Mathématiques en ECS1

Alain GUICHET

13 juin 2006
2

Quelques recommandations
1. Sur le plan matériel :
(a) L’usage des calculatrices est interdit lors des épreuves des concours donc inutile d’investir dans
ce type de matériel.
(b) Je conseille vivement l’achat d’une clé USB (128 Mo sont suffisants) pour faciliter les transferts
de fichiers :
i. cours de mathématiques (formats pdf et/ou html),
ii. logiciels libres de programmation et de calcul formel,
iii. fichiers de programmations écrits en séances de TP d’informatique.
(c) Tout aussi vivement conseillée est la possession d’une adresse internet.
2. Sur le plan bibliographique, aucun achat n’est obligatoire, le cours est construit pour être auto-
suffisant (un cours polycopié est distribué, une version numérique est disponible). De plus, plusieurs
livres sont consultables au CDI. Toutefois, si vous en avez envie ou bien si cela peut vous rassurer
d’avoir des livres à disposition chez vous, vous une liste d’ouvrages :
(a) Collection Tout en un (Dunod), Mathématiques en EC 1ère année (55 euros) et 2ème année (39
euros).
(b) Collection Précis de mathématiques (Bréal), Algèbre 1ère année, Analyse 1ère année, Probabi-
lité 1ère année, Algèbre 2ème année, Analyse 2ème année et Probabilité 2ème année (environ
20 euros par ouvrage).
(c) Collection Phare (Ellipses) Exercices ECS1/2 et Exercices ECS2/2 (recueils d’exercices corrigés
que je ne connais pas, éditions d’avant la modification des programmes).
(d) Dictionnaire de mathématiques, classes préparatoires économiques et commerciales toutes op-
tions (Ellipses).
(e) Recueils d’annales corrigées (Ellipses), pour la première année, les sujets de la voie écono-
miques sont plus indiqués que ceux de la voie scientifique.
Table des matières

1 Inégalités dans R 15
1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2 Fonctions de références 19
2.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Les fonctions puissances entières . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Fonction valeur absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Fonction racine carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Fonction inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.6 Fonction exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Fonction logarithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.9 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3 Un peu de trigonométrie 27
3.1 Le cercle trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Fonctions cosinus et sinus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 Propriétés géométriques de ces fonctions . . . . . . . . . . . . . . . . 28
3.2.3 Propriétés analytiques de ces fonctions . . . . . . . . . . . . . . . . . 29
3.3 Fonction tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

4 Outils et méthodes pour la démonstration 33

4.1 L’alphabet grec utile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.1 Minuscules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.2 Majuscules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Éléments de logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1 Notion de propositions . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.2 Négation d’une proposition . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.3 Autres connecteurs logiques . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.4 Opérations entre les différents connecteurs logiques . . . . . . . . . . . 35
4.2.5 Implication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2.6 Contraposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.7 Réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3
4 TABLE DES MATIÈRES

4.2.8 Équivalences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.9 Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.1 Récurrence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.2 Récurrence à plusieurs pas . . . . . . . . . . . . . . . . . . . . . . . . 40
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5 Calculs de sommes et de produits de réels 47

5.1 Sommes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.1 Sommes simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.2 Opérations sur les sommes simples . . . . . . . . . . . . . . . . . . . 48
5.1.3 Sommes doubles : cas de variables indépendantes . . . . . . . . . . . . 49
5.1.4 Sommes doubles : cas des variables liées . . . . . . . . . . . . . . . . 50
5.2 Produits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.1 Produits simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.2 Produits doubles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.4 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

6 Ensembles et applications 55
6.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.1.1 Appartenance et éléments d’un ensemble . . . . . . . . . . . . . . . . 55
6.1.2 Inclusion et sous ensemble . . . . . . . . . . . . . . . . . . . . . . . . 55
6.1.3 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . 57
6.1.4 Famille d’ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.2.1 Vocabulaire et notations . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.2.2 Image directe et image réciproque d’un ensemble . . . . . . . . . . . . 60
6.2.3 Restriction et prolongement . . . . . . . . . . . . . . . . . . . . . . . 61
6.2.4 Composition des applications . . . . . . . . . . . . . . . . . . . . . . 61
6.3 Applications particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.3.1 Injection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.3.2 Surjection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.3.3 Bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.3.4 Fonction indicatrice d’un ensemble . . . . . . . . . . . . . . . . . . . 64
6.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

7 Suites réelles 73
7.1 Notions de base sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.1.1 Langage des suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.1.2 Sens de variation des suites . . . . . . . . . . . . . . . . . . . . . . . . 73
7.1.3 Borne(s) d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.1.4 Opérations sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.2 Suites usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
TABLE DES MATIÈRES 5

7.2.1 Suites arithmétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

7.2.2 Suites géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
7.2.3 Suites arithmético-géométriques . . . . . . . . . . . . . . . . . . . . . 77
7.2.4 Suites récurrentes linéaires d’ordre 2 . . . . . . . . . . . . . . . . . . . 77
7.3 Convergence ou divergence d’une suite réelle . . . . . . . . . . . . . . . . . . 78
7.3.1 Limite d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
7.3.2 Opération sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . 79
7.3.3 Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7.4 Convergence de suites particulières . . . . . . . . . . . . . . . . . . . . . . . . 81
7.4.1 Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.4.2 Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7.4.3 Application des suites adjacentes : borne supérieure et dichotomie . . . 82
7.4.4 Application des suites adjacentes : la fonction partie entière . . . . . . 84
7.4.5 Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.4.6 Suites récurrentes définie à l’aide d’une fonction . . . . . . . . . . . . 86
7.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
7.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

8 Comportement asymptotique des suites réelles 95

8.1 Suite négligeable devant une autre suite . . . . . . . . . . . . . . . . . . . . . 95
8.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
8.1.2 Négligeabilité et opérations sur les suites . . . . . . . . . . . . . . . . 96
8.1.3 Négligeabilité et limite de suites . . . . . . . . . . . . . . . . . . . . . 97
8.1.4 Négligeabilité au quotidien . . . . . . . . . . . . . . . . . . . . . . . . 97
8.2 Suites équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.2.2 Équivalence et opérations sur les suites . . . . . . . . . . . . . . . . . 99
8.2.3 Équivalence et limite de suites . . . . . . . . . . . . . . . . . . . . . . 100
8.2.4 Équivalences au quotidien . . . . . . . . . . . . . . . . . . . . . . . . 100
8.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.4 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

9 Matrices réelles 107

9.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9.1.1 Matrices rectangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9.1.2 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9.2.1 Addition des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9.2.2 Multiplication, à gauche, d’une matrice par un réel . . . . . . . . . . . 109
9.2.3 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . 110
9.2.4 Transposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9.3 Produit de deux matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.3.1 Existence du produit . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.3.2 Puissances d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . 113
9.3.3 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . 114
9.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6 TABLE DES MATIÈRES

10 Systèmes linéaires 125

10.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
10.2 Solution(s) d’un système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
10.2.1 Cas d’un système homogène . . . . . . . . . . . . . . . . . . . . . . . 126
10.2.2 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
10.3 Résolution pratique d’un système . . . . . . . . . . . . . . . . . . . . . . . . . 127
10.3.1 Opérations élémentaires sur les équations . . . . . . . . . . . . . . . . 127
10.3.2 Méthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 128
10.4 Systèmes particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
10.4.1 Systèmes de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
10.4.2 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

11 Dénombrement 135
11.1 Cardinal d’un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
11.1.1 Les trois types d’ensembles . . . . . . . . . . . . . . . . . . . . . . . 135
11.1.2 Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
11.1.3 Cardinal et opérations ensemblistes . . . . . . . . . . . . . . . . . . . 136
11.2 p-listes d’un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
11.2.1 p-listes avec répétitions . . . . . . . . . . . . . . . . . . . . . . . . . . 138
11.2.2 Arrangements (ou p-listes sans répétition) . . . . . . . . . . . . . . . . 138
11.2.3 Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
11.3 Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
11.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
11.3.2 Les formules essentielles . . . . . . . . . . . . . . . . . . . . . . . . . 141
11.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

12 Espaces probabilisés finis 149

12.1 Expériences aléatoires et modèles . . . . . . . . . . . . . . . . . . . . . . . . 149
12.1.1 Premier exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
12.1.2 Deuxième exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
12.1.3 Troisième exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
12.2 Récapitulatif de vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
12.3 Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
12.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
12.3.2 Équiprobabilité ou probabilité uniforme . . . . . . . . . . . . . . . . . 152
12.4 Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
12.4.1 Simulation du §12.1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . 153
12.4.2 Simulation du §12.1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . 154
12.4.3 Simulation du §12.1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
TABLE DES MATIÈRES 7

13 Conditionnement et indépendance 163

13.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
13.2 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
13.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
13.2.2 Les trois théorèmes fondamentaux . . . . . . . . . . . . . . . . . . . . 164
13.3 Événements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
13.3.1 Indépendance de deux événements . . . . . . . . . . . . . . . . . . . . 166
13.3.2 Indépendance d’une famille d’événements . . . . . . . . . . . . . . . . 167
13.4 Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
13.4.1 Le jeu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
13.4.2 Calcul de probabilité conditionnelle . . . . . . . . . . . . . . . . . . . 170
13.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170

14 Les espaces vectoriels Rn 175

14.1 Notion de R-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
14.2 Espaces vectoriels les plus usuels . . . . . . . . . . . . . . . . . . . . . . . . . 177
14.3 Sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
14.4 Combinaisons linéaires de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . 179
14.5 Sous espace vectoriel engendré par une famille de vecteurs . . . . . . . . . . . 180
14.6 Familles de vecteurs particulières . . . . . . . . . . . . . . . . . . . . . . . . . 182
14.6.1 Familles libres et familles liées . . . . . . . . . . . . . . . . . . . . . . 182
14.6.2 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
14.6.3 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
14.7 Notions de somme de sous espaces vectoriels . . . . . . . . . . . . . . . . . . 186
14.7.1 Somme de plusieurs sous espaces vectoriels . . . . . . . . . . . . . . . 186
14.7.2 Somme directe de deux sous espaces vectoriels . . . . . . . . . . . . . 188
14.7.3 Sous espaces vectoriels supplémentaires . . . . . . . . . . . . . . . . . 189
14.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
14.9 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

15 Applications linéaires de Rp dans Rn 195

15.1 Notion d’application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
15.2 Noyau et image d’une application linéaire . . . . . . . . . . . . . . . . . . . . 196
15.3 Image et image réciproque d’un sous espace vectoriel . . . . . . . . . . . . . . 198
15.4 Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . . 199
15.4.1 Addition et multiplication par les réels . . . . . . . . . . . . . . . . . . 199
15.4.2 Composition des applications linéaires . . . . . . . . . . . . . . . . . . 199
15.5 Isomorphismes et automorphismes . . . . . . . . . . . . . . . . . . . . . . . . 201
15.6 Lien avec les familles de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . 202
15.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
15.8 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

16 Étude locale des fonctions 215

16.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
16.1.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
16.1.2 À propos des démonstrations . . . . . . . . . . . . . . . . . . . . . . . 215
16.1.3 Quelques notions préliminaires . . . . . . . . . . . . . . . . . . . . . . 215
8 TABLE DES MATIÈRES

16.2 Limite en l’infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

16.3 Limite en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
16.3.1 Limite finie et continuité en x0 . . . . . . . . . . . . . . . . . . . . . . 217
16.3.2 Limite infinie en x0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.3.3 Pas de limite en x0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
16.3.4 Limite à gauche en x0 , limite à droite en x0 . . . . . . . . . . . . . . . 219
16.4 Opérations et limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
16.4.1 Limites et opérations usuelles sur les fonctions . . . . . . . . . . . . . 220
16.4.2 Limites et composées de fonctions . . . . . . . . . . . . . . . . . . . . 220
16.4.3 Limites et inégalités . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
16.5 Développement limité à l’ordre 0 . . . . . . . . . . . . . . . . . . . . . . . . . 222
16.6 Les différentes sorte de branches infinies d’une courbe . . . . . . . . . . . . . 223
16.6.1 Branche infinie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
16.6.2 Asymptotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
16.6.3 Branches paraboliques . . . . . . . . . . . . . . . . . . . . . . . . . . 224
16.7 Comparaison des fonctions au voisinage d’un point ou de l’infini . . . . . . . . 224
16.7.1 Fonction négligeable devant une autre fonction . . . . . . . . . . . . . 224
16.7.2 Fonction équivalente à une autre fonction . . . . . . . . . . . . . . . . 226
16.7.3 Équivalents usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
16.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
16.9 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228

17 Étude globale des fonctions 233

17.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
17.2 Fonctions monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
17.3 Fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
17.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
17.3.2 Cas des fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . 235
17.4 Les théorèmes fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
17.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
17.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240

18 Nombres complexes 245

18.1 Forme algébrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
18.2 Opérations dans C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
18.2.1 Addition et multiplication par un réel . . . . . . . . . . . . . . . . . . 245
18.2.2 Multiplication et division . . . . . . . . . . . . . . . . . . . . . . . . . 246
18.2.3 Conjugaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
18.2.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
18.3 Forme trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
18.3.1 Module . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
18.3.2 Argument . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
18.3.3 Formule de De Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . 251
18.4 Forme exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
18.4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
18.4.2 Formules d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
TABLE DES MATIÈRES 9

18.4.3 Racines de l’unité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252

18.5 Matrices et systèmes complexes . . . . . . . . . . . . . . . . . . . . . . . . . 252
18.6 C-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
18.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
18.8 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257

19 Polynômes 261
19.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
19.1.1 Les ensembles K[X] et Kn [X] . . . . . . . . . . . . . . . . . . . . . . 261
19.1.2 Évaluation d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . 262
19.2 Opérations usuelles dans K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . 262
19.2.1 Addition et multiplication par un scalaire . . . . . . . . . . . . . . . . 262
19.2.2 Multiplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
19.2.3 Composition des polynômes . . . . . . . . . . . . . . . . . . . . . . . 264
19.2.4 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
19.2.5 Intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
19.3 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
19.3.1 Théorème fondamental de la division euclidienne . . . . . . . . . . . . 266
19.3.2 Divisibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
19.3.3 Irréductibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
19.4 Racine(s) d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
19.5 Factorisation des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
19.5.1 Factorisation dans C[X] . . . . . . . . . . . . . . . . . . . . . . . . . 270
19.5.2 Factorisation dans R[X] . . . . . . . . . . . . . . . . . . . . . . . . . 271
19.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
19.7 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273

20 Variables aléatoires discrètes finies 277

20.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
20.2 Variables aléatoires réelles discrètes finies . . . . . . . . . . . . . . . . . . . . 277
20.3 Loi d’une variable aléatoire réelle . . . . . . . . . . . . . . . . . . . . . . . . 279
20.4 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
20.5 Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
20.6 Théorème de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
20.7 Quelques inégalités usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.1 Inégalité de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.2 Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . 284
20.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
20.9 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287

21 Variables aléatoires finies usuelles 291

21.1 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
21.2 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
21.3 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
21.4 Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
21.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
21.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
10 TABLE DES MATIÈRES

22 Vecteurs aléatoires 303

22.1 Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . 303
22.1.1 Loi conjointe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
22.1.2 Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
22.1.3 Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
22.1.4 Indépendance de deux variables aléatoires . . . . . . . . . . . . . . . . 305
22.1.5 Fonction de transfert d’un couple de variables aléatoires . . . . . . . . 305
22.1.6 Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
22.1.7 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
22.1.8 Coefficient de corrélation . . . . . . . . . . . . . . . . . . . . . . . . . 310
22.2 Vecteurs aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
22.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
22.4 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315

23 Calcul différentiel 321

23.1 Nombres dérivés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
23.1.1 Nombre dérivé en un point . . . . . . . . . . . . . . . . . . . . . . . . 321
23.1.2 Nombres dérivés à gauche et à droite . . . . . . . . . . . . . . . . . . 323
23.2 Fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
23.2.1 Fonction dérivable, fonction de classe C 1 . . . . . . . . . . . . . . . . 324
23.2.2 Dérivation et opérations sur les fonctions . . . . . . . . . . . . . . . . 324
23.3 Fonctions dérivées successives . . . . . . . . . . . . . . . . . . . . . . . . . . 326
23.3.1 Fonction p fois dérivable, fonction de classe C p . . . . . . . . . . . . . 326
23.3.2 Opérations sur les fonctions p fois dérivables . . . . . . . . . . . . . . 327
23.4 Les grands théorèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
23.4.1 Nombre dérivé et extremum local . . . . . . . . . . . . . . . . . . . . 328
23.4.2 Théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
23.4.3 Égalité des accroissements finis . . . . . . . . . . . . . . . . . . . . . 329
23.4.4 Inégalités des accroissements finis . . . . . . . . . . . . . . . . . . . . 330
23.4.5 Fonction dérivée et sens de variation . . . . . . . . . . . . . . . . . . . 330
23.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
23.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333

24 Fonctions convexes 341

24.1 Notion de convexité et de point d’inflexion . . . . . . . . . . . . . . . . . . . . 341
24.2 Convexité et fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
24.3 Convexité et fonction dérivée seconde . . . . . . . . . . . . . . . . . . . . . . 343
24.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
24.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345

25 Calcul intégral sur un segment 347

25.1 Fonctions en escalier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
25.2 Construction de l’intégrale des fonctions positives . . . . . . . . . . . . . . . . 348
25.2.1 Cas des fonctions en escalier positives . . . . . . . . . . . . . . . . . . 348
25.2.2 Cas des fonctions continues et positives . . . . . . . . . . . . . . . . . 348
25.3 Intégrale des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . 351
25.3.1 Les fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
TABLE DES MATIÈRES 11

25.3.2 Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . 352

25.4 Intégrale des fonctions continues par morceaux . . . . . . . . . . . . . . . . . 354
25.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
25.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356

26 Primitives et intégrales 361

26.1 Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
26.2 Intégrales fonction de la borne supérieure . . . . . . . . . . . . . . . . . . . . 362
26.3 Techniques d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
26.3.1 Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . 363
26.3.2 Changement de variable . . . . . . . . . . . . . . . . . . . . . . . . . 364
26.3.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
26.4 Équation différentielle linéaire du premier ordre . . . . . . . . . . . . . . . . . 365
26.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
26.6 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369

27 Développements limités 373

27.1 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
27.1.1 Formule de Taylor avec reste intégral . . . . . . . . . . . . . . . . . . 373
27.1.2 Égalité de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . 374
27.1.3 Inégalité de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . 375
27.1.4 Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . 375
27.2 Développements limités au voisinage de 0 . . . . . . . . . . . . . . . . . . . . 376
27.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
27.2.2 Existence de développements limités . . . . . . . . . . . . . . . . . . 377
27.2.3 Développements limités usuels au voisinage de 0 . . . . . . . . . . . . 378
27.2.4 Opérations sur les développements limités au voisinage de 0 . . . . . . 379
27.3 Développement limité au voisinage de x0 ou de l’infini . . . . . . . . . . . . . 379
27.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
27.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382

28 Applications linéaires dans les K-espaces vectoriels usuels 385

28.1 Espaces vectoriels en géométrie (révisions) . . . . . . . . . . . . . . . . . . . 385
28.2 Espaces vectoriels en analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
28.2.1 Fonctions numériques . . . . . . . . . . . . . . . . . . . . . . . . . . 385
28.2.2 Suites numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
28.3 Espaces vectoriels en algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
28.3.1 Matrices et systèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
28.3.2 Polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
28.4 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
28.5 Compléments : projecteurs et symétries . . . . . . . . . . . . . . . . . . . . . 389
28.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
28.7 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
12 TABLE DES MATIÈRES

29 Dimension d’un K-espace vectoriel 401

29.1 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 401
29.1.1 Définition de la dimension . . . . . . . . . . . . . . . . . . . . . . . . 401
29.1.2 Conséquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
29.2 Dimension d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . 404
29.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
29.2.2 Supplémentaire d’un sous-espace vectoriel . . . . . . . . . . . . . . . 405
29.3 Différentes notions de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
29.3.1 Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . 406
29.3.2 Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . 406
29.3.3 Théorème du rang et conséquences . . . . . . . . . . . . . . . . . . . 406
29.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408
29.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412

30 Séries numériques 417

30.1 Généralités sur les séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
30.1.1 Définitions et premières propriétés . . . . . . . . . . . . . . . . . . . . 417
30.1.2 Opérations sur les séries . . . . . . . . . . . . . . . . . . . . . . . . . 418
30.2 Séries à termes tous positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
30.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
30.2.2 Les séries de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . 419
30.3 Séries à termes de signe non constant . . . . . . . . . . . . . . . . . . . . . . . 420
30.3.1 Convergence absolue et semi convergence . . . . . . . . . . . . . . . . 420
30.3.2 Les séries géométriques et leurs séries dérivées . . . . . . . . . . . . . 420
30.3.3 Les séries exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . 421
30.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
30.5 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425

31 Espaces probabilisés infinis 431

31.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
31.2 Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
31.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
31.2.2 Tribu (ou σ-algèbre) de parties d’un ensemble . . . . . . . . . . . . . . 432
31.2.3 Espaces probabilisables . . . . . . . . . . . . . . . . . . . . . . . . . 433
31.2.4 Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
31.3 Conditionnement et indépendance . . . . . . . . . . . . . . . . . . . . . . . . 436
31.3.1 Définition et théorèmes sur le conditionnement . . . . . . . . . . . . . 436
31.3.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
31.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437

32 Variables aléatoires réelles discrètes 441

32.1 Variables aléatoires réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
32.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
32.2.1 Ensemble discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
32.2.2 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
32.3 Loi d’une variable aléatoire discrète infinie . . . . . . . . . . . . . . . . . . . 443
32.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443
TABLE DES MATIÈRES 13

32.3.2 Couple de variables aléatoires discrètes . . . . . . . . . . . . . . . . . 443

32.3.3 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . 444
32.4 Moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
32.4.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
32.4.2 Variance et écart type . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
32.4.3 Quelques inégalités usuelles . . . . . . . . . . . . . . . . . . . . . . . 446
32.4.4 Moments d’une variable aléatoire discrète . . . . . . . . . . . . . . . . 446
32.5 Fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447
32.6 Variables aléatoires discrètes usuelles . . . . . . . . . . . . . . . . . . . . . . 448
32.6.1 Loi géométrique (ou loi sans mémoire) . . . . . . . . . . . . . . . . . 448
32.6.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
32.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450

33 Éléments de topologie de R et de R2 455

33.1 Un peu de topologie de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
33.2 Notations et rappels sur le plan . . . . . . . . . . . . . . . . . . . . . . . . . . 455
33.2.1 Équation paramétrique d’une droite . . . . . . . . . . . . . . . . . . . 455
33.2.2 Équation paramétrique d’un segment . . . . . . . . . . . . . . . . . . 456
33.2.3 Produit scalaire usuel dans R2 . . . . . . . . . . . . . . . . . . . . . . 456
33.3 Un peu de topologie de R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
33.3.1 Distance euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
33.3.2 Boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
33.3.3 Ensembles ouverts . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458
33.3.4 Ensembles fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458
33.3.5 Ensembles bornés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
33.3.6 Ensembles convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
33.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459

34 Fonctions continues sur R2 461

34.1 Fonctions de deux variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461
34.2 Continuité des fonctions de deux variables . . . . . . . . . . . . . . . . . . . . 462
34.2.1 Limite et continuité en un point . . . . . . . . . . . . . . . . . . . . . 462
34.2.2 Continuité sur un ouvert . . . . . . . . . . . . . . . . . . . . . . . . . 463
34.2.3 Fonctions continues particulières . . . . . . . . . . . . . . . . . . . . . 464
34.2.4 Autres théorèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
34.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465

35 Matrice d’une application linéaire 467

35.1 Applications linéaires et matrices . . . . . . . . . . . . . . . . . . . . . . . . . 467
35.2 Opérations sur les applications linéaires et opérations sur les matrices . . . . . 469
35.3 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
35.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
35.3.2 Lien avec le rang d’une application linéaire . . . . . . . . . . . . . . . 470
35.3.3 Applications linéaires particulières . . . . . . . . . . . . . . . . . . . . 471
35.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
14 TABLE DES MATIÈRES

36 Réduction des endomorphismes et des matrices carrées 473

36.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
36.2 Valeur propre, vecteurs propres et sous espaces propres d’un endomorphisme . 473
36.3 Endomorphismes diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . 474
36.4 Matrices carrées diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . 475
36.5 Réduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476
36.5.1 Matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476
36.5.2 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . 476
36.5.3 Théorème fondamental de la réduction . . . . . . . . . . . . . . . . . . 477
36.6 Application : puissances d’une matrice . . . . . . . . . . . . . . . . . . . . . . 477
36.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
Chapitre 1

Inégalités dans R

1.1 Rappels
Définitions
Soit (x, y) un couple de réels.
– On dit que x est inférieur ou égal à y (on dit aussi inférieur à) et on note x ≤ y si et seulement si :

x ∈] − ∞, y] ou bien y ∈ [x, +∞[

On dit aussi que y est supérieur ou égal à x ce qui se note aussi y ≥ x.

– On dit que x est strictement inférieur à y et on note x < y si et seulement si :

x ∈] − ∞, y[ ou bien y ∈]x, +∞[

On dit aussi que y est strictement supérieur à x ce qui se note aussi y > x.

Propositions (règles d’opérations sur les inégalités)

Soit (a, b, c, d) un quadruplet de réels.
– Si a ≤ b et si c ≤ d alors on a a + c ≤ b + d.
Attention, la réciproque est fausse.
– Si a ≤ b alors −b ≤ −a (la fonction opposée change l’ordre).
– Si 0 ≤ a ≤ b et si 0 ≤ c ≤ d alors 0 ≤ a × c ≤ b × d.
Attention à ne pas multiplier des réels qui ne sont pas tous positifs.
1 1
– Si 0 < a ≤ b alors 0 < ≤ .
b a
1 1
Si a ≤ b < 0 alors ≤ < 0.
b a
La fonction inverse change l’ordre des réels de même signe.
1 1
Attention, si a < 0 < b alors < 0 < .
a b
Attention aussi à ne pas diviser des inégalités.

Exemples
1. Soit (a, b, c, d) un quadruplet de réels tels que 0 ≤ a ≤ b et c ≤ d ≤ 0. Démontrer que bc ≤ ad ≤ 0.
a b
2. Soit (a, b, c, d) un quadruplet de réels tels que 0 < a ≤ b et 0 < c ≤ d. Démontrer que 0 < ≤ .
d c
b a
3. Soit (a, b, c, d) un quadruplet de réels tels que 0 < a ≤ b et c ≤ d < 0. Démontrer que ≤ < 0.
d c

15
16 CHAPITRE 1. INÉGALITÉS DANS R

1.2 Exercices
√
1. Encadrer l’aire d’un triangle équilatéral de côté a avec 1, 2 < a < 1, 21 en sachant que 1, 73 < 3<
1, 74.
2. Une cuve cylindrique contient un volume V = 2m3 à un litre près par défaut et de hauteur h = 0, 5m
à 2cm près par excès. Sachant que 3, 14 ≤ π ≤ 3, 15, déterminer un encadrement du rayon R de cette
cuve (valeurs données au centimètre).
3. Comparer les nombres :
1 1
x= et y=
(0, 999 999 999 997)2 (1, 000 000 000 003)2
1
4. Valeur approchée de pour x 6= −1.
1+x
(a) Démontrer que, pour tout réel x 6= −1, on a :
1 x2
=1−x+
1+x 1+x
(b) Démontrer que, pour tout x ∈ [ −1
2 2
, 1 ], on a :

x2
0≤ ≤ 2x2
1+x
(c) Déduire des questions qui précèdent que, pour tout réel x ∈ [ −1
2 2
, 1 ], 1 − x est une approximation
1
de à 2x2 près par défaut.
1+x
(d) À l’aide de cette méthode, donner une valeur approchée ainsi que la précision obtenues des réels
suivants :
1 1 1
1, 004 0, 9993 3, 006

1.3 Solutions des exercices

√ √
3 3
1. La hauteur d’un triangle équilatéral de côté a vaut a et donc l’aire A de ce triangle vaut a2 .
2 2
D’après les encadrements proposés, on en déduit que :
√
2 3
1, 44 < a < 1, 4641 et 0, 865 < < 0, 87
2
1, 2456 < A < 1, 273767
r
2 V
2. On sait que V = πR h et donc que R = . On sait aussi que :
πh
2 < V < 2, 001 0, 48 < h < 0, 5 3, 14 < π < 3, 15
donc, on en déduit que :
1 1 1 1 1 1
2 < V < 2, 001 < < < <
0, 5 h 0, 48 3, 15 π 3, 14
80 4 2, 001 3335
= < R2 < =
63 3, 15 1, 5072 2512
r r
80 3335
1, 12 < <R< < 1, 16
63 2512
1.3. SOLUTIONS DES EXERCICES 17

3. La fonction carrée conserve l’ordre des réels positifs strictement (et les résultats sont strictement
positifs), la fonction inverse change l’ordre des réels positifs strictement. On en déduit donc que
x > y.
4. (a) Pour tout réel x 6= −1, on a :

x2 (1 − x)(1 + x) + x2 1 − x2 + x2 1
1−x+ = = =
1+x 1+x 1+x 1+x

(b) Pour tout réel x ∈ [− 12 , 12 ] (donc différent de −1), on a x2 ≥ 0 et :

1 1
1− ≤1+x≤1+
2 2
2 1
0< ≤ ≤2
3 1+x
x2
0≤ ≤ 2x2
1+x
(c) Pour tout réel x ∈ [− 12 , 12 ], on a alors :

x2 1
0≤ = − (1 − x) ≤ 2x2
1+x 1+x
1
donc 1 − x est bien une approximation de à 2x2 près par défaut.
1+x
1
(d) i. Pour x = 0, 004 ∈ [− 21 , 12 ], on obtient que 0, 996 est une approximation de à
1, 004
0, 000032 près par défaut.
1
ii. Pour x = −0, 0007 ∈ [− 12 , 12 ], on obtient que 1, 0007 est une approximation de à
0, 9993
0, 00000098 près par défaut.
1
iii. On a = 13 × 1,002
3,006
1
. Pour x = 0, 002 ∈ [− 21 , 12 ], on obtient que 0, 998 est une approxima-
1
tion de à 0, 000008 près par défaut et donc que 0, 33266666 est une approximation
1, 002
1
de à 0, 00000027 près par défaut.
3, 006
18 CHAPITRE 1. INÉGALITÉS DANS R
Chapitre 2

Fonctions de références

2.1 Rappels
Dans ce paragraphe, I désigne un intervalle de R et f une fonction numérique définie sur I.

Définitions
– f est paire sur I si et seulement si I est symétrique par rapport à 0 et :

∀x ∈ I, f (−x) = f (x)

– f est impaire sur I si et seulement si I est symétrique par rapport à 0 et :

∀x ∈ I, f (−x) = −f (x)

– f est périodique de période T (T > 0) sur I si et seulement si :

∀x ∈ I, x + T ∈ I ⇒ f (x + T ) = f (x)

– f est majorée sur I si et seulement si :

∃M ∈ R / ∀x ∈ I, f (x) ≤ M

Un tel réel M est appelé majorant de f .

– f est minorée sur I si et seulement si :

∃m ∈ R / ∀x ∈ I, f (x) ≥ m

Un tel réel m est appelé minorant de f .

– f est bornée sur I si et seulement si f est majorée et minorée sur I.
– f est croissante (resp. strictement croissante) sur I si et seulement si :

∀(x, y) ∈ I 2 , x < y ⇒ f (x) ≤ f (y) (resp. f (x) < f (y) )

– f est décroissante (resp. strictement décroissante) sur I si et seulement si :

∀(x, y) ∈ I 2 , x < y ⇒ f (x) ≥ f (y) (resp. f (x) > f (y) )

– f est monotone (resp. strictement monotone) sur I si et seulement si elle est ou bien croissante
(resp. strictement croissante) sur I ou bien décroissante (resp. strictement décroissante) sur I.

Propositions
– Si f est majorée par M alors tout réel M 0 ≥ M est encore un majorant de f .
– Si f est minorée par m alors tout réel m0 ≤ m est encore un minorant de f .

19
20 CHAPITRE 2. FONCTIONS DE RÉFÉRENCES

2.2 Les fonctions puissances entières

Définitions
– Soit x un réel. On définit, par récurrence, les puissances successives du réel x par :

x0 = 1 et, pour tout entier naturel n, xn+1 = xn × x = x × xn

– Soit n un entier naturel. On appelle fonction puissance n la fonction :

pn : R →  R
xn si n > 0
x 7→
1 si n = 0

Propositions
– Pour tout couple (m, n) d’entiers naturels et pour tout réel x, on a :
xm
xm+n = xm xn et n
= xm−n si x 6= 0
x
– Les fonction puissances entières sont continues sur R.
– Soit n un entier naturel. La fonction puissance puissance n est paire (resp. impaire) si et seulement si
l’entier n est pair (resp. impair).
– Les fonctions puissances sont croissantes sur R+ .
– Les fonctions puissances entières sont dérivables sur R. De plus, pour tout entier naturel n et pour
tout réel x, on a : 
0 nxn−1 si n > 0
pn (x) =
0 si n = 0

2.3 Fonction valeur absolue

Définitions
– Soit x un réel. On appelle valeur absolue du réel x la distance, notée |x|, entre x et 0.
– On appelle fonction valeur absolue la fonction :
|| : R → R
x 7→ |x|

Propositions
– Pour tout réel x, on a : 
x si x ≥ 0
|x| = = max{x, −x}
−x si x < 0
−|x| ≤ x ≤ |x|
– Pour tout couple de réels (x, a) et pour tout réel e positif, on a :

|x − a| ≤ e si et seulement si a−e≤x≤a+e

Autrement dit, un réel x est à une distance inférieure à e du réel a si et seulement si x ∈ [a − e, a + e].
– Pour tout couple de réels (x, y), on a :

|x + y| ≤ |x| + |y|

Cette inégalité est appelée inégalité triangulaire.

De plus, cette inégalité est une égalité si et seulement si les réels x et y sont de même signe.
2.4. FONCTION RACINE CARRÉE 21

– La fonction valeur absolue est continue sur R.

– La fonction valeur absolue est strictement décroissante sur ] − ∞, 0] et est strictement croissante sur
[0, +∞[.
– La fonction valeur absolue est dérivable sur ] − ∞, 0[ et sur ]0, +∞[. Elle n’est pas dérivable en 0.

2.4 Fonction racine carrée

Définitions
√ √
– Soit a un réel positif. On appelle racine carrée du réel a le réel positif noté a tel que ( a)2 = a,
c’est à dire l’unique solution dans [0, +∞[ de l’équation x2 = a.
– On appelle fonction racine carrée la fonction :
√
: [0, +∞[ → R
√
x 7→ x

Propositions
– Pour tout couple (a, b) de réels, on a :
√ √ √
a×b= a× b
– La fonction racine carrée est continue sur R+ .
– La fonction racine carrée est croissante sur R+ .
– La fonction racine carrée est dérivable sur ]0, +∞[ et, pour tout réel x strictement positif, on a :
√0 1
(x) = √
2 x

2.5 Fonction inverse

Définitions
– Soit a un réel non nul. On appelle inverse du réel a le réel b tel que a × b = 1. On le note a−1 ou
1
bien .
a
– On appelle fonction inverse la fonction :
inv : ] − ∞, 0[∪]0, +∞[ → R
1
x 7→
x

Propositions
– Pour tout couple (a, b) de réels non nuls, on a :
1 1 1
= ×
a×b a b
r
1 1
=√ pourvu que a > 0
a a
1 1
=
a |a|
– La fonction inverse est strictement décroissante aussi bien sur ] − ∞, 0[ que sur ]0, +∞[.
– La fonction inverse est continue et dérivable aussi bien sur ] − ∞, 0[ que sur ]0, +∞[. De plus, pour
tout réel x non nul, on a :
1
inv0 (x) = − 2
x
22 CHAPITRE 2. FONCTIONS DE RÉFÉRENCES

2.6 Fonction exponentielle

Définition
On appelle fonction exponentielle, notée exp, la fonction dérivable sur R, prenant la valeur 1 en x = 0
et dont sa fonction dérivée est égale à elle même. Autrement dit, exp(0) = 1 et, pour tout réel x, on a :

exp0 (x) = exp(x)

Propositions
On pose : e = exp(1).
– Pour tout réel x, on a :
exp(x) = ex > 0
– Pour tout couple (a, b) de réels, on a :

ea+b = exp(a + b) = exp(a) × exp(b) = ea × eb

exp(a) ea
ea−b = exp(a − b) = = b
exp(b) e
a p √
ea/2 = exp = exp(a) = ea
2
– La fonction exponentielle est strictement croissante sur R.

2.7 Fonction logarithme

Définition
On appelle fonction logarithme néperien, notée ln, la fonction réciproque de la fonction exponentielle,
c’est à dire la fonction :
ln : ]0, +∞[ → R
x 7→ ln(x) tel que : exp(ln(x)) = x

Propositions
– ln(1) = 0 et ln(e) = 1.
– Pour tout couple (a, b) de réels strictement positfs, on a :

ln(a × b) = ln(a) + ln(b)

a
ln = ln(a) − ln(b)
b
√
1
ln a = ln(a)
2
– Pour tout réel x, on a :
ln (ex ) = ln(exp(x)) = x
– La fonction logarithme est strictement croissante sur ]0, +∞[
– La fonction logarithme est continue et dérivable sur ]0, +∞[. De plus, pour tout réel x strictement
positif, on a :
1
ln0 (x) =
x
2.8. EXERCICES 23

2.8 Exercices
1. En utilisant la définition du sens de variation, prouver successivement que :
(a) la fonction carrée est décroissante sur R− ,
(b) la fonction cube est croissante sur R.
2. Soit n un entier naturel non nul. En utilisant sa définition, établir le sens de variation de la fonction in
sur chacun des deux intervalle sur lesquels elle est définie :

in : ] − ∞, 0[∪]0, +∞[ → R
1
x 7→ n
x

3. (a) Résoudre dans R l’équation |2 + x| + 2 + 2x = x2 .

(b) En déduire la résolution dans R des équations :
i. |2 + ln(x)| + 2 + 2 ln(x) = ln(x)2
ii. |2e−x + 1| + 2e−x + 2 = ex
4. Résoudre dans R les inéquations suivantes :
1 √ 
(a) ln(2x) = ln(3 − x) − ln x+1
2
(b) ln(x + 3) + ln(x + 2) = ln(x + 11)
(c) ln(x2 + 5x + 6) = ln(x + 11)
 
−x − 11
(d) ln(−x − 2) = ln
x+3
(e) ln(x + 2) = ln(−x − 11) − ln(x + 3)
5. Soit (a, b) un couple de réels strictement positifs tels que :
 
a+b 1
ln = (ln(a) + ln(b))
3 2
a
Calculer le rapport(indication : a + b = b( ab + 1)).
b
6. Déterminer l’ensemble des couples de réels (x, y) tels que :

x+y =9
(a)
ln(x) + ln(y) = ln(15)

ln(x2 ) − ln(y 5 ) = 16
(b)
ln(x3 ) + ln(y 3 ) = 15

ln(x) × ln(y) = −10
(c)
ln(x) + ln(y) = 3
7. Résoudre dans R les inéquations suivantes :
p
(a) ln(x) > 2
(b) ln(|2x + 1|) ≥ 1
(c) ln(x + 1) + ln(x − 1) > −2
(d) ln(|2x + 1|) + ln(|x + 3|) < 1
(e) 2 ln(3 − x) ≤ ln(x + 1) + ln(x − 2)
24 CHAPITRE 2. FONCTIONS DE RÉFÉRENCES

8. Soit a un réel strictement positif. On considère l’application :

ϕa : ]0, +∞[ → R
1
x 7→ ln(x) − ln(a) − (x − a)
a+1
(a) Étudier le sens de variation de ϕa sur l’intervalle ]0, a + 1].
(b) En déduire l’inégalité suivante :
1
ln(a + 1) − ln(a) ≥
a+1
(c) Appliquer l’inégalité ci-dessus pour les valeurs de a suivantes : 1, 2 et 3.
En déduire que ln(4) > 1.
(d) À l’aide des résultats précédents, prouver l’existence et l’unicité du nombre e tel que ln(e) = 1.
9. Résoudre dans R les équations et inéquations suivantes :
(a) 2(ln x)2 − 9 ln x − 18 = 0
(b) 8e3x+3 + 6 = 6e2x+2 + 23ex+1
(c) e2x+ln 2 + ex+ln 5 − 3 = 0
(d) ex − 2e−x + 1 < 0
(e) 4e−5x + 3e−3x − e−x < 0
e2
(f) e4x+2 − 4x+2 > e2 − 1
e

2.9 Solutions des exercices

1. (a) Soit a et b deux réels tels que a < b ≤ 0. Alors, on a 0 ≤ −b < −a d’où, par croissance stricte
de la fonction carrée sur R+ , l’inégalité 0 ≤ (−b)2 < (−a)2 c’est à dire que 0 ≤ b2 < a2 .
Conclusion : La fonction carrée est strictement décroissante sur R− .
(b) Soit a et b deux réels tels que a < b. Trois cas sont à considérer :
Cas 1 : 0 ≤ a < b. Le résultat est énoncé dans le cours.
Cas 2 : a < 0 < b. Comme a3 < 0 et b3 > 0 alors a3 < 0 < b3 .
Cas 3 : a < b ≤ 0. On a alors 0 ≤ −b < −a d’où l’inégalité 0 ≤ (−b)3 < (−a)3 et donc
0 ≤ −b3 < −a3 et finalement a3 < b3 ≤ 0.
Conclusion : La fonction cube est strictement croissante sur R .
2. (a) Variations sur ]0, +∞[.
Soit (a, b) un couple de réels tels que 0 < a < b. Comme la fonction x 7→ xn est strictement
croissante sur [0, +∞[, on en déduit que 0 < an < bn . Comme la fonction inverse est strictement
décroissante sur ]0, +∞[, on en déduit que 0 < b1n < a1n .
Conclusion : La fonction in est strictement décroissante sur ]0, +∞[ .
(b) Variations sur ] − ∞, 0[.
Soit (a, b) un couple de réels tels que a < b < 0. Alors 0 < −b < −a et, d’après l’étude
1 1 1 1 n
précédente, on a 0 < (−a) n < (−b)n d’où l’inégalité 0 < (−1)n an < (−1)n bn . Comme (−1) vaut

1 si n est pair et −1 si n est impair, on en déduit que :

1 1 1 1
0< n
< n si n est pair et n
< n < 0 si n est impair
a b b a
Conclusion : La fonction in est strictement croissante sur ] − ∞, 0[ lorsque n est pair

La fonction in est strictement décroissante sur ] − ∞, 0[ lorsque n est impair

2.9. SOLUTIONS DES EXERCICES 25

3. (a) Il est clair que |2 + x| ≥ 0 si et seulement si x ≥ −2.

Dans le cas où x ≥ −2, l’équation à résoudre est donc successivement équivalente à :
2 + x + 2 + 2x = x2
x2 − 3x − 4 = 0
x ∈ {−1, 4}
valeurs qui sont bien supérieures à −2.
Dans le cas où x < −2, l’équation à résoudre est donc successivement équivalente à :
−2 − x + 2 + 2x = x2
x(x − 1) = 0
x ∈ {0, 1}
valeurs qui ne sont pas strictement inférieures à −2.
Conclusion : Sa = {−1, 4} .
(b) i. Compte tenu de la question précédente x est une solution de l’équation si et seulement si :
ln(x) = −1 ou ln(x) = 4
x = e−1 ou x = e4
Conclusion : Sb,i = {e−1 , e4 }
ii. Comme à la question précédente, x est solution de l’équation si et seulement si :
ex |2e−x + 1| + 2e−x + 2 = ex ex

|2 + ex | + 2 + 2ex = (ex )2
ex = −1 ou ex = 4
x = ln(4)
Conclusion : Sb,ii = {ln(4)} .
4. s
5. Soit (a, b) un couple de réels strictement positifs. L’équation est équivalente à :
 
a 1 1 1
ln(b) + ln + = ln(a) + ln(b)
3b 3 2 2
 
a 1 1 a
ln + = ln
3b 3 2 b
r
a 1 a
+ =
3b 3 b
r 2 r
a a
−3 +1=0
b b
r √ r √
a 3− 5 a 3+ 5
= >0 ou = >0
b 2 b 2
√ !2 √ !2
a 3− 5 a 3+ 5
= ou =
b 2 b 2
( √ √ )
7−3 5 7+3 5
Conclusion : S = , .
2 2
26 CHAPITRE 2. FONCTIONS DE RÉFÉRENCES

6. s
7. s
8. (a) La fonction ϕa est dérivable sur ]0, +∞[ car somme de fonctions dérivables sur cet intervalle.
De plus, pour tout réel x > 0, on a :
1 1
ϕ0a (x) = −
x a+1
Ainsi, ϕ0a (x) ≥ 0 si et seulement si 0 < x ≤ a + 1.
Conclusion : ϕa est strictement croissante sur ]0, a + 1] .
(b) On a :
1
ϕa (a) = 0 et ϕa (a + 1) = ln(a + 1) − ln(a) −
a+1
D’après la question précédente, on en déduit que 0 = ϕa (a) ≤ ϕa (a + 1).
1
Conclusion : ln(a + 1) − ln(a) ≥ .
a+1
1
(c) Pour a = 1, on obtient : ln(2) ≥ .
2
1
Pour a = 2, on obtient : ln(3) − ln(2) ≥ .
3
1
Pour a = 3, on obtient : ln(4) − ln(3) ≥ .
4
On en déduit que :
1 1 1 1 1 1 13
ln(4) ≥ ln(3) + ≥ ln(2) + + ≥ + + =
4 3 4 2 3 4 12

Conclusion : ln(4) > 1 .

(d) La fonction ln est continue et strictement croissante sur [1, 4] donc elle établit une bijection de
[1, 4] dans [0, ln(4)]. Comme 1 ∈ [0, ln(4)], on en déduit que 1 admet un antécédent unique dans
[1, 4] par la fonction ln.
9. s
Chapitre 3

Un peu de trigonométrie

3.1 Le cercle trigonométrique

Définitions
– On appelle angle tout domaine limité par deux demi-droites de même origine nommée sommet de
l’angle.
– On appelle mesure d’un angle la longueur de l’arc du cercle (de rayon 1 et dont le centre est le
sommet de l’angle) délimité par l’angle. L’unité est le radian (notation : rad).
– On appelle cercle trigonométrique tout cercle de rayon 1 (une unité de longueur) et orienté dans le
sens trigonométrique (sens inverse des aiguilles d’une montre).
– Un angle est dit orienté si et seulement s’il est associé à un cercle trigonométrique. Sa mesure est
comptée positivement si et seulement si on tourne dans le sens trigonométrique et négativement si et
seulement si on tourne dans le sens contraire (dit rétrograde).
– Par convention, l’origine des mesures des angles est liée au point de coordonnées (1, 0) du cercle
trigonométrique.

Exemples
Rappelons que le cercle trigonométrique a pour circonférence 2π (en unité de longueur choisie).
1. Un angle nul a pour mesure principale 0 rad. Mais 2π, 4π, . . . et −2π, −4π, . . . en sont aussi des
mesures.
2. Un angle plat a pour mesure principale π rad. Mais 3π, 5π, . . . et −π, −3π, −5π, . . . en sont aussi
des mesures.
π π 3π 5π 7π 9π 3π 5π
3. Un angle droit a pour mesure principale rad ou − . Mais , , , , . . . et − , − , . . .
2 2 2 2 2 2 2 2
en sont aussi des mesures.
4. Placer sur un cercle trigonométrique les mesures remarquables suivantes :
π π π π 2π 3π 5π 7π 5π 4π 3π 5π 7π 11π
0, , , , , , , , π, , , , , , , , 2π
6 4 3 2 3 4 6 6 4 3 2 3 4 6
145π
et toutes les mesures opposées. Placer ensuite la mesure − .
12

3.2 Fonctions cosinus et sinus

3.2.1 Généralités
Définitions
– Soit x un réel. Soit M le point du cercle trigonométrique associé à l’angle de mesure x rad. L’abscisse
de ce point est appelée cosinus de x, notée cos(x), et son ordonnée est appelée sinus de x, notée

27
28 CHAPITRE 3. UN PEU DE TRIGONOMÉTRIE

sin(x).
– On appelle fonction cosinus et fonction sinus les fonctions suivantes :

cos : R → R sin : R → R
et
x 7→ cos(x) x 7→ sin(x)

Propositions

Pour tout réel x, on a :

−1 ≤ cos(x) ≤ 1 et − 1 ≤ sin(x) ≤ 1

cos(x)2 + sin(x)2 = 1

Exemple (valeurs remarquables de ces deux fonctions)

On a le tableau suivant :
π π π π
x 0
√6 √4 3 2
3 2 1
cos(x) 1 0
2 √2 √2
1 2 3
sin(x) 0 1
2 2 2
Les autres valeurs remarquables s’obtiennent grâce aux propositions qui suivent.

3.2.2 Propriétés géométriques de ces fonctions

Propositions (formules des angles associés)

Pour tout réel x, on a :

– Périodicité :
cos(x + 2π) = cos(x) et sin(x + 2π) = sin(x)

donc ces deux fonctions sont 2π-périodiques.

– Parité :
cos(−x) = cos(x) et sin(−x) = − sin(x)

donc la fonction cosinus est paire et la fonction sinus est impaire.

– Symétries :
cos(x + π) = − cos(x) et sin(x + π) = − sin(x)

cos(π − x) = − cos(x) et sin(π − x) = sin(x)

h πi
En conséquences, pour étudier les fonctions cosinus et sinus, il suffit de les étudier sur 0, .
2

Exemple

Soit (x, y) un couple de réels. Démontrer que :

1. cos(x) = cos(y) si et seulement si x − y ou x + y est un multiple de 2π.

2. sin(x) = sin(y) si et seulement si x − y ou x + y − π est un multiple de 2π.
3.3. FONCTION TANGENTE 29

Propositions
– Formules d’addition. Soit (a, b) un couple de réels. Alors :

cos(a + b) = cos(a) cos(b) − sin(a) sin(b) et sin(a + b) = sin(a) cos(b) + cos(a) sin(b)

– Formules de duplication. Soit a un réel. Alors :

cos(2a) = cos(a)2 − sin(a)2 = 2 cos(a)2 − 1 = 1 − 2 sin(a)2

sin(2a) = 2 sin(a) cos(a)

Exemple
Prouver que, pour tout couple (a, b) de réels, on a :

cos(a − b) = cos(a) cos(b) + sin(a) sin(b) et sin(a − b) = sin(a) cos(b) − cos(a) sin(b)

3.2.3 Propriétés analytiques de ces fonctions

Propositions
h πi
– Sens de variations. La fonction cosinus est strictement décroissante sur 0, et la fonction sinus
h πi 2
est strictement croissante sur 0, .
2
– Continuité. Les fonctions cosinus et sinus sont continues sur R.
– Dérivabilité. Les fonctions cosinus et sinus sont dérivables sur R et, pour tout réel x, on a :

cos0 (x) = − sin(x) et sin0 (x) = cos(x)

3.3 Fonction tangente

Définition
On appelle fonction tangente la fonction :
 
3π π π 3π
tan : R − − , − , , , . . . → R
2 2 2 2
sin(x)
x 7→ tan(x) =
cos(x)

Propositions
– La fonction tangente est π-périodique.
– La fonction tangente est impaire. i π πh
– La fonction tangente est strictement croissante sur − , et sur tous les autres intervalles obtenus
2 2
par π-périodicité. i π πh
– La fonction tangente est continue sur − , et sur tous les autres intervalles obtenus par π-
2 2
périodicité. i π πh
– La fonction tangente est dérivable sur − , et sur tous les autres intervalles obtenus par π-
2 2
périodicité. De plus, pour tout réel x, on a :
1
tan0 (x) = 1 + tan(x)2 =
cos(x)2
30 CHAPITRE 3. UN PEU DE TRIGONOMÉTRIE

Exemple
Déterminer les valeurs remarquables de la fonction tangente.

3.4 Exercices
1. Soit x un réel. Démontrer que :
π  π 
cos + x = − sin(x) et sin + x = cos(x)
2 2
π  π 
cos − x = sin(x) et sin − x = cos(x)
2 2
2. Soit (a, b) un couple de réels.
(a) Démontrer que :
1
cos(a) cos(b) = (cos(a + b) + cos(a − b))
2
1
sin(a) sin(b) = − (cos(a + b) − cos(a − b))
2
1
sin(a) cos(b) = (sin(a + b) + sin(a − b))
2
(b) En déduire que :    
a+b a−b
cos(a) + cos(b) = 2 cos cos
2 2
   
a+b a−b
sin(a) + sin(b) = 2 sin cos
2 2
(c) Déterminer une expression « simple » de :
cos(a) − cos(b) et sin(a) − sin(b)

3. Soit (a, b) un couple de réels non tous les deux nuls.

√
(a) Justifier que le réel r = a2 + b2 est non nul.
(b) Prouver qu’il existe un unique réel α ∈ [0, 2π[ tel que :
a b
cos(α) = et sin(α) =
r r
(c) En déduire que, pour tout réel x, on a :
a cos(x) + b sin(x) = r cos(x − α)

4. Résoudre dans [0, 2π[ puis dans R les équations suivantes :

(a) cos2 x = sin2 x
  
2 3 2
 π 1
(b) cos x − sin x + − =0
4 3 2
5. Soit (a, b, ω) un triplet de réels et soit f la fonction numérique définie pour tout réel t par :
f (t) = a sin(ωt) + b cos(ωt)
(a) Justifier que f est dérivable sur R puis que f 0 l’est aussi (on note f 00 sa fonction dérivée).
(b) Montrer que, pour tout réel t, on a :
f 00 (t) + ω 2 f (t) = 0
3.5. SOLUTIONS DES EXERCICES 31

3.5 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
32 CHAPITRE 3. UN PEU DE TRIGONOMÉTRIE
Chapitre 4

Outils et méthodes pour la démonstration

4.1 L’alphabet grec utile

4.1.1 Minuscules
– α : alpha (utilisation courante : coefficients, racines de polynômes ou de fonctions, etc)
– β : beta (idem)
– γ : gamma (idem)
– δ : delta (idem)
– ε : epsilon (nombre très petit, voisin de 0)
– ζ : zeta (fonction très particulière)
– η : eta (peu utilisée)
– θ : theta (angle)
– λ : lambda (coefficient, limite d’une suite)
– µ : mu (coefficient)
– ν : nu (coefficient)
– π : pi (bien connu)
– ρ : rho (quand la lettre r est déjà utilisée)
– σ : sigma (écart type)
– τ : tau (peu utilisé)
– ϕ : phi (fonction)
– χ : khi (en école)
– ψ : psi (idem)
– ω : omega (éventualité en probabilité)

4.1.2 Majuscules
– Γ : gamma (fonction, coefficient « binomial », etc)
– ∆ : delta
– Θ : theta
– Λ : lambda
– Π : pi (produits de nombres)
– Σ : sigma (sommes de nombres)
– Φ : phi (fonctions)
– Ψ : psi (idem)
– Ω : omega (univers en probabilité)

33
34 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

4.2 Éléments de logique

4.2.1 Notion de propositions
Définition
Pour ce qui nous concerne, une proposition est une phrase mathématique (donc avec au moins un sujet
et un verbe) qui est soit vraie, soit fausse.

Exemples
Préciser si les propositions suivantes sont vraies ou fausses.
– Il existe (au moins) un réel positif et négatif.
– Tous les nombres premiers sont impairs.
– Il existe un réel solution de l’équation x + 1 = −3.
– Tous les réels sont solution de l’équation x + 1 = −3.

4.2.2 Négation d’une proposition

Définitions
– La négation d’une proposition correspond à sa négation au sens grammatical (la négation porte sur
le verbe).
– La négation d’une proposition P se note ¬P ou P̄ .
– Une proposition est vraie (resp. fausse) si et seulement si sa négation est fausse (resp. vraie).

Exemples
Déterminer la négation des propositions données dans l’exemple qui précède.

Méthode du raisonnement par l’absurde

Pour démontrer qu’une proposition est vraie, on commence par la supposer fausse, c’est à dire que l’on
suppose vraie sa négation (c’est l’hypothèse de travail). Ensuite, on cherche à établir une contradiction entre
les données de l’énoncé et l’hypothèse de travail formulée. Comme les données sont réputées vraies, c’est
donc que l’hyposthèse est fausse et donc que la proposition est vraie.

Exemple
Soit a et b deux réels dont le produit est strictement positif. Montrer que a et b ont le même signe.

4.2.3 Autres connecteurs logiques

Définition
Soit P et Q deux propositions.
– La proposition P ∧ Q (lire P et Q) est la proposition qui est vraie si et seulement si les deux proposi-
tions sont vraies (et fausse si et seulement si l’une, au moins, des deux est fausse). Cette proposition
est appelée conjonction des propositions P et Q.
– La proposition P ∨ Q (lire P ou Q) est la proposition qui est vraie si et seulement si l’une, au moins,
des deux propositions est vraie (et fausse si et seulement si les deux propositions sont fausses). Cette
proposition est appelée disjonction des propositions P et Q.
4.2. ÉLÉMENTS DE LOGIQUE 35

Exemple

Soit P une proposition. Les propositions (¬P ) ∧ P et (¬P ) ∨ P sont-elles vraies ?

4.2.4 Opérations entre les différents connecteurs logiques

Propositions (avec la négation)

Soit P et Q deux propositions.

– La proposition ¬ (P ∨ Q) est équivalente à la proposition (¬P ) ∧ (¬Q).
– La proposition ¬ (P ∧ Q) est équivalente à la proposition (¬P ) ∨ (¬Q).

Preuve

On dresse une table de vérité.

Exemple

Déterminer la négation des propositions (¬P ) ∧ P et (¬P ) ∨ P .

Propositions (lois de distributivité ou lois de De Morgan)

Soit P , Q et R trois propositions.

– La proposition (P ∧ Q) ∨ R est équivalente à la proposition (P ∨ R) ∧ (Q ∨ R).
– La proposition (P ∨ Q) ∧ R est équivalente à la proposition (P ∧ R) ∨ (Q ∧ R).

Preuve

On dresse une table de vérité.

4.2.5 Implication
Définition

Soit P et Q deux propositions. La proposition P ⇒ Q (lire P implique Q) est la proposition qui est :
– vraie ou bien lorsque P est fausse ou bien lorsque P et Q sont vraie ;
– fausse lorsque P est vraie et Q est fausse.

Exemple

Soit ABCD un quadrilatère. Alors, on a :

ABCD est un carré ⇒ ABCD est un rectangle.

Remarque

En pratique, cette notion ne s’utilise que dans le sens « si P est vraie alors Q est vraie » (puisque si P
est fausse alors l’implication est nécessairement vraie). Elle correspond aussi aux locutions :
– « pour que Q soit vraie, il suffit que P le soit » (mais ce n’est pas forcément nécessaire) ;
– « pour que P soit vraie, il est nécessaire que Q le soit » (mais ce n’est pas forcément suffisant).
36 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

4.2.6 Contraposée
Définition

Soit P et Q deux propositions. On appelle contraposée de la proposition P ⇒ Q la proposition :

(¬Q) ⇒ (¬P )

Exemple

Soit ABCD un quadrilatère. Quelle est la contraposée de la proposition :

ABCD est un carré ⇒ ABCD est un rectangle ?

Proposition

Une implication et sa contraposée sont vraies simultanément ou fausses simultanément.

Preuve

Il suffit de remarquer que P ⇒ Q est équivalente à (¬P ) ∨ Q.

Méthode de raisonnement par contraposition

Pour démontrer qu’une implication est vraie, on peut démontrer que sa contraposée l’est.

Exemple

Soit a et b deux réels dont le produit est strictement positif. Montrer que a et b ont le même signe.

4.2.7 Réciproque
Définition

Soit P et Q deux propositions. On appelle réciproque de l’implication P ⇒ Q l’implication Q ⇒ P .

Remarque

Contrairement à la contraposée, une implication peut être vraie sans que sa réciproque le soit (penser à
« carré implique rectangle »). Attention donc à ne pas confondre réciproque et contraposée.

4.2.8 Équivalences
Définition

Soit P et Q deux propositions. La proposition P ⇔ Q (lire P est équivalente à Q) est :

– vraie lorsque P et Q sont ou bien vraies simultanément ou bien fausses simultanément ;
– fausse lorsque P et Q n’ont pas la même valeur de vérité.

Exemple

Justifier qu’une implication est équivalente à sa contraposée.

4.2. ÉLÉMENTS DE LOGIQUE 37

Remarques
– En pratique, cette notion d’équivalence correspond aux locutions :
– « P est vraie si et seulement si Q l’est » ;
– « pour que P soit vraie, il est nécessaire et suffisant que Q le soit » ;
– « une condition nécessaire et suffisante pour que P soit vraie est que Q le soit ».
– Déterminer une condition nécessaire et suffisante (CNS) pour qu’une proposition P soit réalisée
revient donc à déterminer une proposition Q équivalente à P .

Exemples
1. Soit a et b deux réels. Déterminer une CNS (portant sur a et b) pour que ab > 0.
2. Déterminer une CNS portant sur le réel x pour que x2 − 2x − 1 > 0.

Méthode
Pour démontrer que trois propositions P, Q, R sont équivalentes, il est nécessaire et suffisant de prouver
successivement les trois implications :

P ⇒Q Q⇒R R⇒P

Preuve
Par transitivité de P ⇒ Q avec Q ⇒ R on en déduit que P ⇒ R. Avec R ⇒ P , on en déduit
l’équivalence de P avec R.
On procède de même pour les deux autres équivalences.

Exemple
Soit f une fonction trinôme du second degré. Montrer l’équivalence des trois propositions qui suivent :
1. le discriminant de f est nul ;
2. il existe deux réels α et r tels que, pour tout réel x, on a la relation f (x) = α(x − r)2 .
3. les deux équations f (x) = 0 et f 0 (x) = 0 admettent une solution commune.

4.2.9 Quantificateurs
Introduction
Nous avons vu, précédemment, les propositions (contraires l’une de l’autre) suivantes :
– « tous les nombres premiers sont impairs »,
– « il existe un nombre premier pair ».
Ces deux propositions sont quantifiées par une variable de type nombre premier.

Notations
Notons P l’ensemble des nombres premiers et notons 2N l’ensemble des nombres pairs.
– La première de ces deux propositions est dite de type universel : elle correspond à une infinité de
propositions, chacune dépendant du nombre premier choisi. Alors cette proposition se réécrit :

∀n ∈ P, n ∈
/ 2N

ce qui définit le premier quantificateur, le quantificateur universel ∀ (lire « quel que soit » ou bien
« pour tout »).
38 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

– La seconde proposition est de type existentiel : elle prétend l’existence d’un type de variable vérifiant
une certaine condition. Cette proposition se réécrit :

∃n ∈ P/n ∈ 2N

ce qui définit le second quantificateur, le quantificateur existentiel ∃ (lire « il existe »).

Exemples
1. La proposition « il existe deux réels α et r tels que f (x) = α(x − r)2 pour tout réel x » est la
proposition :
∃α ∈ R, ∃r ∈ R / ∀x ∈ R, f (x) = α(x − r)2
2. La proposition « ∀M ∈ R, ∃A > 0 / ∀x > A, f (x) > M » se lit « pour tout réel M , il existe un
réel A tel que f (x) est strictement supérieur à M pour tout réel x strictement supérieur à A. Cela veut
aussi dire que « quitte à aller assez loin sur l’axe des abscisses, au delà, toutes les images par f sont
supérieures à un réel fixé à l’avance ». On traduira aussi cela, par définition, en : limx→+∞ f (x) =
+∞.

Méthode
– Pour démontrer une proposition du type « ∀x ∈ R, ... », on commence la rédaction de sa démonstra-
tion par la phrase « Soit un réel x. » ou bien « Soit x ∈ R. » puis on démontre que la proposition est
vraie pour cet x particulièrement quelconque.
– Pour démontrer une proposition du type « ∃x ∈ R/ ... », il suffit, soit d’expliciter un tel réel x (c’est
à dire déterminer sa valeur), soit justifier théoriquement (à l’aide d’un ou plusieurs théorèmes) qu’il
est possible d’en trouver un (sans nécessairement être capable d’en donner une valeur).

Remarque
Attention à ne pas permuter par mégarde les quantificateurs ∀ et ∃ car cela change le sens de la propo-
sition écrite.

Exemple
Les deux propositions suivantes sont-elles équivalentes ?

∀x ∈ R, ∃y ∈ R / x2 = y et ∃y ∈ R /∀x ∈ R, x2 = y

Propositions
Soit P (x) une proposition dépendant de la variable x prise dans un ensemble E quelconque.
– La négation de la proposition ∀x ∈ E, P (x) est la proposition ∃x ∈ E / ¬[P (x)].
– La négation de la proposition ∃x ∈ E / P (x) est la proposition ∀x ∈ E, ¬[P (x)].

Exemple
Écrire la négation des deux propositions de l’exemple qui précède.

Remarque
Dans le cas où il y a existence et unicité de la valeur d’une variable x rendant la proposition P (x) vraie,
on complète le symbole ∃ en ∃! comme dans la proposition

∃!x ∈ N / x − 3 = 0
4.3. VOCABULAIRE 39

Attention, pour démontrer une proposition de ce type, il y a deux choses à faire : prouver l’existence
d’au moins un objet x réalisant la condition et prouver l’unicité d’un tel objet.
Nous verrons ultérieurement de tels exemples dans lesquels nous démontrerons d’abord l’existence puis
l’unicité ainsi que d’autres dans lesquels nous démontrerons l’unicité avant l’existence.

4.3 Vocabulaire
Définitions
– Définition : donne un nom commun à toute une collection d’objets ayant une même propriété carac-
téristique ; c’est une équivalence entre le nom et la propriété caractéristique.
– Propriété : proposition découlant immédiatement d’une définition.
– Théorème : proposition particulièrement fondamentale ; c’est une implication (ou une équivalence)
entre les hypothèses et la conclusion de sa formulation.
– Hypothèse : ensemble de propositions considérées comme vraies tout le long du raisonnement qui
suit leurs formulations. Les données d’un énoncé d’exercice sont des hypothèses valides tout le long
de l’exercice.
– Variable : nombre (en général) inconnu dont la valeur n’est pas donnée mais que l’on peut fixée selon
les besoins.
– Inconnue : variable dont on recherche l’ensemble des valeurs permises compte tenu des contraintes
qui nous sont imposées.
– Paramètre : nombre (en général) inconnu pour nous mais dont la valeur (inconnue) est fixée une fois
pour toute (il ne varie pas tout au long des questions de l’énoncé).

Exemple
Soit a, b, c trois réels. Soit f la fonction définie sur R par f (x) = ax2 + bx + c.
1. Quelles sont les paramètres, les variables ?
2. Dans quelle situation peut-on dire que x est une inconnue ?

4.4 Raisonnement par récurrence

4.4.1 Récurrence simple
Introduction
Il arrive (souvent) qu’une proposition du type « ∀n ∈ N, ... » ne se démontre pas par la technique vue
précédemment. On utilisera alors la méthode dite de récurrence.

Théorème (admis)
Soit P(n) une proposition dépendant de la variable entière (positive) n. Soit n0 ∈ N.
– On suppose que :
– la proposition P(n0 ) est vraie ;
– pour tout entier n ≥ n0 , la proposition P(n) implique la proposition P(n + 1).
– Alors, pour tout entier n ≥ n0 , la proposition P(n) est vraie.

Méthode
Il est fondamental de faire clairement apparaître les quatre étapes de la démonstration utilisant cette
technique.
40 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

1. Position du problème : « Soit P(n) la proposition : ... » ;

2. Initialisation : vérification de la proposition P(n0 ) ;
3. Hérédité : « Soit un entier n ≥ n0 . On suppose P(n). Montrons que ... » ;
4. Conclusion : « D’après le théorème de récurrence, ... ».

Consignes
– Lorsque la première étape n’est pas rédigée, la démonstration est considérée comme entièrement
fausse (on ne sait pas ce que vous démontrez).
– Lorsque, dans la proposition P(n) figure l’expression « ∀n ∈ N, ... » la démonstration est considérée
comme nulle.
– Si, dans la troisième étape, la proposition P(n) n’est pas utilisée pour démontrer la proposition P(n+
1) alors la démonstration est considérée comme fausse.

Exemples fondamentaux
Démontrer les propositions suivantes :
n(n + 1)
– ∀n ∈ N∗ , 1 + 2 + ... + n = ;
2
n(n + 1)(2n + 1)
– ∀n ∈ N∗ , 12 + 22 + ... + n2 = ;
6 
 2
n(n + 1)
– ∀n ∈ N∗ , 13 + 23 + ... + n3 = .
2
1 − q n+1 q n+1 − 1
– ∀n ∈ N∗ , ∀q 6= 1, 1 + q + q 2 + ... + q n = =
1−q q−1
Ces quatre résultats sont à retenir et à savoir démontrer (au moins jusqu’à intégration d’une école).

Remarque
Souvent, la méthode par récurrence n’est pas suggérée dans un exercice, c’est à vous de penser à l’uti-
liser. Toutefois, une proposition du type « ∀n ∈ N, un = ... » est très souvent à démontrer par récurrence,
surtout si, lors de l’introduction ou d’une question qui précéde, on a une relation entre un+1 et un .

4.4.2 Récurrence à plusieurs pas

Théorème
Soit P(n) une proposition dépendant de la variable entière n. Soit n0 et p deux entiers naturels.
– On suppose que :
– les propositions P(n0 ), ..., P(n0 + p) sont vraies ;
– pour tout entier n ≥ n0 , les propositions P(n), ..., P(n+p) impliquent la proposition P(n+p+1).
– Alors, pour tout entier n ≥ n0 , la proposition P(n) est vraie.

Preuve
On effectue une démonstration par récurrence (simple) :
1. Soit Q(n) la proposition : « les propositions P(n), ..., P(n + p) sont vraies ».
2. Au rang n = n0 , la proposition Q(n) est vraie (d’après l’énoncé).
3. Soit n ≥ n0 . Supposons Q(n) vraie. Alors, les propositions P(n), ..., P(n + p) sont vraies et donc la
proposition P(n + p + 1) l’est aussi. On en déduit que les propositions P(n + 1), ..., P(n + 1 + p)
sont vraies, d’où Q(n + 1).
4. On en déduit, d’après le théorème de récurrence, que la proposition Q(n) est vraie pour tout n ≥ n0 .
4.5. EXERCICES 41

Conséquence : pour tout n ≥ n0 , P(n), ..., P(n + p) sont vraies.

En particulier, on a : pour tout n ≥ n0 , P(n) est vraie.

Exemples
1. Soit a et b deux entiers relatifs. Soit (un )n∈N la suite réelle définie par u0 = a, u1 = b et :

∀n ∈ N, un+2 = 3u2n+1 − 5un + 2

Démontrer que : ∀n ∈ N, un ∈ Z.
2. Soit (un )n∈N la suite définie par u0 = 0, u1 = 0, u2 = 0 et :

∀n ∈ N, un+3 = 5un+2 + un+1 − 3un

Démontrer que cette suite est la suite nulle.

4.5 Exercices
1. Soit m un réel. Résoudre dans R, en fonction des valeurs de m les équations et inéquations suivantes :
(a) (4m2 − 1)x + (2m − 1)(m + 3) = 0
(b) (m − 3)x2 + 2mx − (m + 1) = 0
(c) (m − 2)x2 − 2(m + 1)x + (2m − 6) < 0.
2. Propositions, contraposée et récoproque.
(a) Énoncer le théorème de Pythagore.
(b) Déterminer deux propositions P et Q permettant d’écrire ce théorème sous la forme P ⇒ Q.
(c) Énoncer la contraposée du théorème de Pythagore.
(d) Énoncer la réciproque du théorème de Pythagore.
(e) ABC est un triangle tel que : AB = 3, 1 AC = 3, 9 et BC = 4, 98. Laquelle des trois proposi-
tions précédentes (le théorème de Pythagore, sa contraposée, sa réciproque) permet de répondre
à la question : le triangle ABC est-il rectangle ?
3. Écrire sous forme symbolique et quantifiée les propositions suivantes ainsi que leur négation. Préciser
aussi (en justifiant) les propositions fausses :
(a) Tout nombre réel a un carré positif.
(b) Il existe un réel dont le carré n’est pas strictement positif.
(c) Toute somme de deux nombres réels a son carré supérieur ou égal au double du produit des deux
nombres.
(d) Il existe un entier naturel inférieur ou égal à tous les autres.
(e) Il existe un entier naturel supérieur ou égal à tous les autres.
(f) Tout entier naturel est le carré d’un entier.
(g) Certains entiers ont pour carré la somme des carrés de deux entiers.
(h) Tout entier a pour carré la somme des carrés de deux entiers.
4. Soit E l’ensemble des élèves d’un lycée. On suppose qu’il est possible d’étudier n langues vivantes
distinctes dans ce lycée. On note P l’ensemble des élèves de prépa de ce lycée, L1 l’ensemble des
élèves étudiant la langue vivante numéro 1, ..., Ln l’ensemble des élèves étudiant la langue vivante
numéro n. Exprimer symboliquement les phrases suivantes :
42 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

(a) Chaque élève du lycée étudie au moins une langue.

(b) Toute langue vivante proposée dans ce lycée est étudiée.
(c) Tous les élèves de prépa suivent l’enseignement d’une même langue vivante.
(d) Tout élève de prépa ne suit l’enseignement que d’une langue.
(e) L’une des langues vivantes proposées n’est étudiée par aucun élève de prépa.
(f) Chaque élève de prépa étudie exactement deux langues vivantes distinctes.
5. Soit (un )n∈N une suite de nombres réels.
(a) i. Quelle propriété de cette suite est décrite par la proposition P suivante :

∃M ∈ R / ∀n ∈ N, un ≤ M

ii. Donner un exemple d’une telle suite.

iii. Ecrire la proposition ¬P puis donner un exemple d’une suite vérifiant ¬P .
(b) i. Démontrer que :
∀n ∈ N, ∃M ∈ R / un ≤ M
ii. Que peut-on dire alors du réel M par rapport à l’entier n ?
(c) i. Faire un schéma illustrant la proposition :

∀ε > 0, ∃n0 ∈ N / ∀n ≥ n0 , |un | ≤ ε

ii. Ecrire la négation de cette proposition.

6. La table de vérité du connecteur logique « OU » est :
P Q P ∨Q
V V V
V F V
F V V
F F F

(a) Écrire, de même, la table de vérité des connecteurs : ∧, ⇒, ⇔.

