n p .
λk λ
On a alors : P(X = k)  e
k!
Exemple 2:
Une fabrique de tubes électroniques produit en moyenne 1% de tubes défectueux. On considère une
commande de 300 tubes et on appelle X la variable aléatoire égale au nombre de tubes défectueux parmi ces
300.
1. Quelle est la loi de probabilité de X ?
2. Déterminer le nombre moyen de tubes défectueux.
3. Démontrer que cette loi peut être approchée par une loi de poisson dont on précisera le paramètre.
4. Calculer, en utilisant cette approximation, la probabilité pour que, parmi les 300 tubes livrés, il y en ait
moins de quatre défectueux (strictement).
Solution :
1. La variable aléatoire X qui désigne le nombre de tubes défectueux suit deux issues contraires :
 Le succès « le tube est défectueux » de probabilité p= 0,01.
 L’échec « le tube n’est pas défectueux » de probabilité q= 0,99.
Cette expérience est répétée 300 fois dans des conditions identiques et indépendantes. Donc X suit la loi
binomiale de paramètres n =300 et p = 0,01.
2. E(X) = np = 300×0,01 = 3 donc le nombre moyen de tubes défectueux est 3.
3. n= 300, p =0,01 et np(1  p)  2,97 donc n > 30, p  0,1 et np(1  p)  10 par conséquent la loi X
peut être approchée à la loi de poisson de paramètre λ  n  p  3 .
4. P(X<4)= P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0,05+0,149+0,224+0,224=0,647.
D’après la table, On pouvait trouver ce résultat par calcul qui est:
30  3 31 3 32 3 33 3
P  X < 4 = e  e  e  e  13e3  0, 647
0! 1! 2! 3!

TRAVAUX DIRIGÉS
EXERCICE 1:
Dans Ouédraogo et frères, on a établi, sur une longue période, que le nombre de personnes absentes (xi ) par
semaine pouvait être régi par la loi de probabilité suivante :
xi 0 1 2 3 4 5 6 7
P(X = xi) 0,05 0,09 0,15 0,34 0,21 0,12 0,03 0,01
1. Déterminer le taux moyen d’absentéisme.
2. Calculer la variance et l’écart-type de la variable « nombre de personnes absentes par semaine ».
3. S’il en coûte à l’entreprise 6 000 FCFA chaque fois qu’une personne est absente, déterminer le coût
moyen hebdomadaire ainsi que la variance et l’écart-type.
EXERCICE 2:
Dans un garage, le nombre de voitures vendues en une semaine suit la loi de Poisson de paramètre 8.
1. Déterminer la probabilité des évènements :
a. 8 voitures ont été vendues au cours d’une semaine.
b. Au moins deux voitures ont été vendues en une semaine.
2. Plus de 8 voitures ont été vendues dans la semaine. Quelle est la probabilité qu’il y ait eu 12 ventes ?
3. Quelle est la probabilité qu’il y ait eu au moins 6 et au plus 10 voitures vendues en une semaine ?
4. Quelle est la probabilité que l’on vende moins de 16 voitures sachant que l’on en vendra plus de 8 ?
EXERCICE 3:
Dans cet exercice, les probabilités seront arrondies au centième.
Partie A
Un grossiste achète des boîtes de thé vert chez deux fournisseurs. Il achète 80% de ses boîtes chez le
fournisseur A et 20% chez le fournisseur B.
10% des boîtes provenant du fournisseur A présentent des traces de pesticides et 20% de celles provenant du
fournisseur B présentent aussi des traces de pesticides.
On prélève au hasard une boîte du stock du grossiste et on considère les évènements suivants :
 évènement A : « la boîte provient du fournisseur A » ;
 évènement B : « la boîte provient du fournisseur B » ;
 évènement S : « la boîte présente des traces de pesticides ».
1. Traduire l’énoncé sous forme d’un arbre pondéré.
2.
a. Quelle est la probabilité de l’évènement B ∩S ?
b. Justifier que la probabilité que la boîte prélevée ne présente aucune trace de pesticides est égale à 0,88.
3. On constate que la boîte prélevée présente des traces de pesticides.
Quelle est la probabilité que cette boîte provienne du fournisseur B?
Partie B
Le gérant d’un salon de thé achète 10 boîtes chez le grossiste précédent. On suppose que le stock de ce
dernier est suffisamment important pour modéliser cette situation par un tirage aléatoire de 10 boîtes avec
remise.
On considère la variable aléatoire X qui associe à ce prélèvement de 10 boîtes, le nombre de boîtes sans trace
de pesticides.
1. Justifier que la variable aléatoire X suit une loi binomiale dont on précisera les paramètres.
2. Calculer la probabilité que les 10 boîtes soient sans trace de pesticides.
3. Déterminer la moyenne de boîtes qui ne présentent aucune trace de pesticides.
EXERCICE 4: (extrait de BTS FC de la session 2009)
Une avenue comporte 15 intersections munies chacune d’un feu tricolore. Pour chacun de ces feux, le rouge
dure 35 secondes, l’orange 5 secondes et le vert 20 secondes. Un automobiliste décide de parcourir cette
avenue, de bout en bout.
1. Quelle est la probabilité de trouver à une de ces intersections :
a. Le feu au vert.
b. Le feu au rouge.
c. Le feu à l’orange.
2. L’arrêt est obligatoire à une intersection si le feu est au rouge ou à l’orange. Quelle est pour cet
automobiliste, la probabilité de s’arrêter à une intersection ?

2
3. On suppose que les 15 feux fonctionnent de façon indépendante, et que la probabilité de s’arrêter est .
3
Soit X le nombre d’arrêts pour cet automobile qui parcourt cette avenue.
a. Montrer que X suit une loi binomiale B (n ; p) que l’on précisera.
b. Calculer la probabilité pour cet automobiliste de :
 Ne s’arrêter aucune fois.
 S’arrêter exactement deux fois.
 S’arrêter au moins 3 fois.
4. Combien de fois en moyenne, s’arrêtera- t- il probablement de la 1er à la 15ème intersection ?
Une entreprise fabrique par jour, des jouets qu’elle conditionne dans des sacs appropriés à raison de 100
jouets par sac. La probabilité qu’un jouet qu’elle fabrique soit défectueux est de 0,05. On désigne par X la
variable aléatoire « X égale au nombre de jouets défectueux conditionné dans un sac ».
1. montrer que X suit une loi binomiale dont on précisera les paramètres.
2. Déterminer le nombre de jouets défectueux que pourrait contenir en moyenne un sac de jouets fabriqués
par cette entreprise.
3. Montrer que la loi binomiale que suit la variable aléatoire X, peut être approchée par une loi de poisson
dont on précisera le paramètre.
4. Utiliser la loi de Poisson pour calculer la probabilité de chacun des événements suivants :
A : « il y a exactement 2 jouets défectueux parmi les jouets conditionnés dans 1 sac».
B : « il y a au plus 4 jouets défectueux parmi les jouets conditionnés dans 1 sac».
C : « il y a au moins 5 jouets défectueux parmi les jouets conditionnés dans 1 sac».
5. Quel serait le chiffre d’affaire moyen d’un commerçant, qui revendrait au prix unitaire de 15 000F les
jouets contenus dans un sac ?
EXERCICE 6:
1. Un laboratoire a mis au point un test pratiqué par un « détecteur de mensonges » au cours d’une
KERMESS où les jeunes gens se rencontrent. Quand un jeune ment le test est positif dans le cas
contraire le test est négatif.
 Lorsqu’un couple de sexe opposé se rencontre, pour 68% le test positif.
 Lorsqu’un couple de même sexe se rencontre, pour 24% le test positif.
Sachant que dans ce quartier 66% de jeunes couples de sexes opposés se forment au cours des KERMESS ;
calculer la probabilité qu’une rencontre du quartier dont le test de mensonge s’est révélé positif ne soit pas
un couple de sexes opposés. (Indication : théorème de BAYES).
2. A cause du détecteur de mensonge, les comportements ont changé dans le quartier et le pourcentage
moyen de couples mixtes testés positifs est de 8% par mois, le nombre de couple testés positif par mois
suit une loi de poisson. Chaque couple a la même probabilité pour être testé sur un mois :
a. Aucun couple ne soit testé positif.
b. Trois couples soient testés positifs.
c. Au moins 2 couples soient testés positifs.
d. Plus de 3 couples soient testés positifs.
EXERCICE 7:
Le nombre de magnétoscopes vendus en une semaine dans un magasin est une variable X dont la loi est
donnée dans le tableau ci-après :
xi 0 1 2 3
X= xi 0,2 0,4 ……. 0,1
1. Calculer P(X=2), puis E(X) et V(X).
2. Déterminer la loi de probabilité de la variable Y représentant le nombre de magnétoscopes vendus en
deux semaines consécutives puis calculer E(Y) et V(Y). pouvait-on obtenir ces deux valeurs
directement ?
EXERCICE 8:
On effectue deux tirages sans remise dans une urne contenant six boules dont trois blanches, deux rouges et
une noire.
Déterminer la loi de probabilité des variables X et Y représentant le nombre de boules tirées, respectivement
blanches et noires.

