CPGE MARRAKECH

Résumé de cours (fonctions)

Filière : ECT

1- Limites et continuité
ln( x)
lim ln( x)   ; lim ln( x)   , lim x n ln( x)  0 , lim 0 ;
x  x 0 x 0 x  x n

ln(1  x) ln( x)
lim  1, lim 1
x 0 x x 1 x  1

ex
lim e x  0 , lim e x   , lim   ,
x  x  x  x n

ex  1
lim x n e x  0 , lim  1.
x  x 0 x

Proposition :
soient f et g deux foctions définies sur I et x  I ; f ( x)  g ( x) .
Si lim f   alors lim g  
Si lim g   alors lim f  
Si x  I ; f ( x)  l  g ( x) et lim g  0 alors lim f  l .
f est cotinue en a  lim f  f (a) .
a

f est cotinue en a  lim


f  lim

f  f (a) .
a a

Théorème (T.V.I)
Soit f : I   fonction continue sur I . a, b  I ( a  b ).
Si f (a) f ( b)  0 alors l’équation f ( x)  0 admet au moibs une solution sur
 a , b . Et si f est strictement monotone sur  a , b alors cette solution est
unique .

Théorème de la bijection ;
Soit f : I   fonction continue sur I et strictement monotone . elle réalise
une bijection de I sur J  f ( I ) et :
Pour tout y  J , l’équation f ( x)  y admet une unique solution sur I . En
particulier si 0  J l’éqution f ( x)  0 admet une unique solution sur I .

Branches infinies

 Si lim f  b alors la droite d’équation y  b est une asymptote à C f .



 Si lim f   alors la droite d’équation x  a est une asymptote à C f .

a

 Si lim f   alors si :


Page 1 AIT LAMKADEM

   C f admet unebranche 
0  
f ( x)   parabolique de direction (ox) 
lim 
 x   C f admet unebranche 
   
  parabolique de direction (oy ) 
f ( x)
Si lim  a  0 e t lim f ( x)  ax  b alors la droite d’équation
 x 

y  ax  b est une asymptote à C f .

2- Dérivabilité
Soit f : I   . ( I intervalle ouvert).
f ( x)  f (a )
Fest dite dérivable en a  I ssi lim  l (  ) et notée aussi f '(a) .
a xa
Eqution de la tangente en x0 :
(T ): y  f '( x0 )( x  x0 )  f ( x0 )

Dérivées successives :
Si f est dérivable plusieurs fois ;

 f ' '  f",  f '' '  f ( 3) et  f ( k )  '  f ( k 1) .

Convexité
Soit f : I   . ( I intervalle ouvert) deux fois dérivable.
Si f ''  0 sur I alors f est convexe sur I .
Si f ''  0 sur I alors f est concave sur I .

Point d’inflexion :
Soit f : I   . ( I intervalle ouvert) deux fois dérivable.
Si f " s’annule en x0  I en changeant de signe , alors le point de
coorodonnés ( x0 , f ( x0 ))

Proposition :
Soit f : I   . ( I intervalle ouvert)dérivable.
Si f est convexe sur I alors C f est en dessus de ses tangentes c’est à dire :
x, x0  I ; f ( x)  f '( x0 )( x  x0 )  f ( x0 )
Si f est concave sur I alors C f est en dessous de ses tangentes c’est à dire :
x, x0  I ; f ( x)  f '( x0 )( x  x0 )  f ( x0 ) .

Inégalité des accroissements finis :

Soit f : I   . ( I intervalle ouvert)dérivable et k réel
tq : x  I ; f '( x)  k , alors : x, y  I ; f ( x)  f ( y)  k x  y

Etude de la suite un1  f (un ) :

Soit f : I   fonction continue sur I et f ( I )  I .on considère la suite (un ) telle que ; u0  I et pour tout
n   ; un1  f (un ) .