(b) Écrire la table de vérité de (¬P ) ∨ (P ∧ Q)
(c) Écrire la table de vérité de P ⇒ (Q ⇒ R).
7. (a) Soit P, Q, R, S quatre propositions. Développer la proposition (P ∨ Q) ∧ (R ∨ S).
(b) En déduire les solutions du système :

(x − 1)(y − 2) = 0
(x − 2)(y − 3) = 0

8. Déterminer les propositions vraies :

(a) ∃x ∈ Z / (x = 1) ∧ (x = 0).
(b) ∀x ∈ Z / (x = −1) ∨ (x 6= 0).
(c) ∀x ∈ Z / ¬[(x = 1) ∨ (x 6= 1).
9. Soit (un )n∈N la suite définie par u0 ∈ [0, 1] et :
r
1 + un
∀n ∈ N, un+1 =
2
(a) Montrer que : ∀n ∈ N, 0 ≤ un ≤ 1.
4.6. SOLUTIONS DES EXERCICES 43

(b) On pose : u0 = cos(α) avec α ∈ [0, π2 ]. Démontrer que :

α
∀n ∈ N, un = cos n
2
10. Démontrer que :
∀n ≥ 4, n2 ≤ 2n ≤ n!
11. Prouver que 3n + 23n+2 est divisible par 5 pour tout entier naturel n.
12. Soit f la fonction définie sur R par : f (x) = e2x .
(a) Calculer, pour tout x ∈ R : f 0 (x), f 00 (x), f 000 (x).
(b) Déterminer f (n) (x) (dérivée nème évaluée en le réel x) pour tout x ∈ R et tout n ∈ N.
13. Soit (un ) une suite de réels tels que u0 = 1, u1 = −1 et :

∀n ∈ N, un+2 = un

Montrer que, pour tout entier naturel n, on a :

un = (−1)n

4.6 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. (a) On a : (P ∨ Q) ∧ (R ∨ S) ⇔ (P ∧ R) ∨ (P ∧ S) ∨ (Q ∧ R) ∨ (Q ∧ S) .
(b) Le système est équivalent aux propositions suivants :

[(x − 1 = 0) ∨ (y − 2 = 0)] ∧ [(x − 2 = 0) ∨ (y − 3 = 0)]

[(x = 1) ∧ (x = 2)] ∨ [(x = 1) ∧ (y = 3)] ∨ [(y = 2) ∧ (x = 2)] ∨ [(y = 2) ∧ (y = 3)]

[(x = 1) ∧ (y = 3)] ∨ [(y = 2) ∧ (x = 2)]
donc S = {(1, 3), (2, 2)} .
8. (a) faux : aucun entier ne peut simultanément être égal à 0 et à 1.
(b) faux : 0 est un entier ne vérifiant aucune des deux possibilités.
(c) faux : Pour tout entier x, la proposition (x = 1) ∨ (x 6= 1) est vraie donc sa négation est fausse.
9. (a) Soit P(n) la proposition : un ∈ [0, 1].
On sait que u0 ∈ [0, 1] donc P(0) est vraie.
Soit n ∈ N. Supposons que P(n) est vraie. Alors :
1 1 + un
≤ ≤1
2 2
1 + un √
r r
1
0≤ ≤ ≤ 1=1
2 2
donc P(n + 1) est vraie.
On en déduit que : ∀n ∈ N, un ∈ [0, 1] .
44 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION

(b) Soit P(n) la proposition : un = cos( 2αn ).

On sait que u0 = cos(α) = cos( 2α0 ) donc P(0) est vraie.
Soit n ∈ N. Supposons que P(n) est vraie. Alors :
r s
α  
1 + cos( 2n ) 2
1α  α   α 
un+1 = = cos = cos n+1 = cos n+1
2 2 2n 2 2
α
la deuxième égalité provenant de la relation cos(2x) = 2 cos2 (x)−1 avec x = 2n+1 et la dernière
α
provenant du fait que 0 ≤ 2n+1 ≤ π2 puisque 0 ≤ α ≤ π2 et 2n+1 ≥ 1. Ainsi, P(n + 1) est vraie.
α
On en déduit que : ∀n ∈ N, un = cos n .
2
2 n
10. Soit P(n) la proposition : n ≤ 2 ≤ n!.
On sait que 42 = 16, 24 = 16 et 4! = 24 donc P(4) est vraie.
Soit n ≥ 4. Supposons que P(n) est vraie. Alors :

2n ≤ n! et 2≤n+1 donc 2n+1 = 2n × 2 ≤ n! × (n + 1) = (n + 1)!

D’autre part, on a :

2n+1 −(n+1)2 = 2n +2n −n2 −2n−1 ≥ 2n −2n−1 = 2(2n−1 −1)−1 ≥ 2(24−1 −1)−1 = 13 ≥ 0

donc (n + 1)2 ≤ 2n+1 . Ainsi, P(n + 1) est vraie.

On en déduit que : ∀n ∈ N, n2 ≤ 2n ≤ n! .
11. Soit P(n) la proposition : 3n + 23n+2 est divisible par 5.
On sait que 30 + 23×0+2 = 5 est divisible par 5 donc P(0) est vraie.
Soit n ≥ 0. Supposons que P(n) est vraie. Alors, il existe un entier q tel que 3n + 23n+2 = 5q. Ainsi :

3n+1 + 23(n+1)+2 = 3 × 3n + 8 × 23n+2 = 3(5q − 23n+2 ) + 8 × 23n+2 = 5(3q + 23n+2 )

donc P(n + 1) est vraie.

3n + 23n+2
On en déduit que : ∀n ∈ N, ∈N.
5
12. (a) La fonction f est dérivable sur R comme composée de x 7→ 2x qui est dérivable sur R et à
valeurs dans R avec y 7→ ey qui est dérivable sur R. De plus, on a :

∀x ∈ R, f 0 (x) = 2e2x = 2f (x)

On en déduit alors que f 0 est dérivable sur R et que :

∀x ∈ R, f 00 (x) = 2f 0 (x) = 22 f (x)

puis que f 00 est dérivable sur R et que :

∀x ∈ R, f 000 (x) = 22 f 0 (x) = 23 f (x)

(b) Soit P(n) la proposition : ∀x ∈ R, f (n) (x) = 2n f (x).

Soit x un réel. On sait que f (0) (x) = f (x) = 20 f (x). On en déduit alors que P(0) est vraie.
Soit n ≥ 0. Supposons que P(n) est vraie. Alors, f (n) est dérivable sur R et on a :

∀x ∈ R, f (n+1) (x) = 2n f 0 (x) = 2n+1 f (x)

donc P(n + 1) est vraie.

On en déduit que : ∀n ∈ N, ∀x ∈ R, f (n) (x) = 2n f (x) .
4.6. SOLUTIONS DES EXERCICES 45

13. Soit P(n) la proposition : un = (−1)n .

On sait que u0 = 1 = (−1)0 et que u1 = −1 = (−1)1 P(0) et P(1) sont vraies.
Soit n ≥ 0. Supposons que P(n) et P(n + 1) sont vraies. Alors :

un+2 = un = (−1)n = (−1)n × (−1)2 = (−1)n+2

donc P(n + 2) est vraie.

On en déduit que : ∀n ∈ N, un = (−1)n .
46 CHAPITRE 4. OUTILS ET MÉTHODES POUR LA DÉMONSTRATION
Chapitre 5

Calculs de sommes et de produits de réels

5.1 Sommes
5.1.1 Sommes simples
Notations
Soit (ak )k∈N une suite réelle. Soit n et m deux entiers naturels tels que m ≤ n.
Xn
– La somme a0 + a1 + ... + an se note ak .
k=0
n
X
– La somme am + am+1 + ... + an se note ak .
k=m
– Par convention, une somme d’aucun terme est nulle.

Exemples
n p
X X
1. 1 + 2 + ... + n = k et 1 + 2 + ... + p = k;
k=1 k=1
p
X
2 2 2
2. 1 + 2 + ... + p = k2 ;
k=1
60
X
3 3 3
3. 10 + 11 + ... + 60 = k3 ;
k=10
Xn
4. 1 + 3 + ... + (2n + 1) = (2k + 1).
k=0
P
5. Écrire à l’aide du symbole la somme : 1 × 2 + 2 × 3 + ... + 100 × 101.
b
X
P
6. Écrire sans l’aide du symbole la somme : (i − a + 1)(b − i + 1).
i=a

Remarques
La variable k est dite muette car elle n’intervient pas dans le résultat de la somme (ni dans son écriture
« développée »), elle sert uniquement à l’écrire symboliquement. On peut changer son nom sans risque,
ainsi : n n
X X
ak = ai
k=0 i=0

Par contre, on ne peut pas utiliser n comme variable muette car c’est un paramètre (inconnu mais déjà fixé).

47
48 CHAPITRE 5. CALCULS DE SOMMES ET DE PRODUITS DE RÉELS

5.1.2 Opérations sur les sommes simples

Propositions (linéarité de la somme)
Soit λ un réel, (ak )k∈N et (bk )k∈N deux suites réelles, m, n deux entiers tels que 0 ≤ m ≤ n. Alors :
n
X n
X
(λak ) = λ ak
k=m k=m
n
X n
X n
X
(ak + bk ) = ak + bk
k=m k=m k=m

Preuve
La première égalité est une simple factorisation par le réel λ. La seconde est une réorganisation des
termes de la somme. Il suffit d’écrire sous forme développée.

Exemples
P
Calculer les sommes (les écrire sans le symbole ni points de suspension) :
1. 1 × 2 + 2 × 3 + ... + 100 × 101
Xb
2. (i − a + 1)(b − i + 1)
i=a
Xn
3. k(k + 1)(k + 2)
k=1

Proposition (changement de variable muette)

Soit (ak )k∈N une suite réelle et m, n, p trois entiers naturels tels que 0 ≤ m ≤ n. Alors :
n n+p
X X
ak+p = ah
k=m h=m+p

Preuve
C’est une question de (re)numérotation des termes de la somme.

Exemple
n
X
Calculer la somme k(k + 1)(k + 2) en posant k 0 = k +1 (en principe, un tel changement de variable
k=1
- affine - ne sera pas précisé).

Proposition (relation de Chasles)

Soit (ak )k∈N une suite réelle et m, n deux entiers tels que 0 ≤ m < n. Alors :
n p n
X X X
∀p ∈ {m, ..., n − 1} , ak = ak + ak
k=m k=m k=p+1

Preuve
On développe l’écriture des sommes.
5.1. SOMMES 49

Proposition (principe du télescopage)

Soit (ak )k∈N une suite réelle et m, n deux entiers tels que 0 ≤ m ≤ n. Alors :
n
X
(ak+1 − ak ) = an+1 − am
k=m

Preuve

Par récurrence ou bien par linéarité, changement de variable dans l’une des somme puis relation de
Chasles.

Exemple
n
X
Calculer k.k! (remarquer que k = (k + 1) − 1).
k=1

5.1.3 Sommes doubles : cas de variables indépendantes

Proposition/Notation

Soit n et p deux entiers strictement positifs. On considère le tableau de réels à double entrée :

(ai,j )i∈{1,..,n},j∈{1,..,p}

où ai,j est le réel figurant en ième!ligne et j ème colonne

! du tableau.
n p p n
X X X X
– On a alors : ai,j = ai,j .
i=1 j=1 j=1 i=1
X
– Ces deux sommes, appelées sommes doubles se notent sous forme condensée ai,j .
1≤i≤n
1≤j≤p

Preuve (de la proposition)

Le membre de gauche de l’égalité consiste, sur chaque ligne, à sommer tous les termes puis à ajouter
tous résultats obtenus. Le membre de droite de l’égalité, sur chaque colonne, à sommer tous les termes puis
à ajouter tous les résultats obtenus. Bref, d’une manière ou d’une autre, on a effectué la somme de tous les
termes du tableau et donc les deux sommes doubles sont égales.

Remarques

1. Ici, les variables (muettes) i et j sont indépendantes l’une de l’autre : pour une valeur donnée de i,
la variable j décrit toutes les valeurs possibles de l’ensemble {1, .., p} (et réciproquement).
2. Toutes les règles de calcul sur les sommes simples vues précédemment s’appliquent ici en opérerant
somme par somme.

Exemples
X X
Calculer les sommes (i + j) et (i × j).
1≤i≤n 1≤i≤n
1≤j≤p 1≤j≤p
50 CHAPITRE 5. CALCULS DE SOMMES ET DE PRODUITS DE RÉELS

5.1.4 Sommes doubles : cas des variables liées

Propositions/Notations (quelques cas, parmi les plus fréquents)
Soit les réels (ai,j )i∈{1,..,n},j∈{1,..,n} . On a :
X k−1
X k−1
X
– ∀k ∈ {2, ..., 2n}, ai,j , ai,k−i = ak−j,j
i+j=k i=1 j=1
où les termes dont l’un des indices
n n
! n
! {1, ..., n} sont considérés comme égaux à 0 ;
n’est pas dans
j
X X X X X
– ai,j , ai,j = ai,j ;
1≤i≤j≤n i=1 j=i j=1 i=1
j−1
n−1 n
! n−1
!
X X X X X
– ai,j , ai,j = ai,j .
1≤i<j≤n i=1 j=i+1 j=2 i=1

Preuves
Ici encore, on somme ligne par ligne ou bien colonne par colonne.

Remarques
1. Dans chacun des trois cas présentés ici, la valeur ou bien l’ensemble des valeurs possibles de j dépend
de la valeur de i en cours (et réciproquement). On dit alors que ces variables muettes sont liées.
2. Les règles de calculs sur les sommes simples s’appliquent encore ici, somme par somme.

Exemples
X X
Calculer les sommes 2i+j et 2i+j .
1≤i≤j≤n 1≤i<j≤n

5.2 Produits
5.2.1 Produits simples
Notations
Soit (ak )k∈N une suite réelle. Soit n et m deux entiers naturels tels que 0 ≤ m ≤ n.
Yn
– Le produit a0 × a1 × ... × an se note ak .
k=0
n
Y
– Le produit am × am+1 × ... × an se note ak .
k=m
– Par convention, le produit d’aucun facteur vaut 1.

Définition
Pour tout entier n ≥ 1, on appelle factorielle de n l’entier :
n
Y
n! = k
k=1

et on convient donc que 0! = 1.

5.3. EXERCICES 51

Exemple
n
Y
Exprimer le produit k à l’aide factorielles.
k=n−p+1

Propositions
Soit λ un réel, (ak )k∈N et (bk )k∈N deux suites réelles, m, n deux entiers tels que 0 ≤ m ≤ n. Alors :
n
Y n
Y
n−m+1
(λai ) = λ ai
i=m i=m

n n
! n
!
Y Y Y
(ai bi ) = ai bi
i=m i=m i=m
n n+p
Y Y
ak+p = ah
k=m h=m+p
p
n
! n
!
Y Y Y
∀p ∈ {m, ..., n − 1}, ai = ai ai
i=m i=m i=p+1
n  
Y ak+1 an+1
=
k=m
ak am

Preuves
Procéder comme les démonstrations sur les sommes simples.

5.2.2 Produits doubles

Toutes les notations des sommes
Y doubles s’adaptent aux produits doubles.
Calculer ainsi le produit (i × j).
1≤i≤n
1≤j≤p

5.3 Exercices
n
X
1. Calculer (2k + 1). Quelle somme a-t-on calculé lorsque n = 500 ?
k=0
2. Calculer a(a + 1) + (a + 1)(a + 2) + ... + (a + p)(a + p + 1) où a et p sont deux entiers naturels.
3. (a) Déterminer deux réels a et b tels que :
1 a b
∀n ∈ N∗ , = +
n(n + 1) n n+1
n
X 1
(b) En déduire une expression simple de la somme .
k=1
k(k + 1)
4. Calculer les sommes et produits qui suivent :
n n n n
!
X Y X X j X
ln(k) ek hk
k=1 k=1 j=1 i=j
i 1≤h<k≤n
52 CHAPITRE 5. CALCULS DE SOMMES ET DE PRODUITS DE RÉELS

5. Calculer :
2p n n 2n
!
X X X X X
i2 a 1 ij
i=p b=k i=0 j=1 i+j=k

6. Soit (xi )i∈N et (fi )i∈N deux suites de réels. On suppose que tous les fi sont strictement positifs et on
pose :
X n
fi (xi − x)2
i=1
∀n ∈ N, ∀x ∈ R, vn (x) = n
X
fi
i=1

(a) Pour tout entier n ≥ 1, déterminer le réel mn en lequel la fonction vn admet un minimum absolu
sur R.
(b) On pose alors : Vn = vn (mn ). Montrer que Vn = vn (0) − m2n .
n
k3
X  
7. Calculer la somme ln 2 (k + 1)
.
k=2
(k − 1)
n
Y
8. Calculer le produit ke−2k .
k=1

5.4 Solutions des exercices

1. On a : n n n
X X X n(n + 1)
(2k + 1 = 2 k+ 1=2 + (n + 1) = (n + 1)2
k=0 k=0 k=0
2

Pour n = 500, on a calculé la somme des 501 premiers nombres impairs .

2. Notons S cette somme. Alors, on a :
a+p a+p a+p a+p a−1 a+p a−1
X X X X X X X
2 2 2
S = k(k + 1) = k + k= k − k + k− k
k=a k=a k=a k=0 k=0 k=0 k=0
(a + p)(a + p + 1)(2a + 2p + 1) (a − 1)a(2a − 1) (a + p)(a + p + 1) (a − 1)a
= − + −
6 6 2 2
(a + p)(a + p + 1)(a + p + 2) (a − 1)a(a + 1)
= −
3 3
3. (a) Pour tout entier n > 0, l’égalité est équivalente à :
1 (a + b)n + a
=
n(n + 1) n(n + 1)
1 = (a + b)n + a
Cette dernière égalité (polynomiale) étant vraie pour une infinité de valeurs de la variable n, on
en déduit que :
a+b=0 et a=1
Conclusion : a = 1 et b = −1 conviennent .
(b) Soit n un entier strictement positif. Alors :
n n  
X 1 X 1 1 1 1 n
= − = − =
k=1
k(k + 1) k=1 k k + 1 1 n+1 n+1

résultat obtenu par télescopage.

5.4. SOLUTIONS DES EXERCICES 53

n
X
4. (a) ln(k) = ln(n!) obtenu par une récurrence immédiate.
k=1
n n
!  
Y
k
X n(n + 1)
(b) e = exp k = exp (récurrence immédiate pour la première égalité).
k=1 k=1
2
(c) Un calcul direct ne permettant pas d’aboutir, il convient de changer l’ordre des sommes :

n n
! n i
! n  
X X j X X j X 1
i(i + 1)
= = ×
j=1 i=j
i i=1 j=1
i i=1
i 2
n n+1
!
1X 1 X
= (i + 1) = i
2 i=1 2 i=2
n+1
!  
1 X 1 (n + 1)(n + 2) n(n + 3)
= i−1 = −1 =
2 i=1 2 2 4

(d) Utilisons la définition :

n−1 n
! n−1 n
!
X X X X X
hk = hk = h k
1≤h<k≤n h=1 k=h+1 h=1 k=h+1
n−1 n h
! n−1  
X X X X n(n + 1) h(h + 1)
= h k− k = h −
h=1 k=1 k=1 h=1
2 2
n−1 n−1
n(n + 1) 1X 3
X
= (h + h2 )
h−
2 h=1
2 h=1
n(n + 1) (n − 1)n 1 (n − 1)2 n2 (n − 1)n(2n − 1)
 
= − +
2 2 2 4 6
 
(n − 1)n n(n − 1) 2n − 1 (n − 1)n(n + 1)(3n + 2)
= n(n + 1) − − =
4 2 3 24

2p 2p p−1
X
2
X
2
X 2p(2p + 1)(4p + 1) (p − 1)p(2p − 1) p(p + 1)(14p + 1)
5. (a) i = i − i2 = − =
i=p i=1 i=1
6 6 6
n
X
(b) a = a(n − k + 1)
h=k
n 2n
! n
X X X
(c) 1 = 2n = 2n(n + 1)
i=0 j=1 i=0

k k−1 k−1
X X X X k 2 (k − 1) k(k − 1)(2k − 1) (k − 1)k(k + 1)
(d) ij = i(k − i) = k i− i2 = − =
i+j=k i=1 i=1 i=1
2 6 6

6. (a) La fonction vn est un polynôme du second degré. En effet, pour tout réel x, on a :
n
X n
X
fi xi fi x2i
vn (x) = x2 − 2 i=1n x+ i=1
n
X X
fi fi
i=1 i=1
54 CHAPITRE 5. CALCULS DE SOMMES ET DE PRODUITS DE RÉELS

Le coefficient a de x2 étant strictement positif, la fonction vn admet donc un minimum absolu

b
en mn = − 2a , c’est à dire en :
Xn
fi xi
i=1
mn = n
X
fi
i=1

ce qui correspond à la moyenne des « notes » xi affectées des « coefficients » fi .

(b) On a alors :
n
X n
X
fi xi fi x2i
Vn = vn (mn ) = m2n − 2 i=1n mn + i=1
n = m2n − 2m2n + vn (0)
X X
fi fi
i=1 i=1

donc : Vn = vn (0) − m2n (la variance est égale à la moyenne des carrés moins le carré de la
moyenne).
7. Soit n un entier naturel supérieur ou égal à 2. On a alors :
n
X
Sn = (3 ln(k) − 2 ln(k − 1) − ln(k + 1))
k=2
Xn n
X
= 2 (ln(k) − ln(k − 1)) + (ln(k) − ln(k + 1))
k=2 k=2
= 2 (ln(n) − ln(1)) + (ln(2) − ln(n + 1))
= 2 ln(n) − ln(n + 1) + ln(2)

On peut remarquer que cette expression est encore valable pour n = 1.

8. Soit n un entier naturel. On a alors :
n
Y
n
k
Y
−2k k=1 n! n!
ke = !2 = !!2 =
k=1
n
Y n
X en(n+1)
ek exp k
k=1 k=1
Chapitre 6

Ensembles et applications

6.1 Ensembles
6.1.1 Appartenance et éléments d’un ensemble
Définitions
– Un ensemble E est une collection (ou famille) d’objets appelés éléments.
– On dit qu’un objet x appartient à un ensemble E si et seulement si x est un élément de E. Notation :
x ∈ E.
– On dit qu’un objet x n’appartient pas à un ensemble E si et seulement si x n’est pas un élément de
E. Notation : x ∈
/ E.

Exemples
Les ensembles les plus courants (pour le moments) sont : ∅, N, Z, D, Q, R, C. On rappelle que :

∅ = {} N = {0, 1, 2, ...} Z = {..., −2, −1, 0, 1, 2, ...}

n p  
o p
D= | p ∈ Z, q ∈ N Q= | p ∈ Z, q ∈ N∗
10q q

6.1.2 Inclusion et sous ensemble

Définitions
Soit A et E deux ensembles. On dit que A est un sous ensemble de E si et seulement :

∀x ∈ A, x ∈ E

On dit aussi que :

– A est une partie de E ou bien A est inclus dans E et on le note A ⊂ E ;
– E contient A et on le note E ⊃ A.

Exemples
1. Montrer que, pour tout ensemble E, on a : ∅ ⊂ E et E ⊂ E.
2. Montrer que Z ⊂ D ⊂ Q.

55
56 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

Définitions (intervalles d’entiers)

– Soit a et b deux entiers relatifs tels que a ≤ b. On appelle intervalle d’entiers Ja, bK le sous-ensemble
de Z :
Ja, bK = {a, a + 1, ..., b}

– Soit a un entier naturel. On appelle intervalle infini d’entiers Ja, +∞J le sous-ensemble de N :

Ja, +∞J= {a, a + 1, . . .}

Définition

Deux ensembles sont dits égaux si et seulement si chacun est une partie de l’autre.

Méthodes

Pour démontrer que E = F , on dispose de deux possibilités :

– montrer que E ⊂ F puis que F ⊂ E (cf. la définition) ;
– montrer (directement) que x ∈ E ⇔ x ∈ F .

Exemple

On note P l’ensemble des points de coordonnées (x, y) du plan rapporté à un repère (O;~i, ~j).

1. Soit D1 = {(x, y) ∈ P | 3x + 2y = 0} et D2 = {(x, y) ∈ P | ∃t ∈ R / x = 2t − 4, y = −3t + 6}.

Montrer que D1 = D2 .
−−→
2. Soit D3 la droite d’équation y = x et D4 l’ensemble des points M du plan tels que les vecteurs AM
et ~u sont colinéaires où A est le point de coordonnées (1, 1) et ~u le vecteur de coordonnées (−2, −2).
Montrer que D3 = D4 .

Solution

1. On montre que D1 ⊂ D2 puis l’inclusion inverse.

2. On montre que M ∈ D3 ⇔ M ∈ D4 .

Notation

Pour tout ensemble E, on note ℘(E) l’ensemble des parties de E (l’ensemble de tous les sous-
ensembles de E).

Exemples

1. Préciser ℘(E) dans le cas où E = {1, 2, 3}.

2. Déterminer ℘(℘({0, 1})).

Remarque

Pour tout ensemble E, on a : ∅ ∈ ℘(E) et E ∈ ℘(E).

6.1. ENSEMBLES 57

6.1.3 Opérations sur les ensembles

Définitions
Soit A et B deux sous-ensembles d’un ensemble E.
– On appelle réunion des ensembles A et B le sous-ensemble de E :

A ∪ B = {x ∈ E | (x ∈ A) ∨ (x ∈ B)}

– On appelle intersection des ensembles A et B le sous-ensemble de E :

A ∩ B = {x ∈ E | (x ∈ A) ∧ (x ∈ B)}

– On dit que A et B sont disjoints si et seulement si :

A∩B =∅

Exemple
Soit A et B deux sous-ensembles d’un ensemble E. Montrer que :

A=B ⇔ A∩B =A∪B

Solution
– Supposons que A = B. Il est clair que (A ∩ B) ⊂ (A ∪ B). Montrons l’inclusion inverse.
– Réciproquement, supposons que A ∩ B = A ∪ B. Montrons que A ⊂ B. Par symétrie, l’inclusion
inverse sera alors vraie.

Propositions (règles de calculs sur les deux opérateurs)

Soit A, B et C trois parties d’un ensemble E.
– Associativité :

(A ∪ B) ∪ C = A ∪ (B ∪ C) et (A ∩ B) ∩ C = A ∩ (B ∩ C)

d’où la possiblité d’omettre les parenthèses.

– Commutativité :
A∪B =B∪A et A∩B =B∩A
– Eléments neutres :
A∪∅=A et A∩∅=∅

A∪E =E et A∩E =A
– Distributivité :

(A ∪ B) ∩ C = (A ∩ C) ∪ (B ∩ C) et (A ∩ B) ∪ C = (A ∪ C) ∩ (B ∪ C)

Preuves
Cela découle des règles de calculs sur ∨ et ∧.
58 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

Définition
Soit A une partie d’un ensemble E. On appelle complémentaire de A dans E le sous-ensemble de E :

{E A = {x ∈ E | x ∈
/ A}

Lorsque cela ne prête pas à confusion, on peut écrire Ā pour désigner {E A.

Propositions
Soit A et B deux parties d’un ensemble E. Alors :


{E {E A = A

A ∩ {E A = ∅ et A ∪ {E A = E





{E (A ∩ B) = {E A ∪ {E B et {E (A ∪ B) = {E A ∩ {E B

Preuve
Appliquer les règles sur les ∧ et les ∨.

Définition
Soit A et B deux parties d’un ensemble E. On appelle différence de A avec B le sous-ensemble de E

A − B = A ∩ {E B = {x ∈ E | (x ∈ A) ∧ (x ∈
/ B)}

Cet ensemble se note aussi A\B, cela dépend des ouvrages et donc des auteurs.

Exemple
Préciser l’ensemble [1, 2] − [ 12 , 32 ].

Définitions
– Soit E et F deux ensembles. On appelle produit cartésien de E avec F l’ensemble :

E × F = {(x, y) | (x ∈ E) ∧ (y ∈ F )}

E × F se lit « E croix F ».
– Soit E1 , ..., En des ensembles (n ≥ 2). On appelle produit cartésien des ensembles E1 , ..., En l’en-
semble : n
Y
Ei = E1 × ... × En = {(x1 , ..., xn ) | ∀1 ≤ i ≤ n, xi ∈ Ei }
i=1

Exemple
Représenter graphiquement l’ensemble [1, 2] × [3, 4].

Remarques
– L’ensemble E × E se note aussi E 2 . Ainsi, R2 désigne l’ensemble des points du plan rapporté à un
repère ou bien l’ensemble des vecteurs du plan rapporté à une base.
– L’ensemble E × ... × E (n fois) se note aussi E n . Ainsi, R3 désigne l’ensemble des points de l’espace
rapporté à un repère ou bien l’ensemble des vecteurs de l’espace rapporté à une base.
6.1. ENSEMBLES 59

6.1.4 Famille d’ensembles

Définition
Soit I et E deux ensembles. Pour chaque élément i ∈ I, on choisit une partie Ai de E. La famille de
parties ainsi créées se note (Ai )i∈I et s’appelle famille de parties de E indexée par l’ensemble I.

Exemples
1. On pose : ∀i ∈ J1, nK, Ai = Ji, 2iK.
 
1
2. On pose : ∀j ∈ N, Bj = ,j + 1 .
j+1

Définitions
Soit (Ai )i∈I une famille de parties d’un ensemble E indexée par un ensemble I.
– On appelle réunion de la famille (Ai )i∈I le sous-ensemble de E :
[
Ai = {x ∈ E | ∃i ∈ I / x ∈ Ai }
i∈I

– On appelle intersection de la famille (Ai )i∈I le sous-ensemble de E :

\
Ai = {x ∈ E | ∀i ∈ I / x ∈ Ai }
i∈I

Exemples
Préciser la réunion et l’intersection des deux familles définies à l’exemple précédent.

Propositions
Soit (Ai )i∈I une famille de parties d’un ensemble E indexée par un ensemble I. Alors :
\ [ [ \
A= Ai et Ai = Ai
i∈I i∈I i∈I i∈I

Preuves
Écrire les définitions et utiliser les règles élémentaires de la logique.

Définition
Soit (Ai )i∈I une famille de parties d’un ensemble E indexée par un ensemble I. On dit que cette famille
forme une partition de E si et seulement si les trois propositions suivantes sont vérifiées :
[
∀i ∈ I, Ai 6= ∅ ∀(i, j) ∈ I 2 , ( i 6= j ⇒ Ai ∩ Aj = ∅ ) Ai = E
i∈I

Exemple
Montrer que ([i, i + 1[)i∈N est une partition de R+ .
60 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

6.2 Applications
6.2.1 Vocabulaire et notations
Définitions
Soit E et F deux ensembles.
– On dit que f est une application de E dans F si et seulement si à tout élément x ∈ E est associé un
unique élément de F noté f (x) et appelé image de x par f .
– Soit f une application de E dans F .
– E est appelé ensemble de départ de l’application f ;
– F est appelé ensemble d’arrivée de l’application f ;
– On dit que y ∈ F admet un antécédent (au moins) par f si et seulement si :
∃x ∈ E / f (x) = y
– L’application f se note :
f : E → F
x 7→ f (x)
– On note A(E, F ) (ou parfois F E ) l’ensemble des applications de E dans F .
– On appelle application identique de E l’application :
IdE : E → E
x 7→ x

– Deux applications f et g sont dites égales si et seulement si elles ont le même ensemble de départ E,
le même ensemble d’arrivée F et :
∀x ∈ E, f (x) = g(x)

6.2.2 Image directe et image réciproque d’un ensemble

Définitions
Soit f ∈ A(E, F ).
– On appelle image directe par f d’une partie A de E le sous-ensemble de F :
f (A) = {y ∈ F | ∃x ∈ A / f (x) = y}
– On appelle image réciproque par f d’une partie B de F le sous-ensemble de E :
f −1 (B) = {x ∈ E | f (x) ∈ B}

Remarques
– L’image directe d’une partie A de E est donc l’ensemble des images par f de tous les éléments de A.
En particulier, f (E) est l’ensemble de tous les éléments de F qui admettent au moins un antécédent
par f .
– L’image réciproque d’une partie B de F est donc l’ensemble de tous les antécédents par f de tous les
éléments de B. On a alors nécessairement que f −1 (F ) = E.

Exemples
1. Préciser l’image directe et l’image réciproque de ∅ par une application f quelconque.
2. Déterminer l’image directe et l’image réciproque de R∗+ par la fonction ln.
3. Déterminer l’image directe et l’image réciproque de [−1, 2] par la fonction carrée.
6.2. APPLICATIONS 61

6.2.3 Restriction et prolongement

Définitions
Soit E et F deux ensembles. Soit A une partie de E.
– Soit f ∈ A(E, F ). On appelle restriction de f à la partie A l’application :

f|A : A → F
x 7→ f (x)

– Soit g ∈ A(A, F ). On appelle prolongement de g à l’ensemble E toute application f ∈ A(E, F )

telle que f|A = g.

Exemples
1. Déterminer des prolongements à R+ puis à R de la fonction ln.
2. Préciser la restriction à R∗+ puis la restriction à R∗− de la fonction x 7→ ln |x|.

6.2.4 Composition des applications

Définition
Soit E, F, G trois ensembles. Soit f : E → F et g : F → G. On appelle application composée de
f avec g l’application :
g◦f : E → G
x 7→ (g ◦ f )(x) = g (f (x))

Remarques
– La loi de composition ◦ n’est pas symétrique. Il convient de se persuader que g ◦ f 6= f ◦ g en général
(considérer la fonction carrée avec la fonction racine carrée).
– Lorsque f est une application de E dans lui-même alors on peut composer f avec elle-même pour
donner l’application f ◦ f .

Proposition (associativité de la composition)

Soit f : E → F , g : F → G et h : G → H. Alors :

h ◦ (g ◦ f ) = (h ◦ g) ◦ f

Il devient alors légal d’omettre les parenthèses.

Preuve
A l’aide de la définition.

Proposition (élément neutre de la composition)

Soit f ∈ A(E, F ). Alors :
f ◦ IdE = IdF ◦ f = f

Preuve
Toujours revenir à la définition.
62 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

6.3 Applications particulières

6.3.1 Injection
Définition
Une application f : E → F est dite injective (ou bien est une injection) si et seulement si tout élément
de F a, au plus, un antécédent par f .

Exemple
Déterminer graphiquement un intervalle I tel que l’application f : I → R, x 7→ x2 −x−2 soit injective.

Méthode
Pour démontrer qu’une application f : E → F est injective, il suffit de vérifier l’une des deux implica-
tions (contraposées l’une à l’autre) suivantes :

∀(x1 , x2 ) ∈ E 2 , f (x1 ) = f (x2 ) ⇒ x1 = x2

∀(x1 , x2 ) ∈ E 2 , x1 6= x2 ⇒ f (x1 ) 6= f (x2 )

La première implication est une traduction de la définition (si un élément de F a un antécédent dans E alors
il n’en a qu’un seul), la seconde se traduit par « des éléments distincts de E ont des images distinctes dans
F ».

Exemples
1. Reprendre l’exemple qui précéde et prouver le résultat.
2. Démontrer qu’une application strictement croissante de R dans R est injective.

Propositions
Soit f ∈ A(E, F ) et g ∈ A(F, G). Alors :
– si f et g sont injectives alors g ◦ f est injective,
– si g ◦ f est injective alors f est injective.

Preuves
Utiliser la méthode proposée.

6.3.2 Surjection
Définition
Une application f : E → F est dite surjective (ou bien est une surjection) si et seulement si tout
élément de F a, au moins, un antécédent par f .

Exemple
Déterminer graphiquement un intervalle J tels que l’application f : R → J, x 7→ x2 − x − 2 soit
surjective.
6.3. APPLICATIONS PARTICULIÈRES 63

Méthode
Pour démontrer qu’une application f : E → F est surjective, il suffit de vérifier que f (E) = F , c’est à
dire l’implication suivante :
∀y ∈ F, ∃x ∈ E / f (x) = y

Exemples
1. Reprendre l’exemple qui précéde et prouver le résultat.
2. Démontrer qu’une application strictement décroissante de R dans R n’est pas nécessairement surjec-
tive.

Propositions
Soit f ∈ A(E, F ) et g ∈ A(F, G). Alors :
– si f et g sont surjectives alors g ◦ f est surjective,
– si g ◦ f est surjective alors g est surjective.

Preuves
Utiliser la méthode proposée.

6.3.3 Bijection
Définition
Une application f : E → F est dite bijective (ou bien est une bijection) si et seulement si tout élément
de F a exactement un antécédent par f (autrement dit si et seulement si f est injective et surjective), c’est
à dire que :
∀y ∈ F, ∃!x ∈ E / y = f (x)

Exemples
1. Parmi les fonctions usuelles, quelles sont celles qui sont bijectives ?
2. Comment faire en sorte que la fonction f : R → R, x 7→ x2 − x − 2 soit bijective.

Remarque
Il convient de ne pas confondre :
– f −1 (y) pour y ∈ F qui est l’antécédent de y par f ce qui sous-entend donc que f est bijective et
qu’ainsi f −1 désigne son application réciproque,
– f −1 (B) pour B ∈ ℘(F ) qui est l’ensemble des antécédents des éléments de B ce qui ne sous-entend
absolument rien quant à l’éventualité que f soit bijective.

Proposition/Définition
Soit une application f : E → F .
– Les propositions qui suivent sont équivalentes :
– f est une bijection,
– il existe une unique application g : F → E telle que g ◦ f = IdE et f ◦ g = IdF .
– L’application g ainsi obtenue est appelée application réciproque (ou bijection réciproque) de l’ap-
plication f et se note f −1 .
64 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

Exemples
1. Préciser l’application réciproque des fonctions usuelles bijectives.
2. Préciser l’application réciproque de f : x 7→ x2 − x − 2.
2x + 3
3. Montrer que l’application g : R − {1} → R − {2}, x 7→ est une bijection et préciser g −1 .
x−1

Proposition
Soit f ∈ A(E, F ) et g ∈ A(F, G) deux applications bijectives. Alors, g ◦ f est bijective et on a :

(g ◦ f )−1 = f −1 ◦ g −1

Preuve
Il suffit d’écrire.

6.3.4 Fonction indicatrice d’un ensemble

Définition
Soit A une partie d’un ensemble E. On appelle fonction indicatrice de A l’application :

11A : E → R
1 si x ∈ A
x 7→
0 si x ∈
/A

Exemples
1. La fonction 11E est la fonction constante égale à 1.
2. La fonction 11∅ est la fonction constante égale à 0.
3. Dans R, représenter la fonction indicatrice de [0, 1] puis celle de Q.

Propositions
Soit A et B deux parties d’un ensemble E. Alors
– 11A = 11B ⇔ A = B,
– 11Ā = 11E − 11A ,
– 11A∩B = 11A × 11B et en particulier (11A )2 = 11A ,
– 11A∪B = 11A + 11B − 11A∩B ,
– 11A−B = 11A − 11A∩B .

Preuves
Il suffit d’écrire.

Remarque
Ces propositions permettent de remplacer des démonstrations sur les ensembles par des démonstrations
sur les fonctions, ce qui peut s’avérer utile en probabilités.
6.4. EXERCICES 65

Exemple
En utilisant des fonctions indicatrices, prouver que pour tout triplet (A, B, C) de parties d’un ensemble
E, on a :
(A − C) − (B − C) = (A − B) − C

6.4 Exercices
1. Soit E un ensemble. Soit A et B deux parties de E. Résoudre dans ℘(E), en fonction de A et B, les
équations :
(a) A ∩ X = B
(b) A ∪ X = B
2. Trouver une condition nécessaire et suffisante pour que trois ensembles A, B et C vérifient :

A∩B =A∩C et A∪B =A∪C

3. Soit A, B et C trois parties d’un ensemble E. Montrer que :

[(A ∩ B) ⊂ (A ∩ C) et (A ∪ B) ⊂ (A ∪ C)] ⇒ B ⊂ C

4. Soit E un ensemble. Pour tout couple (A, B) de parties de E, on appelle différence symétrique de
A et B le sous ensemble de E :

A∆B = (A ∪ B) − (A ∩ B)

(a) Déterminer A∆E, A∆∅ et A∆A pour toute partie A de E.

(b) Démontrer que A∆B = (A ∩ B̄) ∪ (Ā ∩ B) pour tout couple (A, B) de parties de E.
(c) Démontrer que (A∆B)∆C = A∆(B∆C) pour tout triplet (A, B, C) de parties de E.
5. Soit (A, B, C) un triplet de parties d’un ensemble E. Démontrer, d’abord avec des fonctions indica-
trices puis sans les fonctions indicatrices, les égalités :
(a) (A − C) ∩ (B − C) = (A ∩ B) − C
(b) (A − B) ∪ (A − C) = A − (B ∩ C)
6. Soit (A, B) un couple de parties d’un ensemble E et (C, D) un couple de parties d’un ensemble F .
Démontrer que :
(A × C) ∩ (B × D) = (A ∩ B) × (C ∩ D)
7. Soit E un ensemble non vide, A une partie de E différente de E et de ∅. On considère l’application :

f : ℘(E) → ℘(E)
X 7→ A ∩ X

(a) Démontrer que f est croissante pour la relation d’ordre ⊂, c’est à dire que :

∀(X1 , X2 ) ∈ ℘(E)2 , X1 ⊂ X2 ⇒ f (X1 ) ⊂ f (X2 )

(b) Est-ce une relation d’ordre stricte (( au lieu de ⊂) ?

(c) Déterminer une famille de parties de E sur la laquelle f est constante et non « nulle ».
(d) Déterminer un ensemble non vide qui a pour image l’ensemble vide.
8. Propriétés de l’image directe par une application.
Soit f ∈ A(E, F ). Soit A et B deux parties de E. Démontrer que :
66 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

(a) A ⊂ B ⇒ f (A) ⊂ f (B),

(b) f (A ∪ B) = f (A) ∪ f (B) puis généraliser à une famille indexée par N,
(c) f (A ∩ B) ⊂ f (A) ∩ f (B)puis généraliser à une famille indexée par N,
(d) f −1 (f (A)) ⊃ A.
9. Propriétés de l’image réciproque par une application.
Soit f ∈ A(E, F ). Soit C et D deux parties de F . Démontrer que :
(a) C ⊂ D ⇒ f −1 (C) ⊂ f −1 (D)
(b) f −1 (C ∪ D) = f −1 (C) ∪ f −1 (D) puis généraliser à une famille indexée par N,
(c) f −1 (C ∩ D) = f −1 (C) ∩ f −1 (D) puis généraliser à une famille indexée par N,
(d) f (f −1 (C)) ⊂ C,
(e) {E f −1 (C) = f −1 {F C .

10. Soit f une application d’un ensemble E dans un ensemble F .

(a) Montrer que f est injective si et seulement si : ∀A ∈ ℘(E), f {E A ⊂ {F f (A)


(b) Montrer que f est surjective si et seulement si : ∀A ∈ ℘(E), f {E A ⊃ {F f (A)
(c) En déduire une proposition équivalente à « f est bijective ».
11. Soit f : E → F . Démontrer que les propositions suivantes sont équivalentes :
(a) f est injective,
(b) ∀(A, B) ∈ ℘(E)2 , f (A ∩ B) = f (A) ∩ f (B),
(c) ∀A ∈ ℘(E), f −1 (f (A)) = A.
12. Soit f : E → F . Démontrer que les propositions suivantes sont équivalentes :
(a) f est surjective,
(b) ∀B ∈ ℘(F ), f (f −1 (B)) = B.
13. Soit f : R → R, x 7→ 2x2 + 3x − 1.
(a) Déterminer deux intervalles I et J de sorte que f soit une bijection de I sur J.
(b) Préciser l’application réciproque de f : I → J.
√

14. Même exercice que le précédent avec f : x 7→ exp 2x2 − x + 3 .
1
15. Même exercice que le précédent avec f : x 7→ .
(x − 1)(x + 3)
16. Soit f : E → F , g : F → G et h : G → H. Démontrer que h ◦ g et g ◦ f sont bijectives si et
seulement si f , g et h le sont.
17. Démontrer que l’application :
f : Z → N
2n si n ≥ 0
n 7→
−2n − 1 si n < 0
est une bijection et préciser son application réciproque.
18. (a) Démontrer que l’application :
ϕ2 : N2 → N
m+n
X
(m, n) 7→ n + k
k=0

est une bijection de N2 dans N.

6.5. SOLUTIONS DES EXERCICES 67

(b) On note ϕ3 l’application définie sur N3 par :

ϕ3 (m, n, p) = ϕ2 (ϕ2 (m, n), p)

Démontrer que ϕ3 est une bijection de N3 dans N.

(c) On définit, par récurrence, les applications ϕn : Nn → N par :

∀n ∈ N, ∀(m1 , . . . , mn+1 ) ∈ Nn+1 , ϕn+1 (m1 , . . . , mn+1 ) = ϕ2 (ϕn (m1 , . . . , mn ), mn+1 )

Démontrer que, pour tout entier n ≥ 2, ϕn est une bijection.

19. Soit (a, b, α, β) un quadruplet de réels et E l’ensemble des suites de nombres réels telles que :

u0 = α u1 = β et ∀n ∈ N, un+2 = a un+1 + b un

Démontrer que E ne contient qu’un seul élément (indication : raisonner par l’absurde).

6.5 Solutions des exercices

1. (a) i. Soit X une solution de A ∩ X = B. Alors B ⊂ A, B ⊂ X et X ne contient aucun autre
élément de A que ceux qui sont aussi dans B. Ainsi (X − B) ∩ A = ∅ c’est à dire que
X − B ⊂ Ā.
ii. Réciproquement :
Cas 1 : On suppose que B ⊂ A. Pour toute partie Y de Ā, on a

A ∩ (Y ∪ B) = (A ∩ Y ) ∪ (A ∩ B) = ∅ ∪ B = B

donc X = Y ∪ B est solution de l’équation.

Cas 2 : On suppose que B 6⊂ A. Alors l’équation ne peut avoir de solution dans ℘(E).
iii. Conclusion : Si B ⊂ A alors S = {Y ∪ B ∈ ℘(E)|Y ∈⊂ Ā} sinon S = ∅ .
(b) i. Soit X une solution de A ∪ X = B. Alors A ⊂ B, X ⊂ B et X contient tout les éléments
de B qui ne sont pas dans A. Ainsi (B − A) ⊂ X.
ii. Réciproquement :
Cas 1 : On suppose que A ⊂ B. Pour toute partie Y de A, on a

A∪(Y ∪ (B − A)) = (A∪Y )∪(B ∩ Ā) = A∪(B ∩ Ā) = (A∪B)∩(A∪ Ā) = B ∪E = B

donc X = Y ∪ (B − A) est solution de l’équation.

Cas 2 : On suppose que A 6⊂ B. Alors l’équation ne peut avoir de solution dans ℘(E).
iii. Conclusion : Si A ⊂ B alors S = {Y ∪ (B − A) ∈ ℘(E)|Y ⊂ A} sinon S = ∅ .
2. (a) Il est clair que si B = C alors les deux conditions sont vérifiées.
(b) Réciproquement, supposons que les deux conditions sont vérifiées.
i. Montrons que B ⊂ C. Soit x ∈ B.
Si x ∈ A alors x ∈ A ∩ B = A ∩ C donc x ∈ C.
Si x 6∈ A alors x ∈ A ∪ B = A ∪ C donc x ∈ C.
On en déduit donc que x ∈ C.
ii. Par symétrie des deux conditions, il est alors évident que C ⊂ B.
(c) Conclusion : Une CNS est B = C .
3. Reprendre le schéma du (b,i) de l’exercice 2 en remplaçant les symboles = par ⊂.
4. s
68 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

5. s
6. s
7. s
8. (a) Supposons que A ⊂ B. Soit y ∈ f (A). Alors, il existe un élément x ∈ A tel que f (x) = y.
Comme x ∈ A ⊂ B, on en déduit que y = f (x) ∈ f (B).
Conclusion : A ⊂ B ⇒ f (A) ⊂ f (B) .
(b) i. On a :
y ∈ f (A ∪ B) ⇔ ∃x ∈ A ∪ B/f (x) = y
⇔ (∃x ∈ A/f (x) = y) ∨ (∃x ∈ B/f (x) = y
⇔ (y ∈ f (A)) ∨ (y ∈ f (B))
⇔ y ∈ f (A) ∪ f (B)

Conclusion : f (A ∪ B) = f (A) ∪ f (B) .

ii. On procède par récurrence. Soit P(n) la proposition :
n
! n
[ [
n
∀(A1 , . . . , An ) ∈ ℘(E) , f Ak = f (Ak )
k=1 k=1

Pour n = 1, la proposition est clairement vraie.

Soit n ≥ 1. Supposons que P(n) est vraie. Soit (A1 , . . . , An+1 ) ∈ ℘(E)n+1 . Alors :
n+1
! n
! n n+1
[ [ [ [
f Ak = f Ak ∪ f (An+1 ) = f (Ak ) ∪ f (An+1 ) = f (Ak )
k=1 k=1 k=1 k=1

donc P(n + 1) est vraie.

n
! n
[ [
Conclusion : ∀n ∈ N, ∀(A1 , . . . , An ) ∈ ℘(E)n , f Ak = f (Ak ) .
k=1 k=1

(c) i. Soit y ∈ f (A ∩ B). Alors, il existe x ∈ A ∩ B tel que f (x) = y. Comme x ∈ A alors
y = f (x) ∈ f (A). De même, y ∈ f (B). On en déduit que y ∈ f (A) ∩ f (B).
Conclusion : f (A ∩ B) ⊂ f (A) ∩ f (B) .
Remarquons que l’inclusion contraire est fausse. En effet, si on choisit :
f : x 7→ x2 A = [−1, 2] B = [−2, 1]
(application non injective) alors on a :
f (A ∩ B) = f ([−1, 1]) = [0, 1] et f (A) ∩ f (B) = [0, 4] ∩ [0, 4] = [0, 4]
A. On procède par récurrence. Soit P(n) la proposition :
n
! n
\ \
n
∀(A1 , . . . , An ) ∈ ℘(E) , f Ak ⊂ f (Ak )
k=1 k=1

Pour n = 1, la proposition est clairement vraie.

Soit n ≥ 1. Supposons que P(n) est vraie. Soit (A1 , . . . , An+1 ) ∈ ℘(E)n+1 . Alors :
n+1
! n
! n n+1
\ \ \ \
f Ak ⊂ f Ak ∩ f (An+1 ) ⊂ f (Ak ) ∩ f (An+1 ) = f (Ak )
k=1 k=1 k=1 k=1

donc P(n + 1) est vraie.

n
! n
\ \
n
Conclusion : ∀n ∈ N, ∀(A1 , . . . , An ) ∈ ℘(E) , f Ak = f (Ak ) .
k=1 k=1
6.5. SOLUTIONS DES EXERCICES 69

(d) Soit x ∈ A. Posons y = f (x) ∈ f (A). Alors, les antécédents de y par f sont dans f −1 (f (A)).
Comme x est l’un d’eux alors x ∈ f −1 (f (A)).
Conclusion : A ⊂ f −1 (f (A)) .
Remarquons que l’inclusion contraire est fausse. En effet, si on choisit :

f : x 7→ x2 et A = {2}

(application non injective) alors on a :

f (A) = {4} et f −1 (f (A)) = {−2, 2} 6⊂ A

9. s
10. s
11. (a) Supposons que f est injective.
Soit (A, B) ∈ ℘(E)2 . On a prouvé à l’exercice 8, question c, l’inclusion de gauche à droite
(indépendemment de l’injectivité). Prouvons l’inclusion contraire.
Soit y ∈ f (A) ∩ f (B). Alors, on a :

∃(xA , xB ) ∈ A × B/f (xA ) = f (xB ) = y

Comme f est injective, on en déduit que xA = xB et donc que xA ∈ A ∩ B d’où y ∈ f (A ∩ B).

Conclusion : ∀(A, B) ∈ ℘(E)2 , f (A ∩ B) = f (A) ∩ f (B).
(b) Supposons que : ∀(A, B) ∈ ℘(E)2 , f (A ∩ B) = f (A) ∩ f (B).
Soit A ∈ ℘(E). On a prouvé à l’exercice 8, question d, l’inclusion de gauche à droite (indépen-
demment de l’injectivité). Prouvons l’inclusion contraire.
Soit x ∈ f −1 (f (A)). Posons y = f (x). Cela signifie donc que y ∈ f (A). Alors :

∃xA ∈ A/f (xA ) = y = f (x)

Supposons que x 6= xA et posons A0 = {xA } et B 0 = {x}. On déduit de f (A0 ∩ B 0 ) =

f (A0 ) ∩ f (B 0 ) que :
f ({xA } ∩ {x}) = {y} ∩ {y}
∅ = {y}
ce qui est absude donc x = xA ∈ A.
Conclusion : ∀A ∈ ℘(E), f −1 (f (A)) = A.
(c) Supposons que : ∀A ∈ ℘(E), f −1 (f (A)) = A.
Soit (x1 , x2 ) ∈ E 2 tel que f (x1 ) = f (x2 ). Alors, on a :

{x1 } = f −1 (f ({x1 }) = f −1 ({f (x1 }) ⊃ {x1 , x2 }

puisque x1 et x2 ont même image par f . On en déduit donc x1 = x2 .

Conclusion : f est injective.
(d) Conclusion finale : (a) ⇔ (b) ⇔ (c) .
12. s
13. s
14. s
15. La fonction f est définie sur Df =] − ∞, −3[∪] − 3, 1[, ]1, +∞[. Alors, pour tout réel x ∈ Df , on a :

1 1
f (x) = = 6= 0
x2 + 2x − 3 (x + 1)2 − 4
70 CHAPITRE 6. ENSEMBLES ET APPLICATIONS

Soit y un réel non nul. Alors f (x) = y si et seulement si :

1
(x + 1)2 − 4 =
y
1
(x + 1)2 = 4 +
y
4y + 1
(x + 1)2 =
y
4y+1
ainsi, si y ∈] − 14 , 0[ alors l’équation (d’inconnue x) n’admet pas de solution puisque y
< 0.
1
(a) Si y > 0 et x > 1 alors 4 + > 4, (x + 1)2 > 4 et donc f (x) = y si et seulement si :
y
r
4y + 1
x = −1 +
y
r
4y + 1
Conclusion : On a une bijection de ]1, +∞[ dans ]0, +∞[ de réciproque y 7→ −1 + .
y
1
(b) Si y > 0 et x < −3 alors 4 + y
> 4, (x + 1)2 > 2 et donc f (x) = y si et seulement si :
r
4y + 1
x = −1 −
y
r
4y + 1
Conclusion : On a une bijection de ] − ∞, −3[ dans ]0, +∞[ de réciproque y 7→ −1 − .
y
(c) Si y ≤ − 41 et x ∈ [−1, 1[ alors 0 ≤ 4 + 1
< 4, (x + 1)2 < 2 et donc f (x) = y si et seulement
y
si : r
4y + 1
x = −1 +
y
r
1 4y + 1
Conclusion : On a une bijection de [−1, 1[ dans ] − ∞, ] de réciproque y 7→ −1 + .
4 y
(d) Si y ≤ − 41 et x ∈] − 3, −1] alors 0 ≤ 4 + y1 < 4, (x + 1)2 < 2 et donc f (x) = y si et seulement
si : r
4y + 1
x = −1 −
y
r
1 4y + 1
Conclusion : On a une bijection de ] − 3, −1] dans ] − ∞, − ] de réciproque y 7→ −1 − .
4 y
16. s
17. (a) Montrons que f est injective.
Soit (n, m) ∈ Z2 . Supposons que f (n) = f (m).
Si n ≥ 0 et m ≥ 0 alors 2n = 2m donc n = m.
Si n ≥ 0 et m < 0 alors f (n) est pair et f (m) est impair donc ils ne peuvent être égaux. Ainsi,
cette situation est impossible.
Si n < 0 et m ≥ 0 alors, comme dans le cas précédent, la situation est impossible.
Si n < 0 et m < 0 alors −2n − 1 = −2m − 1 donc n = m.
Finalement n = m et on en déduit que f est injective.
(b) Montrons que f est surjective.
Soit m ∈ N.
Si m est pair, alors m2 ∈ Z et m2 ≥ 0. On a donc : f ( m2 ) = 2 m2 = m.
Si m est impair, alors − m+1
2
∈ Z et − m+1
2
< 0. On a donc : f (− m+12
) = −2(− m+1
2
)−1=m
Finalement m admet un antécédent et on en déduit que f est surjective.
6.5. SOLUTIONS DES EXERCICES 71

m

si m est pair
(c) Conclusion : f est une bijection de Z dans N de réciproque m 7→ 2 .
− m+1
2
si m est impair
18. (a) Montrons que ϕ2 est injective.
Soit (m1 , n1 , m2 , n2 ) ∈ N4 . Supposons que ϕ2 (m1 , n1 ) = ϕ(m2 , n2 ). Alors :
mX
1 +n1 mX
2 +n2

n1 + k = n2 + k
k=0 k=0

Supposons que n1 6= n2 . On peut alors supposer aussi que n1 < n2 (le cas n1 > n2 se traitera
de manière identique). On en déduit que :
mX
1 +n1 mX
2 +n2

k− k = n2 − n1 > 0
k=0 k=0

mX
1 +n1

k>0
k=m2 +n2 +1

donc m1 + n1 > m2 + n2 + 1...

Ainsi n1 = n2 . Donc les deux sommes sont égales. Si m1 6= m2 alors l’une des deux sommes
est nécessairement strictement supérieure à l’autre. On en déduit que m1 = m2 et donc :

(m1 , n1 ) = (m2 , n2 )

(b) Montrons que ϕ2 est surjective.

Soit p ∈ N. Alors, il existe un entier q tel que :
q q+1
X X
k≤p< k
k=0 k=0

On pose alors :
q
X
n=p− k et m=q−n
k=0

Il est alors évident que ϕ2 (m, n) = p ce qui prouve que p admet un antécédent (m, n) dans N2 .
(c) Conclusion : ϕ2 est une bijection de N2 dans N .
19. Supposons l’existence de deux éléments u et v dans E. Montrons que la suite w = v − u est la suite
nulle. Procédons par récurrence.
Soit P(n) la proposition : wn = 0.
Pour n = 0 et n = 1, on a :

w0 = v0 − u0 = α − α = 0 et w1 = v1 − u1 = β − β = 0

donc P(0) et P(1) sont vraies.

Soit n ≥ 0. Supposons que P(n) et P(n + 1) sont vraies. Alors :

wn+2 = vn+2 − un+2 = avn+1 + bvn − aun+1 − bun = awn+1 + bwn = 0

donc P(n + 2) est vraie.

Conclusion : ∀n ∈ N, wn = 0.
On en déduit donc que w est la suite nulle et donc que v = u.
Conclusion finale : E ne contient, au plus, qu’un élément .
72 CHAPITRE 6. ENSEMBLES ET APPLICATIONS
Chapitre 7

Suites réelles

Dans ce chapitre et les suivants en analyse, on note :

R̄ = R ∪ {−∞, +∞}

7.1 Notions de base sur les suites

7.1.1 Langage des suites
Définitions
– Une suite réelle u est une application d’une partie I de N dans R :
u : I → R
n 7→ u(n) = un
– Une suite u se note aussi (un )n∈I .
– Les nombres réels u0 , u1 , ..., un , . . . sont appelés termes de la suite u et, plus précisément, pour tout
entier naturel n, le terme un est appelé terme de rang n de la suite u.
– Déterminer le terme général de la suite u c’est déterminer, pour tout entier naturel n, l’expression
du terme un .
– Lorsque I est un ensemble fini, la suite est dite finie (on dit aussi liste).

Remarques
– En général, on a I = N (surtout si on n’indique pas le contraire) ou bien I = N∗ .
– Dans la suite du chapitre (et du cours de façon générale), on dira qu’une proposition P(n) est vraie à
partir d’un certain rang si et seulement si :
∃n0 ∈ N / ∀n ≥ n0 , P(n)

7.1.2 Sens de variation des suites

Définitions
– Une suite (un )n∈N est dite constante si et seulement si :
∀n ∈ N, un = u0
– Une suite (un )n∈N est dite stationnaire si et seulement si son terme général est constant à partir d’un
certain rang c’est à dire si et seulement si :
∃n0 ∈ N / ∀n ≥ n0 , un = un0

73
74 CHAPITRE 7. SUITES RÉELLES

– Une suite (un )n∈N est dite croissante (resp. décroissante) si et seulement si :

∀n ∈ N, un+1 ≥ un (resp. un+1 ≤ un )

– Une suite (un )n∈N est dite strictement croissante (resp. strictement décroissante) si et seulement
si :
∀n ∈ N, un+1 > un (resp. un+1 < un )
– Une suite (un )n∈N est dite monotone si et seulement si elle est soit croissante soit décroissante.

Exemples
1



1. Montrer que la suite Ent n n≥1
est stationnaire.
2. Soit u une suite strictement monotone. Étudier la monotonie de la suite (eun )n≥0 .
3. Étudier le sens de variation de la suite u définie par :

u0 = 1 et ∀n ∈ N, un+1 = ln(1 + un )

7.1.3 Borne(s) d’une suite

Définitions
Soit u une suite réelle.
– La suite est dite majorée si et seulement si :

∃M ∈ R / ∀n ∈ N, un ≤ M

Un tel réel M est appelé majorant de la suite u.

– La suite est dite minorée si et seulement si :

∃m ∈ R / ∀n ∈ N, un ≥ m

Un tel réel m est appelé minorant de la suite u.

– La suite est dite bornée si et seulement si elle est simultanément minorée et majorée.

Exemple
1


La suite 1 − n n≥1
est-elle bornée ?

Remarque
Si M (resp. m) est un majorant (resp. minorant) d’une suite u alors tout réel M 0 ≥ M (resp. m0 ≤ m) est
encore un majorant (resp. minorant) de u. Il n’y a donc pas unicité du majorant (resp. minorant) s’il existe.
Toutefois, il pourra s’avérer utile de terminer le plus petit des majorants et/ou le plus grand des minorant
(voir plus loin).

Théorème
Une suite u est bornée si et seulement si la suite |u| est majorée, c’est à dire si et seulement si :

∃M ∈ R+ / ∀n ∈ N, |un | ≤ M
7.2. SUITES USUELLES 75

Preuve
– On suppose que u est minorée par m et majorée par M . On pose :
M 0 = max {|m|, |M |}
On a alors :
∀n ∈ N, −M 0 ≤ −|m| ≤ m ≤ un ≤ M ≤ |M | ≤ M 0
et donc la suite |u| est majorée par M 0 .
– Réciproquement, si |u| est majorée par M alors u est minorée par −M et majorée par M .

Exemples
 
(−1)n
1. La suite 1 + n
est-elle bornée ?
n≥1
 
(−3)n
2. La suite 1 + n
est-elle bornée ?
n≥1

7.1.4 Opérations sur les suites

Définitions
Soit u et v deux suites réelles. Soit λ un réel.
– On appelle somme des suites u et v la suite, notée u+v, dont le terme général est un +vn . Autrement
dit :
∀n ∈ N, (u + v)n = un + vn
– On appelle produit de la suite u par le réel λ la suite, notée λu, dont le terme général est λun .
Autrement dit :
∀n ∈ N, (λu)n = λ × un
– On appelle produit des suites u et v la suite, notée uv, dont le terme général est un vn . Autrement
dit :
∀n ∈ N, (uv)n = un × vn

Remarque
Notons S = RN l’ensemble des suites réelles et Θ la suite constante égale à 0. Soit (u, v, w) ∈ S 3 et
(λ, µ) ∈ R2 . Parmi les quelques propriétés vérifiées par les deux premières opérations (somme et produit
par un réel), on a :
u+v =v+u et (u + v) + w = u + (v + w)
u+Θ=Θ+u=u et ∃!(−u) ∈ S / u + (−u) = Θ
(λ + µ)u = λu + µu et λ(u + v) = λu + λv
λ(µu) = (λµ)u et 1u = u
On dit alors que l’ensemble des suites réelles muni des deux premières opérations est un R-espace vectoriel.

7.2 Suites usuelles

7.2.1 Suites arithmétiques
Définition
Une suite réelle u est dite arithmétique de raison a ∈ R si et seulement si :
∀n ∈ N, un+1 = un + a
76 CHAPITRE 7. SUITES RÉELLES

Exemples
1. Montrer que la somme de deux suites arithmétiques est une suite arithmétique.
2. Montrer que le produit d’une suite arithmétique par un réel est encore une suite arithmétique.

Propositions
Soit u une suite arithmétique de raison a. Alors :
– La suite u est constante si et seulement si a = 0.
– La suite u est strictement croissante (resp. décroissante) si et seulement si a > 0 (resp. a < 0).
– Expression du terme général
∀n ∈ N, un = u0 + an et ∀(m, n) ∈ N2 , un = um + a(n − m)
– Somme de termes consécutifs :
n n
X u0 + un X um + un
∀n ∈ N, uk = (n + 1) et ∀0 ≤ m ≤ n, uk = (n − m + 1)
k=0
2 k=m
2

Preuves
Récurrence pour le terme général, déductions ensuite.

7.2.2 Suites géométriques

Définition
Une suite réelle u est dite géométrique de raison q ∈ R∗ si et seulement si :
∀n ∈ N, un+1 = un × q

Exemples
1. Montrer que la somme de deux suites géométriques de même raison est une suite géométrique.
2. Montrer que le produit d’une suite géométrique par un réel est encore une suite géométrique.

Propositions
Soit u une suite géométrique de raison q.
– On suppose que q > 0 et que u0 > 0. Alors, la suite u est :
– strictement croissante si et seulement si q > 1,
– constante si et seulement si q = 1,
– strictement décroissante si et seulement si 0 < q < 1.
– Expression du terme général :
∀n ∈ N, un = u0 × q n et ∀(n, m) ∈ N2 , un = um × q n−m
– Somme de termes consécutifs :

n 1 − q n+1
u0 6 1
si q =
X 
∀n ∈ N, uk = 1−q
(n + 1)u0 si q = 1

k=0

et plus généralement :

n 1 − q n−m+1
um 6 1
si q =
X 
2
∀(m, n) ∈ N , m ≤ n ⇒ uk = 1−q
(n − m + 1)um si q = 1

k=m
7.2. SUITES USUELLES 77

Preuves
Récurrence pour le terme général, déductions ensuite.

7.2.3 Suites arithmético-géométriques

Définition
Une suite u est dite arithmético-géométrique si et seulement si :
∃a ∈ R − {0, 1}, ∃b ∈ R − {0} / ∀n ∈ N, un+1 = a × un + b
(les réels a et b sont, bien évidemment, indépendants du rang n).

Méthode
Pour déterminer le terme général d’une suite arithmético-géométrique, la méthode est la suivante :
1. Résoudre l’équation L = aL + b.
2. Montrer que la suite (vn ) de terme général vn = un − L est géométrique.
3. En déduire les expressions de vn puis de un .

Exemple
Déterminer le terme général de la suite définie par :
u0 = 4 et ∀n ∈ N, un+1 = −2un + 5

7.2.4 Suites récurrentes linéaires d’ordre 2

Définitions
– Une suite u est dite récurrente linéaire d’ordre 2 si et seulement si :
∃a ∈ R, ∃b ∈ R∗ / ∀n ∈ N, un+2 = a × un+1 + b × un
– A toute suite récurrente linéaire d’ordre 2, on associe l’équation (d’inconnue r) :
r2 = ar + b
appelée équation caractéristique de la suite.

Théorème
Soit u une suite récurrente linéaire d’ordre 2.
– Si l’équation caractéristique de la suite admet deux solutions réelles distinctes r1 et r2 (le discriminant
est strictement positif) alors :
∃(λ, µ) ∈ R2 / ∀n ∈ N, un = λ(r1 )n + µ(r2 )n
– Si l’équation caractéristique de la suite admet une solution réelle double r0 (le discriminant est nul)
alors :
∃(λ, µ) ∈ R2 / ∀n ∈ N, un = (λn + µ)(r0 )n
– Si l’équation caractéristique de la suite admet deux solutions complexes conjuguées ρeiθ et ρe−iθ (le
discriminant est strictement négatif) alors :
∃(λ, µ) ∈ R2 / ∀n ∈ N, un = ρn [λ cos(nθ) + µ sin(nθ)]
– Les deux réels λ et µ se calculent à l’aide des réels u0 et u1 .
78 CHAPITRE 7. SUITES RÉELLES

Preuve
Plus tard.

Exemples
Déterminer le terme général des suites définies par :
1. u0 = 4 u1 = −3 et ∀n ∈ N, un+2 = −2un+1 + 5un
2. u0 = −1 u1 = 2 et ∀n ∈ N, un+2 = 6un+1 − 9un
√ √
3. u0 = 2 u1 = 3 et ∀n ∈ N, un+2 = 2 3un+1 − 4un

7.3 Convergence ou divergence d’une suite réelle

Dans tous le reste du chapitre, la mémorisation des différentes preuves n’est pas exigible. Toutefois, les
preuves rédigées ont valeur de méthode pour effectuer certaines démonstrations rencontrées au cours des
différents exercices.

7.3.1 Limite d’une suite

Définitions
Soit u une suite réelle et L un réel.
– On dit que la suite u admet pour limite le réel L (ce que l’on note lim un = L) si et seulement si :
n→+∞

∀ε > 0, ∃n0 ∈ N/∀n ≥ n0 , |un − L| ≤ ε

Autrement dit, tout intervalle fermé centré sur L contient tous les termes de la suite à partir d’un
certain rang.
– On dit que la suite u admet pour limite +∞ (ce que l’on note lim un = +∞) si et seulement si :
n→+∞

∀M ∈ R+ , ∃n0 ∈ N/∀n ≥ n0 , un ≥ M

Autrement dit, tout intervalle non majoré contient tous les termes de la suite à partir d’un certain rang.
– On dit que la suite u admet pour limite −∞ (ce que l’on note lim un = −∞) si et seulement si :
n→+∞

∀M ∈ R− , ∃n0 ∈ N/∀n ≥ n0 , un ≤ M

Autrement dit, tout intervalle non minoré contient tous les termes de la suite à partir d’un certain rang.
– La suite u est dite convergente si et seulement si elle admet une limite réelle (c’est à dire finie).
– La suite u est dite divergente si et seulement si elle n’est pas convergente (c’est à dire qu’elle admet
une limite infinie ou bien qu’elle n’admet pas de limite)
– Étudier la nature d’une suite, c’est déterminer si cette suite est convergente ou divergente.

Exemple
Démontrer qu’une suite convergente est bornée.
Ce résultat peut être retenu mais il nest pas certain qu’il soit explicitement au programme.

Théorème
Si une suite admet une limite, alors cette limite est unique.
7.3. CONVERGENCE OU DIVERGENCE D’UNE SUITE RÉELLE 79

Preuve
|L−L0 |
– Dans le cas où la suite est convergente et admet deux limites L et L0 , on pose ε = 3
et on écrit la
définition dans chacun des deux cas. La contradiction est alors immédiate.
– Dans les autres cas, le résultat est quasi immédiat.

Propositions
– Soit α > 0. On a alors :
1
lim nα = +∞ et lim =0
n→+∞ n→+∞ nα

– Soit q un réel. On a alors :

– Si q > −1 alors on a : 
 +∞ si q>1
n
lim q = 1 si q=1
n→+∞
0 si −1 < q < 1


– Si q ≤ −1 alors la suite (q n )n≥0 n’admet pas de limite.

Preuve
– Écrire la définition.
– Utiliser la définition dans chacun des trois cas.
– Utiliser le résultat sur les suites extraites.

Proposition
Soit u une suite convergente de limite L. Si u est croissante (resp. décroissante) alors :

∀n ∈ N, un ≤ L (resp. un ≥ L)

Preuve
On raisonne par l’absurde. Supposons donc l’existence d’un rang n0 tel que un0 > L (resp un0 > L). On
u −L
pose alors ε = n02 qui est donc bien un réel strictement positif, on écrit la définition de la convergence
pour cet ε et on obtient immédiatement une contradiction.

7.3.2 Opération sur les limites

Propositions (limites et opérations usuelles sur les suites)
Soit u et v deux suites réelles admettant une limite dans R̄ . On a alors :
lim un lim vn lim (un + vn ) lim (un vn )
n→+∞ n→+∞ n→+∞ n→+∞
L L0 L + L0 LL0
L 6= 0 ±∞ ±∞ ∞ et règle des signes
0 ±∞ ±∞ indéterminée
+∞ +∞ +∞ +∞
−∞ −∞ −∞ +∞
+∞ −∞ indéterminée −∞
Dans les cas d’indéterminations, il suffit, en général, de factoriser afin de lever l’indétermination (on
pourra aussi utiliser les résultats du prochain chapitre).

Preuves
Écrire les définitions.
80 CHAPITRE 7. SUITES RÉELLES

Proposition
Si u est une suite réelle de limite +∞ (resp. −∞) et si v est une suite réelle bornée alors u + v est une
suite de limite +∞ (resp. −∞).

Preuve
Écrire les définitions.

Théorème (limite par composition)

Soit a et b deux éléments de R̄.
Soit f une fonction définie sur un intervalle I contenant a ou bien de borne a et u une suite d’éléments
de I. On suppose que :
lim f (x) = b et lim un = a
x→a n→+∞

Alors :
lim f (un ) = b
n→+∞

Preuve
Voir chapitre « Étude locale des fonctions ».

Applications
– Avec une fonction f linéaire de R dans R, on obtient les résultats concernant la multiplication d’une
suite par un réel.
– Avec la fonction inverse f : x 7→ x1 , on obtient les résultats concernant la limite de l’inverse et la
limite du quotient (avec les indéterminations connues).
– Avec les fonctions puissances, on retrouve les résultats connus de lim nα et lim n1α .

7.3.3 Limites et inégalités

Proposition
Soit u une suite réelle convergente de limite L. Soit a et b deux réels tels que a < un < b à partir d’un
certain rang. Alors :
a≤L≤b
En conséquence, il vaut donc mieux travailler avec des inégalités larges plutôt qu’avec des inégalités strictes
(dans la mesure du possible).

Preuve
Utiliser la définition de la limite.

Théorème
Soit u, v et w trois suites réelles telles que wn ≤ un ≤ vn à partir d’un certain rang. On a :
– si u et v convergent alors lim un ≤ lim vn ;
n→+∞ n→+∞
– si lim un = +∞ alors lim vn = +∞ ;
n→+∞ n→+∞
– si lim un = −∞ alors lim wn = −∞ ;
n→+∞ n→+∞
– si v et w convergent et ont la même limite L alors u converge et admet L pour limite.
7.4. CONVERGENCE DE SUITES PARTICULIÈRES 81

Preuve

Écrire la définition.

7.4 Convergence de suites particulières

7.4.1 Suites extraites
Définition


On appelle suite extraite de la suite réelle u toute suite de la forme uϕ(n) où ϕ est une application
strictement croissante de N dans N.

Exemple

Soit q ∈] − ∞, −1]. On pose : ∀n ∈ N, un = q n , vn = u2n , wn = u2n+1 . Justifier que les suites v et w

sont deux suites extraites de la suite u.

Proposition

Soit u une suite réelle admettant une limite dans R̄. Alors, toutes les suites extraites de u admettent une
limite dans R̄ et cette limite est la même que celle de u.

Preuve

Écrire les définitions (limite et suite extraite) en remarquant que l’application ϕ de la définition vérifie
la proposition : ∀n ≥ 0, ϕ(n) ≥ n.

Exemple

Justifier que la suite u de l’exemple précédent diverge et n’admet pas de limite.

Remarque

La proposition ci-dessus s’utilise en générale sous sa forme contraposée (comme dans l’exemple qui
précède) et sert presque toujours à justifier l’absence de limite d’une suite (on exhibe deux suites extraites
n’ayant pas la même limite).

Proposition

Soit u une suite réelle. On définit les suites v et w par :

∀n ∈ N, vn = u2n , wn = u2n+1

(suites extraites des rangs pairs et des rangs impairs). Si v et w ont même limite dans R̄ alors u admet une
limite dans R̄ et cette limite est la limite commune à v et w.