La société PADOUS fabrique des pièces pour des machines utilisées pour la production du café en poudre.
La norme imposée par les clients est de deux pièces défectueuses sur 500 pièces. Le contrôleur de la société
PADOUS prélève un échantillon de 1 000 pièces d’une série. Soit X la variable aléatoire « égale au nombre
de pièces défectueuses » dans cet échantillon.
1. Montrer que X suit une loi binomiale dont on précisera les paramètres.
2. Déterminer :
a. Le nombre moyen M de pièces qui pourraient être défectueuses ;
b. Le meilleur encadrement du nombre n de pièces, avoisinant M.
3. Peut-on approximer cette loi par une loi de POISSON ? justifier la réponse.
4. En déduire la probabilité de chacun des événements suivant :
A : « il n’y a aucune pièce défectueuse ».
B : « il y a au moins 4 pièces défectueuses ».
EXERCICE 10: (extrait de BTS FC de la session juillet 2005)
Soit X une variable aléatoire définie sur l’univers  d’une épreuve donnée telle que
X    x1 , x 2 , x3 , x 4 , x5 , les x i étant dans l’ordre croissant. On donne le tableau ci-dessous qui définit
la loi de probabilité f de X.
1. Déterminer le réel a.
2. On donne x 4  7 . Déterminer les autres de X sachant que les x i sont en progression arithmétique, et que
l’espérance mathématique de X est 5,8.
3. Déterminer et construire la fonction de de répartition de X.
4. Calculer la variance et l’écart type de X.
EXERCICE 11: (extrait de BTS FC de la session juillet 2016)
Une entreprise emploie 100 personnes. Une étude statistique a permis d’admettre qu’un jour donné, la
probabilité qu’un employé donné s’absente est de 0,05. On admet que les absences des employés survenues
un jour donné, sont indépendantes les unes des autres. Soit X la variable aléatoire qui à chaque jour, associe
le nombre d’employés absents.
1. Expliquer pourquoi X suit une loi binomiale. Donner les paramètres de cette loi.
2. Quelles sont les caractéristiques de cette loi ?
3. Quel est le nombre moyen d’employés absents un jour donné ?
4. Calculer les probabilités des événements suivants :
a. E1 « un jour donné, il y a exactement trois absents »
b. E2 « un jour donné, il y a plus de deux absents »
5. Peut-on approcher cette loi binomiale par une loi de poisson ? justifiez la réponse.
6. En utilisant l’approximation, calculer les probabilités des événements suivants :
a. E3 « un jour donné, il y a exactement trois absents »
b. E4 « un jour donné, il y a plus de deux absents »

Chapitre 12: VARIABLES ALEATOIRES CONTINUES
1. VARIABLES ALEATOIRES CONTINUES
Soit  un univers. On dit qu’une variable aléatoire X est continue si l’ensemble des valeurs de X est un
intervalle  donné de .
2. FONCTION DE REPARTITION D’UNE VARIABLE ALEATOIRE CONTINUE :
a. Définition :
On appelle fonction de répartition de la variable aléatoire X l’application F définie par :
F:  0; 1
x F(x) = P  X  x 
b. Propriétés :
Soit a et b deux nombres réels sur un intervalle
 P(X > a )  1  P(X  a) = 1  F(a)
 P(a < X  b )  P(X  b)  P(X  a)  F(b)  F(a) .
 La fonction F est croissante.
 lim F(x) = 0 et lim F(x) = 1;
x   x 
 La fonction F est continue sur un intervalle  de .
3. DENSITE DE PROBABILITE :
a. Définition :
Une fonction f définie sur est une densité de probabilité si :
 Pour tout réel x : f(x)  0 ;
 f est continue sauf éventuellement en un nombre fini de points ;

 -  f(x)dx = 1 .
b. Propriété :
Soit X une variable aléatoire continue et F la fonction de répartition de X.
 La dérivée de F sur est une densité de probabilité de X notée f.
 La fonction F est la primitive de f suivante :
t
F(t) = P(X  t) =  f(x)dx
-
F(t) est l’aire de la surface délimitée par la courbe représentative de la densité f, l’axe des abscisses et la
droite d’équation x = t.
4. ESPERANCE MATHEMATIQUE, VARIANCE ET ECART-TYPE
 L’espérance mathématique d’une variable aléatoire continue X est le nombre réel, noté E(X), défini par :
+
E(X) =  xf(x)dx .
-
 On appelle variance de X le nombre réel positif, noté V(X), défini par :
2 + 2
V(X)  E(X 2 )   E(X)    x f(x)dx   E(X)
2
 l’écart type de X, noté   X  , est la racine carré de la variance :   X   V(X)

Exemple 1:
Soit a  , a > 0 et soit X la variable aléatoire continue de densité de probabilité f avec :
ax  4  x  si 0  x  4
f(x) = 
0 sinon
1. Trouver a afin que X suive bien une loi de probabilité.
2. Calculer l’espérance et la variance de X.
3. Déterminer la fonction de répartition de X.
4. Calculer les probabilités suivantes P(X=2) ; P(X< 2) ; P (2<X<3).
Solution :
1. On a toujours :

4
  x3  3
 f(x)dx  1  a  2x 2    1 D'où a 
 3 
0
32
4
  4x 3 x 4  64a
2. E(X)   xf(x)dx = a    = =2

 3 4 
0
3
4
  2 x5  24 4
V(X)   x f(x)dx   E(X)  = a  x 4    22 =
2
4 =

 5 
0
5 5
x
3. Si F est la fonction de répartition de X, on a pour tout x  , F(x) = P(X  x) = -  f(t)dt . Par suite :
0 si x  0

3 x3 
F(x) =   2x 2   si 0  x  4
 3 
 32 
1 si x  4

4. P(X=2)=0 en effet pour une variable aléatoire continue, la densité de probabilité en un point est nulle.
27 1
P(X<2)=F(2)=0,5 et P (2<X<3)=F(3)-F(2)=   0,34375 .
32 2
5. Lois de probabilités continues :
a. Loi normale ou loi de Laplace-Gauss :
La loi de probabilité d’une variable aléatoire continue X suit la loi normale ou loi de Laplace Gauss de
paramètres m et  , notée N(m, σ) , si la densité de probabilité f est définie par :
2
1  x m 
  
1 2 σ  
f(x)  e ; (m  et   ).
σ 2π
x
La fonction de répartition F de X est donnée par l’intégrale : F(x) = P(X  x) =  f(t)dt
les caractéristiques de la loi normale N(m, σ) sont: E(x) = m; V(X) =  2 ;  (X) = 
b. Loi normale centrée réduite :
 Définition :
Si les paramètres d’une loi normale sont respectivement m=0 et  =1, alors on dit que la loi est centrée
réduite, on la note N (0 ; 1). La densité de probabilité associée à la normale N (0 ; 1) est la fonction g définie
x2
1 
par g(x)  e 2 .
2π
Sa courbe représentative C g est symétrique par rapport à l’axe ( y y ' ) car g est paire.
 Théorème :
Xm
Si la variable aléatoire X suit la normale N (m ; σ), alors la variable aléatoire T = suit la loi normale
σ
centre réduite N (0 ; 1).
c. Fonction de répartition associée à la loi normale centrée réduite :
 Définition :
Soit T la variable aléatoire qui suit la loi normale centrée réduite N (0 ; 1).
1 2
t 1  x
La fonction de répartition ( t ) de T est donnée par l’intégrale : (t) = P(T  t) =  e 2 dx .
 2
Une table donne les valeurs de cette fonction intégrale ( t ) = P(T  t) uniquement pour les valeurs positives
de la variable t.
Pour les valeurs négatives, on utilise la propriété de symétrie de symétrie de la courbe (  t ) = 1  ( t )
 Propriétés
Soit T la variable aléatoire qui suit la loi normale centrée réduite N (0 ; 1).
 p T  a   p T  a    a 
 p  a  T  b   p  a  T  b   p  a  T  b   p a  T  b     b    a 
 p T  a   p T  a      a   1   a 
 p  a  T  a   p  a  T  a   p  a  T  a   p  a  T  a   2  a   1  a  0 
d. Approximation d’une loi Binomiale B (n, p) par une loi Normale N (m, σ)
Pour n « assez grand »  n  50  et pour p ni voisin de 0 ni voisin de 1, tels que np 1-p   10 , on peut
approcher la loi binomiale B (n, p) par la loi normale N (m, σ) en prenant m  np et
σ  σ(X)  np 1  p  .
2
1  k m 
  