Page 2 AIT LAMKADEM

Prop1 :
Si f est croissante sur I alors :
u0  u1  (un ) est  .
u0  u1  (un ) est  .

Proposition 2 :
Soit f : I   fonction continue sur I et f ( I )  I .
Si x  I ; f ( x)  x  0 alors (un ) est  .
Si x  I ; f ( x)  x  0 alors (un ) est  .

Proposition 3 :
Soit f : I   fonction continue sur I et f ( I )  I .
(un ) converge alors sa limite est solution de l’équation : x  I ; f ( x)  x
Si la suite
3- INTEGRATION
Déf :
Soit f :  a , b   une fonction continue . soit F une primitive de f sur
 a , b
b

 f ( x)dx   F ( x)  F (a)  F (b) .

b
a
a

Primitive de quelques fonctions

Fonction Une primitive
xr , (r  1) 1 r 1
x
r 1
( x  a)r , (r  1) 1
( x  a)r 1
r 1
(a  x)r , (r  1) 1
(a  x)r 1
r 1
1 1
, r 1 ( x  a) r 1
( x  a)r r  1
1 ln x  a
xa
u ' u r , (r  1) 1 r 1
u
r 1
u' 1
 u 'ur , r  1 u  r 1
u r
r  1
u' 2 u
u
u' ln u
u
eaxb , a  0 1 ax b
e
a
u ' eu eu

Page 3 AIT LAMKADEM

Propriétés :
Soient f et g deux fonctions continues sur  a , b  .
b b b

 f g   f   g .
a a a
b b

 f    f .
a a
b b
Si f  g alors  f g.
a a
b c b

 f   f   f (relation de chasles ).
a a c

b
Suite : un   x n f ( x)dx .
a

Monotonie de cette suite :

b b
un1  un   x n1 f ( x)dx   x n f ( x)dx
a a
b
=  ( x  1) x n f ( x)dx . Puis on étudie le signe de ( x 1) xn f ( x) sur  a , b .
a

Encadrement de cette suite :

Si x   a , b , m  f ( x)  M alors ;
b b b b
mxn  xn f ( x)  Mx n ainsi  mx dx  un   Mx dx . puis on calcule  mx dx et  Mx dx
n n n n

a a a a

Integration par partie :

Soient u et v deux fonctions définies et dérivables sur  a , b 
b b

 uv '  uva   u ' v

b

a a

Régle :
b
u  ln(Q( x))
I   P( x) ln(Q( x))dx on pose  .
a v '  P ( x )
b
 u  P( x)
J   P( x)ex  dx on pose  x 
a v '  e

Page 4 AIT LAMKADEM

 CPGE MARRAKECH
Test (questions de cours )
Filière : ECT
R1
1- Si (un ) est une suite arithmetique de raison r et u0  a alors n  , un  u0  nr
2- Si (un ) est une suite géométrique de raison q et u0  a alors n  , un  u 0 q n
R2
1- Soient a 1, 1 et p  .
  
1 p 1 2
 ak 
k p 1 a
a ,  ka k 1 
k 1 (1  a ) 2
,  k (k  1)a
k 2
k 2

(1  a )3

xk
2- Soit x  , 
k 0 k !
 ex

R3
Soit n  *
.
ln x ln(1  x)
1- lim( x n ln x) =0 , lim =0 , lim 1
x 0 x  n  0
x x x
ex ex  1
2- lim x n e x =0 , lim n   , lim 1
x  x  x x 0 x
R4
Soient f , g : I  deux fonctions dérivables sur I . Et g ne s’annule pas sur I .
1- L’équation de la tangente à C f au point d’abscisse x0 est : (T ): y  ....
'
 g  f ' g  fg '
,  f n   nf ' f n 1 e  
' '
2- ( fg ) '  f ' g  fg ' ,    2
, f
f 'e f
f  g
f' f'
 
'
3- Si f  0 sur I , alors  ln f   f 
'
,
f 2 f
R5
Soient A et B deux matrices carrées .