Preuve

Écrire la définition.
82 CHAPITRE 7. SUITES RÉELLES

7.4.2 Suites adjacentes

Définition

Deux suites réelles u et v sont adjacentes si et seulement si l’une est croissante, l’autre est décroissante
et la suite u − v a pour limite 0.

Exemples
1 1



1. Montrer que les suites 1 + n
et 1 − n2
sont adjacentes.
2. (Première méthode) Soit u et v deux suites adjacentes telles que u est croissante et v est décroissante.
Montrer que tous les termes de u sont inférieurs à tous les termes de v (raisonnement par l’absurde).

Théorème fondamental (admis)

Deux suites adjacentes convergent et ont la même limite.

Remarque

Ce résultat est considéré comme une propriété caractéristique de R : l’ensemble des réels est le plus petit
ensemble E contenant Q et dont toutes les suites adjacentes d’éléments de E convergent et ont la même
limite.

Exercice (version 2)

Soit u et v deux suites adjacentes telles que u est croissante et v est décroissante. Montrer que tous les
termes de u sont inférieurs à tous les termes de v (utiliser la limite).

7.4.3 Application des suites adjacentes : borne supérieure et dichotomie

Définition

Soit A une partie de R.

– On dit que A est majorée si et seulement si :

∃M ∈ R / ∀x ∈ A, x ≤ M

Un tel réel M est appelé majorant de A.

– On dit que A est minoré si et seulement si :

∃m ∈ R / ∀x ∈ A, x ≥ m

Un tel réel m est appelé minorant de A.

Proposition/Définition

Soit A une partie non vide et majorée (resp. minorée) de R. Alors :

– cette partie A admet un plus petit majorant (resp. minorant) unique ;
– ce plus petit majorant (resp. minorant) est appelé borne supérieure (resp. borne inférieure) de cette
partie et se note sup(A) (resp. inf(A)).
7.4. CONVERGENCE DE SUITES PARTICULIÈRES 83

Preuve

Nous allons construire la borne supérieure à l’aide de suites adjacentes par récurrence selon le procédé
dit de dichotomie. Nous vérifierons ensuite que nous avons bien obtenu la borne supérieure (c’est à dire un
majorant qui est aussi le plus petit de tous les majorants).
– Construction d’un réel m susceptible de convenir :
– A étant non vide, on choisit l’un de ses éléments u0 ; A étant majorée, on choisit l’un de ses
majorants v0 . Il est donc clair que u0 ≤ v0 .
– Considérons le réel c = u0 +v 2
0
(c’est le principe de la dichotomie : on s’intéresse au milieu de
l’intervalle qui nous préoccupe). Si le réel c est un majorant de A alors on pose v1 = c et u1 = u0 ,
sinon on pose u1 = c et v1 = v0 . Ainsi, u0 et u1 ne sont pas des majorants de A ; v0 et v1 sont des
majorants de A et on a :

1
u0 ≤ u1 , v1 ≤ v0 et v1 − u1 = (u0 − v0 )
2
– On itère le processus précédent indéfiniment : ayant construit u0 ≤ · · · ≤ un tous non majorants
de A et vn ≤ · · · ≤ v0 tous majorants de A avec vk − uk = 12 (vk−1 − uk−1 ) pour tout k ∈ J1, nK,
on construit un+1 et vn+1 comme à l’étape précédente.
– On a ainsi construit une suite croissante (un ) de réels dont aucun n’est un majorant de A, une suite
décroissante (vn ) de réels dont chacun est un majorant de A et de plus :

1
∀n ∈ N, vn+1 − un+1 = (vn − un )
2

– Les suites (un ) et (vn ) sont donc clairement adjacentes. Elles convergent vers un réel que l’on note
provisoirement m.
– On montre que m est un majorant de A.
– Soit x ∈ A.
– Comme (vn ) est une suite de majorants de A alors : ∀n ∈ N, x ≤ vn .
– Par passage à la limite, on obtient que x ≤ m ce qui prouve bien que m est un majorant de A.
– On montre que m est le plus petit majorant de A.
– Soit y un majorant de A.
– Comme (un ) n’est constituée que de non majorants de A alors : ∀n ∈ N, un ≤ y.
– Par passage à la limite, on obtient que m ≤ y ce qui prouve bien que m est le plus petit des
majorants de A.
– Il est clair que ce plus petit majorant est unique car s’il en existait un second alors l’un des deux ne
pourrait être le plus petit des majorants.

Exemple

Justifier que A =] − 2, 4] admet une borne inférieure et une borne supérieure et les préciser.

Remarque
– Dans le cas où sup(A) ∈ A, la borne supérieure est aussi appelée maximum de A et se note max(A).
– Dans le cas où inf(A) ∈ A, la borne inférieure est aussi appelée minimum de A et se note min(A).

Proposition

Soit A une partie non vide et majorée (resp. minorée) de R. Alors :

∀ε > 0, ∃x ∈ A/0 ≤ sup(A) − x ≤ ε (resp. 0 ≤ x − inf(A) ≤ ε)

84 CHAPITRE 7. SUITES RÉELLES

Preuve
– Cas 1 : A admet un maximum (la borne supérieure est dans A). Alors x = sup(A) convient pour tout
ε > 0.
– Cas 2 : A n’admet pas de maximum, c’est à dire que sup(A) ∈ / A. Soit ε > 0. Supposons qu’il
n’existe pas un tel réel x. Alors sup(A) − ε est un majorant de A qui est strictement plus petit que
sup(A). Ceci est absurde donc il existe un tel réel x.
– La distinction de ces deux cas n’était pas nécessaire mais elle illustre bien la situation (essentiellement
dans le second cas).

Exemple fondamental (première méthode)

Soit x un réel. On veut démontrer qu’il existe une suite de rationnels admettant x pour limite. Pour cela,
on note A l’ensemble de tous les rationnels inférieurs ou égaux à x, c’est à dire que :

A = {r ∈ Q|r ≤ x}

1. Justifier A admet une borne supérieure puis démontrer que sup(A) = x.

2. Démontrer que :
1
∀n ∈ N, ∃rn ∈ Q/|rn − x| ≤
2n
3. Conclure.

7.4.4 Application des suites adjacentes : la fonction partie entière

Proposition/Définitions
Soit x un réel.
– Il existe un plus grand entier inférieur ou égal à x.
– On l’appelle partie entière de x et on le note : Ent(x) ou bxc.
– On a ainsi défini une fonction :
Ent : R → R
x 7→ bxc
caractérisée par :
∀x ∈ R, Ent(x) ≤ x < Ent(x) + 1

Preuve
– Construction d’un candidat pour la partie entière.
– Soit A l’ensemble des entiers (relatifs) inférieurs ou égaux à x.
– Alors, A est une partie de R non vide (car R est un corps réputé archimédien, notion hors pro-
gramme) et majorée (par x).
– On en déduit que A admet une borne supérieure que l’on note bxc.
– Le candidat bxc est bien un entier.
– Supposons que bxc ne soit pas entier.
– Pour ε = 21 , il existe n0 ∈ A tel 0 ≤ bxc − n ≤ 12 .
– On a alors n0 < bxc (le candidat n’est pas entier) et :

n0 + bxc
∀n ∈ A, n ≤ n0 < < bxc < n0 + 1
2
ce qui prouve l’existence d’une borne supérieure plus petite que la précédente.
– L’hypothèse faite est donc fausse et le candidat est entier.
– Le candidat vérifie bien la double inégalité : bxc ≤ x < bxc + 1.
7.4. CONVERGENCE DE SUITES PARTICULIÈRES 85

– La première inégalité est nécessairement vraie (x est un majorant de A).

– bxc + 1 étant un entier, s’il était inférieur à x alors on obtiendrait une contradiction avec le fait que
bxc est la borne supérieure de A.
– Le candidat est élu.

Exemple fondamental (deuxième méthode)

Soit x un réel. On veut démontrer qu’il existe une suite de rationnels admettant x pour limite. Pour cela,
on définit la suite (qn )n∈N par :
∀n ∈ N, qn = 10−n b10n xc
1. Justifier que l’on a bien défini une suite de rationnels.
2. Prouver que cette suite converge vers x.

Exercice
Prouver que : ∀x ∈ R, x − 1 < Ent(x) ≤ x.

7.4.5 Suites monotones

Théorème
Soit u une suite réelle.
– Si u est croissante (resp. décroissante) et majorée (resp. minorée) alors u converge.
– Si u est croissante (resp. décroissante) et non majorée (resp. minorée) alors u admet +∞ (resp. −∞)
pour limite.

Preuves
– On suppose que u est croissante et majorée. On pose :
A = {un | n ∈ N}
Cette partie A de R est alors non vide (la suite est bien définie) et majorée (la suite est majorée).
Elle admet donc une borne supérieure sup(A). Montrons que cette borne supérieure est la limite de
la suite u. Soit ε > 0. On sait que :
∃x ∈ A / 0 ≤ sup(A) − x ≤ ε
ce qui se traduit par :
∃n0 ∈ N / 0 ≤ sup(A) − un0 ≤ ε
Comme la suite u est croissante et majorée par sup(A), on en déduit que :
∀n ≥ n0 , 0 ≤ sup(A) − un ≤ sup(A) − un0 ≤ ε
donc :
∀n ≥ n0 , |un − sup(A)| ≤ ε
ce qui prouve bien que la suite u converge et que sa limite vaut sup(A).
– On suppose que la suite u est croissante et non majorée. Soit M ∈ R+ . Comme la suite n’est pas
majorée, alors :
∃n0 ∈ N / un0 ≥ M
Comme elle est croissante, alors :
∀n ≥ n0 , un ≥ un0 ≥ M
ce qui prouve bien qu’elle diverge vers +∞.
– Démonstrations analogues dans les deux autres cas.
86 CHAPITRE 7. SUITES RÉELLES

Exemple
Étudier la nature de la suite u définie par :
√
u0 = 3 et ∀n ∈ N, un+1 = 1 + un

7.4.6 Suites récurrentes définie à l’aide d’une fonction

Proposition
Soit f : I → I une fonction continue sur I, intervalle fermé de R et soit u une suite définie par :
u0 ∈ I et ∀n ∈ N, un+1 = f (un )
Si la suite u converge alors sa limite L est nécessairement un point fixe de f c’est à dire que le réel L est
solution de l’équation :
f (x) = x
(donc f (L) = L). Par contraposition, on a aussi le résultat suivant : si f n’admet pas de point fixe alors la
suite u diverge.

Preuve
On a :  
L = lim un+1 = lim f (un ) = f lim un = f (L)
n→+∞ n→+∞ n→+∞

La troisième égalité est due à la continuité de f sur I donc en x = L.

Exemple
Soit a ∈ R. Étudier, en fonction du réel a, la nature de la suite u définie par :
u0 = a et ∀n ∈ N, un+1 = u2n

7.5 Exercices
1. Calculer le terme général puis déterminer la limite éventuelle des suites :
(a) u0 = 2 et ∀n ∈ N, un+1 = 5un − 13
2
(b) u0 = 3 et ∀n ∈ N, un+1 = un + 4
5
√
(c) u0 = 1 et ∀n ∈ N, un+1 = 3un
Indication : On pourra poser vn = ln(un ) pour tout entier naturel n après avoir justifier l’exis-
tence de ces réels.
(d) u0 = 0, u1 = 1 et ∀n ∈ N, un+2 = un+1 + 2un
(e) u0 = 2, u1 = −1 et ∀n ∈ N, un+2 = −3un+1 + 4un
(f) u0 = 5, u1 = 0 et ∀n ∈ N, un+2 = −6un+1 − 9un
(g) u0 = 2, u1 = −1 et ∀n ∈ N, un+2 = un+1 − un
√ √
(h) u0 = 1, u1 = 2 et ∀n ∈ N, un+2 = 3 2un+1 − 9un
√
(i) u0 = 0, u1 = 5 et ∀n ∈ N, un+2 = 2un+1 − 5un
2. On se propose d’étudier la suite réelle u définie par :
2un + 3
u0 = 0 et ∀n ∈ N, un+1 =
un + 4
7.5. EXERCICES 87

un − 1
(a) Première méthode. Pour tout entier naturel n, on pose : vn = .
un + 3
i. Démontrer que la suite v est géométrique et préciser sa raison.
ii. En déduire l’expression de un pour tout entier naturel n.
iii. Les suites u et v convergent-elles ? Préciser leur limite respectives le cas échéant.
(b) Seconde méthode.
i. Démontrer que, pour tout entier naturel n, le terme un appartient à [0, 1].
Indication : on pourra déterminer deux réels a et b tels que, pour tout entier naturel n, on a :
b
un+1 = a +
un + 4

ii. Déterminer le sens de variation de la suite u.

iii. En déduire la nature de la suite u et préciser sa limite éventuelle.
3. Soit u la suite réelle définie par :
√
u0 = 0 et ∀n ∈ N, un+1 = 2 + un

(a) Démontrer que cette suite est bornée et convergente.

(b) Que se passe-t-il dans le cas u0 = 3 ?
4. Pour tout entier naturel n non nul, on pose :
n
1 + 2 + ··· + n X 1
un = et Sn =
1 + 22 + · · · + n2
2
k=1
uk

(a) Exprimer un en fonction de l’entier naturel non nul n. La suite (un )n≥1 a-t-elle une limite ?
(b) Exprimer Sn en fonction de l’entier naturel non nul n. La suite (Sn )n≥1 a-t-elle une limite ?
5. Suite de Fibonacci et nombre d’or.
Soit u la suite réelle définie par :

u0 = 0, u1 = 1 et ∀n ∈ N, un+2 = un+1 + un

(a) Démontrer que : ∀n ∈ N∗ , u2n − un−1 un+1 = (−1)n+1 .

un+1
(b) En déduire lim .
n→+∞ un

6. Écriture en base b ∈ J2, +∞J.

Soit b un entier supérieur ou égal à 2, (an )n∈N∗ une suite d’éléments de J0, b − 1K et (xn )n∈N la suite
réelle définie par :
an+1
x0 = 0 et ∀n ∈ N, xn+1 = xn + n+1
b
(a) Étude d’un premier exemple.
On suppose que b = 10 (notre base 10 habituelle) et que la suite (an ) est constante égale à 3.
i. Déterminer l’expression de xn en fonction de l’entier naturel n.
ii. Déterminer la limite de la suite (xn ).
(b) Étude d’un second exemple.
Mêmes questions que précédemment en supposant que b = 3 et que la suite (an ) est constante
égale à 2.
88 CHAPITRE 7. SUITES RÉELLES

(c) Cas général.

L’entier b et la suite (an ) sont quelconques (mais respectent les conditions de l’introduction).
i. Déterminer, à l’aide d’une somme, l’expression de xn pour tout entier naturel n.
Indication : télescopage.
ii. En déduire que xn ∈ [0, 1] pour tout entier naturel n puis que la suite (xn ) converge.
7. (a) Déterminer la limite L de la suite u définie par :

n3 + n2 − n + 1
∀n ∈ N, un =
n3 + 1

(b) Soit ε > 0. Déterminer un entier n0 ≥ 0 (en fonction de ε) tel que :

∀n ≥ n0 , |un − L| ≤ ε

Application : Préciser n0 dans le cas où ε = 10−5 .

8. Soit u une suite convergente de limite L > 0.
(a) Démontrer que cette suite u est strictement positive à partir d’un certain rang.
(b) Quel résultat peut-on énoncer dans le cas où L < 0 ?
(c) Peut-on énoncer un résultat « analogue » dans le cas où L = 0 ?
9. Pour tout entier naturel n, on pose :
n
X (−1)k
un = vn = u2n wn = u2n+1
k=0
k+1

(a) Démontrer que les suites v et w sont adjacentes.

(b) En déduire la nature de la suite u.
10. Soit (un )n∈N∗ une suite réelle. Pour tout entier naturel n non nul, on pose :
n
1X
vn = uk
n k=1

(a) Démontrer que si la suite u converge alors la suite v converge aussi et que ces deux suites ont la
même limite.
(b) En considérant la suite ((−1)n )n∈N∗ , démontrer que la réciproque est fausse.
11. Soit (an )n∈N une suite réelle croissante et (bn )n∈N une suite réelle décroissante telles que :

∀n ∈ N, an ≤ bn

(a) Prouver que ces deux suites convergent.

(b) On notera A et B leurs limites respectives. Comparer A et B puis démontrer que :
\
[an , bn ] = [A, B]
n∈N

12. Soit u une suite réelle telle que les suites extraites (u2n ), (u2n+1 ) et (u3n ) convergent. Démontrer que
u est convergente.
Indication : les limites de ces trois sous-suites n’étant, a priori, pas les mêmes, on pourra démontrer
qu’en fait elles sont égales.
7.5. EXERCICES 89

13. Soit u une suite réelle telle que les suites extraites (u3n ), (u3n+1 ) et (u3n+2 ) convergent. La suite u
converge-t-elle ? Si non, déterminer une condition supplémentaire pour qu’elle converge.
n
X 1
14. On pose : ∀n ∈ N∗ , un = 2
.
k=1
k
(a) Démontrer que :
1 1 1 1 1
∀n ≥ 2,− ≤ 2 ≤ −
n n+1 n n−1 n
(b) Démontrer que la suite u est convergente et préciser un encadrement de sa limite.
15. Soit a un réel strictement positif. On définit la suite réelle (xn )n∈N par :
 
∗ 1 a
x0 ∈ R et ∀n ∈ N, xn+1 = xn +
2 xn
(a) Justifier que cette suite est bien définie.
(b) Étudier la fonction numérique f définie par :
1 a
∀x ∈ R∗ , f (x) = x+
2 x

(c) Étudier la monotonie de la suite (xn )n∈N en fonction de la valeur de son premier terme.
(d) Étudier sa convergence.
16. (à modifier) Soit (xn )n∈N la suite réelle définie par :
1
∀n ∈ N, xn = 1 + (n traits de fractions)
1
1+
..
.. .
. 1
1+
1
(a) Calculer les termes x0 , x1 , x2 et x3 .
(b) Exprimer xn+1 en fonction de xn pour tout entier naturel n.
(c) Démontrer que les suites (x2n )n∈N et (x2n+1 )n∈N sont adjacentes.
(d) En déduire la nature de la suite (xn )n∈N .
17. Soit A une partie non vide et majorée de R et λ un réel strictement positif. On note λA l’ensemble :

{λa ∈ R|a ∈ A} = {x ∈ R|∃a ∈ A/x = λa}

(a) Justifier que A admet une borne supérieure.

(b) Démontrer que λA admet une borne supérieure et que :

sup(λA) ≤ λ sup(A)

(c) Démontrer que : sup(λA) = λ sup(A).

18. Soit A et B deux parties non vides et minorées de R. On note A + B l’ensemble :

{a + b ∈ R|a ∈ A, b ∈ B} = {x ∈ R|∃(a, b) ∈ A × B)/x = a + b}

(a) Justifier que A et B admettent une borne inférieure.

(b) Démontrer que A + B admet une borne inférieure et que :

inf(A + B) ≥ inf(A) + inf(B)

90 CHAPITRE 7. SUITES RÉELLES

(c) Démontrer que : inf(A + B) = inf(A) + inf(B).

19. Soit u une suite réelle telle que :
1
∀n ∈ N, 0 ≤ un+1 − un ≤
2n
Montrer que u converge. Que peut-on dire de sa limite ?
20. Soit u une suite à termes strictement positifs et λ un réel. On suppose que :
un+1
lim =λ
n→+∞ un

(a) Montrer que si λ < 1 alors la suite u converge vers 0.

(b) Montrer que si λ > 1 alors la suite u diverge vers +∞.
(c) Que peut-on dire si λ = 1 ?
xn nn
   
(d) En déduire la limite des suites (où x est un réel strictement positif fixé) et .
n! n∈N n! n∈N∗

7.6 Solutions des exercices

1. s
2. (a) i. Pour tout entier naturel n, on a :
2un +3
un+1 − 1 un +4
−1 un − 1 1
vn+1 = = 2un +3 = = vn
un+1 + 3 un +4
+3 5un + 15 5

donc la suite (vn )n≥0 est géométrique de raison 51 .

ii. Comme v0 = − 13 , on en déduit que :
 n
1 1
∀n ∈ N, vn = − ×
3 5

D’autre part, de la relation entre vn et un , on obtient la relation entre un et vn qui suit :

−3vn − 1
∀n ∈ N, un =
vn − 1
ce qui permet alors de déterminer l’expression de un :

3 × 5n − 3
∀n ∈ N, un =
3 × 5n + 1

iii. Comme | 15 | < 1 alors : la suite v converge et lim vn = 0 . En factorisant par 5n le nu-
n→+∞
mérateur et le dénominateur de un , on en déduit que :

la suite u converge et lim un = 1

n→+∞

(b) i. Pour tout entier naturel n, on a :

2(un + 4) − 8 + 3 5
un+1 = = 2−
un + 4 un + 4
7.6. SOLUTIONS DES EXERCICES 91

Soit P(n) la proposition : 0 ≤ un ≤ 1.

Pour n = 0, on a u0 = 0 ∈ [0, 1] donc P(0) est vraie.
Soit n ≥ 0. Supposons que P(n) est vraie. Alors, on a successivement :
0 < 4 ≤ un + 4 ≤ 5
1 1 1
≤ ≤
5 un + 4 4
3 5 5
0 ≤ = 2 − ≤ un+1 ≤ 2 − = 1
4 4 5
donc la proposition P(n + 1) est vraie.
Conclusion : ∀n ∈ N, un ∈ [0, 1] .
ii. Soit n un entier naturel. On a alors :
2un + 3 −u2n − 2un + 3 (un − 1)(un + 3)
un+1 − un = − un = =−
un + 4 un + 4 un + 4
Comme un ∈ [0, 1], on en déduit que : un+1 − un ≥ 0.
Conclusion : la suite u est croissante .
iii. La suite u est croissante et majorée par 1 donc la suite u converge . Soit L sa limite. Alors
L est solution de l’équation L = 2L+3
L+4
. On en déduit que L ∈ {−3, 1}. Comme la suite u
est minorée par 0 et majorée par 1 alors le réel −3 ne peut être la limite de u.
Conclusion : lim un = 1 .
n→+∞

3. s
4. s
5. s
6. s
7. s
8. (a) On choisit ε = L2 . On a bien ε > 0 car L > 0. Par définition de la limite, on a alors :
L
∃n0 ∈ N/∀n ≥ n0 , |un − L| ≤
2
On en déduit donc que :
L 3L
∀n ≥ n0 , 0 < ≤ un ≤
2 2
Conclusion : la suite est strictement positive à partir d’un certain rang (le rang n0 ici).
(b) On obtient évidemment le résultat : la suite est strictement négative à partir d’un certain rang .
(c) Bien sûr, la réponse est non . Par exemple, on choisit la suite définie par :
(−1)n
∀n ∈ N, un =
n
qui converge bien vers 0 mais dont les termes sont alternativement positifs et négatifs.
9. (a) Soit n un entier naturel. On a alors :
(−1)2n+1 (−1)2n+2 1 1
vn+1 − vn = u2n+2 − u2n = + =− + <0
2n + 2 2n + 3 2n + 2 2n + 3
(−1)2n+2 (−1)2n+3 1 1
wn+1 − wn = u2n+3 − u2n+1 = + = − >0
2n + 3 2n + 4 2n + 3 2n + 4
(−1)2n+1 1
vn − wn = u2n − u2n+1 = − =−
2n + 2 2n + 2
donc la suite (vn )n≥0 est décroissante, la suite (wn )n≥0 est croissante et lim (vn − wn ) = 0.
n→+∞
Conclusion : les suites v et w sont adjacentes .
92 CHAPITRE 7. SUITES RÉELLES

(b) On en déduit que les suites v et w convergent et ont la même limite. Comme, de plus, ce sont les
suites extraites des rangs pairs et impairs de la suite u, on en conclut que la suite u converge .
10. s
11. (a) La suite (an ) (resp. (bn )) est croissante (resp. décroissante). Il suffit donc de prouver qu’elle est
majorée (resp. minorée) pour justifier qu’elle converge. A l’aide su sens de variation, on a :

∀n ∈ N, a0 ≤ an ≤ bn ≤ b0

ce qui prouve que la suite (an ) (resp. (bn )) est majorée (resp. minorée) par le réel b0 (resp. a0 ).
Conclusion : Les suites (an ) et (bn ) sont convergentes .
(b) Comme les deux suites convergent, on peut « passer à la limite » dans l’inégalité de l’énoncé,
donc :
A≤B
\
Soit x ∈ [an , bn ]. Alors :
n∈N
∀n ∈ N, an ≤ x ≤ bn
Par passage à la limite dans cette double inégalité, on obtient :

A≤x≤B

c’est à dire que x ∈ [A, B]. Réciproquement, soit x ∈ [A, B]. Compte tenu des variations des
deux suites, on a :
∀n ∈ N, an ≤ A ≤ x ≤ B ≤ bn
\
donc x ∈ [an , bn ].
n∈N
\
Conclusion : [an , bn ] = [A, B] .
n∈N

12. s
13. s
14. s
15. (a) Pour qu’un terme de la suite existe, il est nécessaire et suffisant que son précédent ne soit pas
nul. Ainsi, on note P(n) la proposition : un 6= 0. La proposition P(0) est vraie d’après les
données de l’énoncé. Soit donc n ∈ N et supposons que la proposition P(n) est vraie. Alors :

x2n + a
xn+1 = 6= 0
2xn
puisque a et x2n sont strictement positifs. On en déduit que la proposition P(n + 1) est vraie.
Conclusions : ∀n ∈ N, un 6= 0 donc la suite u est bien définie .
(b) La fonction f est définie sur les intervalles ] − ∞, 0[ et]0, +∞[ et est manifestement impaire.
On peut donc se contenter de l’étudier sur ]0, +∞[. Cette fonction est clairement continue et
dérivable sur ]0, +∞[ comme somme de la fonction identique et de la fonction inverse (à des
facteurs constants près). De plus, on a :
√ √
0 1 a  x2 − a (x − a)(x + a)
∀x > 0, f (x) = 1− 2 = =
2 x 2x2 2x2
La fonction f est donc :
√ √
* strictement décroissante sur ]0, a] à valeurs dans [ a, +∞[
√ √
* strictement croissante sur [ a, +∞[ à valeurs dans [ a, +∞[.
7.6. SOLUTIONS DES EXERCICES 93
√
(c) On suppose que x0 ∈]0, +∞[. D’après
√ ce qui précède, on en déduit que x 1 ∈ [ a, +∞[. Soit
alors P(n) la proposition xn ∈ [ a, +∞[. Cette proposition
√ est vraie au rang 1. Soit n ≥ 1.
Supposons que P(n) est vraie. Alors, xn+1 = f (xn ) ∈ [ a, +∞[, c’est à dire que P(n + 1) est
vraie. On en déduit que : √
∀n ∈ N∗ , un ∈ [ a, +∞[
On a alors :
√ √
a − x2n
 
∗ 1 a ( a − xn )( a + xn )
∀n ∈ N , xn+1 − xn = − xn = = ≤0
2 xn 2xn 2xn
√
Conclusion : La suite (xn )n∈N est décroissante à partir du rang 1 (ou 0 lorsque x0 ∈]0, a]) .
√
(d) La suite (xn )n∈N∗ est donc décroissante et minorée par a. On en déduit donc qu’elle converge.
Soit L sa limite. On sait alors que L est solution de l’équation f (x) = x. Or, pour tout réel
x > 0, on a :
√
f (x) = x ⇔ x = a
√
On en déduit donc que L = a.
√
Conclusion : La suite (xn )n∈N converge vers a .
3 5
16. (a) On a, bien sûr : x0 = 1, x1 = 2, x2 = , x3 = .
2 3
1
(b) Il est tout aussi évident que : ∀n ∈ N, xn+1 = 1 + .
xn
√ √
(c) L’équation x = 1 + x1 adment deux solutions : L = 1+2 5 et L0 = 1−2 5 .
Soit P(n) la proposition : x2n ∈ [1, L] et x2n+1 ∈ [L, 2]. Au rang 0, cette proposition est vraie
d’après les résultats de la première question. Soit n ∈ N et supposons que P(n) est vraie. Alors :
1 1 1 1 1 1
1+ ≤1+ ≤1+ et 1+ ≤1+ ≤1+
L x2n 1 2 x2n+1 L

L ≤ x2n+1 ≤ 2 et 1 ≤ x2n+2 ≤ L
1 ≤ x2n+2 ≤ L et L ≤ x2n+3 ≤ 2
donc P(n + 1) est vraie, d’où la conclusion à l’aide du théorème de récurrence. Ainsi, les suites
(x2n ) et (x2n+1 ) sont bornées.
Soit n ∈ N. Alors, on a :

1 xn 1 + xn − x2n (xn − L)(xn − L0 )

xn+2 − xn = 1 + − x n = 1 − x n + = = −
1 + x1n 1 + xn 1 + xn 1 + xn

On en déduit donc :
(x2n − L)(x2n − L0 )
x2(n+1) − x2n = − ≥0
1 + x2n
(x2n+1 − L)(x2n+1 − L0 )
x2(n+1)+1 − x2n+1 = − ≤0
1 + x2n+1
Ainsi la suite (x2n ) est croissante et la suite (x2n+1 ) est décroissante.
On en déduit donc que ces deux suites convergent. Par passage à la limite dans l’égalité xn+2 −
0
xn = − (xn −L)(x n −L )
1+xn
, on obtient que ` = L ou ` = L0 . Compte tenu des bornes de ces deux
suites, on en déduit qu’elles convergent toutes les deux vers L et donc que lim (x2n − x2n+1 ) = 0.
n→+∞
Conclusion : Les suites (x2n ) et (x2n+1 ) sont adjacentes .
94 CHAPITRE 7. SUITES RÉELLES

(d) On vient de voir que les deux√suites extraites des rangs pairs et impairs de (xn ) convergent vers
une limite commune L = 1+2 5 .
√
1+ 5
Conclusion : La suite (xn ) converge et lim xn = .
n→+∞ 2
17. (a) Comme A est une partie non vide et majorée de R alors A admet une borne supérieure sup(A) .
(b) Comme A contient au moins un élément a alors le réel λa est dans λA ce qui fait que cet
ensemble n’est pas vide. Soit x ∈ λA. Alors, il existe un réel a ∈ A tel que x = λa. De plus,
comme λ > 0, on a :
x = λa ≤ λ sup(A)
Ainsi, λ sup(A) est un majorant de λA ce qui fait donc de cet ensemble une partie non vide
et majorée de R. On en déduit que λA admet une borne supérieure sup(λA) . De plus, comme
λ sup(A) est un majorant de λA, on en déduit aussi que : sup(λA) ≤ λ sup(A) .
(c) Il reste à prouver l’inégalité dans l’autre sens. Soit a ∈ A. Alors, comme λa ∈ λA, on a :
sup(λA)
λa ≤ sup(λA) et donc a≤
λ
sup(λA)
On en déduit ainsi que λ
est un majorant de A, ce qui entraîne que :
sup(λA)
sup(A) ≤ et alors λ sup(A) ≤ sup(λA)
λ
Conclusion : sup(λA) = λ sup(A) .
18. (a) Les parties A et B sont non vides et minorées donc A et B admettent une borne inférieure .
(b) L’ensemble A + B est non vide car ni A ni B ne l’est. Soit x ∈ A + B. Alors, il existe un couple
(a, b) de réels de A × B tels que x = a + b. Comme a ≥ inf(A) et b ≥ inf(B) alors :
x ≥ inf(A) + inf(B)
Ainsi A + B est minoré par inf(A) + inf(B). Conclusion :
A + B admet une borne inférieure et inf(A + B) ≥ inf(A) + inf(B)
(c) On a :
∀a ∈ A, ∀b ∈ B, a + b ≥ inf(A + B)
∀a ∈ A, a + inf(B) ≥ inf(A + B)
inf(A) + inf(B) ≥ inf(A + B)
Conclusion : inf(A + B) = inf(A) + inf(B) .
19. L’inégalité de gauche prouve que la suite (un ) est croissante.
Soit n ∈ N∗ . On somme ces doubles inégalités du rang 0 au rang n et on obtient :
n−1 n−1
X X 1
0≤ (uk+1 − uk ) ≤
k=0 k=0
2k

n
1 − 21 1
0 ≤ un − u0 ≤ 1 ≤ 1 =2
1− 2 2
ce qui prouve que la suite (un ) est majorée par 2 + u0 .
Conclusion : La suite (un ) est convergente .
Par passage à la limite dans la double inégalité obtenue ci-dessus, on obtient :
u0 ≤ lim un ≤ 2 + u0
n→+∞

20. s
Chapitre 8

Comportement asymptotique des suites réelles

8.1 Suite négligeable devant une autre suite

8.1.1 Généralités
Définition
Soit u et v deux suites réelles. On dit que la suite u est négligeable devant la suite v au voisinage de
+∞ si et seulement s’il existe une suite réelle (εn ) de limite 0 et un entier naturel n0 tels que :
∀n ≥ n0 , un = εn vn
On note alors :
un = o (vn )
n→+∞

ou plus simplement un = o(vn ) (il n’y a aucune ambigûité ici, l’étude du comportement d’une suite est
uniquement envisagé au voisinage de +∞).

Remarque
Cette notion exprime le fait qu’au voisinage de l’infini l’ordre de grandeur du terme général de la suite
u est très inférieur (en valeur absolue) à celui de la suite v.

Exemples
1. Démontrer successivement que :
 
1 1 1
= o ((−1)n ) n + 1 = o(n )2
2
=o
n 5n + 3n n ln(n)
2. Démontrer qu’une suite u est négligeable devant la suite nulle si et seulement si la suite u est nulle à
partir d’un certain rang.

Théorème (caractérisation fondamentale de la négligeabilité)

Soit u et v deux suites réelles. On suppose que la suite v ne s’annule pas à partir d’un certain rang.
Alors :
un
un = o(vn ) ⇔ lim =0
n→+∞ vn

Preuve
– ⇒ En utilisant la définition, on obtient que, pour n assez grand, le quotient uvnn est égal à εn qui tend
vers 0 lorsque n tend vers +∞.
– ⇐ Réciproquement, en posant εn = uvnn pour tout n assez grand (et 0 sinon), on obtient le résultat.

95
96 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

Exemple
Soit u une suite réelle. Démontrer que :

un = o(1) ⇔ lim un = 0
n→+∞

Propositions (exemples fondamentaux)

Soit u une suite réelle et α un réel strictement positif. Alors :
 
α un 1
un = o(n ) ⇔ lim α = 0 et un = o ⇔ lim un nα = 0
n→+∞ n nα n→+∞

Preuve
C’est une conséquence directe du théorème précédent.

Exemples
Démontrer successivement que :
 
2 3 1 6 1
n + n + 1 = o(n ) et − =o
n2 n3 n

8.1.2 Négligeabilité et opérations sur les suites

Propositions
Soit u, v, w et t quatre suites réelles. Soit λ un réel non nul. On a alors :
– Simplification par un réel :
un = o(λvn ) ⇔ un = o(vn )
– Transitivité de la négligeabilité :

un = o(vn )
⇒ un = o(wn )
vn = o(wn )

– Somme de deux suites négligeables devant une même suite :


un = o(wn )
⇒ un + vn = o(wn )
vn = o(wn )

– Négligeabilité et produit : 
un = o(wn )
⇒ un vn = o(wn tn )
vn = o(tn )
– Passage à l’inverse : Si u et v ne s’annulent pas à partir d’un certain rang alors
 
1 1
un = o(vn ) ⇒ =o
vn un

Preuves
Utiliser la définition de la négligeabilité et, si besoin est, le théorème fondamental.
8.2. SUITES ÉQUIVALENTES 97

Exemples
Comme n3 = o(−5n4 ) alors n3 = o(n4 ).
Comme n3 = o(n4 ) et n2 = o(n4 )alors5n3 − 8n2 = o(n4 ) et n5 = o(n8 ).
1 1
Comme n3 = o(n4 ) alors 4 = o .
n n3

8.1.3 Négligeabilité et limite de suites

Propositions
Soit u et v deux suites.
– Si u est bornée et si v a une limite infinie alors un = o(vn ).
– Si u a une limite nulle et si v a une limite non nulle (voire infinie) alors un = o(vn ).
– Si v a une limite finie et si un = o(vn ) alors u a pour limite 0.

Preuves
Toujours le théorème fondamental.

8.1.4 Négligeabilité au quotidien

Propositions
– Si 0 < α < β alors :  
α β 1 1
n = o(n ) et =o
nβ nα
– Si 0 < |a| < |b| alors :
an = o(bn )
– Si α > 0, β > 0 et a > 1 alors :

1 = o ln(n)β (ln(n))β = o(nα ) nα = o(an ) an = o(n!)

    !
1 1 1 1 1 1 1
=o =o =o β
= o(1)
n! an an nα nα (ln(n)) (ln(n))β

Preuves
Limites usuelles.

8.2 Suites équivalentes

8.2.1 Généralités
Définition
On dit qu’une suite réelle u est équivalente à une suite réelle v au voisinage de +∞ si et seulement s’il
existe une suite (αn )n∈N de limite 1 et un entier naturel n0 tels que :

∀n ≥ n0 , un = αn vn

On note alors :
un ∼ vn ou bien un ∼ v n
n→+∞

puisque le comportement d’une suite est toujours envisagé au voisinage de l’infini.

98 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

Remarque
Cette notion exprime le fait qu’au voisinage de l’infini l’ordre de grandeur du terme général de la
suite u est le même que celui de la suite v (ordre de grandeur tenant compte du signe contrairement à la
négligeabilité).

Exemples
Démontrer successivement que :

6 2 1 3 4 −3
n2 + 6n + 1 ∼ n2 −1+ + 3 ∼ −1 2
− − ∼
n n n ln(n) n ln(n)

Remarques
– Dans la définition, on peut remplacer la suite (αn ) de limite 1 par la suite (1 + εn ) où la suite (εn ) a
pour limite 0 en posant :
∀n ∈ N, εn = αn − 1
– ATTENTION, il est faux de croire que :

un ∼ vn ⇔ lim(un − vn ) = 0

comme le prouvent les suites : ∀n ∈ N, un = n + 1, vn = n.

Théorèmes fondamentaux
Soit u et v deux suites réelles.
– Si λ est un réel non nul alors :
un ∼ λ ⇔ lim un = λ
n→+∞

– Si la suite v ne s’annule pas à partir d’un certain rang alors :

un
un ∼ v n ⇔ lim =1
n→+∞ vn

– Lien avec la négligeablilité :

un ∼ vn ⇔ un = vn + o(vn ) ou bien un = o(vn ) ⇔ un + vn ∼ vn

Preuves
Écrire la définition de l’équivalence.

Exemples
1. Démontrer que :
  n1
1 (−1)n 1 (−1)n
∼1 n2 + n + 1 ∼ n2 et + 2 ∼
n n n n

2. Déterminer un équivalent (c’est à dire le suite la plus simple possible qui lui est équivalente) de :
√ 1 1 √
n2 + n n − ln(n) 5 n + en + 2 cos(n) + 4 + ln(n10 ) − 7 n
n n
8.2. SUITES ÉQUIVALENTES 99

Remarques
Soit u et v deux suites réelles.
– un ∼ 0 si et seulement si u est nulle à partir d’un certain rang.

Aucune suite (sauf la suite nulle) n’est équivalente à 0.

– un ∼ vn si et seulement si vn ∼ un .

Les deux suites sont dites équivalentes.

8.2.2 Équivalence et opérations sur les suites

Propositions
Soit u, v, w et t quatre suites réelles. On a alors :
– Simplification par un réel :
∀λ ∈ R∗ , λun ∼ λvn ⇔ un ∼ vn
– Transitivité de l’équivalence : 
un ∼ v n
⇒ un ∼ wn
vn ∼ wn
– Équivalence et produit : 
un ∼ wn
⇒ un vn ∼ wn tn
vn ∼ tn
– Passage à l’inverse et quotient : Si u et v ne s’annulent pas à partir d’un certain rang alors

1 1 un ∼ v n wn tn
un ∼ v n ⇔ ∼ et ⇒ ∼
un vn wn ∼ tn un vn

– Composition par la valeur absolue :

un ∼ vn ⇒ |un | ∼ |vn |

la réciproque étant fausse (problèmes de signes).

– Composition par une fonction puissance :

∀α ∈ R, un ∼ vn ⇒ uαn ∼ vnα

Preuves
Utiliser la définition et éventuellement le théorème fondamental.

Écueils courants
Chacune des propositions qui suit est fausse, comme le prouve l’exemple associé :
– Somme d’équivalents : 
un ∼ wn
⇒ un + vn ∼ wn + tn
vn ∼ tn
Exemple : un = 1 vn = −1 wn = 1 + n1 tn = −1 + n1 .
– Composition par la fonction logarithme népérien :

un ∼ vn ⇒ ln(un ) ∼ ln(vn )

Exemple : un = 1 vn = 1 + n1 .
100 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

– Composition par la fonction exponentielle :

un ∼ vn ⇒ exp(un ) ∼ exp(vn )

Exemple : un = n vn = n + 1.
– De manière générale, on ne compose pas les équivalents par une fonction (sauf dans les cas men-
tionnés dans la proposition ci-dessus, à savoir : multiplication par un réel non nul, fonction inverse,
fonctions puissances, valeur absolue).

8.2.3 Équivalence et limite de suites

Théorème fondamental
Deux suites équivalentes sont de même nature (elles convergent ou elles divergent simultanément).
De plus, dans le cas où elles ont une limite (finie ou infinie), cette limite est la même.

Preuve
Soit u et v deux suites réelles équivalentes. Alors, il existe une suite (αn ) de limite 1 et un entier naturel
n0 tels que
∀n ≥ n0 , un = αn vn
– Supposons que v converge vers le réel L. On en déduit immédiatement que u converge vers L.
– Supposons que v diverge vers +∞. On en déduit immédiatement que u diverge vers +∞.
– Supposons que v diverge vers −∞. On en déduit immédiatement que u diverge vers −∞.
– Supposons que v n’admet pas de limite. Si u admettait une limite alors, en divisant l’égalité par αn
(qui est non nul à partir d’un certain rang), v admettrait nécessairement la même limite, ce qui serait
absurde. Ainsi, la suite u ne peut admettre de limite.

Remarque fondamentale
La réciproque de ce théorème est fausse. Par exemple, les suites (n) et (n2 ) ont la même limite (+∞)
et pourtant elles ne sont nullement équivalentes.

Exemple
1 3 1
4
+ 2−
Déterminer lim n n n .
n→+∞ 1 9
−
n5 n2

8.2.4 Équivalences au quotidien

Théorème
– Soit P une fonction polynôme. Alors, on a :
– P (n)
est équivalent à son terme de plus haut degré.
– P n1 est équivalent à son terme de plus bas degré.
– Soit (εn ) une suite de limite 0. Alors :

∀α ∈ R∗ , (1 + εn )α − 1 ∼ α εn

ln(1 + εn ) ∼ εn et eεn − 1 ∼ εn
ε2n
sin(εn ) ∼ εn cos(εn ) − 1 ∼ − tan(εn ) ∼ εn
2
8.3. EXERCICES 101

Preuves
– Simples factorisations
– Voir le chapitre sur la dérivabilité.

Exemples
Déterminer un équivalent de :
√
 2 
n −n+2
ln et n2 + an + 1 − n (en fonction du réel a)
n2 + 1

8.3 Exercices
1. Soit u et v deux suites réelles équivalentes. On suppose que v est strictement positive à partir d’un
certain rang.
(a) Démontrer que u est strictement positive à partir d’un certain rang.
(b) Déterminer un exemple pour lequel la stricte positivité de u ainsi que celle de v ne s’obtiennent
pas au même rang.
2. Soit a, b deux suites réelles équivalentes. Soit u une suite réelle telle que an ≤ un ≤ bn à partir d’un
certain rang. Démontrer que un ∼ an .
3. Ranger par ordre croissant de négligeabilité les suites de terme général :

ln(n) en 0, 001n n100000 (ln(n))12 n0,12 (n!)0,00001 100n

4. Déterminer un équivalent et la limite éventuelle des suites suivantes :

√
an = n2 + 5n bn = n + (ln(n))24 + sin(n) cn = en + ne
√ √ √ √
 
n
dn = n + 1 + n en = n + 1 − n fn = sin
3n2 + n − 1
   
3 2 2 1
− 4+ 3 ln 1 − 1 − cos
n  n n n
gn = π hn = 1 in = 1
cos −1 en − 1 e n2 − 1
n
5. Déterminer, en fonction du réel a un équivalent puis la limite de la suite u définie par :
√
∀n ∈ N, un = n2 + an + a − 1 − n

6. Soit u une suite réelle vérifiant la proposition (H) :

∀n ∈ N∗ , n − ln(n) ≤ un ≤ n + ln(n)

(a) Démontrer que un ∼ n.

(b) Que peut-on dire du comportement asymptotique la suite u ?
(c) Justifier que les suites u suivantes vérifient la proposition (H) puis en donner un équivalent de
un et, enfin, déterminer la limite éventuelle de un − n :
   
1 1
un = n + ln(n) cos un = n + ln(n) sin
n n
 
ln(n)
un = n 1 − un = n + (−1)n ln(n)
2n + 1
102 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

7. Déterminer les limites suivantes :

 
1
√ 1 − cos
2n + n! 4n2 + 3 − 2n n
lim lim √ lim
n→+∞ 3 n3 + 1 − n
 
n→+∞ n2 + cos(n) n→+∞ 1
tan2
n
 a n
8. Soit a un réel. On pose : ∀n ∈ N∗ , un = 1 + .
n
Étudier la nature de la suite u et déterminer sa limite éventuelle.
9. Soit (un ) une suite réelle de limite 1. Montrer que : ln(un ) ∼ un − 1.
(n − 2)(n − 3)2
 
10. Déterminer l’équivalent (le plus simple) de ln .
n(n − 4)2
  n1
1
11. (a) Déterminer l’équivalent de − 1.
n
√
100
(b) En déduire une approximation de 10−2 à 10−2 près.
12. (a) Montrer que :
k! 1
∀n ≥ 2, ∀k ∈ J0, n − 2K, 0 ≤ ≤
n! n(n − 1)
n−2
X k!
(b) En déduire un encadrement de pour tout entier n ≥ 2.
k=0
n!
n
!
X
(c) Démontrer enfin que : k! ∼ n!.
k=0

13. Équivalent de la somme des inverses des entiers. On pose :

n
X 1
∀n ∈ N∗ , un =
k=1
k

(a) i. Étudier la monotonie de la suite (un ).

ii. En considérant u2n − un , démontrer que : lim un = +∞.
n→+∞
(b) i. En remarquant que :
1 1 1
∀k ∈ N∗ , ∀x ∈ [k, k + 1], ≤ ≤
k+1 x k
montrer que :
1 1
∀k ∈ N∗ , ≤ ln(k + 1) − ln(k) ≤
k+1 k
ii. En déduire un encadrement de un .
iii. Déterminer alors un équivalent de un .
(c) Étudier la nature de la suite (un − ln(n))n≥1 .

8.4 Solutions des exercices

1. (a) Comme la suite v est strictement positive à partir d’un certain rang, on peut alors écrire :

∃n0 ∈ N/∀n ≥ n0 , vn > 0

8.4. SOLUTIONS DES EXERCICES 103

Comme les suites u et v sont équivalentes, on peut alors écrire :

∃(αn )n∈N , ∃n1 ≥ n0 / lim αn = 1, ∀n ≥ n1 , un = αn vn

n→+∞

Comme la suite (αn ) converge vers 1, on peut alors écrire :

1
∃n2 ≥ n1 /∀n ≥ n2 , |αn − 1| ≤
2
1
Ainsi, pour tout rang n ≥ n2 , on a 0 < 2
≤ αn . On en déduit alors que :

∀n ≥ n2 ≥ n1 ≥ n0 , un = αn vn > 0

Conclusion : La suite u est strictement positive à partir d’un certain rang .

(b) Il suffit de choisir, par exemple, un = n et vn = n − 4 pour tout entier naturel n.
2. Comme les suites a et b sont équivalentes, on peut alors écrire :

∃(αn )n∈N , ∃n0 ∈ N/ lim αn = 1, ∀n ≥ n0 , bn = αn an

n→+∞

L’encadrement de un se traduit par :

∃n1 ≥ n0 /∀n ≥ n1 , an ≤ un ≤ bn = αn an

puisque n ≥ n1 ≥ n0 . Ainsi, un = 0 lorsque an = 0 (la réciproque peut être fausse a priori). On pose
alors : 
1 si an = 0
∀n ∈ N, βn = un
an
si an 6= 0
On en déduit que :
∀n ≥ n1 , an ≤ βn an ≤ αn an
Alors, même si an = 0, on obtient :

∀n ≥ n1 , 1 ≤ βn ≤ αn

Comme (αn ) converge vers 1, on en déduit que (βn ) aussi.

Conclusion : Les suites u et a sont équivalentes .
3. D’après le cours, on a évidemment l’ordre suivant :

0, 001n ln(n) (ln(n))12 n0,12 n100000 en 100n (n!)0,00001

4. (a) Comme 5n = o(n2 ), on en déduit que :

an ∼ n 2 et lim an = +∞
n→+∞

√ √
(b) Comme sin(n) = o( n) (suite bornée et suite de limite infinie) et (ln(n))24 = o( n) (compa-
raison usuelle), on en déduit que :
√
bn ∼ n et lim bn = +∞
n→+∞

(c) Comme ne = o(en ) (comparaison puissances et exponentielles), on en déduit que :

cn ∼ en et lim cn = +∞
n→+∞
104 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

(d) Comme il est interdit d’ajouter les équivalents, on procède par factorisation :
r !
√ 1
∀n > 0, dn = n 1+ +1
n

Comme la suite ( n1 ) converge vers 0, par composition et opérations sur les limites, la suite
q  q
1 + n1 + 1 converge vers 2. On en déduit donc que 1 + n1 + 1 ∼ 2. On multiplie alors
√
cette équivalence par n et on obtient :
√
dn ∼ 2 n et lim dn = +∞
n→+∞

(e) Ici encore, on factorise : r !

√ 1
∀n > 0, en = n 1+ −1
n
On reconnaît alors un équivalent usuel puisque la suite ( n1 ) converge vers 0. On obtient alors :
√
n 1
en ∼ =√ et lim en = 0
n n n→+∞

(f) La fraction est polynomiale donc équivalente au quotient des termes de plus haut degré c’est à
1 1 n


dire 3n . Comme la suite ( 3n ) converge vers 0, la suite 3n2 +n−1 aussi. Alors :
 
n n 1
sin 2
∼ 2 ∼
3n + n − 1 3n + n − 1 3n
On en déduit que :
1
fn ∼ et lim fn = 0
3n n→+∞

(g) Le numérateur est équivalent à n23 . Comme la suite ( πn ) converge vers 0, alors le dénominateur
est équivalent à − 21 ( πn )2 . Par quotient des équivalents, on obtient :

4
gn ∼ − et lim gn = 0
π2n n→+∞

(h) Comme la suite ( n1 ) converge vers 0, alors le numérateur est équivalent à − n2 et le dénominateur
à n1 . Par quotient des équivalents, on obtient :

hn ∼ −2 et lim hn = −2
n→+∞

2
(i) Comme la suite ( n1 ) converge vers 0, alors le numérateur est équivalent à 21 n1 . Comme la suite
1
converge vers 0 alors le dénominateur est équivalent à n12 . Par quotient des équivalents, on


n2
obtient :
1 1
in ∼ et lim in =
2 n→+∞ 2
5. Comme il est interdit d’ajouter des équivalents, on factorise par n :
r !
a a−1
∀n > 0, un = n 1+ + −1
n n2

Comme la suite na + a−1

n2
converge vers 0, on en utilise un équivalent usuel :
 
1 a a−1 a a−1
un ∼ n + = +
2 n n2 2 2n
8.4. SOLUTIONS DES EXERCICES 105

1 a
(a) Si a = 0 alors un ∼ − lim un = 0 (= ) .
et
n→+∞ 2n 2
a a
(b) Si a 6= 0 alors un ∼ et lim un = .
2 n→+∞ 2
6. s
7. s
8. s
9. s
10. Comme l’argument du logarithme a pour limite 1 (obrenue par équivalents usuels) lorsque n tend vers
+∞, sa différence avec tend donc vers 0 et, pour tout entier naturel n, on a :

(n − 2)(n − 3)2
   
5n − 18 5n − 18 5
ln 1 + 2
− 1 = ln 1 + 2
∼ 2
∼ 2
n(n − 4) n(n − 4) n(n − 4) n

11. s
12. (a) Soit n ≥ 2. Comme la suite (k!)k≥0 est croissante, alors, pour tout entier k ∈ J0, n − 2K, on a :
k! (n − 2)! (n − 2)!
0 ≤ k! ≤ (n − 2)! donc 0≤ ≤ =
n! n! n(n − 1)(n − 2)!

k! 1
Conclusion : ∀n ≥ 2, ∀k ∈ J0, n − 2K, 0 ≤ ≤ .
n! n(n − 1)
(b) Soit n ≥ 2. Par sommation des inégalités qui précèdent, on a :

n−2 n−2 n−2

X k! X 1 X k! 1
0≤ ≤ donc 0≤ ≤
k=0
n! k=0
n(n − 1) k=0
n! n

(c) Pour tout entier n ≥ 2, on en déduit que :

n
(n − 1)! n! X k! 1 (n − 1)! n!
+ ≤ ≤ + +
n! n! k=0
n! n n! n!
n
1 X k! 2
1+ ≤ ≤1+
2 k=0
n! n
n
X k!
D’après le théorème des gendarmes, on peut alors affirmer que lim = 1.
n→+∞
k=0
n!
n
X
Conclusion : k! ∼ n! .
k=0
1
13. (a) i. Pour tout entier naturel non nul n, on a : un+1 − un = n+1 > 0 (d’après la relation de
Chasles).
Conclusion : La suite (un )n≥1 est strictement croissante .
2n
∗
X 1
ii. Soit n ∈ N . On a alors : u2n − un = . En encadrant chaque terme de la somme
k=n+1
k
1 1 1
( 2n ≤ k
≤ n+1
) et en sommant ces encadrements, on obtient :

1 n
≤ u2n − un ≤ ≤1
2 n+1
106 CHAPITRE 8. COMPORTEMENT ASYMPTOTIQUE DES SUITES RÉELLES

Si la suite (un ) était convergente alors la suite (u2n ) qui en est extraite serait aussi conver-
gente et aurait la même limite, ainsi la suite (u2n − un ) convergerait vers 0 ce qui est en
contradiction avec les inégalités qui précèdent. On en déduit que la suite (un ) ne converge
pas. Mais, comme elle est croissante, on peut alors conclure que :
La suite (un )n≥1 diverge vers + ∞

(b) i. Soit k un entier naturel non nul. La fonction x 7→ x1 est strictement décroissante sur l’in-
1
tervalle [k, k + 1] donc, on a bien : ∀x ∈ [k, k + 1], k+1 ≤ x1 ≤ k1 . On intègre alors ces
inégalités sur l’intervalle [k, k + 1] et on obtient :
Z k+1 Z k+1 Z k+1
1 1 1
dx ≤ dx ≤ dx
k k+1 k x k k
1 1
≤ [ln(x)]k+1
k ≤
k+1 k
1 1
Conclusion : ∀k ≥ 2, ∀x ∈ [k, k + 1], ≤ ln(k + 1) − ln(k) ≤ .
k+1 k
ii. Soit n ≥ 2. On somme ces inégalités du rang k = 1 au rang k = n − 1 et on obtient :
n−1 n−1 n−1
X 1 X X1
≤ [ln(k + 1) − ln(k)] ≤
k=1
k+1 k=1 k=1
k

Après le changement de variable k 0 = k + 1 dans la première somme, on obtient :

1
un − 1 ≤ ln(n) ≤ un −
n
En « permutant » les deux inégalités, on en conclut que :
1
∀n ≥ 2, ln(n) + ≤ un ≤ ln(n) + 1
n
On remarque que cet encadrement convient encore pour n = 1.
iii. On déduit de l’encadrement qui précède que :
1 un 1
∀n ≥ 2, 1 + ≤ ≤1+
n ln(n) ln(n) ln(n)
 
un
D’après le théorème des gendarmes, on peut conclure que la suite ln(n) converge vers 1.
n
X 1
Conclusion : ∼ ln(n) .
k=1
k
(c) D’après l’encadrement obtenu en ii, on en déduit que :
1
∀n ≥ 1, 0 ≤ ≤ un − ln(n) ≤ 1
n
donc la suite (un − ln(n)) est bornée. Par ailleurs, pour tout entier n ≥ 1, on a :
 
1 1
un+1 − ln(n + 1) − un + ln(n) = + ln 1 − >0
n+1 n+1
puisque la fonction x 7→ x + ln(1 − x) est strictement négative sur ]0, 1[ (déterminer le signe de
1
la fonction dérivée sur ]0, 1[ puis établir le tableau des variations) et n+1 ∈]0, 1[ pour tout entier
naturel non nul n. On en déduit que la suite (un − ln(n)) est strictement décroissante.
Conclusion : La suite (un − ln(n))n≥1 converge .
Sa limite est appelée constante d’Euler et se note γ. On connaît très peu de choses sur ce nombre.
Chapitre 9

Matrices réelles

9.1 Définitions
9.1.1 Matrices rectangulaires
Définition
Soit n et p deux entiers naturels non nuls. On appelle matrice (rectangulaire) réelle à n lignes et p
colonnes tout tableau de réels de la forme :
 
a1,1 a1,2 a1,3 . . . a1,p−1 a1,p
 a2,1 a2,2 a2,3 . . . a2,p−1 a2,p 
 
 a3,1 a3,2 a3,3 . . . a3,p−1 a 3,p

 
 .. .. .. .. .. 

 . . . . . 

 an−1,1 an−1,2 an−1,3 . . . an−1,p−1 an−1,p 
an,1 an,2 an,3 . . . an,p−1 an,p
où : ∀i ∈ J1, nK, ∀j ∈ J1, pK, ai,j ∈ R.

Notations
– Une telle matrice est notée A = (ai,j )1≤i≤n . On note aussi A = (ai,j ) lorsqu’il n’y a pas d’ambigûité
1≤j≤p
sur les dimensions de la matrice.
– Le premier indice est toujours celui des lignes, le second est toujours celui des colonnes.
– L’ensemble des matrices réelles à n lignes et p colonnes est noté Mn,p (R).

Exemple
 
1 2 −4 0
est une matrice réelle à 2 lignes et 4 colonnes. C’est donc un élément de M2,4 (R).
0 0 3 7

Définitions
– Dans le cas où p = 1, la matrice est appelée matrice colonne ou bien vecteur colonne.
– Dans le cas où n = 1, la matrice est appelée matrice ligne.
– La matrice à n lignes et p colonnes n’ayant que des 0 comme coefficients est appelée matrice nulle
de Mn,p (R). On la note parfois Θ ou bien plus simplement 0.
– Deux matrices sont égales si et seulement si elles ont le même nombre de lignes, le même nombre de
colonnes et le même coefficient pour chaque couple (i, j) d’indices.
– Pour tout i ∈ J1, nK et tout j ∈ J1, pK, on appelle matrice élémentaire d’indice (i, j) la matrice de
Mn,p (R), notée Ei,j , dont tous les coefficients sont nuls sauf celui situé en ième ligne et j ème colonne
qui vaut 1.

107
108 CHAPITRE 9. MATRICES RÉELLES

9.1.2 Matrices carrées

Définitions
On appelle matrice carrée toute matrice dont le nombre de lignes est égal au nombre de colonnes.
On appelle matrice carrée d’ordre n ≥ 1 toute matrice carrée ayant n lignes (et donc aussi n colonnes).

Notations
– Une matrice carrée d’ordre n est notée A = (ai,j ) 1≤i≤n . Parfois, on note plus simplement (ai,j ) voire
1≤j≤n

même (aij ).
– L’ensemble des matrices carrées d’ordre n est noté Mn (R).

Remarque
L’ensemble M1 (R) est clairement en bijection avec l’ensemble R. De plus (comme on le verra au
prochain paragraphe) les opérations (addition et multiplication) sur ces matrices s’identifient aux opérations
sur les réels. On considère alors qu’une matrice carrée d’ordre 1 est un réel et se note comme un réel (donc
sans les parenthèses).

Définitions
Soit A = (ai,j ) ∈ Mn (R).
– On appelle diagonale de la matrice A la liste (a1,1 , . . . , an,n ).
– On dit que A est une matrice diagonale si et seulement si :
∀(i, j) ∈ (J1, nK)2 , i 6= j ⇒ ai,j = 0
On écrit alors :
 
a1,1 (0)
A = diag(a1,1 , . . . , an,n ) ou A=
 .. 
. 
(0) an,n

– On appelle matrice unité de Mn (R) la matrice diagonale In = diag(1, . . . , 1) .

– On dit qu’une matrice carrée A est triangulaire supérieure (resp. triangulaire inférieure) si et
seulement si tous ses coefficients au-dessous (resp. au-dessus) de sa diagonale sont nuls. Autrement
dit, une matrice A = (ai,j ) est triangulaire supérieure (resp. inférieure) si et seulement si :
∀(i, j) ∈ J1, nK2 , i > j (resp. i > j) ⇔ ai,j = 0

9.2 Opérations sur les matrices

9.2.1 Addition des matrices
Définition
Soit A = (ai,j ) et B = (bi,j ) deux matrices de Mn,p (R) (donc de mêmes dimensions). On appelle
somme des deux matrices A et B la matrice de Mn,p (R) :
A + B = (ai,j + bi,j )

Remarque
On ne peut pas calculer la somme de deux matrices n’ayant pas le même nombre de lignes et le même
nombre de colonnes.
9.2. OPÉRATIONS SUR LES MATRICES 109

Propositions
Soit (A, B, C) ∈ (Mn,p (R))3 . On note Θ la matrice nulle de Mn,p (R). On a alors :
– Commutativité de l’addition :
A+B =B+A
– Associativité de l’addition :
A + (B + C) = (A + B) + C
On peut donc omettre les parenthèses.
– Élément neutre :
A+Θ=Θ+A=A
– Opposé :
∃A0 ∈ Mn,p (R)/A + A0 = A0 + A = Θ
L’opposé de la matrice A = (ai,j ) se note −A et est la matrice (−ai,j ).

Preuves
On écrit, à chaque fois, la définition de la somme.

9.2.2 Multiplication, à gauche, d’une matrice par un réel

Définition
Soit A ∈ Mn,p (R) et λ ∈ R. On appelle produit du réel λ par la matrice A la matrice de Mn,p (R) :

λA = (λai,j )

Propositions
Soit (A, B) ∈ (Mn,p (R))2 et (λ, µ) ∈ R2 . On note Θ la matrice nulle de Mn,p (R).
– Associativité de la multiplication par un réel :

λ(µA) = (λµ)A

– Distributivités de la multiplication par un réel sur les additions de réels et de matrices :

(λ + µ)A = λA + µA et λ(A + B) = λA + λB

– Éléments neutres :
0A = Θ et 1A = A

Remarques
– Pour toute matrice A, on a :−A = (−1)A.
– On appelle différence des matrices A et B la matrice de Mn,p (R) :

A − B = A + (−B) = (ai,j − bi,j )

1 A 1
– Soit A une matrice. Pour désigner la matrice A, il est interdit d’écrire ou même A . En effet, le
2 2 2
quotient de la matrice A par un réel n’a pas été défini et le produit par un réel s’effectue à gauche (de
la matrice). Seule la première notation est donc légale.
– Les deux opérations définies précédemment donnent à l’ensemble Mn,p (R) la structure de R-espace
vectoriel.
110 CHAPITRE 9. MATRICES RÉELLES

Proposition/Définition
– Toute matrice de Mn,p (R) se décompose de manière unique en une combinaison linéaire de toutes
les matrices de la famille (Ei,j )1≤i≤n,1≤j≤p .
– Cette famille (Ei,j )1≤i≤n,1≤j≤p est appelée base canonique de Mn,p (R).

Preuve
X
Il suffit de remarquer que (ai,j ) = ai,j Ei,j pour toute matrice (ai,j ) d’où l’existence de la combinai-
i,j
son linéaire. L’unicité provient l’égalité des coefficients de deux matrices égales.

9.2.3 Multiplication des matrices

Définition
On appelle produit de la matrice A = (ai,j ) de Mn,p (R) par la matrice B = (bj,k ) de Mp,q (R) la
matrice AB = (ci,k ) de Mn,q (R) définie par :
p
X
∀i ∈ J1, nK, ∀k ∈ J1, qK, ci,k = ai,j bj,k
j=1

On dit que le coefficient ci,k s’obtient par «produit» de la ligne i de A par la colonne k de B.

Exemple
Calculer le produit :  
  0 1 −1 2
1 2 3  1 −1 2 −2 
3 2 1
−1 2 −2 3

Remarque fondamentale
Pour effectuer un produit de deux matrices, le nombre de colonnes de la matrice de «gauche» doit
nécessairement être égal au nombre de lignes de la matrice de «droite».

À propos de la commutativité du produit

– Lorsque le produit AB existe, le produit BA n’existe pas nécessairement (cf. exemple ci-dessus).
Déterminer alors une CNS pour que les produits AB et BA existent simultanément.
– Lorsque les produits AB et BA existent simultanément, il ne correspondent pas nécessairement à des
matrices appartenant au même ensemble :
     
3
3 12
3
1 4 = ∈ M2,2 (R) et 1 4 = 11 ∈ M1,1 (R)
2 2 8 2

Déterminer alors une CNS pour que les produits AB et BA existent simultanément et appartiennent
au même ensemble.
– Lorsque les produits AB et BA existent simultanément et appartiennent au même ensemble, ils ne
sont pas nécessairement égaux :
         
1 1 1 0 2 1 1 0 1 1 1 1
= et =
0 1 1 1 1 1 1 1 0 1 1 2
9.2. OPÉRATIONS SUR LES MATRICES 111

– Cela dit, il arrive, parfois, que l’on ait :

AB = BA
On dit alors que les matrices A et B commutent. Par exemple, on a :

∀A ∈ Mn (R), AIn = In A = A

Propositions
Soit A, B et C trois matrices dont les dimensions sont compatibles avec les opérations dans chacun des
cas ci-dessous. Soit λ un réel. Alors, on a :
– Associativité des deux multiplications :

(λA)B = A(λB) = λ(AB)

On peut alors omettre les parenthèses (dans la première et la dernière écriture).

– Associativité de la multiplication :
A(BC) = (AB)C
On peut alors omettre les parenthèses.
– Distributivité de la multiplication sur l’addition :

(A + B)C = AC + BC et A(B + C) = AB + AC

– Éléments neutres de la multiplication :

In A = AIp = A et AΘ = ΘA = Θ

Preuves
C’est calculatoire.

Remarque
On peut donc calculer avec les matrices et en particulier on peut factoriser et développer comme avec
les réels à la condition expresse de ne jamais changer l’ordre des produits de deux matrices. Ainsi :

∀A ∈ Mn (R), ∀B ∈ Mn,p (R), AB + 3B = (A + 3In )B

∀(A, B) ∈ (Mn (R))2 , (A + B)(A + B) = AA + AB + BA + BB

Écueils à éviter
– IL EST FAUX DE CROIRE QUE :

AB = Θ ⇒ A = Θ ou B = Θ

– EN GÉNÉRAL, les identités remarquables sont fausses (voir la remarque ci-dessus).

Exemples
   
1 0 0 0
1. Calculer AB dans le cas où : A = et B = .
0 0 0 1
   
2 2 2 1 1 1 0
2. Calculer (A + B) et A + 2AB + B dans le cas où : A = et B = .
0 1 1 1
112 CHAPITRE 9. MATRICES RÉELLES

9.2.4 Transposée
Définitions
– On appelle transposée de la matrice A = (ai,j )1≤i≤n,1≤j≤p de Mn,p (R) la matrice de Mp,n (R) :
t
A = (ai,j )1≤j≤p,1≤i≤n
– On a ainsi défini une application transposition :
t
: Mn,p (R) → Mp,n (R)
t
A 7→ A

Exemple
 
t 2 −1 6
Calculer .
0 7 −3

Remarque
L’opération de transposition consiste donc, pour tout couple (i, j), à transformer :
– la ligne i de la matrice A en la colonne i de t A ;
– la colonne j de la matrice A en la ligne j de t A.

Propositions
– La transposition est une application involutive :
∀A ∈ Mn,p (R), t t A = A

– La transposition est une application linéaire :

∀(A, B) ∈ (Mn,p (R))2 , ∀(λ, µ) ∈ R2 , t (λA + µB) = λt A + µt B
– Transposée et produit de matrices :
∀A ∈ Mn,p (R), ∀B ∈ Mp,q (R), t (AB) = (t B)(t A)

Preuves
On calcule avec les coefficients.

Définitions
– Une matrice A carrée d’ordre n est dite symétrique si et seulement si :
t
A=A
– Une matrice A carrée d’ordre n est dite antisymétrique si et seulement si :
t
A = −A

Exemples
1. Préciser la symétrie des matrices suivantes :
   
1 2 3 0 1 −2
 2 4 5  et  −1 0 3 
3 5 6 2 −3 0
2. Soit A = (ai,j ) ∈ Mn (R). Déterminer une CNS portant sur les coefficients de A pour que :
(a) A soit symétrique ;
(b) A soit antisymétrique.
9.3. PRODUIT DE DEUX MATRICES CARRÉES 113

9.3 Produit de deux matrices carrées

9.3.1 Existence du produit

Compte tenu de la définition de l’existence du produit de deux matrices rectangulaires, on en déduit que
dans Mn (R), les produits AB et BA existent toujours mais donnent généralement des résultats différents.

9.3.2 Puissances d’une matrice carrée

Définition

On définit les puissances successives d’une matrice A carrée d’ordre n par récurrence de la façon
suivante :
A0 = In et ∀k ∈ N, Ak+1 = Ak .A = [Link]

Exemple

1 1 1
Calculer An pour tout entier naturel n où A =  1 1 1  ∈ M3 (R).
1 1 1

Proposition

Soit A un matrice carrée d’ordre n. Alors on a :

∀(p, q) ∈ N2 , Ap+q = Ap Aq

Preuve

Récurrence.

Proposition (formule du binôme de Newton)

Soit (A, B) ∈ (Mn (R))2 tel que AB = BA . Alors :

p   p  
X
p p k p−k
X p
∀p ∈ N, (A + B) = A B = Ap−k B k
k k
k=0 k=0

Preuve

– On procède par récurrence pour la première égalité. Soit P(p) la proposition :

p  
X
p p
(A + B) = Ak B p−k
k
k=0
114 CHAPITRE 9. MATRICES RÉELLES

Au rang p = 0, les deux membres de l’égalité sont égaux à la même matrice : In . Soit p ∈ N.
Supposons que la proposition P(p) soit vraie. Alors :

(A + B)p+1 = (A + B)p (A + B) !
p  
P(p)
X p
= Ak B p−k (A + B)
k
k=0
p   p  
X p k p−k
X p
= A B A+ Ak B p−k B
k k
k=0 k=0
p   p  
X p k+1 p−k
X p
AB=BA
= A B + Ak B p+1−k
k k
k=0 k=0
p+1   p  
k0 =k+1
X p k0 p+1−k0
X p
= 0 A B + Ak B p+1−k
k − 1 k
k0 =1 k=0
  p      
p p+1 0
X p p k p+1−k p
= A B + + A B + A0 B p+1
p k−1 k 0
k=1
  p+1    
p+1 p+1 0
X p+1 k p+1−k p+1
= A B + A B A0 B p+1
p+1 k 0
k=0
p+1  
X p+1
= Ak B p+1−k
k
k=0

donc la proposition P(p + 1) soit vraie. On conclut par le théorème de récurrence.

– 
La seconde
  égalité  s’obtient par changement de variable (k 0 = p − k) et en se souvenant que
p p
= .
k p−k

Exemple
     n
2 1 1 1 1 1 2 1 1
En remarquant que  1 2 1  = I3 +  1 1 1 , calculer  1 2 1  pour tout entier na-
1 1 2 1 1 1 1 1 2
turel n.

9.3.3 Inverse d’une matrice carrée

Définitions
Soit A ∈ Mn (R).
– On dit que la matrice A est inversible si et seulement si :

∃B ∈ Mn (R) / AB = BA = In

– Cette matrice B est alors appelée inverse de A et se note A−1 .

– L’ensemble des matrices carrées d’ordre n inversibles est appelé groupe linéaire d’ordre n et se note
GLn (R).

Exemples
Parmi les matrices suivantes, déterminer celles qui sont inversibles et préciser alors leur inverse :
   
0 ... 0 1 (0)
 
1 0 0    
 .. ..  . . 0 1 0 0
0 2 0
 
 . .   .   
1 0 0 1
0 ... 0 (0) 1 0 0 −3
9.3. PRODUIT DE DEUX MATRICES CARRÉES 115

Proposition
Lorsqu’il existe, l’inverse d’une matrice carrée est unique.

Preuve
Soit A une matrice carrée. Supposons qu’elle admette deux inverses B et C. Alors :

AB = In et CA = In

d’où, en multipliant la première égalité à gauche par C, on obtient successivement :

(CA)B = C In In B = C B=C

donc l’inverse est bien unique (s’il existe).

Propositions
Soit (A, B) ∈ GLn (R)2 , λ ∈ R∗ et (p, q) ∈ N2 .
– Inverse et multiplication par un réel :

1 −1
(λA) ∈ GLn (R) et (λA)−1 = A
λ
– Inverse et multiplication des matrices :

(AB) ∈ GLn (R) et (AB)−1 = B −1 A−1

– Inverse et puissances :
p
Ap ∈ GLn (R) et (Ap )−1 = A−1
Dans le cas où A est inversible, on note alors A−p l’inverse de Ap . Alors, on a :

Ap A−q = Ap−q

– Inverse et transposée :

−1
(t A) ∈ GLn (R) t
= t A−1


et A

Preuves
Écrire la définition de l’inverse avec l’inverse proposé.

Remarque
En général, déterminer l’inverse d’une matrice carrée d’ordre n est rarement très simple puisqu’il s’agit
de déterminer simultanément n2 réels ! On a toutefois quelques cas particuliers.

Propositions (matrices carrées inversible «à vue d’oeil»)

– Une matrice diagonale est inversible si et seulement si aucun de ses coefficients diagonaux n’est nul.
Sa matrice inverse est alors la matrice diagonale formée des inverses des coefficients diagonaux.
– Une matrice triangulaire supérieure (resp. inférieure) est inversible si et seulement si aucun de ses co-
efficients diagonaux n’est nul. Sa matrice inverse est alors elle aussi triangulaire supérieure (resp. in-
férieure) et sa diagonale contient les inverses des coefficients diagonaux de la matrice initiale (concer-
nant les autres coefficients, on ne peut rien dire de simple).
116 CHAPITRE 9. MATRICES RÉELLES

Preuves
– Écrire la définition avec l’inverse proposé.
– C’est un peu plus délicat.

Exemples
Justifier que les matrices suivantes sont inversibles et préciser leur inverse :
 
    2 2 2
−1 0 1 1  0 2 2 
0 7 0 1
0 0 2

Proposition
 
a b
La matrice carrée est inversible si et seulement si :
c d

ad − bc 6= 0

Son inverse est alors la matrice :  

1 d −b
ad − bc −c a

Preuve
Écrire la définition avec l’inverse proposé dans le cas ad − bc 6= 0. Vérifier la non inversiblilité dans le
cas ad − bc = 0.