On a alors : P  X  k  
1 2 σ 
e
σ 2π
e. Approximation d’une loi de Poisson P(λ) par une loi Normale N (m, σ)
Pour λ  20 , on peut approcher la loi de poisson P(λ), par la loi normale N (m, σ) en prenant m = λ et
σ = λ.
Exemple 8 :
On considère une population très nombreuse où chaque individu est susceptible de posséder un caractère A,
avec une probabilité p = 0,4. On effectue 900 observations et on désigne par X le nombre d’individus ayant
le caractère A dans cet échantillon.
1. Déterminer la loi de probabilité de X.
2. Déterminer l’espérance mathématique et la variance de X.
3. Démontrer que cette loi peut être approchée par une loi normale dont on précisera les paramètres.
4. Calculer P  335  X  350  .
Solution :
1. La variable aléatoire X qui désigne le nombre d’individus ayant le caractère A suit deux issues
contraires :
 Le succès « l’individu possède le caractère A » de probabilité p= 0,4.
 L’échec « l’individu ne possède pas le caractère A » de probabilité q= 0,6.
Cette expérience est répétée 900 fois dans des conditions identiques et indépendantes. X suit la loi binomiale
de paramètres n=900 et p=0,4.
2. E  X = np = 900  0,4 = 360 .
3. n=900, p=0,4 et q =1-p = 0,6 donc n  50 et np 1  p   10 par conséquent X peut être approchée par
une loi normale N (m ,  ) en prenant m = n p = 360 et σ = np 1  p  = 14, 67 .
 335  360 X  360 350  360 
P  335  X  350  = P    = P  1 ,70  T  0,68 
14,67 
4.
 14,67 14,67
P  335  X  350  = (0,68)  (1,70)  1  (0,68)  1  (1,70)
P  335  X  350 = (1,70)  (0,68)  0,9554  0,7517  0, 2037

TRAVAUX DIRIGÉS
EXERCICE 1:
 
x
ke 2 si x  1
Soit g la densité définie par : g(x)  

0 si x<1
1. Calculer la valeur de k.
2. Soit X la variable aléatoire réelle admettant g pour densité de probabilité. Déterminer la fonction de
répartition G de X et calculer P(X<3) .
3. Calculer E(X) .
4. Calculer P  5  X<7  /(X<3)  .
EXERCICE 2:
En général quatre demandeurs d’emploi sur dix falsifient leur curriculum vitae. Une agence de recrutement
dispose d’un fichier de 150 demandeurs d’emploi. On désigne par X la variable aléatoire « égale au nombre
de curriculum vitae falsifiés dans ce fichier ».
1. Montrer que X suit une loi binomiale B(n, p) que l’on précisera.
2.
a. quel est en moyenne le nombre de curriculum vitae falsifiés que pourrait contenir ce fichier?
b. Déterminer l’écart-type de la variable aléatoire X.
3.
a. Montrer que la loi binomiale B(n, p) peut être approchée par une loi normale dont on déterminera les
paramètres.
b. Utiliser cette approximation de la loi binomiale pour calculer la probabilité de chacun des événements
suivants :
A « le fichier contient au moins 40 CV falsifiés »
B « le fichier contient au plus 50 CV falsifiés »
C « le nombre de CV falsifiés que contient le fichier est strictement compris entre 45 et 55 »
EXERCICE 3:
Une enquête concernant les montants des tickets de caisse a été effectuée dans un supermarché. On admet
que la loi de la variable aléatoire X qui à tout ticket tiré au hasard dans l’ensemble des tickets imprimés
pendant une journée associe son montant exprimé en francs, peut être assimilée à la loi normale d’espérance
mathématique m = 500 et d’écart type 𝜎 = 200.
1. Calculer la probabilité pour que le montant d’un ticket de caisse choisi au hasard dépasse 400F. (Donner
le résultat à 10-2 près).
2. Soit a un nombre réel positif et E l’évènement  500  a < X  500  a  . Déterminer a tel que P(E) =
0,9. (Donner la valeur approchée de a arrondie à l’unité près).
3. On prélève successivement et avec remise, trois tickets de caisse. On note Y la variable qui mesure le
nombre de tickets dont le montant dépasse 400F parmi les trois.
a. Déterminer la loi suivie par Y.
b. Déterminer la probabilité d’obtenir parmi les trois tickets prélevés, au moins un ticket dont le montant
dépasse 400F.
4. On prélève maintenant, successivement et avec remise, n tickets de caisse. On note Z la variable
aléatoire qui associe, à chaque échantillon de taille n, la moyenne de cet échantillon. On admet que Z suit

approximativement la loi normale d’espérance mathématique m = 500 et d’écart type   
n
Soit E1 l’évènement  Y  538 . Déterminer la valeur minimale de n pour que P  E1   0,99 .
EXERCICE 4: (EXTRAIT DU BTS SEI 2011)
Soit f la fonction numérique de la variable réelle x définie sur R par :

      
0 si x   ; 2    2 ; + 
    
f(x) = 
 2 cos 2 (x) si x    ;  
  2 2 

1. Montrer que f est une densité de probabilité.
2. On désigne par X la variable aléatoire à valeurs réelles, de densité de probabilité f définie dans la
question 1. Calculer les probabilités suivantes :
 
a. PX > .
 6
  
b. P  < X < .
 3 6
  
c. P  X < sachant X > 
 4 6
3.
a. On appelle le mode de la variable aléatoire X, la valeur a  IR pour laquelle la densité f est maximale.
Déterminer le mode de la variable aléatoire X.
b. On appelle le médiane de la variable aléatoire X, la valeur b  IR pour laquelle
P  X < b  = P  X > b  . Déterminer la médiane de la variable aléatoire X.
4.
a. Déterminer l’espérance mathématique de la variable aléatoire X notée E(X) (on rappelle
+
E  X =  xf(x)dx ).
-
  
+
2
b. Sachant que E X = x 2 f(x)dx , calculer la variance et l’écart-type de la variable aléatoire X.
-
EXERCICE 5:
I. a désigne un réel strictement positif donné, x désigne un réel.
x +
1. Calculer 0
te  at dt . En déduire 
0
te at dt .
2. Montrer que la fonction f définie sur R par :
0 si t < 0
f(t) =  2  a t est une densité de probabilité.
a te si t  0
II. La durée de vie, exprimée en heures, d’un composant électronique choisi au hasard dans une
fabrication donnée est une variable aléatoire dont la densité de probabilité est f avec a  104 .
1. On pose F  x  =
x

f(t)dt
a. Calculer F(x).
b. Que représente F(x).
2. Les résultats seront donnés arrondis au millième le plus proche.
a. Calculer la probabilité, notée p, de l’évènement : «la durée de vie d’un composant électronique est
inférieurs1000 heures».
b. Calculer la probabilité, notée p, de l’évènement : «la durée de vie d’un composant électronique est
supérieure 1000 heures».
EXERCICE 6:
L’éclairage d’une commune est assuré par 2 000 lampes dont la durée de vie moyenne est 1000 heures. Les
tests réalisés pour obtenir cette « espérance de vie » ont montré que la durée de vie des lampes était
distribuée selon une loi normale avec un écart type estimé à 200 lampes. Les services d’entretien de la
commune ont besoin pour leur gestion de connaître :
1. Le nombre de lampes hors d’usage au bout de 700 heures ;
2. Le nombre de lampes à remplacer entre la 900ème et la 1300ème heure ;
3. Le nombre d’heures qui se seront écoulées pour que 10% des lampes soient hors d’usage.

