Académique Documents
Professionnel Documents
Culture Documents
Math - 2ect
Math - 2ect
II Matri es 9
II.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
II.2 Opérations sur les matri es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II.3 Matri es inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
II.4 Systèmes linéaires et matri es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
IV Séries numériques 21
IV.1 Dénitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
IV.2 Convergen e absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
IV.3 Séries de référen e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1
IX Lois usuelles 34
IX.1 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
IX.2 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
IX.3 Loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
X Convergen e et approximations 36
X.1 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
X.2 Approximations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
X.2.1 Approximation de la loi binomiale par la loi de Poisson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
X.2.2 Approximation de la loi binomiale par la loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
X.3 Loi binomiale, loi normale, loi faible des grands nombres et intuition . . . . . . . . . . . . . . . . . . . . . . . . 38
Chapitre I
Suites numériques
k=1
k=
n(n + 1)
2
.
Montrons le résultat par ré urren e.
n n(n + 1)
Soit Pn la propriété .
P
k=
k=1 2
1 n(n + 1)
Initialisation. Pour n = 1, on a k = 1 et = 1. Ainsi la propriété P1 est vraie.
P
k=1 2
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
n n(n + 1)
On a : .
P
k=
k=1 2
Alors
n+1
X n
X
k= k + (n + 1)
k=1 k=1
n(n + 1)
= + (n + 1)
2
(n + 1)(n + 2)
=
2
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N∗ .
Exemple I.1.3. Pour tout n ∈ N, on a : 2n > n + 1.
Montrons le résultat par ré urren e.
Soit Pn la propriété 2n > n + 1 .
Initialisation. Pour n = 0, on a 2n = 20 = 1 et n + 1 = 1. Ainsi la propriété P0 est vraie.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : 2n > n + 1.
Alors : 2n+1 = 2 × 2n > 2(n + 1) = n + n + 2 > n + 2.
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N.
Exemple I.1.4. √
Soit (un )n∈N la suite dénie par u0 = 0 et la relation de ré urren e un+1 = un + 2.
Pour tout n ∈ N, on a : un ∈ [0, 2].
Montrons le résultat par ré urren e.
Suites numériques 4
Soit Pn la propriété un ∈ [0, 2] .
Initialisation. Pour n = 0, on a u0 = 0 ∈ [0, 2]. Ainsi la propriété P0 est vraie.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : 0 6 un 6 2.
Alors on a su essivement :
√ 2 6√un + 2 6 4√
06 2 6 un + 2 6 4 = 2
soit : 0 6 un+1 6 2.
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N.
Remarque I.1.5. Si la propriété Pn dépend des rangs pré édents, l'initialisation et l'hérédité doivent être
modiées.
Prin ipe de ré urren e double
• On montre que la propriété est vraie pour les deux premiers rangs : P0 et P1 sont vraies (initialisation).
• On suppose la propriété vraie aux rangs n et n + 1 et on montre qu'elle l'est également au rang n + 2 : si Pn
et Pn+1 sont vraies, alors Pn+2 est vraie (hérédité).
Le prin ipe de ré urren e assure que, pour tout n ∈ N, la propriété Pn est vraie.
Exemple I.1.6. Soit (un )n∈N la suite dénie par u0 = 2, u1 = −1 et la relation de ré urren e un+2 =
−un+1 + 6un .
Pour tout n ∈ N, on a : un = 2n + (−3)n .
Montrons le résultat par ré urren e.
Soit Pn la propriété un = 2n + (−3)n .
Initialisation. Pour n = 0, on a u0 = 2 et 20 + (−3)0 = 2. Ainsi la propriété P0 est vraie.
Pour n = 1, on a u1 = −1 et 21 + (−3)1 = −1. Ainsi, la propriété P1 est vraie.
Hérédité. Supposons les propriétés Pn et Pn+1 vraies à un rang n xé.
On a : un = 2n + (−3)n et un+1 = 2n+1 + (−3)n+1 .
Alors
un+2 = −un+1 + 6un
= −(2n+1 + (−3)n+1 ) + 6(2n + (−3)n )
= −2 × 2n + 3 × (−3)n + 6 × 2n + 6 × (−3)n
= 4 × 2n + 9 × (−3)n
= 2n+2 + (−3)n+2
I.2 Dénitions
Dénition I.2.1. Soit (u ) n n∈N une suite numérique.
La suite est dite roissante si, pour tout n ∈ N, un+1 > un .
La suite est dite dé roissante si, pour tout n ∈ N, un+1 6 un .
Une suite roissante ou dé roissante est dite monotone.
Dénition I.2.2. Soit (un )n∈N une suite numérique.
La suite (un )n∈N est dite majorée s'il existe un réel M , appelé majorant, tel que, pour tout n ∈ N, un 6 M .
La suite (un )n∈N est dite minorée s'il existe un réel m, appelé minorant, tel que, pour tout n ∈ N, un > m.
La suite (un )n∈N est dite bornée si elle est majorée et minorée.
Remarque I.2.3. Une suite roissante (resp dé roissante) est minorée (resp. majorée) par son premier
terme.
Théorème (de la limite monotone) I.3.4. Toute suite roissante majorée (resp. dé roissante minorée)
n→+∞
est onvergente.
Remarque I.3.5. Un majorant (resp. un minorant) d'une suite roissante (resp.dé roissante) n'est pas
né essairement sa limite.
Proposition I.3.6. Toute suite roissante non majorée (resp. dé roissante non minorée) diverge vers +∞
(resp. vers −∞).
Dénition I.3.7. Deux suites (u ) et (v ) sont adja entes si
n n∈N n n∈N
• la suite (un )n∈N est roissante ;
• la suite (vn )n∈N est dé roissante ;
• la suite (vn − un )n∈N onverge vers 0.
Théorème I.3.8. Deux suites adja entes sont onvergentes et ont la même limite.
Exemple I.3.9. Soient (u ) et (v ) les suites dénies par
n n∈N∗ n n∈N∗
n
1 1
et
X
un = vn = un +
k! n · n!
k=0
Les suites (un )n∈N∗ et (vn )n∈N∗ sont respe tivement roissante et dé roissante.
Pour tout n ∈ N∗ , on a
1
un+1 − un = >0
(n + 1)!
et
1 1
vn+1 − vn = un+1 − un + −
(n + 1)(n + 1)! n · n!
1 1 1
= + −
(n + 1)! (n + 1)(n + 1)! n · n!
n(n + 1) + n − (n + 1)2
=
n(n + 1)(n + 1)!
−1
=
n(n + 1)(n + 1)!
60
d'où le résultat.
La suite (vn − un )n∈N∗ onverge vers 0.
1
Pour tout n ∈ N∗ , on a vn − un = .
n · n!