9.4 Exercices
1. Montrer que toute matrice carrée se décompose de manière unique en la somme d’une matrice symé-
trique avec une matrice antisymétrique (analyse/synthèse).
 
cos(θ) sin(θ)
2. Soit θ ∈ R et A = ∈ M2 (R).
− sin(θ) cos(θ)
(a) Calculer An pour tout entier naturel n.
(b) Ces matrices sont-elles inversibles (préciser alors l’inverse) ?
3. Soit A = diag(0, 1, 2). Déterminer le commutant de A, c’est à dire l’ensemble :

C(A) = {B ∈ M3 (R) | AB = BA}

4. On définit les matrices de M3 (R) :

     
0 1 0 0 0 0 1 0 0
A= 0 0 1  Θ= 0 0 0  et I= 0 1 0 
0 0 0 0 0 0 0 0 1

(a) Justifier qu’il n’existe aucun réel a tel que A + aI = Θ.

(b) Justifier qu’il n’existe aucun couple (a, b) de réels tels que A2 + aA + bI = Θ.
(c) Démontrer qu’il existe un unique triplet (a, b, c) de réels tels que :

A3 + aA2 + bA + cI = Θ
9.4. EXERCICES 117

(d) En déduire que A n’est pas inversible.

5. On définit les matrices de M3 (R) :
   
1 −3 6 1 0 0
A =  6 −8 12  et I= 0 1 0 
3 −3 4 0 0 1
(a) Inversibilité de la matrice A.
i. Calculer A2 et montrer qu’il existe deux réels a et b tels que A2 = aA + bI.
ii. En déduire que A est inversible et exprimer A−1 en fonction de A et I.
(b) Puissances successives de la matrice A.
i. Démontrer qu’il existe deux suites (un )n∈N et (vn )n∈N telles que :

∀n ∈ N, An = un A + vn I

ii. Montrer que : ∀n ∈ N, un + vn = 1.

iii. En déduire que la suite (un )n∈N est récurrente linéaire d’ordre 2.
iv. En déduire les expressions de un et de vn en fonction de l’entier naturel n.
(c) L’expression de An ainsi obtenue pour tout n ∈ N est-elle encore valable pour n = −1 ? pour
n ∈ Z?
6. Généralisation des résultats des deux exercices qui précédent.
Soit (m, n) un couple d’entiers supérieurs ou égaux à 2. Soit A une matrice réelle carrée d’ordre n.
On note I la matrice unité et Θ la matrice nulle de Mn (R).
(a) Dans cette question, on suppose que :

∃(a0 , . . . , am−1 ) ∈ Rm /Am + am−1 Am−1 + · · · + a1 A + a0 I = Θ, a0 6= 0

Montrer que A est inversible (avec ou sans analyse/synthèse).

Remarque : On dit que P (X) = X m +am−1 X m−1 +· · ·+a1 X +a0 est un polynôme annulateur
de la matrice A.
(b) Dans cette question, on suppose que les deux propositions suivantes sont vérifiées :

∃(a1 , . . . , am−1 ) ∈ Rm−1 − {(0, . . . , 0)}/Am + am−1 Am−1 + · · · + a1 A = Θ

∀k ∈ J1, m − 1K, ∀(b0 , . . . , bm−1 ) ∈ Rm , b0 6= 0 ⇒ Ak + bk−1 Ak−1 + · · · + b1 A + b0 I 6= Θ

Démontrer que A n’est pas inversible (par l’absurde).
(c) Applications. Déterminer les matrices inversibles (et préciser alors leur inverse) parmi :
 
      1 −1 0 0
0 0 1 0 0 1 0 −1 −1  −1
 1 0 0   0 2 0   1 −2 −1   1 −1 0 

 0 −1 1 −1 
0 1 0 3 0 0 1 −2 −1
0 0 −1 1

7. On définit les matrices de M3 (R) :

     
3 1 1 1 1 1 1 0 0
A= 1 3 1  B= 1 1 1  et I= 0 1 0 
1 1 3 1 1 1 0 0 1
L’objectif de cet exercice est de déterminer les puissances successives de la matrice A et justifier son
inversiblité.
118 CHAPITRE 9. MATRICES RÉELLES

(a) Première méthode.

i. Déterminer deux réels α et β tels que A = αI + βB.
ii. Déterminer B n pour tout entier naturel n.
iii. En utilisant la formule du binôme, prouver que :
5n − 2n
∀n ∈ N, An = 2n I + B
3
iv. L’expression précédente permet-elle de justifier que la matrice A est inversible ?
Si oui, préciser la matrice A−1 .
(b) Seconde méthode.
i. Exprimer la matrice A2 en fonction des matrices I et A. En déduire que A est inversible et
déterminer son inverse.
ii. Montrer qu’il existe deux suites réelles (an )n∈N et (bn )n∈N telles que :

∀n ∈ N, An = an I + bn A

iii. Montrer que :

∀n ∈ N, bn+2 = 7bn+1 − 10bn
iv. En déduire le terme général puis la nature des deux suites.
(c) Applications.
 
a 1 1
i. Soit a un réel. On suppose maintenant que A =  1 a 1 . En utilisant l’une des deux
1 1 a
méthodes précédentes, déterminer les valeurs du réel a pour lesquelles la matrice A est
inversible et préciser alors son inverse (en fonction de a).
 
a b b
ii. Soit (a, b) un couple de réels. On suppose désormais que A =  b a b . En utilisant
b b a
l’une des deux méthodes précédentes, déterminer une CNS portant sur le couple (a, b) pour
que la matrice A soit inversible et préciser A−1 en fonction de a et b lorsque cette condition
est réalisée.
8. Soit a un réel non nul. On définit la matrice de M3 (R) :

0 a1 a12
 

A =  a 0 a1 
a2 a 0

(a) En calculant A2 , montrer que A est inversible et préciser sa matrice inverse.

(b) Déterminer An pour tout entier naturel n (s’inspirer de la question b de l’exercice précédent).
(c) L’expression de An convient-elle pour n = −1 ? n ∈ Z ?
9. Calculer les puissances entières positives de la matrice de Mn (R) suivante :
 
0 1 0 ... 0
 .. . . . 
 . . . . . . . . .. 
 . ... ... 
 .. 0 
 
 . .
 .. .. 1 


0 ... ... ... 0

9.5. SOLUTIONS DES EXERCICES 119

10. Soit A une matrice carrée d’ordre n. Pour tout i ∈ J1, nK, on note Ci la matrice colonne égale à la
colonne i de la matrice A. On note aussi Θ la matrice colonne nulle (à n lignes).
(a) Démontrer que si A est inversible alors :

∀(λ1 , . . . , λn ) ∈ Rn − {(0, . . . , 0)}, λ1 C1 + · · · + λn Cn 6= Θ

(b) Quel résultat peut-on énoncer avec les lignes de A ?

 
1 1 ... 1
 1 0 ... 0 
(c) La matrice  .. .. ..  ∈ Mn (R) est-elle inversible ?
 
 . . . 
1 0 ... 0

9.5 Solutions des exercices

1. Soit M ∈ Mn (R).
Analyse. Supposons l’existence d’une matrice S symétrique et d’une matrice A antisymétriques telles
que M = S + A. Alors :
t
M = tS + tA = S − A
À l’aide de ces deux relations, on obtient :
1 1
S = (M + t M ) et A = (M − t M )
2 2
d’où l’unicité des deux matrices (sous réserve qu’elles existent).
Synthèse. Posons : S = 21 (M + t M ) et A = 12 (M − t M ).
2. s
3. s
4. s
5. s
6. s
7. (a) i. Il est évident que α = 2 et β = 1 conviennent.
ii. D’après l’exemple du cours, on a :

B0 = I et ∀n ∈ N∗ , B n = 3n−1 B

iii. Les matrices 2I et B commutent puique BI = IB = B. On peut alors appliquer la formule

du binôme. Pour tout entier naturel n, on a :
n   n  
n n
X n n−k k n
X n
A = (2I + B) = (2I) B = 2 I + (2k I)(3k−1 B)
k k
k=0 k=1
n   ! n   !
1 X n 1 X n
= 2n I + 2n−k 3k B = 2n I + 2n−k 3k − 2n B
3 k 3 k
k=1 k=0

5n − 2n
Conclusion : ∀n ∈ N, An = 2n I + B.
3
iv. On calcule :
5−1 − 2−1
   
−1 1 1 1 1 1
A 2 I+ B = (2I + B) I − B = I − B + B − B2 = I
3 2 10 5 2 10
120 CHAPITRE 9. MATRICES RÉELLES
 
2 −1 5−1 −2−1
puisque B = 3B. De même, on obtient : 2 I + 3
B A = I.
 2 1 1

− 10 − 10
1 1 5
Conclusion : La matrice A est inversible et A−1 = I − B =  − 10 1 2
5
1 
− 10 .
2 10 1 1 2
− 10 − 10 5
 
11 7 7
(b) i. On a : A2 =  7 11 7  et donc : A2 = 7A − 10I .
7 7 11
Alors :
A(A − 7I) = −10I et (A − 7I)A = −10I
   
1 1
A (7I − A) = I et (7I − A) A = I
10 10
 2 1 1

− 10 − 10
7 1 5
Conclusion : La matrice A est inversible et A−1 = I − A =  − 10 1 2
5
1 
− 10 .
10 10 1 1 2
− 10 − 10 5

ii. Soit P(n) la proposition :

∃(an , bn ) ∈ R2 / An = an I + bn A
Au rang 0, la proposition est vraie en choisissant a0 = 1 et b0 = 0 puisque A0 = I. Soit
n ∈ N et supposons que la proposition P(n) est vraie. Alors :
An+1 = An A = (an I + bn A)A = an A + bn A2 = an A + bn (7A − 10I)
On pose alors :
an+1 = −10bn et bn+1 = an + 7bn
On a donc An+1 = an+1 I + bn+1 A ce qui prouve la proposition P(n + 1). On en conlut que
la proposition P(n) est vraie pour tout rang n ≥ 0. Ainsi :

2
∃ ((an )n≥0 , (bn )n≥0 ) ∈ RN / ∀n ∈ N, An = an I + bn A

iii. D’après ce qui précède, on a :

∀n ∈ N, bn+2 = an+1 + 7bn+1 = 7bn+1 − 10bn

iv. La suite (bn ) est donc récurrente linéaire d’ordre. Son équation caractéristique est r2 − 7r +
10 = 0 et celle-ci admet deux solution réelles : r1 = 2 et r2 = 5. Alors :
∃(λ, µ) ∈ R2 / ∀n ∈ N, bn = λ2n + µ5n
Comme b0 = 0 et b1 = a0 + 7b0 = 1, on en déduit que : λ = − 13 et µ = 31 .
5n − 2n
Conclusion : ∀n ∈ N, bn =
3
De plus, comme 2 = o(5 ), on en déduit que bn ∼ 13 5n . Cette dernière suite est géomé-
n n

trique et diverge vers +∞ puisque 5 > 1.

Conclusion : lim bn = +∞ .
n→+∞
D’autre part, on a :
5 × 5n − 2 × 2n 5n − 2n
∀n ∈ N, an = bn+1 − 7bn = −7
3 3
−2 × 5n + 5 × 2n
Conclusion : ∀n ∈ N, an = .
3
Pour la même raison que précédemment, on a : an ∼ − 32 5n .
Conclusion : lim an = −∞ .
n→+∞
9.5. SOLUTIONS DES EXERCICES 121
 
a2 + 2 2a + 1 2a + 1
(c) i. Utilisons la seconde méthode. On a ainsi : A2 =  2a + 1 a2 + 2 2a + 1 .
2a + 1 2a + 1 a2 + 2
On en déduit que : A2 = (2a + 1)A + (−a2 − a + 2)I = (2a + 1)A + (1 − a)(2 + a)I .
Dans le cas où a ∈
/ {−2, 1}, on a :
   
1 1
A (A − (2a + 1)I) = I et (A − (2a + 1)I) A = I
(1 − a)(2 + a) (1 − a)(2 + a)

Ainsi A est inversible et on a obtenu A−1 .

Dans le cas où a = 1 alors on sait que A2 = 3A. Supposons que A soit inversible. Alors :

A−1 A2 = A−1 (3A) donc A = 3I

ce qui est absurde. Ainsi A n’est pas inversible.

Dans le cas où a = −2 alors A2 = −A. Un raisonnement analogue au précédent prouve
que A n’est pas inversible.
1 2a + 1
Conclusion : A ∈ GL3 (R) ⇔ a ∈ / {−2, 1} et alors A−1 = A− I.
(1 − a)(2 + a) (1 − a)(2 + a)
 2 
a + 2b2 2ab + b2 2ab + b2
ii. Utilisons la seconde méthode. On a ainsi : A2 =  2ab + b2 a2 + 2b2 2ab + b2 .
2ab + b2 2ab + b2 a2 + 2b2
On en déduit que : A2 = (2a + b)A + (−a2 − ab + 2b2 )I = (2a + b)A + (b − a)(2b + a)I .
Dans le cas où a 6= b et 2a + b 6= 0, on obtient, comme précédemment, que A est inversible
et que :
1 2a + b
A−1 = A− I
(b − a)(2b + a) (b − a)(2b + a)
Dans le cas où a = b, on a alors A2 = 3aA. Un raisonnement analogue au précédent prouve
que A n’est pas inversible.
Dans le cas où 2b + a = 0, on a alors A2 = (a − b)A. Un raisonnement analogue au
précédent prouve que A n’est pas inversible.
Conclusion :

1 2a + b
A ∈ GL3 (R) ⇔ (b − a)(2b + a) 6= 0 et alors A−1 = A− I
(b − a)(2b + a) (b − a)(2b + a)

2 a1 1
 
a2
1
8. (a) On a : A2 =  a 2 a
 = A + 2I. Alors :
a2 a 2
   
1 1
A (A − I) = I et (A − I) A = I
2 2

1
Conclusion : A ∈ GL3 (R) et A−1 = (A − I) .
2
(b) Soit P(n) la proposition : ∃(un , vn ) ∈ R2 / An = un A + vn I.
La proposition P(0) est vraie en choisissant u0 = 0 et v0 = 1. Remarquons aussi que P(1) est
vraie en posant u1 = 1 et v1 = 0 et que P(2) est vraie en posant u2 = 1 et v2 = 2.
Soit n ∈ N. Supposons que P(n) est vraie. Alors :

An+1 = An A = (un A + vn I)A = un A2 + vn A = un (A + 2I) + vn A = (un + vn )A + 2un I

122 CHAPITRE 9. MATRICES RÉELLES

On pose alors un+1 = un + vn et vn+1 = 2un . La proposition P(n + 1) est ainsi vérifiée.
On en déduit que :
∀n ∈ N, un+2 = un+1 + vn+1 = un+1 + 2un
La suite (un ) est donc récurrente linéaire d’ordre 2. L’équation caractéristique admet deux solu-
tions réelles distinctes r1 = −1 et r2 = 2. Ainsi :

∃(λ, µ) ∈ R2 / ∀n ∈ N, un = λ(−1)n + µ2n

Compte tenu des valeurs de u0 et u1 , on obtient :

1 1
λ=− et µ=
3 3
d’où, pour tout entier naturel n, on a :
2n − (−1)n 2n + 2(−1)n
un = et vn =
3 3
2n − (−1)n 2n + 2(−1)n
Conclusion : ∀n ∈ N, An = A+ I.
3 3
(c) Pour n = −1, on obtient :
1 1
2−1 − (−1)−1 2−1 + 2(−1)−1 +1 −2 1
A+ I= 2
A+ 2
I = (A − I) = A−1
3 3 3 3 2
Conclusion : L’expression convient encore pour n = −1 .
 −n −n

2−n +2(−1)−n
Soit n ∈ N∗ . Le produit An 2 −(−1)
3
A + 3
I est alors égal à :

2n − (−1)n 2−n − (−1)−n 2 + 2(−1)n 2−n + 2(−1)−n

   n 
2
× A + × I
3 3 3 3
2 − (−1)n 2−n + 2(−1)−n 2n + 2(−1)n 2−n − (−1)−n
 n 
+ × + × A
3 3 3 3
donc à :
2 − 2(−2)n 2 −2 + 2(−2)n 5 + 4(−2)n
A + A+ I
9 9 9
 −n −n

2−n +2(−1)−n
ce qui vaut I. De même, le produit 2 −(−1)
3
A + 3
I An vaut I. Ainsi :

2−n − (−1)−n 2−n + 2(−1)−n

A−n = (An )−1 = A+ I
3 3
Conclusion : L’expression convient encore pour n ∈ Z .
9. Par récurrence, on obtient :
 
0 ... 1 (0)
...
0
 
 
k

∀k ∈ J0, n − 1K, A =  .. . . 
 . . 1 

 .. ... .. 
 . . 
0 ... ... 0 0

où la « diagonale » de 1 est sur la k ème ligne au-dessus de la diagonale. De plus :

An = Θ

On obtient alors immédiatement que : ∀k ≥ n, Ak = Θ.

9.5. SOLUTIONS DES EXERCICES 123

10. (a) Supposons que A soit inversible. Alors :

 . 
..
 0
 

−1
∀i ∈ J1, nK, A Ci =  1
 

 0
 

..
.

où le coefficient 1 est en ième ligne. Soit (λ1 , . . . , λn ) ∈ Rn tel que λ1 C1 + . . . λn Cn = Θ. En

multipliant cette égalité à gauche par A−1 , on obtient :
   
λ1 0
 ..   .. 
 . = . 
λn 0

Conclusion : A ∈ GLn (R) ⇒ ∀(λ1 , . . . , λn ) ∈ Rn − {(0, . . . , 0)}, λ1 C1 + . . . λn Cn 6= Θ .

(b) Par transposition, on obtient un résultat identique avec les lignes de A :

A ∈ GLn (R) ⇒ ∀(λ1 , . . . , λn ) ∈ Rn − {(0, . . . , 0)}, λ1 L1 + . . . λn Ln 6= Θ

(c) Si n = 1 alors la matrice est diagonale à diagonale non nulle donc inversible.  
−1 1 0 −1
Si n = 2 alors, comme 1×0−1×1 = −1, la matrice est inversible et A = −1 =
  −1 1
0 1
.
1 −1
Si n ≥ 3 alors, comme 0C1 + 1C2 − 1C3 + 0C4 + · · · + 0Cn = Θ, la matrice A n’est pas
inversible.
Conclusion : A ∈ GLn (R) ⇔ n ∈ {1, 2} .
124 CHAPITRE 9. MATRICES RÉELLES
Chapitre 10

Systèmes linéaires

10.1 Vocabulaire

Définitions

Soit A = (ai,j ) ∈ Mn,p (R) et B = (bi ) ∈ Mn,1 (R).

– On appelle système linéaire de n équations à p inconnues x1 , . . . , xp tout n-uplet d’équations li-
néaires du type :

 a1,1 x1 + · · · + a1,p xp = b1

.. ..
 . .
 a x + ··· + a x = b
n,1 1 n,p p n

– Les réels ai,j sont appelés coefficients du système et la matrice A est appelée matrice associée à ce
système.
– On appelle solution d’un système tout p-uplet (x1 , . . . , xp ) de réels vérifiant simultanément les n
équations.
– Résoudre dans Rp un système c’est déterminer l’ensemble de tous les p-uplets qui sont solution de
ce système.
– Deux systèmes sont dits équivalents si et seulement s’ils ont le même ensemble de solutions.
– Un système linéaire est dit homogène si et seulement si tous les réels bi sont nuls.
– Un système linéaire est dit triangulaire si et seulement si la matrice A est triangulaire supérieure (i.e.
∀i > j, ai,j = 0).

Remarques

– À tout système on peut associer un système homogène : on l’appelle système homogène associé.
– Pour résoudre un système, on raisonne par équivalences, c’est à dire par systèmes équivalents. À ne
raisonner que par implications, on s’expose à obtenir plus de «solutions» que prévu, c’est à dire que
les « vraies solutions » sont à rechercher parmi les p-uplets obtenus.
– Tout système linéaire peut s’écrire sous forme de l’équation matricielle :

AX = B

où X est la matrice-colonne constituée des inconnues xj .

125
126 CHAPITRE 10. SYSTÈMES LINÉAIRES

10.2 Solution(s) d’un système

10.2.1 Cas d’un système homogène
Définition
Soit X1 et X2 deux matrices-colonnes de même dimension. On appelle combinaison linéaire de X1 et
X2 toute matrice-colonne de la forme λ1 X1 + λ2 X2 où λ1 et λ2 sont deux réels.

Propositions
– Le p-uplet nul est solution de tout système homogène.
– Si un système homogène admet deux solutions différentes (donc au moins une solution non nulle)
alors toute combinaison linéaire de ces deux solutions est encore une solution.

Preuves
– Il est clair que le p-uplet (0, . . . , 0) est solution de tout système linéaire homogène à p équations.
– Soit X1 et X2 deux solutions distinctes d’un système homogène de matrice associée A. Alors :

AX1 = Θ et AX2 = Θ

On en déduit que :

∀(λ1 , λ2 ) ∈ R2 , A(λ1 X1 + λ2 X2 ) = λ1 (AX1 ) + λ2 (AX2 ) = Θ

ce qui prouve que toute combinaison linéaire des deux solutions est encore une solution.

Théorème
Un système homogène admet soit une solution unique (le p-uplet nul) soit une infinité de solutions (dont
le p-uplet nul).

Preuve
Un système homogène admet toujours au moins une solution (le p-uplet nul). Soit il n’admet qu’une
solution (c’est le cas pour le système à une unique équation x = 0) et c’est donc le p-uplet nul ; soit il admet
au moins une solution non nulle X et alors λX est encore une solution du système (λX = 1Θ + λX est une
combinaison linéaire de deux solutions) pour tout réel λ ce qui nous fournit bien une infinité de solutions.

Exemples

2 x − 5y = 0
1. Résoudre dans R le système : .
3x + y = 0

3 x+y+z = 0
2. Résoudre dans R le système : .
x + 2y − z = 0

10.2.2 Cas général

Proposition
Soit AX = B un système admettant une solution X0 . Alors, X est une solution du système si et
seulement si X − X0 est une solution du système homogène associé.
10.3. RÉSOLUTION PRATIQUE D’UN SYSTÈME 127

Preuve
On sait que AX0 = B. Soit X1 ∈ Mp,1 (R). Alors, X1 est solution du système AX = B si et seulement
si :
AX1 = B = AX0 donc si et seulement si A(X1 − X0 ) = Θ
donc si et seulement si X1 − X0 est solution du système homogène associé AX = Θ.

Théorème
Tout système linéaire a :
– ou bien aucune solution,
– ou bien exactement une solution,
– ou bien une infinité de solutions.

Preuve
– Il existe des systèmes sans solution (0x = 1 par exemple).
– Soit AX = B un système admettant une solution X0 . D’après la proposition précédente, on a :
– si le système homogène n’admet qu’une solution (Θ) et si X une solution du système alors X −
X0 = Θ et donc X0 est l’unique solution ;
– si le système homogène admet une solution non nulle Y alors X = X0 +λY est encore une solution
du système pour tout réel λ et on en déduit que le système admet une infinité de solutions.

Exemple

3 x+y+z = 1
Résoudre dans R le système : .
x + 2y − z = 1

Remarque
Un système ayant strictement plus d’inconnues que d’équations a soit aucune solution soit une infinité
de solutions.

Exemples
Résoudre dans R3 les systèmes :

x+y+z = 1
x+y+z =1 puis
x + y + z = −1

10.3 Résolution pratique d’un système

10.3.1 Opérations élémentaires sur les équations
Définitions
Soit AX = B un système linéaire. On appelle opérations élémentaires sur les équations du système
chacune des transformations de l’un des trois types suivants :
– permutation des équations i et j (pour i 6= j), notée Li ↔ Lj ;
– multiplication de l’équation i par un réel λ non nul, notée Li ← λLi ;
– combinaison de l’équation i avec λ fois l’équation j (pour i 6= j), notée Li ← Li + λLj .

Proposition
Toute opération élémentaire sur les équations d’un système le transforme en un système équivalent.
128 CHAPITRE 10. SYSTÈMES LINÉAIRES

Preuve
Soit (S) le système initial et (S 0 ) le système obtenu par une opération élémentaire sur les équations.
– Soit (x1 , . . . , xp ) une solution de (S). On montre aisément que (x1 , . . . , xp ) une solution de (S 0 ).
– Soit (x1 , . . . , xp ) une solution de (S 0 ). On montre encore assez aisément que (x1 , . . . , xp ) une solution
de (S) puisque les opérations réciproques sont aussi élémentaires :
1
Lj ↔ Li Li ← Li Li ← Li − λLj
λ

10.3.2 Méthode du pivot de Gauss

Théorème
Tout système linéaire est équivalent à un système triangulaire obtenu en un nombre fini d’opérations
élémentaires sur les équations.

Preuve
À savoir mettre en oeuvre sur des exemples.

Exemples

 − y + 3z = 4
1. Résoudre le système : 3x − 5y + 4z = 0 .
−4x − 3y + z = 1


 x + my + mz = m
3
2. Résoudre dans R , en fonction du réel m, le système : mx + y + mz = m .
mx + my + z = m


10.4 Systèmes particuliers

10.4.1 Systèmes de Cramer
Définition
On appelle système de Cramer tout système linéaire ayant autant d’inconnues que d’équations et dont
la matrice associée est inversible.

Théorème
Tout système de Cramer admet une unique solution.

Preuve
Soit AX = B un système de Cramer. Alors A est inversible. On raisonne par analyse/synthèse.
– Analyse : Supposons que le système admet une solution X. Alors :

A−1 (AX) = A−1 B donc X = A−1 B

donc la solution est unique (pourvu qu’elle existe).

– Synthèse : Posons X = A−1 B. Alors :

AX = A A−1 B = (AA−1 )B = B

donc X est solution du système.

10.5. EXERCICES 129

10.4.2 Inverse d’une matrice

Proposition
Soit A ∈ Mn (R). Alors, la matrice A est inversible si et seulement si, pour toute matrice-colonne
B ∈ Mn,1 (R), le système AX = B admet une unique solution.

Preuve (résultat de cours)

– ⇒ Le système est de Cramer.
– ⇐ Supposons que le système AX = B admet une unique solution pour tout B ∈ Mn,1 (R). Notons
E1 , . . . , En les matrices élémentaires de Mn,1 (R). Pour tout i ∈ J1, nK, notons Ci l’unique solution
du système AX = Ei . Soit C la matrice de Mn (R) dont les colonnes sont les matrices-colonnes
C1 , . . . , Cn . Alors :
AC = (AC1 , . . . , ACn ) = (E1 , . . . , En ) = In
La preuve de CA = In résulte d’une proposition qui affirme la commutativité du produit AC à la
condition (suffisante mais non nécessaire) qu’il soit égal à In .

Exemple
 
0 1 2
Inverser, si possible, la matrice :  2 −3 2 .
3 −5 −1

Conséquence : une autre méthode pour l’inversion des matrices (méthode dite de Gauss).
(hors programme ?) Le principe est d’appliquer aux lignes d’une matrice la technique des opérations
élémentaires sur les équations d’un système linéaire. Plus précisément :
Soit A ∈ Mn (R). On considère alors la matrice B = (A|In ) ∈ Mn,2n (R). Alors, la matrice A est
inversible si et seulement s’il existe une matrice A0 ∈ Mn (R) de sorte que l’on puisse transformer la
matrice B en la matrice B 0 = (In |A0 ) en un nombre fini d’opérations élémentaires sur ses ligne. De plus,
en cas d’inversibilité, on a : A−1 = A0 .

Exemple
 
a 1 1
Déterminer, en fonction du réel a, l’inverse éventuel de la matrice  1 a 1 .
1 1 a

10.5 Exercices
1. Formules de Cramer pour un système de deux équations.
On considère le système : 
ax + by + c = 0
a0 x + b0 y + c0 = 0
(a) Déterminer une CNS pour que ce soit un système de Cramer.
(b) Dans le cas où le système est de Cramer, montrer que :

bc0 − b0 c ca0 − c0 a
x= et y=
ab0 − a0 b ab0 − a0 b

2. Résoudre les systèmes suivants :

130 CHAPITRE 10. SYSTÈMES LINÉAIRES

2x − y + 3z = 9
(a)
3x − 5y + z = −4

 2x − y + 3z = 9
(b) 3x − 5y + z = −4
4x − 7y + z = 5


3. Pour n ≥ 3, résoudre le système :


 x1 + x2 = 0
∀k ∈ J2, n − 1K, xk−1 + xk + xk+1 = 0
xn−1 + xn = 0


4. Résoudre en fonction de m ∈ R les systèmes suivants :



 x − 2y + z = 1
−x + 3z = 5

(a)

 x − 3y + z = 1
2x + 2y + z = m


 mx + 2y + 3z = 3
(b) (m − 1)x + my + z = 1
(m + 1)x + my + (m − 1)z = m − 1


5. Soit m ∈ R. On considère la matrice de M4 (R) :

 
m 1 1 1
 1 m 1 1 
A=  1 1 m 1


1 1 1 m
(a) Déterminer (a, b) ∈ R2 tel que A2 + aA + bI4 = Θ.
(b) En déduire les valeurs de m pour lesquelles cette matrice est inversible et préciser alors son
inverse.
(c) Discuter et résoudre le système :


 mx + y + z + t = a
x + my + z + t = b


 x + y + mz + t = c
x + y + z + mt = d


6. Résoudre, en fonction de m ∈ R, le système :



 −2x − y + z + (m + 1)t = 2
x + 2y + (m − 3)z − t = −1


 x − my + z − t = −1
−mx − y + z + t = m


10.6 Solutions des exercices


ax + by = −c
1. (a) Le système est équivalent au système dont la matrice associée est inver-
a0 x + b0 y = −c0
sible si et seulement ab0 − a0 b 6= 0 .
   0  
x 1 b −b −c
(b) Dans ce cas précis, on obtient : = ab0 −a0 b .
y −a0 a −c0
bc0 − b0 c ca0 − a0 c
Conclusion : x = 0 et y = .
ab − a0 b ab0 − a0 b
10.6. SOLUTIONS DES EXERCICES 131

2. s
3. s
4. s
 
m2 + 3 2m + 2 2m + 2 2m + 2
 2m + 2 m2 + 3 2m + 2 2m + 2 
5. (a) On a : A2 =  .
 2m + 2 2m + 2 m2 + 3 2m + 2 
2m + 2 2m + 2 2m + 2 m2 + 3
On en déduit donc que : a = −2m − 2 et b = m2 + 2m − 3 conviennent .
(b) Alors, on a :

A (A − (2m + 2)I) = (m2 + 2m − 3)I = (m − 1)(m + 3)I

i. Cas m = 1 : Supposons que A est inversible. Alors, comme A2 = 4A, en multipliant à

gauche par A−1 , on obtient A = 4I ce qui est absurde. Donc A n’est pas inversible.
ii. Cas m = −3 : Supposons que A est inversible. Alors, comme A2 = −4A, en multipliant à
gauche par A−1 , on obtient A = −4I ce qui est absurde. Donc A n’est pas inversible.
iii. Cas m 6∈ {−3, 1} : On a alors :
 
1 2m + 2
A A− I =I
(m − 1)(m + 3) (m − 1)(m + 3)

Le produit dans l’autre sens valant aussi I, on en déduit que A est inversible.
iv. Conclusion : A ∈ GL4 (R) ⇔ m 6∈ {−3, 1} et alors :

1 2m + 2
A−1 = A− I
(m − 1)(m + 3) (m − 1)(m + 3)

(c) i. Cas m = 1 : Le système est équivalent à x + y + z + t = a = b = c = d.

Sous-cas a = b = c = d : Alors le système est équivalent à x + y + z + t = a. On utilise
donc trois paramètres et on obtient :
       

 −1 −1 −1 

1  0   0 
   
Sm∈{1},(a=b=c=d) = λ  + µ +ν  (λ, µ, ν) ∈ R3


 0   1   0  

0 0 1
 

Sous-cas ¬(a = b = c = d) : On a alors clairement Sm∈{1},¬(a=b=c=d) = ∅ .

ii. Cas m = −3 : En effectuant l’opération élémentaire L1 ↔ L4 , on obtient alors le système
équivalent : 

 x + y + z − 3t = d
x − 3y + z + t = b


 x + y − 3z + t = c
−3x + y + z + t = a


On effectue ensuite : L2 ← L2 − L1 , L3 ← L3 − L1 et L4 ← L4 + 3L1 et on obtient :



 x + y + z − 3t = d
−4y + 4t = b − d


 −4z + 4t = c − d
4y + 4z − 8t = a + 3d

132 CHAPITRE 10. SYSTÈMES LINÉAIRES

puis on effectue les opérations : L4 ← L4 + L2 et L4 ← L4 + L3 pour obtenir :



 x + y + z − 3t = d
−4y + 4t = b−d


 −4z + 4t = c−d
0 = a+b+c+d


Sous-cas a + b + c + d = 0 : On choisit t comme paramètre et on obtient :

     

 1 d−a 

 
1  1 d−c  
Sm∈{−3},a+b+c+d=0 = λ +   λ∈R
  1  4 d−c  
 
1 d−d
 

Sous-cas a + b + c + d 6= 0 : On a alors clairement Sm∈{3},a+b+c+d6=0 = ∅ .

iii. Cas m 6∈ {−3, 1} : Le système est de Cramer et on a alors :
   
x a
 y 
  = A−1  b 
 
 z   c 
t d
  
−m − 2 1 1 1 a
1  1 −m − 2 1 1  b 
=   
(m − 1)(m + 3)  1 1 −m − 2 1  c 
1 1 1 −m − 2 d
  

 −(m + 2)a + b + c + d  
 1  a − (m + 2)b + c + d 
Conclusion : Sm6∈{−3,1} =  

 (m − 1)(m + 3)  a + b − (m + 2)c + d  
a + b + c − (m + 2)d
 

6. On permute les lignes 1 et 2 pour obtenir un pivot plus simple. Ensuite, on effectue les opérations
élémentaires L2 ← L2 + 2L1 , L3 ← L3 − L1 et L4 ← L4 + mL1 et on obtient le système équivalent
suivant : 

 x + 2y + (m − 3)z − t = −1
3y + (2m − 5)z + (m − 1)t = 0


 (−m − 2)y + (−m + 4)z = 0
(2m − 1)y + (m2 − 3m + 1)z + (−m + 1)t = 0


On remarque que les trois dernières équations forment un système homogène (donc il admet au moins
le triplet nul comme solution). De plus, les coefficients de t dans les équations 2 et 4 étant opposés
(et nul dans la 3), on effectue l’opération L4 ← L4 + L2 et on obtient le système équivalent suivant :


 x + 2y + (m − 3)z − t = −1
3y + (2m − 5)z + (m − 1)t = 0


 (−m − 2)y + (−m + 4)z = 0
2(m + 1)y + (m2 − m − 4)z = 0


Les deux dernières équations forment un système homogène de deux équations à deux inconnues qui
est de Cramer si et seulement si :

(−m − 2)(m2 − m − 4) − (−m + 4)2(m + 1) 6= 0

−m3 (m − 1) 6= 0
10.6. SOLUTIONS DES EXERCICES 133

(a) Cas m = 0. Le système est équivalent à :



 x + 2y − 3z − t = −1
3y − 5z − t = 0


 2y + 4z = 0
2y − 4z = 0


On peut éliminer la dernière équation puis on utilise l’inconnue z comme paramètre et on ob-
tient :     

 −1 0 

0 2
    
S0 =   + λ  λ ∈ R
  0   1  
 
0 1
 

(b) Cas m = 1. Le système est équivalent à :



 x + 2y − 2z − t = −1
3y − 3z = 0


 − 3y + 3z = 0
4y − 4z = 0


On peut éliminer les deux dernières équation puis on utilise les inconnues z et t comme para-
mètres et on obtient :
      

 −1 0 1 

0 1 0
      
 + λ   + µ   (λ, µ) ∈ R 2
S1 =   0   1   0 

 

0 0 1
 

(c) Cas m 6∈ {0, 1}. Le couple (0, 0) est l’unique solution du système de deux équations à deux
inconnues. Le système est alors équivalent à :


 x + 2y + (m − 3)z − t = −1
3y + (2m − 5)z + (m − 1)t = 0


 y = 0
z = 0




 x − t = −1
(m − 1)t = 0


 y = 0
z = 0


Comme m − 1 6= 0, on en déduit que :

 

 −1 

0
 
Sm6∈{0,1} = 
 

 0 
0
 

On peut remarquer que cette unique solution est aussi une solution dans les deux cas particuliers
qui précèdent.
134 CHAPITRE 10. SYSTÈMES LINÉAIRES
Chapitre 11

Dénombrement

11.1 Cardinal d’un ensemble

11.1.1 Les trois types d’ensembles
Définitions

Soit E un ensemble.
– On dit que E est fini si et seulement si, ou bien E est vide, ou bien E n’est pas vide et alors il existe
un entier naturel n non nul et une bijection de E dans J1, nK.
– On dit que E est infini si et seulement s’il n’est pas fini.
– On dit que E est infini dénombrable (ou dénombrable) si et seulement s’il existe une bijection de
E dans N.
Certains auteurs qualifient E d’ensemble au plus dénombrable si et seulement si il est fini ou dé-
nombrable. On dit que E est non dénombrable dans tous les autres cas.

Exemples

1. Soit (a, b) ∈ Z2 tel que a ≤ b. Démontrer qu’alors l’intervalle Ja, bK est fini.
2. Démontrer que N et N∗ sont dénombrables.
3. Démontrer que l’ensemble des entiers naturels pairs est dénombrable. Que peut-on dire de l’ensemble
des entiers naturels impairs ?
4. Pour tout entier naturel n non nul, Nn est dénombrable.
5. Z et Q sont dénombrables.
6. Tout intervalle de R non réduit à un point (R en particulier) est non dénombrable.

Propositions

Soit f : E → F une bijection. Alors, E est fini (resp. infini dénombrable, resp. infini non dénombrable)
si et seulement si F est fini (resp. infini dénombrable, resp. infini non dénombrable).

Preuves
– Soit ϕ une bijection de E dans J1, nK où n ≥ 1. Alors f −1 ◦ ϕ est une bijection de F dans J1, nK et
donc F est fini.
Un raisonnement analogue prouve la réciproque.
– Idem avec ϕ bijection de E dans N.
– On raisonne par l’absurde en procédant comme ci-dessus.

135
136 CHAPITRE 11. DÉNOMBREMENT

11.1.2 Ensembles finis

Théorème (admis) - Définition
– Soit E un ensemble fini non vide.
– L’entier n tel qu’il existe une bijection de E dans J1, nK est unique (mais la bijection ne l’est pas).
– Cet entier n est appelé cardinal de l’ensemble E et se note Card(E) (ou ]E ou |E| ; cela dépend
des auteurs).
– Si E est vide alors on dit que E a pour cardinal 0.

Exemples
1. Soit (a, b) ∈ Z2 tel que a ≤ b. Montrer que : Card(Ja, bK) = b − a + 1.
2. Soit E un ensemble fini. Justifier que : Card(E) = 0 ⇔ E = ∅.

Propositions
Soit f : E → F une application entre ensembles finis.
– Si f est une injection alors : Card(E) ≤ Card(F ).
– Si f est une surjection alors : Card(E) ≥ Card(F ).
– Si f est une bijection alors : Card(E) = Card(F ).

Preuves
Utiliser les bijections de la définition.

Propositions
Soit A une partie d’un ensemble fini E. Alors :
– A est un ensemble fini et on a : 0 ≤ Card(A) ≤ Card(E),
– de plus : Card(A) = Card(E) ⇔ A = E.

Preuves
– En notant n le cardinal de E et ϕ une bijection de E dans J1, nK, on vérifie qu’il existe une bijection
ψ de J1, nK dans lui-même de sorte qu’il existe m ≤ n tel que :

ψ ◦ ϕ(A) = J1, mK

ψ ◦ ϕ(Ā) = Jm + 1, nK
Enfin, on vérifie que ψ ◦ ϕ établit une bijection de A dans J1, mK. Ainsi m est le cardinal de A et
m ≤ n.
– De plus, m = n si et seulement si ψ ◦ ϕ(Ā) = ∅ soit si et seulement si Ā = ∅ et donc si et seulement
si A = E.

11.1.3 Cardinal et opérations ensemblistes

Propositions
Soit E et F deux ensembles finis.
– Cas de deux parties A et B de l’ensemble E :

A ∩ B = ∅ ⇒ Card(A ∪ B) = Card(A) + Card(B)

Card {E A = Card(E) − Card(A)
11.1. CARDINAL D’UN ENSEMBLE 137

Card(A − B) = Card(A) − Card(A ∩ B)

A ⊂ B ⇒ Card(A) ≤ Card(B)
Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B)
– Généralisation à une famille finie (Ai )1≤i≤n (n ≥ 2) de parties de E :
– Formule du crible ou formule de Poincaré :
n
" #
X X
Card(A1 ∪ · · · ∪ An ) = (−1)k+1 Card (Ai1 ∩ · · · ∩ Aik )
k=1 1≤i1 <···<ik ≤n

– Cas de parties deux à deux disjointes :

n
X
Card(A1 ∪ · · · ∪ An ) = Card(Ak )
k=1

– Cas de parties deux à deux disjointes et de même cardinal p :

Card(A1 ∪ · · · ∪ An ) = np
– Cas d’une partition de E :
n
X
Card(E) = Card(Ak )
k=1
– Produit cartésien :
Card(E × F ) = (Card(E)) (Card(F ))
On peut généraliser au produit cartésien d’une famille finie d’ensembles.

Preuves
– Cas de deux parties :
– On numérote les éléments de A de 1 à p et ceux de B de p + 1 à p + q.
– Comme E = A ∪ Ā et A ∩ Ā = ∅, c’est une conséquence immédiate du résultat précédent.
– Idem puisque A = (A − B) ∪ (A ∩ B) et (A − B) ∩ (A ∩ B) = ∅.
– C’est une conséquence du point qui précède.
– On applique le point qui précède.
– Cas d’une famille finie de parties :
– On effectue une récurrence.
– Les points qui suivent se déduisent immédiatement de la formule de Poincaré.
– Cas du produit cartésien :
– Notant n le cardinal de E, m le cardinal de F , ϕ une bijection de E dans J1, nK et ψ une bijection
de F dans J1, mK, on considère l’application :
f : E×F → N
(a, b) 7→ (ϕ(a) − 1)m + ψ(b)
On vérifie que f est injective puis que f (E × F ) = J1, nmK.
Ainsi f établit une bijection de E × F dans f (E × F ) et E × F est fini et de cardinal nm.
– On généralise au produit cartésien d’une famille finie d’ensemble en procédant par récurrence.

Exemple
Dans une classe, il y a autant de filles que de garçons. Tous les élèves étudient au moins une langue.
Parmi eux, 10 étudient l’espagnol, 15 l’allemand, 20 l’anglais, 7 l’espagnol et l’allemand, 8 l’allemand et
l’anglais, 9 l’anglais et l’espagnol. Combien y a-t-il d’élèves dans la classe et combien d’élèves étudient les
trois langues ?
138 CHAPITRE 11. DÉNOMBREMENT

11.2 p-listes d’un ensemble

11.2.1 p-listes avec répétitions
Définitions

Soit E un ensemble et p un entier naturel non nul.

– On appelle p-liste d’éléments de E (ou p-uplet ou suite finie à p éléments) tout élément de E p .
– On appelle occurrence d’un élément de E dans une p-liste chacune des apparitions de cet élément
dans la liste.

Exemple

(0,0,1,0) est une 4-liste ou quadruplet de E = {0, 1}.

Remarque

La notion de p-liste correspond au principe des tirages successifs avec remise entre les tirages dans
lequel l’ordre et le nombre d’apparitions de chaque élément sont importants.

Proposition

Le nombre de p-listes d’un ensemble à n éléments est égal à np .

Preuve

Si E est de cardinal n alors E p est de cardinal np .

Exemple

On tire successivement et avec remise cinq fois une carte dans un jeu de 32 cartes.

1. Combien y a-t-il de tirages différents ?

2. Combien de tirages donnent 3 rois puis 2 dames ?

11.2.2 Arrangements (ou p-listes sans répétition)

Définition

Soit E un ensemble et p un entier naturel non nul. On appelle arrangement à p éléments de E tout
p-uplet pour lequel le nombre d’occurrence de chacun de ses éléments est égal à 1.

Exemple

(1,2,0,7,5) est un arrangement à 5 éléments de J0, 10K.

Remarque

La notion d’arrangement correspond au principe des tirages successifs sans remise dans lequel l’ordre
d’apparition de chaque élément est important et pour lequel il ne peut y avoir de répétition.
11.2. P -LISTES D’UN ENSEMBLE 139

Propositions
Soit E un ensemble fini à n élément(s) (où n ≥ 1) et p un entier naturel non nul.
– E admet un un arrangement à p éléments si et seulement si p ≤ n.
– On suppose que p ∈ J0, nK. Alors, le nombre d’arrangements à p éléments de E est égal à :

n!
= n(n − 1) . . . (n − p + 1)
(n − p)!

Ce nombre est parfois noté Apn dans les « vieux » ouvrages.

Preuves
– On ne peut tirer successivement et sans remise plus d’éléments qu’il n’y en a initialement.
– Notons Ap (E) l’ensemble des arrangements à p éléments d’un ensemble E et P(n) la proposition :
« pour tout ensemble E à n éléments et pour tout p ∈ J1, nK : Card (Ap (E)) = n(n − 1) . . . (n − p +
1) ». La proposition est clairement vraie au rang 1. Supposons la vraie à un rang n ≥ 1.
Soit E un ensemble à n + 1 éléments et p ∈ J1, n + 1K.
– Si p = 1 alors A1 (E) = E donc Card (A1 (E)) = n + 1.
– Supposons que p 6= 1. On a donc :
p − 1 ∈ J1, nK
Pour chaque élément x ∈ E, notons Ap (E, x) l’ensemble des arrangements à p éléments de E dont
la première occurence est x. On a alors :
[
Ap (E) = Ap (E, x)
x∈E

et cette réunion est constituée de parties deux à deux disjointes. Donc :

X
Card (Ap (E)) = Card (Ap (E, x))
x∈E

De plus, pour tout x ∈ E, Ap (E, x) est clairement en bijection avec Ap−1 (E − {x}) et E − {x}
est de cardinal n. D’après P(n), on en déduit que :
X
Card (Ap (E)) = n(n − 1) . . . (n − (p − 1) + 1)
x∈E
X
= n(n − 1) . . . ((n + 1) − p + 1)
x∈E
= (n + 1)n . . . ((n + 1) − p + 1)

et donc P(n + 1) est vraie, ce qui conclut la démonstration.

Remarque
On étend le champ de ces expressions en adoptant les conventions suivantes :
– Le nombre d’arrangement à 0 élément d’un ensemble à n élément vaut 1 (il n’y a qu’une seule façon
de ne rien « arranger » : ne rien faire).
– Si n < p ou si p < 0, alors le nombre d’arrangement à p éléments d’un ensemble à n éléments vaut
0.

Exemple
On reprend le jeu de l’exemple du paragraphe précédent mais les tirages se font sans remise. Répondre
aux mêmes questions.
140 CHAPITRE 11. DÉNOMBREMENT

11.2.3 Permutations
Définition
Soit E un ensemble à n éléments. On appelle permutation de E tout arrangement de E à n éléments.

Remarque
Dans une permutation, on a épuisé tous les tirages possibles (sans remise).

Proposition
Soit E un ensemble à n éléments. Le nombre de permutations de E est égal à n!.

Preuve
C’est un cas particulier de la situation précédente.

Exemple
On tire une par une toutes les boules du loto (numérotées de 1 à 49). Combien de tirages donnent le 1
en premier et le 49 en dernier ?

11.3 Combinaisons
11.3.1 Généralités
Définition
Soit E un ensemble à n éléments et p ∈ J0, nK. On appelle combinaison à p éléments de E toute partie
de E de cardinal p.

Exemple
{1,5,7} est une combinaison à 3 éléments de J1, 10K.

Remarque
Cette notion correspond au principe des tirages simultanés dans lequel l’ordre n’a aucune importance
(puisqu’il n’y en a pas). De plus, il ne peut y avoir de répétition.

Proposition
Soit E un ensemble à n éléments et p ∈ J0, nK. Le nombre de combinaisons à p éléments de E est égal
à:  
n n! n(n − 1) . . . (n − p + 1)
= =
p (n − p)!p! p(p − 1) . . . 1
Ce nombre est noté Cnp dans les « vieux » ouvrages francophones.

Preuve
À chaque combinaison à p éléments de E, on peut associer p! arrangements à p éléments de E dont les
occurences sont les éléments de la combinaison (ce sont les permutation de cette combinaison). Il y a ainsi
p! fois plus d’arrangements à p éléments que de combinaisons à p éléments d’où le résultat annoncé.
11.3. COMBINAISONS 141

Remarque

On étend le champ de ces expressions en adoptant la convention suivante :

 
n
n < p ou n < 0 ou p < 0 ⇒ =0
p

Exemple

On partage un jeu de 32 cartes en deux paquets de 16 cartes. Combien de partages donnent exactement
10 cartes rouges dans l’un des paquets ?

11.3.2 Les formules essentielles

Propositions
– Symétrie des coefficients binômiaux :
       
n n ∗ n n
∀n ∈ N, = =1 et ∀n ∈ N , = =n
0 n 1 n−1

   
n n
∀n ∈ N, ∀p ∈ J0, nK, =
n−p p

– Formule de Pascal :
     
∗ n n−1 n−1
∀n ∈ N , ∀p ∈ J0, nK, = +
p p p−1

– Formule du binôme de Newton :

n   n  
2
X n k n−k
n
X n
∀n ∈ N, ∀(a, b) ∈ R , (a + b) = a b = an−k bk
k k
k=0 k=0

– Formule sans nom et sa généralisation :

   
n n−1
∀n ∈ N, ∀p ∈ J0, nK, p =n
p p−1

     
p n n n−k
∀n ∈ N, ∀p ∈ J0, nK, ∀k ∈ J0, pK, =
k p k p−k

– Formule de Vandermonde et un cas particulier :

n     
2
X a b a+b
∀(a, b) ∈ N , ∀n ∈ J0, a + bK, =
k n−k n
k=0

n  2  
X n 2n
∀n ∈ N, =
k n
k=0
142 CHAPITRE 11. DÉNOMBREMENT

Preuves
– Symétrie : avec les factorielles.
– Formule de Pascal : avec les factorielles.
– Formule du binôme : par récurrence (revoir la preuve dans le cas des matrices).
– Formules sans nom : avec les factorielles.
– Formule de Vandermonde : par récurrence sur la somme a + b. Autre méthode :
Soit E un ensemble de cardinal a + b, A une partie de E de cardinal a et B = Ā (donc de cardinal b).
Pour tout entier naturel k, on note Ck (F ) l’ensemble des combinaisons à k éléments d’un ensemble
F . Soit n ∈ J0, a + bK. On définit l’application :
n
[
f : Cn (E) → Ck (A) × Cn−k (B)
k=0
C 7→ (C ∩ A, C ∩ B)
Cette application est bien définie et est une bijection. On obtient alors le résultat par égalité des
cardinaux en remarquant que l’ensemble d’arrivée est une réunion de parties deux à deux disjointes
de E × E.
Cette méthode consiste à dire que, si une urne contient a boules noires et b boules blanches, alors le
nombre de tirages simultanés et au hasard de n boules dans cette urne est le même que le nombre de
tirages obtenus en choisissant d’abord le nombre k de boules noires puis en piochant k boules noires
parmi les a et enfin en piochant n − k boules blanches parmi les b.

Triangle de Pascal
En utilisant la formule de Pascal, on peut construire le triangle de Pascal des coefficients binômiaux :
p
0 1 2 3 4 ...
n
0 1
1 1 1
2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
.. .. ...
. .

Théorème
Si E est un ensemble fini alors ℘(E) est fini et :
Card(℘(E)) = 2Card(E)

Preuve
Notons n le cardinal de E et, pour tout entier k compris entre 0 et n, Ck (E) l’ensemble des combinaisons
à k éléments de E. Alors, on a :
[n
E= Ck (E)
k=0
et cette réunion est constituées de parties deux à deux disjointes (on a, d’ailleurs, une partition de E). On
en déduit que :
n n   X n  
X X n n
Card(E) = Card (Ck (E)) = = 1k 1n−k = (1 + 1)n = 2n
k k
k=0 k=0 k=0

On peut aussi procéder par récurrence.

11.4. EXERCICES 143

11.4 Exercices
1. Une urne contient 5 boules blanches identiques 8 boules noires identiques. Toutes ces boules indis-
cernables au toucher. On tire successivement 6 boules de l’urne en remettant à chaque fois la boule
tirée. On s’intéresse à la fois aux couleurs obtenues et à leur ordre de tirage.
(a) Quel est le nombre de résultats possibles ?
(b) Combien de ces résultats amènent :
i. cinq boules noires et une blanche dans cet ordre ?
ii. cinq boules noires et une blanche ?
iii. une boule noire au plus ?
iv. trois boules blanches et trois noires ?
v. une boule blanche au moins ?
2. Une association comporte 40 membres dont 23 femmes. On élit un bureau directeur composé d’un(e)
président(e), d’un(e) trésorier(ère) et d’un(e) secrétaire dans lequel il est, bien sûr, impossible de
cumuler deux mandats.
(a) Quel est le nombre de bureaux directeurs possibles ?
(b) Quel est le nombre de bureaux directeurs :
i. où la trésorerie est assurée par une femme ?
ii. où le président et le secrétaire sont des hommes ?
iii. où le président et le trésorier sont de sexe différent ?
(c) Quel est le nombre de bureaux possibles sachant que le président est un homme, le trésorier une
femme et que M. Albert refuse de participer à un bureau où figure Mme Bérénice ?
3. On appelle main tout ensemble de 13 cartes prises dans un jeu de 52.
(a) Combien existe-t-il de mains différentes ?
(b) Combien existe-t-il de mains différentes contenant :
i. au moins un pique ?
ii. au plus un pique ?
iii. exactement un as et au plus deux piques ?
4. Quelques sommes classiques. Soit n ∈ N. Calculer les sommes :
n  
X
k n
(a) (−1)
k
k=0
n  
X n
(b) k
k
k=0
n  
X 1 n
(c)
k + 1 k
k=0
n  2
X n
(d) k(k + 1)
k
k=0

5. Soit p ∈ J0, nK. Calculer la somme :

        
n n n n−1 n n−p
+ + ··· +
0 p 1 p−1 p 0
144 CHAPITRE 11. DÉNOMBREMENT

6. Formules de Pascal et de Vandermonde généralisées.

(a) Démontrer que :
n    
X k n+1
∀n ∈ N, ∀p ∈ J0, nK, =
p p+1
k=p

(b) Démontrer que : ∀p ≥ 2, ∀(a1 , . . . , ap ) ∈ Np , ∀n ∈ J0, a1 + · · · + ap K,

     
X a1 ap a1 + · · · + ap
... =
k1 kp n
k1 +···+kp =n

7. On considère n personnes (n ≥ 2). Chacune envoie une lettre et une seule à l’une des n − 1 autres
personnes.
(a) De combien de manières différentes les n lettres peuvent-elles être adressées ?
(b) Une personne A étant choisie, de combien de manières différentes les n lettres peuvent-elles
être adressées de sorte que A reçoive au moins p lettres (0 ≤ p ≤ n − 1) ?
Indication : On pourra d’abord considérer les cas p = n − 1 et p = 0.
8. Soit E un ensemble fini de cardinal n.
(a) Déterminer le nombre de couples (A1 , A2 ) de parties de E tels que :

A1 ∪ A2 = E et A1 ∩ A2 = ∅

(b) Même question avec les triplets (A1 , A2 , A3 ) tels que :

A1 ∪ A2 ∪ A3 = E et A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 = ∅

(c) Soit p un entier supérieur à 2. Même question avec des p-uplets (A1 , . . . , Ap ) tels que :
p
[
Ak = E et ∀i 6= j, Ai ∩ Aj = ∅
k=1

(d) Soit p ∈ N∗ . Soit f : ℘(E)p → ℘(E)p+1 définie par :

f (B1 , . . . , Bp ) = (B1 , B2 − B1 , . . . , Bp − Bp−1 , E − Bp )

On pose B = {(B1 , . . . , Bp ) ∈ ℘(E)p | B1 ⊂ B2 ⊂ · · · ⊂ Bp } Démontrer que f établit une

bijection de B sur f (B).
(e) En déduire Card(B).
9. Soit E un ensemble fini de cardinal n. Montrer que le nombre de bijections de E dans J1, nK est égal
au nombre de permutations de E.
10. Soit E un ensemble fini de cardinal n et p ∈ J1, nK. Montrer que le nombre d’injections de J1, pK dans
E est égal au nombre d’arrangements à p éléments de E.
11. Calculer le nombre pn de carrés parfaits (carrés d’entiers) compris entre 0 et n ≥ 1.
Déterminer un équivalent de pn .
12. Anagrammes.
(a) Calculer le nombre d’anagrammes du mot ELECTRICITE.
(b) Soit (α1 , . . . , αn ) des entiers naturels non nul. On considère un mot contenant α1 fois la lettre
L1 , α2 fois la lettre L2 , ..., αn fois la lettre Ln .
Calculer le nombre d’anagrammes que l’on peut former à partir de ce mot.
11.5. SOLUTIONS DES EXERCICES 145

13. Soit n ≥ 1. On appelle composition de n toute liste d’entiers supérieurs à 1 dont la somme vaut n.
(a) Déterminer toutes les compositions de 1, puis 2, puis 3, puis 4.
(b) Calculer le nombre de compositions de n.
Indication : Démonstration par récurrence ; au cours de l’hérédité, on pourra considérer l’en-
semble des compositions de n + 1 commençant par 1 et celui des compositions de n + 1 ne
commençant pas par 1 et montrer que ces deux ensembles sont en bijection avec les composi-
tions de n.

11.5 Solutions des exercices

1. s
2. s
3. s
4. Soit n ∈ N. On a alors :
n   X n  
X
k n n
(a) (−1) = (−1)k 1n−k = (−1 + 1)n
k k
k=0 k=0
n  
X
k n
Conclusion : (−1) = 0 si n ≥ 1 et vaut 1 si n = 0 .
k
k=0

n   Xn   n−1   n  
X n n−1 X n−1 X n
(b) k = n =n 0 donc k = n2n−1 .
k k−1 0
k k
k=0 k=1 k =0 k=0
n    n  n+1  
X 1 n 1 n+1 X 1 X n+1
(c) = =
k+1 k n+1 k+1 n + 1 k0 =1 k0
k=0 k=0
n
2n+1 − 1
 
X 1 n
Conclusion = .
k=0
k+1 k n+1
(d) On a :
n  2 n   2 X n  2
X n X n n
k(k + 1) = k + k
k k k
k=0 k=1 k=1
n  2 n   
2
X n−1 X n−1 n
= n +n
k−1 k−1 k
k=1 k=1
n−1  2 n−1   
2
X n−1 X n−1 n
= n +n
0
k0 0
k0 n − 1 − k0
k =0 k =0

n  2    
X n 2 2n − 2 2n − 1
Conclusion : k(k + 1) =n +n .
k n−1 n−1
k=0

5. En utilisant la formule sans nom, on obtient :

         p   
n n n n−1 n n−p X n n−k
+ + ··· + =
0 p 1 p−1 p 0 k p−k
k=0
p   
X n p
=
p k
k=0
          
n n n n−1 n n−p n
Conclusion : + + ··· + = 2p .
0 p 1 p−1 p 0 p
146 CHAPITRE 11. DÉNOMBREMENT

6. (a) Soit P(n) la proposition :

n    
X k n+1
∀p ∈ J0, nK, =
p p+1
k=p

Pour n = 0, la proposition est vraie (une seule valeur de p, un seul terme, celui-ci vaut 1 comme
le membre de droite de l’égalité).
Supposons la proposition vraie à un certain rang n ≥ 0. Soit p ∈ J0, n + 1K. Si p = n + 1
alors l’égalité est vraie (un seul terme dans la somme, il vaut 1 comme le membre de droite
de l’égalité). Supposons donc que 0 ≤ p ≤ n. Alors, on peut appliquer la proposition P(n)
(seconde égalité) et la formule de Pascal classique (dernière égalité) :
n+1   Xn          
X k k n+1 n+1 n+1 (n + 1) + 1
= + = + =
p p p p+1 p p+1
k=p k=p

ce qui prouve la proposition au rang n + 1.

n    
X k n+1
Conclusion : ∀n ∈ N, ∀p ∈ J0, nK, = .
p p+1
k=p

(b) Soit P(p) la proposition :

     
p
X a1 ap a1 + · · · + ap
∀(a1 , . . . , ap ) ∈ N , ∀n ∈ J0, a1 +· · ·+ap K, ... =
k1 kp n
k1 +···+kp =n

Pour p = 2, la proposition est vraie (c’est la formule de Vandermonde classique).

Supposons la proposition vraie à un certain rang p ≥ 2. Soit (a1 , . . . , ap+1 ) ∈ Np+1 et n ∈
J0, a1 + · · · + ap+1 K. Alors :
    n     
X a1 ap+1 X X a1 ap ap+1
... = ...
k1 kp+1 k1 kp kp+1
k1 +···+kp+1 =n kp+1 =0 k1 +···+kp =n−kp+1
 
n      
X ap+1
X a1 ap
=  ... 
kp+1 k1 kp
kp+1 =0 k1 +···+kp =n−kp+1
n   
X ap+1 a1 + · · · + ap
=
kp+1 n − kp+1
kp+1 =0
 
a1 + · · · + ap+1
=
n

ce qui prouve la proposition au rang p + 1.

p
∀p ≥ 2, ∀(a1 , . . .
, ap ) ∈
 N , ∀n
 ∈J0, a1 + · · · + apK,
Conclusion :
X a 1 ap a 1 + · · · + a p .
... =
k1 kp n
k1 +···+kp =n

7. s
8. s
9. s
10. s
11. Soit n ∈ N et Cn l’ensemble des carrés parfaits compris entre 0 et n. Alors, m ∈ Cn si et seulement
si :
0≤m≤n et ∃a ∈ N/a2 = m
11.5. SOLUTIONS DES EXERCICES 147
√
Ainsi Cn est en bijection avec l’ensemble des entiers a tels que : 0 ≤ a ≤ n. On en déduit que :
√ √
pn = Card(Cn ) = Card(J0, b nc) = 1 + b nc
√
Conclusion : ∀n ∈ N, pn = 1 + b nc .
Par ailleurs, pour tout entier naturel non nul n, on a :
√ √ √
n − 1 < b nc ≤ n
√
1 b nc
1− √ < √ ≤1
n n
√
b nc
donc : lim √ = 1 (d’après le théorème des gendarmes).
n→+∞ n
√
Conclusion : pn ∼ n.
n→+∞

12. (a) Le mot ELECTRICITE comporte 3E, 1L, 2C, 2T, 1R et 2I et donc 11 lettres. Pour en constituer
un anagramme, il faut et il suffit de :
 
11
i. choisir les emplacements des 3E parmi les 11 possibles : possibilités,
3
 
8
ii. puis choisir l’emplacement du L parmi les 8 restants : possibilités,
1
 
7
iii. puis choisir l’emplacement des 2C parmi les 7 restants : possibilités,
2
 
5
iv. puis choisir l’emplacement des 2T parmi les 5 restants : possibilités,
2
 
3
v. puis choisir l’emplacement du R parmi les 3 restants : possibilités,
1
 
2
vi. puis choisir l’emplacement des 2I parmi les 2 restants : possibilité.
2
Au total, le nombre d’anagrammes est :
           
11 8 7 5 3 2 11.10.9 7.6 5.4
× × × × × = ×8× × ×3×1
3 1 2 2 1 2 3.2 2 2

Conclusion : Le mot ELECTRICITE admet 831600 anagrammes .

(b) La démarche est la même que dans l’exemple qui précède :
 
α1 + · · · + αn
i. on place les α1 lettres L1 parmi les α1 + · · · + αn emplacements :
α1
possibilités
 
α2 + · · · + αn
ii. on place les α2 lettres L2 parmi les α2 + · · · + αn emplacements :
α2
possibilités,
 
α3 + · · · + αn
iii. on place les α3 lettres L3 parmi les α3 + · · · + αn emplacements :
α3
possibilités,
iv. ...  
αn−1 + αn
v. on place les αn−1 lettres Ln−1 parmi les αn−1 + αn emplacements : possi-
αn−1
bilités,
148 CHAPITRE 11. DÉNOMBREMENT
 
αn
vi. on place les αn lettres Ln parmi les αn emplacements : possibilité.
αn
Après produit et simplification (récurrence au besoin), on obtient :

(α1 + · · · + αn )!
anagrammes
(α1 )! × · · · × (αn )!
 
a+b (a + b)!
Remarque : Ce nombre, qui est à rapprocher de = (coefficient bino-
a  a!b! 
α1 + · · · + αn
mial) est appelé coefficient multinomial et se note parfois .
α1 , . . . , αn
13. s
Chapitre 12

Espaces probabilisés finis

12.1 Expériences aléatoires et modèles

12.1.1 Premier exemple
– Expérience aléatoire : On lance une pièce de monnaie homogène. On observe le côté de la pièce
lorsqu’elle ne bouge plus.
– Éventualités : Deux observations sont possibles, soit le côté pile (que l’on notera 1) soit le côté face
(que l’on notera 0). On a donc deux éventualités qui sont 0 et 1.
– Univers : L’ensemble des éventualités se nomme univers et se note Ω. On a alors : Ω = {0, 1}.
– Événements : On appelle événement toute partie de l’univers. Ici, quatre événements distincts sont
alors possibles (au sens mathématique) :
– «On n’obtient ni le côté pile ni le côté face», qui correspond à la partie A = {}.
Cet événement, égal à l’ensemble vide, est appelé événement impossible.
– «On obtient le côté pile», qui correspond à la partie B = {1}.
Cet événement, qui ne comporte qu’une seule éventualité, est appelé événement élémentaire.
– «On obtient le côté face», qui correspond à la partie C = {0}.
C’est encore un événement élémentaire.
– «On obtient le côté pile ou le côté face», qui correspond à la partie D = {0, 1}.
Comme D = Ω, il est appelé événement certain.
– Fréquences observées : Cette expérience aléatoire, réalisée un grand nombre de fois (cf. simulation
en annexe au paragraphe 12.4.1), donne une fréquence d’apparition :
– égale à 0 pour l’événement A,
– proche de 1/2 pour les événements B et C,
– égale à 1 pour l’événement D.
– Modèle : Toutefois rien ne dit, a priori, que la limite de chacune de ces fréquences, lorsque le nombre
de réalisations tend vers l’infini, est exactement 0, 1/2, 1/2, 1. Cependant, pour mener des raisonne-
ments simples et très satisfaisants, on convient de choisir ces valeurs-ci comme modèle :
– la fréquence limite de l’événement A vaut 0, est appelée probabilité de l’événement A et se note
P (A),
– la fréquence limite de l’événement B vaut 1/2, est appelée probabilité de l’événement B et se note
P (B),
– la fréquence limite de l’événement C vaut 1/2, est appelée probabilité de l’événement C et se note
P (C),
– la fréquence limite de l’événement D vaut 1, est appelée probabilité de l’événement D et se note
P (D).
– Probabilité : On a ainsi défini ainsi une application P : ℘(Ω) → [0, 1], appelée probabilité sur
l’univers Ω, telle que :

1 1
P (∅) = 0 P ({0}) = P ({1}) = P (Ω) = 1
2 2
149
150 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

Ce modèle est dit équiprobable (les probabilités des événements élémentaires sont deux à deux
égales) et P est appelée probabilité uniforme sur Ω.
Remarquons aussi que tous les événements admettent une probabilité.

12.1.2 Deuxième exemple

– Expérience aléatoire : On lance une pièce de monnaie homogène n fois. On considère la suite des
côtés de la pièce obtenus.
– Éventualités : à définir.
– Univers : à définir.
– Événements : Une première famille d’événements.
– On considère les événements Ek (pour 1 ≤ k ≤ n) : «le premier pile est obtenu au k ème lancer».
Écrire ces événements sous forme mathématique.
– Soit E0 = {(0, . . . , 0)}. Décrire cet événement sous forme d’une phrase.
– Justifier l’affirmation : la famille d’événements (E0 , . . . , En ) est une partition de Ω. On dit alors
que cette famille d’événements est un système complet d’événements de Ω.
– Autres événements : Une seconde famille d’événements.
– On considère les événements Fk (pour 0 ≤ k ≤ n) : «on obtient au plus k fois face». Décrire ces
événements mathématiquement.
– Justifier que l’on a une suite croissante d’événements.
– Quelle est leur intersection ? leur réunion ?
– Fréquences observées : Écrire un programme permettant de calculer la fréquence d’apparition des
événements E0 , . . . , En pour un nombre N de répétitions de cette expérience aléatoire, les valeurs de
n et N étant choisies par l’utilisateur (cf. annexe au paragraphe 12.4.2).
– Modèle : Préciser le modèle le plus simple adapté à la situation.
– Probabilité : Définir une probabilité sur Ω.
Pour définir entièrement la probabilité P , on ajoute la règle : la probabilité d’une partie A de Ω est
égale à la somme des probabilités des événements élémentaires la composant.
Ce modèle est-il équiprobable ?
Calculer les probabilités P (Ek ) et P (Fk ) pour tout k ∈ J0, nK.

12.1.3 Troisième exemple

– Expérience aléatoire : On lance simultanément deux dés cubiques homogènes, indiscernables et
numérotés de 1 à 6. On observe la somme des points figurant sur la face supérieure de chaque dé.
– Éventualités : à définir.
– Univers : à définir.
– Ojectif : On voudrait calculer la probabilité d’obtenir une somme paire non multiple de 3.
– Fréquences observées et modèle : L’observation d’un grand nombre de réalisations de cette expé-
rience aléatoire (cf. annexe au paragraphe 12.4.3) conduit à choisir le modèle suivant :
s 2 3 4 5 6 7 8 9 10 11 12
1 1 1 1 5 1 5 1 1 1 1
P ({s}) 36 18 12 9 36 6 36 9 12 18 36
Le modèle choisi ici n’est pas équiprobable (même s’il est basé sur un autre modèle qui, lui, est équi-
probable).
Que vaut alors la probabilité de l’événement défini ci-dessus ?

12.2 Récapitulatif de vocabulaire

– Expérience aléatoire (ou épreuve) : C’est une expérience reproductible autant de fois que l’on veut
et dont on connaît à l’avance toutes les issues possibles mais dont on ne peut prédire le résultat de
l’une d’entre elles avant de la réaliser.
12.3. ESPACE PROBABILISÉ 151

– Éventualité : Chaque résultat possible d’une expérience aléatoire est appelé éventualité. Une éven-
tualité est souvent notée ω.
– Univers : C’est l’ensemble de toutes les éventualités d’une expérience aléatoire. On le note Ω.
– Événement : C’est un sous-ensemble de l’univers, donc un ensemble d’éventualités d’une expérience
aléatoire.
– Événement impossible : C’est l’événement ∅.
– Événement certain : C’est l’événement Ω.
– Événement élémentaire : C’est un événement de cardinal 1.
– Opérations sur les événements :
– L’événement « A ou B » est l’événement A ∪ B.
– L’événement « A et B » est l’événement A ∩ B.
– L’événement contraire de A est l’événement {Ω A, noté Ā.
– Événements incompatibles : Deux événements A et B sont dits incompatibles si et seulement s’ils
n’ont aucune éventualité en commun, i.e. A ∩ B = ∅.
– Système complet d’événements : C’est une partition de l’univers formée d’événements non vides.
– Modèle : A chaque expérience aléatoire, on va tenter d’associer une probabilité basée sur un modèle
le plus simple et le plus représentatif possible de la situation.

12.3 Espace probabilisé

12.3.1 Généralités
Définitions
Soit Ω un ensemble fini.
– Le couple (Ω, ℘(Ω)) est appelé espace probabilisable.
– On appelle probabilité sur (Ω, ℘(Ω)) toute application P : ℘(Ω) → [0, 1] telle que :
P (Ω) = 1
∀(A, B) ∈ ℘(Ω)2 , A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B)
– Soit P une probabilité sur (Ω, ℘(Ω)). Le triplet (Ω, ℘(Ω), P ) est appelé espace probabilisé.

Remarque
Un espace probabilisable peut admettre plusieurs probabilités (considérer, par exemple, le cas d’une
pièce truquée ou non truquée), cela dépendra du modèle adopté.

Propositions
On considère un espace probabilisé (Ω, ℘(Ω), P ) où Ω un ensemble fini. Alors :
– Cas de deux événements A et B quelconques :
P (Ā) = 1 − P (A)
P (A − B) = P (A) − P (A ∩ B)
A ⊂ B ⇒ P (A) ≤ P (B)
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
– Généralisation à une famille finie (Ai )1≤i≤n (n ≥ 2) d’événements :
– Formule du crible ou formule de Poincaré :
n
" #
X X
P (A1 ∪ · · · ∪ An ) = (−1)k+1 P (Ai1 ∩ · · · ∩ Aik )
k=1 1≤i1 <···<ik ≤n
152 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

– Cas d’événements deux à deux incompatibles :

n
X
P (A1 ∪ · · · ∪ An ) = P (Ak )
k=1

– Cas d’un système complet d’événements :

n
X
P (Ak ) = 1
k=1

Preuves
– Cas de deux événements :
– Comme Ω = A ∪ Ā et A ∩ Ā = ∅, c’est une conséquence immédiate de la définition de P .
– Idem puisque A = (A − B) ∪ (A ∩ B) et (A − B) ∩ (A ∩ B) = ∅.
– On applique la définition de P à B = A ∪ (B − A) avec A ∩ (B − A) = ∅ et en se rappelant que
P est une application à valeurs positives.
– On applique les points qui précèdent à A ∪ B = A ∪ (B − A).
– Cas d’une famille finie d’événements :
– On effectue une récurrence (revoir le cas du dénombrement).
– Les points qui suivent se déduisent immédiatement de la formule de Poincaré.

Théorème
Soit Ω = {ω1 , . . . , ωn } avec n ∈ N∗ .
– Soit P une probabilité sur (Ω, ℘(Ω)). Alors, on a :
n
X
∀i ∈ J1, nK, P ({ωi }) ≥ 0 et P ({ωi }) = 1
k=1

– Réciproquement, soit (p1 , . . . , pn ) ∈ Rn tel que :

n
X
∀i ∈ J1, nK, pi ≥ 0 et pi = 1
k=1

Alors, il existe une unique probabilité P sur (Ω, ℘(Ω)) telle que :
∀i ∈ J1, nK, P ({ωi }) = pi

Preuves
– La famille ({ω1 }, . . . , {ωn }) est un système complet d’événements.
– Un tel choix d’application P définit bien une probabilité. Supposons l’existence d’une seconde appli-
cation Q vérifiant les mêmes conditions. On montre alors aisément que :
∀A ∈ ℘(Ω), P (A) = Q(A)
en décomposant en réunion d’événements élémentaires. Ainsi, on obtient l’égalité Q = P et donc
l’unicité de la probabilité.