EXERCICE 7: (EXTRAIT DU BTS FC 2002)
1. L’unique station-service d’une petite localité, situé sur un axe routier, a fonctionné toute une journée
avec une seule pompe (manuelle) ; les autres étant en panne jusqu’en fin de journée. On suppose qu’en
moyenne, 6 automobilistes sont servis en 1 heure et que le nombre moyen d’arrivé (ou de passage) de
véhicules à la station est une variable aléatoire X suivant la loi de Poisson.
Quelles sont les probabilités pour qu’en 20 minutes 2, 3 ou 4 automobilistes soient servis ?
2. Le lendemain, le gérant de cette station, pour faire oublier le désagrément de la veille, offre à tous ses
clients prenant plus de 25 litres de carburant, un coffret-souvenir contenant un stylo, un porte-clés et un
pin’s. En général, il y a 40% de chance qu’un client prenne plus de 25 litres de carburant ; et 210 clients,
ce jour-là ont fréquenté cette station-service. On note Y la variable aléatoire égale au nombre de coffrets
distribués.
a. Quelle est la loi de probabilité de Y ? quelle est en moyenne, le nombre de coffrets distribués ?
b. Justifier l’approximation de la loi Y par une loi normale à préciser.
c. Sachant que 65 coffrets au moins ont été distribués, calculer au 10-2 près la probabilité que le nombre de
coffrets distribués soient compris entre 67 et 91.
Une étude menée par le cabinet SUCCES a montré que 50% des étudiants échouent au BTS FCGE. Il
prélève un échantillon de 100 étudiants candidats de cette filière. Soit X la variable aléatoire donnant le
nombre d’étudiants admis au BTS.
1. Montrer que X suit une loi binomiale. Préciser les paramètres.
2.
a. Quelles sont les caractéristiques de cette loi ?
b. Quel est le nombre moyen d’étudiants admis ?
2. Calculer la probabilité qu’il y ait exactement 10 étudiants admis.
3. Peut-on approcher la loi binomiale que suit X par une loi normale ?justifier la réponse.
4. Calculer la probabilité des événements suivants :
a. « plus de 55 candidats sont admis ».
b. « le nombre d’admis est compris entre 45 et 55 ».
EXERCICE 9:
Une entreprise fabrique industriellement des pains de soja. Leurs emballages portent notamment l’indication
suivante : poids net : 500 grammes.
I. Calculs de probabilités :
On estime que le poids en grammes d’un pain produit, est une variable aléatoire X qui suit la loi normale de
moyenne 520 et d’écart type 20. On suppose que les poids des différents pains sont indépendants les uns des
autres. A l’emballage, un pain est refusé si son poids est inférieur ou égal à 490 grammes.
1. Un pain arrive à l’emballage. Montrer que la probabilité qu’il soit refusé est égale à 0,0668.
2. Deux pains arrivent à l’emballage. Calculer la probabilité de chacun des événements suivants :
A : « les deux pains sont refusés ».
B : « l’un au moins des pains est refusé »
(On donnera les résultats à 10-3 près, en utilisant pour les calculs le résultat approché obtenu à la question
précédente).
II. Détermination d’une loi binomiale et approximation par une loi normale :
L’entreprise produit 10 000 pains par semaine. On note Y la variable aléatoire mesurant le nombre de pains à
l’emballage, dans la production d’une semaine.
1.
a. Montrer que Y suit une loi binomiale ; donner les paramètres de cette loi.
b. Calculer la moyenne et l’écart type de Y. (On arrondira les deux derniers résultats aux nombres entiers
les plus proches).
2. On remplace la loi de Y par une loi normale qui en constitue une approximation suffisante.
a. Quels sont les paramètres de celle-ci ?
b. Calculer, en utilisant cette approximation, la probabilité de l’événement « 650 < Y < 700 ». (On
arrondira le résultat à 10-2 près).
EXERCICE 10:
Les deux parties de cet exercice sont indépendantes. Une entreprise fabrique en grande quantité des tiges
métalliques cylindriques pour l'industrie. Leur longueur et leur diamètre sont exprimées en millimètres. Dans
cet exercice, les résultats approchés sont à arrondir à 10-2.

A. Loi normale
Une tige de ce type est considérée comme conforme pour la longueur lorsque celle-ci appartient à l'intervalle
[99,45; 100,55]. On note X la variable aléatoire qui, à chaque tige prélevée au hasard dans la production,
associe sa longueur. On suppose que X suit la loi normale de moyenne 100 et d'écart type 0,25.
5. Calculer la probabilité qu'une tige prélevée au hasard dans la production soit conforme pour la longueur.
6. Déterminer le nombre réel h positif tel que : P (100-h ≤ X ≤ 100+h)= 0,95. Interpréter le résultat à l'aide
d'une phrase.
B. Loi binomiale et loi de Poisson
Dans un lot de ce type de tiges 3 % des tiges ne sont pas conformes pour la longueur. On prélève au hasard
50 tiges de ce lot pour vérification de la longueur .Le lot est suffisamment important pour que l'on puisse
assimiler ce prélèvement à un tirage avec remise de 50 tiges. On considère la variable aléatoire Y qui, à tout
prélèvement de 50 tiges, associe le nombre de tiges non conformes pour la longueur.
1. Justifier que la variable aléatoire Y suit une loi binomiale dont on déterminera les paramètres.
2. Calculer la probabilité que, dans un tel prélèvement, deux tiges ne soient pas conformes pour la
longueur.
3. Calculer la probabilité que, dans un tel prélèvement, au plus deux tiges ne soient pas conformes pour la
longueur.
4. On considère que la loi suivie par Y peut être approchée par une loi de Poisson.
Déterminer le paramètre λ de cette loi de Poisson.
5. On désigne par Z une variable aléatoire suivant la loi de Poisson de paramètre λ où λ est la valeur
obtenue au 4. Calculer P (Z = 2) et P (Z < 2).
EXERCICE 11:
Les trois parties de cet exercice peuvent être traitées de façon indépendante.
Une usine fabrique, en grande quantité, des rondelles d’acier, leur diamètre est exprimé en millimètres.
Dans cet exercice, sauf indication contraire, les résultats approchés sont à arrondir à 10 .
A. Loi normale
Une rondelle de ce modèle est conforme pour le diamètre lorsque celui-ci appartient à l'intervalle [89,6;
90,4].
1. On note X1 la variable aléatoire qui, à chaque rondelle prélevée au hasard dans la production, associe
son diamètre. On suppose que la variable aléatoire X1 suit la loi normale de moyenne 90 et d'écart type
σ  0,17 .Calculer la probabilité qu'une rondelle prélevée au hasard dans la production soit conforme.
2. L'entreprise désire améliorer la qualité de la production des rondelles : il est envisagé de modifier le
réglage des machines produisant les rondelles. On note D la variable aléatoire qui, à chaque rondelle
prélevée dans la production future, associera son diamètre. On suppose que la variable aléatoire D suit
une loi normale de moyenne 90 et d'écart type σ1 .
Déterminer σ1 pour que la probabilité qu'une rondelle prélevée au hasard dans la production future soit
conforme pour le diamètre soit égale à 0,99.
B. Loi binomiale Arrondir à10-3 près
On note E l'événement : « une rondelle prélevée au hasard dans un stock important a un diamètre défectueux
».On suppose que P(E) = 0,02. On prélève au hasard quatre rondelles dans le stock pour vérification de leur
diamètre. Le stock est assez important pour que l'on puisse assimiler ce
Prélèvement à un tirage avec remise de quatre rondelles. On considère la variable aléatoire Y1 qui, à tout
prélèvement de quatre rondelles, associe le nombre de rondelles de ce prélèvement ayant un diamètre
défectueux.
1. Justifier que la variable aléatoire Y1 suit une loi binomiale dont on déterminera les paramètres.
2. Calculer la probabilité que dans un tel prélèvement, aucune rondelle n'ait un diamètre défectueux.
3. Calculer la probabilité que, dans un tel prélèvement, au plus une rondelle ait un diamètre défectueux.
C. Approximation d'une loi binomiale par une loi normale
Les rondelles sont commercialisées par lots de 1000. On prélève au hasard un lot de 1000 rondelles dans un
dépôt de l'usine. On assimile ce prélèvement à un tirage avec remise de 1000 rondelles. On considère la
variable aléatoire qui, à tout prélèvement de 1000 rondelles, associe le nombre de rondelles non conformes
parmi ces 1000 rondelles. On admet que la variable aléatoire suit la loi binomiale de paramètres n = 1 000 et
p = 0,02. On décide d'approcher la loi de la variable aléatoire par la loi normale de moyenne 20 et d'écart
type 4,43. On note Z une variable aléatoire suivant la loi normale de moyenne 20 et d'écart type 4,43.