Il vient lim (vn − un ) = 0.
n→+∞
On en déduit que les suites (un )n∈N∗ et (vn )n∈N∗ sont adja entes, don sont onvergentes et ont la même limite
Exemple (moyenne arithméti o-géométrique) I.3.10. Soient (un )n∈N et (vn )n∈N les suites dénies par
0 < v0 < u0 et les relations de ré urren e
( un + vn
un+1 =
√ 2 .
vn+1 = un vn
Pour tout n ∈ N, on a : 0 6 vn 6 un .
Montrons le résultat par ré urren e.
Soit Pn la propriété 0 6 vn 6 un .
Initialisation. La propriété P0 est vraie par hypothèse.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : 0 6 vn 6 un .
Alors un + vn > 0 et un vn > 0, d'où un+1 > 0 et vn+1 > 0.
Suites numériques 6
De plus, on a :
√ √
un + vn √ ( un − vn )2
un+1 − vn+1 = − un vn = >0
2 2
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N.
Les suites (un )n∈N et (vn )n∈N sont respe tivement dé roissante et roissante.
Pour tout n ∈ N, on a
un + vn vn − un
un+1 − un = − un = 60
2 2
et
√ vn (un − vn )
vn+1 − vn = un vn − vn = √ >0
un vn + vn
d'où le résultat.
Les suites (un )n∈N et (vn )n∈N sont onvergentes.
Pour tout n ∈ N, on a : 0 6 vn 6 vn+1 6 un+1 6 un 6 u0 .
Dé roissante et minorée par v0 , la suite (un )n∈N onverge d'après le théorème de la limite monotone.
Croissante et majorée par u0 , la suite (vn )n∈N onverge d'après le théorème de la limite monotone.
Les suites (un )n∈N et (vn )n∈N ont la même limite.
Soient α et β les limites respe tives de (un )n∈N et (vn )n∈N .
u + vn
Passons à la limite dans l'égalité : un+1 = n .
2
α+β
Par uni ité de la limite, il vient : α = .
2
Ainsi α = β .
On en déduit que les suites (un )n∈N et (vn )n∈N sont adja entes.
La limite ommune des deux suites est la moyenne arithméti o-géométrique des nombres u0 et v0 .
Théorème I.3.11. Soient (un )n∈N une suite onvergente, ℓ ∈ R sa limite et f une fon tion ontinue en ℓ.
Alors la suite (f (un ))n∈N onverge vers f (ℓ).
Cf
u0 u1 u2 u3
Dénition I.4.2. Un intervalle J est stable par f si f (J) ⊂ J , autrement dit si, pour tout x ∈ J , f (x) ∈ J .
Proposition I.4.3. Si l'intervalle I est stable par f , alors la suite (u ) est bien dénie et, pour tout
n n∈N
n ∈ N, u n ∈ I .
Dans la suite, l'intervalle I sera supposé stable par f .
Suites numériques 7
Dénition I.4.4. α ∈ I est un point xe de f si f (α) = α.
Théorème I.4.5. Si la suite (u ) onverge vers ℓ et si la fon tion f est ontinue en ℓ, alors ℓ est un
n n∈N
point xe de f .
Remarque I.4.6. La limite de la suite, si elle existe, est à her her parmi les points xes de f . Mais, un
point xe de f n'est pas né essairement limite de la suite.
Proposition I.4.7. Si la fon tion f est roissante sur I , alors la suite (u ) est monotone. Plus pré i-
n n∈N
sément, la suite (u ) est roissante si u 6 u , dé roissante si u > u .
Proposition I.4.8. Si la fon tion x 7−→ f (x) − x garde un signe onstant sur I , alors la suite (u ) est
n n∈N 0 1 0 1
n n∈N
monotone.
Exemple I.4.9. Soient f la fon tion dénie sur − 23 , +∞ par f (x) = √2x + 3 et (u ) la suite dénie
n n∈N
3
x − +∞
2
f ′ (x) −
+∞
f (x)
0
Comme f est à valeurs positives, on en déduit que 3 est l'unique point xe de f .
L'intervalle I = [0, 3] est stable par f .
Soit x ∈ I . On a : 0 6 x 6 3.
La fon tion f étant roissante sur I , on a
√
06 3 = f (0) 6 f (x) 6 f (3) = 3
Ainsi f (x) ∈ I .
Pour tout x ∈ I , on a f (x) > x.
Pour tout x ∈ I , on a :
√
f (x) − x = 2x + 3 − x
√ √
2x + 3 − x 2x + 3 + x
= √
2x + 3 + x
2x + 3 − x2
= √
2x + 3 − x
(3 − x)(1 + x)
= √
2x + 3 − x
>0
Pour tout n ∈ N∗ , on a un ∈ I .
Suites numériques 8
Montrons le résultat par ré urren e.
Soit Pn la propriété un ∈ I .
Initialisation. Pour n = 1, on a u1 = f (u0 ) = f (0) = 1 ∈ I . Ainsi la propriété P1 est vraie.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : un ∈ I .
Comme l'intervalle I est stable par f , on a f (un ) ∈ I , soit un+1 ∈ I .
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N.
La suite (un )n∈N est roissante.
Méthode 1. Montrons le résultat par ré urren e.
Soit Pn la propriété un+1 > un .
Initialisation. Pour n = 0, on a u0 = −1 et u1 = 1. Ainsi la propriété P0 est vraie.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : un+1 > un .
La fon tion f étant roissante, on a f (un+1 ) > f (un ), soit un+2 > un+1 .
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N.
Méthode 2. Comme, pour tout n ∈ N∗ , un ∈ [0, 3] et, pour tout x ∈ [0, 3], f (x) > x, il vient
un+1 = f (un ) > un .
Ainsi la suite (un )n∈N est roissante.
La suite (un )n∈N est onvergente.
Croissante et majorée par 3, la suite (un )n∈N onverge d'après le théorème de la limite monotone.
Soit ℓ sa limite. On a ℓ ∈ [0, 3].
On a ℓ = 3.
Passons à la limite dans l'égalité : un+1 = f (un ).
Par ontinuité de la fon tion f sur [0, 3] et uni ité de la limite, il vient : ℓ = f (ℓ).
Ainsi ℓ est un point xe de f .
Don ℓ = 3.
Chapitre II
Matri es
II.1 Dénitions
Dénition II.1.1. Soient n, p ∈ N . Une matri e de taille n×p à oe ients réels est un tableau re tangulaire
∗
L'ensemble des matri es de taille n × p à oe ients réels est noté Mn,p (R).
Un élément de M1,p (R) (p = 1) est une matri e ligne ; un élément de Mn,1 (R) (n = 1) est une matri e olonne.
Un élément de Mn,n (R) (n = p) est une matri e arrée ; l'ensemble de es matri es est noté plus simplement
Mn (R).
Dénition II.1.2. Soit A = (ai,j )16i,j6n ∈ Mn (R). La matri e A est
• triangulaire supérieure si, pour tous i, j ∈ [[1; n]], i > j , on a ai,j = 0 ;
a1,1 a1,2 ... a1,n
.. ..