12.3.2 Équiprobabilité ou probabilité uniforme

Définition
On considère un espace probabilisé (Ω, ℘(Ω), P ) où Ω un ensemble fini. On dit que P est la probabilité
uniforme (ou bien qu’il y a équiprobabilité) si et seulement si :
∀(ω, ω 0 ) ∈ Ω2 , P ({ω}) = P ({ω 0 })
12.4. ANNEXES 153

Propositions

Soit P la probabilité uniforme sur (Ω, ℘(Ω)). Alors :

1
∀ω ∈ Ω, P ({ω}) =
Card(Ω)

En conséquence, on a :
Card(A)
∀A ∈ ℘(Ω), P (A) =
Card(Ω)

Preuves

La famille ({ω1 }, . . . , {ωn }) est un système complet d’événements. Puis, on utilise la règle d’additivité
de la probabilité.

12.4 Annexes
12.4.1 Simulation du §12.1.1
Le programme
VAR i,n,f : longint ;
x : integer ;
BEGIN
randomize ; {initialisation du «hasard»}
writeln(’PILE ou FACE’) ;
write(’Nombre de lancers : ’) ; readln(n) ;
f := 0 ; {initialisation du nb de face obtenus}
FOR i := 1 TO n DO {les lancers successifs}
BEGIN
x := random(2) ; {résultat du lancer, 0=face, 1=pile}
IF x=0 THEN f := f+1 ; {un «face» de plus ?}
END ;
writeln(’Fréquence d”apparition de "face" : ’,f/n :1 :3) ;
readln ;
END.

Résultats de quelques simulations

PILE ou FACE
Nombre de lancers : 100
Fréquence d’apparition de "face" : 0.430
PILE ou FACE
Nombre de lancers : 1000
Fréquence d’apparition de "face" : 0.477
PILE ou FACE
Nombre de lancers : 10000
Fréquence d’apparition de "face" : 0.504
PILE ou FACE
Nombre de lancers : 100000
Fréquence d’apparition de "face" : 0.501
154 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

12.4.2 Simulation du §12.1.2

Le programme
VAR k,n,r : integer ;
i,m : longint ; {compteur et nombre d’expériences}
E : ARRAY [0..10] OF longint ; {résultat des m expériences}
L : ARRAY [1..10] OF integer ; {résultat d’une expérience}
BEGIN
randomize ;
writeln(’n LANCERS D”UNE PIECE’) ;
write(’Nombre de lancers (n<=10) : ’) ; readln(n) ;
write(’Nombre de répétitions N : ’) ; readln(m) ;
FOR k := 0 TO n DO E[k] := 0 ;
FOR i := 1 TO m DO
BEGIN
FOR k := 1 TO n DO L[k] := random(2) ;
r := 0 ; {initialisation rang_premier_pile}
k := 1 ; {initialisation au rang 1 pour recherche du premier pile}
REPEAT
IF L[k]=1 THEN BEGIN
E[k] := E[k]+1 ;
r := k ; {on vient de trouver le premier pile}
END
ELSE k := k+1 ; {recherche au rang suivant}
UNTIL (k=n+1) OR (r<>0) ;
IF r=0 THEN E[0] := E[0]+1 ; {si pas de premier pile}
END ;
FOR k := 0 TO n DO writeln(’Fréquence de E’,k,’ : ’,E[k]/m :1 :3) ;
readln ;
END.

Résultats de quelques simulations

n LANCERS D’UNE PIECE
Nombre de lancers (n<=10) : 3
Nombre de répétitions N : 1000
Fréquence de E0 : 0.121
Fréquence de E1 : 0.504
Fréquence de E2 : 0.247
Fréquence de E3 : 0.128
n LANCERS D’UNE PIECE
Nombre de lancers (n<=10) : 3
Nombre de répétitions N : 10000
Fréquence de E0 : 0.126
Fréquence de E1 : 0.499
Fréquence de E2 : 0.251
Fréquence de E3 : 0.124
n LANCERS D’UNE PIECE
Nombre de lancers (n<=10) : 3
Nombre de répétitions N : 100000
Fréquence de E0 : 0.125
Fréquence de E1 : 0.500
12.4. ANNEXES 155

Fréquence de E2 : 0.251
Fréquence de E3 : 0.125
n LANCERS D’UNE PIECE
Nombre de lancers (n<=10) : 5
Nombre de répétitions N : 10000
Fréquence de E0 : 0.031
Fréquence de E1 : 0.496
Fréquence de E2 : 0.250
Fréquence de E3 : 0.127
Fréquence de E4 : 0.066
Fréquence de E5 : 0.031

12.4.3 Simulation du §12.1.3

Le programme

VAR i,n : longint ; {compteur et nombre d’expériences}

d1,d2 : integer ; {résultat du lancer de chaque dé}
E : ARRAY [2..12] OF longint ;
BEGIN
randomize ;
writeln(’SOMME DEUX DES’) ;
write(’Nombre de lancers : ’) ; readln(n) ;
FOR i := 2 TO 12 DO E[i] := 0 ;
FOR i := 1 TO n DO
BEGIN
d1 := random(6)+1 ; d2 := random(6)+1 ;
E[d1+d2] := E[d1+d2]+1 ;
END ;
FOR i := 2 TO 12 DO writeln(’Fréquence de E’,i,’ : ’,E[i]/n :1 :4) ;
readln ;
END.

Résultats d’une simulation

SOMME DEUX DES

Nombre de lancers : 1000000
Fréquence de E2 : 0.0275
Fréquence de E3 : 0.0556
Fréquence de E4 : 0.0830
Fréquence de E5 : 0.1109
Fréquence de E6 : 0.1388
Fréquence de E7 : 0.1664
Fréquence de E8 : 0.1391
Fréquence de E9 : 0.1113
Fréquence de E10 : 0.0838
Fréquence de E11 : 0.0558
Fréquence de E12 : 0.0277
156 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

12.5 Exercices
1. Écrire à l’aide des opérateurs ∪, ∩, { ainsi qu’à l’aide des événements A, B, C les événements sui-
vants :
(a) l’un au moins des événements A, B, C se réalise,
(b) l’un et l’un seulement des événements A ou B se réalise,
(c) A ou B se réalise mais pas C.
2. Une urne contient 10 boules blanches, 6 boules rouges et 4 boules noires.
(a) On tire 3 boules successivement et avec remise. Calculer la probabilité que le tirage soit :
i. tricolore
ii. unicolore
iii. bicolore.
(b) Mêmes questions avec un tirage simultané des trois boules.
3. Une urne contient 3 boules : 1 blanche, 1 verte, 1 rouge. On effectue successivement et avec remise
n tirages d’une seule boule. Quelle est la probabilité :
(a) d’avoir au moins une boule de chaque couleur ?
(b) que les deux boules extrêmes soient de la même couleur ?
4. Une urne contient huit jetons numérotés de 1 à 8. On en tire 3 simultanément et au hasard. Quelle
est la probabilité que la somme des 3 numéros tirés soit supérieure ou égale à la somme des numéros
restants ?
5. Montrer que si l’on ne tient pas compte des années bissextiles, il y a plus d’une chance sur deux pour
que dans une classe de 23 élèves, deux d’entre eux (au moins) soient nés le même jour.
6. Une école de commerce recrute en deuxième année, par admission parallèle, des étudiants titulaires
d’une licence. Cette année, parmi les élèves en deuxième année, 19% ont une licence de mathé-
matiques, 23% une licence de sciences économiques, 10% une licence de droit. De plus, 10% des
étudiants ont une licence de mathématiques et une de sciences économiques, 5% une licence de
sciences économiques et une de droit, 2% une licence de mathématiques et une de droit, aucun étu-
diant n’est titulaire de trois licences. Quelle est la probabilité qu’un étudiant de deuxième année ait
intégré l’école par concours en première année ?
7. Mathieu et Vincent jouent à pile ou face. Chacun lance n fois une pièce de monnaie équilibrée et le
gagnant est celui qui obtient le plus de pile.
(a) Quelle est la probabilité qu’ils soient ex æquo ?
(b) Quelle est la probabilité que Vincent gagne ?
(c) Écrire un programme en langage Pascal qui réalise la simulation d’une expérience aléatoire.
(d) Compléter ensuite ce programme pour vérifier les résultats des deux premières questions.
8. On lance un dé non pipé n fois de suite. Soit pn la probabilité qu’au bout de n lancers chaque numéro
ait été obtenu au moins une fois. Calculer p6 , p7 , pn .
9. Dans un supermarché se trouvent 3n cartons de lait dont n sont avariés. 3n acheteurs prennent chacun
un carton de lait, au hasard et dans l’ordre de leur arrivée. Est-il préférable d’être le premier acheteur,
le deuxième, ..., le dernier ?
10. Dans le tiroir de la commode de Dorothée se trouvent, entre autres choses, dix paires de chaussettes
toutes différentes. Mais, c’est le bazar et tout est mélangé, y compris les chaussettes. Il est 7h55 et
Dorothée est en retard. Croyant augmenter ses chances de tirer une paire complète, elle attrape, au
hasard, quatre chaussettes.
12.6. SOLUTIONS DES EXERCICES 157

(a) Quelle est sa probabilité de tirer :

i. deux paires ?
ii. au moins une paire ?
iii. exactement une paire ?

(b) Dorothée a-t-elle eu raison de tirer quatre chaussettes au lieu de deux ?

11. Une loterie se déroule une fois par semaine. Sur 100 billets mis en jeu chaque semaine, k sont ga-
gnants (1 ≤ k ≤ 90). Nadine achète dix billets la même semaine. Marion achète un billet par semaine
pendant dix semaines. Laquelle des deux a le plus de chances de gagner ?
12. Dans une réception, chacun des n invités a donné son chapeau au vestiaire. On suppose qu’à la fin de
la soirée, les n chapeaux sont distribués au hasard entre les invités. Calculer la probabilité pour qu’au
moins un invité reçoive son propre chapeau.
13. On place p boules indiscernables dans n boîtes (n ≥ 2) numérotées de 1 à n.

(a) Quelle est la probabilité que seules les boîtes 1 et 2 reçoivent (éventuellement) des boules ?
(b) On suppose que p = 2n. Quelle est la probabilité pour que chaque boîte reçoive 2 boules ?

14. Soit n ∈ N∗ . On choisit, au hasard, un entier de J0, nK.

(a) Déterminer la probabilité pn d’obtenir une puissance entière de deux.

(b) Déterminer un équivalent de pn lorsque n → +∞.

15. On effectue n lancers (n ≥ 1) d’une pièce de monnaie dont la probabilité d’apparition de face est p
(p ∈]0, 1[). Quelle est la probabilité qu’au cours de ces n lancers le résultat face ne soit jamais suivi
du résultat pile ?
16. Un dé porte les numéros -1, 0 et 1 chacun sur deux faces. Les probabilités respectives d’apparition de
chacun de ces numéros suit une progression géométrique de raison 1/2.

(a) On lance successivement deux fois ce dé. Quelle est la probabilité d’obtenir une somme égale à
0?
(b) On lance successivement trois fois ce dé. Quelle est la probabilité d’obtenir une somme égale à
-1 ?

17. On effectue n lancers (n ≥ 1) d’une pièce de monnaie dont la probabilité d’apparition de pile est p
(p ∈]0, 1[). Pour tout k ∈ J0, nK, déterminer la probabilité qu’au cours de ces n lancers le résultat pile
soit obtenu exactement k fois.
18. Une urne contient a boules noires (a ≥ 2) et b boules blanches. On tire les boules successivement
une par une sans remise jusqu’à épuisement de l’urne. Calculer la probabilité qu’il reste exactement
2 boules noires au moment où l’on vient de tirer la dernière boule blanche.

12.6 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
158 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

7. On peut choisir l’espace probabilisé défini par : Ω = {pile, f ace}2n et P est l’équiprobabilité (on
considère ici que les n premiers éléments d’une 2n-liste de Ω correspondent aux résultats des n
lancers de Mathieu et les n derniers sont les correspondent aux résultats de Vincent). On a ainsi :

Card(Ω) = 22n

(a) Soit E l’événement « Mathieu et Vincent sont ex-aequo ». Les deux garçons sont ex-aequo avec
0 ou 1 ou ... ou n pile. Soit donc Ek l’événement « Mathieu et Vincent sont ex-aequo avec
k pile » (avec 0 ≤ k ≤ n). Alors :

E = E0 ∪ · · · ∪ En

et cette réunion est constituée d’événements deux à deux incompatibles. Ainsi :

P (E) = P (E0 ) + · · · + P (En )

Calculons alors P (Ek ). Une éventualité de Ek est une 2n-liste dans laquelle on trouve k pile
parmi les n premiers éléments (et donc n − k f ace) et k pile parmi les n derniers éléments (et
donc n − k f ace). Alors :
    2
n n n
Card(Ek ) = =
k k k

On en déduit donc que :

 2
n
n n  2  
X k 1 X n 1 2n
P (E) = = 2n = 2n
k=0
22n 2 k=0 k 2 n

d’après la formule de Vandermonde.

(b) Soit M l’événement « Mathieu gagne » et V l’événement « Vincent gagne ». La pièce n’étant
pas truquée, il est manifeste que Mathieu et Vincent ont la même probabilité de gagner la partie.
De plus, (E, M, V ) est un système complet d’événements. Alors :
 
1 2n
P (M ) + P (E) + P (V ) = 1 donc 2P (M ) = 1 − 2n
2 n
  
1 1 2n
Conclusion : La probabilité que Mathieu gagne est 1 − 2n .
2 2 n
(c) PROGRAM mathieu_et_vincent ;
VAR omega : ARRAY [1..1000] OF integer ; k,n,m,v : integer ;
BEGIN
randomize ; write(’Donner n : ’) ; readln(n) ;
FOR k := 1 TO 2*n DO omega[k] := random(2) ; {pile=1 et face=0}
m := 0 ; v := 0 ; {initialisations du nombre de point de chacun}
FOR k := 1 TO n DO m := m+omega[k] ; {nb points de Mathieu}
FOR k := n+1 TO 2*n DO v := v+omega[k] ; {nb points de Vincent}
IF m>v THEN writeln(’Mathieu gagne par ’,m,’ à ’,v) ;
IF m<v THEN writeln(’Vincent gagne par ’,v,’ à ’,m) ;
IF m=v THEN writeln(’Ils sont ex-aequo ’,m,’ à ’,v) ;
readln ;
END.
12.6. SOLUTIONS DES EXERCICES 159

(d) PROGRAM mathieu_et_vincent ;

VAR omega : ARRAY [1..1000] OF integer ; k,n,m,v : integer ;
{d} i,n_part,m_gagne,v_gagne,exaequo : longint ;
BEGIN
randomize ;
write(’Donner le nombre de parties : ’) ; readln(n_part) ;
write(’Donner n : ’) ; readln(n) ;
m_gagne := 0 ; v_gagne := 0 ; exaequo := 0 ;
FOR i := 1 TO n_part DO
{|} BEGIN
{|} FOR k := 1 TO 2*n DO omega[k] := random(2) ;
{|} m := 0 ; v := 0 ;
{|} FOR k := 1 TO n DO m := m+omega[k] ;
{|} FOR k := n+1 TO 2*n DO v := v+omega[k] ;
{|} IF m>v THEN m_gagne := m_gagne+1 ;
{|} IF m<v THEN v_gagne := v_gagne+1 ;
{|} IF m=v THEN exaequo := exaequo+1 ;
{|} END ;
writeln(’Fréquence de gain de Mathieu : ’,m_gagne/n_part :1 :4) ;
writeln(’Fréquence de gain de Vincent : ’,v_gagne/n_part :1 :4) ;
writeln(’Fréquence de parties nulles : ’,exaequo/n_part :1 :4) ;
readln ;
END.
8. s
9. s
10. s
11. Il y a deux univers bien distincts ici : celui de Nadine (que l’on notera Ω) et celui de Marion (que l’on
notera Ω0 ). Les probabilités seront notées respectivement P et P 0 .
(a) Nadine ne joue qu’une seule semaine. Alors Ω est l’ensemble des combinaisons à 10 éléments
de J1, 100K (on suppose les billets numérotés de 1 à 100). Les billets étant 
achetésau hasard, la
100
probabilité P est donc la probabilité uniforme. De plus, on a : Card(Ω) = .
10
Soit N l’événement « Nadine a au moins un billet gagnant ». L’événement N̄ est réalisé si et
 achetés par Nadine sont parmi les 100 − k billets perdants. Alors :
seulement siles 10 billets
100 − k
Card(N̄ ) = . On en déduit que :
10
 
100 − k
10  
10 (100 − k)(99 − k) . . . (91 − k) Y k
P (N ) = 1 −   =1− =1− 1−
100 100.99 . . . 91 i=1
90 + i
10

(b) Marion joue sur 10 semaines. Alors Ω0 est l’ensemble des 10-listes d’éléments de J1, 100K. Les
billets étant achetés au hasard, la probabilité P 0 est donc la probabilité uniforme. De plus, on a :
Card(Ω0 ) = 10010 .
Soit M l’événement « Marion a au moins un billet gagnant ». L’événement M̄ est réalisé si et
seulement si chacun des 10 billets achetés par Marion figure parmi les 100 − k billets perdants
de la semaine au cours de laquelle il est acheté. Alors : Card(M̄ ) = (100 − k)10 . On en déduit
que :
10
(100 − k)10

0 k
P (M ) = 1 − =1− 1−
10010 100
160 CHAPITRE 12. ESPACES PROBABILISÉS FINIS

(c) Il reste à comparer P (N ) et P 0 (M ). On sait que, pour tout entier i ∈ J1, 10K, on a :
k k k k
90 + i ≤ 100 donc ≥ donc 1− ≤1−
90 + i 100 90 + i 100
10     10
Y k k
1− ≤ 1−
i=1
90 + i 100

Conclusion : P (N ) ≥ P 0 (M ) .
La « moralité » de ce jeu (généralisation de cet exemple) est que, lorsqu’on a décidé de la somme
que l’on est prêt à miser, il faut toujours la miser en une seule fois et non la diluer sur plusieurs
parties.
12. s
13. Procédons comme si les boules étaient numérotées de 1 à p. L’univers est alors Ω = J1, nKp (c’est à
dire qu’une éventualité est une p-liste (b1 , . . . , bp ) où bi désigne le numéro de la boîte qui contient la
boule numéro i). L’espace probabilisable (Ω, ℘(Ω)) est alors muni de la probabilité uniforme P .
(a) Soit A l’événement « seules les boîtes 1 ou 2 ont récus des boules ». Alors A = J1, 2Kp .
 p
2
Conclusion : P (A) = .
n
(b) Soit Bi l’événement « la numéro i reçoit exactement 2 boules » Comme ces événements ne
peuvent guère être indépendants, on utilise alors la formule des probabilités composées :
P (B1 ∩ · · · ∩ Bn ) = P (B1 )PB1 (B2 ) . . . PB1 ∩···∩Bn−1 (Bn )
Or, on a :
 
2n − 2k
(n − k − 1)2n−2k−2
2
∀k ∈ J0, n − 1K, PB1 ∩···∩Bk (Bk+1 ) =
(n − k)2n−2k
(pas de conditionnement si k = 0) puisque, sachant que 2k boules ont déjà été placées aupara-
vant 2 par 2 dans les boîtes 1 à k, il s’agit de placer 2 boules dans la boîte k + 1 et les 2n − 2k − 2
autres boules dans les n − k − 1 boîtes restantes. Par simplification des produits de quotients,
on obtient :
(2n)!
P (B1 ∩ · · · ∩ Bn ) = n 2n
2 n
14. s
15. L’univers est Ω = {pile, f ace}n . Pour tout k ∈ J0, nK, la probabilité de tout événement élémentaire
comprenant exactement k pile (et donc n − k f ace) est égale à pk (1 − p)n−k .
Soit A l’événement « face n’est jamais suivi de pile ». Ainsi, les éventualités de A sont des listes de
sorte que, dès que face apparaît, il ne peut être suivi que de face, c’est à dire que :
n
[
A= {(pile, . . . , pile, f ace, . . . , f ace}
| {z } | {z }
k=0 k pile n−k f ace

On en déduit que :
 n+1
p
n
X n 
X p
k 1− 1−p
P (A) = pk (1 − p)n−k = (1 − p)n = (1 − p)n p
k=0 k=0
1−p 1 − 1−p

(1 − p)n+1 − pn+1
Conclusion : P (A) = .
1 − 2p
12.6. SOLUTIONS DES EXERCICES 161

16. Soit p la probabilité d’apparition du -1. Alors le 0 apparaît avec la probabilité 21 p et le 1 avec la
probabilité 41 p. Alors, comme p + 21 p + 14 p = 1, on en déduit que p = 74 .
(a) L’univers est l’ensemble des 2-listes de {−1, 0, 1}. La probabilité choisie consiste à associer
à un événement élémentaire (constitué d’une 2-liste) le réel ( 47 )#(−1) ( 27 )#(0) ( 71 )#(1) (où #(−1)
désigne le nombre de -1 dans la 2-liste choisie). Soit A l’événement « la somme obtenue vaut
0 ». Alors :
A = {(−1, 1), (0, 0), (1, −1)}
4 1 2 2 4 1 12
On en déduit que : P (A) = × + × + × = .
7 7 7 7 7 7 49
(b) L’univers est l’ensemble des 3-listes de {−1, 0, 1}. La probabilité choisie consiste à associer
à un événement élémentaire (constitué d’une 2-liste) le réel ( 47 )#(−1) ( 27 )#(0) ( 71 )#(1) (où #(−1)
désigne le nombre de -1 dans la 3-liste choisie).
Soit B l’événement « la somme obtenue vaut -1 ». Alors :

B = {(−1, −1, 1), (−1, 1, −1), (1, −1, −1), (−1, 0, 0), (0, −1, 0), (0, 0, −1)}

4 4 1 4 2 2 96
On en déduit que : P (B) = 3 × × × +3× × × = .
7 7 7 7 7 7 343
17. L’univers est Ω = {pile, f ace}n . Pour tout k ∈ J0, nK, la probabilité de tout événement élémentaire
comprenant exactement k pile (et donc n − k f ace) est égale à pk (1 − p)n−k .  
n
Le nombre d’éventualités comprenant exactement k pile (et donc n − k f ace) est égal à (on
k
 
n
choisit les rangs de tirages des pile). La probabilité demandée vaut donc : pk (1 − p)n−k .
k
18. Une éventualité est une (a + b)-liste de {N, B} contenant exactement aN (et donc bB). Obtenir une
éventualité consiste donc à choisir les rangs des a boules noires parmi les a +  b rangsdes tirages.
a+b
Les événements élémentaires paraissent équiprobables. De plus Card(Ω) = .
a
Soit A l’événement « il reste 2 boules noires dans l’urne lorsque l’on vient de tirer de tirer la dernière
boule blanche. Un élément de A est donc une liste de la forme (. . . , B, N, N ). Les éléments de A sont
en nombre égal  au nombrede façons de placer a − 2 boules noires parmi a + b − 3 emplacements,
a+b−3
c’est à dire : . On en déduit que :
a−2
 
a+b−3
a−2 (a + b − 3)! a!b! a(a − 1)b
P (A) =   = × =
a+b (a − 2)!(b − 1)! (a + b)! (a + b)(a + b − 1)(a + b − 2)
a
162 CHAPITRE 12. ESPACES PROBABILISÉS FINIS
Chapitre 13

Conditionnement et indépendance

Dans tout ce chapitre, Ω désigne un ensemble fini.

13.1 Exemple
Description de l’expérience aléatoire

Un prestidigitateur vous propose le jeu suivant :

Il dispose de trois gobelets. Sous l’un d’eux est cachée une pièce. Le jeu consiste, bien sûr, à deviner
sous quel gobelet se trouve la pièce. Comme vous décidez de jouer (donc de miser), le prestidigitateur vous
offre deux opportunités de trouver la pièce selon le protocole suivant :
– Vous indiquez l’un des trois gobelets.
– Le prestidigitateur soulève l’un des gobelets ne recouvrant pas la pièce et qui n’est pas celui que vous
avez désignez (remarquez bien que cela est toujours possible).
– Vous devez à nouveau indiquer un gobelet.

Réalisation et simulation de l’expérience aléatoire

Que faîtes vous : conservez-vous votre choix initial ou bien désignez-vous l’autre gobelet non retourné ?
Voir en annexe : «le jeu» au paragraphe 13.4.1.

Quelques calculs de probabilités

1. Quelle est la probabilité de gagner sachant que l’on change de choix ?

2. Quelle est la probabilité de gagner sachant que l’on ne change pas de choix ?
3. Quel choix offre la probabilité de gagner la plus importante ?

Voir en annexe : «calcul de probabilité conditionnelle» au paragraphe 13.4.2.

13.2 Probabilité conditionnelle

13.2.1 Généralités
Définition

Soit A et B deux événements d’un espace probabilisé (Ω, ℘(Ω), P ). On suppose que :

P (A) 6= 0

163
164 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE

On appelle probabilité de l’événement B sachant réalisé l’événement A ou bien probabilité de l’évé-

nement B conditionné par l’événement A le réel :
P (A ∩ B)
PA (B) =
P (A)
Cette probabilité conditionnelle est parfois notée P (B|A) dans certains ouvrages.

Exemples
1. Un couple a trois filles. La femme attend un 4ème enfant. Quelle est la probabilité que ce soit une
fille ?
2. Un couple a deux enfants. L’un est une fille. Quelle est la probabilité que l’autre soit un garçon ?
3. Un couple a trois enfants. Deux sont des filles. Quelle est la probabilité que l’autre soit aussi une
fille ?

Proposition
Soit A un événement de probabilité non nulle d’un espace probabilisé (Ω, ℘(Ω), P ). Alors, le triplet
(Ω, ℘(Ω), PA ) est un espace probabilisé (avec toutes les règles de calculs qui en découlent).

Preuve
On montre que PA (Ω) = 1 puis que si B ∩ C = ∅ alors PA (B ∪ C) = PA (B) + PA (C).

Exemple
Un couple a trois enfants. Deux sont des filles. Quelle est la probabilité que l’autre soit un garçon ?

13.2.2 Les trois théorèmes fondamentaux

Théorème : Formule des probabilités composées.
Soit (A1 , . . . , An ) (avec n ≥ 2) une famille d’événements d’un espace probabilisé (Ω, ℘(Ω), P ) tels
que :
P (A1 ∩ · · · ∩ An−1 ) 6= 0
Alors :
P (A1 ∩ · · · ∩ An ) = P (A1 ) × PA1 (A2 ) × PA1 ∩A2 (A3 ) · · · × PA1 ∩···∩An−1 (An )

Preuve
On procède par récurrence. Soit P(n) la proposition : pour toute famille (A1 , . . . , An ) d’événements
telle que P (A1 ∩ · · · ∩ An−1 ) 6= 0, on a
P (A1 ∩ · · · ∩ An ) = P (A1 ) × PA1 (A2 ) × PA1 ∩A2 (A3 ) · · · × PA1 ∩···∩An−1 (An )
La proposition P(2) est vraie puisque c’est la définition de la probabilité conditionnelle.
Soit n ≥ 2. Supposons que P(n) est vraie. Soit (A1 , . . . , An+1 ) une famille d’événements telle que
P (A1 ∩ · · · ∩ An ) 6= 0. Alors, par définition, on a :
P ((A1 ∩ · · · ∩ An ) ∩ An+1 ) = P (A1 ∩ · · · ∩ An ) × PA1 ∩···∩An (An+1 )
Comme (A1 ∩ · · · ∩ An ) ⊂ (A1 ∩ · · · ∩ An−1 ) et comme P (A1 ∩ · · · ∩ An ) 6= 0 alors :
P (A1 ∩ · · · ∩ An−1 ) 6= 0
(l’application probabilité est croissante et positive). On applique alors P(n) et on obtient le résultat voulu.
13.2. PROBABILITÉ CONDITIONNELLE 165

Remarque
Ce théorème s’applique à des situations au cours desquelles on effectue une succession de tirages dont
les différents résultats dépendent des résultats des tirages qui précédent (par exemple lors de tirages succes-
sifs sans remise).

Exemple
Une urne A contient deux jetons rouges et trois jetons verts. Une urne B contient trois jetons rouges et
deux jetons verts. On tire un jeton, au hasard et sans le regarder, dans l’urne A et on le place dans l’urne B.
On tire ensuite, au hasard, successivement et sans remise deux jetons dans l’urne B. Quelle est la probabilité
que le jeton tiré dans l’urne A soit vert et les deux jetons tirés dans l’urne B soient rouges ?

Théorème : Formule des probabilités totales.

Soit (A1 , . . . , An ) (avec n ≥ 2) un système complet d’événements d’un espace probabilisé (Ω, ℘(Ω), P ).
Soit B un événement. Alors :
Xn Xn
P (B) = P (B ∩ Ak ) = P (Ak )PAk (B)
k=1 k=1

Preuve
Il suffit de remarquer que :
n
! n
[ [
B =B∩Ω=B∩ Ak = (B ∩ Ak )
k=1 k=1

et que cette réunion est constituée d’événements deux à deux incompatibles.

Remarque
Ce théorème s’applique à des situations au cours desquelles deux actions (au moins) se succèdent, le
résultat de la seconde étant conditionné par le résultat de la première. On considère alors le système complet
constitué des différents résultats possibles de la première action puis on calcule la probabilité d’un résultat
possible de la seconde action (en tenant compte de toutes les possibilités de la première action).

Exemple
On reprend la situation de l’exemple précédent. Quelle est la probabilité que les deux jetons tirés dans
l’urne B soient rouges ? soient verts ? soient de couleurs différentes ?

Théorème : Formule de Bayes.

Soit (A1 , . . . , An ) (avec n ≥ 2) un système complet d’événements d’un espace probabilisé (Ω, ℘(Ω), P ).
Soit B un événement de probabilité non nulle. Alors :
P (Ak )PAk (B) P (Ak )PAk (B)
∀k ∈ J1, nK, PB (Ak ) = = n
P (B) X
P (Ai )PAi (B)
i=1

Preuve
Il suffit de constater que :
PB (Ak )P (B) = P (Ak ∩ B) = PAk (B)P (Ak )
166 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE

Remarque
Ce théorème s’applique à des situations au cours desquelles deux actions (au moins) se succèdent, la
seconde étant conditionnée par le résultat de la première. On considère alors le système complet constitué
des différents résultats possibles de la première action. Toutefois, jusqu’à présent, on cherchait à calculer
la probabilité d’un événement sachant réalisé un événement qui lui est antérieur (sur le plan temporel).
On cherche maintenant à calculer la probabilité d’un événement sachant réalisé un événement qui lui est
postérieur : on veut ainsi «remonter le temps», c’est à dire calculer la probabilité d’une cause possible
connaissant la conséquence. On connaît donc le résultat de la seconde action et on recherche la probabilité
que la cause soit l’un des résultats de la première action.

Exemple
On reprend la situation de l’exemple précédent. Les deux jetons tirés dans l’urne B sont rouges. Quelle
est la probabilité que le jeton tiré dans l’urne A soit rouge ? soit vert ?

13.3 Événements indépendants

13.3.1 Indépendance de deux événements
Définition
Soit A et B deux événements d’un espace probabilisé (Ω, ℘(Ω), P ). On dit que les événements A et B
sont indépendants pour la probabilité P si et seulement si :

P (A ∩ B) = P (A)P (B)

Exemples
1. Justifier que l’événement certain (resp. impossible) est indépendant de tout autre événement.
2. Deux événements incompatibles (et non impossibles) sont-ils indépendants ?
3. Dans un jeu de 32 cartes, on en tire une au hasard. Les trois événements suivants sont-ils deux à deux
indépendants ?

A : "on tire un roi" B : "on tire un coeur" C : "on tire une carte rouge"

4. Deux événements indépendants sont-ils incompatibles ?

Remarque à propos de l’exemple du jeu de cartes

Dans les deux premiers cas, les proportions ne sont pas changées par rapport à la situation de départ (un
roi parmi les coeurs, un roi parmi les cartes rouges et un roi parmi toutes les cartes) et alors les événements
sont indépendants. Mais, dans le troisième cas, les proportions sont changées (un coeur parmi les cartes
rouges et un coeur parmi toutes les cartes) et alors les événements ne sont pas indépendants.

Proposition
Dans un espace probabilisé (Ω, ℘(Ω), P ), on considère un événement A de probabilité non nulle et un
autre événement B. Alors, A et B sont indépendants pour la probabilité P si et seulement si :

PA (B) = P (B)
13.3. ÉVÉNEMENTS INDÉPENDANTS 167

Preuve
Si A et B sont indépendants pour P alors P (A)PA (B) = P (A ∩ B) = P (A)P (B). Comme P (A) est
non nulle, on en déduit le résultat par simplification.
Réciproquement, si PA (B) = P (B) alors P (A)PA (B) = P (A)P (B) et donc P (A ∩ B) = P (A)P (B),
c’est à dire que A et B sont indépendants pour P .

Proposition
Soit A et B deux événements indépendants pour la probabilité P d’un espace probabilisé (Ω, ℘(Ω), P ).
Les événements des couples qui suivent sont alors indépendants (toujours pour P ) :

(Ā, B) (A, B̄) (Ā, B̄)

Preuve
Le couple (A, Ā) est, de manière évidente, un système complet d’événements Alors, pour le premier
couple, on a :

P (B ∩ Ā) = P (B) − P (B ∩ A) = P (B) − P (B)P (A) = P (B)(1 − P (A)) = P (B)P (Ā)

donc Ā et B sont indépendants pour P .

On procède de manière identique pour les deux autres couples.

Exemple
On considère une urne contenant 3 boules rouges et 2 boules vertes. On y effectue deux tirages successifs
d’une boule avec remise entre les deux tirages. Calculer la probabilité d’obtenir deux boules de couleur
distincte.

13.3.2 Indépendance d’une famille d’événements

Introduction
D’après ce qui précède, on sait maintenant déterminer si trois événements sont deux à deux indépen-
dants. Pour autant, peut-on dire qu’ils sont indépendants (pris tous les trois ensemble) ?

Exemples
1. On lance un dé non truqué 3 fois de suite. Pour tout i ∈ {1, 2, 3}, on définit l’événement :

Si : "on obtient un 6 au ième lancer"

(a) Montrer que ces événements sont deux à deux indépendants pour une probabilité P que l’on
précisera.
(b) Comparer ensuite P (S1 ∩ S2 ∩ S3 ) et P (S1 )P (S2 )P (S3 ).

2. Soit Ω = {ω1 , ω2 , ω3 , ω4 } muni de la probabilité uniforme P . On considère les événements :

A1 = {ω1 , ω2 } A2 = {ω2 , ω3 } A3 = {ω1 , ω3 }

(a) Montrer que ces événements sont deux à deux indépendants pour P .
(b) Comparer P (A1 ∩ A2 ∩ A3 ) et P (A1 )P (A2 )P (A3 )
168 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE

Définition
Soit (A1 , . . . , An ) (avec n ≥ 2) une famille d’événements d’un espace probabilisé (Ω, ℘(Ω), P ). On dit
que ces événements sont mutuellement indépendants pour la probabilité P si et seulement si :
!
\ Y
∀I ⊂ J1, nK, P Ai = P (Ai )
i∈I i∈I

c’est à dire que :

∀k ∈ J2, nK, ∀1 ≤ i1 < · · · < ik ≤ n, P (Ai1 ∩ · · · ∩ Aik ) = P (Ai1 ) × · · · × P (Aik )

Exemple fondamental
Une urne contient r jetons rouges et v jetons verts. On tire, successivement et avec remise entre les
tirages, n jetons (n ≥ 3).
1. Calculer la probabilité d’obtenir exactement un jeton rouge.
2. Calculer la probabilité d’obtenir exactement k jetons rouges où k ∈ J0, nK.

Remarques
– L’indépendance mutuelle pour une probabilité P implique l’indépendance deux à deux pour cette
probabilité P mais la réciproque est fausse (voir le second exemple de l’introduction) : l’indépendance
mutuelle est une notion bien plus contraignante que l’indépendance deux à deux.
– Toute sous-famille d’une famille d’événements mutuellement indépendants pour une probabilité P
est encore une famille d’événements mutuellement indépendants pour cette probabilité P .

Proposition
Soit (A1 , . . . , An ) (avec n ≥ 2) une famille d’événements mutuellement indépendants pour la probabi-
lité P d’un espace probabilisé (Ω, ℘(Ω), P ). Pour tout k ∈ J1, nK, on définit l’événement Bk comme étant
soit l’événement Ak soit son événement contraire Āk . Alors, (B1 , . . . , Bn ) est une famille d’événements
mutuellement indépendants pour la probabilité P .

Preuve
Soit P(k) la proposition : « pour toute partie Ik de J1, nK ayant au plus k éléments, en posant

Āi si i ∈ Ik
∀i ∈ J1, nK, Bi =
Ai si i ∈ / Ik

la famille (B1 , . . . , Bn ) est une famille d’événements mutuellement indépendants ».

La proposition est vraie au rang 0 car c’est l’indépendance mutuelle des événements Ai .
Soit k ∈ J0, n − 1K. Supposons que P(k) est vraie. Soit Ik+1 une partie de J1, nK ayant au plus k + 1
éléments et posons : 
Āi si i ∈ Ik+1
∀i ∈ J1, nK, Bi =
Ai si i ∈/ Ik+1
– Si Ik+1 contient au plus k éléments alors la proposition P(k) s’applique et on a le résultat voulu.
– Si Ik+1 contient exactement k + 1 éléments alors on peut choisir l’un de ses éléments : notons le i.
Soit I une partie de J1, nK. !
\ Y
– Si i ∈
/ I alors P Bj = P (Bj ).
j∈I j∈I
13.4. ANNEXE 169

– Si i ∈ I alors I − {i} contient au plus k éléments de Ik+1 et on a alors :

!  
\ \
P Bj = P Āi ∩ Bj 
j∈I j∈I−{i}
   
\ \
= P Bj  − P Ai ∩ Bj 
j∈I−{i}
 j∈I−{i}
 
Y Y
=  P (Bj ) − P (Ai )  P (Bj )
j∈I−{i} j∈I−{i}
Y
= P (Āi ) P (Bj )
j∈I−{i}
Y
= P (Bj )
j∈I

Exemple

Une urne contient 2 jetons rouges et 3 jetons noirs. On tire, successivement et avec remise entre les
tirages, 2n jetons. Calculer la probabilité d’obtenir exactement n jetons rouges.

13.4 Annexe
13.4.1 Le jeu
Le programme

PROGRAM prestidigitateur ;
VAR p,c,s : integer ;
BEGIN
randomize ;
p := random(3)+1 ;
write(’Choix n˚1 : ’) ; readln(c) ;
IF c=p THEN s := 1 + (p+random(2)) MOD 3 ELSE s := 6-(p+c) ;
writeln(’Rien sous le gobelet ’,s) ;
REPEAT write(’Choix n˚2 : ’) ; readln(c) UNTIL (c=p)OR(c=6-p-s) ;
IF c=p THEN writeln(’Gagné ! ’) ELSE writeln(’Perdu...’) ;
readln ;
END.

Quelques résultats

Choix n˚1 : 1
Rien sous le gobelet 2
Choix n˚2 : 1
Gagné !
Choix n˚1 : 1
Rien sous le gobelet 3
Choix n˚2 : 2
Gagné !
170 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE

13.4.2 Calcul de probabilité conditionnelle

Le programme
PROGRAM on_change_toujours ;
VAR p,c,s : integer ; i,k,n : longint ;
BEGIN
randomize ;
write(’Nombre de répétitions du jeu : ’) ; readln(n) ;
k := 0 ; {initialisation du compteur de victoires}
FOR i := 1 TO n DO
BEGIN
p := random(3)+1 ; c := random(3)+1 ;
IF c=p THEN s := 1 + (p+random(2)) MOD 3 ELSE s := 6-(p+c) ;
c := 6-c-s ; {on change ici}
IF c=p THEN k := k+1 ;
END ;
writeln(’P(GAGNE sachant CHANGE) : ’,k/n :1 :4) ;
readln ;
END.

Quelques résultats
Nombre de répétitions du jeu : 10
P(GAGNE sachant CHANGE) : 0.8000
Nombre de répétitions du jeu : 100
P(GAGNE sachant CHANGE) : 0.6300
Nombre de répétitions du jeu : 1000
P(GAGNE sachant CHANGE) : 0.6820
Nombre de répétitions du jeu : 10000
P(GAGNE sachant CHANGE) : 0.6681
Nombre de répétitions du jeu : 100000
P(GAGNE sachant CHANGE) : 0.6669

13.5 Exercices
1
1. Une urne contient n dés dont k sont pipés de sorte que la probabilité d’apparition du 1 est de 3
pour
chacun de ceux-ci. On choisit, au hasard, un dé dans l’urne et on le lance.
(a) Quelle est la probabilité que le dé soit pipé et qu’il donne 1 ?
(b) Quelle est la probabilité que le dé donne 1 ?
(c) Le dé a donné 1. Quelle est la probabilité qu’il soit pipé ?
2. Soit A et B deux événements d’un espace probabilisé (Ω, ℘(Ω), P ). Les questions suivantes sont
mutuellement indépendantes.
(a) Montrer que : PB (A) ≥ P (A) et PA (B) ≥ P (B).
(b) On suppose que A et B sont incompatibles et indépendants.
i. Montrer que l’un des deux est l’événement impossible.
ii. Réciproque ?
(c) A quelle(s) condition(s) l’événement A est-il incompatible (resp. indépendant) avec lui-même ?
13.5. EXERCICES 171

3. On lance un dé non pipé à six faces numérotées de 1 à 6. Si le dé amène le résultat k alors on lance
k fois consécutivement une pièce de monnaie pour laquelle la probabilité d’obtenir pile vaut p (avec
0 < p < 1).
(a) Calculer la probabilité d’obtenir au moins un pile.
(b) Calculer la probabilité d’obtenir exactement 2 face.
4. Huit coups de fusils sont tirés indépendamment les uns des autres par huit chasseurs qui ont chacun
une chance sur quatre de toucher un bison en fuite. On suppose qu’il faut trois balles pour tuer le
bison.
(a) Quelle est la probabilité que l’animal soit touché ?
(b) Quelle est la probabilité que l’animal soit tué ?
(c) Sachant qu’il a été touché, quelle est la probabilité qu’il soit simplement blessé ?
5. Un joueur est en présence de deux urnes A et B : dans l’urne A, il y a 3 boules blanches et 5 boules
rouges ; dans l’urne B, il y a 7 boules blanches et 5 boules rouges. Par ailleurs, ce joueur dispose de
deux dés non truqués.
Le joueur lance une fois les deux dés. Si le total des points obtenus est inférieur ou égal à 7 alors il
choisit l’urne A sinon il choisit l’urne B. Dans l’urne choisie, il tire successivement 4 boules avec
remise entre les tirages.
(a) Calculer la probabilité qu’il obtienne 2 blanches et 2 rouges.
(b) Calculer la probabilité qu’il n’obtienne que des boules rouges.
(c) Il n’obtient que des boules rouges. Calculer la probabilité qu’elle proviennent de l’urne B.
(d) Comment modifier la condition de choix des urnes (mais toujours à l’aide de la somme des
points obtenus) pour que la probabilité précédente soit supérieure à 0.5 ?
6. On considère deux urnes notées B et N : l’urne B contient 99 boules blanches et 1 boule noire ; l’urne
N contient 1 boule blanche et 99 boules noires.
Un tirage consiste à choisir, au hasard, une urne puis à tirer une boule dans cette urne. On effectue
deux tirages successifs et sans remise. Calculer la probabilité de chacun des événements suivants :
(a) le seconde boule tirée est noire sachant que la première est blanche ;
(b) les deux boules tirées sont blanches ;
(c) la première boule tirée est blanche sachant que la seconde est noire.
7. On considère un test médical permettant de dépister une certaine maladie dans une certaine popula-
tion. Il s’agit d’une expérience aléatoire au sens où l’on ne connaît pas, a priori, le résultat du test
pratiqué sur chacune des personnes de la population étudiée ni si celle-ci est effectivement atteinte
de la maladie dépistée (le test n’est pas fiable à 100%). Une personne étant choisie, on appelle M
l’événement «la personne est atteinte de la maladie» et T + (resp. T − ) l’événement «le test pratiqué
est positif (resp. négatif)». On suppose que P (M ) = 0, 005.
On désire s’assurer de la qualité de ce test (du point de vue du patient) qui est mesurée par les réels
PT + (M ) et PT − (M̄ ) que l’on souhaitera aussi proches de 1 que possible.
Les réels PM (T + ) et PM̄ (T − ) caractérisent la qualité du test du point de vue du laboratoire. On
supposera qu’elles sont toutes les deux égales à r (r est donc la probabilité de bonne réponse du test).
(a) Calculer r pour que PT + (M ) = 0, 95.
(b) Que vaut alors PT − (M̄ ) ?
8. Deux joueurs X et Y jouent avec un jeu de 32 cartes. On distribue 4 cartes à chacun des deux joueurs
puis on retourne la carte suivante qui indique l’atout. Enfin, on retourne les 3 cartes qui suivent (que
l’on élimine du jeu pour la partie). Le reste constitue le talon. Sachant que X a deux atouts, calculer
la probabilité pour que Y en ait plus que lui.
172 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE

9. Un joueur est en présence de deux urnes A et B : l’urne A contient 4 boules noires et 2 boules
blanches ; l’urne B contient 2 boules noires et 4 boules blanches.
Le joueur, ignorant la composition des urnes, choisit, au hasard, une urne pour y effectuer un nombre
n de tirages, successivement et avec remise (n ≥ 3).
(a) Calculer la probabilité pour que la deuxième boule tirée soit noire sachant que la première l’est.
(b) Calculer la probabilité pour que la troisième boule tirée soit noire sachant que les deux premières
le sont.
(c) Calculer la probabilité pour que la nème boule tirée soit noire sachant que les n − 1 premières le
sont.
10. On considère trois dés cubiques équilibrés A, B et C tels que : le dé A possède 4 faces blanches et 2
faces noires ; le dé B possède 3 faces blanches et 3 faces noires ; le dé C possède 2 faces blanches et
4 faces noires.
On choisit, au hasard, un dé et on le lance n fois consécutivement.
(a) Les événements « obtenir un une face noire au premier lancer » et « obtenir une face noire au
deuxième lancer » sont-ils indépendants ?
(b) Calculer la probabilité d’obtenir n faces noires puis en déterminer un équivalent lorsque n est
au voisinage de +∞.
(c) Calculer la probabilité d’avoir lancé le dé C sachant que l’on a obtenu n faces noires puis en
déterminer un équivalent lorsque n est au voisinage de +∞. Interprétation ?
11. On considère trois pièces de monnaies homogènes : deux d’entre elles possèdent un côté pile et un
côté face ; l’autre possède deux côtés face.
On choisit, au hasard, l’une des trois pièces et on la lance n fois.
(a) Calculer la probabilité d’obtenir pile au premier lancer.
(b) Calculer la probabilité d’obtenir n fois face.
(c) Calculer la probabilité que la pièce lancée soit truquée sachant que l’on a obtenu n fois face. En
donner un équivalent.
1
12. Sur 100 dés, 25 sont pipés de sorte qu’ils donnent le résultat 6 avec la probabilité 2
à chaque lancer.
On choisit un dé au hasard.
(a) On lance ce dé et on obtient 6. Calculer la probabilité que ce dé soit pipé.
(b) On relance ce même dé et on obtient encore 6. Calculer la probabilité que ce dé soit pipé.
13. Chaîne de Markov simple.
Une puce se déplace sur trois cases A, B et C. Elle saute de case en case N fois de la manière suivante :
* initialement, elle est en A ;
* lorsqu’elle est en A à l’issue du nème saut (0 ≤ n ≤ N − 1), le saut suivant l’amène en B ou en C
de manière équiprobable ;
* lorsqu’elle est en B à l’issue du nème saut (0 ≤ n ≤ N − 1), le saut suivant l’amène en A ou en C
de manière équiprobable ;
* lorsqu’elle est en C à l’issue du nème saut (0 ≤ n ≤ N − 1), elle saute sur place.
Pour tout entier n tel que 0 ≤ n ≤ N , on définit l’événement An (resp. Bn et Cn ) par :
”la puce est en A (resp. B, C) à l’issue du nème saut”
et le réel an (resp. bn , cn ) comme la probabilité de l’événement An (resp. Bn et Cn ).
(a) i. Déterminer une matrice M telle que :
   
an+1 an
∀n ∈ J1, N − 1K,  bn+1  = M  bn 
cn+1 cn
La matrice M est dite stochastique.
13.5. EXERCICES 173

ii. Calculer M k pour tout entier naturel k. On distinguera les cas selon la parité de l’entier k.
(b) i. En déduire les expressions de aN , bN et cN .
ii. Préciser alors leur limite lorsque N tend vers +∞.
iii. Interpréter ces résultats.
(c) Pour tout entier n ∈ J0, N K, calculer la probabilité de l’événement Dn :

"la puce est en C pour la première fois après le nème saut"

174 CHAPITRE 13. CONDITIONNEMENT ET INDÉPENDANCE
Chapitre 14

Les espaces vectoriels Rn

14.1 Notion de R-espace vectoriel

Définitions
On dit qu’un triplet (E, +, .) est un R-espace vectoriel (ou espace vectoriel sur R ou encore espace
vectoriel réel) si et seulement si :
– E est un ensemble non vide dont les éléments, notés sous la forme ~x, sont appelés vecteurs ;
– + est une application de E × E dans E, appelée opération d’addition des vecteurs de E, telle que :
– commutativité de cette addition :

∀(~x, ~y ) ∈ E 2 , ~y + ~x = ~x + ~y

– associativité de cette addition :

∀(~x, ~y , ~z) ∈ E 3 , (~x + ~y ) + ~z = ~x + (~y + ~z)

et on peut alors omettre les parenthèses ;

– élément neutre de cette addition :

∃~e ∈ E / ∀~x ∈ E, ~x + ~e = ~e + ~x = ~x

– existence d’un opposé pour cette addition :

∀~x ∈ E, ∃~y ∈ E / ~x + ~y = ~y + ~x = ~e

– . est une application de R × E dans E, appelée opération de multiplication externe entre un réel
et un vecteur de E, telle que :
– associativité de cette multiplication externe :

∀(λ, µ) ∈ R2 , ∀~x ∈ E, λ.(µ.~x) = (λµ).~x

et on peut alors omettre les parenthèses ;

– élément neutre de cette multiplication externe :

∀~x ∈ E, 1.~x = ~x

– distributivité de cette multiplication externe sur l’addition des vecteurs :

∀λ ∈ R, ∀(~x, ~y ) ∈ E 2 , λ.(~x + ~y ) = λ.~x + λ.~y

– distributivité de cette multiplication externe sur l’addition des réels :

∀(λ, µ) ∈ R2 , ∀~x ∈ E, (λ + µ).~x = λ.~x + µ.~x

175
176 CHAPITRE 14. LES ESPACES VECTORIELS RN

Propositions/Notations
Soit (E, +, .) un espace vectoriel réel. Alors :
– Le vecteur ~e, élément neutre de l’addition, est unique et on le note alors ~0E .
– Tout vecteur ~x de E admet un unique opposé noté −~x.

Preuves
– Supposons l’existence de deux vecteurs ~e1 et ~e2 tels que :

∀~x ∈ E, ~x + ~e1 = ~e1 + ~x = ~e1 , ~x + ~e2 = ~e2 + ~x = ~e2

Alors, en choisissant ~x = ~e1 dans la première relation et ~x = ~e2 dans la seconde, on obtient :

~e1 = ~e2 + ~e1 = ~e2

ce qui prouve l’unicité (l’existence est assurée par la définition).

– Soit ~x ∈ E. Supposons l’existence de deux vecteurs ~y1 et ~y2 tels que :

~x + ~y1 = ~y1 + ~x = ~0E ~x + ~y2 = ~y2 + ~x = ~0E

Alors, on obtient :

~y1 = ~y1 + ~0E = ~y1 + (~x + ~y2 ) = (~y1 + ~x) + ~y2 = ~0E + ~y2 = ~y2

ce qui prouve l’unicité (l’existence est assurée par la définition).

Remarques
– Les vecteurs ~x de E sont souvent notés x.
– Les vecteurs λ.~x de E sont souvent notés λ~x et même λx.
~x
– Les écritures ~x.λ et (pour λ non nul dans cette dernière écriture) sont proscrites (cf. matrices).
λ
– On dit presque toujours que E est un R-espace vectoriel au lieu de dire que (E, +, .) est un R-espace
vectoriel (les deux opérations sont sous-entendues, dans la mesure où on les connaît parfaitement en
général).

Propositions (autres règles de calculs dans les espaces vectoriels, découlant de la définition)
Soit E un R-espace vectoriel. On a alors :
– Produit de facteurs nuls :
∀~x ∈ E, 0.~x = ~0E et ∀λ ∈ R, λ.~0E = ~0E
∀λ ∈ R, ∀~x ∈ E, [ λ.~x = ~0E ⇔ (λ = 0) ∨ (~x = ~0E ) ]
– Soustraction :
∀~x ∈ E, (−1).~x = −~x
Ainsi, on notera ~x − ~y le vecteur ~x + (−~y ) et λ.(~x − ~y ) (ou λ.~x − λ.~y ) le vecteur λ.~x + (−λ).~y .

Preuves
– Soit ~x ∈ E. Alors, on a :
0.~x = (0 + 0).~x = 0.~x + 0.~x
donc en ajoutant l’opposé de 0.~x à chaque membre de l’égalité, on obtient ~0E = 0.~x.
– Soit λ ∈ R. Alors, on a :
λ.~0E = λ.(~0E + 0~E ) = λ.~0E + λ.~0E
donc en ajoutant l’opposé de λ.~0E à chaque membre de l’égalité, on obtient ~0E = λ.~0E .
14.2. ESPACES VECTORIELS LES PLUS USUELS 177

– ⇐ : c’est immédiat d’après les résultats qui précèdent.

⇒ : Soit λ un réel et ~x un vecteurs tels que λ.~x = ~0E . Supposons que λ est non nul (sinon le résutat
est démontré). Alors, on a :
1 1
λ.~x = ~0E ⇒ .(λ.~x) = .~0E ⇒ 1.~x = ~0E ⇒ ~x = ~0E
λ λ
ce qui achève la preuve.
– Pour tout vecteur ~x de E, on a :
~x + (−1).~x = 1.~x + (−1)~x = (1 − 1).~x = 0.~x = ~0E
donc −1.~x est l’opposé de ~x.

14.2 Espaces vectoriels les plus usuels

Théorème fondamental
Soit n ∈ N∗ . Pour tous les éléments (x1 , . . . , xn ) et (y1 , . . . , yn ) de Rn et pour tout réel λ, on pose :
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
λ.(x1 , . . . , xn ) = (λx1 , . . . , λxn )
On a ainsi défini deux opérations : une addition (+) sur les couples de Rn ainsi qu’une multiplication
externe (.) entre les réels et les éléments de Rn . Alors le triplet (Rn , +, .) est un R-espace vectoriel. De
plus, on a alors :
~0Rn = (0, . . . , 0) et − (x1 , . . . , xn ) = (−x1 , . . . , −xn )
En particulier R2 et R3 sont des R-espaces vectoriels au sens habituel de l’ensemble des vecteurs du
plan et de l’espace.

Preuve
– Rn est clairement non vide.
– Les propriétés de l’addition des vecteurs de Rn se déduisent des propriétés éponymes de l’addition
des réels :
(x1 , . . . ) + (y1 , . . . ) = (x1 + y1 , . . . ) = (y1 + x1 , . . . ) = (y1 , . . . ) + (x1 , . . . )

[(x1 , . . . ) + (y1 , . . . )] + (z1 , . . . ) = (x1 + y1 , . . . ) + (z1 , . . . ) = ([x1 + y1 ] + z1 , . . . )

= (x1 + [y1 + z1 ], . . . ) = (x1 , . . . ) + (y1 + z1 , . . . )
= (x1 , . . . ) + [(y1 , . . . ) + (z1 , . . . )]
(x1 , . . . ) + (0, . . . ) = (x1 + 0, . . . ) = (x1 , . . . )
donc on a le résultat fondamental : ~0Rn = (0, . . . , 0),
(x1 , . . . ) + (−x1 , . . . ) = (x1 − x1 , . . . ) = (0, . . . )
donc on a le résultat fondamental : −(x1 , . . . , xn ) = (−x1 , . . . , −xn ).
– Les propriétés de la multiplication externe se déduisent des propriétés éponymes de la multiplication
des réels :
λ.[µ.(x1 , . . . )] = λ.(µx1 , . . . ) = (λ[µx1 ], . . . ) = ([λµ]x1 , . . . ) = (λµ)(x1 , . . . )
1.(x1 , . . . ) = (1x1 , . . . ) = (x1 , . . . )

λ.[(x1 , . . . ) + (y1 , . . . )] = λ.(x1 + y1 , . . . ) = (λ[x1 + y1 ], . . . ) = (λx1 + λy1 , . . . )

= (λx1 , . . . ) + (λy1 , . . . ) = λ.(x1 , . . . ) + λ.(y1 , . . . )
(λ + µ).(x1 , . . . ) = ((λ + µ)x1 , . . . ) = (λx1 + µx1 , . . . ) = (λx1 , . . . ) + (µx1 , . . . )
178 CHAPITRE 14. LES ESPACES VECTORIELS RN

Remarque
Pour distinguer les n-uplets (x1 , . . . , xn ) de Rn des vecteurs
 (x1 , . . . , xn ) de Rn , il est d’usage (et plus
x1
 .. 
commode par la suite) de noter les vecteurs en colonne :  .  .
xn

14.3 Sous espaces vectoriels

Définition
Soit (E, +, .) un R-espace vectoriel. On dit qu’un sous ensemble F de l’ensemble E est un sous espace
vectoriel de (E, +, .) si et seulement si (F, +, .) est un R-espace vectoriel pour les opérations de l’espace
vectoriel E restreintes au sous ensemble F , c’est à dire que :
– +|F ×F est à valeurs dans F et on dit alors que l’addition dans F est stable (le résultat reste dans F ),
– .|R×F est à valeurs dans F et on dit que la multiplication externe dans F est stable.

Remarque
Pour vérifier que l’on a un sous espace vectoriel, la définition est peu pratique. On préfère toujours
utiliser le théorème qui suit.

Théorème (caractérisation fondamentale des sous espaces vectoriels)

Soit (E, +, .) un R-espace vectoriel. Un sous-ensemble non vide F de E est un sous espace vectoriel de
E si et seulement si :
∀(λ, µ) ∈ R2 , ∀(~x, ~y ) ∈ F 2 , λ.~x + µ.~y ∈ F
On dit aussi que F est stable par combinaisons linéaires.

Preuve
– Si F est un sous espace vectoriel de E alors F est un espace vectoriel et donc λ~x ∈ F , µ~y ∈ F et
ainsi λ~x + µ~y ∈ F . La proposition est bien vérifiée.
– Supposons que : ∀(λ, µ) ∈ R2 , ∀(~x, ~y ) ∈ F 2 , λ.~x + µ.~y ∈ F . On sait déjà que F est non vide.
Les propriétés de l’addition et de la multiplication externe se vérifient en utilisant, à l’occasion, les
valeurs λ = 1 ou λ = 0 et µ = 1 ou µ = 0.

Remarque fondamentale
Le vecteur nul est élément de tous les sous espaces vectoriels d’un espace vectoriel E (il suffit de choisir
λ et µ égaux à 0 dans le théorème précédent).

Exemples
1. Montrer que {~0E } et E sont deux sous espaces vectoriels de E. Ce sont, respectivement, le plus petit
et le plus grand (au sens de l’inclusion) des sous espaces vectoriels de E.
2. (a) Soit (a, b) ∈ R2 . Montrer que :
  
x 2
D= ∈ R ax + by = 0
y

est un sous espace vectoriel de R2 . Interpréter géométriquement.

14.4. COMBINAISONS LINÉAIRES DE VECTEURS 179

(b) Montrer que :   

x 2
F = ∈ R 3x + 2y = 5
y
n’est pas un sous espace vectoriel de R2 . Interpréter géométriquement.
3. (a) Soit (a, b, c) ∈ R3 . Montrer que :
  
 x 
P =  y  ∈ R2 ax + by + cz = 0
z
 

est un sous espace vectoriel de R3 . Interpréter géométriquement.

(b) Montrer que   
 x 
F =  y  ∈ R3 2x − y + 5z = −4
z
 

n’est pas un sous espace vectoriel de R3 . Interpréter géométriquement.

(c) Soit (a, b, c, a0 , b0 , c0 ) ∈ R6 . Montrer que
  
 x
ax + by + cz = 0

D =  y  ∈ R3 0
a x + b0 y + c 0 z = 0 
z


est un R-espace vectoriel. Interpréter géométriquement.

     
1 1 −1
 , ~y =  −1  , ~z =  1  des vecteurs de R4 . Montrer que :
 1     
4. Soit ~x =  1   1   −1 
1 −1 1
F = α~x + β~y + γ~z | (α, β, γ) ∈ R3


est un sous espace vectoriel de R4 .

5. Soit F un sous espace vectoriel de Rn . Démontrer que :
∀p ∈ N∗ , ∀(~x1 , . . . , ~xp ) ∈ F p , ∀(λ1 , . . . , λp ) ∈ Rp , λ1~x1 + · · · + λp~xp ∈ F

14.4 Combinaisons linéaires de vecteurs

Définition
Soit (~x1 , . . . , ~xp ) une famille de vecteurs d’un espace vectoriel E. On appelle combinaison linéaire de
cette famille (~x1 , . . . , ~xp ) tout vecteur de la forme λ1~x1 + · · · + λp~xp où λ1 , . . . , λp sont des réels.

Exemples
     
2 −2 1 3
1. Dans R , montrer que est combinaison linéaire de et de .
1 1 −2
     
1 0 0
2. Dans R3 , le vecteur  0  est-il combinaison linéaire de  1  et de  0  ?
0 0 1
       
1 1 2 −4
3. Dans R3 , décomposer  0  selon la famille  1  ,  0  ,  1 .
0 1 −1 0
       
0 6 2 −4
4. Dans R3 , décomposer  0  selon la famille  −1  ,  0  ,  1 .
0 −1 −1 0
180 CHAPITRE 14. LES ESPACES VECTORIELS RN

Remarque
Lorsqu’un vecteur est combinaison linéaire d’une famille, il n’y a pas nécessairement unicité de la
décomposition selon cette famille c’est à dire que la famille des coefficients de la combinaison linéaire
n’est pas toujours unique.

Proposition
Soit (~x1 , . . . , ~xp ) et (~y1 , . . . , ~yq ) deux familles de vecteurs d’un espace vectoriel E de sorte que chaque
vecteur ~xi est combinaison linéaire de la famille (~y1 , . . . , ~yq ). Alors toute combinaison linéaire de la famille
(~x1 , . . . , ~xp ) est une combinaison linéaire de la famille (~y1 , . . . , ~yq ).

Preuve
On sait que :
q
X
q
∀i ∈ J1, pK, ∃(µi,1 , . . . , µi,q ) ∈ R / ~xi = µi,j y~j
j=1

Alors, pour toute famille (λ1 , . . . , λp ) de réels, on a :

p p q q p
" # " ! #
X X X X X
λi~xi = λi µi,j ~yj = λi µi,j ~yj
i=1 i=1 j=1 j=1 i=1

14.5 Sous espace vectoriel engendré par une famille de vecteurs

Notation
Pour toute famille (~x1 , . . . , ~xp ) de vecteurs d’un espace vectoriel E, on note Vect(~x1 , . . . , ~xp ) l’en-
semble des combinaison linéaires de la famille (~x1 , . . . , ~xp ).

Propositions
Soit (~x1 , . . . , ~xp ) une famille de vecteurs d’un espace vectoriel E. Alors :
– Vect(~x1 , . . . , ~xp ) est un sous espace vectoriel de E qui contient les vecteurs ~x1 , . . . , ~xp .
– Vect(~x1 , . . . , ~xp ) est le plus petit sous espace vectoriel de E (au sens de l’inclusion des ensembles)
qui contient les vecteurs ~x1 , . . . , ~xp .

Preuves
– L’ensemble Vect(~x1 , . . . , ~xp ) est un sous espace vectoriel en vertu de la proposition qui précède. Il
contient chaque vecteur ~xi puisqu’il suffit de choisir, dans la combinaison linéaire, tous les coeffi-
cients nuls sauf celui de rang i qui vaut 1.
– Soit F un sous espace vectoriel contenant les ~xi . Comme il est stable par combinaisons linéaires alors
il contient Vect(~x1 , . . . , ~xp ).

Définitions
Soit (~x1 , . . . , ~xp ) une famille de vecteurs d’un espace vectoriel E.
– Vect(~x1 , . . . , ~xp ) est appelé sous espace vectoriel engendré par la famille (~x1 , . . . , ~xp ).
– Dans le cas où p = 1 et ~x1 6= ~0E alors Vect(~x1 ) est appelé droite vectorielle de direction le vecteur
~x1 (ou plus simplement droite).
14.5. SOUS ESPACE VECTORIEL ENGENDRÉ PAR UNE FAMILLE DE VECTEURS 181

Exemples
1. Vérifier que : Vect(~0E ) = {~0E }.
    
1 x 2
2. Montrer que : Vect = ∈R x−y =0 .
1 y
3. Dans R2 , déterminer la nature géométrique des sous espaces vectoriels :
       
1 2 2 −4
P = Vect , et D = Vect ,
1 −1 3 −6

4. Soit (a, b) un couple de réels non tous les deux nuls. Déterminer un vecteur ~u ∈ R2 tel que :
  
x 2
Vect (~u) = ∈ R ax + by = 0
y
     
1  x
x−y =0

5. Montrer que : Vect  1  =  y  ∈ R3 .
x−z =0 
1 z


6. Dans R3 , déterminer la nature géométrique des sous espaces vectoriels :

         
1 1 3 1 −3
(a) P1 = Vect  1  ,  0  puis P2 = Vect  2  ,  2  ,  2  ;
1 −1 1 3 7
     
1 1 −4
(b) E = Vect   1 ,  0 ,  1 .
1 −1 0

7. Déterminer deux vecteurs ~u et ~v de R3 tels que :

  
 x 
3
Vect (~u, ~v ) =  y  ∈R x+y+z =0
z
 

8. Déterminer un vecteur ~u de R3 tel que :

  
 x
x + y − 2z = 0

Vect (~u) =  y  ∈ R3
−x + 3y − 2z = 0 
z


Proposition
L’ensemble des solutions d’un système linéaire homogène de n équations à p inconnues est un sous
espace vectoriel de Rp engendré par une famille de vecteurs d’au plus p vecteurs de Rp (on considère les
solutions non plus comme des p-uplets mais comme des vecteurs de Rp ).

Preuve
– On a déjà vu dans le chapitre correspondant ce résultat sur les combinaisons linéaires de deux solu-
tions d’un système linéaire homogène donc l’ensemble des solutions est un sous espace vectoriel de
Rp .
– Si ~0 est l’unique solution alors S = Vect(~0). Sinon, la technique de la paramétrisation (en utilisant
certaines inconnues) va fournir une famille d’au plus p vecteurs (~x1 , . . . , ~xq ) de Rp dont toute solution
du système en sera une combinaison linéaire. Ainsi, on a : S = Vect(~x1 , . . . , ~xq ).
182 CHAPITRE 14. LES ESPACES VECTORIELS RN

Propositions
Soit (~x1 , . . . , ~xp ) une famille de vecteurs d’un espace vectoriel E.
– Soit (i1 , . . . , ip ) une permutation de {1, . . . , p}. Alors :
Vect(~xi1 , . . . , ~xip ) = Vect(~x1 , . . . , ~xp )
– Si (λ1 , . . . , λp ) est une famille de réels tous non nuls alors :
Vect (λ1~x1 , . . . , λp~xp ) = Vect (~x1 , . . . , ~xp )
– Si ~y ∈ E est combinaison linéaire des vecteurs de la famille (~x1 , . . . , ~xp ) alors :
Vect (~y , ~x1 , . . . , ~xp ) = Vect (~x1 , . . . , ~xp )
– Si ~y ∈ E est combinaison linéaire des vecteurs de la famille (~x2 , . . . , ~xp ) alors :
Vect (~x1 + ~y , ~x2 , . . . , ~xp ) = Vect (~x1 , . . . , ~xp )

Preuves
Il suffit de réécrire les combinaisons linéaires comme nécessaire.

Remarque
Ces résultats sont à mettre en relation avec les résultats correspondants à propos des opérations élémen-
taires sur les équations d’un système linéaire homogène (du moins, les résultats sur les systèmes découlent
de ces résultats-ci).

14.6 Familles de vecteurs particulières

14.6.1 Familles libres et familles liées
Définitions
Soit (~x1 , . . . , ~xp ) une famille de vecteurs d’un espace vectoriel E.
– On dit que cette famille est libre dans E (ou bien que les vecteurs de cette famille sont linéairement
indépendants dans E) si et seulement si la seule combinaison linéaire de ces vecteurs égale au
vecteur nul est la combinaison linéaire nulle c’est à dire si et seulement si :
∀(λ1 , . . . , λp ) ∈ Rp , [ λ1~x1 + · · · + λp~xp = ~0E ⇒ λ1 = · · · = λp = 0 ]
– On dit que cette famille est liée dans E si et seulement si elle n’est pas libre dans E.
– On dit que deux vecteurs de E sont colinéaires si et seulement s’ils forment une famille liée dans E.
– On suppose que E = R3 . On dit alors que trois vecteurs sont coplanaires si et seulement s’ils forment
une famille liée dans E.

Exemples
1. Les vecteurs ~i + ~j et ~i + ~k sont libres dans R3 (définition traditionnelle de ces trois vecteurs).
     
1 2 3
2. Les vecteurs , , forment une famille liée dans R2 .
2 −1 3
   
1 0
 0   .. 
3. Les vecteurs ~e1 =  ..  , . . . , ~en =  .  forment une famille libre dans Rn .
   
 .   0 
0 1
14.6. FAMILLES DE VECTEURS PARTICULIÈRES 183

Remarques
– Être une famille libre signifie qu’il n’existe aucune relation (égalité) de linéarité entre les vecteurs
de la famille libre (la liberté ou indépendance linéaire est synonyme d’absence de lien ou de relation
entre les vecteurs).
– Être une famille est liée signifie, au choix, que :
– l’un au moins des vecteurs est combinaison linéaire des autres,
– il existe une combinaison linéaire à coefficients non tous nuls qui est égale au vecteur nul (il existe
une relation de linéarité non triviale entre les vecteurs de la famille liée).
Cette relation (linéaire) non triviale lie les vecteurs.
– Le vecteur nul constitue, à lui seul, une famille liée (1.~0E = ~0E et 1 6= 0).

Propositions
Soit E un espace vectoriel réel et ~x, ~y , ~x1 , . . . , ~xp des vecteurs de E.
– (~x) est libre dans E si et seulement si ~x est non nul.
– (~x, ~y ) est libre dans E si et seulement si ~x et ~y ne sont pas colinéaires. Autrement dit, (~x, ~y ) est liée
si et seulement si les deux vecteurs sont colinéaires.
– Toute famille contenant le vecteur nul est liée dans E (mais une famille ne contenant pas le vecteur
nul n’est pas nécessairement libre dans E, prendre deux vecteurs colinéaires par exemple).
– Toute sous famille (ou famille extraite) d’une famille libre dans E est libre dans E.
– Toute famille contenant une sous famille liée dans E est liée dans E.
– Si la famille (~x1 , . . . , ~xp ) est libre dans E et si ~x ∈ E est combinaison linéaire des vecteurs de cette
famille alors la famille (~x, ~x1 , . . . , ~xp ) est liée dans E.
– Si la famille (~x1 , . . . , ~xp ) est libre dans E et si ~x ∈ E n’est pas combinaison linéaire des vecteurs de
cette famille alors la famille (~x, ~x1 , . . . , ~xp ) est libre dans E.

Preuves
Écrire la définition.

Exemples
     
0 1 −2
1. La famille  1  ,  2  ,  −1  de vecteurs de R3 est-elle libre dans R3 ?
2 3 0
       
1 0 1 2
2. La famille   2 , −1 , 1 , 1  est-elle libre dans R3 ? Sinon, en extraire une
     
3 −2 1 0
3
famille libre dans R .

14.6.2 Familles génératrices

Définition
Soit F un sous espace vectoriel d’un espace vectoriel E et (~x1 , . . . , ~xp ) une famille de vecteurs de F .
On dit que cette famille (~x1 , . . . , ~xp ) est une famille génératrice de F (ou bien que cette famille en-
gendre F ) si et seulement si :
F = Vect(~x1 , . . . , ~xp )
Autrement dit, lorsque F est engendré par une famille de vecteurs alors tout élément de F est combi-
naison linéaire des vecteurs de cette famille.
Cette définition convient aussi (bien sûr) pour F = E.
184 CHAPITRE 14. LES ESPACES VECTORIELS RN

Exemples
   
1 0
  0  .. 
1. Les vecteurs ~e1 =   , . . . , ~en =  .  forment une famille génératrice de Rn .
   
..
  .  0 
0 1
     
1 2 3
2. Les vecteurs , , forment une famille génératrice de R2 .
2 −1 3
3. Les vecteurs ~i + ~j et ~i + ~k n’engendrent pas R3 .
4. Montrer que la famille (3~i,~i − ~j,~i + 2~j,~i − ~k) est une famille génératrice de R3 . Remarquer qu’alors
la décomposition selon cette famille génératrice n’est pas unique. Que peut-on dire de cette famille
génératrice ? Peut-on rendre la décomposition unique ?
5. La famille (~x1 , . . . , ~xp ) est une famille génératrice de Vect(~x1 , . . . , ~xp ).

Propositions
Soit F un sous espace vectoriel d’un espace vectoriel E tel que (~x1 , . . . , ~xp ) est une famille génératrice
de F
– Toute famille de vecteurs de F qui contient la famille (~x1 , . . . , ~xp ) est encore une famille génératrice
de F .
– Si ~xp est combinaison linéaire des vecteurs de la famille (~x1 , . . . , ~xp−1 ) alors (~x1 , . . . , ~xp−1 ) est une
famille génératrice de F .
– Soit ~x un vecteur non nul de F . Alors, on peut extraire une famille (~xj2 , . . . , ~xjp ) constituée de p − 1
vecteurs de la famille (~x1 , . . . , ~xp ) telle que la famille (~x, ~xj2 , . . . , ~xjp ) engendre F .

Preuves
– Lorsque l’on ajoute des vecteurs à une famille génératrice, il suffit de leur attribuer le coefficient 0
dans les combinaisons linéaires.
– On regroupe les coefficients dans les combinaisons linéaires.
– ~x étant non nul et combinaison linéaires des vecteurs de la famille (~x1 , . . . , ~xp ) alors l’un (au moins)
des coefficients de la combinaison est non nul. Quitte à renuméroter les vecteurs, on peut supposer
que le coefficient de ~x1 est non nul. On peut alors écrire ~x1 comme combinaison linéaire des vecteurs
de la famille (~x, ~x2 , . . . , ~xp ) puis tous les vecteurs de F comme combinaison linéaire des vecteurs de
(~x, ~x2 , . . . , ~xp ) en vertu d’une proposition qui précède.

14.6.3 Bases
Définition
Soit F un sous espace vectoriel d’un espace vectoriel E. Soit (~x1 , . . . , ~xp ) une famille de vecteurs de F .
On dit que cette famille est une base de F si et seulement si cette famille est à la fois libre dans F et
génératrice de F .
Cette définition convient aussi (bien sûr) pour F = E.