1. Justifier les paramètres de cette loi normale.
2. Calculer la probabilité qu'il y ait au plus 15 rondelles non conformes dans le lot de 1000 rondelles.
EXERCICE 12:
La variable aléatoire X suit la loi normale N(15 ; 1,5). Calculer les probabilités : P  X  13 ; P  X  18 ;
P  4 <X  19 .
La société FLAVIE observe que les traites qu’elle tire de ses clients et remet à sa banque lui sont retournées
impayées dans 10% des cas. Elle remet à sa banque en moyenne 8 traites par jour, chacune ayant un montant
moyen de 500 000F. Soit X le nombre de traites impayées par mois (1 mois égal à 25 jours ouvrables).
1. Quelle est la loi suivie par X ?
2. Donner une approximation de cette loi.
3. Quel est le coût moyen des traites impayées ?
Un vendeur de parfum propose ses produits à des agents de bureau d’une ville de la côte d’ivoire. Il visite 72
clients par jour et en moyenne 3 personnes sur 10 paient un parfum, au prix unitaire est de 3 000F.
1. On désigne par X la variable aléatoire donnant le nombre de parfums vendus en une journée.
a. Quelle loi discrète classique suit la variable aléatoire X ? Justifier la réponse.
b. Par quelle loi peut-on l’approximer, justifier la réponse.
2. Calculer l’écart type de la variable aléatoire X.
3. Calculer la probabilité pour que ce vendeur ait une recette journalière supérieure ou égale à 24 000F.
Une étude statistique a permis d’estimer, que la probabilité pour qu’une personne choisie au hasard dans la
clientèle d’un supermarché, effectue un achat au rayon JOURNAUX est de 0,45. Une observation est faite
sur 100 clients effectuant leurs achats de façon indépendante ; et l’on désigne par X la variable aléatoire
égale au nombre de personnes effectuant un achat au rayon journaux.
1.
a. Montrer que X suit une loi binomiale. En indiquer les paramètres.
b. Calculer l’espérance mathématique E  X  et l’écart type   X  de la variable X.
2. On approche la loi que suit X par la loi normale N  45; 5 .
a. Calculer la probabilité p  30  X  60 .
b. Calculer la probabilité p  X  50 .

Chapitre 13:
ESTIMATION
L’échantillonnage est l’étude des liens existant entre les paramètres (moyenne ou fréquence) des
échantillons issus de la population elle-même. Grâce à l’échantillonnage, on peut faire des statistiques
inférentielles. Pour prédire, dix jours avant l’élection, la proportion exacte d’ivoiriens qui va voter pour tel
ou tel candidat, il faudrait interroger tous les ivoiriens : c’est matériellement impossible. On interroge donc
un échantillon d’environ mille personnes (sondage) et on en déduit une estimation de la proportion
recherchée.
Une machine doit remplir des paquets de sucre de 1 kg. Il est matériellement impossible de vérifier que la
masse de chaque paquet est bien de 1 kg. Alors, pour contrôler le bon réglage de la machine, on étudie un
échantillon de 50 paquets et on prendra une décision grâce aux tests d’hypothèses, théorie qui doit beaucoup
au statisticien anglais KARL PEARSON.
I. ÉCHANTILLONNAGE
1. Théorème dit « loi faible des grands nombres »
Soit X1, X2,…., Xn , n variables aléatoires indépendantes de même loi, définies sur Ω telle que E(Xi)=m et
1
V(Xi)= σ2. On définit les variables aléatoires : Sn  X1  X 2  ...  X n et X n = Sn .
n
 
Alors lim P X n  E  X   1 ou X n converge en probabilité vers E(X).
n 
2. Théorème de la limite centrée (théorème central limite)

Soit X1, X2,…., Xn , n variables aléatoires indépendantes de même loi, définies sur Ω telle que E(Xi)=m et
V(Xi)= σ2.
X1  X 2  ...  X n
Pour n suffisamment grand, la variable aléatoire X n = suit approximativement la loi
n
  
normale N  m ; .
 n 
3. Distribution d’échantillonnage
a. Principe
L’échantillonnage consiste, connaissant les propriétés d’une population, à déterminer les propriétés des
échantillons dans cette population.
Nous ne considérerons ici que des échantillons aléatoires et des tirages effectués avec remise, pour que des
tirages soient indépendants. Dans le cas où l’effectif de la population est grand, ce qui est très souvent le cas
des populations que l’on étudie, on peut assimiler les tirages exhaustifs (sans remise) à des tirages avec
remise. Un échantillon peut donc être considéré comme la réalisation d’une suite de n variables aléatoires
indépendantes de même loi de probabilité.
b. Distribution d’échantillonnage de moyennes
Soit une population d’effectif N de moyenne m et d’écart type σ. On prélève un échantillon aléatoire de
taille n. soit X la variable aléatoire qui associe à chaque échantillon sa moyenne. Alors pour n suffisamment
  
grand, la loi de X peut-être approchée par la loi normale N  m ; .
 n 
Exemple :
Une production de 10 000 objets est réglée pour un poids moyen de 250g et pour un écart type de 10g. On
prélève 200 objets (tirage avec remise).
Calculons la probabilité pour que la moyenne de l’échantillon soit comprise entre 249g et 250g.
L’échantillon étant suffisamment grand, la loi d’échantillonnage X peut être approchée par la loi normale
 10 2 
N  250 ; = .
 200 2 

 
 249  250 249  251 
P  249 < X < 251   P 
 2
<T<
2
P

 2 <T<  2   2 1, 414 1  0,84
 
 2 2 
c. Distribution d’échantillonnage de fréquence
Soit une population d’effectif N dont N éléments possèdent le caractère étudié. La fréquence du caractère
N
étudié est p = . Soit la variable aléatoire F donnant la fréquence du caractère étudié pour chaque
N
échantillon aléatoire de taille n prélevé. Alors pour n suffisamment grand, la loi de F peut être approchée par
 p 1  p  
la loi normale N  p ; .
 n 
 
Remarque :
Ce théorème est un cas particulier du précédent et on est ici dans le cas d’une approximation de la loi
binomiale par la loi normale.
Exemple :
Au cours d’une consultation électorale, Monsieur Zozo, le candidat du PIFC a recueilli 55% des suffrages
exprimés.
Calculons la probabilité d’avoir, dans un échantillon de taille 100 prélève parmi les suffrages exprimés,
moins de 50% des voix pour le candidat Zozo. La taille de l’échantillon étant suffisamment grande, F suit
 0,55 1  0,55  
approximativement la loi N  0,55 ; 0,05  .   0,0497  0,05  .
 100 
 
 0, 5  0, 55 
P  F < 0, 5   P T <   P  T <  1 =   1 = 1   1  1  0,8413  0, 1587
 0,05 
II. STATISTIQUE INFÉRENTIELLE : ESTIMATION
1. Principe
Je ne connais pas la fréquence ou la moyenne d’un caractère d’une population donnée et j’essaie de l’estimer
en observant un échantillon.
Par exemple, avant les élections, on ne connaît pas encore les résultats, mais on aimerait bien savoir… on ne
peut pas interroger toute la population, alors les instituts spécialisés effectuent des sondages, c'est-à-dire
interrogent 1000 personnes environ dans la population ivoirienne et, à partir de là, ils évaluent les résultats
que devraient obtenir les différents candidats.
L’estimation peut se faire à l’aide d’un nombre qui estime celui recherché ; c’est l’estimation ponctuelle ou
à l’aide d’un intervalle : c’est l’intervalle de confiance (ou la fourchette).
2. Estimation
Je ne connais pas m (moyenne de la population), et généralement pas non plus  (écart type de population)
et je cherche à l’aide de la moyenne notée me (ou x ) et de l’écart type  e  ou  n 
a. Estimation ponctuelle de m et σ
Règle 1
La moyenne x d’un échantillon de taille n prélevé au hasard dans une population est une bonne estimation
ponctuelle de la moyenne m de population.
Règle 2
L’écart type  n d’un échantillon de taille n prélevé au hasard dans une population n’est pas une bonne
n
estimation de l’écart type  de la population. On admettra que le nombre  n est une bonne
n 1
estimation ponctuelle de  (ce nombre est généralement noté  n-1 sur les calculatrices).
b. Estimation d’une moyenne par intervalle de confiance

On considère la variable aléatoire X , qui, à tout échantillon aléatoire de taille n associe sa moyenne et on
  
suppose que les conditions sont réunies pour considérer que la loi normale N  m ; .
 n 
Règle :
   
Un intervalle de confiance de la moyenne m au niveau de confiance  % est :  X  t n ; X  t n  où t
 