. .
0 a2,2
A= .. .. ..
. . .
an−1,n
0 ... 0 an,n
3 1 2 2 −3 1
On a
−1 −2 15
2A − 3B = 13 3 −4
0 11 1
Exemple II.2.11.
2 1 1
Soit A = 0 2 1.
0 0 2
0 1 1
On a A = 2I + N ave N = 0 0 1.
0 0 0
0 0 1
On a N 2 = 0 0 0 et N k = 0 pour tout k > 3.
0 0 0
Comme 2I et N ommutent, la formule du binme de Newton donne :
An = (2I + N )n
n
X n
= (2I)n−k N k
k
k=0
2
X n n−k k
= 2 N
k
k=0
n(n − 1) n−2 2
= 2n I + n2n−1 N + 2 N
2
n
n2n−1 n(n + 3)2n−3
2
soit An = 0 2n n2n−1 .
n
0 0 2
Exemple II.2.12.
2 1 1
Soit A = 1 2 1.
1 1 2
1 1 1
On a A = I + J ave J = 1 1 1.
1 1 1
On a J k = 3k−1 J pour tout k ∈ N∗ .
Comme I et J ommutent, la formule du binme de Newton donne :
An = (I + J)n
n
X n n−k k
= I J
k
k=0
n
X n k−1
=I+ 3 J
k
k=1
n
!
1 X n k
=I+ 3 −1 J
3 k
k=0
4n − 1
=I+ J
3
n
4 + 2 4n − 1 4n − 1
1 n
soit A =
n 4 − 1 4n + 2 4n − 1.
3
4n − 1 4n − 1 4n + 2
d'où A3 = 21A.
Montrons par l'absurde que la matri e A n'est pas inversible.
Si A était inversible, alors on aurait A−1 A3 = A−1 (21A), soit A2 = 21I . C'est absurde.
Ainsi A n'est pas inversible.
Exemple II.3.5.
1 2 −3 1
Soient A = 2 −3 1 et X = 1.
−3 1 2 1
On a AX = 0.
Montrons par l'absurde que la matri e A n'est pas inversible.
Si A était inversible, alors on aurait A−1 AX = A−1 0, soit X = 0. C'est absurde.
Ainsi A n'est pas inversible.
Proposition II.3.6. La matri e identité In est inversible et In−1 = In .
Proposition II.3.7. Soient A, B, C ∈ Mn (R).
• Si A est inversible, alors A−1 est inversible et (A−1 )−1 = A.
• Si A et B sont inversibles, alors AB est inversible et (AB)−1 = B −1 A−1 .
• Si AB = AC et A est inversible, alors B = C .
Théorème II.3.8. Soient A, B ∈ Mn (R). Si AB = In , alors A et B sont inversibles et inverses l'une de
l'autre.
Exemple II.4.6.
1 2 −3 1
Soient A = 2 −3 1 et X = 1.
−3 1 2 1
On a AX = 0.
Montrons que la matri e A n'est pas inversible.
Si A était inversible, alors le système AX = 0 serait de Cramer et admettrait 0 pour unique solution. Or X est
une solution non nulle de e système.
Ainsi A n'est pas inversible.
Proposition II.4.7. Soit A ∈ Mn (R) une matri e triangulaire (supérieure ou inférieure). A est inversible
si, et seulement si, ses éléments diagonaux sont tous non nuls.
Corollaire II.4.8. Soit A ∈ Mn (R) une matri e diagonale. A est inversible si, et seulement si, ses éléments
diagonaux sont tous non nuls.
1 1 1
En parti ulier, si A = diag(α1 , α2 , . . . , αn ) est inversible, alors A−1 = diag , ,..., .
Remarque II.4.9. Pour déterminer si une matri e A ∈ M (R) est inversible, il sut de montrer que le
α1 α2 αn
n
système AX = 0 est de Cramer, son unique solution étant la matri e olonne nulle.
Pour al uler l'inverse de A, il faut résoudre le système AX = Y . L'unique solution étant X = A−1 Y , on obtient
A−1 .
Dénition II.4.10. Soit A ∈ Mn,p (R) une matri e. On note L1 , L2 , . . . , Ln ses n lignes. On appelle
opération élémentaire l'une des trois opérations :
• la permutation les lignes Li et Lj , opération notée Li ←→ Lj ;
• le rempla ement de la ligne Li par λLi où λ ∈ R∗ , opération notée Li ←− λLi ;
• le rempla ement de la ligne Li par Li + Lj , j 6= i, opération notée Li ←− Li + Lj .
Matri es 14
Théorème (méthode du pivot de Gauss) II.4.11. Soit A ∈ M (R). La matri e A peut être transformée
n
en une matri e triangulaire supérieure après un nombre ni d'opérations élémentaires.
Proposition II.4.12. Soit A ∈ M (R). La matri e A est inversible si, et seulement si, elle peut être
n
transformée en la matri e identité In après un nombre ni d'opérations élémentaires.
Exemple II.4.13.
1 2 3
Soit A = 2 1 2.
3 2 1
Appliquons l'algorithme du pivot de Gauss.
1 2 3 1 0 0
2 1 2 0 1 0
3 2 1 0 0 1
1 2 3 1 0 0
0 3 4 2 −1 0 L2 ← 2L1 − L2
0 4 8 3 0 −1 L3 ← 3L1 − L3
1 2 3 1 0 0
0 3 4 2 −1 0
0 0 8 1 4 −3 L3 ← 3L3 − 4L2
La matri e A a été transformée en une matri e triangulaire supérieure ne omportant pas de zéro sur la diagonale.
A est don inversible.
Poursuivons l'algorithme.
8 16 0 5 −12 9 L1 ← 8L1 − 3L3
0 6 0 3 −6 3 L2 ← 2L2 − L3
0 0 8 1 4 −3
24 0 0 −9 12 3 L1 ← 3L1 − 8L2
0 6 0 3 −6 3
0 0 8 1 4 −3
3 1 1 1
− 8 2 8
L1 ←
24
L1
1 0 0
1 1 1
0 1 0 −1 L2 ← L2
2 2 6
0 0 1 1 1 3 1
− L3 ← L3
8 2 8 8
−3 4 1
1
Ainsi A−1 = 4 −8 4 .
8
1 4 −3
Exemple II.4.14.
1 2 −3
Soit A = 2 −3 1 .
−3 1 2
Appliquons l'algorithme du pivot de Gauss.
1 2 −3 1 0 0
2 −3 1 0 1 0
−3 1 2 0 0 1
1 2 −3 1 0 0
0 7 −7 2 −1 0 L2 ← 2L1 − L2
0 7 −7 3 0 1 L3 ← 3L1 + L3
1 2 −3 1 0 0
0 7 −7 2 −1 0
0 0 0 1 1 1 L3 ← L3 − L2
La matri e A a été transformée en une matri e triangulaire supérieure omportant un zéro sur la diagonale. A
n'est don pas inversible.