Exemples
   
1 0
  0  .. 
1. Les vecteurs ~e1 =   , . . . , ~en =  .  forment une base de Rn . Cette base est appelée base
   
..
  .  0 
0 1
canonique (ou base naturelle) de Rn .
14.6. FAMILLES DE VECTEURS PARTICULIÈRES 185

  
2 1 −3
2. Dans R , déterminer une base de F = Vect , .
−2 6
   
1 −1
3. Dans R3 , on considère le sous espace F = Vect  2  ,  2 . Démontrer que la famille
    3 −3
1 −1
 2  ,  2  est une base de F . Déterminer une autre base de F .
3 −3
     
0 1 −2
4. Dans R3 , déterminer une base de G = Vect  1  ,  2  ,  −1 .
2 3 0

Proposition

La famille (~x1 , . . . , ~xp ) de vecteurs d’un espace vectoriel E est une base de Vect(~x1 , . . . , ~xp ) si et seule-
ment elle est libre dans E.

Preuve

On sait déjà qu’elle est génératrice de Vect(~x1 , . . . , ~xp ). Elle en est donc une base si et seulement si elle
est aussi libre.

Proposition/Définition

Soit B = (~e1 , . . . , ~ep ) une famille de vecteurs d’un sous espace vectoriel F d’un espace vectoriel E.
– Alors, B est une base de F si et seulement si :

p
X
p
∀~x ∈ F, ∃!(x1 , . . . , xp ) ∈ R / ~x = xk~ek
k=1

– La famille de réels (x1 , . . . , xp ) est alors appelée famille de coordonnées (ou coordonnées) du vec-
teur ~x dans la base B et on note :
 
x1
~x =  ... 
 
xp B

Preuve

– ⇒ : Supposons que B soit une base de F . Soit ~x ∈ F . Alors ce vecteur est combinaison linéaire
des vecteurs de B (famille génératrice). S’il existait une seconde combinaison linéaire égale à ~x alors,
en égalant ces deux combinaisons puis en effectuant des regroupements, on obtient une combinaison
linéaire nulle des vecteurs de B. Comme ces vecteurs sont libres, on en déduit que les coefficients des
deux combinaisons sont tous deux à deux égaux.
– ⇐ : Supposons que tout vecteur ~x de F udmet une unique décomposition dans la famille B. Comme
la décomposition existe pour tout vecteur ~x de F alors la famille B engendre F . Le vecteur nul est
dans F , sa décomposition est donc unique. De plus, la « décomposition nulle » convient. On en déduit
alors que la famille B est libre dans F .
186 CHAPITRE 14. LES ESPACES VECTORIELS RN

Exemple
    

1 1 1
Montrer que la famille  0  ,  1  ,  1  est une base de R3 puis déterminer les coordon-
  0 0 1
1
nées du vecteur  3  dans cette base.
−1

Proposition (coordonnées et opérations sur les vecteurs)

Soit B = (~e1 , . . . , ~ep ) une base d’un sous
 espace F d’un espace vectoriel E. Soit ~x et ~y deux
 vectoriel

x1 y1
 ..   .. 
vecteurs de F de coordonnées respectives  .  et  .  dans la base B. Soit λ un réel. On a alors :
xp B yp B
   
x1 + y1 λx1
~x + ~y = 
 .. 
et λ~x =  ... 
 
. 
xp + yp B λxp B

Preuve
p p p p p
X X X X X
On a : ~x + ~y = xk~ek + yk~ek = (xk + yk )~ek et λ~x = λ xk~ek = λxk~ek .
k=1 k=1 k=1 k=1 k=1

14.7 Notions de somme de sous espaces vectoriels

14.7.1 Somme de plusieurs sous espaces vectoriels
Définition
Soit F1 , . . . , Fp des sous espaces vectoriels d’un espace vectoriel E. On appelle somme des sous es-
paces vectoriels F1 , . . . , Fp le sous ensemble de E suivant :

F1 + · · · + Fp = {~x1 + · · · + ~xp ∈ E | ~x1 ∈ F1 , . . . , ~xp ∈ Fp }

Exemples
1. Dans R2 , muni de sa base canonique (~i, ~j), on note D1 la droite engendrée par le vecteur ~u = 2~i−3~j et
D2 l’ensemble des vecteurs dont les coordonnées (x, y) vérifient l’équation : 6x − 5y = 0. Démontrer
que : R2 = D1 + D2 .
2. On considère l’espace vectoriel R3 muni de sa base canonique (~e1 , ~e2 , ~e3 ).

(a) Soit P le plan d’équation x + 2y − 3z = 0 et D la droite de direction ~e1 + ~e2 + ~e3 . Démontrer
que : R3 = D + P .
(b) Déterminer l’ensemble D1 + D2 + D3 où D1 est la droite engendrée par ~e1 − ~e2 + ~e3 , D2 celle
engendrée par ~e1 + 2~e2 − 3~e3 et D3 celle engendrée par −3~e2 + 4~e3 .

3. Prouver que F + F = F pour tout sous espace F d’un espace E.

14.7. NOTIONS DE SOMME DE SOUS ESPACES VECTORIELS 187

Remarque
La définition précédente n’est qu’une notation sur l’ensemble des sous espaces vectoriels et ne constitue
en rien une véritable opération entre sous espaces vectoriels. En particulier on ne peut dire que F +F = 2F .

Propositions
Soit F1 , . . . , Fp des sous espaces vectoriels d’un espace vectoriel E. Alors :
– F1 + · · · + Fp est un sous espace vectoriel de E qui contient chacun des sous espaces F1 , . . . , Fp .
– F1 + · · · + Fp est le plus petit (au sens de l’inclusion) sous espace vectoriel de E qui contient chacun
des sous espaces vectoriels F1 , . . . , Fp .

Preuves
– F1 + · · · + Fp est un ensemble non vide (il contient ~0E = ~0E + · · · + ~0E ) et est clairement stable par
combinaisons linéaires.
Soit ~xi ∈ Fi . Alors ~0E + · · · + ~xi + · · · + ~0E ∈ F1 + · · · + Fp donc Fi ⊂ F1 + · · · + Fp pour tout
entier i.
– Soit F un sous espace vectoriel de E qui contient F1 , . . . , Fp . Comme F est stable par combinaisons
linéaires alors :
~x1 + · · · + ~xp ∈ F1 + · · · + Fp ⇒ ~x1 + · · · + ~xp ∈ F
donc F1 + · · · + Fp ⊂ F .

Exemples
   
1 3
1. Montrer que : Vect + Vect = R2 .
1 −2
   
2 1 −2
2. Dans R , déterminer une base de Vect + Vect .
1 −2
     
2 1 1 5
3. Dans R , démontrer que : Vect + Vect + Vect = R2 .
1 −1 −2
4. Dans R3 , on pose :
     
 x   x 
3 3
P1 =  y  ∈R x+y+z =0 P2 =  y  ∈ R − x + 3y + 2z = 0
z z
   

     
1 1 3
D1 = Vect  1  D2 = Vect  2  D3 = Vect  2 
1 3 −1
Démontrer que :

D1 + P1 = D1 + D2 + D3 = P1 + P2 = D2 + D3 + P2 = R3

Remarques
– L’ensemble F − G n’existe pas (cela n’a pas de sens).
– Si F + G = F + G0 alors on n’a pas nécessairement G = G0 (prendre par exemple trois droites du
plan).
– Si ~x ∈ F + G et ~y ∈ F + G alors ~x + ~y ∈ F + G mais cela ne signifie pas nécessairement que ~x ∈ F
et ~y ∈ G.
188 CHAPITRE 14. LES ESPACES VECTORIELS RN

Proposition
Soit (~x1 , . . . , ~xp ) des vecteurs d’un espace vectoriel E. Alors :

Vect(~x1 , . . . , ~xp ) = Vect(~x1 ) + · · · + Vect(~xp )

Preuve
Il suffit d’écrire les définitions de ces espaces et celle de la somme.

14.7.2 Somme directe de deux sous espaces vectoriels

Définition
Soit F et G deux sous espaces vectoriels d’un espace vectoriel E. On dit que ces sous espaces vectoriels
sont en somme directe (ou bien que la somme F + G est directe) si et seulement si :

∀~u ∈ F + G, ∃!(~x, ~y ) ∈ F × G / ~u = ~x + ~y

Cette somme directe se note alors : F ⊕ G.

Exemples
1. Parmi les exemples du paragraphe précédent, quelles sont les sommes de deux sous espaces qui sont
directes ?
2. Dans le plan, prouver sue deux droites non parallèles sont en somme directe.
3. Dans l’espace, prouver que deux droites non parallèles sont en somme directe.
4. Dans l’espace, prouver que deux plans ne sont jamais en somme directe.
5. Dans l’espace, prouver qu’une droite et un plan non parallèles sont en somme directe.

Remarques
– Somme directe signifie deux choses :
– existence de la décomposition d’un vecteur de la somme en une somme de vecteurs appartenant
chacun à l’un des sous espaces ;
– unicité de cette décomposition.
– Il est faux de croire que : ~x ∈ F ⊕ G ⇒ ~x ∈ F ou ~x ∈ G.
– Si F ⊕ G = F ⊕ G0 alors on n’a pas nécessairement G = G0 (prendre par exemple trois droites du
plan).

Proposition
Deux sous espaces vectoriels F et G d’un espace vectoriel E sont en somme directe si et seulement si :

F ∩ G = {~0E }

Preuve
– ⇒ : Supposons que la somme F + G est directe. Il est clair que {~0E } ⊂ F ∩ G (indépendant du fait
que la somme est directe). Soit ~x ∈ F ∩ G. On a alors :

~x = ~x + ~0E = ~0E + ~x ∈ F + G

Par unicité de la décomposition, on peut alors identifier les termes des deux somme et on en déduit
que ~x = ~0E . Ainsi F + G ⊂ {~0E } et donc F + G = {~0E }.
14.7. NOTIONS DE SOMME DE SOUS ESPACES VECTORIELS 189

– ⇐ : Supposons que F ∩ G = {~0E }. La somme F + G existe toujours. Soit ~u ∈ F + G admettant

deux décompositions ~u = ~xF + ~xG = ~yF + ~yG ∈ F + G. Alors :
~yF − ~xF = ~xG − ~yG ∈ F ∩ G
donc ~yF = ~xF et ~yG = ~xG ce qui nous assure de l’unicité de la décomposition.

Définition
Soit B1 = (~x1 , . . . , ~xp ) et B2 = (~y1 , . . . , ~yq ) deux familles de vecteurs d’un espace vectoriel E. On
appelle concaténation de ces deux familles de vecteurs la famille (~x1 , . . . , ~xp , ~y1 , . . . , ~yq ).

Proposition
Soit B1 et B2 des bases respectives de deux espaces vectoriels F et G d’un espace vectoriel E. Alors, la
somme F + G est directe si et seulement si la concaténation des deux basesB1 et B2 est une base de F + G.

Preuve
On note B1 = (~x1 , . . . , ~xp ), B2 = (~y1 , . . . , ~yq ) et B = (~x1 , . . . , ~xp , ~y1 , . . . , ~yq ) la concaténation de ces
deux bases. Alors la somme F + G est directe si et seulement si :
∀~uF ⊕ G, ∃!(~x, ~y ) ∈ F × G / ~u = ~x + ~y
p q
X X
p+q
∀~uF ⊕ G, ∃!(λ1 , . . . , λp , µ1 , . . . , µq ) ∈ R / ~u = λk ~xk + µk ~yk
k=1 k=1
donc si et seulement si B est une base de F + G.

14.7.3 Sous espaces vectoriels supplémentaires

Définition
Soit F et G deux sous espaces vectoriels d’un espace vectoriel E. On dit que G est un supplémentaire
de F dans E (ou bien que F et G sont supplémentaires dans E) si et seulement si :
E =F ⊕G
donc si et seulement si :
∀~x ∈ E, ∃!(~u, ~v ) ∈ F × G / ~x = ~u + ~v

Exemples
1. Parmi les exemples du paragraphe « somme », quels sont les sous espaces vectoriels supplémentaires ?
2. Dans le plan, deux droites non parallèles sont supplémentaires.
3. Dans l’espace, un plan et une droite non incluse dans ce plan sont supplémentaires.

Remarques
– Il n’y a pas unicité du supplémentaire (3 droites dans un plan).
– Il ne faut pas confondre supplémentaire et complémentaire (qui n’est jamais un sous espace vectoriel).

Théorème
Deux sous espaces vectoriels F et G d’un espace vectoriel E sont supplémentaires si et seulement si :
E =F +G et F ∩ G = {~0E }
190 CHAPITRE 14. LES ESPACES VECTORIELS RN

Preuve
Appliquer les propositions correspondantes du paragraphe précédent.

Proposition
Soit B1 et B2 deux bases respectives de deux sous espaces vectoriels F1 et F2 d’un espace vectoriel E.
Alors F1 et F2 sont supplémentaires si et seulement si la concaténation de ces deux bases est une base de
E.

Preuve
Appliquer la proposition correspondante du paragraphe précédent.

14.8 Exercices
1. Soit F une partie non vide d’un espace vectoriel E. Montrer que F est un sous espace vectoriel de E
si et seulement si :
∀(~x, ~y ) ∈ F 2 , ∀λ ∈ R, λ~x + ~y ∈ F
2. Montrer que les seuls sous espaces vectoriels de R2 sont :

{~0} Vect(~x) R2

pour tous les vecteurs ~x non nuls de R2 .

3. Montrer que les seuls sous espaces vectoriels de R3 sont :

{~0} Vect(~x) Vect(~x, ~y ) R3

pour tous les couples (~x, ~y ) de vecteurs non colinéaires de R3 .

4. Soit F et G deux sous espaces vectoriels d’un espace vectoriel E. Démontrer que :
(a) le complémentaire de F dans E n’est pas sous espace vectoriel de E ;
(b) F ∩ G est un sous espace vectoriel de E ;
(c) F ∪ G est un sous espace vectoriel de E si et seulement si :

F ⊂G ou G⊂F
       
1 2 1 0
3
5. Dans R , montrer que : Vect   2 , −1
    = Vect   0 , 1 .
 
3 1 1 1
  
 x 
6. Soit F =  y  ∈ R3 ax + by + cz = 0 où (a, b, c) est un triplet de réels non tous nuls.
z
 

(a) Justifier que F est un sous espace vectoriel de R3 .

(b) Déterminer deux vecteurs ~u et ~v de R3 tels que : F = Vect(~u, ~v ).
(c) A-t-on obtenu une base de F ?
  
 x
ax + by + cz = 0

7. Soit F =  y  ∈ R3 0 où (a, b, c, a0 , b0 , c0 ) est un sextuplet de réels tels
a x + b0 y + c 0 z = 0 
z

que ab0 − a0 b 6= 0 et a 6= 0.
14.8. EXERCICES 191

(a) Justifier que F est un sous espace vectoriel de R3 .

(b) Déterminer un vecteur ~u de R3 tel que : F = Vect(~u).

8. Dans la base canonique B = (~e1 , ~e2 , ~e3 ) de R3 , on considère les vecteurs :

     
1 1 0
~x1 =  1  ~x2 =  1  ~x1 =  1 
0 B 1 B 1 B

(a) Montrer que la famille B 0 = (~x1 , ~x2 , ~x3 ) est une base de R3 .
(b) Déterminer les coordonnées des vecteurs de la base B dans la base B 0 .
(c) Soit P la matrice de M3 (R) dont les trois colonnes sont les coordonnées des trois vecteurs
de la base B exprimées dans la base B 0 . On définit de même la matrice Q de M3 (R) dont les
colonnes sont les coordonnées des vecteurs de B 0 exprimées sans la base B. Calculer P Q et QP .
Conclusion ?

9. On dit que des sous espaces vectoriels F1 , . . . , Fp d’un espace vectoriel E sont en somme directe si
et seulement si :

∀~u ∈ F1 + · · · + Fp , ∃!(~x1 , . . . , ~xp ) ∈ F1 × · · · × Fp / ~u = ~x1 + · · · + ~xp

(a) Soit (~x1 , . . . , ~xp ) une famille de vecteurs de l’espace vectoriel Rn . Démontrer que la somme
Vect(~x1 ) + · · · + Vect(~xp ) est directe si et seulement si la famille (~x1 , . . . , ~xp ) est libre dans Rn .
(b) À quelle(s) condition(s), trois droites de l’espace R3 sont-elles en somme directe ?

10. Soit ~a ∈ R3 un vecteur non nul de coordonnées (a1 , a2 , a3 ) dans la base canonique B de R3 . Montrer
que R3 = D ⊕ P où :
  
 x1 
D = Vect(~a) et P =  x2  ∈ R3 a1 x1 + a2 x2 + a3 x3 = 0
x3 B
 

11. Dans R4 , déterminer une base du sous espace vectoriel F + G où :

     

 x 
 
 x 

y x + y + z = 0 y  ∈ R4 x − t = 0
     
F =   ∈ R4 G= 


 z  y+z+t=0   

 z  y=0 

t t
   

12. Soit (α, β) ∈ R2 . On considère les vecteurs de R4 suivants :

         
α α β β 1
 −α   −α   β   −β   1 
~x1 = 
 β 
 ~x2 = 
 β 
 ~x3 =  
 α  ~x4 = 
 α 
 ~x5 =  
 1 
−β β α α 1

(les coordonnées sont exprimées dans la base canonique de R4 ).

(a) Trouver une relation linéaire entre ces vecteurs.

(b) Déterminer une CNS portant sur (α, β) pour que la famille (~x1 , ~x2 , ~x4 , ~x4 ) soit libre dans R4 .
Est-ce, alors, une base de R4 ?
192 CHAPITRE 14. LES ESPACES VECTORIELS RN

14.9 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. s
 
x
8. (a) Soit ~u =  y  un vecteur de R3 . Soit (λ1 , λ2 , λ3 ) un triplet de réels. Alors :
z
 
 λ1 + λ2 = x  λ1 = y−z
~u = λ1~x1 + λ2~x2 + λ3~x3 ⇔ λ1 + λ2 + λ3 = y ⇔ λ2 = x − y + z
λ2 + λ3 = z λ3 = −x + y
 

La combinaison linéaire existe et est unique donc : B 0 est une base de R3 .

(b) On déduit de ce qui précède que :
 0 
x0 + y 0
     
x y−z x
 y  =  x − y + z  et  y 0  =  x0 + y 0 + z 0 
z B −x + y B0
z 0 B0 y0 + z0 B

       
0 1 −1 0 1 −1
(c) On a alors : ~e1 =  1  , ~e2 =  −1  , ~e3 =  1  donc : P =  1 −1 1  .
−1 B0 1 B0
0 B0
−1 1 0
       
1 1 0 1 1 0
On sait que : ~x1 =  1  , ~x2 =  1  , ~x3 =  1  donc : Q =  1 1 1 .
0 B 1 B 1 B 0 1 1
Alors : P Q = QP = I3 . On en déduit que : (P, Q) ∈ GL3 (R3 ) et P = Q−1 , Q = P −1 .
9. On a :
p p p
X Y X
~u ∈ Vect(~xi ), ⇔ ∃(~u1 , . . . , ~up ) ∈ Vect(~xi ) / ~u = ~ui
i=1 i=1 i=1
p p
X X
p
~u ∈ Vect(~xi ), ⇔ ∃(λ1 , . . . , λp ) ∈ R / ~u = λi~xi
i=1 i=1
p
X
~u ∈ Vect(~xi ), ⇔ ~u ∈ Vect(~x1 , . . . , ~xp )
i=1

donc la famille (~x1 , . . . , ~xp ) est génératrice de l’espace somme. Alors, cette somme est directe si et
seulement si :
p p p
X Y X
∀~u ∈ Vect(~xi ), ∃!(~u1 , . . . , ~up ) ∈ Vect(~xi ) / ~u = ~ui
i=1 i=1 i=1
p p
X X
∀~u ∈ Vect(~xi ), ∃!(λ1 , . . . , λp ) ∈ Rp / ~u = λi~xi
i=1 i=1
14.9. SOLUTIONS DES EXERCICES 193

p
X
(~x1 , . . . , ~xp ) est une base de Vect(~xi )
i=1

Comme la famille est déjà génératrice de l’espace somme alors :

La somme est directe si et seulement si (~x1 , . . . , ~xp ) est une famille libre dans E

10. Soit λ~a ∈ D. Alors λ~a ∈ P si et seulement si :

a1 (λa1 ) + a2 (λa2 ) + a3 (λa3 ) = 0

λ(a21 + a22 + a23 ) = 0

λ=0 ou a21 + a22 + a23 = 0
Comme le vecteur ~a n’est pas nul alors a21 + a22 + a23 6= 0. Ainsi :

λ~a ∈ P ⇔ λ = 0

On en déduit que D ∩ P = {~0}. Ainsi, la somme D + P est directe.

Soit ~u ∈ R3 .
194 CHAPITRE 14. LES ESPACES VECTORIELS RN
Chapitre 15

Applications linéaires de Rp dans Rn

15.1 Notion d’application linéaire

Définitions
Soit E et F deux R-espaces vectoriels.
– On dit qu’une application u : E → F est R-linéaire (ou plus simplement linéaire), ou bien que c’est
un homomorphisme de R-espaces vectoriels si et seulement si :
∀(λ, µ) ∈ R2 , ∀(~x, ~y ) ∈ E 2 , u(λ~x + µ~y ) = λu(~x) + µu(~y )
et on note :
u ∈ LR (E, F ) ou plus simplement u ∈ L(E, F )

– Un élément u de L(E, E) est appelé endomorphisme de E et on note :

u ∈ L(E)

– Un élément u de L(E, R) est appelé forme linéaire sur E.

Exemples
1. Idn : Rn → Rn , ~x 7→ ~x est un endomorphisme de Rn appelé application identique de Rn .
2. Θn : Rn → Rn , ~x 7→ ~0n est un endomorphisme de Rn appelé application nulle de Rn .
3. Θ : Rn → R, ~x 7→ 0 est une forme linéaire sur Rn appelée forme linéaire nulle sur Rn .
 
2 2 x
4. Soit (a, b) ∈ R et u : R → R, 7→ ax + by. Montrer que u est une forme linéaire sur R2 .
y
 
3 2 x
5. Soit (a, b, c) ∈ R tel que c 6= 0 et u : R → R, 7→ ax + by + c. Montrer que u n’est pas une
y
forme linéaire sur R2 .    
4 2 2 x ax + by
6. Soit (a, b, c, d) ∈ R et u : R → R , 7→ . Montrer que u est un endomorphisme
y cx + dy
de R2 .  
  2x − 3y
x
7. Soit u : R2 → R3 , 7→  −x + 5y . Montrer que u ∈ L(R2 , R3 ).
y
3x
 
x
3 3
8. Soit (a, b, c) ∈ R et u : R → R,  y  7→ ax + by + cz. Montrer que u est une forme linéaire sur
z
R3 .

195
196 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

x
9. Soit u : R3 → R,  y  7→ x + 4. Montrer que u n’est pas une forme linéaire sur R3 .
z
 
x  
3 2  2x − 3y + z
10. Soit u : R → R , y  7→ . Montrer que u ∈ L(R3 , R2 ).
x+y−z
z
11. On « identifie » Rk avec Mk,1 (R) pour tout entier naturel k non nul. Soit A ∈ M2,3 (R). Montrer que
l’application u : R3 → R2 , X 7→ AX est linéaire.
   
x 4x − 3z
12. Soit u : R3 → R3 ,  y  7→  x + y . Montrer que u ∈ L(R3 ).
z 7y − 5z
   
x −2x + y + z
13. Soit u : R3 → R3 ,  y  7→  x − 2y + z . Montrer que u ∈ L(R3 ).
z x + y − 2z

Propositions
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– u(~0E ) = ~0F .
– Pour tout entier naturel non nul p, on a :

∀(~x1 , . . . , ~xp ) ∈ E p , ∀(λ1 , . . . , λp ) ∈ Rp , u(λ1~x1 + · · · + λp~xp ) = λ1 u(~x1 ) + · · · + λp u(~xp )

Preuves
– u(~0E ) = u(1.~0E − 1.~0E ) = 1.u(~0E ) − 1.u(~0E ) = ~0F .
– On effectue une récurrence, P(p) étant la proposition énoncée ci-dessus Remarquons que P(2) est
vraie.
– Soit p = 1. Soit ~x1 ∈ E et λ1 ∈ R. On a alors :

u(λ1~x1 ) = u(λ1 .~x1 + 1.~0E ) = λ1 u(~x1 ) + u(~0E ) = λ1 u(~x1 ) + ~0F = λ1 u(~x1 )

– Soit p ≥ 1. On suppose que P(p) est vraie. Soit (~x1 , . . . , ~xp+1 ) ∈ E p+1 et (λ1 , . . . , λp+1 ) ∈ Rp+1 .
Alors :
p+1 p p
! ! !
X X X
u λi~xi = u 1. λi~xi + λp+1 .~xp+1 = u λi~xi + λp+1 u (~xp+1 )
i=1 i=1 i=1

d’où le résultat en appliquant P(p).

15.2 Noyau et image d’une application linéaire

Définitions
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– On appelle noyau de l’application linéaire u l’ensemble :

Ker(u) = u−1 ({~0F })

(Ker pour kernel, english word) c’est à dire l’ensemble des antécédents du vecteur nul de F ou bien
encore l’ensemble des vecteurs de E qui ont pour image ~0F . Autrement dit :

~x ∈ Ker(u) ⇔ u(~x) = ~0F

15.2. NOYAU ET IMAGE D’UNE APPLICATION LINÉAIRE 197

– On appelle image de l’application linaire u l’ensemble :

Im(u) = u(E)

c’est à dire l’ensemble des vecteurs de F qui admettent au moins un antécédent par u. Autrement dit :

~y ∈ Im(u) ⇔ ∃~x ∈ E/u(~x) = ~y

Théorème
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– Ker(u) est un sous espace vectoriel de E.
– Im(u) est un sous espace vectoriel de F .
– Si (~e1 , . . . , ~ep ) est une famille génératrice (voire une base) de E alors :

Im(u) = Vect(u(~e1 ), . . . , u(~ep ))

Preuves
– Le noyau de u est non vide puisqu’il contient nécessairement ~0E (d’après la proposition précédente).
Soit (~x, ~y ) ∈ Ker(u)2 et (λ, µ) ∈ R2 . Alors :

u(λ~x + µ~y ) = λu(~x) + µu(~y ) = λ~0F + µ~0F = ~0F

donc λ~x + µ~y est bien un élément du noyau de u.

– L’image de u est non vide puisqu’elle contient nécessairement ~0F (d’après la proposition précédente).
Soit (~x, ~y ) ∈ Im(u)2 et (λ, µ) ∈ R2 . Alors, il existe un couple (~a, ~b) ∈ E 2 tels que u(~a) = ~x et
u(~b) = ~y . On en déduit donc que :

λ~x + µ~y = λu(~a) + µu(~b) = u(λ~a + µ~b)

donc λ~x + µ~y est bien un élément de l’image de u.

Exemples
Déterminer une base du noyau et de l’image des applications linéaires qui précédent.

Proposition
L’ensemble des solutions d’un système linéaire homogène de n équations à p inconnues est un sous
espace vectoriel de Rp .

Preuve
C’est le noyau d’une application linéaire.

Exemple
  
 x 
Montrer que F =  y  ∈ R3 x + 2y − 3z = 0 est un sous espace vectoriel de R3 dont on
z
 
donnera une base.

Définition
Le noyau d’une forme linéaire non nulle sur E est appelé hyperplan de E. C’est un plan dans le cas où
E = R3 et une droite dans le cas où E = R2 .
198 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

Théorème fondamental
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– u est injective si et seulement si Ker(u) = {~0E }.
– u est surjective si et seulement si Im(u) = F .

Preuves
– Noyau et injectivité.
– Supposons que u est injective. Il est clair que {~0E } ⊂ Ker(u). Soit ~x ∈ Ker(u). Alors, on a :

u(~x) = u(~0E )

donc ~x = ~0E par injectivité. Ainsi Ker(u) ⊂ {~0E }.

– Supposons que Ker(u) = {~0E }. Soit (~x, ~y ) ∈ E 2 tel que u(~x) = u(~y ). Alors :
~0F = u(~x) − u(~y ) = u(~x − ~y )

donc ~x − ~y = ~0E c’est à dire que ~x = ~y ce qui établit l’injectivité de u.

– On sait que Im(u) ⊂ F . L’application u est surjective si et seulement si :

∀~y ∈ F, ∃~x ∈ E / u(~x) = ~y

c’est à dire si et seulement si Im(u) = F .

Exemples
Parmi les applications linéaires du paragraphe 1, quelles sont celles qui sont injectives ? surjectives ?
bijectives ?
Lorsqu’une application est bijective, que remarque-t-on sur p et n ?

15.3 Image et image réciproque d’un sous espace vectoriel

Propositions
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– Soit E 0 un sous espace vectoriel de E. Alors :
– u(E 0 ) est un sous espace vectoriel de F ;
– de plus, si (~e1 , . . . , ~eq ) est une famille génératrice de E 0 alors (u(~e1 ), . . . , u(~eq )) est une famille
génératrice de u(E 0 ), autrement dit :

u(Vect(~e1 , . . . , ~eq )) = Vect(u(~e1 ), . . . , u(~eq ))

– Soit F 0 un sous espace vectoriel de F . Alors u−1 (F 0 ) est un sous espace vectoriel de E.

Preuves
Adapter les démonstrations des cas particuliers E 0 = Ker(u) et F 0 = Im(u) vues au paragraphe précé-
dent.

Exemple
   
x    x
−x + y + 2z

Soit u : R3 → R2 ,  y  7→ et F =  y  ∈ R3 x + 2y − 3z = 0 .
3x − 6y + z
z z
 
Déterminer une base de u(F ).
15.4. OPÉRATIONS SUR LES APPLICATIONS LINÉAIRES 199

15.4 Opérations sur les applications linéaires

15.4.1 Addition et multiplication par les réels
Propositions
Soit E et F deux R-espaces vectoriels, soit (u, v) un couple d’éléments de L(E, F ) et soit un réel λ. On
pose :
u+v : E → F λu : E → F
et
~x 7→ u(~x) + v(~x) ~x 7→ λ.u(~x)
Alors :
u + v ∈ L(E, F ) et λu ∈ L(E, F )
Autrement dit, la somme de deux applications linéaires est une application linaire et tout multiple d’une
application linéaire est encore une application linéaire.

Preuve
Sans aucune difficulté.

Théorème
Soit E et F deux R-espaces vectoriels. Alors, (L(E, F ), +, .) est un R-espace vectoriel.

Preuve
Longue mais pas difficile.

Exercice
Pour tout entier i tel que 1 ≤ i ≤ n, on définit l’application :

p i :  Rn  → R
x1
 .. 
 .  7→ xi
xn

Démontrer que (p1 , . . . , pn ) est une base de L(Rn , R).

15.4.2 Composition des applications linéaires

Proposition
Soit E, F, G, H quatre R-espaces vectoriels.
– Linéarité de la composition :

∀u ∈ L(E, F ), ∀v ∈ L(F, G), v ◦ u ∈ L(E, G)

– Associativité de la composition :

∀u ∈ L(E, F ), ∀v ∈ L(F, G), ∀w ∈ L(G, H), (w ◦ v) ◦ u = w ◦ (v ◦ u)

et on peut alors omettre les parenthèses : w ◦ v ◦ u.

200 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

– Composition et multiplication externe :

∀u ∈ L(E, F ), ∀v ∈ L(F, G), ∀λ ∈ R, v ◦ (λu) = (λv) ◦ u = λ(v ◦ u)

et on peut alors omettre les parenthèses : λv ◦ u.

– Distributivité de la composition sur l’addition :

∀(u, v) ∈ L(E, F )2 , ∀w ∈ L(F, G), w ◦ (u + v) = (w ◦ u) + (w ◦ v)

∀u ∈ L(E, F ), ∀(v, w) ∈ L(F, G)2 , (v + w) ◦ u = (v ◦ u) + (w ◦ u)

Preuves

Sans difficulté.

Remarques
– Comme d’habitude, v ◦ u 6= u ◦ v en général.
– Si v ◦ u = Θ alors on n’a pas nécessairement u = Θ ou v = Θ.

Exercice

Soit u ∈ L(E, F ) et v ∈ L(F, G) tels que v ◦ u = Θ. Montrer que Im(u) ⊂ Ker(v).

Définition

Soit u un endomorphisme d’un R-espace vectoriel E. On définit les composées successives de u par
récurrence de la manière suivante :

u0 = IdE et ∀n ∈ N, un+1 = un ◦ u = u ◦ un

Exemple
 
y
Soit u : R3 → R3 , 7→  z . Préciser u2 , u3 puis un pour tout entier naturel n.
0

Théorème (formule du binôme de Newton)

Soit u et v deux endomorphismes d’un R-espace vectoriel E tels que

u◦v =v◦u

Alors :
n   n  
n
X n k n−k
X n
∀n ∈ N, (u + v) = u ◦v = un−k ◦ v k
k k
k=0 k=0

Preuve

Revoir la preuve rédigée dans le cas des matrices.

15.5. ISOMORPHISMES ET AUTOMORPHISMES 201

Exemple
1. Soit u l’endomorphisme de l’exemple précédent. Soit (λ, µ) ∈ R2 . Exprimer (λId3 + µu)n pour tout
entier naturel n.
2. Soit f et g deux endomorphismes de d’un espace vectoriel E tels que :

f2 = f g2 = g g ◦ f = f ◦ g = ΘE

Prouver que, pour tout couple (λ, µ) de réels et pour tout entier naturel n non nul, (λf + µg)n est
combinaison linéaire de f et g.

15.5 Isomorphismes et automorphismes

Proposition
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ) supposée bijective. Alors : u−1 ∈ L(F, E).

Preuve
Soit (~y , ~y 0 ) ∈ F 2 et (λ, λ0 ) ∈ R2 . On a :

∃!~x ∈ E / u(~x) = ~y et ∃!~x0 ∈ E / u(~x0 ) = ~y 0

Alors :
u(λu−1 (~y ) + λ0 u−1 (~y 0 )) = u(λ~x + λ0~x0 ) = λu(~x) + λ0 u(~x0 ) = λ~y + λ0 ~y 0
donc, par bijectivité de u, on en déduit que :

λu−1 (~y ) + λ0 u−1 (~y 0 ) = u−1 (λ~y + λ0 ~y 0 )

ce qui prouve la linéarité de la réciproque (dans la mesure où elle existe).

Définitions
Soit E et F deux R-espaces vectoriels.
– Une application linéaire et bijective de E dans F est appellée isomorphisme de E dans F .
– S’il existe un isomorphisme de E dans F alors on dit que l’espace vectoriel E (resp. F ) est iso-
morphe à F (resp. E) ou bien que les espaces vectoriels E et F sont isomorphes.
– Un endomorphisme bijectif de E est appelé automorphisme de E.
– L’ensemble des automorphismes de E est appelé groupe linéaire de E et se note GL(E).

Exemple
  
1 1
Soit E = Vect  −1  ,  0  ⊂ R3 et u : E → R2 définie par :
0 −1
 
  
1 1    
2 1 1
∀(λ, µ) ∈ R , u λ −1
   +µ  0   =λ +µ
1 −1
0 −1

Montrer que u est un isomorphisme de R-espaces vectoriels et préciser son isomorphisme réciproque.
202 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

Proposition
Soit E, F et G trois R-espaces vectoriels.
– Si u est un isomorphisme de E dans F et si v est un isomorphisme de F dans G alors v ◦ u est un
isomorphisme de E dans G et on a :

(v ◦ u)−1 = u−1 ◦ v −1

– En particulier, la composée de deux automorphismes de E est un automorphisme de E.

Preuve
La composée de deux applications linéaires est linéaire et la composée de deux bijections est une bijec-
tion et on connaît le résultat sur la réciproque de la composée.

15.6 Lien avec les familles de vecteurs

Proposition
Soit (~b1 , . . . , ~bq ) une base d’un R-espace vectoriel E et (~x1 , . . . , ~xq ) une famille quelconque de vecteurs
d’un R-espace vectoriel F . Alors, il existe une unique application linéaire u de E dans F telle que :

∀k ∈ J1, qK, u(~bk ) = ~xk

Preuve
– On vérifie que l’on a bien défini une application.
– On vérifie que cette application est linéaire.
– On vérifie, enfin, que cette application linéaire est unique.

Exemples
1. Soit ~x et ~y deux vecteurs non nuls de R2 . Démontrer que les droites engendrées par ~x et ~y sont
isomorphes.
2. Soit (~x1 , ~x2 ) et (~y1 , ~y2 ) deux familles libres dans R3 . Montrer que Vect(~x1 , ~x2 ) et Vect(~y1 , ~y2 ) sont
isomorphes (c’est à dire que deux plans de l’espace sont isomorphes).

Propositions
Soit E et F deux R-espaces vectoriels et u ∈ L(E, F ).
– u est injective si et seulement si l’image de toute famille libre dans E est une famille libre dans F .
– u est surjective si et seulement si l’image d’une famille génératrice de E est une famille génératrice
de F .
– u est bijective si et seulement si l’image d’une base de E est une base de F .

Preuves
– Injectivité.
– Supposons que u est injective. Soit (~x1 , . . . , ~xq ) une famille libre dans E et soit (λ1 , . . . , λq ) une
famille de réels telle que :
q
X
λi u(~xi ) = ~0F
i=1
15.6. LIEN AVEC LES FAMILLES DE VECTEURS 203

Alors :
q
!
X
u λi~xi = ~0F
i=1

Par injectivité de u, on a :
q
X
λi~xi = ~0E
i=1

Par indépendance linéaire des vecteurs ~xi , on en déduit que :

λ1 = · · · = λq = 0

ce qui prouve l’indépendance linéaire des vecteurs u(~xi ).

– Supposons que l’image de toute famille libre dans E est une famille libre dans F . Soit ~x ∈ Ker(u).
Comme la famille (~0F ) est liée dans F , on en déduit que la famille (~x) est liée dans E. Donc :
~x = ~0E ce qui prouve l’injectivité de u.
– Surjectivité.
– Supposons que u est surjective. Soit (~x1 , . . . , ~xq ) une famille génératrice de E. Alors :

F = u(E) = u (Vect(~x1 , . . . , ~xq )) = Vect (u(~x1 ), . . . , u(~xq ))

ce qui prouve que les vecteurs u(~xi ) engendrent F .

– Supposons que (~x1 , . . . , ~xq ) une famille génératrice de E telle que (u(~x1 ), . . . , u(~xq )) est une fa-
mille génératrice de F . Soit ~y ∈ F . Alors :
q
X
q
∃(λ1 , . . . , λq ) ∈ R / ~y = λi u(~xi )
i=1

donc, par linéarité, on obtient :

q
!
X
~y = u λi~xi
i=1

ce qui prouve que u est surjective.

– Bijectivité.
– Supposons que u soit bijective. Soit (~x1 , . . . , ~xq ) une base de E. Alors (u(~x1 ), . . . , u(~xq )) est une
famille libre dans F et génératrice de F . C’est donc une base de F .
– Supposons que (~x1 , . . . , ~xq ) une base de E telle que (u(~x1 ), . . . , u(~xq )) est une base de F . D’après
le second point, on sait que u est surjective. Soit ~x ∈ Ker(u). Comme (~x1 , . . . , ~xq ) est une base de
E, alors on a :
∃!(λ1 , . . . , λq ) ∈ Rq / ~x = λ1~x1 + · · · + λq ~xq
On en déduit que :

λ1 u(~x1 ) + · · · + λq u(~xq ) = u(λ1~x1 + · · · + λq ~xq ) = u(~x) = ~0F

Comme (u(~x1 ), . . . , u(~xq )) est une base de F , on en déduit que :

λ1 = · · · = λq = 0

donc que ~x = ~0E et alors que u est injective.

Exemple
Donner une autre démonstration (plus courte) des exemples qui précédent.
204 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

15.7 Exercices
1. Soit u ∈ L(Rn ) tel que : u2 − u + Idn = Θ.
(a) Démontrer que u ∈ GL(Rn ).
(b) Existe-t-il un vecteur ~x ∈ Rn non nul tel que u(~x) = 2~x ?
2. Soit u ∈ L(Rn ). Démontrer que, pour tout entier naturel k, on a :

Ker(uk ) ⊂ Ker(uk+1 ) et Im(uk+1 ) ⊂ Im(uk )

3. Déterminer tous les endomorphismes f de R2 tels que f 2 = Θ.

4. Soit f ∈ L(R3 ) tel que : f 2 6= Θ et f 3 = Θ.
(a) i. Démontrer que f 6= Θ puis que : ∀k ≥ 3, f k = Θ.
ii. Cet endomorphisme f est-il un automorphisme de R3 ?
(b) i. Démontrer qu’il existe un vecteur ~x de R3 tel que la famille (~x, f (~x), f 2 (~x)) est libre dans
R3 .
ii. Prouver alors que cette famille est une base de R3 .
(c) Pour cette seule question, déterminer un exemple d’un tel endomorphisme f puis préciser un
vecteur ~x .
(d) Soit g ∈ L(R3 ) tel que : g 2 6= Θ et g 3 = Θ.
i. Déterminer n ∈ N tel que :

(f + g)n 6= Θ et (f + g)n+1 = Θ

ii. On pose alors :

2 2 n
X 1 k X 1 k X 1
exp(f ) = f exp(g) = g exp(f + g) = (f + g)k
k=0
k! k=0
k! k=0
k!

Démontrer que :

exp(f ) ◦ exp(g) = exp(g) ◦ exp(f ) = exp(f + g)

5. Soit B = (~e1 , ~e2 , ~e3 ) la base canonique de R3 et Id l’application identique de R3 .

(a) Justifier qu’il existe un unique endomorphisme f de R3 tel que :

f (~e1 ) = ~e1 + ~e2 f (~e2 ) = ~e1 + ~e2 + ~e3 f (~e3 ) = ~e2 + ~e3

On précisera les coordonnées de f (~x) dans B en fonction des coordonnées de ~x dans B.

(b) f est-elle injective ? surjective ? bijective ? Si oui, préciser f −1 .
(c) Déterminer l’ensemble, noté Sp(f ), de tous les réels λ tels que f − λId n’est pas injective.
Cet ensemble est appelé spectre de f et ses éléments sont appelés valeurs propres de f .
(d) Pour tout λ ∈ Sp(f ), on pose :
Eλ (f ) = Ker(f − λId)
Préciser une base de chaque sous espace vectoriel Eλ (f ) obtenu.
L’ensemble Eλ (f ) est appelé sous espace propre de f associé à la valeur propre λ.
(e) Démontrer que :
R3 = E1−√2 (f ) ⊕ E1 (f ) ⊕ E1+√2 (f )
15.7. EXERCICES 205

(f) On note B 0 la famille de vecteurs de R3 obtenue par concaténation des bases des sous espaces
propres de f .
i. Justifier que B 0 est une base de R3 .
ii. Déterminer les coordonnées des éléments de B dans la base B 0 .
   
x −2x + y + z
6. Soit f : R3 → R3 ,  y  7→  x − 2y + z .
z x + y − 2z
(a) Montrer que f ∈ L(R3 ).
(b) f est-elle injective ? surjective ? bijective ?
(c) On adopte les notations de l’exercice 5.
i. Déterminer tous les les réels λ tels que f − λId n’est pas injective.
ii. Préciser une base de chaque sous espace propre de f .
iii. Montrer que R3 est somme directe des sous espaces propres de f .
7. Soit B = (~e1 , ~e2 , ~e3 ) la base canonique de R3 et Id l’application identique de R3 .
(a) Justifier qu’il existe un unique endomorphisme f de R3 tel que :

f (~e1 ) = 2~e1 f (~e2 ) = 2~e2 f (~e3 ) = −~e1 − ~e2 + 2~e3

On précisera les coordonnées de f (~x) dans B en fonction des coordonnées de ~x dans B.

(b) f est-elle injective ? surjective ? bijective ? Si oui, préciser f −1 .
(c) On adopte les notations de l’exercice 5.
i. Déterminer tous les les réels λ tels que f − λId n’est pas injective.
ii. Préciser une base de chaque sous espace propre de f .
iii. R3 est-il somme directe des sous espaces propres de f ?
8. Soit B = (~e1 , ~e2 , ~e3 ) la base canonique de R3 et Id l’application identique de R3 . On pose :

~x1 = 3~e1 + ~e2 − 4~e3 ~x2 = −~e1 + 2~e2 − 3~e3 ~x3 = 5~e1 − ~e2 + 2~e3

(a) i. Justifier que :

∃!p ∈ L(R3 ) / p(~x1 ) = ~x1 p(~x2 ) = ~x2 p(~x3 ) = ~0

ii. Prouver que : p2 = p.

On dit que p est le projecteur sur Vect(~x1 , ~x2 ) parallèlement à Vect(~x3 ).
iii. Préciser p(~x) en fonction des coordonnées de ~x dans B.
(b) p est-elle injective ? surjective ? bijective ? Si oui, préciser p−1 .
(c) On adopte les notations de l’exercice 5.
i. Déterminer tous les réels λ tels que p − λId n’est pas injective.
ii. Préciser une base de chaque sous espace propre de p.
iii. Montrer que E0 (p) et E1 (p) sont supplémentaires dans R3 .
9. Soit B = (~e1 , ~e2 , ~e3 ) la base canonique de R3 et Id l’application identique de R3 . On pose :

~x1 = 3~e1 + ~e2 − 4~e3 ~x2 = −~e1 + 2~e2 − 3~e3 ~x3 = 5~e1 − ~e2 + 2~e3
206 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

(a) i. Justifier que :

∃!s ∈ L(R3 ) / s(~x1 ) = −~x1 s(~x2 ) = ~x2 s(~x3 ) = ~x3

ii. Montrer que : s2 = Id.

On dit que s est la symétrie par rapport à Vect(~x2 , ~x3 ) parallèlement à Vect(~x1 ).
iii. Préciser s(~x) en fonction des coordonnées de ~x dans B.
(b) s est-elle injective ? surjective ? bijective ? Si oui, préciser s−1 .
(c) On adopte les notations de l’exercice 5.

i. Déterminer tous les réels λ tels que s − λId n’est pas injective.
ii. Préciser une base de chaque sous espace propre de s.
iii. Montrer que E−1 (s) et E1 (s) sont supplémentaires dans R3 .

10. Soit (~u, ~v ) une famille de vecteurs libre dans R3 .

(a) Montrer que Vect(~u) est isomorphe à R.

(b) Montrer que Vect(~u, ~v ) est isomorphe à R2 .
 
  2x − 3y
x
11. Soit f : R2 → R3 , 7→  3x − 4y .
y
−x + y

(a) Déterminer Ker(f ) puis Im(f ).

(b) f est-elle injective ? surjective ? bijective ?
(c) Montrer que Im(f ) est isomorphe à R2 .

15.8 Solutions des exercices

1. (a) On a :
u ◦ (u − Id) = −Id et (u − Id) ◦ u = Id

Conclusion : u est bijectif et u−1 = Id − u .

(b) Supposons l’existence d’un vecteur ~x tel que u(~x) = 2~x. Alors :

~0 = u2 (~x) − u(~x) + Id(~x) = u(2~x) − 2~x + ~x = 4~x − ~x = 3~x

Conclusion : {~x ∈ Rn |u(~x) = 2~x} = {~0} .

2. Soit k un entier naturel.

(a) Soit ~x ∈ Ker(uk ). Alors :

uk+1 (~x) = u(uk (~x)) = u(~0) = ~0

donc ~x ∈ Ker(uk+1 ). Conclusion : Ker(uk ) ⊂ Ker(uk+1 ) .

(b) Soit ~y ∈ Im(uk+1 ). Alors : ∃~x ∈ Rn /~y = uk+1 (~x)
On en déduit que : ~y = uk (u(~x)) et donc que : ~y ∈ Im(uk ).
Conclusion : Im(uk+1 ) ⊂ Im(uk ) .
15.8. SOLUTIONS DES EXERCICES 207

3. Soit B = (~e1 , ~e2 ) la base canonique de R2 . Soit f un endomorphisme de R2 . Alors

∃!(a, b, c, d) ∈ R4 / f (~e1 ) = a~e1 + b~e2 , f (~e2 ) = c~e1 + d~e2
On en déduit que :
f 2 (~e1 ) = (a2 + bc)~e1 + b(a + d)~e2 et f 2 (~e2 ) = c(a + d)~e1 + (bc + d2 )~e2
Analyse : Supposons que f 2 = Θ. Alors :
a2 + bc = 0 b(a + d) = 0 c(a + d) = 0 bc + d2 = 0
Si a + d 6= 0 alors b = c = 0 et donc a2 = d2 = 0 d’où a + d = 0 ce qui est absurde. On en déduit
que : a + d = 0. Si a 6= 0 (et donc d 6= 0) alors :
a2
b 6= 0 et c=−
b
et donc f (~e1 ) = a~e1 + b~e2 et f (~e2 ) = − ab f (~e1 ).
Si a = 0 (et donc d = 0) alors :
b=0 ou c=0
et donc f (~e1 ) = ~0 ou f (~e2 ) = ~0.
Synthèse : Supposons que f (~e1 ) et f (~e2 ) sont colinéaires.
Si a = b = d = 0 alors f (~e1 ) = ~0, f (~e2 ) = c~e1 et donc f 2 (~e1 ) = ~0 et f 2 (~e2 ) = ~0 ce qui prouve que
f 2 = Θ.
Si a = c = d = 0 alors, de même, on prouve que f 2 = Θ.
2
Si a 6= 0, b 6= 0, c = − ab , d = −a alors :
a2 a
f (~e1 ) = a~e1 + b~e2 et f (~e2 ) = − ~e1 − a~e2 = − f (~e1 )
b b
f 2 (~e1 ) = ~0 et f (~e2 ) = ~0
2

2
ce qui prouve que f = Θ.
f (~e1 ) = ~0

 ∃c ∈ R/ f (~e2 ) = c~e1
2
Conclusion : f = Θ ⇔ ou bien ∃b ∈ R/ f (~e1 ) = b~e2 f (~e2 ) = ~0 .
∗ a
ou bien ∃(a, b) ∈ R × R / f (~e1 ) = a~e1 + b~e2 f (~e2 ) = − b f (~e1 )


4. s
5. s    0 
x x
6. (a) Soit (λ, λ0 ) ∈ R2 et  y  ,  y 0  ∈ (R3 )2 . Alors :
z z0
 0 
λx + λ0 x0
    
x x
f λ  y  + λ0  y 0  = f  λy + λ0 y 0 
z z0 λz + λ0 z 0
−2(λx + λ0 x0 ) + (λy + λ0 y 0 ) + (λz + λ0 z 0 )
 

=  (λx + λ0 x0 ) − 2(λy + λ0 y 0 ) + (λz + λ0 z 0 ) 

(λx + λ0 x0 ) + (λy + λ0 y 0 ) − 2(λz + λ0 z 0 )
λ(−2x + y + z) + λ0 (−2x0 + y 0 + z 0 )
 

=  λ(x − 2y + z) + λ0 (x0 − 2y 0 + z 0 ) 
λ(x + y − 2z) + λ0 (x0 + y 0 − 2z 0 )
−2x0 + y 0 + z 0
   
−2x + y + z
= λ  x − 2y + z  + λ0  x0 − 2y 0 + z 0 
x + y − 2z x0 + y 0 − 2z 0
   0 
x x
= λf  y  + λ0 f  y 0 
z z0
208 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

Conclusion : f ∈ L(R3 ) .
(b) Injectivité :
      
x −2x + y + z 0  −2x + y + z = 0
 y  ∈ Ker(f ) ⇔  x − 2y + z  =  0  ⇔ x − 2y + z = 0
z x + y − 2z 0 x + y − 2z = 0


On effectue les opérations élémentaires L1 ↔ L2 puis L2 ← L2 + 2L1 et L3 ← L3 − L1 et on

obtient :
      
x  x − 2y + z = 0  x 1
x − 2y + z = 0
 y  ∈ Ker(f ) ⇔ −3y + 3z = 0 ⇔ ⇔  y  ∈ Vect   1 
y = z
z 3y − 3z = 0 z 1


Conclusion : f n’est pas injective .

Surjectivité :
            
1 0 0 −2 1 1
Im(f ) = Vect f  0  , f  1  , f  0  = Vect  1  ,  −2  ,  1 
0 0 1 1 1 −2

Comme la somme des trois vecteurs engendrant l’image est nulle, on en déduit que :
   
−2 1
Im(f ) = Vect  1  ,  −2 
1 1

Les deux vecteurs restant n’étant pas colinéaires, on a bien obtenu une base de l’image de f . Ce
sous espace ne contenant pas, par exemple, le premier vecteur de la base canonique (à vérifier),
on en déduit que :
Im(f ) 6= R3
Conclusion : f n’est pas surjective .
(c) i. L’application f − λId n’est pas injective si et seulement si :
   
x x
∃  y  6= ~0 /  y  ∈ Ker(f − λId)
z z
  
x  (−2 − λ)x + y + z = 0
∃ y
  ~
6 0/
= x + (−2 − λ)y + z = 0
z x + y + (−2 − λ)z = 0


On effectue les opérations élémentaires L1 ↔ L2 puis L2 ← L2 +(2+λ)L1 et L3 ← L3 −L1

et on obtient :
  
x  x + (−2 − λ)y + z = 0
∃ y
  ~
6= 0 / −(λ + 3)(λ + 1)y + (λ + 3)z = 0
z (λ + 3)y − (λ + 3)z = 0


Si λ = −3 alors ce système est équivalent à l’unique équation x+y+z = 0 dont l’ensemble

des solutions est :    
−1 −1
E−3 (f ) = Vect  1  ,  0 
0 1
15.8. SOLUTIONS DES EXERCICES 209

qui n’est pas réduit au seul vecteur nul. Remarquons que E−3 (f ) = Im(f ).
Si λ 6= −3 alors on peut simplifier les équations du système et obtenir :
 
 x + (−2 − λ)y + z = 0  x = (λ + 1)z
−(λ + 1)y + z = 0 ⇔ λy = 0
y−z = 0 y = z
 

Si λ = 0 alors ce système a pour ensemble des solution :

 
1
E0 (f ) = Vect   1  = Ker(f )
1
Si λ 6∈ {−3, 0} alors le vecteur nul est la seule solution.
Conclusion : Sp(f ) = {−3, 0} .
 
1
ii. On a E0 (f ) = Vect  1  et l’unique vecteur engendrant ce sous espace forme une
1
famille libre danc on a obtenu une base de E0 (f ).
   
−1 −1
On a aussi E−3 (f ) = Vect  1  ,  0  . Comme les deux vecteurs engen-
0 1
drants ce sous espace ne sont colinéaires alors ils en constituent une base.
iii. Par concaténation,
 ilsuffit de prouver que les trois vecteurs précédents forment une base de
x
3
R . Soit alors  y  ∈ R3 . On a :
z
        
x 1 −1 −1  x = a−b−c
 y  = a 1  + b 1  + c 0  ⇔ y = a+b
z 1 0 1 z = a+c


 x+y+z = 3a
⇔ b = y−a
c = z−a

 1
 a = 3
(x + y + z)
1
⇔ b = 3 (−x + 2y − z)
c = 13 (−x − y + 2z)


d’où l’existence et l’unicité de la décomposition.

Conclusion : R3 = E0 (f ) ⊕ E−3 (f ) .
7. (a) On sait que (~e1 , ~e2 , ~e3 ) est une base de R3 (espace de départ) et que (2~e1 , 2~e2 , −~e1 − ~e2 + 2~e3 )
est une famille de vecteurs de R3 (espace d’arrivée).
Conclusion : Il existe un unique endomorphisme de R3 qui transforme B en cette famille .
 
x1
Soit ~x =  x2  ∈ R3 . Alors :
x3 B

f (~x) = x1 f (~e1 ) + x2 f (~e2 ) + x3 f (~e3 ) = (2x1 − x3 )~e1 + (2x2 − x3 )~e2 + (2x3 )~e3
   
x1 2x1 − x3
Conclusion : f  x2  =  2x2 − x3  .
x3 B 2x3 B
210 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

(b) Déterminons le noyau de f . On a :

   
x1  2x1 − x3 = 0  x1 = 0
 x2  ∈ Ker(f ) ⇔ 2x2 − x3 = 0 ⇔ x2 = 0
x3 B 2x3 = 0 x3 = 0
 

Conclusion : Ker(f ) = {~0} et f est injective .

Déterminons l’image de f . On a :
     
2 0 −1
Im(f ) = Vect (f (~e1 ), f (~e2 ), f (~e3 )) = Vect  0  ,  2  ,  −1 
0 0 2
 
y1
Soit ~y =  y2  ∈ R3 . Alors :
y3 B

~y ∈ Im(f ) ⇔ ∃(a, b, c) ∈ R3 /~y = af (~e1 ) + bf (~e2 ) + cf (~e3 )


 2a − c = y1
3
⇔ ∃(a, b, c) ∈ R / 2b − c = y2
2c = y3


 a = 12 y1 + 14 y3
3
⇔ ∃(a, b, c) ∈ R / b = 21 y2 + 14 y3
1
c = y

2 3

Conclusion : Im(f ) = R3 et f est surjective .

On déduit de cela que f est bijective et que :
 1
y + 14 y3
  
y1 2 1
f −1 : R3 → R3 ,  y 2  →
7  12 y2 + 14 y3 
1
y3 B y
2 3 B

(c) i. L’application f − λId n’est pas injective si et seulement si :

      

x1 2x1 − x3 x1 0
∃  x2  ∈ R3 − {~0} /  2x2 − x3  − λ  x2  = 0 
x3 B 2x3 B
x3 B
0 B
  
x1  (2 − λ)x1 − x3 = 0
∃  x2  ∈ R3 − {~0} / (2 − λ)x2 − x3 = 0
x3 B (2 − λ)x3 = 0


Si λ = 2 alors l’ensemble des solutions du système est E2 (f ) = Vect (~e1 , ~e2 ) 6= {~0}.
Si λ 6= 2 alors f − λId n’est pas injective si et seulement si :
  
x1  x1 = 0
∃ x2
  3
∈ R − {0} /~ x2 = 0
x3 B x3 = 0


ce qui est absurde.

Conclusion : Sp(f ) = {2} .
ii. On a obtenu précédemment : E2 (f ) = Vect (~e1 , ~e2 ) (cette famille génératrice du sous es-
pace propre étant bien libre, c’est donc une base).
15.8. SOLUTIONS DES EXERCICES 211

iii. Comme ~e3 6∈ E2 (f ) alors R3 6= E2 (f ) donc la somme n’est pas directe .

 
u1
8. (a) i. Il s’agit de prouver que B 0 = (~x1 , ~x2 , ~x3 ) est une base de R3 . Soit ~u =  u2  ∈ R3 .
u3 B
Alors : 
 3a − b + 5c = u1
~u = a~x1 + b~x2 + c~x3 ⇔ a + 2b − c = u2
−4a − 3b + 2c = u3


On effectue les opérations élémentaires L1 ↔ L2 puis L2 ← L2 − 3L1 et L3 ← L3 + 4L1 et

on obtient : 
 a + 2b − c = u2
~u = a~x1 + b~x2 + c~x3 ⇔ −7b + 8c = u1 − 3u2
5b − 2c = u3 + 4u2

 1
 a = 26 u1 − 12 u2 − 269
u3
1 4
~u = a~x1 + b~x2 + c~x3 ⇔ b = 13 u1 + u2 + 13 u3
5
c = 26 u1 + 12 u2 + 26
7
u3


ce qui prouve l’existence et l’unicité de la combinaison linéaire. Ainsi B 0 est bien une base
de R3 (espace de départ). De plus (~x1 , ~x2 , ~0) est une famille de vecteurs de R3 (espace
d’arrivée).
Conclusion : Il existe un unique endomorphisme de R3 qui transforme B 0 en cette famille .
ii. On a :
p2 (~x1 ) = p(p(~x1 )) = p(~x1 ) p2 (~x2 ) = p(~x2 ) p2 (~x3 ) = p(~0) = ~0 = p(~x3 )
donc p2 et p ont même image sur la base B 0 . Mais on sait qu’il existe une unique application
linéaire qui transforme B 0 en une famille donnée et p2 et p sont linéaires.
Conclusion : p2 = p .
   1 1 9

u1 26
u 1 − 2
u 2 − 26
u 3
1 4
iii. Soit ~u =  u2  ∈ R3 . On en déduit que : ~u =  13 u1 + u2 + 13 u3  . Ainsi :
5 1 7
u3 B 26 1
u + 2 u2 + 26 u3 B0
   
1 1 9 1 4
p(~u) = u1 − u2 − u3 ~x1 + u1 + u2 + u3 ~x2
26 2 26 13 13
   
  3   −1
1 1 9 1 4
= u1 − u2 − u3  1  + u1 + u2 + u3  2 
26 2 26 13 13
−4 B −3 B
   1 5 35

u1 26
u 1 − 2
u 2 − 26
u 3
5
Conclusion : p  u2  =  26 u1 + 32 u2 + 26
7
u3  .
5 6
u3 B − 13 u1 − u2 − 13 u3 B
(b) Déterminons le noyau de p. Travaillons dans la base B 0 . On a :
  
u1  u1 = 0
 u2  ∈ Ker(p) ⇔ u2 = 0
u3 B 0 0 = 0


Conclusion : Ker(p) = Vect(~x3 ) et p n’est pas injective .

Déterminons l’image de p. Travaillons dans la base B 0 . On a :
Im(p) = Vect (p(~x1 ), p(~x2 ), p(~x3 )) = Vect (~x1 , ~x2 )

Conclusion : Im(p) = Vect (~x1 , ~x2 ) 6= R3 et p n’est pas surjective .

212 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN

(c) i. Travaillons dans la base B 0 . L’application p − λId n’est pas injective si et seulement si :
       
u1 u1 u1 0
∃  u2  ∈ R3 − {~0} /  u2  − λ  u2  =  0 
u3 B 0 0 B0
u3 B 0 0 B0
  
u1  (1 − λ)u1 = 0
∃  u2  ∈ R3 − {~0} / (1 − λ)u2 = 0
u3 B 0 −λu3 = 0


Si λ = 1 alors l’ensemble des solutions du système est E1 (p) = Vect (~x1 , ~x2 ) 6= {~0}.
Si λ = 0 alors l’ensemble des solutions du système est E0 (p) = Vect (~x3 ) 6= {~0}.
Si λ 6∈ {0, 1} alors le système n’admet pas de solution non nulle.
Conclusion : Sp(p) = {0, 1} .

ii. On a obtenu précédemment : E0 (p) = Vect (~x3 ) et E1 (p) = Vect (~x1 , ~x2 ) .
Remarquons que : E0 (p) = Ker(p) et E1 (p) = Im(p).
iii. Comme la concaténation des bases obtenues pour E0 (p) et E1 (p) est la base B 0 de R3 , on
en déduit que : R3 = E0 (p) ⊕ E1 (p), les sous espaces propres sont supplémentaires .
9. (a) i. Il s’agit de prouver que B 0 = (~x1 , ~x2 , ~x3 ) est une base de R3 (espace de départ), ce qui a été
fait à l’exercice précédent. De plus (−~x1 , ~x2 , ~x3 ) est une famille de R3 (espace d’arrivée)
Conclusion : Il existe un unique endomorphisme de R3 qui transforme B 0 en cette famille .
ii. On a :

s2 (~x1 ) = s(s(~x1 )) = s(−~x1 ) = −s(~x1 ) = −(−~x1 ) = ~x1 s2 (~x2 ) = ~x2 s2 (~x3 ) = ~x3

donc s2 et Id ont même image sur la base B 0 . Mais on sait qu’il existe une unique application
linéaire qui transforme B 0 en une famille donnée et s2 et Id sont linéaires.
Conclusion : s2 = Id .
   1 1 9

u1 26
u 1 − 2
u 2 − 26
u 3
1 4
iii. Soit ~u =  u2  =  13 u1 + u2 + 13 u3  ∈ R3 (d’après l’exercice précédent).
5
u3 B 26 1
u + 12 u2 + 267
u3 B 0
Par linéarité, on obtient :
1
u1 − 21 u2 − 26
9 1 4 5
u1 + 12 u2 + 26
7




s(~u) = − 26 u3 ~x1 + 13 u1 + u2 + 13 u3 ~x2 + 26 u3 ~x3

En remplaçant les vecteurs ~xi par leurs coordonnées dans la base B, on obtient :
 10
u + 3u2 + 27
  
u1 13 1
u
13 3
1 9
s  u2  =  − 13 u1 + 2u2 + 13 u3 
4 23
u3 B 13 1
u − 4u2 − 13 u3 B

(b) Déterminons le noyau de s. Travaillons dans la base B 0 . On a :

  
u1  −u1 = 0
 u2  ∈ Ker(s) ⇔ u2 = 0
u3 B 0 u3 = 0


Conclusion : Ker(s) = {~0} et s est injective .

Déterminons l’image de s. Travaillons dans la base B 0 . On a :

Im(s) = Vect (s(~x1 ), s(~x2 ), s(~x3 )) = Vect (−~x1 , ~x2 , ~x3 ) = Vect (~x1 , ~x2 , ~x3 ) = R3
15.8. SOLUTIONS DES EXERCICES 213

puisque B 0 = (~x1 , ~x2 , ~x3 ) est une base de R3 .

Conclusion : Im(s) = Vect (~x1 , ~x2 , ~x3 ) = R3 et s est surjective .
En fait, les calculs précédents de cette question sont inutiles puisque, comme s2 = Id, on en
déduit que s ∈ GL(R3 ) et que s−1 = s (principe de la symétrie).
(c) i. Travaillons dans la base B 0 . L’application s − λId n’est pas injective si et seulement si :
       
u1 −u1 u1 0
∃ u2
  3
∈ R − {0} / ~  u2  − λ u2
  =  0 
u3 B 0 u3 B0
u3 B 0 0 B0
  
u1  (−1 − λ)u1 = 0
∃ u2
  3 ~
∈ R − {0} / (1 − λ)u2 = 0
u3 B 0 (1 − λ)u3 = 0


Si λ = 1 alors l’ensemble des solutions du système est E1 (s) = Vect (~x1 ) 6= {~0}.
Si λ = −1 alors l’ensemble des solutions du système est E−1 (s) = Vect (~x2 , ~x3 ) 6= {~0}.
Si λ 6∈ {−1, 1} alors le système n’admet pas de solution non nulle.
Conclusion : Sp(s) = {−1, 1} .

ii. On a obtenu précédemment : E1 (s) = Vect (~x1 ) et E−1 (s) = Vect (~x2 , ~x3 ) .
iii. Comme la concaténation des bases obtenues pour E−1 (s) et E1 (s) est la base B 0 de R3 , on
en déduit que : R3 = E−1 (s) ⊕ E1 (s), les sous espaces propres sont supplémentaires .
10. (a) Le vecteur ~u est non nul puisque la famille (~u, ~v ) est libre. Ainsi, (~u) est une base de Vect(~u). De
plus, (1) est une base de R. On sait qu’il existe une unique application linéaire f qui transforme
~u en 1. Comme f transforme une base en une base, alors f est bijective.
Conclusion : Vect(~u) est isomorphe à R .
(b) Comme la famille (~u, ~v ) est libre alors c’est une base de Vect(~u, ~v ). Soit (~i, ~j) la base canonique
de R2 . On sait qu’il existe une unique application linéaire g qui transforme ~u en ~i et ~v en ~j. De
plus, comme g transforme une base en une base, on en déduit que g est bijective.
Conclusion : Vect(~u, ~v ) est isomorphe à R2 .
11. S
214 CHAPITRE 15. APPLICATIONS LINÉAIRES DE RP DANS RN
Chapitre 16

Étude locale des fonctions

16.1 Introduction
16.1.1 Notations
Dans tout ce chapitre :
– I désigne un intervalle de R ;
– x0 désigne un réel qui, ou bien est un élément de I, ou bien n’est pas un élément de I mais est alors
l’une de ces bornes ;
– f est une fonction définie sur I à valeurs réelles ;
– Cf désigne la courbe représentative de f dans un repère orthogonal (O,~i, ~j) quelconque ;
– R̄ désigne l’ensemble R ∪ {−∞, +∞}.

16.1.2 À propos des démonstrations

Aucune démonstration n’est exigible, mais toutes les démonstrations rédigées ont valeur de méthode :
à bon entendeur ...

16.1.3 Quelques notions préliminaires

Proposition
L’ensemble A(I, R) des fonctions définies sur l’intervalle I et à valeurs dans R est un R-espace vectoriel
pour la somme usuelle de deux fonctions et la multiplication usuelle des fonctions par un réel :

f +g : I → R λf : I → R
et
x 7→ (f + g)(x) = f (x) + g(x) x 7→ (λf )(x) = λf (x)

pour tout couple (f, g) ∈ A(I, R)2 et tout réel λ.

Preuve
Élémentaire et sans intérêt.

Définitions
– On appelle voisinage de x0 tout intervalle ouvert contenant x0 .
– On appelle voisinage de +∞ (resp. −∞) tout intervalle ouvert non majoré (resp. non minoré).
– On dit que f possède une propriété P(x) au voisinage de x0 (resp. +∞, −∞) si et seulement si P(x)
est vraie pour tout réel x appartenant à un voisinage de de x0 (resp. +∞, −∞).

215
216 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

16.2 Limite en l’infini

Par analogie avec les limites des suites (les suites ne sont jamais que des fonctions particulières), on a
les définitions suivantes concernant la limite (éventuelle) en +∞ d’une fonction ainsi que sa limite en −∞.

Définitions
On suppose ici que I n’est pas majoré.
– On dit que f admet pour limite le réel L en +∞ si et seulement si tout voisinage de L contient toutes
les images d’un voisinage de +∞. Autrement dit, lim f (x) = L si et seulement si :
x→+∞

∀ε > 0, ∃A ∈ R / ∀x ∈ [A, +∞[∩I, |f (x) − L| ≤ ε

– On dit que f admet +∞ (resp. −∞) pour limite en +∞ si et seulement si tout voisinage de +∞ (resp.
−∞) contient les images d’un voisinage de +∞. Autrement dit, lim f (x) = +∞ (resp. −∞) si et
x→+∞
seulement si :

∀M ∈ R, ∃A ∈ R / ∀x ∈ [A, +∞[∩I, f (x) ≥ M (resp. ≤ M )

– On dit que f n’admet pas de limite en +∞ dans les autres cas.

On a des définitions analogues pour la limite en −∞ (dans le cas où I n’est pas minoré).

Exemples
Soit n ∈ N∗ . Déterminer, si elles existent, les limites en +∞ et en −∞ de :

1
f : x 7→ xn g : x 7→ h : x 7→ bxc
xn

sin : x 7→ sin(x) cos : x 7→ cos(x) tan : x 7→ tan(x)

Exercice
Démontrer que si f admet une limite non nulle en +∞ (limite finie ou infinie) alors f ne s’annule pas
sur un voisinage de +∞.

Théorème
La limite de f en +∞, si elle existe, est unique.

Preuve
Revoir la preuve rédigée dans le cas des suites.

Propositions
Quelques limites usuelles en +∞ ou −∞ :
ln(x)
– lim ln(x) = +∞ et lim = 0 pour tout α > 0 ;
x→+∞ x→+∞ xα
x
e
– lim ex = +∞ et lim α = +∞ pour tout α > 0 ;
x→+∞ x→+∞ x
– lim ex = 0 et lim xα ex = 0 pour tout α > 0.
x→−∞ x→−∞
16.3. LIMITE EN UN POINT 217

16.3 Limite en un point

16.3.1 Limite finie et continuité en x0
La limite est une propriété locale, nous allons adapter ici la notion de limite en l’infini pour définir la
limite en un point.

Définitions
Soit L ∈ R.
– On dit que f admet pour limite le réel L en x0 si et seulement si tout voisinage de L contient les
images d’un voisinage de x0 . Autrement dit, lim f (x) = L si et seulement si :
x→x0

∀ε > 0, ∃α > 0 / ∀x ∈ [x0 − α, x0 + α] ∩ I, |f (x) − L| ≤ ε

– Dans le cas où x0 ∈ I, on dit alors que f est continue en x0 .

– Dans le cas où x0 ∈ / I mais est une borne de I, on dit alors que f se prolonge par continuité en
x0 en la fonction :

f˜ : I ∪ {x0 } → R
f˜(x) = L

si x = x0
x 7→ ˜
f (x) = f (x) si x 6= x0

appelée prolongement par continuité de f en x0 .

– On dit que f est discontinue en x0 si et seulement si x0 ∈ I et f n’admet pas de limite réelle en x0 .

Remarques
– Une fonction ne peut se prolonger (par continuité ou non) en x0 que si elle n’est pas déjà définie en
x0 .
– Lorsque f se prolonge par continuité en x0 alors son prolongement par continuité est une fonction
continue en x0 .
– On a l’équivalence suivante :

lim f (x) = L ⇔ lim |f (x) − L| = 0

x→x0 x→x0

Exemples
1. Les fonctions exp et ln sont continues en tout point de leur domaine de définition.
2. Montrer que les fonctions puissances (entières) et leurs inverses sont continues en tout point de leur
domaine de définition.
3. Montrer que la fonction Ent est continue en tout point de x0 ∈
/ Z.
bxc
4. Montrer que la fonction x 7→ définie sur [−2, −1[ se prolonge par continuité en −1.
x
5. Montrer que la fonction valeur absolue en continue en 0.
6. On admet que les fonctions sin et cos admettent une limite en 0, limites respectivement égales 0 et 1.
Montrer que sin et cos sont continues en tout x0 ∈ R.

Exercice
Montrer que si f admet une limite réelle non nulle en x0 alors f ne s’annule pas sur un voisinage de x0 .
218 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

Théorème

Si f admet une limite réelle en x0 alors cette limite est unique.

Preuve

S’inspirer des démonstrations en +∞.

Proposition

On suppose que x0 ∈ I. Alors, f en continue en x0 si et seulement si :

lim f (x) = f (x0 )

x→x0

Preuve
– ⇒ Comme f est continue en x0 alors f admet une limite égale à un réel L en x0 . On écrit la
définition de la limite et, en constatant que x0 est dans tout les intevalles du type [x0 − α, x0 + α], on
obtient :
∀ε > 0, |f (x0 ) − L| ≤ ε
ce qui prouve que f (x0 ) = L.
– ⇐ Par existence de la limite.

Propositions

Quelques limites finies usuelles en 0 :

– ∀α ∈]0, +∞[, lim xα ln(x) = 0,
x→0
ln(1 + x) ex − 1
– lim = 1 et lim = 1,
x→0 x x→0 x
sin(x) cos(x) − 1 tan(x)
– lim = 1, lim = 0, lim = 1.
x→0 x x→0 x x→0 x

Exemple

Justifier que la fonction f :]0, +∞[→ R, x 7→ x ln(x) se prolonge par continuité en 0.