1  %
est le nombre tel que   t  = et se lit dans la table de la loi N (0; 1) .
2
  % est le niveau de confiance.
 1    % est le seuil de risque.
Conditions d’application :
Les résultats précédents sont valides si les conditions sont réunies pour considérer que la loi de X suit la loi
  
normale N  m ;  , c'est-à-dire si l’une des 3 conditions suivantes est réalisée :
 n 
 La population suit une loi normale N  m ;   avec  connu, quelle que soit la taille de l’échantillon.
 La population suit une loi normale N  m ;   avec  inconnu, mais l’échantillon est de grande taille
(supérieure à 30) et le résultat s’applique alors en prenant pour écart type son estimation ponctuelle.
 La population suit une loi quelconque de moyenne m et d’écart type  et l’échantillon est de grande
taille (supérieure à 50).
Valeurs usuelles des coefficients de confiance :
 Confiance à 90% ; risque de 10% : 2  t  1  0,90    t   0,95  t  1,645
Exemple :
Pour mieux gérer les demandes de crédits de ses clients, le directeur d’une agence bancaire réalise une étude
relative à la durée de traitement des dossiers. Un échantillon aléatoire non exhaustif de 50 dossiers traités a
donné :
Temps en
minutes
0; 10 10; 20  20; 30 30; 40  40; 50 50; 60
Nombre de 4 9 16 13 5 3
personnes
Moyenne de l’échantillon X = 28 min. écart type de l’échantillon :  n  12, 69.
On en déduit :
Estimation ponctuelle de la moyenne m de la population : 28 min.
n 50
Estimation ponctuelle de l’écart type  de la population :  n-1  n =  12, 69
n 1 50  1
L’intervalle de confiance de la moyenne au niveau de confiance de 95% (ou seuil de 5%) est :
     12,82 12,82 
 X  t n ; X  t n   28  1,96  50 ; 28  1,96  50    24, 45; 31, 60 Car au niveau de
   
confiance de 95%  t = 1, 96 .
On peut estimer (et on est « sûr à 95% ») que la moyenne du temps passé dans l’agence pour le traitement
d’un dossier est compris entre 24,45 min et 31,60min.
Remarques :
4. Avec d’autres échantillons de même effectif, on obtiendrait de nouveaux intervalles de confiance de
cette moyenne avec le même coefficient de confiance.
Si on prélevait un très grand nombre de tels échantillons, environ 95 pour 100 d’entre eux contiendraient la
moyenne inconnue m de la population. En fait, on n’en prélève qu’un seul et on ne peut pas savoir si celui-ci

contient ou non le nombre m, mais la méthode mise en œuvre permet d’obtenir un « bon » intervalle
dans 95 cas sur 100 (un « bon »intervalle contient m).
5. Cet intervalle de confiance de la moyenne m de la population a pour centre la moyenne X de
l’échantillon qui sert à le définir.
6. Il ne faut pas écrire, car dans ces inégalités, il n’ya que des constantes.
7. On obtient un intervalle de longueur moindre en augmentant la taille de l’échantillon, mais prendre un
échantillon plus grand demande plus de temps de traitement statistique et augmente donc le prix de
l’étude.
3. Estimation d’une proportion
a) Estimation ponctuelle de p
Règle : La proportion pn du caractère dans un échantillon de taille n prélève au hasard dans une population
est une bonne estimation ponctuelle de la proportion p du caractère dans la population.
b) Estimation d’une proportion par intervalle de confiance
On considère une population et un caractère de cette population en proportion p (ou fréquence ou
pourcentage). On considère la variable aléatoire F, qui, à tout échantillon aléatoire de taille n associe la
proportion du caractère considéré dans l’échantillon. On suppose que les conditions sont réunies pour
 p (1  p) 
considérer que la loi de F peut être approchée par la loi normale N  p ;  .
 n
 
Règle :
Un intervalle de confiance de la fréquence p au niveau de confiance  % est :
 p 1  p n  p 1  p n   1  %
pn  t n ; pn  t n  où t est le nombre tel que   t  = et se lit dans la
 n 1 n 1  2
table de la loi N (0; 1) .
  % est le niveau de confiance.
 1    % est le seuil de risque.
Exemple :
Dans un sondage effectué 15 jours avant le scrutin auprès des 1000 personnes choisies de façon aléatoire
dans la commune Yopougon, 458 habitants de Yopougon se déclarent favorable à la candidate Madame
Konan.
458
La proportion d’électeurs favorables à Madame Konan dans cet échantillon est de : p n  = 45, 8%.
1000
L’estimation ponctuelle de la proportion d’électeurs favorables à Madame Konan dans la ville de Yopougon
45,8%.
Déterminons l’intervalle de confiance au seuil de 5% de la proportion p d’électeurs qui vont voter pour
Konan :
Le fait de déterminer l’intervalle de confiance au seuil de 5%  t = 1, 96 .
D’où l’intervalle de confiance de la proportion au seuil de 5% (ou niveau de confiance de 95%):
 0, 458  0,542 0, 458  0,542 
0, 458  1,96  ; 0, 458  1,96     0, 4271; 0, 4889 .
 1000  1 1000  1 
A partir du sondage effectué sur 1000 personnes, on peut estimer (avec un coefficient de confiance de 95%)
que le score de Madame Konan sera dans la fourchette  42,71%; 48,89% .

TRAVAUX DIRIGÉS
EXERCICE 1 :
L’intervalle de confiance d’une moyenne, calculée à partir d’un échantillon est : 92,8; 95,4 en
pourcentage et au seuil de risque de 5%.
1. Sachant que l’écart type de la population est égal à 7,96, calculer la taille n de l’échantillon.
2. Donner l’intervalle de confiance de cette moyenne au seuil de 1%.
EXERCICE 2 :
Des sardines sont expédiées à un poissonnier par caisses de 10Kg. Pour 50 caisses, le poissonnier a relevé un
poids moyen de 9,91Kg, avec un écart type de 0,18Kg.
Donner un intervalle de confiance d’acceptation du poids moyen des caisses au risque d’erreur de 2%.
EXERCICE 3 :
Dans une grande école, l’informatisation de la saisie des notes vient d’être installée, sur 6 700 notes saisie,
on a constaté 257 réclamations.
Donner un intervalle de confiance d’acceptation du pourcentage d’erreurs dans cette saisie, au risque 5%.
EXERCICE 4 :
Pour une livraison de 300 douzaines d’œufs, dans un supermarché, le responsable a reçu 162 réclamations
pour un œuf cassé.
Donner un intervalle de confiance d’acceptation du pourcentage d’œufs cassés au seuil de risque 1%.
EXERCICE 5 :
Une machine automatique est réglée pour remplir des boîtes de bonbons avec un écart type de 10g. Sur un
échantillon de 50 boîtes, on a trouvé une masse moyenne de 245g.
1. Déterminer au seuil de risque 2%, l’intervalle de confiance d’acceptation de la masse moyenne des
boîtes.
2. Quelle doit être la taille de l’échantillon si, au seuil d’erreur de 2%, on souhaite connaître la masse
moyenne des boîtes à  1 g près.
EXERCICE 6 :
A la veille du second tour d’une élection législative comportant deux candidats, 261 électeurs d’un
échantillon représentatif de 500 électeurs ont déclaré qu’ils voteraient pour le candidat ZOZORO.
1. Donner un intervalle de confiance d’acceptation du pourcentage des voix favorables au candidat
ZOZORO pour un seuil de risque de 5%.
2. Si les opinions n’évoluent pas, peut-on en déduire que ZOZORO sera élu (au seuil de risque 5%)
EXERCICE 7 :
Une machine débite 2 500 vis à la minute avec un écart type de 0, 09g. Dans un échantillon de 100 vis, on
constate que la masse moyenne est 2, 27g.
Donner un intervalle de confiance d’acceptation de la masse moyenne des vis au seuil d’erreur de 1%.
EXERCICE 8:
Dans une entreprise, on a contrôlé la qualité des pièces à la sortie de l’atelier. Dans un échantillon de 125
pièces, on a constaté que 10 ne sont pas commercialisables.
1. Déterminer le pourcentage de pièces non commercialisables dans l’échantillon.
2. Déterminer une estimation par intervalle de confiance du pourcentage p de pièces non commercialisables
dans la production avec un coefficient de confiance de 95%.
EXERCICE 9:
On s’intéresse au diamètre des pièces produites par une entreprise de matériel. Pour un échantillon de 60
pièces prélevées au hasard et avec remise, on a obtenu une moyenne de 4,012 cm et un écart type de 0,083
cm.
1. Donner une estimation ponctuelle, à 10- 3 près, de la moyenne µ et de l’écart type σ des diamètres des
pièces de la production.
2. Donner un intervalle de confiance de la moyenne µ avec le coefficient de confiance de 95%.
EXERCICE 10 :
Une machine automatique remplit des paquets dont la masse théorique doit être de 250 grammes.
I. Les masses observées pour un échantillon de 100 paquets pris au hasard à la sortie de la machine, ont
donné les résultats suivants :

Masse en grammes Nombre de paquets
215; 225 7
225; 235 11
235; 245 19
 245; 255 26
 255; 265 18
265; 275 13
275; 285 6
1. Déterminer la masse moyenne me et l’écart-type  e de l’échantillon.