Chapitre III
Fon tions numériques
Théorème (de la bije tion) III.1.7. Soient I un intervalle de R et f : I −→ R une fon tion ontinue
stri tement monotone.
Alors f réalise une bije tion de I sur J = f (I). De plus, la bije tion ré iproque f −1 : J −→ I est ontinue et
stri tement monotone, ave la même monotonie que f .
Remarque III.1.8. Dans un repère orthonormé, les ourbes représentatives de f et de f −1 sont symétriques
par rapport à la droite d'équation y = x.
Remarque III.1.9. Soient I un intervalle de R, f : I −→ R une fon tion ontinue et γ ∈ f (I).
Le théorème des valeurs intermédiaires assure l'existen e d'une solution de l'équation f (x) = γ .
Si la fon tion f est de plus stri tement monotone sur I , le théorème de la bije tion garantit non seulement
l'existen e mais aussi l'uni ité de ette solution.
Remarque III.1.10. Si f est ontinue sur I , alors J = f (I) n'a pas né essairement les mêmes propriétés
que I (ouvert ou fermé, borné ou non borné) sauf si I est un segment. Mais si f est stri tement monotone, le
ara tère ouvert, semi-ouvert ou fermé est onservé.
Exemple (appli
1
ation à l'étude de suites impli ites) III.1.11. Soit f la fon tion dénie sur R∗+ par
f (x) = x2 − .
x
La fon tion f est stri tement roissante sur R∗+ .
Fon tions numériques 16
La fon tion f est dérivable sur R∗+ omme quotient déni de fon tions dérivables.
1
Pour tout x ∈ R∗+ , on a f ′ (x) = 2x + 2 > 0.
x
De plus, on a lim+ f (x) = −∞ et lim f (x) = +∞.
x→0 x→+∞
x 0 +∞
f ′ (x) +
+∞
f (x)
−∞
1
Pour tout n ∈ N∗ , l'équation f (x) = (resp. f (x) = n) admet, dans R∗+ , une unique solution αn (resp. βn ).
n
Continue ( ar dérivable) et stri tement roissante sur R∗+ , la fon tion f réalise une bije tion de R∗+
sur f (R∗+ ) = R.
1 1
En parti ulier, omme ∈ R (resp. n ∈ R) pour tout n ∈ N∗ , l'équation f (x) = (resp. f (x) = n)
n n
admet une unique solution αn (resp. βn ).
Les suites (αn )n∈N∗ et (βn )n∈N∗ sont dé roissante et roissante respe tivement.
Pour tout n ∈ N∗ , on a :
1 1 1
f (αn+1 ) − f (αn ) = − =− 60
n+1 n n(n + 1)
soit : f (αn+1 ) 6 f (αn ).
La fon tion f étant roissante, il vient : αn+1 6 αn .
Ainsi, la suite (αn )n∈N∗ est dé roissante.
On montrerait de même que la suite (βn )n∈N∗ est roissante.
Pour tout n ∈ N∗ , on a :
1 √
1 6 αn 6 1 + et βn > n
n
Pour tout n ∈ N∗ , on a :
1 1
f (αn ) − f (1) = −0= >0
n n
et
2
1 1 1 1
f 1+ − f (αn ) = 1 + − −
n n 1 n
1+
n
2n2 + 2n + 1
=
n2 (n + 1)
>0
d'où :
1
f (1) 6 f (αn ) 6 f 1 +
n
De même, pour tout n ∈ N∗ , on a :
√ √ 2
1 1
f (βn ) − f ( n) = n − n −√ = √ >0
n n
√
soit : f (βn ) > f ( n).
La fon tion f étant roissante, il vient :
1 √
1 6 αn 6 1 + et βn > n
n
Déterminons la limite des suites (αn )n∈N∗ et (βn )n∈N∗ .
1
Comme lim 1+ = 1, on déduit du théorème d'en adrement que lim αn = 1.
n→+∞
√ n n→+∞
Comme lim n = +∞, il vient lim βn = +∞.
n→+∞ n→+∞
Fon tions numériques 17
Retrouvons le résultat pré édent en onsidérant la bije tion ré iproque f −1 sur l'intervalle [1, +∞[.
Comme f (1) = 0, on déduit de e qui pré ède que f réalise une bije tion de [1, +∞[ sur [0, +∞[.
Par ailleurs, d'après le théorème de la bije tion, la fon tion f −1 est ontinue et stri tement roissante
sur [0, +∞[.
y 0 +∞
+∞
f −1 (y)
1
1
Par ontinuité de f −1 en 0, on a : lim αn = lim f −1 = f −1 (0) = 1.
n→+∞ n→+∞ n
De même, on a lim βn = lim f −1 (n) = lim f −1 (y) = +∞.
n→+∞ n→+∞ y→+∞
Exemple (appli ation à l'étude de suites impli ites) III.1.12. Pour tout n ∈ N, n > 2, soit f n la
fon tion dénie sur R+ par fn (x) = xn − nx + 1.
La fon tion fn est stri tement dé roissante sur [0, 1] et stri tement roissante sur [1, +∞[.
La fon tion fn est dérivable sur R+ omme fon tion polynme.
Pour tout x ∈ R+ , on a : fn′ (x) = n(xn−1 − 1).
Pour tout x ∈ [0, 1], on a fn′ (x) 6 0 et, pour tout x ∈ [1, +∞[, fn′ (x) > 0.
De plus, on a lim fn (x) = +∞.
x→+∞
x 0 1 +∞
f ′ (x) − 0 +
1 +∞
f (x)
2−n
Pour tout n ∈ N, n > 2, l'équation fn (x) = 0 admet, sur R+ , une unique solution αn ∈ [0, 1] et une unique
solution βn ∈ [1, +∞[.
Continue ( ar dérivable) et stri tement dé roissante sur [0, 1], la fon tion fn réalise une bije tion de
[0, 1] sur fn ([0, 1]) = [2 − n, 1].
En parti ulier, omme 0 ∈ [2 − n, 1] pour tout n ∈ N, n > 2, l'équation fn (x) = 0 admet une unique
solution αn ∈ [0, 1].
Continue ( ar dérivable) et stri tement roissante sur [1, +∞[, la fon tion fn réalise une bije tion de
[1, +∞[ sur fn ([1 + ∞[) = [2 − n, +∞[.
En parti ulier, omme 0 ∈ [2 − n, +∞[ pour tout n ∈ N, n > 2, l'équation fn (x) = 0 admet une
unique solution βn ∈ [1, +∞[.
Notons que α2 = β2 = 1.
Étudions les suites (αn )n>2 et (βn )n>2 .
La suite (αn )n>2 est dé roissante.