16.3.2 Limite infinie en x0

Définition

On suppose que x0 ∈ / I mais est une borne de I. On dit que f admet pour limite +∞ (resp. −∞) en
x0 si et seulement si tout voisinage de +∞ (resp. −∞) contient toutes les images d’un voisinage de x0 .
Autrement dit, lim f (x) = +∞ (resp. −∞) si et seulement si :
x→x0

∀M ∈ R, ∃α > 0 / ∀x ∈ [x0 − α, x0 + α] ∩ I, f (x) ≥ M (resp. ≤ M )

Exemples

1. Déterminer la limite en 0 de x 7→ 1/xn définie sur ]0, +∞[ pour tout entier naturel n non nul.
2. Déterminer la limite en 0 de x 7→ 1/xn définie sur ] − ∞, 0[ pour tout entier naturel n non nul.
16.3. LIMITE EN UN POINT 219

Remarque
Notez bien que l’on ne s’intéresse qu’à des fonctions définies sur un unique intervalle. Ainsi, lorsqu’une
fonction est définie sur une réunion d’intervalles, toutes les démonstrations de limite et/ou de continuité se
rédigent intervalle par intervalle.

16.3.3 Pas de limite en x0

Définition
On dit que f n’admet pas de limite en x0 si et seulement si f n’admet ni limite réelle ni limite infinie
en x0 .

Exemple
Justifier que x 7→ sin( x1 ), définie pour tout x > 0, n’admet pas de limite en 0.

16.3.4 Limite à gauche en x0 , limite à droite en x0

Définition
Soit L un réel.
– On dit que f admet pour limite à gauche le réel L en x0 , ce que l’on note lim− f (x) = L, si et
x→x0
seulement si :
∀ε > 0, ∃α > 0 / ∀x ∈ [x0 − α, x0 [∩I, |f (x) − L| ≤ ε
– On dit que f admet pour limite à droite le réel L en x0 , ce que l’on note lim+ f (x) = L, si et
x→x0
seulement si :
∀ε > 0, ∃α > 0 / ∀x ∈]x0 , x0 + α] ∩ I, |f (x) − L| ≤ ε

Remarques
– Notez bien ici que l’on a :

x0 ∈
/ [x0 − α, x0 [ et x0 ∈]x
/ 0 , x0 + α]

En particulier, f n’a pas besoin d’être définie en x0 pour admettre (éventuellement) une limite à
gauche ou à droite.
– Si I =]x0 , +∞[ (resp. I =] − ∞, x0 [) alors :

lim f (x) = lim f (x) (resp. ) lim− f (x) = lim f (x)

x→x+ x→x0 x→x0 x→x0
0

dans la mesure où ces limites existent.

Exemple
Déterminer la limite à gauche et la limite à droite de la fonction partie entière en n ∈ Z.

Proposition
On suppose que x0 ∈ I. Alors, f est continue en x0 si et seulement si f admet une limite à gauche et/ou
à droite et :
lim− f (x) = f (x0 ) = lim+ f (x)
x→x0 x→x0
220 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

Preuve
– ⇒ Supposons que f est continue en x0 . Alors la limite en x0 vaut f (x0 ). De plus, la définition de la
limite donne les limites à gauche et à droite (par restrictions de l’intervalle [x0 − α, x0 + α]).
– ⇐ Supposons l’existence de la limite à gauche et/ou à droite ainsi que l’égalité à f (x0 ). En réunis-
sant les valeurs de x obtenues pour un certain ε > 0, on obtient la limite en x0 .

Exemples
1. Montrer que x 7→ xEnt(x) est continue en 0.
2. Montrer que la fonction Ent n’est continue en aucun point de Z.
3. Montrer que la fonction valeur absolue est continue en 0.

16.4 Opérations et limites

16.4.1 Limites et opérations usuelles sur les fonctions
On suppose dans ce paragraphe que x0 ∈ R̄.
Nous ne nous attarderons pas sur l’existence et le calcul des limites en x0 de la somme de deux fonctions,
du produit d’une fonction par un réel et du produit de deux fonctions.

Conséquences
– Pour tout x0 ∈ R̄, l’ensemble des fonctions définies sur I et admettant une limite finie en x0 est un
sous espace vectoriel de A(I, R).
– Pour tout x0 ∈ R, l’ensemble des fonctions définies sur I et continues en x0 est un sous espace
vectoriel de A(I, R).
– Le produit de deux fonctions continues en x0 ∈ R est une fonction continue en x0 ∈ R.

Exemples
1. Montrer que toute fonction polynôme est continue en tout réel.
2. Déterminer lim (1 + x + · · · + xn )ex .
x→−∞

16.4.2 Limites et composées de fonctions

Propositions
Soit (x0 , y0 , z0 ) ∈ R̄3 . Si f une fonction admettant pour limite y0 en x0 et si g est une fonction admettant
pour limite z0 en y0 alors g ◦ f est une fonction admettant pour limite z0 en x0 .

Preuve
De nombreux cas sont à distinguer. Rédigeons la preuve dans le seul cas où (x0 , y0 , z0 ) ∈ R3 . Soit
ε > 0. Alors, d’après la limite de g (définie sur un intervalle J) en y0 , il existe β > 0 tel que :
∀y ∈ [y0 − β, y0 + β] ∩ J, |g(y) − z0 | ≤ ε
D’après la limite de f en x0 , on a alors l’existence de α > 0 tel que :
∀x ∈ [x0 − α, x0 + α] ∩ I, |f (x) − y0 | ≤ β
Ainsi, pour y = f (x) (puisque les conditions sont satisfaites), on en déduit que :
∀x ∈ [x0 − α, x0 + α] ∩ I, |(g ◦ f )(x) − z0 | ≤ ε
16.4. OPÉRATIONS ET LIMITES 221

Corollaires
– Si g admet pour limite le réel non nul L (resp. ±∞) en x0 alors 1/g admet pour limite le réel 1/L
(resp. 0) en x0 .
– Si g admet pour limite 0 en x0 et si g est strictement positive (resp. négative) sur un voisinage de x0
alors 1/g admet pour limite +∞ (resp. −∞) en x0 .

Preuves
On compose avec la fonction inverse et on utilise ses limites.

Exemples
ln(x)
1. Montrer que : lim = 1.
x→1 x − 1

2. Montrer que x 7→ e−1/x , définie sur ]0, +∞[, est prolongeable par continuité en 0.
3. Limite en l’infini du quotient de deux fonctions polynômes.

Autres corollaires
– Si f est continue en x0 ∈ I et si g est continue en f (x0 ) alors g ◦ f est continue en x0 .
– Si g(x0 ) 6= 0 et si f et g sont continues en x0 , alors 1/g et f /g sont continues en x0 .

Preuves
Conséquences directes des propositions et de leurs corollaires qui précédent.

Exemple
Montrer que le quotient de deux fonctions polynômes est une fonction continue en tout point de son
domaine de définition.

Théorème (dit de caractérisation séquentielle de la limite)

– La fonction f admet pour limite L ∈ R̄ en x0 ∈ R̄ si et seulement si, pour toute suite de réels (un )n∈N
admettant pour limite x0 , la suite (f (un ))n∈N admet pour limite L.
– En particulier, f est continue en x0 ∈ I si et seulement si, pour toute suite de réels (un )n∈N admettant
pour limite x0 , la suite (f (un ))n∈N admet pour limite f (x0 ).

Preuves
Plusieurs cas ici aussi, démonstration avec L et x0 réels.
– ⇒ Supposons que f admet L pour limite en x0 . Soit (un )n∈N une suite de réels admettant pour limite
x0 . Soit ε > 0. Alors, d’après la limite de f en x0 , il existe α > 0 tel que :

∀x ∈ [x0 − α, x0 + α] ∩ I, |f (x) − L| ≤ ε

Comme la suite converge vers x0 , on en déduit l’existence d’un entier naturel n0 tel que :

∀n ≥ n0 , |un − x0 | ≤ α

Alors, en remarquant que l’on peut poser x = un , on obtient :

∀n ≥ n0 , |f (un ) − L| ≤ ε

ce qui prouve la convergence de la suite (f (un )) vers L.

222 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

– ⇐ Supposons que, pour toute suite de réels (un )n∈N admettant pour limite x0 , la suite (f (un ))n∈N
admet pour limite L. On a :
∀x ∈ I, ∀n ∈ N, |f (x) − L| = |f (x) − f (un ) + f (un ) − L| ≤ |f (x) − f (un )| + |f (un ) − L|
Soit ε > 0...(abandon temporaire)

Exemples
1. Soit f définie sur R, continue en 0 et telle que :
∀x ∈ R, f (2x) = f (x)
Démontrer que f est constante sur R.
2. Étudier la suite définie par :
u0 = 1 et ∀n ∈ N, un+1 = ln(1 + e−un )

16.4.3 Limites et inégalités

On adapte les résultats donnés sur les limites de suites obtenues par majorations, minorations, encadre-
ments (limites en +∞, bien sûr dans le cas des suites) au cas des limites de fonctions en x0 ∈ R̄.

Propositions
Soit f, g, h trois fonctions définies sur I.
– Si f (x) ≤ g(x) sur un voisinage de x0 alors :
lim f (x) = +∞ ⇒ lim g(x) = +∞
x→x0 x→x0

lim g(x) = −∞ ⇒ lim f (x) = −∞

x→x0 x→x0

lim f (x) = L et lim g(x) = L0 ⇒ L ≤ L0

x→x0 x→x0

– Supposons que f (x) ≤ g(x) ≤ h(x) sur un voisinage de x0 . Si lim f (x) = L = lim h(x) alors g
x→x0 x→x0
admet une limite en x0 et lim g(x) = L.
x→x0

Preuves
Écrire les définitions.

Exemple
Montrer que la fonction x 7→ x sin(1/x), définie sur ]0, +∞[ se prolonge par continuité en 0.

16.5 Développement limité à l’ordre 0

Définition
On dit que f admet un développement limité à l’ordre 0 au voisinage de x0 (resp. ±∞) si et seulement
s’il existe un réel A et une fonction ε définie sur I et de limite 0 en x0 (resp. ±∞) tels que :
∀x ∈ I, f (x) = A + ε(x)
On notera DL0 (x0 ) (resp. DL0 (±∞)) l’ensemble des fonctions admettant un développement limité à l’ordre
0 au voisinage de x0 (resp. ±∞).
16.6. LES DIFFÉRENTES SORTE DE BRANCHES INFINIES D’UNE COURBE 223

Exemples
Déterminer un développement limité à l’ordre 0 de :
ln(x)
1. x 7→ au voisinage de 1 ;
x−1
ex − 1
2. x 7→ au voisinage de 0 ;
x
3
3. x 7→ au voisinage de +∞.
1 + x2

Propositions
– On suppose que x0 ∈ I. Alors, f ∈ DL0 (x0 ) si et seulement si f est continue en x0 . Dans ce cas, on
a:
∀x ∈ I, f (x) = f (x0 ) + ε(x) avec lim ε(x) = 0
x→x0

– On suppose que x0 ∈/ I mais est une borne de I (non infinie). Alors f ∈ DL0 (x0 ) si et seulement si f
se prolonge par continuité en x0 .

Preuves
s

16.6 Les différentes sorte de branches infinies d’une courbe

16.6.1 Branche infinie
Définition
La fonction f étant définie sur l’intervalle I, on note : J = f (I). On dit que la courbe Cf admet une
branche infinie si et seulement si :
– I n’est pas minoré (on parle alors de branche infinie lorsque x tend vers −∞),
– I n’est pas majoré (on parle alors de branche infinie lorsque x tend vers +∞),
– f admet une limite infinie en x0 (que x0 soit dans I ou bien sur un bord de I).

16.6.2 Asymptotes
Définitions
– On suppose que x0 6∈ I (et en est une extrémité). On dit que la droite d’équation x = x0 est asymptote
verticale à Cf au voisinage de x0 si et seulement si :

lim f (x) = ±∞
x→x0

– On suppose que I n’est pas majoré (resp. minoré). On dit que la droite d’équation réduite y = ax + b
est asymptote à Cf au voisinage de +∞ (resp. −∞) si et seulement si :

lim [f (x) − (ax + b)] = 0 (resp. limite en − ∞)

x→+∞

Dans le cas où le réel a est nul, on parle d’une asymptote horizontale ; dans le cas contraire (a 6= 0),
on parle d’une asymptote oblique.
224 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

Proposition

On suppose que I n’est pas majoré (resp. minoré). Alors, la droite d’équation réduite y = ax + b est
asymptote oblique à Cf au voisinage de +∞ (resp. −∞) si et seulement si :

f (x)
lim =a et lim [f (x) − ax] = b (resp. limites en − ∞)
x→+∞ x x→+∞

Preuve

C’est immédiat.

Exemple
3x2 + x − 1
Déterminer les asymptotes à la courbe de la fonction f : x 7→ .
x+3

16.6.3 Branches paraboliques

Définitions

On suppose que I n’est pas majoré (resp. minoré).

– On dit que Cf admet une branche parabolique de direction verticale au voisinage de +∞ (resp.
−∞) si et seulement si :

f (x)
lim = ±∞ (resp. limite en − ∞)
x→+∞ x

– On dit que Cf admet une branche parabolique de direction horizontale au voisinage de +∞ (resp.
−∞) si et seulement si :

f (x)
lim =0 et lim f (x) = ±∞ (resp. limites en − ∞)
x→+∞ x x→+∞

– On dit que Cf admet une branche parabolique de direction parallèle à la droite d’équation y = ax
au voisinage de +∞ (resp. −∞) si et seulement si :

f (x)
lim =a et lim [f (x) − ax] = ±∞ (resp. limites en − ∞)
x→+∞ x x→+∞

Exemples

Étudier les branches infinies des courbes de :

f (x) = ln(x) g(x) = x2 h(x) = 2x − ln(x) i(x) = ex

16.7 Comparaison des fonctions au voisinage d’un point ou de l’infini

16.7.1 Fonction négligeable devant une autre fonction
Par analogie avec la notion de suite négligeable devant une autre suite au voisinage de +∞, nous allons
définir la notion de fonction négligeable devant une autre fonction au voisinage de +∞ puis nous allons
étendre cette notion au voisinage de −∞ puis au voisinage dun réel x0 .
16.7. COMPARAISON DES FONCTIONS AU VOISINAGE D’UN POINT OU DE L’INFINI 225

Définitions
Soit f et g deux fonctions définies sur I.
– On dit que f est négligeable devant g au voisinage de +∞ si et seulement s’il existe un réel A et
une fonction ε définie sur l’intervalle V =]A, +∞[ tels que :

∀x ∈ V ∩ I, f (x) = ε(x)g(x) et lim ε(x) = 0

x→+∞

Notation :
f (x) = o (g(x))
x→+∞

– On dit que f est négligeable devant g au voisinage de −∞ si et seulement s’il existe un réel A et
une fonction ε définie sur l’intervalle V =] − ∞, A[ tels que :

∀x ∈ V ∩ I, f (x) = ε(x)g(x) et lim ε(x) = 0

x→−∞

Notation :
f (x) = o (g(x))
x→−∞

– On dit que f est négligeable devant g au voisinage de x0 si et seulement s’il existe un réel α > 0 et
une fonction ε définie sur l’intervalle V =]x0 − α, x0 + α[ tels que :

∀x ∈ V ∩ I, f (x) = ε(x)g(x) et lim ε(x) = 0

x→x0

Notation :
f (x) = o (g(x))
x→x0

Remarquez que, contrairement aux suites, il est indispensable de préciser au voisinage de quel élément on
établit la négligeabilité, ce qui est conforté par l’exemple qui suit.

Exemple
Soit f : x 7→ (x + 1)2 et g : x 7→ 1 + x + x2 + x3 . Déterminer quelle fonction est négligeable devant
l’autre aux voisinages de : −1, +∞ et −∞.

Propositions
On suppose ici que x0 ∈ R̄.
– Si g ne s’annule pas sur un voisinage de x0 alors :

f (x)
f (x) = o (g(x)) ⇔ lim =0
x→x0 x→x0 g(x)

– Une somme finie de fonctions toutes négligeables devant une même fonction g au voisinage de x0 est
encore une fonction négligeable devant g au voisinage de x0 .
– Revoir les autres propriétés dans le chapitre sur les suites.
– Si f est bornée au voisinage de x0 (en particulier si f admet une limite finie en x0 ) et si g admet une
limite infinie en x0 alors f est négligeable devant g au voisinage de x0 .
– Si lim f (x) = 0 et si lim g(x) ∈ R̄ − {0} alors : f (x) = o (g(x)).
x→x0 x→x0 x→x0

Preuves
Revoir celles rédigées dans le chapitre sur les suites.
226 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

16.7.2 Fonction équivalente à une autre fonction

Définitions
Soit f et g deux fonctions définies sur I.
– On dit que f est équivalente à g au voisinage du réel x0 si et seulement s’il existe un réel α > 0 et
une fonction h définie sur l’intervalle V =]x0 − α, x0 + α[ tels que :
∀x ∈ V ∩ I, f (x) = h(x)g(x) et lim h(x) = 1
x→x0

Notation :
f (x) ∼ g(x)
x→x0

– On adapte la définition et la notation précédentes pour l’équivalence aux voisinages de +∞ ou de

−∞.

Exemples
1. Montrer que : xn cos(x) ∼ xn .
x→+∞
1 1 1 1
2. Les fonctions x 7→ − et x 7→ + sont-elles équivalentes en 0 ? en 1 ? en +∞ ? en
x x−1 x x−1
−∞ ?

Propositions
Soit f et g définies sur I.
– Si g ne s’annule pas au voisinage de x0 alors :
f (x)
f (x) ∼ g(x) ⇔ lim =1
x→x0 x→x0 g(x)
– Si f est équivalente à g au voisinage de x0 alors f et g « se comportent » de la même manière au
voisinage de x0 : si l’une possède une limite finie (resp. infinie) ou bien ne possède pas de limite en
x0 alors l’autre possède la même limite finie (resp. infinie) ou bien ne possède pas de limite.
– Revoir les autres propriétés dans le chapitre sur les suites.

Preuves
Mêmes principes que pour les suites.

16.7.3 Équivalents usuels

Propositions
– On suppose ici que x0 ∈ R̄. Soit L un réel non nul. Alors :
lim f (x) = L ⇔ f (x) ∼ L
x→x0 x→x0

– Au voisinage de +∞ ou de −∞, un polynôme est équivalent à son terme de plus haut degré.
– Au voisinage de 0, un polynôme est équivalent à son terme de plus bas degré.
– Fonctions usuelles au voisinage de 0 :
∀α ∈ R, (1 + x)α − 1 ∼ αx
x→0

ln(1 + x) ∼ x et ex − 1 ∼ x
x→0 x→0
2
x
sin(x) ∼ x et 1 − cos(x) ∼ et tan(x) ∼ x
x→0 x→0 2 x→0
16.8. EXERCICES 227

Preuves
Voir le chapitre sur la dérivabilité.

Exemple
Montrer que : ln(x) ∼ x − 1.
x→1

16.8 Exercices
 
+ − x b
1. Soit a, b > 0. Déterminer les limites en 0 , 0 , +∞, −∞ de la fonction : f : x 7→ .
a x
2. Étudier l’existence de la limite en +∞ de :
x2 sin(x) cos(x2 ) + ln(2x) − x3
a(x) = b(x) =
x2 + 1 3x2 + sin(x) − x
 2
ln(x + 1)  3 4

c(x) = d(x) = x3 a1/x − a1/x pour a > 0
ln(x)
3. Étudier l’existence de la limite en 0 de :
sin2 (x)
   
1 ln(x) 1 1+x
a(x) = 2
sin b(x) = xα x pour α > 0 c(x) = ln
x x x −1 x 1−x

ln2 (cos(x)) tan(x) − sin(x)

d(x) = e(x) = f (x) = (cos(x))ln |x|
x[sin(x) − tan(x)] sin(x)[cos(2x) − cos(x)]
4. Étudier les limites aux bornes du domaine de définition, les possibilités de prolonger par continuité
et les branches infinies de :
√
x x2 − 1 x x √
a(x) = − b(x) = − c(x) = 3x + 9x2 − 7x + 2
2 x 1 + e1/x 2
√
x3 + 1 x−3 4x + 1 − 3
d(x) = 5 e(x) = √ √ f (x) = √
x +1 x− 3 x− x+2
ln(ln(x))
5. Calculer : lim (on pourra poser : X = xe ).
x→e x2 − 3ex + 2e2

6. Soit f :] − 1, 1[→ R telle que :

∃k ≥ 0 / ∀x 6= 0, |f (x)| ≤ k|x|

Démontrer que f est continue en 0 si et seulement si f (0) = 0.

7. Soit A = {ln(x)|x > 0}.
(a) On suppose que A est majoré.
i. Montrer que : lim ln(x) = sup(A).
x→+∞
√
ii. En considérant ln( x), montrer que cela est absurde.
(b) En déduire que ln admet une limite en +∞ et la préciser.
(c) Que vaut alors lim ln(x) ?
x→0
(d) En déduire les limites de la fonction exp aux bords de son domaine de définition.
228 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

8. Discuter, suivant les valeurs des réels a et b, l’existence (et la valeur) de :

 
a b
lim −
x→−1 x2 − 1 x + 1

9. Étudier le comportement de f : x 7→ xx aux bornes de son domaine de définition.

√
π sin(x) − 3/2
10. Déterminer la limite éventuelle en de .
3 cos(x) − 1/2
11. Montrer que : Ent(x) ∼ x.
x→±∞

12. Soit f la fonction caractéristique de Q, c’est à dire que :

f : R → R
1 si x ∈ Q
x 7→
0 si x ∈
/Q

(a) Montrer que f n’est continue en aucun point de R.

(b) Soit g la fonction définie par :
∀x ∈ R, g(x) = x f (x)
Étudier, en fonction du réel x0 , la continuité de g en x0 .
(c) Montrer que :
 
n
∀x ∈ R, f (x) = lim lim [cos(πx m!)]
m→+∞ n→+∞

13. Soit f définie sur un intervalle ouvert I de R contenant 0. On suppose que :

f (2x) − f (x)
lim f (x) = 0 et lim =0
x→0 x→0 x
(a) Montrer que, pour tout entier naturel n non nul et tout élément x non nul de I, on a :
n
f (x) f (2−n x) X −k
= + 2 ϕ(2−k x)
x x k=1

f (2x) − f (x)
où ϕ(x) = .
x
f (x)
(b) En déduire que : lim = 0.
x→0 x

f (2x) − f (x)
(c) Que peut-on dire si lim f (x) = 0 et lim = ` ∈ R?
x→0 x→0 x

16.9 Solutions des exercices

1. S
2. S
3. S
4. S
5. S
16.9. SOLUTIONS DES EXERCICES 229

6. Supposons que f est continue en 0. Alors, par passage à la limite (à gauche et à droite) dans :

∀x ∈] − 1, 0[∪]0, 1[, |f (x)| ≤ k|x|

on obtient :
f (0) = lim+ f (x) = lim− f (x) = 0
x→0 x→0

Supposons que f (0) = 0. Si k = 0 alors le résultat est immédiat (limite à gauche, limite à droite et
valeur en 0 sont toutes les trois égales). Supposons alors que k > 0. Soit ε > 0. Choisissons un réel
α strictement inférieur à 1 et à kε . Alors :
ε
∀x ∈ [−α, α], |f (x) − f (0)| = |f (x)| ≤ k|x| ≤ kα ≤ k =ε
k
ce qui nous assure de la continuité en 0 de f .
Conclusion : f est continue en 0 si et seulement si f (0) = 0 .
7. S
8. S
9. S
10. Pour tout réel x 6= π3 , on a :
√ √ √
sin(x) − 23 sin((x − π3 ) + π3 ) − 23 sin(x − π3 ) cos( π3 ) + cos(x − π3 ) sin( π3 ) − 23
= =
cos(x) − 12 cos((x − π3 ) + π3 ) − 12 cos(x − π3 ) cos( π3 ) − sin(x − π3 ) sin( π3 ) − 12
1 π
√
3 π
√
3
√
2
sin(x − 3
) + 2
cos(x − 3
) − 2
sin(x − π3 ) + 3[cos(x − π3 ) − 1]
= √ = π
√
1
2
cos(x − π
3
) − 2
3
sin(x − π
3
) − 1
2
[cos(x − 3
) − 1] − 3 sin(x − π3 )

Or :
 π π  π (x − π3 )2
sin x − ∼π x − et cos x − − 1 ∼π −
3 x→ 3 3 3 x→ 3 2
Ainsi :  π   π 
cos x − − 1 = o π sin x −
3 x→ 3 3
et donc : √ √
sin(x) − 23 sin(x − π3 ) 3
1 ∼π √ = −
cos(x) − 2 x→ 3 − 3 sin(x − π3 ) 3
√ √
sin(x) − 23 3
Conclusion : limπ 1 = − .
x→ 3 cos(x) − 3
2

11. Pour tout réel x ∈]0, +∞[, on a :

bxc ≤ x < bxc + 1

x − 1 < bxc ≤ x
1 x−1 bxc x
1− = < ≤ =1
x x x x
bxc
Comme limx→+∞ 1 − x1 = 1 alors limx→+∞ x
= 1.
Conclusion : bxc ∼ x .
x→+∞

12. S
230 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS

13. (a) Soit x ∈ I − {0} et n ∈ N∗ . On a :

n n −(k−1) n
X
−k −k
X
−k f (2 x) − f (2−k x) 1X
2 ϕ(2 x) = 2 = [f (2−(k−1) x) − f (2−k x)]
k=1 k=1
x2−k x k=1
1 f (x) f (2−n x)
= [f (20 x) − f (2−n x)] = −
x x x
n
∗ f (x) f (2−n x) X −k
Conclusion : ∀n ∈ N , ∀x ∈ I − {0}, = + 2 ϕ(2−k x) .
x x k=1

(b) Soit n ∈ N∗ . Soit ε > 0. Comme ϕ a pour limite 0 en 0 alors :

∃α > 0 / ∀x ∈ [−α, α], |ϕ(x)| ≤ ε

Or, pour tout entier k tel que 1 ≤ k ≤ n et pour tout réel x de [−α, α], on a :

|2−k x| ≤ |x| donc |ϕ(2−k x)| ≤ ε

on tire de cela que :

n n n
X
−k −k
X
−k −k
X 1 1 − 2−n
∀x ∈ [−α, α], 2 ϕ(2 x) ≤ |2 ϕ(2 x)| ≤ 2−k ε = ε≤ε
k=1 k=1 k=1
2 1 − 2−1

On en déduit que :
f (x) ∗ |f (2−n x)|
∀x ∈ [−α, α], ∀n ∈ N , ≤ +ε
x |x|
De plus, comme pour, x ∈ [−α, α] on a :

lim 2−n x = 0 ∧ lim f (y) = 0 ⇒ lim f (2−n x = 0

n→+∞ y→0 n→+∞

on déduit, par passage à la limite dans l’inégalité qui précède, que :

f (x)
∀x ∈ [−α, α], ≤ε
x

f (x)
ce qui permet de conclure : lim =0.
x→0 x

(c) On procède comme à la question précédente. Soit n ∈ N∗ . Soit ε > 0. Comme ϕ a pour limite `
en 0 alors :
∃α > 0 / ∀x ∈ [−α, α], |ϕ(x) − `| ≤ ε
Or, pour tout entier k tel que 1 ≤ k ≤ n et pour tout réel x de [−α, α], on a :

|2−k x| ≤ |x| donc |ϕ(2−k x) − `| ≤ ε

on tire de cela que, pour tout réeel x ∈ [−α, α], on a :

n
X n
X n
X
−k −k −k −k
2 ϕ(2 x) − ` = 2 [ϕ(2 x) − `] + 2−k ` − `
k=1 k=1 k=1
n
X 1 1 − 2−n
≤ |2−k [ϕ(2−k x) − `]| + ` −`
k=1
2 1 − 2−1
n
X ` `
≤ 2−k ε + n
≤ε+ n
k=1
2 2
16.9. SOLUTIONS DES EXERCICES 231

On en déduit que :

f (x) |f (2−n x)| `

∀x ∈ [−α, α], ∀n ∈ N∗ , −` ≤ + n +ε
x |x| 2

De plus, comme pour x ∈ [−α, α], on a :

lim 2−n x = 0 ∧ lim f (y) = 0 ⇒ lim f (2−n x = 0

n→+∞ y→0 n→+∞

on déduit, par passage à la limite dans l’inégalité qui précède, que :

f (x)
∀x ∈ [−α, α], −` ≤ε
x

f (x)
ce qui permet de conclure : lim =`.
x→0 x
232 CHAPITRE 16. ÉTUDE LOCALE DES FONCTIONS
Chapitre 17

Étude globale des fonctions

17.1 Introduction
– Dans tout ce chapitre, I désigne un intervalle de R et f une fonction numérique définie sur I.
– Aucune démonstration n’est exigible.
– Il est conseillé de revoir le chapitre 2 et en particulier le premier paragraphe.

17.2 Fonctions monotones

Théorème (dit de limite monotone)
On suppose que f est croissante sur I =]a, b[⊂ R̄ (c’est à dire que a ∈ Rou a = −∞ et que b ∈ Rou
b = +∞). Alors :
– f admet une limite à gauche et une limite à droite en tout point x0 ∈ I et, de plus, on a :

lim f (x) ≤ f (x0 ) ≤ lim+ f (x)

x→x−
0 x→x0

– Si, de plus, f est majorée sur I, alors elle admet une limite finie à gauche en b, sinon la limite à gauche
en b vaut +∞.
– Si, de plus, f est minorée sur I, alors elle admet une limite finie à droite en a, sinon la limite à droite
en a vaut −∞.
On peut adapter ce théorème dans le cas où f est décroissante.

Preuves
– Soit x0 ∈ I. Si f est constante sur ]a, x0 ] alors limx→x−0 f (x) = f (x0 ) ce qui prouve le résultat.
Supposons donc qu’il existe un réel x1 ∈]a, x0 [ tel que f (x1 ) < f (x0 ) (rappelons que f est croissante
sur ]a, x0 ]). Définissons alors l’ensemble :

A = {f (x)|x ∈]a, x0 [}

Nous allons montrer que A admet une borne supérieure puis que cette borne supérieure est la limite
à gauche de f en x0 (on procédera ensuite de façon analogue avec la borne inférieure de l’ensemble
{f (x)|x ∈]x0 , b[} pour obtenir l’existence la limite à droite ainsi que l’inégalité qui lui est associée).
– A est non vide car f (x1 ) ∈ A.
A est majoré par f (x0 ) car f est croissante sur ]a, x0 ].
On en déduit que A admet une borne supérieure sup(A) et que sup(A) ≤ f (x0 ).
– Soit ε > 0. D’après une propriété de la borne supérieure, on a :

∃y ∈ A / |y − sup(A)| ≤ ε

233
234 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS

donc :
∃x2 ∈]a, x0 [ / |f (x2 ) − sup(A)| ≤ ε
Comme f est croissante sur I, on en déduit que :

∀x ∈]x2 , x0 [, |f (x) − sup(A)| ≤ |f (x2 ) − sup(A)| ≤ ε

Ainsi f admet une limite finie à gauche en x0 et on a :

lim f (x) = sup(A) ≤ f (x0 )

x→x−
0

– Cas 1 Supposons que f est majorée par le réel M sur I. On procédant comme ci-dessus avec l’en-
semble {f (x)|x ∈ I}, on obtient la limite à gauche en b.
Cas 2 Supposons que f n’est pas majorée sur I. Alors :

∀M ∈ R, ∃x1 ∈ I/ f (x1 ) ≥ M

Comme f est croissante sur I, on en déduit que :

∀x ∈]x1 , b[, f (x) ≥ f (x1 ) ≥ M

et donc que :
lim f (x) = +∞
x→b

– S’inspirer du point précédent.

Exemple

On pose : ∀x ∈]0, +∞[, f (x) = e−1/x . Justifier l’existence de limites aux bornes de ]0, +∞[ (sans les
calculer).

17.3 Fonctions continues

17.3.1 Généralités
Définition

On dit que f est continue sur I si et seulement si elle est continue en chaque point de I.
L’ensemble des fonctions continues sur I est noté C 0 (I, R) ou plus simplement C 0 (I).

Propositions
– C 0 (I) est un sous espace vectoriel de A(I, R).
– Le produit de deux fonctions continues sur I est une fonction continue sur I.
– Le quotient de deux fonctions continues sur I et est une fonction continue sur tout sous intervalle de
I sur lequel le dénominateur ne s’annule pas.
– Si f est continue sur I et si g est continue sur J ⊃ f (I) alors g ◦ f est continue sur I.

Preuves

Utiliser les résultats obtenus sur la continuité en un point.

17.4. LES THÉORÈMES FONDAMENTAUX 235

17.3.2 Cas des fonctions usuelles

Propositions
– La fonction partie entière est continue sur tout intervalle de R ne contenant pas d’entier relatif.
– La fonction valeur absolue est continue sur R.
– Les fonctions polynômes sont continues sur R.
– La fonction inverse est continue sur ] − ∞, 0[ et sur ]0, +∞[.
– La fonction ln est continue sur ]0, +∞[.
– La fonction exp est continue sur R.
– La fonction puissance α (où α ∈ R) est continue sur ]0, +∞[.
– Les fonctions sin et cos sont continues sur R.
– La fonction tan est continue sur tout sous intervalle de son domaine de définition.

Exemple
Prouver que x 7→ e−1/x est continue sur ]0, +∞[.

17.4 Les théorèmes fondamentaux

Théorème des valeurs intermédiaires
On suppose que f est continue sur I.
– Soit [a, b] un sous intervalle de I. Alors, on a :

∀y ∈ [f (a), f (b)], ∃x ∈ [a, b] / y = f (x)

Autrement dit, lorsque f est continue sur [a, b] alors l’équation y = f (x) (d’inconnue x) admet
toujours une solution (au moins) dans [a, b] du moment que y ∈ [f (a), f (b)] (mais ce n’est pas une
condition nécessaire).
– En conséquence, pour tout sous intervalle J de I, f (J) est un intervalle de R. En particulier, f (I) est
un intervalle de R.

Preuves
– Nous allons (re)mettre en oeuvre le procédé fondamental de dichotomie. Soit (a, b) ∈ I 2 et y ∈
[f (a), f (b)] (on supposera ici que f (a) < f (b)). Nous allons construire deux suites adjacentes d’élé-
ments de [a, b] dont la limite aura pour image y. Posons a0 = a et b0 = b. Soit P(n) la proposition :
b−a
∃(an , bn ) ∈ [a, b]2 / bn − an = et f (an ) ≤ y ≤ f (bn )
2n
Par choix de a0 et de b0 , la proposition P(0) est vraie. Soit n ≥ 0. Supposons que P(n) soit vraie.
an + bn
Soit c = . Deux cas se présentent :
2
f (c) < y ou f (c) ≥ y

Si f (c) < y alors on pose an+1 = c et bn+1 = bn . On a alors :

1 b−a
bn+1 − an+1 = (bn − an ) = n+1 et f (an+1 ) = f (c) ≤ y ≤ f (bn ) = f (bn+1 )
2 2
Si f (c) ≥ y alors on pose an+1 = an et bn+1 = c. On a alors :
1 b−a
bn+1 − an+1 = (bn − an ) = n+1 et f (an+1 ) = f (an ) ≤ y ≤ f (c) = f (bn+1 )
2 2
236 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS

ce qui prouve la proposition P(n + 1).

Par construction, la suite (an ) est croissante et la suite (bn ) est décroissante. De plus, on a :
1
lim (bn − an ) = (b − a) lim =0
n→+∞ n→+∞ 2n

ce qui prouve que ces deux suites sont adjacentes donc convergentes. Notons x leur limite commune.
Comme f est continue sur I donc en x, on en déduit aussi que :

f (x) = lim f (an ) ≤ y ≤ lim f (bn ) = f (x)

n→+∞ n→+∞

c’est à dire que f (x) = y. D’autre part, comme la suite (an ) est croissante et a pour limite x alors :

∀n ∈ N, an ≤ x

ce qui donne, pour n = 0, l’inégalité a = a0 ≤ x. On obtient de même que x ≤ b. On a donc bien

obtenu un antécédent x de y dans [a, b].
– Soit J un sous intervalle de I. Supposons que f (J) n’est pas un intervalle (c’est à dire qu’il y a au
moins un « trou » dans f (J)). Alors :

∃y ∈ R, ∃(a, b) ∈ J 2 / f (a) < y < f (b)

Ceci contredit le résultat du point qui précède. On en déduit donc que f (J) est un intervalle de R.

Théorème/Définition
On suppose que f est continue sur I. Soit (a, b) ∈ I 2 .
– L’image du segment [a, b] par f est un segment [c, d].
– Le réel c ainsi obtenu est appelé minimum de f sur le segment [a, b] et se note minf .
[a,b]
– Le réel d ainsi obtenu est appelé maximum de f sur le segment [a, b] et se note maxf .
[a,b]

Preuve
D’après le théorème des valeurs intermédiaires, on sait que f ([a, b]) est un intervalle J. Montrons que
J est borné puis que ses bornes sont atteintes.
– Supposons que f n’est pas majorée sur [a, b]. Construisons par dichotomie deux suites adjacentes
(an ) et (bn ) telle que f n’est pas bornée sur [an , bn ]. Posons a0 = a et b0 = b. Alors f n’est pas
bornée sur [a0 , b0 ] par hypothèse. Soit n ≥ 0. Supposons que f n’est pas bornée sur [an , bn ]. Posons
c = an +b 2
n
. Comme f n’est pas bornée sur [an , bn ] alors f n’est pas bornée sur [an , c] ou bien sur
[c, bn ] (voire sur les deux). Si f n’est pas bornée sur [an , c] alors on pose :

an+1 = an et bn+1 = c

sinon on pose :
an+1 = an et bn+1 = c
Alors f n’est pas bornée sur [an+1 , bn+1 ] et on a :
bn − an
an ≤ an+1 bn ≥ bn+1 bn+1 − an+1 =
2
Par récurrence, on a donc construit deux suites (an ) et (bn ) telles que (an ) est croissante, (bn ) est
décroissante et lim bn − an = 0. Ces deux suites sont alors adjacente et convergent donc vers un
n→+∞
réel x0 . Comme f est continue en x0 , alors il existe un réel α > 0 tel que :

∀x ∈ [x0 − α, x0 + α] ∩ [a, b], |f (x) − f (x0 )| ≤ 1

17.4. LES THÉORÈMES FONDAMENTAUX 237

Or, il existe un entier naturel n0 tel que :

∀n ≥ n0 , [an , bn ] ⊂ [x0 − α, x0 + α]

On en déduit donc que :

∀n ≥ n0 , ∀x ∈ [an , bn ], f (x0 ) − 1 ≤ f (x) ≤ f (x0 ) + 1

ce qui prouve que f est bornée sur tous les intervalles [an , bn ] pour tout n ≥ n0 , d’où la contradiction
avec l’hypothèse faite.
– On a ainsi prouvé que f est bornée sur [a, b] c’est à dire que l’intervalle J est une partie non vide
et bornée de R. On en déduit alors que J admet une borne inférieure m et une borne supérieure
M . Montrons que M admet un antécédent par f dans [a, b]. Supposons alors que M n’admet pas
d’antécédent dans [a, b]. On en déduit que :
1
∀x ∈ [a, b], >0
M − f (x)
1
La fonction x 7→ est continue donc majorée sur [a, b] (d’après le point précédent) et tous
M − f (x)
ses majorants sont strictement positifs (puisque cette fonction est strictement positive). Soit M 0 l’un
de ses majorants. On a alors :
1
∀x ∈ [a, b], 0 < ≤ M0
M − f (x)
1
∀x ∈ [a, b], f (x) ≤ M − <M
M0
ce qui nous donne un autre majorant de f qui est strictement inférieur au plus petit de tous : on a donc
une contradiction. Ainsi M admet un antécédent dans [a, b]. En procédant de même, on montre que
m admet aussi un antécédent dans [a, b].

Exemple
Quelle est l’image de [−1, 2] par la fonction carrée ?

Corollaires
2
On suppose que f est  I. Soit (a, b) ∈ I .
 continue sur
– Tout élément de minf, maxf admet, au moins, un antécédent par f .
[a,b] [a,b]
– En particulier, les réels minf et maxf admettent, au moins, un antécédent par f (mais pas nécessai-
[a,b] [a,b]
rement a ou b).

Preuves
C’est évident.

Théorème (dit de la bijection)

On suppose que f est continue et strictement monotone sur I. Alors :
– La fonction f établit une bijection de I sur l’intervalle f (I).
– La bijection réciproque, notée f −1 , est définie, continue et strictement monotone sur l’intervalle f (I).
– Les fonctions f et f −1 ont le même sens de variation.
– Dans un repère orthonormé, les courbes représentatives de f et f −1 sont symétriques (symétrie or-
thogonale) par rapport à la première bissectrice.
238 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS

Preuves
– Comme f est continue, f (I) est un intervalle. Tout élément de f (I) admet, bien sûr, un antécédent
dans I donc f est surjective de I dans f (I). Établissons donc son injectivité. Soit (a, b) ∈ I 2 tel que
f (a) = f (b). Comme f est strictement croissante sur I, il est alors impossible que a < b ou bien que
a > b donc on en déduit que a = b.
– Soit y0 ∈ f (I). Alors, il existe un unique x0 ∈ I tel que f (x0 ) = y0 . Soit ε > 0. On sait que
f ([x0 − ε, x0 + ε]) est un segment [c, d] de f (I) qui contient y0 . Comme x0 − ε < x0 < x0 + ε et
comme f est strictement croissante (resp. décroissante) alors f (x0 − ε) < f (x0 ) < f (x0 + ε) (resp.
f (x0 − ε) > f (x0 ) > f (x0 + ε)) mais aussi f (x0 − ε) = c (resp. d) et f (x0 + ε) = d (resp. c). On en
déduit qu’il existe un réel α > 0 tel que :

∀y ∈ [y0 − α, y0 + α], f −1 (y) ∈ [x0 − ε, x0 + ε]

ce qui justifie la continuité de f −1 en y0 . Donc f −1 est continue sur f (I).

– Soit (c, d) ∈ f (I)2 tel que c < d. Alors il existe un unique couple (a, b) ∈ I 2 tel que f (a) = c et
f (b) = d. Ainsi f (a) < f (b). Si f est strictement croissante alors a < b, c’est à dire que :

f −1 (c) < f −1 (d)

ce qui prouve que f −1 est strictement croissante. Si f est strictement décroissante alors a > b et donc
f −1 est strictement décroissante.
– La symétrie orthogonale par rapport à la première bissectrice est l’application :

s : R2 → R2
(x, y) 7→ (y, x)

Ainsi, on a :

(x, y) ∈ Cf ⇔ y = f (x) ⇔ x = f −1 (y) ⇔ (y, x) ∈ Cf −1 ⇔ s(x, y) ∈ Cf −1

Exemples
π
1. (a) Déterminer le plus grand intervalle contenant 0 et 3
sur lequel la fonction sinus est une bijection.
On note arcsin sa fonction réciproque.
(b) Étudier cette fonction réciproque puis tracer l’allure de sa courbe.
2. Mêmes questions avec la fonction cos (et arccos sa réciproque).
3. Mêmes questions avec la fonction tan (et arctan sa réciproque).

17.5 Exercices
1. Soit f continue et ne s’annulant pas sur I. Démontrer que f est de signe constant sur I.
2. Soit f : [a, b] → [a, b] continue sur [a, b]. Démontrer que f admet au moins un point fixe (on pourra
poser g(x) = f (x) − x).
3. Soit f : R+ → R+ continue.
(a) Démontrer que, ou bien f admet un point fixe ou bien lim f (x) = +∞.
x→+∞
(b) Ces deux possibilités s’excluent-elles mutuellement ?
4. Soit f : R → R continue et telle que :

lim f (x) = −∞ et lim f (x) = +∞

x→−∞ x→+∞
17.5. EXERCICES 239

(a) Démontrer que f s’annule (au moins) une fois.

(b) En déduire que toute fonction polynôme de degré impair admet une racine réelle.
5. Un cycliste parcourt 20 km en une heure lors de sa promenade dominicale. Montrer qu’il existe un
intervalle de temps d’une demi-heure durant lequel il parcourt exactement 10 km (on pourra introduire
la fonction distance parcourue depuis le départ, fonction réputée continue, puis une seconde fonction).
6. Déterminer, selon les valeurs de a ∈ R, le nombre de solutions dans R+ de l’équation : x ex = a.
7. Déterminer le nombre de solutions dans R de l’équation cos(x) = x.
8. Soit a ∈ R. Soit f continue sur R. On suppose que :

f (1) = a et ∀(x, y) ∈ R2 , f (x + y) = f (x) + f (y)

(a) Connaît-on des fonctions répondant à ces conditions ?

(b) Calculer f (0). En déduire la valeur de f (−1).
(c) Démontrer que :

∀n ∈ N∗ , ∀(x1 , . . . , xn ) ∈ Rn , f (x1 + · · · + xn ) = f (x1 ) + · · · + f (xn )

(d) Déduire successivement des questions précédentes que :

i. ∀n ∈ N, f (n) = an
ii. ∀n ∈ Z, f (n) = an
 
1 a
iii. ∀n ∈ N∗ , f =
n n
iv. ∀r ∈ Q, f (r) = ar
v. ∀x ∈ R, f (x) = ax (on pourra poser : xn = 10−n b10n xc)
9. Soit f définie sur R − {1} par :

x2



2−1
si x < 0
f (x) = x
2
 x

si x ≥ 0
x2 + 1
(a) Déterminer l’ensemble E = f (R − {1}).
(b) Montrer que f induit une bijection, notée g, de R − {1} dans E.
(c) Expliciter la fonction g −1 .
(d) Étudier la continuité de g et g −1 .
(e) Étudier les variations de g −1 sur ] − ∞, 1[.
10. Étudier la continuité de :
1
(a) f : x 7→ sur I = [0, 3],
1 + x − bxc
(b) g : x 7→ cos(ln |x|) ln(1 + x) si x ∈ R∗ et g(0) = 0.
11. Soit f définie et continue sur R. On suppose que f admet une limite finie en −∞ et une limite finie
en +∞.
(a) Démontrer que f est bornée.
(b) On suppose, de plus, que les deux limites en l’infini sont égales. Démontrer que le borne supé-
rieure ou la borne inférieure de f (R) est atteinte, c’est à dire que f admet un maximum ou un
minimum.
240 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS

12. Démontrer que si f est continue et périodique sur R alors f est bornée sur R.
13. Soit f définie et continue sur [0, 1] telle que f (0) = f (1).
(a) Démontrer que l’équation f (x + 12 ) = f (x) admet une solution sur [0, 21 ].
(b) Démontrer que pour tout n ∈ N∗ , l’équation f (x + n1 ) = f (x) admet une solution sur [0, 1 − n1 ].
(c) Soit a ∈]0, 1[ qui n’est pas de la forme n1 . On suppose que :
 πx  π 
∀x ∈ [0, 1], f (x) = sin2 − x sin2
a a
Calculer f (x + a) − f (x) pour tout x ∈ [0, 1 − a]. Conclusion ?
14. Soit f définie et continue sur [0, 1]. On pose :

∀x ∈ [0, 1], g(x) = maxf

[0,x]

(a) Justifier que cela définit bien un fonction g sur [0, 1].
(b) Montrer que g est croissante et continue sur [0, 1].
15. Soit f et g définies et continues sur [0, 1]. Pour tout réel x, on pose :

M (x) = max [f (t) + x g(t)]

t∈[0,1]

(a) Justifier que cela définit une fonction M sur R.

(b) Montrer que, pour tout couple de réels (x, y), on a :
 
|M (x) − M (y)| ≤ maxg |x − y|
[0,1]

(c) En déduire que M est continue sur R.

16. Soit f définie sur un intervalle I et telle que f possède une limite à droite en tout point de I. Soit g la
fonction définie sur I par :
∀x ∈ I, g(x) = lim+ f (t)
t→x
Montrer que g est continue à droite sur I.
x
17. Soit f : x 7→ . Montrer que f établit une bijection de R sur un intervalle I que l’on précisera
1 + |x|
puis expliciter f −1 .

17.6 Solutions des exercices

1. Supposons que f n’est pas de signe constant sur I. Alors, il existe (a, b) ∈ I 2 tel que :

f (a) < 0 et f (b) > 0

Comme f est continue sur [a, b] ⊂ I et comme 0 ∈ [f (a), f (b)] alors l’équation f (x) = 0 admet une
solution dans [a, b] donc dans I ce qui est absurde.
Conclusion : f est de signe constant sur I .
2. La fonction g est continue sur [a, b] comme somme de fonctions continues sur cet intervalle. De plus,
on a :
g(a) = f (a) − a ≥ 0 et g(b) = f (b) − b ≤ 0
Comme 0 ∈ [g(b), g(a)] et comme g est continue sur [a, b] alors l’équation g(x) = 0 admet une
solution x ∈ [a, b]. De g(x) = 0, on déduit que f (x) = x.
Conclusion : f admet un point fixe dans [a, b] .
17.6. SOLUTIONS DES EXERCICES 241

3. (a) Supposons que f n’admet pas de point fixe dans R+ . Posons :

∀x ∈ R+ , g(x) = f (x) − x

Alors, la fonction g est continue sur R+ et ne s’annule pas sur R+ . D’après l’exercice 1, on en
déduit que g est de signe constant sur R+ . De plus, on a :

g(0) = f (0) − 0 = f (0) ≥ 0

donc g est strictement positive sur R+ , ce qui donne :

∀x ∈ R+ , f (x) > x

On passe alors à la limite lorsque x tend vers +∞.

Conclusion : lim f (x) = +∞ ou ∃x ∈ R+ / f (x) = x .
n→+∞

(b) La fonction identique de R+ admet une infinité de points fixes et admet pour limite +∞ en +∞.
4. s
5. s
6. Notons Sa l’ensemble des solutions dans R+ de l’équation xex = a. Soit f la fonction définie sur R+
par :
∀x ∈ R+ , f (x) = x ex
Cette fonction est le produit de deux fonctions :
* positives et strictement croissantes sur R+ donc est positive et strictement croissante sur R+ ,
* continues sur R+ donc est continue sur R+ .
La fonction f établit ainsi une bijection de R+ dans R+ puisque limx→+∞ f (x) = +∞.
Conclusion : ∀a < 0, Sa = ∅ et ∀a ≥ 0, ∃!x0 ∈ R+ / Sa = {x0 } .
7. Si x > 1 alors cos(x) < x donc l’équation cos(x) = x n’admet pas de solution dans ]1, +∞[.
Si x < −1 alors cos(x) > x donc l’équation cos(x) = x n’admet pas de solution dans ] + ∞, −1[.
Si x ∈ [−1, 0] ⊂] − π2 , 0] alors x < 0 < cos(x) donc l’équation cos(x) = x n’admet pas de solution
dans [−1, 0].
Si x ∈ [0, 1] ⊂ [0, π2 [ alors la fonction g : x 7→ cos(x) − x est continue, dérivable et strictement
décroissante sur [0, 1] (exprimer g 0 (x)) et g(0) = 1 > 0 et g(1) > g( π2 ) = − π2 < 0. Alors g établit
une bijection de [0, 1] dans [g(1), g(0)]. Comme 0 ∈ [g(1), g(0)] et comme g est continue et bijective
sur [0, 1] alors l’équation g(x) = 0 admet une unique solution dans [0, 1].
Conclusion : L’équation cos(x) = x admet une unique solution dans R et cette solution est dans [0, 1] .
8. s
9. s
10. s
11. s
12. s
13. s
14. (a) Soit x ∈ [0, 1]. Comme f est continue sur [0, 1] donc sur [0, x] qui est un segment alors f admet
un maximum absolu sur [0, x]. Ainsi g(x), qui est ce maximum existe.
Conclusion : g est définie sur [0, 1] .
(b) Soit (x, y) ∈ [0, 1]2 tel que x < y. Alors [0, x] ⊂ [0, y]et on a :

∀t ∈ [0, x], f (t) ≤ maxf = g(y)

[0,y]
242 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS

Ainsi, g(y) est un majorant de f sur [0, x] donc il est supérieur au maximum de f sur [0, x], c’est
à dire que : g(x) ≤ g(y).
Conclusion : g est croissante sur [0, 1] .
Soit x0 ∈ [0, 1]. g(x0 ) étant un majorant de f sur [0, x0 ], on en déduit que f (x0 ) ≤ g(x0 ).
Cas 1 : f (x0 ) < g(x0 ) Posons ε = g(x0 )−f
2
(x0 )
> 0. Comme f est continue en x0 alors :

∃α > 0 / [x0 − α, x0 + α] ⊂ [0, 1] ∧ ∀x ∈ [x0 − α, x0 + α], |f (x) − f (x0 )| ≤ ε

ce qui, en remplaçant ε par sa valeur, nous donne :

3f (x0 ) − g(x0 ) f (x0 ) + g(x0 )

∀x ∈ [x0 − α, x0 + α], ≤ f (x) ≤ < g(x0 )
2 2

Par continuité de f sur le segment [x0 − α, x0 + α], on obtient :

f (x0 ) + g(x0 )
max f≤ < g(x0 )
[x0 −α,x0 +α] 2

Ainsi, f atteint son maximum g(x0 ) sur l’intervalle [0, x0 + α] en dehors de [x0 − α, x0 + α].
On en déduit que :
∀x ∈ [x0 − α, x0 + α], g(x) = g(x0 )
La fonction g étant constante sur [x0 − α, x0 + α], elle est alors, en particulier, continue en x0 .
Cas 2 : f (x0 ) = g(x0 ) Soit ε > 0. Par continuité de f en x0 , on obtient :

∃α > 0 / [x0 − α, x0 + α] ⊂ [0, 1] ∧ ∀x ∈ [x0 − α, x0 + α], |f (x) − f (x0 )| ≤ ε

ce qui nous donne :

∀x ∈ [x0 − α, x0 + α], g(x0 ) − ε = f (x0 ) − ε ≤ f (x) ≤ f (x0 ) + ε ≤ g(x0 ) + ε

Comme g est croissante sur [x0 − α, x0 ], on a :

∀x ∈ [x0 − α, x0 ], g(x0 ) − ε ≤ f (x) ≤ g(x) ≤ g(x0 ) ≤ g(x0 ) + ε

∀x ∈ [x0 − α, x0 ], |g(x) − g(x0 )| ≤ ε

Sur l’intervalle [x0 , x0 + α], comme g(x0 ) = f (x0 ), on tire de l’inégalité générale qui précède :

g(x0 ) − ε < g(x0 ) ≤ max f ≤ g(x0 ) + ε

[x0 ,x0 +α]

Comme g est croissante sur [x0 , x0 + α], on obtient :

∀x ∈ [x0 , x0 + α], g(x0 ) ≤ g(x) ≤ max f ≤ g(x0 ) + ε

[x0 ,x0 +α]

∀x ∈ [x0 , x0 + α], |g(x) − g(x0 )| ≤ ε

On en déduit donc limx→x0 g(x) = g(x0 ) c’est à dire que g est continue en x0 .
Conclusion : g est continue sur [0, 1] .
15. s
16. s
17.6. SOLUTIONS DES EXERCICES 243

17. Sur [0, +∞[, on a :

x x+1−1 1
f (x) = = =1−
1+x 1+x 1+x
x 7→ x + 1 est continue et strictement croissante sur [0, +∞[ à valeurs dans [1, +∞[.
y 7→ y1 est continue et strictement décroissante sur [1, +∞[ à valeurs dans ]0, 1].
z 7→ −z est continue et strictement décroissante sur ]0, 1] à valeurs dans [−1, 0[.
t 7→ 1 + t est continue et strictement croissante sur [−1, 0[ à valeurs dans [0, 1[.
On en déduit que f est continue et strictement croissante (donc bijective) sur [0, +∞[ à valeurs dans
[0, 1[.
De plus, pour tout réel y ∈ [0, +∞[, on a :
1 1 y
y = f (x) ⇔ y − 1 = − ⇔ x = −1 + = = f (−y)
1+x 1−y 1−y

Sur ] − ∞, 0], on a :
x x−1+1 1
f (x) = = = −1 +
1−x 1−x 1−x
x 7→ 1 − x est continue et strictement décroissante sur ] − ∞, 0] à valeurs dans [1, +∞[.
y 7→ y1 est continue et strictement décroissante sur [1, +∞[ à valeurs dans ]0, 1].
z 7→ −1 + z est continue et strictement croissante sur ]0, 1] à valeurs dans ] − 1, 0].
On en déduit que f est continue et strictement croissante (donc bijective) sur ] − ∞, 0] à valeurs dans
] − 1, 0].
De plus, pour tout réel y ∈] − ∞, 0], on a :
1 1 y
y = f (x) ⇔ y + 1 = ⇔x=1− = = f (−y)
1−x 1+y 1+y

En 0, on a f (0) = 0 et d’après ce qui précède :

lim f (x) = 0 et lim f (x) = 0

x→0+ x→0−

Donc f est continue en 0.

Conclusion : f est continue sur R, établit une bijection de R dans ] − 1, 1[ et f −1 : y 7→ f (−y) .
244 CHAPITRE 17. ÉTUDE GLOBALE DES FONCTIONS
Chapitre 18

Nombres complexes

18.1 Forme algébrique

Définitions
– On appelle i le « nombre » vérifiant l’égalité : i2 = −1.
– On appelle ensemble des nombres complexes l’ensemble

C = {a + b i | (a, b) ∈ R2 }

– Soit z = a + i b un complexe.
– L’écriture z = a + b i se nomme forme algébrique du complexe z.
– Le réel a se nomme partie réelle de z et on note : a = <(z).
– Le réel b se nomme partie imaginaire de z et on note : b = =(z).
– Si b = 0 alors le complexe z est réel (en particulier R ⊂ C).
– Si a = 0 alors le complexe z est dit imaginaire pur.

Exemples

i = 0 + 1i 0 = 0 + 0i − 1 + 3i

Remarques
– Deux complexes sont égaux si et seulement s’ils ont la même partie réelle et la même partie imagi-
naire.
– C est en bijection avec R2 : le complexe a + bi se représente sous la forme :
– d’un vecteur de coordonnées (a, b) dans la base canonique de R2 ,
– soit d’un point de coordonnées (a, b) dans un repère orthonormal. On dit alors que le point M (a, b)
a pour affixe le complexe z = a + bi.
Cette bijection est source de nombreux liens entre nombres complexes et géométrie dans le plan.
– Il n’y a pas de relation d’ordre dans C (on ne compare pas les complexes : z < z 0 n’a pas de sens).

18.2 Opérations dans C

18.2.1 Addition et multiplication par un réel
Définitions
Soit z = a + bi et z 0 = a0 + b0 i deux complexes. Soit λ un réel.

245
246 CHAPITRE 18. NOMBRES COMPLEXES

– Somme de deux complexes :

z + z 0 = (a + a0 ) + (b + b0 )i
– Produitd’un complexe par un réel :
λz = (λa) + (λb)i

Propositions
– C est un R-espace vectoriel dont (1, i) est une base appelée base canonique.
– En particulier, tout complexe z = a + bi admet un opposé −z = −a + (−b)i que l’on note aussi
−z = −a − bi.
– On peut aussi soustraire deux complexes :

z − z 0 = z + (−z 0 ) = (a + bi) − (a0 + b0 i) = (a − a0 ) + (b − b0 )i

où (a, b, c, d) est un quadruplet de réels.

Preuves
C’est évident.

18.2.2 Multiplication et division

Définitions
– Produit de deux complexes :
zz 0 = (aa0 − bb0 ) + (ab0 + ba0 )i
(en développant selon les usages en vigueur dans R et en utilisant la relation i2 = −1).
– Puissances entières d’un complexe :

z0 = 1 et ∀n ∈ N, z n+1 = z n z = z z n

Propositions
– La multiplication des complexes est commutative, associative, admet le réel 1 pour élément neutre et
est distributive (à gauche et à droite) sur l’addition des complexes.
En particulier, les identités remarques sont encore valables avec des complexes en lieu et places de
réels.
– Un produit de complexes est nul si et seulement si l’un des complexes est nul.
– Tout complexe z = a + bi non nul admet un inverse :

1 a b
z −1 = = 2 − i
z a + b 2 a2 + b 2

Preuve
Il suffit de calculer.

Exemples
1. Déterminer la forme algébrique de (3 + 2i)(1 − i) − (2 − i)2 + (5 − i)(5 + i).
2. Déterminer sous forme algébrique l’inverse de : i, −i, 1 + i, 2 − 3i.
18.2. OPÉRATIONS DANS C 247

Définition
Soit (z, z 0 ) un couple de complexes. On suppose que z 0 6= 0. On appelle quotient de z par z 0 le com-
plexe :
z 1
= z
z0 z0

Remarques
– Il est inutile de retenir les formules de l’inverse et du quotient, il suffit de se rappeler que l’on peut
calculer comme on le fait dans R en ajoutant la redoutable relation i2 = −1.
– Les calculs et notations de sommes (Σ) et de produits (Π) sont encore valables dans C.
– On a z z̄ = a2 + b2 donc on en déduit l’inverse de z 6= 0 de la façon suivante :
1 z̄ z̄
= = 2
z z z̄ a + b2

Exemples
1. Déterminer la forme algébrique de :
√
9 − 2i 5 − 2i 1+ 2+i (1 + 2i)2 − (1 − i)2 1 2−i i 5 − 11i
√ + + +
2i 2 − 3i 1+ 2−i (3 + 2i)2 − (1 + i)2 5i 2 + i 3 − i 10

2. Résoudre dans C les équations :

1 − 2iz + 4z = 3i(1 + 5i) (z + 1)(z − i) = z 2 − 3 (i − 5)z = (2 − i)(2 + i) − 5z

Propositions (formule du binôme de Newton)

On a :
n   n  
0 0 n
X n k 0n−k
X n
∀n ∈ N, ∀(z, z ) ∈ C, (z + z ) = z z = z n−k z 0k
k k
k=0 k=0

Preuve
Comme d’habitude.

Exemple
4
p √ p √ 8
Déterminer la forme algébrique de (1 + 2i) puis celle de 2+ 2+i 2− 2 .

18.2.3 Conjugaison
Définition
Soit z = a + bi un complexe. On appelle conjugué de z le complexe :

z̄ = a − bi

Exemple
Résoudre dans C les équations :

z + z̄ + 4 = 0 z − z̄ + 5 = 0 z = 2z̄ + 5 − 6i iz + (2 + 3i)z̄ = 1 z 2 = z̄
248 CHAPITRE 18. NOMBRES COMPLEXES

Propositions
Soit z = a + bi et z 0 = a0 + b0 i deux complexes. Soit λ un réel.
– z z̄ = a2 + b2 est un réel.
– z est réel si et seulement si z = z̄.
– z est imaginaire pur si et seulement si z + z̄ = 0.
– Si z n’est pas nul alors :
1 z̄ z̄
= = 2
z z z̄ a + b2
(utilisable pour déterminer le quotient de deux complexes).
– Conjugaison et opérations sur les complexes :

1 1 z z̄
z + z 0 = z̄ + z¯0 λz = λz̄ zz 0 = z̄ z¯0 0
= ¯0 0
= ¯0
z z z z
(les deux dernières égalités sont valables lorsque z 0 n’est pas nul).

Preuves
Sans difficulté.

Exemples
1. Déterminer l’ensemble des nombres complexes z tels que :
z + 2i
(z + 1)(z̄ − 2) ∈ R ∈R (iz − z)(z̄ − 1) ∈ iR
z − 4i

2. Soit n ∈ N∗ et (a0 , . . . , an ) ∈ Rn+1 . On considère l’équation (E) d’inconnue complexe z suivante :

a0 + a1 z + a2 z 2 + · · · + an z n = 0

Prouver que si z0 est une solution strictement complexe de (E) alors z̄0 l’est aussi.
3. Résoudre dans C l’équation : z 2 + z z̄ = 0.

18.2.4 Applications
Définition
On appelle racine carrée de z0 ∈ C tout nombre complexe z tel que : z 2 = z0 (mais il est interdit
√
d’utiliser la notation z = z0 ).

Proposition
Tout nombre complexe non nul z0 = x0 + y0 i admet deux racines carrées complexes opposées et
z = a + bi en est une si et seulement si :
q
2 2 2 2
a − b = x0 2ab = y0 a + b = x20 + y02

Preuve

2
(a + bi)2 = x0 + y0 i ⇔ (a2 − b2 ) + (2ab)i = x0 + y0 i ∧ a + bi = x0 + y0 i
q
2 2 2 2
⇔ a − b = x0 ∧ 2ab = y0 ∧ a + b = x20 + y02
18.3. FORME TRIGONOMÉTRIQUE 249

Exemples
Déterminer les racines carrées de : −3, 5i, −1 − i, .

Proposition
On considère l’équation az 2 + bz + c = 0 d’inconnue z ∈ C et où l’on a (a, b, c) ∈ C3 et a 6= 0. Posons
∆ = b2 − 4ac ∈ C.
– Si ∆ 6= 0 alors, en notant δ une racine carrée de ∆, l’équation admet deux solutions dans C :
−b − δ −b + δ
z1 = et z2 =
2a 2a
et on a la factorisation :
az 2 + bz + c = a(z − z1 )(z − z2 )
−b
– Si ∆ = 0 alors z0 = est racine double de l’équation et on a la factorisation :
2a
az 2 + bz + c = a(z − z0 )2
– Dans le cas où a, b et c sont réels, on retrouve le résultat connu ...
– Application au cas des suites complexes récurrentes linéaires d’ordre 2.

Preuve
On passe par la forme canonique.

Exemples
Résoudre dans C les équations :
z2 + z + 1 = 0 (1 − 2i)z 2 + i z + (1 + i) = 0

18.3 Forme trigonométrique

18.3.1 Module
Définition
√
On appelle module du complexe z le réel : |z| = z z̄.

Remarques
– C’est une généralisation de la valeur absolue.
– C’est aussi le théorème de Pythagore : si z = a + bi alors |z|2 = a2 + b2 .

Propositions (module et opérations sur les complexes)

Soit z et z 0 deux nombres complexes.
– |z| = 0 ⇔ z = 0
– Inégalité triangulaire : |z + z 0 | ≤ |z| + |z 0 |
– ∀λ ∈ R, |λz| = |λ| |z|
– |z z 0 | = |z| |z 0 |
– Par conséquent : ∀n ∈ N, |z n | = |z|n
1 1 z |z|
– Si z 0 6= 0 alors 0 = 0 et 0 = 0
z |z | z |z |
– |z̄| = |z|
250 CHAPITRE 18. NOMBRES COMPLEXES

Preuves
Un peu de calcul à partir de la forme algébrique.

Remarque
z
Si z 6= 0 alors est un complexe de module 1.
|z|

18.3.2 Argument
Propositions/Définition
Soit z un complexe non nul.
– Alors, il existe un réel θ (non unique) tel que :
<(z) =(z)
cos(θ) = et sin(θ) =
|z| |z|
– Ce réel θ est un argument de z et se note arg(z).
– Si θest un argument de z alors θ + 2kπ est un autre argument de z pour tout entier n.
– On a ainsi une nouvelle écriture d’un nombre complexe, dite forme trigonométrique :

z = |z|[cos(θ) + i sin(θ)]

– 0 n’admet pas d’argument.

Preuves
C’est le théorème de Pythagore.

Exemples
Déterminer la forme trigonométrique de :

z = −1 − i z=a∈R z = 3i z = −i

Propositions (argument et opérations)

Soit z et z 0 deux nombres complexes non nuls. Alors :
– arg(−z) = arg(z) + π + 2kπ avec k ∈ Z ;
– arg(z̄) = − arg(z) + 2kπ avec k ∈ Z ;
– arg(zz 0 ) = arg(z) + arg(z 0 ) + 2kπ avec k ∈ Z ;
– arg( z1 ) = − arg(z) + 2kπ avec k ∈ Z ;
– arg( zz0 ) = arg(z) − arg(z 0 ) + 2kπ avec k ∈ Z.

Preuves
Formules d’angles associés.

Exemple
Déterminer le module et un argument des complexes suivants :
√ √
6+i 2 z1
z1 = z2 = 1 + i z=
2 z̄2
En déduire les valeurs exactes de cos( 7π
12
) et de sin( 7π
12
π
) puis celles de cos( 12 π
) et de sin( 12 ).
18.4. FORME EXPONENTIELLE 251

18.3.3 Formule de De Moivre

Théorème

∀n ∈ Z, ∀θ ∈ R, [cos(θ) + i sin(θ)]n = cos(nθ) + i sin(nθ)

Preuve
Récurrence sur n puis extension aux entiers négatifs.

Exemple
On retrouve ainsi le résultat sur les suites réelles récurrentes linéaires d’ordre 2 dont le discriminant de
l’équation caractéristique est strictement négatif.

18.4 Forme exponentielle

18.4.1 Généralités
Proposition (admise)
La fonction exponentielle, définie sur R, s’étend à C (avec les mêmes propriétés de transformation de
sommes en produits) et on a, en particulier :

∀θ ∈ R, eiθ = cos(θ) + i sin(θ)

Remarque
On a : ∀θ ∈ R, ∀k ∈ Z, ei(θ+2kπ) = eiθ .

Définition
Soit z un complexe non nul dont un argument est θ. Alors, on a z = |z|eiθ et cette écriture est appelée
forme exponentielle du complexe z.

Propositions
0
Soit z = r eiθ et z 0 = r0 eiθ deux complexe non nuls. On a :
0
– z z 0 = r r0 ei(θ+θ ) ;
– z̄ = r e−iθ
1 1 0 z r 0
– 0 = 0 e−iθ et 0 = 0 ei(θ−θ ) .
z r z r

Preuves
D’après la forme trigonémétrique et ses techniques opératoires.

Remarques
– Tout nombre complexe de module 1 peut s’écrire sous la forme eiθ . En particulier, on a :
π π
1 = ei0 i = ei 2 − 1 = eiπ − i = e−i 2

– On démontre les formules de trigonométrie à partir des formes exponentielles et trigonométriques des
complexes de module 1.
252 CHAPITRE 18. NOMBRES COMPLEXES

Exemple : Calcul de somme de fonctions trigonométriques

Soit a et b deux réels et n un entier naturel. Calculer les sommes :
n
X n
X
cos(a + bk) et sin(a + bk)
k=0 k=0

18.4.2 Formules d’Euler

Théorème
Soit θ ∈ R. On a :
eiθ + e−iθ eiθ − e−iθ
cos(θ) = et sin(θ) =
2 2i

Preuve
Remarquer que eiθ = cos(θ) + i sin(θ) et e−iθ = cos(θ) − i sin(θ) puis résoudre le système.

Exemple : Linéarisation des fonctions trigonométriques

Linéariser une fonction trigonométrique consiste à transformer un produit de fonctions trigonométrique
en une somme de fonctions trigonométriques.
Déterminer une primitive de x 7→ sin2 (x) cos4 (x).

18.4.3 Racines de l’unité

Théorème/Définition
Soit n ∈ N∗ .
– L’équation z n = 1 (d’inconnue le complexe z) admet n solutions dans C et l’ensemble des solutions
est : n 2π o
ei n k k ∈ J0, n − 1K

– Ces solutions sont appelées racines nème de l’unité.

– Si n ≥ 2 alors la somme des racines nème de l’unité est égale à 0.

Preuves
s

Application (racine nème d’un nombre complexe)

√ √
1. Déterminer les racines cubiques de 1. En déduire les solutions dans C de l’équation z 3 = 2 − i 2.
√
2. Déterminer les racines nème de 1. En déduire les solutions dans C de l’équation z n = 1 + i 3.
3. Résoudre dans C l’équation : z 5 = z̄ 5 .

18.5 Matrices et systèmes complexes

Définitions
– On définit les ensembles Mn,p (C) et Mn (C) comme Mn,p (R) et Mn (R).
– Les opérations définies sur les matrices réelles sont étendues aux matrices complexes (addition de
deux matrices, multiplication (externe) d’une matrice par un complexe et multiplication de deux
matrices dont les tailles sont compatibles).
18.6. C-ESPACES VECTORIELS 253

Propositions
– Les règles de calcul sont les mêmes dans C que dans R.
– Tous les résultats énoncés pour les matrices à coefficients réels sont encore valables pour les matrices
à coefficients complexes (notamment en ce qui concerne l’inverse, éventuel, d’une matrice carrée
complexe).
– Les résultats et méthodes (du pivot de Gauss) s’appliquent aux systèmes à coefficients et inconnues
complexes.

Exemple
 
1 + i −i
Déterminer l’inverse de .
1−i i

18.6 C-espaces vectoriels

Définitions
– On définit la notion de C-espace vectoriel comme celle de R-espace vectoriel : la seule différence
concerne les coefficients des combinaisons linéaires qui seront ici des complexes et non plus des
réels.
– Toutes les autres notions s’adaptent alors :
– sous espace vectoriel, somme et somme directe de sous espaces vectoriels ;
– combinaisons linéaires, familles libres et/ou génératrices, bases ;
– applications C-linéaires, noyau, image ;
– isomorphismes, automorphismes ;

Propositions
Tous les théorèmes énoncés dans le cadre des espaces vectoriels réels et des applications R-linéaires
s’étendent aux espaces vectoriels complexes et applications C-linéaires :
– somme directe de sous espaces vectoriels ;
– bases ;
– existence et unicité de l’application linéaire définie par l’image d’une base ;
– Cn est un C-espace vectoriel pour les opérations évidentes et Cn est muni de sa base canonique
définie comme dans Rn .

Exemple
On considère les espaces vectoriels complexes :
– C3 muni de sa base canonique B = (~e1 , ~e2 , ~e3 ) ;
– C2 muni de sa base canonique B 0 = (e~0 1 , e~0 2 ).
     
1 i 1+i
1. Montrer que les vecteurs ~b1 =  1  , ~b2 =  −i  , ~b3 =  −1 + i  de C3 en constitue
1 B i B
1−i B
une base.
2. Justifier l’existence et l’unicité de u ∈ LC (C3 , C2 ) telle que :
     
1 1 1 + i
u(~b1 ) = u(~b2 ) = u(~b3 ) =
0 B0 i B0 1 − i B0

3. Cette application est-elle injective ? surjective ? bijective ?

254 CHAPITRE 18. NOMBRES COMPLEXES

18.7 Exercices
1. Écrire sous forme trigonométrique puis sous forme exponentielle les complexes suivants :
√
(a) − 3 − i
(b) i(1 − i)n pour n ∈ N
(c) 1 + i tan(θ) pour θ ∈ R
(d) sin(α) + i cos(α) pour α ∈ R
(e) 1 + cos(α) + i sin(α) avec π < α < 2π
(f) eia + eib où (a, b) ∈] − π, π]2
2. Calculer de deux manières différentes les complexes :
√ 2 − 2i
z1 = (2 − 2i)(−3 3 + 3i) z2 = √
−3 3 + 3i

3. Soit θ ∈] − π2 , π2 [.
(a) Résoudre dans C l’équation u2 − 2 sin(θ)u + tan2 (θ) = 0.
On donnera le module et un argument des deux solutions lorsqu’elles sont distinctes.
(b) En déduire les solutions dans C de l’équation z 4 − 2 sin(θ)z 2 − tan2 (θ) = 0.
4. Résoudre dans C les équations suivantes :

z6 + z3 + 1 = 0 z6 + z5 + z4 + z3 + z2 + z + 1 = 0 (z + 3)n = (z − 3)n

5. Résoudre dans C les équations :

(1 + i)z + (1 − i)z̄ = 4 z 5 = 16z̄

√
1 3
6. Déterminer les racines carrées puis les puissances successives de : z = − i.
2 2
7. Résoudre dans C, les équations :

(3 − i)z 2 + (2 − 3i)z − 1 = 0 iz 2 − z + 2i = 0

8. Déterminer, si possible, la limite de la suite u lorsque :

(a) u0 = 0, u1 = 1, ∀n ∈ N, un+2 = 2un+1 − 4un
(b) u0 = 0, u1 = 1, ∀n ∈ N, 5un+2 = 2un+1 − 5un
9. Déterminer le terme général de la suite u définie par :

u0 = 0 u1 = 1 ∀n ∈ N, un+2 = (1 + 2i)un+1 + (1 − i)un

10. On définit la suite complexe u par :

√ √
2 2
u0 = 1 u1 = (1 − i) ∀n ∈ N, un+2 = (5 + 3i)un+1 − un
4 4
(a) Déterminer son terme général.
(b) Étudier l’existence de la limite de (|un |)n∈N lorsque n tend vers +∞
(c) Interpréter géométriquement le résultat.
18.7. EXERCICES 255

11. On définit les suites complexes (un )n∈N et (vn )n∈N par :
√ √
u0 = 1 et ∀n ∈ N, un+1 = (1 + i 3)un + 3, vn = u n − i 3

(a) Exprimer vn+1 en fonction de vn pour tout entier naturel n.