2. Déterminer une estimation ponctuelle de la moyenne m et de l’écart-type  de la population.
3. Déterminer un intervalle de confiance au seuil de risque de 5% de la masse moyenne de la population.
II. On suppose que la probabilité que la masse d’un paquet appartienne à l’intervalle  245; 255 est 0,26. On
effectue des contrôles sur des échantillons de n paquets au hasard et avec remise. On note X la variable aléatoire
qui, à tout échantillon ainsi défini de n paquets, associe le nombre de paquets dont la masse est dans l’intervalle
245; 255 .
1. Quelle est la loi suivie par X ?
2. On suppose que n = 6.
Déterminer la probabilité d’obtenir dans un tel échantillon exactement 4 paquets dont la masse est dans
l’intervalle  245; 255 .
3. Déterminer la valeur minimale n0 de n, entier strictement positif, pour que la probabilité d’obtenir au moins
un paquet de masse appartenant à l’intervalle  245; 255 soit supérieure à 0,95.
III. Soit Y la variable aléatoire qui, à chaque paquet prélevé au hasard à la sortie de la machine, associe la
masse de ce paquet, exprimée en grammes ; on suppose que la variable aléatoire Y suit une loi normale de
moyenne m et d’écart-type 15,8g.
1. On prend m = 250g.
Déterminer la probabilité que la masse d’un paquet pris au hasard à la sortie de la machine soit inférieure à
245g.
2. Un réglage de la machine permet de faire varier la valeur m (l’écart-type est inchangé).
Sur quelle valeur de m, au gramme près, doit être réglée la machine pour que P(Y  245)  0,1 ? Justifier.
NB : Toutes les valeurs approchées seront données à 10-2près.
EXERCICE 11: (EXTRAIT DU BTS IDA 2011)
Une usine de montage d’ordinateurs utilise des roulements provenant de deux usines de fabrication de pièces
mécaniques, l’une située à Abidjan, l’autre à San-Pedro. 60% des roulements de son stock proviennent de
l’usine d’Abidjan et le reste de celle de San-Pedro.
On estime que 2% des roulements en provenance de l’usine d’Abidjan sont défectueux et que 4,5% de ceux
qui proviennent de l’usine de San-Pedro le sont.
1. On prélève au hasard un roulement dans le stock.
a. Démontrer que la probabilité pour qu’un roulement soit défectueux est 0,03.
b. On constate à l’usage que le roulement prélevé au hasard est non défectueux. Déterminer la probabilité
qu’elle provienne de l’usine de San-Pedro.
2. On prélève dans le stock, successivement au hasard et avec remise ; dix roulements. On désigne par X la
variable aléatoire égale au nombre de roulements non défectueux.
a. Quelle est la loi de X ? Préciser ses paramètres.
b. Déterminer au centième près par excès, la probabilité que neuf au moins de ces roulements soient non
défectueux.
3. On étudie dans cette partie le diamètre des roulements. On note D la variable aléatoire qui, à chaque
roulement associe son diamètre en millimètre. On admet que D suit la loi normale de moyenne
23,65mm et d’écart-type 0,02mm.

a. On choisit au hasard un roulement. Quelle est la probabilité que son diamètre soit inférieur à 23,61mm
ou supérieur à 23,70mm.
b. Déterminer un intervalle de confiance au seuil de 95% du diamètre moyen des roulements du stock.
EXERCICE 12: (EXTRAIT DU BTS Mines-Géologie-Pétrole 2012)
Un gisement minier découvert dans une région donnée, est exploitée à l’aide d’une machine qui polit le
minerai en boule sphérique. On a mesuré le diamètre de 100 minerais et les résultats de ces mesures sont
consignés dans le tableau ci-dessous. (Les mesures des diamètres en cm sont réparties en classe d’amplitudes
0,02cm).
Classe des diamètres Effectifs correspondants
21,93; 21,95 3
21,95; 21,97 7
21,97; 21,99 27
21,99; 22,01 30
22,01; 22,03 24
22,03; 22,05 7
22,05; 22,07 2
1.
a. Donner la moyenne me et l’écart-type σe de cette série statistique (les résultats seront arrondis à 10-4
près).
b. Dans la pratique, le diamètre d’un minerai exprimé en cm est une variable aléatoire X qui suit la loi
normale de moyenne m = 22 cm et d’écart-type σ = 0, 025 cm. Un minerai est refusé si son diamètre est
strictement inférieur à 21,95 cm ou strictement supérieur à 22,05 cm. Quelle est la probabilité qu’un
minerai pris au hasard dans la production soit accepté ?
1. On admet que la probabilité pour qu’un minerai soit refusé est q = 0,5. On prélève au hasard un
échantillon de 80 minerais dans la production. (ce prélèvement est assimilé à un tirage de 80 minerais
avec remise). On désigne par Y la variable aléatoire qui est égal au nombre de minerais refusés dans
l’échantillon des 80 minerais prélevés.
a. Donner la loi suivie par Y.
b. Déterminer le nombre moyen d’échantillons refusés.
c. Calculer P [(Y = 0)/(Y ≤ 2)].
2. On approche la variable aléatoire Y par la variable aléatoire Y1 , où Y1 suit la loi de poisson de paramètre
𝜆.
a. Donner la valeur de 𝜆.
b. Avec la loi Y1 , calculer la probabilité que l’échantillon prélevé contienne exactement 10 minerais
refusés.
3. Après vérification, la variable aléatoire X qui est égal au diamètre du minerai est en réalité, une variable
aléatoire continue de densité de probabilité f définie par :
  
a cos  x  si x   2; 2
f(x) =  4 
0 si x  -;  2  2; +

a. Déterminer a pour que f soit une densité de probabilité
1
b. Calculer P (X < -1) et P (X > 4).
c. Déterminer E(X) où E(X) désigne l’espérance mathématique de la variable aléatoire X.
EXERCICE 13: (EXTRAIT DU BTS SEI 2013)
Une machine fabrique des rondelles en acier pour les souris d’ordinateurs. On admet que la variable aléatoire
X qui est égale au nombre au diamètre d’une rondelle suit une loi normale de moyenne
m = 90mm et d’écart-type 𝜎 = 0, 16 mm.
1.

a. On dit qu’une rondelle est conforme si son diamètre appartient à l’intervalle 89,7mm; 90,3mm .
Quelle est la probabilité pour qu’une rondelle prise au hasard dans la production soit non-conforme ?
b. Déterminer le réel α tel que la proportion de rondelles ayant un diamètre compris entre 90-α et 90 + α
soit 90%.
2. On admet que la probabilité pour qu’une pièce soit conforme est p = 0,94. D’un lot contenant un très
grand nombre de rondelles, on tire n pièces. On désigne par Y la variable aléatoire qui est égale au
nombre de rondelles non-conformes parmi les n rondelles tirées.
a. Donner la loi de probabilité de Y.
b. Donner l’écart-type de la variable aléatoire Y en fonction de n.
c. On prend n = 10, calculer la probabilité pour que l’on ait au moins 3 pièces conformes.
3. On tire 50 pièces.
a. Montrer que la loi suivie par Y peut être approchée par une loi de Poisson dont on précisera le paramètre.
b. Avec cette loi de Poisson, calculer la probabilité d’avoir au plus 2 pièces non-conformes.
4. On tire un échantillon de 100 rondelles et on constate que le diamètre moyen de ces rondelles est 89,96
mm. Déterminer au risque de 5%, un intervalle de confiance de la moyenne des diamètres des rondelles.
NB : π(1,65) = 0, 95.
Exercice 14 :
Pour mieux gérer les demandes de crédits de ses clients, le directeur d’une agence bancaire réaliser une
étude relative à la durée de traitement des dossiers. Un échantillon aléatoire non exhaustif de 30 dossiers
traités a donné :
Durée en
minutes
0; 10 10; 20 20; 30 30; 40 40; 50 50; 60
Nombre 3 6 10 7 3 1
1. Calculer des valeurs approchées de la moyenne et de l’écart type des durées de traitement des dossiers de
cet échantillon.
2. En déduire des estimations ponctuelles de la moyenne m et de l’écart type de la population totale des
dossiers traités.
3. Soit la variable aléatoire X qui, à tout échantillon aléatoire non exhaustif de taille 30 de cette population,
  