Pour tout x ∈ [0, 1], on a : fn+1 (x) − fn (x) = xn (x − 1) − x 6 0.
D'où : fn+1 (αn+1 ) 6 fn (αn+1 ).
Or, fn+1 (αn+1 ) = fn (αn ) = 0, don fn (αn ) 6 fn+1 (αn+1 ).
Comme αn , αn+1 ∈ [0, 1], il vient, par dé roissan e de fn sur [0, 1] : αn > αn+1 .
Ainsi la suite (αn )n>2 est dé roissante.
Dé roissante et minorée par 0, la suite (αn )n>2 onverge d'après le théorème de la limite monotone.
1 2
Pour tout n ∈ N, n > 2, on a : 6 αn 6 .
n n
Pour tout n ∈ N, n > 2, on a
n n
1 1 2 2
fn = > 0 et fn = −160
n n n n
1 2
Ainsi fn > fn (αn ) > fn .
n n
1 2 1 2
Comme, pour tout n > 2, αn , , ∈ [0, 1], il vient, par dé roissan e de fn sur [0, 1] : 6 αn 6 .
n n n n
Fon tions numériques 18
On en déduit que lim αn = 0.
n→+∞
1 2
Comme lim = lim = 0, on déduit du théorème d'en adrement que lim αn = 0.
n→+∞ n n→+∞ n n→+∞
Pour tout n ∈ N, n > 2, on a βn ∈ [1, 2].
Pour tout n ∈ N, n > 2, on a 2n−1 > n (exemple II.1.3).
On en déduit que fn (2) = 2n − 2n + 1 = 2(2n−1 − n) + 1 > 1 > 0.
D'où : fn (1) 6 fn (βn ) 6 fn (2).
Comme, pour tout n > 2, βn ∈ [1, +∞[, il vient, par roissan e de fn sur [1, +∞[ : 1 6 βn 6 2.
On en déduit que lim βn = 1.
n→+∞
De fn (βn ) = 0, on déduit βnn = nβn − 1.
Par suite, omme, pour tout n ∈ N, n > 2, βn ∈ [1, 2], il vient : 1 6 βn 6 (2n − 1) n .
1
n→+∞ n→+∞
Corollaire III.3.2. Soit f une fon tion dérivable sur un intervalle I .On suppose qu'il existe k ∈ R ∗
+ tel que
′
∀x ∈ I, |f (x)| 6 k
Alors on a :
∀a, b ∈ I, |f (b) − f (a)| 6 k|b − a|
x 0 +∞
f ′ (x) −
+∞
f (x)
1
Fon tions numériques 19
3
L'intervalle I = , 2 est stable par f , autrement dit f (I) ⊂ I .
2
Soit x ∈ I .
3
On a : 6 x 6 2.
2
La fon tion f étant dé roissante sur I , on a :
5 3 3
2> =f > f (x) > f (2) =
3 2 2
Ainsi f (x) ∈ I .
√
1+ 5
La fon tion f admet ϕ = pour unique point xe.
2
On a :
1
f (x) = x ⇐⇒ 1 + =x
x
⇐⇒ x2 − x − 1 = 0
√ √
1+ 5 1− 5
⇐⇒ x = ou x =
2 2
Comme f est dénie sur R∗+ , on en déduit que ϕ est l'unique point xe de f .
4
Pour tout x ∈ I , on a |f ′ (x)| 6 .
9
Pour tout x ∈ I , on a su essivement :
3
6x62
22
9 3
= 6 x2 6 22 = 4
4 2
4 1 1
> 2 >
9 x 4
4 1 1
− 6− 2 6− .
9 x 4
4 4
d'où : − 6 f ′ (x) 6 .
9 9
4
Soit : |f ′ (x)| 6 .
9
Pour tout n ∈ N∗ , on a un ∈ I .
Montrons le résultat par ré urren e.
Soit Pn la propriété un ∈ I .
Initialisation. Pour n = 1, on a u1 = f (u0 ) = f (1) = 2 ∈ I . Ainsi la propriété P1 est vraie.
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
On a : un ∈ I .
Comme l'intervalle I est stable par f , on a f (un ) ∈ I , soit un+1 ∈ I .
Ainsi la propriété Pn+1 est vraie.
D'après le prin ipe de ré urren e, la propriété Pn est vraie pour tout n ∈ N∗ .
4
Pour tout n ∈ N∗ , on a : |un+1 − ϕ| 6 |un − ϕ| .
9
4
La fon tion f est dérivable sur I ave , pour tout x ∈ I , |f ′ (x)| 6 .
9
L'inégalité des a roissements nis appliquée à un et ϕ appartenant à I donne :
4
|f (un ) − f (ϕ)| 6 |un − ϕ|
9
Or, f (un ) = un+1 et f (ϕ) = ϕ, d'où
4
|un+1 − ϕ| 6 |un − ϕ|
9
Fon tions numériques 20
n−1
4
On en déduit que, pour tout n ∈ N∗ , |un − ϕ| 6 |u1 − ϕ|.
9
Montrons le résultat par ré urren e.
n−1
4
Soit Pn la propriété |un − ϕ| 6 |u1 − ϕ| .
9
0
4
Initialisation. Pour n = 1, on a |u1 − ϕ| = |u1 − ϕ|. Ainsi la propriété P1 est vraie.
9
Hérédité. Supposons la propriété Pn vraie à un rang n xé.
n−1
4
On a : |un − ϕ| 6 |u1 − ϕ|.
9
Alors|un+1 − ϕ|, don
4
|un+1 − ϕ| 6 |un − ϕ|
9
n−1
4 4
6 × |u1 − α|
9 9
n
4
= |u1 − ϕ|
9
+∞ +∞ +∞ +∞ +∞
et
X X X X X
(un + vn ) = un + vn λun = λ un
n=0 n=0 n=0 n=0 n=0
n n∈N n
alors elle est onvergente.
Remarque IV.2.3. La ré iproque du théorème IV.2.2 est fausse.
Théorème IV.2.4. Soit (u ) une suite de nombres réels telle que la série P u est absolument onver-
n n∈N n
gente. Alors on ne modie pas la somme de la série en hangeant l'ordre de ses termes.
Exemple IV.3.2. On a :
+∞ n +∞ n
X 3 X 3 1 5
2 − =2 − =2× =
5 5 3 4
n=0 n=0 1+
5
Séries numériques 22
Proposition (séries géométriques dérivées) IV.3.3. Soit q ∈ R, |q| < 1. Les séries de termes généraux
nq n−1 et n(n − 1)q n−2 sont onvergentes et
+∞ +∞
1 2
.