A 
t
1- Si A et B sont inversibles alors ( AB ) 1  B1 A1 , ( t A) 1  1

n
2- Si AB  BA alors ( A  B ) n  C
k 0
k
n Ak B n  k

3- Si A vérifie A  3 A  2 A  0
3 2

a- Déterminer un polynôme annulateur de A .( X 3  3 X 2  2 X )

b- Les valeurs propres possibles de A sont de X 3  3 X 2  2 X .
c- X est un vecteur propre de A associé à la valeur propre 2 , on a : AX  2 X
R6
Soient X et Y deux variables aléatoires d’espérances E ( X ) et E (Y ) de variances V ( X ) et V (Y ) . a, b  .
1- E (aX  b) = aE ( X )  b , V (aX  b)  a 2V ( X ) , E ( X  Y )  E ( X )  E (Y )
2- Si X et Y sont deux variables aléatoires finies :
a- cov( X , Y )  E ( XY )  E ( X ) E (Y ) , cov(a, X )  0 , cov( X , X )  V ( X ) ,
cov( X  Y , Z )  cov( X , Z )  cov(Y , Z )

Page 1 Ait lamkadem

 cov( X , Y )
b- On donne : V ( X )  1 , V (Y )  1 et cov( X , Y )  1 alors ( X , Y )  =1 ,
V ( X )V (Y )
V (aX  bY ) = a 2V ( X )  b 2V (Y )  2 ab cov( X , Y )
R7
1- Si X alors X () = 0 , n ,
P( X  k )  Cnk p k (1  p ) n  k ,
E ( X )  np , V ( X )  np(1  p)
1 n 1 n2  1
2- Si X alors X () = 1, n , P( X  k )  , E( X )  , V (X ) 
n 2 12
1 1 p
3- Si X alors X () = *
, P( X  k )  p (1  p ) k 1 , E( X )  , V (X ) 
p p2
k
4- Si X  alors X () = , P( X  k )  e  , E( X )   , V (X )  
k!
R8
Soit X une variable aléatoire telle que X ()  xk / k   . On suppose que E ( X ) et V ( X ) existent .
 
E ( X )   xk P( X  xk ) , E ( X 2 )   xk2 P ( X  xk ) V ( X )  E( X 2 )   E( X ) 
2
,
k 0 k 0

R9
Soit X une variable aléatoire de densité f . On suppose que X admet une espérance et une variance .
 

 x V ( X )  E( X )   E( X ) 
2
1- E( X )  xf ( x)dx , E( X 2 )  2
f ( x)dx , 2

 

2- Si X alors
 1
 f ( x)  si x   a , b 
a- Une densité f de X est  ba

 f ( x)  0 sinon
ab (b  a) 2
b- E ( X )  et V (X )  V (X ) 
2 12
3- Si X  alors :
 f ( x)   e   x si x  0
a- Une densité de X est .  .
 f ( x)  0 si x  0
1 1
b- E ( X )  et V ( X )  2 .
 
R10
Soit X .
1- On suppose qu’on peut approcher X par une v.a Y  alors   np .
2- On suppose qu’on peut approcher X par une v.a Z 2 .
Z m
a- La variable aléatoire .

b- m  np et   np(1  p)
2

c- E (Z )  m et V (Z )  2

Page 2 Ait lamkadem

 Variables aléatoires discrètes et Variables aléatoires à densité
Résumé de cours
Filière : ECT

variables aléatoire discrètes

1- loi d’une variable aléatoires discrètes
Déterminer la loi d’une variable aléatoire X c’est : déterminer X () et calculer P( X  a) pour a  X () .
2- Espérance et variance
Si X et X 2 admettent des espérances alors :
E( X )  
aX (  )
aP( X  a)

E( X 2 )  
aX (  )
a 2 P( X  a) .