associe sa moyenne. On suppose que X suit la loi normale N  m, .
 30 
Donner une estimation de m par l’intervalle de confiance de centre X , avec le coefficient de confiance
95%, fourni par cet échantillon, en prenant pour  son estimation ponctuelle.
Exercice 15:
Un boulanger fabrique des baguettes. On suppose que la variable aléatoire X, qui à chaque baguette tirée au
hasard associe sa masse suit la loi normale N(250 ; 10) (en g).
1. On prélève une baguette au hasard. Déterminer la probabilité pour que sa masse soit comprise entre 245g
et 255g.
2. On prélève une baguette un échantillon de 10 baguettes (au hasard avec remise).
a. Quelle loi suit la variable aléatoire X qui à tout échantillon de taille n=10 associe la moyenne des
masses des baguettes de l’échantillon ?
b. Déterminer la probabilité pour que la moyenne des masses des baguettes de l’échantillon soit comprise
entre 245g et 255g.
3. On prélève une baguette un échantillon de 50 baguettes (au hasard avec remise).
a. Quelle loi suit la variable aléatoire X qui à tout échantillon de taille n=50 associe la moyenne des
masses des baguettes de l’échantillon ?
b. Déterminer la probabilité pour que la moyenne des masses des baguettes de l’échantillon soit comprise
entre 245g et 255g.
Exercice 2: (EXTRAIT DU BTS FC 2015)
Pendant une période de cent quatre jours une firme pharmaceutique a fourni à l’un des pays touchés par la
fièvre hémorragique à virus Ebola, des sérums expérimentaux. La demande de ces produits suit une loi
normale dont on ignore les paramètres. Pour l’ensemble de la population, on dispose dans le tableau ci-
dessous les quantités demandées de flacons par lot de 50 en fonction du nombre de jours.

Quantité 0à 10 à 20 à 30 à 40 à 50 à 60 à 70 à 80 à 90 et
demandée en moins moins moins moins moins moins moins moins moins plus
flacons (en de 10 de 20 de 30 de 40 de 50 de 60 de 70 de 80 de 90
nombre de lots
de 50)
Nombre de 1 2 3 8 25 27 20 12 5 1
jours
1. Calculer la moyenne x et l’écart-type   de l’échantillon. En déduire une estimation ponctuelle des
paramètres de la loi normale de la demande.
2. Pour évaluer la rentabilité de cette activité, la firme pharmaceutique décide, de se baser sur une demande
globale annuelle qui ait 60% de chances d’être dépassée. Soit X la variable aléatoire mesurant la
demande journalière en nombres de lots. Soit Z la variable aléatoire mesurant la demande annuelle en
nombres de flacons. On donne Zi   Xi  i  1; 2;..... ;360 .
a. Montrer que les paramètres de Z sont m  19800 et   307, 4 .
b. Quel est le nombre de lots minimum pour que la demande ait 60% de chances d’être dépassée ?
c. En déduire le nombre de flacons pour que la demande ait 60% de chances d’être dépassée ?

ANNEXES
EXTRAIT DES DE LA LOI DE POISSON
(On lit P(X=k) en millième)
λk λ
P(X = k) = e
k!
k 1 1,5 2 3 4 5 6 7 8 9 10
λ
0 368 223 135 050 018 007 002 001 000 000 000
1 368 335 271 149 073 034 015 006 003 001 000
2 184 251 271 224 147 084 045 022 011 005 002
3 061 126 180 224 195 140 089 052 029 015 008
4 015 047 090 168 195 176 134 091 057 034 019
5 003 014 036 101 156 176 161 128 092 061 038
6 000 004 012 050 104 146 161 149 122 091 063
7 001 003 022 060 104 138 149 140 117 090
8 000 001 008 030 065 103 130 140 132 113
9 000 003 013 036 069 101 124 132 125
10 001 005 018 041 071 099 119 125
11 000 002 008 023 045 072 097 114
12 001 003 011 026 048 073 095
13 000 001 005 014 030 050 073
14 000 002 007 017 032 052
15 001 003 009 019 035
16 000 001 005 011 022
17 000 002 006 013
18 001 003 007
19 000 001 004
20 000 002
21 001
22 000
23
24

EXTRAIT DE LA TABLE DE LA FONCTION INTEGRALE DE LA LOI NORMALE CENTREE,
REDUITE N(0; 1)  (t) = P(T < t)
t 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7290 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8254 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8780 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9117
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9779 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9898 0,9901 0,9904 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
TABLE POUR LES GRANDES VALEURS DE t :

t 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,8 4,0 4,5
 (t) 0,99865 0,99904 0,99931 0,99952 0,99966 0,99976 0,999841 0,999928 0,999968 0,999997
N.B : La table donne les valeurs de  (t) pour t > 0. Si t est négatif on prend le complément à l’unité de la
valeur lue dans la table.  (  t) = 1   (t) .

Fasicule 2DUT EII ET MI MATHS GÉNÉRALES

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

Fasicule 2DUT EII ET MI MATHS GÉNÉRALES

Transféré par

Droits d'auteur :

Formats disponibles

AVANT-PROPOS

ATTENTION : REPRODUCTION INTERDITE !!!

Mathématiques générales 2ème année DUT EII et MI Page 1

Mathématiques générales 2ème année DUT EII et MI Page 2

La matrice s’écrit également sous la forme : A   a ij 

Une matrice ayant n lignes et p colonnes est appelée matrice de dimension  n, p 

Mathématiques générales 2ème année DUT EII et MI Page 3

II. Opérations sur les matrices :

ième ligne a i1 a i2 ……. ai p ci j

Mathématiques générales 2ème année DUT EII et MI Page 5

III. DETERMINANT D’UNE MATRICE CARREE

Mathématiques générales 2ème année DUT EII et MI Page 6

0 0 ...0 a nn 0 0... ...0 a nn

Mathématiques générales 2ème année DUT EII et MI Page 7

 AB est inversible et  AB   B1A 1

 pour tout p  , A p est inversible et (A p ) 1   A 1  , cette matrice est notée A  p

donner son inverse A 1

Mathématiques générales 2ème année DUT EII et MI Page 8

Mathématiques générales 2ème année DUT EII et MI Page 9

Mathématiques générales 2ème année DUT EII et MI Page 10

Mathématiques générales 2ème année DUT EII et MI Page 11

Mathématiques générales 2ème année DUT EII et MI Page 12

Mathématiques générales 2ème année DUT EII et MI Page 13

b. Donner l’expression de M  x   en fonction des matrices I , A et A 2 , puis expliciter la matrice

M  x  sous forme matricielle.

2. En déduire que la matrice M est inversible et déterminer M-1 sa matrice inverse.

Mathématiques générales 2ème année DUT EII et MI Page 15

Mathématiques générales 2ème année DUT EII et MI Page 16

combinaison linéaire des vecteurs 1 2

Soit E un espace vectoriel de dimension n sur rapporté à une base

La matrice du système de vecteurs V1 , V2 ,...,Vn relativement à la base e1 ,e2 ,....,en

Mathématiques générales 2ème année DUT EII et MI Page 17

Mathématiques générales 2ème année DUT EII et MI Page 18

On considère les quatre polynômes de 3 [X] : 

Mathématiques générales 2ème année DUT EII et MI Page 19

Mathématiques générales 2ème année DUT EII et MI Page 20

Mathématiques générales 2ème année DUT EII et MI Page 22

Mathématiques générales 2ème année DUT EII et MI Page 23

Mathématiques générales 2ème année DUT EII et MI Page 24

Mathématiques générales 2ème année DUT EII et MI Page 25

P  x   x3  tr  A  x 2  tr  comA  x  det  A 

(x, y, z) f m (x, y, z)   m x  2y; 2x  m y  2z; 2y  z 

Mathématiques générales 2ème année DUT EII et MI Page 27

Mathématiques générales 2ème année DUT EII et MI Page 28

b. l’image de f 2 et donner une base.

3. Dans la suite, on prend m  4 . On pose f 4  f et on note A la matrice de f.

Mathématiques générales 2ème année DUT EII et MI Page 29

a. Calculer A , pour tout n   .

 x, y, z  f m  x, y, z    mx  mz; mx  (1  m)z; (1  m)x  (1  m)y 

Mathématiques générales 2ème année DUT EII et MI Page 30

Mathématiques générales 2ème année DUT EII et MI Page 31

Mathématiques générales 2ème année DUT EII et MI Page 32

a. Démontrer que le système B   e1 , e2 , e3  est une base de 3

Mathématiques générales 2ème année DUT EII et MI Page 33

d. En déduire la matrice A  de f1 dans la base B .

Chapitre 5 : ÉQUATIONS DIFFÉRENTIELLES

Mathématiques générales 2ème année DUT EII et MI Page 34

est remplacée par une fonction C(t).

Mathématiques générales 2ème année DUT EII et MI Page 36

Mathématiques générales 2ème année DUT EII et MI Page 37

Exercice 3 : Equation linéaire du premier ordre

Mathématiques générales 2ème année DUT EII et MI Page 38

Exercice 9 : Méthode de variation des constantes