X X
nq n−1 = n(n − 1)q n−2 =
n=1
(1 − q)2 n=2
(1 − q)3
Exemple IV.3.4. On a :
+∞ n +∞ n−1
X 3 3X 3
n − =− n −
n=1
5 5 n=1 5
3 1
=− × 2
5 3
1+
5
15
=−
64
et
+∞ n X+∞ n
X
2 3 3
n − = (n(n − 1) + n) −
n=1
5 n=1
5
+∞ n X +∞ n
X 3 3
= n(n − 1) − + n −
n=2
5 n=1
5
+∞
2 X n−2
3 3 15
= − n(n − 1) − −
5 n=2 5 64
9 2 15
= × 3 −
25 3 64
1+
5
15
=−
256
Exemple IV.3.6. On a :
+∞ n
X 3
= e3
n=0
n!
et
+∞ +∞
X 3n X 3n
n =
n=1
n! n=1
(n − 1)!
+∞ k+1
X 3
=
k!
k=0
+∞
X 3k
=3
k!
k=0
3
= 3e
Chapitre V
Variables aléatoires dis rètes infinies
Sans soulever la moindre di ulté théorique, nous étendons les dénitions et les propriétés des espa es proba-
bilisés nis et des variables aléatoires dis rètes nies au as dis ret inni dénombrable.
k=1
Exemple V.1.6. On a
+∞ +∞ k−1 +∞ k−1
X 2X 3 3X 2
P(X = k) = +
5 5 5 5
k=2 k=2 k=2
2 3 1 3 2 1
= × × + × ×
5 5 3 5 5 2
1− 1−
5 5
=1
2 1 3 1
= 2 − 1 + 2 − 1
5 5
3 2
1− 1−
5 5
19
=
6
Remarque V.2.3. Une variable aléatoire réelle innie peut ne pas admettre d'espéran e.
Proposition (linéarité) V.2.4. Soient X et Y deux variables aléatoires réelles dis rètes sur un espa e
probabilisé (Ω, P(Ω), P), admettant une espéran e, et λ ∈ R. Alors X + Y et λX sont des variables réelles
dis rètes qui admettent une espéran e et
E(X + Y ) = E(X) + E(Y ) et E(λX) = λE(X).
Corollaire V.2.5. Soient X une variable aléatoire réelle dis rète sur un espa e probabilisé (Ω, P(Ω), P),
admettant une espéran e, et a, b ∈ R. Alors aX + b est une variable réelle dis rète qui admet une espéran e et
E(aX + b) = aE(X) + b.
Dénition V.2.6. Toute variable aléatoire réelle dis rète admettant une espéran e nulle est dite entrée.
Théorème (de transfert) V.2.7. Soient X une variable aléatoire réelle dis rète sur un espa e probabilisé
(Ω, P(Ω), P) ave X(Ω) = {xk ; k ∈ N} et g : X(Ω) −→ R une appli ation. La variable aléatoire g(X) admet une
espéran e si, et seulement si, la série de terme général g(xk )P(X = xk ) est absolument onvergente ; on a alors
+∞
g(xk )P(X = xk ).
X
E(g(X)) =
k=0
Variables aléatoires dis rètes infinies 25
Dénition V.2.8. Soit X une variable aléatoire réelle dis rète sur un espa e probabilisé (Ω, P(Ω), P) ad-
mettant une espéran e et telle que la variable aléatoire (X − E(X))2 admet une espéran e. La varian e de X ,
notée V(X), est le réel
V(X) = E (X − E(X))2 .
Remarque V.2.10. Pour al uler E(X ), il peut être plus pratique d'é rire E(X ) = E(X(X − 1)) + E(X)
2 2
(par linéarité de l'espéran e) puis de al uler E(X(X − 1)) en appliquant le théorème de transfert.
Exemple V.2.11. Sous réserve de onvergen e, d'après le théorème de transfert, on a
+∞
X
E(X(X − 1)) = k(k − 1)P(X = k)
k=2
+∞ k−1 +∞ k−1
2 X 3 3X 2
= k(k − 1) + k(k − 1)
5 5 5 5
k=2 k=2
2 3 2 3 2 2
= × × 3 + × × 3
5 5 3 5 5 2
1− 1−
5 5
175
=
18
D'après la formule de K÷nig-Huygens et par linéarité de l'espéran e, on a
V(X) = E(X 2 ) − E(X)2
= E(X(X − 1)) + E(X) − E(X)2
2
175 19 19
= + −
18 6 6
103
=
36
Proposition V.2.12. Pour toute variable aléatoire réelle dis rète X sur un espa e probabilisé (Ω, P(Ω), P)
admettant une varian e, on a V(X) > 0.
De plus, V(X) = 0 si, et seulement si, X est presque sûrement onstante.
Proposition V.2.13. Soient X une variable aléatoire réelle dis rète sur un espa e probabilisé (Ω, P(Ω), P),
admettant une varian e, et a, b ∈ R. Alors la variable aléatoire aX + b admet une varian e et
V(aX + b) = a2 V(X).
Dénition V.2.14. Soit X une variable aléatoire réelle pdis rète sur un espa e probabilisé (Ω, P(Ω), P),
admettant une varian e. L'é art-type de X est le réel σ(X) = V(X).
Proposition V.2.15. Soient X une variable aléatoire réelle dis rète sur un espa e probabilisé (Ω, P(Ω), P)
et a, b ∈ R. Alors on a
σ(aX + b) = |a|σ(X).
+∞
Comme (X = 0) = (X = k), il vient P(X = 0) = 0.
S
k=1
Ainsi, en négligeant l'événement (X = 0) qui est de probabilité nulle, on peut onsidérer que la variable aléatoire
X est à valeurs dans N∗ .
Dénition VI.1.1. Soit p ∈]0, 1[. Une variable aléatoire X dénie sur un espa e probabilisé (Ω, P(Ω), P)
suit la loi géométrique de paramètre p si X(Ω) = N∗ et
∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 = pq k−1
X suit la loi géométrique de paramètre p se note X ֒→ G(p).
Remarque VI.1.2. La loi géométrique est la loi d'attente du premier su ès au ours d'une innité
d'épreuves de Bernoulli indépendantes et identiques.
Exemple (situation type) VI.1.3. On onsidère une urne ontenant un nombre ni de boules blan hes
et de boules noires supposées indis ernables au tou her, la proportion de boules blan hes étant p.
Considérons l'expérien e onsistant à ee tuer une innité de tirages ave remise après haque épreuve.
On note X la variable aléatoire égale au nombre de tirages né essaires pour obtenir la première boule blan he.
Alors X suit la loi géométrique G(p).
Proposition VI.1.4. Soit X une variable aléatoire suivant la loi géométrique G(p). Alors X a une espéran e
et une varian e égales à :
1 1−p q
E(X) = et V(X) = = 2.
p p2 p
Lois usuelles dis rètes infinies 27
Exemple VI.1.5. Une urne ontient 1 boule numérotée 1, 2 boules numérotées 2, 3 boules numérotées 3 et
4 boules numérotées 4.