V ( X )  E( X 2 )   E( X ) 
2

Propriétés : soient X et Y deux V.a qui admettent des espérances et des variances . a , b  .
E ( X  Y )  E ( X )  E (Y )
E (aX  b)  aE ( X )  b
V (aX  b)  a 2V ( X )
3- Lois usuelles (variables aléatoires discrètes )
Variables aléatoires discrètes finies.
La loi de la variable aléatoire Espérance et variance
Loi de Bernoulli : X
X ()  0,1 . E( X )  p et V ( X )  p(1  p)
P( X  1)  p
Loi binomial : X .
X nb de succès (définir le succès) au cours de n
répétitions. E ( X )  np et V ( X )  np(1  p)
X ()  0, n .
P ( X  k )  Cnk p k (1  p ) n  k ; k  X ()
Loi uniforme sur 1, n : X
X ()  1, n n 1 n2  1
E( X )  et V (X ) 
1 2 12
P( X  k )  , k  X ()
n

Variables aléatoires discrètes infinies.

Loi de la variable aléatoire Espérance et variance

Loi géométrique : X
X  rang du premier succès (définir le succès) 1 1 p
E( X )  et V (X ) 
X ()  * p p2
P( X  k )  p(1  p) k 1 ; k  X ()
Loi de poisson : X
X ()  E( X )   et V (X )  
 k
P( X  k )  e 
k!

Page 1
Approximation de la loi binomiale par la loi de poisson :

Soit X une variables aléatoire telle que X .

Lorsque : alors on peut approcher X par une variable aléatoire Y avec = et dans ce cas

P( X  k )  P(Y  k ) .
P( X  k )  P(Y  k ) .
P( X  k )  P(Y  k ) .
Variables aléatoires à densité

1- Densité d’une variable aléatoire

Déf : une fonction f définie sur est dite densité de probabilité ssi :


 é
Les limites à droite et à gauche en tout point existent et sont finies .
2- Fonction de répartition
Soit X une variables aléatoire de densité f La fonction de répartition de X est :
x
FX ( x)  

f (t )dt  P( X  x)

Propriétés :
 P ( X  a )  FX (a ) .
 P(a  X  b)  FX (b)  FX (a) .
 P( X  b)  1  FX (b)
 F est continue sur , croissante ; lim FX ( x)  0 et lim FX ( x)  1 .
x x 

 Si f est continue en x alors FX est dérivable en x et F ( x )  f ( x) . '

X

3- Espérance et variance

Si X admet un espérance E ( X ) alors elle est définie par : E ( X )   xf ( x)dx .


Propriétés :
Soient X et Y deux V.A telles que E ( X ) et E (Y ) existent .et soient a , b  .
E ( X  Y )  E ( X )  E (Y ) , E (aX  b)  aE ( X )  b .

 Si X 2 admet une espérance alors E ( X 2 )  x
2
f ( x)dx .


 Si g :  est une fonction continue par morceaux et g ( X ) admet une espérance alors

E  g( X )   g ( x) f ( x)dx , (th de transfert ).

Déf :
 
Si E ( X ) et E ( X 2 ) existent alors on dit que X admet une variance V ( X )  E ( X  E ( X ))2  E ( X 2 )   E ( X )  .
2

Propriétés :

Soit X une V.a qui admet une variance . soient a , b  : V (aX  b)  a 2V ( X )

Page 2
4- Indépendance des variables aléatoires :
Déf :
Soient X 1 , X 2 ,.... X n n variables aléatoires à densité et a1 , a2 ,..., an des réels .
On dit que X 1 , X 2 ,.... X n sont indépendantes ssi :

I  1, n ; i  I ; P  ( X i  ai )    P( X i  ai )
iI  iI
Remarque :
Si les variables aléatoires X 1 , X 2 ,.... X n sont indépendantes et suivent la même loi qu’une V.a X ( i.e :
i  1, n ; FX i  FX ) alors :
n 
; P ( X i  a )    FX (a )  .
n
a 
i 1 
5- Inégalité de Markov et inégalité de Bienaymé-Tchebychev :
Inégalité de Markov :
Soit X une variable aléatoire positive d’espérance E ( X ) on a :
E( X )
  0 ; P( X   )  .