On ee tue des tirages ave remise d'une boule dans l'urne.
On désigne par X la variable aléatoire égale au rang d'apparition de la première boule numérotée 3.
X est le rang d'apparition du premier su ès ( obtenir le numéro 3 ) au ours d'une innité d'épreuves de
Bernoulli indépendantes et identiques ( tirer une boule de l'urne ave remise ), la probabilité de su ès étant
3
égale à .
10
3
Ainsi X suit la loi géométrique G .
10
Autrement dit
∗
X(Ω) = N k−1
3 7
∀k ∈ N∗ , P(X = k) =
10 10
7
10 70
On a E(X) = et V(X) = 102 = .
3 3 9
10
Exemple VII.1.4.
Z +∞
ln(t)
Étudions la onvergen e de dt.
1 t
Soit x > 1. On a
x x
(ln(t))2 (ln(x))2
ln(t)
Z
dt = =
1 t 2 1 2
2
(ln(x))
Comme lim = +∞, on en déduit la divergen e l'intégrale.
x→+∞ 2
Z +∞ Z +∞
λf (t)dt = λ f (t)dt.
a a
Z +∞ Z +∞ Z +∞
• Si les intégrales f (t)dt et g(t)dt sont onvergentes alors l'intégrale (f +g)(t)dt est onvergente
a a a
et on a
Z +∞ Z +∞ Z +∞
(f + g)(t)dt = f (t)dt + g(t)dt.
a a a
Z +∞ Z b Z +∞
f (t)dt = f (t)dt + f (t)dt.
a a b
L'intégrale f (t)dt est onvergente si, et seulement si, la fon tion F est majorée.
Exemple VII.2.3.
Z +∞ −t
e
Étudions la onvergen e de l'intégrale dt.
0 t +1
−t −t Z +∞
e e
Pour tout t ∈ R+ , on a 0 6 6 e−t . Comme la fon tion t 7−→ est positive et l'intégrale e−t dt
t+1 t+1 0
Z +∞ −t
e
est onvergente (exemple VII.1.3), on en déduit la onvergen e de l'intégrale dt.
0 t +1
Chapitre VIII
Variables aléatoires réelles à densité
où f est une fon tion à valeurs réelles positives, ayant un nombre ni de points de dis ontinuité et telle que
Z +∞
f (t)dt = 1.
−∞
Proposition VIII.1.8. Soient X une variable aléatoire réelle admettant une densité fX , FX sa fon tion
de répartition et a,Zb ∈ R, a 6 b. On a :
b
• P(a < X 6 b) = fX (t)dt = FX (b) − FX (a) ;
a
• P(X = a) = 0 ;
• P(a < X < b) = P(a 6 X < b) = P(a 6 X 6 b) = P(a < X 6 b) = FX (b) − FX (a) ;
Z +∞
• P(X > a) = P(X > a) = fX (t)dt = 1 − FX (a) ;
Z ab
• P(X < b) = P(X 6 b) = fX (t)dt = FX (b).
Remarque VIII.2.3. Une variable aléatoire réelle à densité peut ne pas admettre d'espéran e.
Proposition VIII.2.4. Soient X une variable aléatoire réelle admettant une espéran e et a, b ∈ R, a 6= 0.
La variable aléatoire réelle aX + b admet une espéran e et
E(aX + b) = aE(X) + b
Théorème (de transfert) VIII.2.8. Soient X une variable aléatoire réelleZ de densité f +∞
X et ϕ : R −→ R
une fon tion telle que ϕ(X) soit une variable aléatoire à densité. Si l'intégrale ϕ(t)f (t)dt onverge, alors
−∞
ϕ(X) admet une espéran e et
Z +∞
E(ϕ(X)) = ϕ(t)fX (t)dt
−∞
Proposition - Dénition VIII.2.12. Soit X une variable aléatoire réelle à densité et telle que X 2
admette
une espéran e.
Alors la variable aléatoire (X − E(X))2 admet une espéran e.
La varian e de X , notée V(X), est le réel
V(X) = E((X − E(X))2 )
Dénition VIII.2.13. Soit X unepvariable aléatoire réelle à densité, admettant une varian e. On appelle
é art-type de X le nombre réel σ(X) = V(X).
Proposition VIII.2.14. Soit X une variable aléatoire réelle admettant une densité f et une espéran e X
E(X).
Z +∞
X admet une varian e si, et seulement si, (t − E(X))2 fX (t)dt onverge.
−∞
Z +∞
On a alors V(X) = (t − E(X))2 fX (t)dt.
Théorème (formule de K÷nig-Huygens) VIII.2.15. Soit X une variable aléatoire à densité, admettant
−∞
une varian e. On a :
V(X) = E(X 2 ) − E(X)2 .
Proposition VIII.2.17. Soient X une variable aléatoire réelle à densité admettant une varian e et a, b ∈ R,
a 6= 0. La variable aléatoire aX + b admet une varian e et :
V(aX + b) = a2 V(X) et σ(aX + b) = |a|σ(X).
Chapitre IX
Lois usuelles
Proposition IX.1.3. Soit X une variable aléatoire réelle suivant la loi uniforme U([a, b]). X admet une
espéran e et une varian e égales à
b+a (b − a)2
E(X) = et V(X) =
2 12
Proposition IX.2.3. Soit X une variable aléatoire réelle suivant la loi exponentielle E(λ). X admet une
espéran e et une varian e égales à
1 1
E(X) = et V(X) =
λ λ2
Lois usuelles 35
IX.3 Loi normale
Dénition IX.3.1. Une variable aléatoire réelle X suit la loi normale entrée réduite si X a pour densité
la fon tion ϕ dénie par
2
1 x
∀x ∈ R, ϕ(x) = √ exp −
2π 2
X suit la loi normale entrée réduite se note X ֒→ N (0, 1).
On note Φ la fon tion de répartition de X .
Φ(x)
Φ(−x) = 1 − Φ(x).
Φ(−x) 1 − Φ(x)
−x x
Dénition IX.3.4. Soient µ ∈ R et σ ∈ R . Une variable aléatoire X suit la loi normale (ou de Lapla e -
∗
+
1
Gauss 2 ) de paramètres µ et σ si X a pour densité la fon tion f dénie par
2
(x − µ)2
1
∀x ∈ R, f (x) = √ exp −
σ 2π 2σ 2
X suit la loi normale de paramètres µ et σ se note X ֒→ N µ, σ2 .
2
Proposition IX.3.5. Soit X une variable aléatoire réelle suivant la loi normale N µ, σ 2 . X admet une
de répartition.
X −µ
Alors la variable aléatoire X ∗ = suit la loi normale entrée réduite N (0, 1).
σ
x−µ
Pour tout x ∈ R, on a F (x) = Φ .
Exemple IX.3.7.
σ
Soit X une variable aléatoire suivant la loi normale N (8, 25).
Cal ulons P(5 6 X 6 13).
X −8
X∗ = suit la loi normale entrée réduite N (0, 1). D'où :
5
5−8 X −8 13 − 8
P(5 6 X 6 13) = P 6 6
5 5 5
= P(−0,6 6 X ∗ 6 1)
= P(X ∗ 6 1) − P(X ∗ < −0,6)
= Φ(1) − Φ(−0,6)
= Φ(1) − (1 − Φ(0,6))
≃ 0,8413 − (1 − 0,7257)
= 0,567
1. Pierre-Simon Lapla e, Beaumont-en-Auge 1749 - Paris 1827
2. Carl Friedri h Gauss, Brunswi k 1777 - Göttingen 1855
Chapitre X
Convergen e et approximations
X.2 Approximations
X.2.1 Approximation de la loi binomiale par la loi de Poisson
Soient λ ∈ R∗+ et (pn )n∈N∗ une suite de réels tels que pn ∈]0, 1[ et lim npn = λ.
n→+∞
Pour tout n ∈ N∗ , soit Xn une variable aléatoire suivant la loi binomiale B(n, pn ).
On peut montrer que :
λk
lim P(Xn = k) = e−λ .
n→+∞ k!
Ainsi, la loi de Poisson P(λ) apparaît omme la loi limite d'une suite de variables aléatoires suivant la loi
binomiale B(n, pn ) où lim npn = λ.
Proposition X.2.1. La loi binomiale B(n, p) peut être appro hée par la loi de Poisson P(np) si
n→+∞
Exemple X.2.2. Suite à une va ination ontre le paludisme, dans une population à risque, on estime à 2%,
ompte tenu du délai d'immunisation, la proportion de personnes qui seront pourtant atteintes de la maladie.
Cal ulons la probabilité de onstater (stri tement) plus d'une personne malade lors d'un ontrle dans un petit
village de 100 habitants tous ré emment va inés(on supposera l'indépendan e des éventualités).
Soit X le nombre de malades.
X est le nombre de su ès ( être malade ) à l'issue de 100 épreuves de Bernoulli indépendantes et identiques
1
( tester un habitant ), la probabilité d'un su ès étant égale à .
50
1
Ainsi X suit la loi binomiale B 100, .
50
Comme
n = 100 > 30, np = 2 < 15 et p = 0,02 6 0,1
on peut appro her la loi de X par la loi de Poisson de paramètre λ = E(X) = 2.
Ainsi, en onfondant la loi de X ave la loi de Poisson P(2), on a
P(X > 1) = 1 − P(X = 0) − P(X = 1) = 1 − e−2 − 2e−2 = 1 − 3e−2 ≃ 0,594.
Remarque X.2.3. Dans l'exemple pré édent, l'appli ation (peu pratique) de la loi binomiale aurait fourni
P(X > 1) = 1 − P(X = 0) − P(X = 1) = 1 − (0,98)100 − 100 × 0,02 × (0,98)99 ≃ 0,597.
L'approximation est don i i ex ellente.
X.2.2 Approximation de la loi binomiale par la loi normale
Proposition X.2.4. La loi binomiale B(n, p) peut être appro hée par la loi normale N (np, np(1 − p)) si
n > 30, np > 15 et np(1 − p) > 5.
Exemple X.2.5. On plante 400 graines. La probabilité de germination d'une graine est de 80%.
Cal ulons la probabilité pour que 300 graines, au moins, germent.
Soit X le nombre de graines qui germent.
X est le nombre de su ès ( la graine germe ) à l'issue de 400 épreuves de Bernoulli indépendantes et identiques
4
( ontrler la germination d'une graine ), la probabilité d'un su ès étant égale à .
5
4
Ainsi X suit la loi binomiale B 400, .
5
Convergen e et approximations 38
Comme
n = 400 > 30 np = 320 > 15 et np(1 − p) = 64 > 5
on peut appro her la loi de X par la loi normale de paramètres µ = E(X) = 320 et σ2 = V(X) = 64.
X − 320
Ainsi, en onfondant la loi de X ave la loi normale N (320, 64), X ∗ = suit la loi normale entrée
8
réduite N (0, 1).
Don
∗ 300 − 320
P(X > 300) = P X > = P(X ∗ > −2,5) = 1 − Φ(−2,5) = Φ(2,5) ≃ 0,9938
8
X.3 Loi binomiale, loi normale, loi faible des grands nombres et intuition
Considérons le problème suivant :
On joue 100 fois à pile ou fa e ave une piè e équilibrée. Quelle est la probabilité d'obtenir 50 pile ?
1 1
Intuitivement, on répondrait ou environ .
2 2
Il n'en est rien.
En eet, soit X le nombre de pile obtenus.
X est le nombre de su ès ( obtenir pile ) à l'issue de 100 épreuves de Bernoulli indépendantes et identiques
1
( lan er la piè e ), la probabilité d'un su ès étant égale à .
2
1
Ainsi X suit la loi binomiale B 100, .
2
La probabilité d'obtenir 50 pile est don égale à
100 1
P(X = 50) = ≃ 0,0796
50 2100
La probabilité her hée est don faible.
Cal ulons la probabilité d'obtenir environ 50 pile, disons entre 47 et 53.
Comme
n = 100 > 30 np = 50 > 15 et np(1 − p) = 25 > 5
on peut appro her la loi de X par la loi normale de paramètres µ = E(X) = 50 et σ2 = V(X) = 25.
X − 50
Ainsi, en onfondant la loi de X ave la loi normale N (50, 25), X ∗ = suit la loi normale entrée réduite
5
N (0, 1).
Don
47 − 50 53 − 50
P(47 6 X 6 53) = P 6 X∗ 6
5 5
= P(−0,6 6 X ∗ 6 0,6)
= Φ(0,6) − Φ(−0,6)
= 2Φ(0,6) − 1
≃ 0,4514
1
La probabilité d'obtenir environ 50 pile est don pro he de .
2
Pour résumer, si on joue n fois (n pair) à pile ou fa e ave une piè e équilibrée, alors, plus n est grand
• plus la probabilité d'obtenir autant de pile que de fa e est faible ;
n 1
• plus la probabilité d'obtenir environ pile est pro he de (d'après la loi faible des grands nombres).
2 2
Intégrale Φ(x) de la loi normale entrée réduite N (0; 1)
x
1
Z
t2
Φ(x) = P(X 6 x) = √ e− 2 dt et Φ(−x) = 1 − Φ(x)
2π −∞
x 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 0,7291 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 0,8264 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 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
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 0,9778 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 0,9896 0,9898 0,9901 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 x
x 3,0 3,1 3,2 3,3 3,4
Φ(x) 0,99865 0,99904 0,99931 0,99952 0,99966
x 3,5 3,6 3,8 4,0 4,5
Φ(x) 0,99976 0,999841 0,999928 0,999968 0,999997