inégalité de Bienaymé-Tchebychev :

Soit X une variable aléatoire d’espérance E ( X ) et de variance V ( X ) on a :

V (X )
  0 ; P( X  E ( X )   ) 
2
6- Estimation ponctuelle :
Soient ( X 1 , X 2 ,..., X n ) un n-échantillon et  un paramètre à estimer . on considère une v.a Tn exprimée en fonction
des variables aléatoires X 1 , X 2 ,..., X n et qui estime le paramètre  .
Biais de l’estimateur Tn :
On suppose que Tn admet une espérance , on définit le biais de Tn par :
b (Tn )  E (Tn )  
Lorsque b (Tn )  0 c’est à dire que E (Tn )   on dit que Tn est un estimateur sans biais de  .
T
Risque quadratique de n :
Le risque quadratique de Tn est définie par :
r (Tn )  E (Tn  )2   V (Tn )   b (Tn ) 
2

.
Intervalle de confiance :
Soient U n et Vn est un intervalle de confiance de  au niveau 1  (ou au risque  ) si :
P(U n    Vn )  1  
7- COMPLEMENT :
Soit Tn un estimateur de  . Par l’inégalité de Markov on a :

  0 , P  Tn      
r (Tn )
2
Soient X 1 , X 2 ,..., X n n variables aléatoires indépendantes et suivent la même loi qu’une V.a X .
On note Y  max( X 1 , X 2 ,..., X n ) on a : .
(Y  x)  ( X 1  x)  ( X 2  x)  ....  ( X n  x)
FY ( x)  P(Y  x)  P( X 1  x) P( X 2  x)....P( X n  x)   FX ( X ) 
n

Soit Z  min( X 1 , X 2 ,..., X n ) on a :

( Z  x)  ( X 1  x)  ( X 2  x)  ....  ( X n  x)

Page 3
 P(Z  x)  P( X 1  x) P( X 2  x)....P( X n  x)  1  FX ( X ) 
n

FZ ( x)  1  1  FX ( X ) 
n

8- Lois usuelles (variables à densité )

Loi de la variable aléatoire Fonction de répartition( F ) Espérance et variance
Loi uniforme sur  a , b : X
 F ( x)  0
 a , b 
 xa
si x  a
E( X ) 
ab
et
Une densité de X est f :  F ( x)  si a  x  b 2
 ba
 1 si x  b (b  a) 2
 f ( x)  si x   a , b   F ( x)  1 V (X ) 
 ba 12

 f ( x)  0 sinon
Loi exponentielle : X
Une densité de X est f :  F ( x)  1  e   x si x  0 E( X ) 
1
et V ( X ) 
1
 x   2
 f ( x)   e si x  0  F ( x)  0 si x  0

 f ( x)  0 si x  0
Loi normale centrée réduite : X La fonctions de répartitions est
notée et ses valeurs sont données E ( X )  0 et V (X ) 1
Une densité de X est  : dans un tableau.
2 x  ;  (  x)  1   ( x)
1  x2
 ( x)  e
2 …………………………………
………………………………… ………
……………………………………… ………
……… am E( X )  m et V ( X )   2
Loi normale qcq : X P ( X  a )    
  
X m
X bm  am
 P ( a  X  b)       
     

9- Approximation de la loi binomiale par la loi normale:

Soit X une variables aléatoire telle que X .

Lorsque : alors on peut approcher X par une variable aléatoire Y avec :

=
et dans ce cas on a :
Y m am
 am
P( X  a )  P (Y  a )  P ( ) 
  .
    
am Y m bm bm am
P ( a  X  b)  P ( a  Y  b)  P (   )     .
        
Y m bm bm
P( X  b)  P (Y  b)  P (  )  1  .
    

Page 4