(b) En déduire l’expression de vn puis celle de un pour tout entier naturel n.
12. (a) Démontrer que :
π        
3π 5π 7π 9π 1
cos + cos + cos + cos + cos =
11 11 11 11 11 2

(b) Soit n ∈ N∗ . Calculer la somme :

     
π 3π (2n − 1)π
cos + cos + · · · + cos
2n + 1 2n + 1 2n + 1
n  
X kπ
13. Calculer sin pour n ∈ N∗ .
k=0
n
n−1  
X 2kπ
14. (a) Calculer la somme : cos pour tout n ∈ N∗ .
k=0
n
(b) On suppose désormais que n = 5.
i. Montrer que : 4 cos2 2π 2π



5
+ 2 cos − 1 = 0. 5
ii. En déduire les valeurs exactes de cos 2π puis de sin 2π



5 5
.
π π



iii. Calculer les valeurs exactes de cos 5 puis de sin 5 .
15. On note U l’ensemble des nombres complexes de module 1.
(a) Soit (z, z 0 ) ∈ U2 . Montrer que :
1 z
zz 0 ∈ U ∀n ∈ N, z n ∈ U z 0 6= 0 ∈U ∈U z̄ ∈ U
z0 z0
L’ensemble U est appelé groupe des unités.
(b) Prouver que :
1
∀z ∈ C, z ∈ U ⇔
= z̄
z
En déduire l’ensemble des nombres complexes z tels que : z̄ = z −1 = −z.
16. « Justification » de la notation eix = cos(x) + i sin(x).
 x n
(a) (Rappel) Soit x ∈ R. Déterminer lim 1 + .
n→+∞ n
On admettra que ce résultat est encore valable si on remplace le réel x par un complexe z (la
définition de la convergence des suites complexes étant donnée en remplaçant la valeur absolue
par le module dans la définition de la convergence des suites réelles).
(b) Soit z = x + yi ∈ C où (x, y) ∈ R2 . Pour tout entier naturel n, on note : zn = 1 + nz .
i. Exprimer |zn | en fonction de n, x et y.
En déduire que : ∃n0 ∈ N / ∀n ≥ n0 , |zn | > 0.
ii. Soit αn un argument de zn . Exprimer tan(αn ) en fonction de n, x et y pour tout entier
n ≥ n0 .
En déduire qu’il existe un entier n1 ≥ n0 tel que pour tout entier n ≥ n1 , on peut choisir
αn ∈] − π2 , π2 [.
256 CHAPITRE 18. NOMBRES COMPLEXES

z n


(c) Pour tout entier naturel n, on note : Zn = 1 + n
et ρn = |Zn |.
i. Exprimer ln(ρn ) en fonction de n, x et y pour tout entier naturel n ≥ n0 .
En déduire lim ln(ρn ) puis lim ρn .
n→+∞ n→+∞
ii. Exprimer un argument θn de Zn en fonction de αn et de n.
En déduire lim θn .
n→+∞

(d) Justifier alors qu’il est légitime de poser eiy = cos(y) + i sin(y).
17. (D’après Bac C, Lyon 1977)
On considère une nouvelle opération, notée ∗, dans C définie par :

∀z = a + bi, ∀z 0 = a0 + b0 i, z ∗ z 0 = aa0 + (ab0 + a0 b)i

(a) Quelle est la restriction de cette opération au réels ? aux imaginaires purs ?
(b) Cette opération est-elle commutative ? associative ? Admet-elle un élément neutre ? Quels sont
alors les éléments inversibles pour cette opération ?
(c) Pour tout z ∈ C, on note :

z (0) = 1 et ∀n ∈ N, z (n+1) = z (n) ∗ z

i. Vérifier que z (1) = z pour tout complexe z.

ii. Préciser i(2) puis i(n) pour tout entier naturel n.
iii. Pour tout z = a + bi et tout entier naturel n ≥ 1, déterminer la forme algébrique de z (n) .
iv. Résoudre dans C les équations :

z (2) = 1 z (3) = 1 z (n) = 1 z (2) − z − i = 0

(d) On pose z = 12 + 12 i. Dans le plan complexe, on définit le point Mn d’affixe z (n) pour tout entier
naturel n non nul.
i. Représenter les points M1 , . . . , M5 .
ii. On note (xn , yn ) les coordonnées du point Mn . Déterminer la nature et la limite éventuelle
de chacune des suites (xn ) et (yn ).
18. (a) i. Résoudre dans C l’équation z 3 = 1.
Soit j la solution dont la partie imaginaire est strictement positive.
ii. Justifier que 1 + j + j 2 = 0 puis calculer 1 + j 2 + j 4 .
(b) On définit les matrices de M3 (C) :
     
1 1 1 1 0 0 0 0 0
A =  1 j j2  I= 0 1 0  Θ= 0 0 0 
1 j2 j 0 0 1 0 0 0

i. Déterminer (a, b, c) ∈ C3 tels que : A3 + aA2 + bA + cI = Θ

ii. En déduire que A est inversible et préciser A−1 .
(c) Résoudre dans C3 le système :

 jx + j 2 y + z = 1
j 2 x + jy + z = j
x + y + z = j2

18.8. SOLUTIONS DES EXERCICES 257
 
0 1
19. Soit A = ∈ M2 (C).
−1 0
Déterminer tous les complexes λ tels que : A − λI2 ∈
(a) / GL2 (C).
En déduire que A est inversible.
(b)
Justifier que u : C2 → C2 , Z 7→ AZ est linéaire.
(c)
On admet que les valeurs propres de u sont les complexes λ de la question a.
(d)
Déterminer une base de chaque sous espace vectoriel : Eλ = Ker(u − λId).
 
  iz1 + z2
z1
20. Soit u : C2 → C3 , 7→  z1 − iz2 .
z2
z1 + z2
(a) Prouver que u est linéaire.
(b) Déterminer une base de Ker(u) puis de Im(u).
(c) Démontrer que Im(u) est isomorphe à C2 .
 
1
21. Soit D la droite engendrée par d~ =  i  ∈ C3 . On définit le sous ensemble P de C3 par :
0
  
 z1 
P =  z2  ∈ C3 (1 − i)z1 − (1 + i)z2 + (3 − 2i)z3 = 0
z3
 

(a) Montrer que P est un hyperplan de C3 .

(b) Montrer que D et P sont supplémentaires dans C3 .

18.8 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. s
8. s
9. s
10. s
11. s
12. (a) Notons S cette somme. Par linéarité de l’application partie réelle, on a alors :
4   4
! 4 
!
X (2k + 1)π X (2k+1)π π
X 2π
k
S= cos =< ei 11 = < ei 11 ei 11
k=0
11 k=0 k=0
2π
Comme ei 11 6= 1, on en déduit que :
! ! !
i 10π i 5π −i 5π i 5π i 10π
π 1 − e 11 π e 11 e 11 − e 11 π 1 − e 11
S = < ei 11 i 2π
= < ei 11 i π −i π π
i 11
= < ei 11 2π
1−e 11 e 11 e 11 − e 1 − ei 11
cos 5π sin 5π 1
sin 10π π π






11 11 2 11 1 sin π − 11 1 sin 11 1
= π

= π

= π

= π

=
sin 11 sin 11 2 sin 11 2 sin 11 2
258 CHAPITRE 18. NOMBRES COMPLEXES

π        
3π 5π 7π 9π 1
Conclusion : cos + cos + cos + cos + cos = .
11 11 11 11 11 2
(b) Notons Sn cette somme. On procède comme à la question précédente :
n−1 n−1 
! 2nπ
!
  i 2n+1
X (2k + 1)π π X 2π
k π 1 − e
Sn = cos = < ei 2n+1 ei 2n+1 = < ei 2n+1 2π
k=0
2n + 1 k=0 1 − ei 2n+1
nπ

! nπ

nπ

1 π


nπ −2i sin cos sin sin π − 1
2n+1 2n+1
= < ei 2n+1 π

= π

2n+1 = 2 π
2n+1

=
−2i sin 2n+1 sin 2n+1 sin 2n+1 2

     
π 3π (2n − 1)π 1
Conclusion : cos + cos + · · · + cos = .
2n + 1 2n + 1 2n + 1 2
13. Le premier terme de la somme est nulle. Par linéarité de l’application partie imaginaire, on a :
n n
!
i nπ
     
kπ π 1 − e n 2
i kπ π
X X
i i
sin == e n == en π
in
== en π

k=0
n k=1
1 − e 1 − ei n
π
puisque ei n 6= 1. Alors :
n π
!
!
π π


ei n
   
X kπ 2 π
i 2n 2 cos 2n
+ i sin 2n
sin == π
i 2n π
−i 2n π == e π

== i π


k=0
n e e − ei 2n −2i sin 2n
sin 2n

n  
X kπ 1
Conclusion : sin = π

.
k=0
n tan 2n

14. s
15. s
16. s
17. s
n 2π 4π
o
18. (a) i. D’après le cours, les solutions dans C l’équation z 3 = 1 sont : 1, ei 3 , ei 3 .
√
i 2π 1 3
Ainsi, on a : j = e 3 = − + i (l’autre solution non réelle vaut alors j̄ = j 2 .
2 2
ii. D’après le cours, la somme des racines nème de l’unité vaut 0 pour n ≥ 2. Ici, n = 3.
Conclusion : 1 + j + j 2 = 0 .
Comme j 3 = 1, alors j 4 = j 3 × j = j donc : 1 + j 2 + j 4 = 0 .
(b) On a :    
3 0 0 1 1 1
A2 =  0 0 3  et A3 = 3  1 j 2 j 
0 3 0 1 j j2
i. Par symétrie des matrices, on a alors :

3 2 3 + 3a + b + c = 0 3+b=0
A + aA + bA + cI = Θ ⇔
3j + bj + c = 0 3j + 3a + bj 2 = 0
2
√ √
⇔ b = −3 a = j 2 − j = − 3i c = 3j − 3j 2 = 3 3i

Conclusion : A3 + (j 2 − j)A2 − 3A + (3j − 3j 2 )I = Θ .

18.8. SOLUTIONS DES EXERCICES 259

ii. On en déduit que :

   
1 2 2

1 2 2


A A + (j − j)A − 3I = I A + (j − j)A − 3I A = I
3j − 3j 2 3j − 3j 2

1
Conclusion : A ∈ GL3 (C) et A−1 = 2 2


A + (j − j)A − 3I .
3j − 3j 2
Quelques calculs supplémentaires nous donnent :
 
1 1 1
1
A−1 =  1 j2 j 
3
1 j j2

(c) Notons (∗) le système à résoudre. Alors :

    2     2 
 z + y + x = j2 z j z j
(∗) ⇔ z + jy + j 2 x = j ⇔ A  y  =  j  ⇔  y  = A−1  j 
z + j 2 y + jx = 1 x 1 x 1


 2 
 j 
Conclusion : S =  0  .
0
 

19. s
z1


20. (a) Pour tout vecteur ~z = z2
∈ C2 , on a :
   
  i 1
z1
u(~z) = u = z1  1  + z2  −i 
z2
1 1


z1 z10


On en déduit que, pour tout couple de vecteurs z2
, z20
∈ (C2 )2 et pour tout couple de
scalaires (λ, λ0 ) ∈ C2 , on a :
 0 
λz1 + λ0 z10
    
z1 0 z1
u λ +λ = u
z2 z20 λz2 + λ0 z20
   
i 1
= (λz1 + λ0 z10 )  1  + (λz2 + λ0 z20 )  −i 
1 1
         
i 1 i 1
= λ z1  1  + z2  −i  + λ0 z10  1  + z20  −i 
1 1 1 1
   0 
z1 z1
= λu + λ0 u
z2 z20

Conclusion : u ∈ LC (C2 , C3 ) .
(b) Soit ~z = zz12 ∈ C2 . On a :

     
i 1 0
~z ∈ Ker(u) ⇔ z1  1  + z2  −i  =  0 
1 1 0
260 CHAPITRE 18. NOMBRES COMPLEXES
  
i 1
Comme les deux vecteurs  1  et  −i  sont manifestement non colinéaires alors :
1 1

~z ∈ Ker(u) ⇔ z1 = z2 = 0

Conclusion : Ker(u) = {~0} n’admet pas de base .

On a aussi :
   
     i 1
1 0
Im(u) = Vect u ,u = Vect  1  ,  −i 
0 1
1 1

On a déjà dit que ces deux vecteurs engendrant Im(u) ne sont pas colinéaires.
   
i 1
Conclusion :  1  ,  −i  est une base de Im(u) .
1 1
(c) Comme l’application u est linéaire et injective, on en déduit que :

v : C2 → Im(u), ~z 7→ u(~z)

est linéaire, injective et surjective donc est un isomorphisme de C2 dans Im(u).

Conclusion : Im(u) est isomorphe à C2 .
21. s
Chapitre 19

Polynômes

Dans tout ce chapitre (et les suivants), K désigne soit l’ensemble C soit l’ensemble R.
Les éléments de K sont appelés scalaires.

19.1 Généralités
19.1.1 Les ensembles K[X] et Kn [X]
Définitions
– On dit que P (X) (ou P ) est un polynôme à coefficients dans K si et seulement si :
n
X
n+1 n
∃n ∈ N, ∃(a0 , . . . , an ) ∈ K / P (X) = an X + · · · + a1 X + a0 = ak X k
k=0

Cette écriture n’est pas unique :

P (X) = an X n + · · · + a1 X + a0 = 0X n+m + · · · + 0X n+1 + an X n + · · · + a1 X + a0

– On note K[X] l’ensemble de tous les polynômes à coefficients dans K. Ainsi, R[X] est l’ensemble
des polynômes à coefficients réels et C[X] est l’ensemble des polynômes à coefficients complexes.
– On appelle polynôme nul le polynôme, noté 0, dont tous les coefficients sont nuls.
– On dit que deux polynômes sont égaux si et seulement si tous leurs coefficients sont deux à deux
égaux.
– On appelle degré d’un polynôme non nul P (X) de K[X] l’entier naturel n tel que :

∃(a0 , . . . , an ) ∈ Kn+1 / an 6= 0 ∧ P (X) = an X n + · · · + a1 X + a0

Cet entier se note deg(P (X)). Par convention, le polynôme nul est de degré −∞.
– Les polynômes de degré 0 sont appelé polynômes constants.
– Pour tout entier naturel n, on note Kn [X] l’ensemble des polynômes de degré au plus égal à n (les
polynômes de degré n, ceux de degré n − 1, ..., ceux de degré 0 et le polynôme nul).
– Si P (X) = an X n + · · · + a1 X + a0 avec an 6= 0, alors :
– le terme an X n est appelé terme dominant du polynôme P (X),
– le coefficient an est appelé coefficient dominant du polynôme P (X),
– si, de plus, on a an = 1 alors le polynôme P (X) est dit unitaire.
– Les polynômes 1(= X 0 ), X, . . . , X n , . . . sont appelés monômes.

Exemple
Le polynôme P (X) = X 3 + 5X 2 − X + 4 est unitaire, de degré 3 et de terme dominant X 3 .

261
262 CHAPITRE 19. POLYNÔMES

19.1.2 Évaluation d’un polynôme

Soit E un K-espace vectoriel (on peut ajouter deux éléments de E, multiplier un élément de E à gauche
par un scalaire, les résultats étant dans E et les règles de calculs habituelles étant en vigueur) tel que :

1. deux éléments de E peuvent se multiplier (avec résultat dans E et les règles habituelles d’associativité
et de distributivité sur l’addition mais pas nécessairement de commutativité),
2. E possède un élément unité (noté 1E ) pour cette multiplication.

Un tel ensemble est appelé une K-algèbre. Par exemple, E peut être égal à K ou à Mn (K) ou bien même à
LK (Kn ) (la multiplication étant alors la composition des endomorphismes).

Définition

Soit P (X) = an X n + · · · + a1 X + a0 un élément de K[X]. On appelle évaluation de P (X) en x ∈ E,

l’élément de E noté P (x) défini par :

P (x) = an xn + · · · + a1 x + a0 1E

Exemple
 
3 2 1 −1
Soit P (X) = X + 5X − X + 4. Calculer P (2), P (i), P (A) où A = .
−1 1

Définition

Soit P (X) ∈ R[X]. On appelle fonction polynôme associée à P (X) la fonction f : R → R, x 7→ P (x).

Remarque

On convient d’identifier les notions de fonction polynôme et de polynôme (réel).

19.2 Opérations usuelles dans K[X]

19.2.1 Addition et multiplication par un scalaire
Définitions
n
X m
X
Soit P (X) = ak X k et Q(X) = bk X k deux éléments de K[X].
k=0 k=0
– On appelle somme de P (X) et Q(X) le polynôme P (X) + Q(X) = (P + Q)(X) de K[X] défini
par :
max{n,m}
X
P (X) + Q(X) = (ak + bk )X k
k=0

– On appelle produit de P (X) par le scalaire λ le polynôme λP (X) = (λP )(X) de K[X] défini par :
n
X
λP (X) = (λak )X k
k=0
19.2. OPÉRATIONS USUELLES DANS K[X] 263

Propositions
– K[X] est un K-espace vectoriel (c’est à dire que R[X] est un R-espace vectoriel et C[X] est un
C-espace vectoriel), d’où un certain nombre de règles de calcul.
– ∀(P (X), Q(X)) ∈ K[X]2 , deg(P (X) + Q(X)) ≤ max{deg(P (X)), deg(Q(X))}.
– ∀P (X) ∈ K[X], ∀λ ∈ K∗ , deg(λP (X)) = deg(P (X)).
– Kn [X] est un sous K-espace vectoriel de K[X]. C’est donc un K-espace vectoriel et la famille des
monômes (1, X, . . . , X n ) en est une base appelée base canonique de Kn [X].
– Toute évaluation d’une combinaison linéaire de polynômes est égale à la combinaison linéaire des
évaluations.

Preuves
– Très calculatoire.
– Il suffit d’écrire la définition de la somme des deux polynômes.
– Il suffit d’écrire la définition du produit d’un polynôme par un scalaire.
– Le polynôme nul est dans Kn [X] pour tout entier naturel n. Les deux points qui précèdent assurent la
stabilité par combinaison linéaire des éléments de Kn [X].
– Aisé.

19.2.2 Multiplication
Définitions
n
X m
X
Soit P (X) = ak X k et Q(X) = bk X k deux éléments de K[X].
k=0 k=0
– On appelle produit de P (X) et Q(X) le polynôme P (X) × Q(X) = P (X)Q(X) = (P Q)(X)
défini par :
n+m
X
P (X) × Q(X) = ck X k
k=0

où l’on a :
X k
X
∀k ∈ J0, n + mK, ck = ai b j = ai bk−i
i+j=k i=0

– On appelle puissances successives de P les polynômes :

P (X)0 = 1 et ∀k ∈ N, P (X)k+1 = P (X)k × P (X) = P (X) × P (X)k

Exemples
Déterminer les coefficients des polynômes :
n n
!2
X X
(X − 1) Xk et Xk
k=0 k=0

Propositions
Soit P (X), Q(X), R(X) trois polynômes de K[X].
– K[X] (et Kn [X]) est une K-algèbre, c’est à dire que :
– Élément neutre : 1 × P (X) = P (X) × 1 = P (X) où 1 est regardé comme le polynôme constant
égal à 1.
– Associativité : P (X) × [Q(X) × R(X)] = [P (X) × Q(X)] × R(X) (et donc on peut omettre les
parenthèses)
264 CHAPITRE 19. POLYNÔMES

– Commutativité : Q(X) × P (X) = P (X) × Q(X).

– Distributivité sur la somme : P (X) × [λQ(X) + µR(X)] = λP (X) × Q(X) + µP (X) × R(X)
et dans l’autre sens par commutativité.
– En conséquence des deux points précédents, la formule du binôme de Newton s’applique aux poly-
nômes :
n   n  
n
X n k n−k
X n
∀n ∈ N, [P (X) + Q(X)] = P (X) Q(X) = P (X)n−k Q(X)k
k=0
k k=0
k
– Toute évaluation du produit P (X) × Q(X) est égale au produit des évaluations de P et de Q.
– P (X)Q(X) = 0 ⇔ [P (X) = 0] ∨ [Q(X) = 0].
– En conséquence, si P (X) n’est pas le polynôme nul alors on a :
P (X)Q(X) = P (X)R(X) ⇒ Q(X) = R(X)
– Le terme dominant de P (X)Q(X) est le produit du terme dominant de P (X) par celui de Q(X).
– En particulier, on a : deg(P (X)Q(X)) = deg(P (X)) + deg(Q(X)).

Preuves
s

Exemples
Déterminer les coefficients de (X + 1)5 .

19.2.3 Composition des polynômes

Propositions/Définition
Soit P (X) et Q(X) deux éléments de K[X].
– L’évaluation en Q(X) du polynôme P (X) est un polynôme P (Q(X)).
– On l’appelle composée des deux polynômes et on le note P (X) ◦ Q(X).
– Dans le cas de polynômes à coefficients réels, cette composition correspond à la composition des
fonctions polynômes.

Exemples
1. On pose P (X) = X 2 − 3X + 4 et Q(X) = X 3 + 1. Expliciter les polynômes P (Q(X)) et Q(P (X)).
Sont-ils égaux ?
2. Soit P (X) et Q(X) deux polynômes non nuls. Déterminer deg(P (X) ◦ Q(X)) en fonction de
deg(P (X)) et de deg(Q(X)).

19.2.4 Dérivation
Définitions
Soit P (X) = an X n + · · · + a1 X + a0 un élément de K[X].
– On appelle polynôme dérivé de P (X) le polynôme noté P 0 (X) défini par :

 0
 si n = 0
n n−1
P 0 (X) = X
k−1
X

 ka k X = (k + 1)ak+1 X k si n ≥ 1
k=1 k=0

– On définit par récurrence les polynômes dérivés successifs de P par :

0
P (0) (X) = P (X) et ∀k ∈ N, P (k+1) (X) = P (k) (X)
19.2. OPÉRATIONS USUELLES DANS K[X] 265

Exemple
Déterminer les polynômes dérivés successifs de X n .

Propositions (dérivation et degré)

Soit P (X) ∈ K[X].
– Si P (X) est non constant alors deg(P 0 (X)) = deg(P (X)) − 1 (sinon P 0 (X) = 0 est de degré −∞).
– Plus généralement, on a :

∗ deg(P (X)) ≥ k ⇒ deg(P (k) (X)) = deg(P (X)) − k
∀k ∈ N ,
deg(P (X)) < k ⇒ P (k) (X) = 0

Preuves
– Utiliser la définition du polynôme dérivé puis la définition du degré.
– Procéder par récurrence sur le degré n du polynôme P (X).

Propositions (dérivation et opérations usuelles)

Soit (P (X), Q(X)) ∈ K[X]2 et (λ, µ) ∈ K2 . On a alors :
– L’application P 7→ P 0 est un endomorphisme de K[X], c’est à dire que :
(λP + µQ)0 (X) = λP 0 (X) + µQ0 (X)
– (P × Q)0 (X) = P 0 (X) × Q(X) + P (X) × Q0 (X)
– Formule de Leibniz (généralisation de la formule précédente) :
n   n  
(n)
X n (k) (n−k)
X n
∀n ∈ N, (P × Q) (X) = P (X)Q (X) = P (n−k) (X)Q(k) (X)
k k
k=0 k=0

Preuves
– Aisé : utiliser les coefficients.
– Un peu de calcul avec les coefficients puis identification.
– Récurrence sur n en utilsant le résultat qui précède pour l’hérédité.

Exemple
Soit (a, b) ∈ K2 tel que a 6= b. Déterminer le polynôme dérivé nème de (X − a)n (X − b)n .

Théorème (formule de Taylor)

Soit P (X) un polynôme non nul et de degré n ∈ N. On a alors :
n
X P (k) (α)
∀α ∈ K, P (X) = (X − α)k
k=0
k!

c’est à dire que :

P 00 (α) P (n) (α)
∀α ∈ K, P (X) = P (α) + P 0 (α)X + (X − α)2 + · · · + (X − α)n
2 n!

Preuve
Déterminer une autre écriture de P (X) = P ((X − α) + α) à l’aide de la formule du binôme puis
calculer P (k) (α).
266 CHAPITRE 19. POLYNÔMES

Exemples
1. Écrire la formule de Taylor pour (X − a)n en a.
2. Écrire la formule de Taylor pour (X − a)n en b 6= a.

Remarque
Si P (X) = an X n + · · · + a1 X + a0 alors, par identification des coefficients, on a :

∀k ∈ J0, nK, P (k) (0) = k!ak

Proposition
Pour tout a ∈ K, la famille de polynômes (1, X − a, (X − a)2 , . . . , (X − a)n ) est une base de Kn [X].

Preuve
– La formule de Taylor en a prouve que l’on a bien une famille génératrice de Kn [X].
– On procède par évaluation en a puis par factorisations/simplifications successives par X − a pour
démontrer que la famille est libre.

19.2.5 Intégration
Définition
On appelle primitive d’un polynôme P (X) tout polynôme Q(X) tel que Q0 (X) = P (X).

Proposition
Soit P (X) = an X n + · · · + a1 X + a0 un élément de K[X]. Alors, Q(X) est une primitive de P (X) si
et seulement s’il existe scalaire c ∈ K tel que :
an a1
Q(X) = X n+1 + · · · + X 2 + a0 X + c
n+1 2

Preuve
Il suffit de dériver le polynôme candidat au titre de primitive.

19.3 Division euclidienne

19.3.1 Théorème fondamental de la division euclidienne
Théorème/Définitions
Soit (A(X), B(X)) ∈ K[X]2 tel que B(X) 6= 0.
– Alors, il existe un unique couple (Q(X), R(X)) de polynômes tels que :

A(X) = B(X)Q(X) + R(X) et deg(R(X)) < deg(B(X))

– Les polynômes Q(X) et (X)R ainsi obtenus se nomment respectivement quotient et reste de la
division euclidienne de A par B.
19.3. DIVISION EUCLIDIENNE 267

Preuve
– Existence. C’est la mise en pratique de la technique dite de la division euclidienne selon les puissances
décroissantes. Soit donc B(X) un polynôme non nul.
– Pour tout polynôme A(X) tel que deg(A(X)) < deg(B(X)), on vérifie aisément que Q(X) = 0
et R(X) = A(X) conviennent.
– Dans les autres cas (deg(A(X)) ≥ deg(B(X))), on effectue une récurrence sur le degré n du
polynôme A. On définit ainsi la proposition P(n) par « pour tout polynôme A(X) de degré au plus
égal à n, il existe un couple (Q(X), R(X)) de polynômes tels que A(X) = B(X)Q(X) + R(X) et
deg(R(X)) < deg(B(X)) ». La proposition est donc vraie à tous les rangs n < deg(B(X)). Soit
n ≥ deg(B(X)). Supposons que la proposition P(n) est vraie. Soit A(X) un polynôme de degré
inférieur ou égal à n + 1. Si deg(A(X)) ≤ n alors un tel couple existe bien en vertu de P(n). Si
deg(A(X)) = n + 1 alors, en posant :

A(X) = an+1 X n + A1 (X) avec deg(A1 (X)) ≤ n et an+1 6= 0

B(X) = bk X k + B1 (X) avec deg(B1 (X)) < deg(B(X)) = k et bk 6= 0

on obtient :
an+1 n+1−k
A(X) = X (B(X) − B(X)1 ) + A1 (X)
bk
 
an+1 n+1−k an+1 n+1−k
= X B(X) + A1 (X) − X B1 (X)
bk bk

Le second terme est un polynôme de degré inférieur ou égal à n donc on peut lui appliquer l’hypo-
thèse de récurrence. Ainsi :
an+1 n+1−k
A(X) = X B(X) + Q(X)B(X) + R(X)
b
k 
an+1 n+1−k
= X + Q(X) B(X) + R(X) avec deg(R(X)) < deg(B(X))
bk

ce qui prouve bien la proposition au rang n + 1.

– Unicité. Supposons l’existence de deux couples (Q1 (X), R1 (X))et (Q2 (X), R2 (X)) tels que :

A(X) = B(X)Q1 (X) + R1 (X) deg(R1 (X)) < deg(B(X))

A(X) = B(X)Q2 (X) + R2 (X) deg(R2 (X)) < deg(B(X))

Alors, on a :
B(X)(Q1 (X) − Q2 (X)) = R2 (X) − R1 (X)
Pour des raisons de degré, ceci n’est possible que si Q1 (X) = Q2 (X)et R1 (X) = R2 (X).

Exemples
1. Déterminer le quotient et le reste de la division euclidienne du polynôme A(X) = 5X 4 +8X 3 −2X+6
par le polynôme B(X) = −3X 2 + 7.
2. Déterminer le type de branches infinies de la fonction :

4x3 + 3x2 + 2x + 1
f : x 7→
x2 + x + 1

3. À l’aide de la formule de binôme, déterminer le quotient et le reste de la division euclidienne de X n

par X − 1.
4. En utilisant la formule de Taylor, déterminer le quotient et le reste de X n par X + 1.
268 CHAPITRE 19. POLYNÔMES

Propositions
Soit (A(X), B(X)) ∈ K[X]2 tel que B(X) 6= 0.
– Si deg(A(X)) < deg(B(X)) alors Q(X) = 0 et R(X) = A.
– Si deg(A(X)) ≥ deg(B(X)) alors deg(Q(X)) = deg(A(X)) − deg(B(X)).

Preuves
C’est immédiat.

19.3.2 Divisibilité
Définitions
Soit (A(X), B(X)) ∈ K[X]2 tel que B(X) 6= 0.
– On dit que le polynôme A(X) est divisible par le polynôme B(X) dans K[X] si et seulement si le
reste de la division euclidienne de A(X) par B(X) est nul. On dit aussi que B(X) divise A(X) ou
bien que B(X) est un diviseur de A(X).
– Notations : B(X) | A(X) (et B(X) - A(X) dans le cas où le reste n’est pas nul).

Exemples
1. Montrer que (X − 1)2n − 1 est divisible par X. Est-il divisible par X 2 ?
2. Justifier que, pour tout polynôme P (X) ∈ K[X] et pour tout scalaire λ ∈ K non nul, on a :

λ|P (X) et λP (X)|P (X)

19.3.3 Irréductibilité
Définition
Un polynôme non nul est dit irréductible dans K[X] si et seulement si :
– ou bien il est constant,
– ou bien ses seuls diviseurs non constants (c’est à dire de degré supérieur à 1) sont ses multiples (le
polynôme lui-même multiplié par un scalaire non nul).

Exemples
1. Le polynôme 1 + X est-il irréductible dans R[X] ? dans C[X] ?
2. Le polynôme 1 + X 2 est-il irréductible dans R[X] ? dans C[X] ?
3. Le polynôme 1 − X 2 est-il irréductible dans R[X] ? dans C[X] ?
4. Soit P (X) ∈ R[X]. On considère aussi ce polynôme comme un élément de C[X]. On suppose que
P (X) est irréductible dans C[X]. Justifier qu’alors P (X) est irréductible dans R[X].

Remarque
Pour la première fois dans ce chapitre, on vient de constater qu’une notion ne se comporte pas de la
même manière suivant que l’on se place dans R[X] ou bien dans C[X] : si un polynôme réel est irréductible
dans C[X] alors il l’est aussi dans R[X], mais la réciproque est fausse en général.

Proposition
Tout polynôme de K[X] de degré 1 est irréductible dans K[X].
19.4. RACINE(S) D’UN POLYNÔME 269

Preuve
Pour une question de degré du produit des polynômes.

19.4 Racine(s) d’un polynôme

Proposition/Définition
Soit P (X) ∈ K[X] non nul et α ∈ K.
– On a l’équivalence suivante :

(X − α)|P (X) ⇔ P (α) = 0

– On dit que α est une racine de P (X) dans K si et seulement si l’une des propositions précédentes.

Preuve
– ⇒ Supposons que P (X) soit divisible par X − α. Alors, il existe un polynôme Q(X) tel que
P (X) = (X − α)Q(X). En évaluant en α ces polynômes, on obtient le résultat attendu.
– ⇐ Supposons que P (α) = 0. Posons la division euclidienne de P (X) par X −α : il existe un unique
couple (Q(X), R(X)) de polynômes tels que P (X) = (X − α)Q(X) + R(X) et deg(R(X)) <
deg(X − α) = 1. En évaluant en α et en remarquant que R(X) est nécessairement un polynôme
constant (question de degré), on en déduit que R(X) = 0 et donc que P (X) est divisible par X − α.

Exemples
1. Pour quelles valeurs de l’entier naturel n le réel 0 est-il racine du polynôme (X − 1)n − 1 ?
2. Déterminer les racines dans C du polynôme X n − 1. En déduire les racines dans R du polynôme
X n − 1.
3. Déterminer les racines dans C du polynôme X 6 + 1. En déduire les racines dans R de X 6 + 1.

Théorème
Soit n ∈ N et P (X) ∈ Kn [X]. Si P (X) admet (au moins) n + 1 racines deux à deux distinctes dans K
alors P (X) est nul.

Preuve
– Soit P(n) la proposition « pour tout polynôme P (X) ∈ Kn [X], si P (X) admet n + 1 racines alors
P (X) est nul ».
– Au rang 0, un tel polynôme P (X) est constant donc s’il admet une racine alors il est nul.
– Soit n un entier naturel. On suppose que P(n) est vraie. Soit P (X) ∈ Kn+1 [X] admettant (au moins)
n + 2 racines notées α1 , . . . , αn+2 . Par division euclidienne, il existe un polynôme Q(X) tel que
P (X) = (X − αn+2 )Q(X). Le polynôme Q(X) est donc de degré au plus égal à n. En évaluant
l’égalité successivement en α1 , . . . , αn+1 on obtient que ces scalaires sont des racines de Q(X). Ainsi
Q(X) est nul en vertu de P(n) et donc P (X) est nul lui-aussi.

Proposition/Définitions
Soit P (X) ∈ K[X] non nul, k ∈ N∗ et α ∈ K.
– Les trois propositions qui suivent sont équivalentes :
– (X − α)k | P (X) et (X − α)k+1 - P (X)
– ∃Q(X) ∈ K[X] / P (X) = (X − α)k Q(X) et Q(α) 6= 0
270 CHAPITRE 19. POLYNÔMES

– P (α) = P 0 (α) = · · · = P (k−1) (α) = 0 et P (k) (α) 6= 0

– On dit que α est une racine d’ordre k de P (X) dans K si et seulement si l’une des propositions
équivalentes précédentes est vérifiée. L’entier k est aussi appelé multiplicité de la racine α de P (X).
– Une racine d’ordre 1 est dite simple, une racine d’ordre 2 est dite double, ...

Preuve
– 1 ⇒ 2 On écrit la divisibilité. La non factorisation supplémentaire entraîne la non racine de Q(X).
– 2 ⇒ 3 On applique la formule de Taylor à Q(X) en α puis on identifie les coefficients dans la base
constituée par les polynômes (X − α)m pour 0 ≤ m ≤ k.
– 3 ⇒ 1 On applique la formule de Taylor à P (X) en α.

Exemple
Déterminer l’ordre de multiplicité de la racine 0 du polynôme (X − 1)n − 1 en fonction de n.

19.5 Factorisation des polynômes

19.5.1 Factorisation dans C[X]
Définition
Factoriser (ou décomposer) un polynôme dans K[X], c’est l’écrire comme produit de polynômes irré-
ductibles dans K[X].

Exemple
Décomposer dans C[X] le polynôme X n − 1.

Théorème de d’Alembert - Gauss (admis)

Tout polynôme de C[X] non constant (i.e. de degré supérieur ou égal à 1) admet au moins une racine.

Corollaire
Les seuls polynômes irréductibles de C[X] sont les polynômes de degré 0 et 1.

Preuve
On sait déjà que les polynômes de degré 0 et 1 sont irréductibles dans C[X]. Soit P (X) un polynôme
de degré supérieur ou égal à 2. Alors, il admet une racine α. On peut alors factoriser dans C[X] :
∃Q(X) ∈ C[X] / P (X) = (X − α)Q(X)
Ainsi P (X) n’est pas irréductible puisqu’il est le produit de deux polynômes non constants et non multiples
de P (X) (le polynôme Q(X) est de degré supérieur ou égal à 1).

Corollaire
Tout polynôme P (X) de C[X] de degré n ∈ N∗ admet exactement n racines (en tenant compte de la
multiplicité de chaque racine) et on peut alors écrire :
n p
Y Y
P (X) = λ (X − αk ) = λ (X − βk )nk
k=1 k=1

où l’on a :
19.5. FACTORISATION DES POLYNÔMES 271

– λ est le coefficient dominant de P (X)

– α1 , . . . , αn sont les racines complexes (non nécessairement deux à deux distinctes) de P (X),
– β1 , . . . , βp sont les racines complexes deux à deux distinctes de P (X), les entiers naturels n1 , . . . , np
étant leur multiplicité respective (on a alors n1 + · · · + np = n = deg(P (X)).

Preuve

Par récurrence sur le degré. La factorisation est immédiate.

Exercice

Factoriser X 4 + X 2 + 1 dans C[X].

19.5.2 Factorisation dans R[X]

Tout polynôme réel peut être, au besoin, considéré comme un polynôme complexe.

Proposition

Si α est une racine strictement complexe d’un polynôme réel alors son conjugué en est aussi racine.

Preuve

C’est, entre autres, la R-linéarité de l’application conjuguée.

Corollaires
– Si un polynôme réel admet des racines strictement complexes alors elles sont en nombre pair.
– Tout polynôme réel de degré impair admet au moins une racine réelle.

Preuves

C’est immédiat.

Théorème

Les polynômes réels irréductibles dans R[X] sont :

– les polynômes de degré 0 et 1,
– les polynômes de degré 2 dont le discriminant est strictement négatif (obtenu à partir des racines
complexes conjuguées du polynôme dans C[X]).

Preuve

Les polynômes proposés sont bien irréductibles dans R[X] puisque les polynômes de degré 2 à discri-
minant strictement négatif n’admettent pas de racine réelle.
Réciproquement, en écrivant la factorisation dans C[X] et en regroupant les facteurs contenant les ra-
cines complexes conjuguées, on prouve qu’il n’existe pas d’autre polynômes irréductibles dans R[X] que
ceux proposés.
272 CHAPITRE 19. POLYNÔMES

Corollaire
Tout polynôme P (X) de R[X] est de la forme :
p q
! !
Y Y
P (X) = λ (X − αk )nk (X 2 + ak X + bk )mk
k=1 k=1

où l’on a :
– λ est le coefficient dominant de P (X)
– α1 , . . . , αp sont les racines réelles deux à deux distinctes de P (X), les entiers naturels n1 , . . . , np sont
leurs ordres de multiplicité respectifs,
– les discriminants de chaque polynôme X 2 + ak X + bk est strictement négatif (autrement ditX 2 +
ak X + bk = (X − αk )(X − ᾱk ) avec αk ∈ C − R)
– n1 + · · · + np + 2(m1 + · · · + mq ) = deg(P (X)).

Preuve
C’est une conséquence immédiate du théorème précédent.

Exemples
Factoriser R[X] les polynômes :

A(X) = X 3 + 2X + 1 B(X) = X n − 1 C(X) = X 4 + X 2 + 1

19.6 Exercices
1. Soit n ∈ N. Déterminer, en fonction de α ∈ C, le quotient et le reste de la division euclidienne de X n
par X − α.
2. Déterminer le reste de la division euclidienne de nX n+1 − (n + 1)X n + X par (X − 1)2 .
3. Déterminer, en fonction du réel t, le reste de la division de (X cos(t) + sin(t))n par X 2 + 1.
4. Discuter, suivant les valeurs de α ∈ C∗ , les solutions dans C[X] de l’équation P (X) = XP 0 (X).
5. Le polynôme X 4 + 16 est-il irréductible dans R[X] ? Si non, le factoriser dans R[X].
6. Soit n ∈ N∗ .
(a) Rappeler la factorisation de X n − 1 dans R[X].
(b) En déduire la valeur de :
p  
Y kπ
sin
k=1
2p
Indications : On pourra simplifier l’égalité précédente par X − 1 puis l’évaluer en 1. On se
souviendra aussi que cos(2a) = 1 − 2 sin2 (a).
7. Soit α ∈ C∗ . Déterminer tous les polynômes de degré 7 dont le reste est α dans la division par
(X + α)4 et −α dans la division par (X − α)4 .
8. Soit la suite de polynômes :

P0 (X) = 1 P1 (X) = X ∀n ∈ N, Pn+2 (X) = 2XPn+1 (X) − Pn (X)

(a) Démontrer que Pn (X) est de degré n et déterminer son coefficient dominant.
(b) Montrer que Pn (X) a même parité que n.
19.7. SOLUTIONS DES EXERCICES 273

(c) Démontrer que :

∀n ∈ N, ∀x ∈ R, Pn (cos(x)) = cos(nx)
(d) En déduire les racines de Pn (X) puis le factoriser dans R[X].
9. Factoriser dans R[X] le polynôme (X − 1)n − a où a ∈]0, +∞[.
10. Pour quelles valeurs du couple (a, b) ∈ R2 a-t-on :

(X + 1)2 | aX n + bX n−1 + 1

11. Soit θ ∈]0, π[.

(a) Justifier que le polynôme B(X) = X 2 − 2 cos(θ)X + 1 est irréductible dans R[X].
(b) Soit n ≥ 2. Montrer que B(X) divise le polynôme :

A(X) = sin(θ)X n − sin(nθ)X + sin((n + 1)θ)

12. Soit n ∈ N.
(a) Déterminer l’ensemble En des polynômes P (X) à coefficients réels tels que :

0 Xn
P (X) − P (X) =
n!
n
X Xk
(b) Dans le cas où n ≥ 2, en déduire que le polynôme n’admet pas de racine réelle multiple.
k=0
k!

19.7 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. Soit P (X) un tel polynôme. Les divisions euclidiennes s’écrivent :

∃!Q1 (X) ∈ C[X] / P (X) = (X + α)4 Q1 (X) + α deg(α) < 4

∃!Q2 (X) ∈ C[X] / P (X) = (X − α)4 Q2 (X) − α deg(α) < 4

En dérivant ces polynômes, on obtient :

P 0 (X) = 4(X + α)3 Q1 (X) + (X + α)4 Q01 (X) = (X + α)3 [4Q1 (X) + (X + α)Q01 (X)]

P 0 (X) = 4(X − α)3 Q2 (X) + (X − α)4 Q02 (X) = (X − α)3 [4Q2 (X) + (X − α)Q02 (X)]
Ainsi, −α et α sont (au moins) racines d’ordre 3 de P 0 (X) qui est de degré 6. Il n’y a donc pas d’autre
racine au polynôme P 0 (X). Notons d ∈ C son coefficient dominant. Sa factorisation dans C[X] est
alors :

P 0 (X) = d(X + α)3 (X − α)3 = d(X 2 − α2 )3 = d(X 6 − 3α2 X 4 + 3α4 X 2 − α6 )

Par intégration, il existe un coefficient c ∈ C tel que :

1 7 3α2 5
 
4 3 6
P (X) = c + d X − X +α X −α X
7 5
274 CHAPITRE 19. POLYNÔMES

Les évaluations en −α et α des égalités provenant des deux divisions euclidiennes nous donnent :
P (−α) = α et P (α) = −α
En évaluant dans l’expression de P (X) obtenu ci-avant, on obtient les équations :
   
1 7 3 7 7 7 1 7 3 7 7 7
c+d − α + α −α +α =α et c + d + α − α + α − α = −α
7 5 7 5
35
d’où l’on tire c = 0 et d = 16α6
puisque α 6= 0. Ainsi :
5 21 35 35 1
P (X) = 6
X7 − 4
X5 + 2
X3 − X = (5X 7 − 21α2 X 5 + 35α4 X 3 − 35α6 X)
16α 16α 16α 16 16α6
Réciproquement, il reste maintenant à vérifier que ce polynôme remplit toutes les conditions pour
être élu. Tout d’abord, il est de degré 7. Par ailleurs, on a :
1
P (X) = (X + α)4 × (5X 3 − 20αX 2 + 29α2 X − 16α3 X) + α
16α6
1
P (X) = (X − α)4 × (5X 3 + 20αX 2 + 29α2 X + 16α3 X) − α
16α6
ce qui correspond bien aux divisions euclidiennes voulues.
1 7 2 5 4 3 6
Conclusion : Un seul polynôme convient : P (X) = 16α 6 (5X − 21α X + 35α X − 35α X) .

8. (a) Soit P(n) la proposition : Pn (X) est de degré n et son coefficient dominant est 2n−1 .
La proposition est vraie au rang 1 d’après l’énoncé. De plus, on a :
P2 (X) = 2XP1 (X) − P0 (X) = 2X 2 − 1
donc la proposition P(2) est vraie. Supposons que les propositions P(n) et P(n + 1) sont vraies
pour un entier n ≥ 1. Comme le terme dominant d’un produit est le produit des termes domi-
nants alors 2XPn+1 (X) et de terme dominant 2X2n X n+1 = 2n+1 X n+2 . De plus, Pn (X) est
de terme dominant 2n−1 X n donc Pn+2 (X) est de terme dominant 2n+1 X n+2 . Ainsi, la propo-
sition P(n + 2) est vraie. La proposition P(n) est donc vraie pour tout entier n ≥ 1. De plus
P0 (X) = 1 est de degré 0 et de terme dominant 1.
Conclusion : Pn (X) est de degré n et de coefficient dominant 2n−1 (1 lorsque n = 0) .
(b) Soit P(n) la proposition : Pn (X) a même parité que n.
La proposition est vraie aux rangs 0 et 1 d’après l’énoncé. Supposons que les propositions P(n)
et P(n + 1) sont vraies pour un entier n ≥ 0. Si n est pair (resp. impair) alors Pn (X) est pair
(resp. impair) et Pn+1 (X) est impair (resp. pair) donc 2XPn+1 (X) est pair (resp. impair) et alors
le polynôme Pn+2 (X) est pair (resp. impair) tout comme l’entier n + 2. Ainsi, la proposition
P(n + 2) est vraie. La proposition P(n) est donc vraie pour tout entier n ≥ 0.
Conclusion : Pn (X) a même parité que n .
(c) Soit P(n) la proposition : ∀x ∈ R, Pn (cos(x)) = cos(nx).
Aux rangs 0 et 1, pour tout réel x, on a :
P0 (cos(x)) = 1 et cos(0x) = cos(0) = 1
P1 (cos(x)) = cos(x) = cos(1x)
donc la proposition est vraie aux rangs 0 et 1. Supposons que les propositions P(n) et P(n + 1)
sont vraies pour un entier n ≥ 0. Pour tout réel x, on a :
Pn+2 (cos(x)) = 2 cos(x)Pn+1 (cos(x)) − Pn (cos(x)) = 2 cos(x) cos((n + 1)x) − cos(nx)
= 2 cos(x)[cos(nx) cos(x) − sin(nx) sin(x)] − cos(nx)
= [2 cos2 (x) − 1] cos(nx) − 2 sin(x) cos(x) cos(nx)
= cos(2x) cos(nx) − sin(2x) sin(nx) = cos((n + 2)x)
19.7. SOLUTIONS DES EXERCICES 275

Ainsi, la proposition P(n + 2) est vraie. La proposition P(n) est donc vraie pour tout entier
n ≥ 0.
Conclusion : ∀n ∈ R, ∀x ∈ R, Pn (cos(x)) = cos(nx) .
(d) Soit n ∈ N∗ (le polynôme P0 n’admet pas de racine). Alors, pour tout réel x,on a :
π π kπ
cos(nx) = 0 ⇔ ∃k ∈ Z / nx = + kπ ⇔ ∃k ∈ Z / x = +
n 2  o2n n
(2k+1)π
⇔ cos(x) ∈ cos 2n
k ∈ J0, n − 1K

(les autres valeurs de l’entier relatif k redonnant les mêmes valeurs de cos(x) compte tenu des
propriétés de la fonction cos). Nous avons ainsi obtenu n racines deux à deux distinctes du
polynôme Pn (X) qui est de degré n : il ne peut y avoir aucune autre racine.
n   o
(2k+1)π
Conclusion : Les racines de Pn (X) sont les éléments de cos 2n
k ∈ J0, n − 1K .
Connaissant aussi le coefficient dominant de Pn (X), on en déduit la factorisation dans R[X] :
n−1
Y  
n−1 (2k+1)π
Pn (X) = 2 X − cos 2n
k=0

9. s
10. s
11. s
12. (a) Soit P (X) ∈ En . Alors, pour des raisons de degré, l’égalité prouve que P (X) est de degré n.
De plus, par une récurrence élémentaire, on a :
X n−k
∀k ∈ J0, nK, P (k) (X) − P (k+1) (X) =
(n − k)!
Par sommation des différentes égalités et puis par télescopage, on obtient :
n n
X  (k) (k+1)
 X X n−k
P (X) − P (X) =
k=0 k=0
(n − k)!
n n 0
(0) (n+1)
X X n−k X Xk
P (X) − P (X) = =
k=0
(n − k)! k0 =n−k
k0 =0
k0!
Comme P (X) est de degré n, on en déduit que P (n+1) (X) est le polynôme nul, d’où le polynôme
P (X). Réciproquement, le polynôme obtenu est bien dans En puisqu’il vérifie bien l’égalité
caractéristique.
( n )
X Xk
Conclusion : En = .
k=0
k!
(b) Soit α une racine de ce polynôme. Supposons que cette racine soit au moins double. Alors :
P (α) = P 0 (α) = 0
D’après l’égalité caractéristique, on en déduit que :
αn
=0
n!
et donc α = 0. Mais P (0) = 1 6= 0.
n
X Xk
Conclusion : Le polynôme n’admet aucune racine multiple .
k=0
k!
276 CHAPITRE 19. POLYNÔMES
Chapitre 20

Variables aléatoires discrètes finies

Dans tout ce chapitre, sauf mention contraire, Ω désigne un ensemble fini.

20.1 Introduction
Constat : Il est plus facile de manipuler des nombres que des événements. De plus, les opérations sur les
nombres sont plus naturelles que celles sur les ensembles.
Objectif : Lorsque cela sera possible, on essayera d’associer des nombres réels aux événements qui nous
intéresseront.
Exemples :
1. On lance deux dés. On s’intéresse à la somme S des résultats obtenus. Il semble naturel de définir les
événements :
[S = 2], . . . , [S = 12]
(sont-ce des événements élémentaires ?) ainsi que des événements du type :

[S ≤ 5], [4 ≤ S ≤ 7], [S > 9], . . .

2. On lance une pièce de monnaie n fois. On s’intéresse au nombre X de pile obtenus au cours de ces n
lancers. On définit ainsi les événements :

[X = 0], . . . , [X = n] et [X ≥ 4], [X ≤ 6], . . .

20.2 Variables aléatoires réelles discrètes finies

Définitions
– Étant donné une expérience aléatoire dont l’ensemble des éventualités est un ensemble Ω quelconque
(dénombrable ou non dénombrable) et dont l’ensemble des événements est un ensemble noté T , on
appelle variable aléatoire réelle sur l’espace probabilisable (Ω, T ) toute application :

X : Ω → R
ω 7→ X(ω)

telle que, pour tout intervalle I de R, l’ensemble X −1 (I) = {ω ∈ Ω|X(ω) ∈ I} est un événement,
c’est à dire que X −1 (I) ∈ T .
– Dans le cas où Ω est un ensemble fini, l’ensemble des événements est alors T = ℘(Ω). Alors, toute
variable aléatoire réelle est appelée variable aléatoire réelle discrète finie sur l’espace probabili-
sable (Ω, ℘(Ω)) (VARDF en abrégé dans ce cours).

277
278 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

Exemple

On lance une pièce de monnaie n fois consécutivement. Soit X le nombre de pile obtenus.

1. Préciser l’univers Ω de cette expérience aléatoire.

2. Vérifier que X est une VARDF et préciser X(Ω).
3. Décrire l’événement [X = 1] ?
4. Écrire à l’aide de X l’événement «obtenir plus de pile que de face».

Proposition

Dans le cas où Ω est un ensemble fini, toute application X de Ω dans R est une VARDF.

Preuve

C’est immédiat.

Notations

Soit x un réel.
– L’événement X −1 ({x}) = {ω ∈ Ω|X(ω) = x} est noté [X = x].
– L’événement X −1 (] − ∞, x[) = {ω ∈ Ω|X(ω) < x} est noté [X < x]. On définit de même les
notations [X ≤ x], [X ≥ x], [X > x].
– Pour tout intervalle I de R, l’événement X −1 (I) = {ω ∈ Ω|X(ω) ∈ I} se note [X ∈ I].

Définitions (opérations sur les variables aléatoires)

Soit (X, Y ) un couple de VARDF sur (Ω, ℘(Ω)), λ un réel et f une fonction numérique définie sur un
intervalle I de R qui contient X(Ω). On définit les variables aléatoires suivantes :
– Somme de deux VARDF :

X +Y : Ω → R
ω 7→ (X + Y )(ω) = X(ω) + Y (ω)

– Produit d’une VARDF par un réel :

λ.X : Ω → R
ω 7→ (λ.X)(ω) = λ × X(ω)

– Produit de deux VARDF :

X ×Y : Ω → R
ω 7→ (X × Y )(ω) = X(ω) × Y (ω)

– Transfert d’une VARDF :

f ◦X : Ω → R
ω 7→ (f ◦ X)(ω) = f (X(ω))

La fonction f est appelée fonction de transfert de la variable aléatoire X.

20.3. LOI D’UNE VARIABLE ALÉATOIRE RÉELLE 279

Exemples
1. On lance une pièce de monnaie n fois. Pour tout entier naturel i tel que 1 ≤ i ≤ n, on note Xi la
variable aléatoire réelle qui vaut 1 si le résultat du ième lancer est pile et 0 si ce résultat est face.
(a) Justifier que Xi est bien une VARDF pour tout i ∈ J1, nK.
(b) Que représente alors la variable aléatoire X = X1 + · · · + Xn ?
2. On lance un dé bleu et un dé rouge. On note B (resp. R) le résultat du lancer du dé bleu (resp. rouge).
(a) Justifier que B et R sont bien des VARDF. Peut-on dire que B = R ?
(b) Que représente alors la variable aléatoire F = BR ? Peut-on dire que F = R2 ?

20.3 Loi d’une variable aléatoire réelle

Définition
Soit X une VARDF définie sur un espace probabilisé (Ω, ℘(Ω), P ). On pose X(Ω) = {x1 , . . . , xn } (il
est sous entendu que les xi sont deux à deux distincts et même rangés dans l’ordre croissant en général) et
pour tout i ∈ J1, nK, on note pi = P ([X = xi ]). On appelle loi de la variable aléatoire X l’ensemble :

{(xi , pi ) ∈ X(Ω) × [0, 1]|i ∈ J1, nK}

Exemples
1. On reprend l’exemple des deux dés bleu et rouge que l’on supposent non truqués. Déterminer les lois
des variables aléatoires B, R et F .
2. On lance une pièce de monnaie n fois (pile apparaît à chaque lancer avec la probabilité p ∈]0, 1[).
On note X le nombre de pile obtenus au cours de ces n lancers. Vérifier que X est une VARDF puis
déterminer sa loi.
3. On considère une urne contenant r boules rouges et b boules bleues. On tire simultanément n boules
avecn ≤ min{r, b}. On note Y le nombre de boules rouges obtenues. Vérifier que Y est une VARDF
et déterminer sa loi.

Remarque
On peut aussi représenter graphiquement la loi d’une VARDF sous la forme d’un histogramme ou d’un
diagramme en bâtons.

Propositions
– Soit X une VARDF définie sur un espace probabilisé (Ω, ℘(Ω), P ). On pose X(Ω) = {x1 , . . . , xn }
et pi = P ([X = xi ]) pour tout entier i ∈ J1, nK. Alors, on a :

∀i ∈ J1, nK, pi > 0 et p1 + · · · + pn = 1

– Réciproquement, soit (x1 , . . . , xn ) un n-uplet de réels deux à deux distincts et soit (p1 , . . . , pn ) un
n-uplet de réels tel que :

∀i ∈ J1, nK, pi > 0 et p1 + · · · + pn = 1

Alors, il existe un espace probabilisé (Ω, ℘(Ω), P ) et une VARDF X (non unique) définie sur définie
sur cet espace probabilisé telle que :

X(Ω) = {x1 , . . . , xn } et ∀i ∈ J1, nK, P ([X = xi ]) = pi

280 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

Preuves
– On a un système complet d’événements.
– On choisit ce qui nous convient.

Exemple
Donner une expérience aléatoire et une variable aléatoire X dont la loi est donnée par :
       
1 1 1 1
1, , 2, , 3, , 4,
2 4 8 8

20.4 Fonction de répartition

Définition
Soit X une VARDF définie sur (Ω, ℘(Ω), P ). On appelle fonction de répartition de la variable aléa-
toire X la fonction :
FX : R → [0, 1]
x 7→ FX (x) = P ([X ≤ x])

Exemples
Représenter graphiquement la fonction de répartition de chacune des VARDF des exemple du para-
graphe précédent.

Propositions (propriétés de la fonction de répartition)

Soit X une VARDF définie sur (Ω, ℘(Ω), P ). On pose X(Ω) = {x1 , . . . , xn } rangés dans l’ordre
croissants. On a alors :
– FX est croisante sur R et bornée sur R et :
X
∀x ∈ R, FX (x) = P ([X = xi ])
1≤i≤n
xi ≤x

et en particulier :
i
X
∀i ∈ J1, nK, FX (xi ) = P ([X = xk ])
k=1
– En conséquences :
– la fonction FX est donc constante sur les intervalles :
] − ∞, x1 [, [x1 , x2 [, . . . , [xn−1 , xn [, [xn , +∞[
– la fonction de répartition FX admet une limite en −∞ et en +∞ et on a :
lim FX (x) = 0 et lim FX (x) = 1
x→−∞ x→+∞

– pour tout entier i ∈ J1, nK, on a :

lim FX (t) < FX (xi ) = lim+ FX (t)
t→x−
i t→xi

et donc FX est discontinue en tout réel x ∈ X(Ω).

– pour tout réel x 6∈ X(Ω), on a :
lim FX (t) = FX (x) = lim+ FX (t)
t→x− t→x

et donc FX est continue en x 6∈ X(Ω).

20.4. FONCTION DE RÉPARTITION 281

Preuves
– Il est clair que FX (R) ⊂ [0, 1] donc FX est bornée.
Soit (x, x0 ) ∈ R2 tel que x < x0 . Alors [X ≤ x] ⊂ [X ≤ x0 ] et on a :
FX (x) = P ([X ≤ x]) ≤ P ([X ≤ x0 ]) = FX (x0 )
On en déduit que FX est croissante sur R.
Soit x ∈ R tel que xi ≤ x < xi+1 . Alors :
[ [
[X ≤ x] = X −1 (] − ∞, x]) = X −1 ({x1 , . . . , xi }) = X −1 ({xk }) = [X = xk ]
1≤k≤i 1≤k≤i

réunion d’événements deux à deux incompatibles donc :

X
FX (x) = P ([X ≤ x]) = P ([X = xk ])
1≤h≤i

Le résultat est alors immédiat lorsque x = xi .

– Les conséquences sont immédiates :
– La fonction FX est donc constante sur les intervalles :
] − ∞, x1 [, [x1 , x2 [, . . . , [xn−1 , xn [, [xn , +∞[
– La fonction FX est croissante et bornée sur R donc admet une limite finie en ±∞. De plus :
n
X
∀x < x1 , FX (x) = 0 et ∀x ≥ xn , FX (x) = P ([X = xi ]) = 1
k=1

(système complet d’événements) ce qui fournit les limites en ±∞.

– FX est croissante sur R donc admet une limite à gauche et à droite en tout point de R. Si x ∈ X(Ω)
alors la discontinuité est immédiate, dans le cas contraire la continuité l’est aussi.

Théorème
Connaître la loi d’une VARDF X est équivalent à connaître sa fonction de répartition. Plus précisé-
ment, si (x1 , . . . , xn ) est une famille strictement croissante de réels, si (0, y1 , . . . , yn−1 , 1) est une famille
strictement croissante de réels et si F : R → [0, 1] est telle que :
– F est constante égale à 0 sur ] − ∞, x1 [,
– pour tout entier i ∈ J1, n − 1K, F est contante égale à yi sur l’intervalle [xi , xi+1 [,
– F est constante égale à 1 sur l’intervalle [xn , +∞[
alors F est la fonction de répartition d’une VARDF X définie sur un espace probabilisé (Ω, ℘(Ω), P ).

Preuve
Si on connaît l’application X alors on connaît la loi de X et donc on connaît FX .
Réciproquemment, supposons que l’on connaisse F telle que précisée ci-dessus. Posons :
p0 = y1 − 0 ∀i ∈ J1, n − 1K, pi = yi+1 − yi pn = 1 − yn
Alors les pi sont strictement positifs et de somme égale à 1. Ainsi, il existe un espace probabilisé (Ω, ℘(Ω), P )
et une VARDF X dont la loi est donnée par {(x1 , p1 ), . . . , (xn , pn )}. Il est alors aisé de vérifier que FX = F .

Exemple
Cinq juges de patinage artistique notent au hasard ( !) et indépendamment les uns des autres ( ! !) la
prestation d’un patineur. Les notes possibles sont les entiers de 0 à 6. Soit X (resp. Y ) la note maximale
(resp. minimale) attribuée à ce patineur. Déterminer la loi de X puis celle de Y .
282 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

Remarque
On utilise toujours le théorème ci-dessus pour déterminer la loi d’une variable aléatoire définie comme
maximum (on minimum) d’une certaine famille finie de réels suivant chacun une loi de probabilité.

20.5 Espérance et variance

Définitions
Soit X une VARDF définie sur (Ω, ℘(Ω), P ). On pose X(Ω) = {x1 , . . . , xn }.
– On appelle espérance de la variable aléatoire X le réel :
X X n
X
E(X) = X(ω)P ({ω}) = xP ([X = x]) = xk P ([X = xk ])
ω∈Ω x∈X(Ω) k=1

– On appelle variance de la variable aléatoire X le réel positif :

X n
X
V (X) = (x − E(X))2 P ([X = x]) = (xk − E(X))2 P ([X = xk ])
x∈X(Ω) k=1

– On appelle écart type de la variable aléatoire X le réel positif :

p
σ(X) = V (X)

– La variable aléatoire X est dite centrée si et seulement si :

E(X) = 0

– La varialbe aléatoire X est dite centrée réduite si et seulement si :

E(X) = 0 et V (X) = 1

Exemples
1. Calculer l’espérance, la variance et l’écart type de :
(a) la VARDF du lancer successif (2 fois) d’une pièce,
(b) la note minimale (resp. maximale) de notre pauvre patineur.
2. Déterminer une condition nécessaire et suffisante portant sur la variable aléatoire X pour que V (X) =
0.

20.6 Théorème de transfert

Théorème (de transfert)
Soit X une VARDF définie sur (Ω, ℘(Ω), P ). On pose X(Ω) = {x1 , . . . , xn }. Soit f une fonction de
transfert (définie sur un intervalle I de R contenant X(Ω)). On pose Y = f ◦ X. Alors :
– Y (Ω) = {f (x1 ), . . . , f (xn )} (ensemble
X dans lequel on a peut-être répété quelques éléments),
– ∀y ∈ Y (Ω), P ([Y = y]) = P ([X = x]),
x∈f −1 ({y})
n
X
– E(Y ) = f (xk )P ([X = xk ])
k=1
20.6. THÉORÈME DE TRANSFERT 283

Preuves
Soit y ∈ R. SiSy 6∈ f (X(Ω)) alors l’événement [Y = y] est impossible. Si y 6∈ f (X(Ω)) alors pour
tout [Y = y] = x∈f −1 ({y}) [X = x] réunion d’événement deux à deux incompatibles. Les résultats en
découlent.

Exemples
xk -2 -1 0 1 2
Soit la variable aléatoire X dont la loi est :
P ([X = xk ]) 1/2 1/4 1/8 1/16 1/16
1. Déterminer la loi, l’espérance et la variance de X 2 .
2. Idem avec 3X + 2.

Remarque
Le calcul de E(Y ) ne nécessite pas la connaissance de la loi de Y mais seulement celle de X.

Définitions
Soit X une VARDF définie sur (Ω, ℘(Ω), P ) et r un entier naturel non nul.
– On appelle moment d’ordre r de la variable aléatoire X le réel :
X
mr (X) = E(X r ) = xr P ([X = x])
x∈X(Ω)

– On appelle moment centré d’ordre r de la variable aléatoire X le réel :

X
µr (X) = E ((X − E(X))r ) = (x − E(X))r P ([X = x])
x∈X(Ω)

Exemples
– L’espérance de X est le moment d’ordre 1 de X.
– La variance de X est le moment centré d’ordre 2 de X.

Propositions
Soit X une VARDF définie sur (Ω, ℘(Ω), P ).
– Pour tout couple (a, b) de réels, on a :

E(aX + b) = aE(X) + b V (aX + b) = a2 V (X) σ(aX + b) = |a|σ(X)

– Formule de Koenig-Huygens :
V (X) = E(X 2 ) − E(X)2
X − E(X)
– La VARDF X ∗ = est centrée réduite.
σ(X)

Preuves
– Un peu de calcul sur les sommes.
– Idem.
– On utilise le premier résultat.
284 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

Remarque
La formule de Huygens permet aussi de calculer E(X 2 ) connaissant E(X) et V (X).

20.7 Quelques inégalités usuelles

20.7.1 Inégalité de Markov
Théorème
Soit X une VARDF à valeurs positives définie sur (Ω, ℘(Ω), P ). Pour tout réel a strictement positif, on
a:
E(X)
P ([X ≥ a]) ≤
a

Preuve
Soit a un réel strictement positif. On a :
X X X
aP ([X ≥ a]) = aP ([X = x]) ≤ xP ([X = x]) ≤ xP ([X = x]) = E(X)
x∈X(Ω) x∈X(Ω) x∈X(Ω)
x≥a x≥a

(tous les éléments de X(Ω) sont positifs) d’où l’inégalité attendue.

Exemple
Un boulanger fabrique une certaine quantité de pâte à pain chaque jour. On suppose que le nombre X
de pains fabriqués chaque jour suit une loi d’espérance 500. Que peut-on dire de la probabilité pour que, un
jour donné, le boulanger ait fabriqué au moins 600 pains ? au moins 400 pains ?

Remarque
Cette inégalité n’a donc d’intérêt que pour des valeurs du réel a supérieure à E(X).

20.7.2 Inégalité de Bienaymé-Tchebychev

Théorème
Soit X une VARDF définie sur (Ω, ℘(Ω), P ). Pour tout réel a strictement positif, on a :
V (X)
P ([|X − E(X)| ≥ a]) ≤
a2

Preuve
Soit a un réel strictement positif. Alors :
a2 P ([|X − E(X)| ≥ a]) = a2 P (X − E(X) ≥ a) + a2 P (X − E(X) ≤ −a)
= a2 PX(X − E(X) ≥ a) + a2 P (X
X− E(X) ≤ −a)
2
= a P ([X = x]) + a2 P ([X = x])
x∈X(Ω) x∈X(Ω)
x≥a+E(X) x≤−a+E(X)
X X
≤ (x − E(X))2 P ([X = x]) + (E(X) − x)2 P ([X = x])
x∈X(Ω) x∈X(Ω)
x≥a+E(X) x≤−a+E(X)
X
≤ (x − E(X))2 P ([X = x])
x∈X(Ω)
≤ V (X)
20.8. EXERCICES 285

d’où l’inégalité attendue.

Exemples
1. On reprend l’exemple du boulanger sachant que l’on a aussi un écart type égal à 20. Que peut-on dire
de la probabilité qu’il ait fabriqué un nombre de pains compris entre 400 et 600 ? entre 450 et 550 ?
entre 490 et 510 ?
2. On joue avec un dé non truqué à six faces. Combien faut-il effectuer de lancers pour pouvoir affirmer
avec un risque d’erreur inférieur à 5% que la fréquence d’apparition du 1 différera de 1/6 d’au plus
1/100 ?

Remarques
– Cette inégalité n’a donc d’intérêt que pour des valeurs du réel a supérieures σ(X).
– Cette inégalité s’avère toutefois plus précise que l’inégalité de Markov (ceci est normal puisque l’on
a un peu plus de renseignements sur la variable aléatoire : espérance et variance).
– Cette inégalité est très générale car elle ne nécessite pas la connaissance précise de la loi de X mais
seulement de son espérance et de sa variance. Pour obtenir une inégalité plus précise, il est donc
nécessaire de connaître parfaitement la loi de X.

20.8 Exercices
1. Le casino.
Une roulette contient 37 cases numérotées de 0 à 36, dont 18 sont rouges et 18 sont noires (la case 0
est verte). Un joueur misant sur la couleur rouge (resp. noire) gagne deux fois sa mise si la couleur
rouge (resp. noire) sort. Un joueur misant sur un numéro de 1 à 36 gagne 36 fois sa mise si le numéro
choisi sort. Toute mise sur le 0 est interdite.

(a) Un joueur mise, au hasard, sur une couleur la somme de n euros. Soit C son gain net. Déterminer
la loi de C, représenter sa fonction de répartition FC puis calculer son espérance et sa variance.
(b) Un joueur mise, au hasard, sur un numéro de 1 à 36 la somme de n euros. Soit N son gain net.
Déterminer la loi de N , représenter sa fonction de répartition FN puis calculer son espérance et
sa variance.

2. Un sac contient 10 jetons dont 4 rouges et 6 blancs. On extrait les jetons un à un, au hasard et sans
remise. On note X le rang du premier jeton rouge tiré. Déterminer la loi de X, représenter sa fonction
de répartition FX puis calculer son espérance et sa variance.
3. On lance deux dés honnêtes numérotés de 1 à 6. On note X (resp. Y ) le plus grand (resp. petit) des
deux numéros obtenus.

(a) Déterminer la loi de X, représenter sa fonction de répartition puis calculer son espérance et sa
variance.
(b) Déterminer la loi de Y , représenter sa fonction de répartition puis calculer son espérance et sa
variance.

4. On lance simultanément n dés honnêtes numérotés de 1 à 6. On note Xn le plus petit des n numéros
obtenus.

(a) Déterminer la loi de Xn .

(b) Dans le cas où n = 4, tracer l’allure de sa fonction de répartition de Xn .
(c) Pour tout entier k ∈ J1, 6K, calculer lim P ([Xn = k]). Commenter.
n→+∞
286 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

5. (a) Soit X une VARDF telle que X(Ω) ⊂ J0, nK où n est un entier naturel non nul. Montrer que :
n
X
E(X) = P ([X ≥ k])
k=1

(b) On effectue trois tirages avec remise dans une urne contenant n boules (n ≥ 3) numérotées de 1
à n. On note X le plus petit numéro obtenu. Déterminer la loi de X puis calculer son espérance.
6. Une urne contient n boules numérotées de 1 à n. On vide cette urne en tirant les boules une par une,
au hasard et sans remise évidemment. On note X le nombre de boules dont le numéro est égal au rang
de tirage.
(a) Préciser X(Ω).
(b) Calculer P ([X = 0]) et P ([X = n]).
(c) Calculer P ([X = k]) pour tout k ∈ X(Ω) − {0}. On vérifiera que P ([X = n − 1]) = 0.
(d) Calculer l’espérance de X.
7. Un mobile se déplace sur deux points 0 et 1 de sorte que :
* à l’instant t = 0, il se trouve en 0 ;
* si à un instant t il se trouve en 0 alors à l’instant suivant (t + 1) il se trouve en 1 ;
* si à un instant t il se trouve en 1 alors à l’instant suivant il se trouve en 0 ou en 1 de façon équipro-
bable.
On note Xk la position du mobile à l’instant k ∈ N.
(a) Trouver une relation entre P ([Xk+1 = 0]) et P ([Xk = 0]).
(b) En déduire la loi de Xk puis calculer E(Xk ) et V (Xk ).
8. On lance une pièce non truquée n fois. Soit X le nombre de pile obtenu. Combien faut-il effectuer
de lancers pour que la probabilité d’obtenir entre 49% et 51% (strictement) de pile soit supérieure à
0,99 ?
9. Une marque de céréales pour petit déjeuner commercialise chacun de ses paquets avec l’une des 3
figurines du dernier film à la mode. Les figurines sont placées au hasard dans les paquets. De plus, on
ne peut connaître la figurine du paquet sans l’ouvrir. Un enfant souhaite collectionner ces 3 figurines
et fait pression sur sa maman pour acheter très régulièrement un paquet. La maman négocie l’achat
d’au plus 10 paquets. On note X le nombre de paquets achetés lorsque l’enfant possède pour la
première fois toutes les figurines. On convient que [X = 11] est l’événement «l’enfant ne possède
pas toutes les figurines à l’issue des 10 achats».
(a) Déterminer P ([X > k]) pour tout entier naturel k.
(b) En déduire la loi de X puis calculer son espérance.
(c) Généraliser au cas où le nombre de figurines est n ∈ N∗ et le nombre maximum de paquets
acheté est m ∈ N∗ . Déterminer aussi les limites de P ([X = m + 1]) et de l’espérance de X
lorsque m → +∞.
10. Un archer dispose de n flèches (n ∈ N∗ ). Il tire successivement ses flèches et s’arrête soit lorsqu’il
atteint la cible soit lorsqu’il n’a plus de flèche. À chaque tir, sa probabilité d’atteindre la cible vaut
p avec p ∈]0, 1[ et on suppose que le résultat d’un tir n’a aucune influence sur le résultat des tirs
suivants. Soit X la variable aléatoire égale au nombre de flèches utilisées.
(a) Préciser la loi de X.
(b) Tracer sa fonction de répartition dans le cas où n = 4 et p = 12 .
(c) Calculer E(X).
(d) Pour k ∈ J1, nK, calculer la probabilité de l’événement [X = k] sachant que l’archer a atteint sa
cible.
20.9. SOLUTIONS DES EXERCICES 287

(e) L’archer tire les n flèches et gagne n − k + 1 euros lorsqu’il atteint la cible au k ème tir. Soit Y
son gain. Calculer E(Y ).
11. Soit n un entier naturel non nul. Dans une urne contenant initialement n boules numérotées de 1 à n,
on effectue deux tirages successifs d’une boule selon le protocole suivant :
* la première boule tirée portant un certain numéro k, on la remet dans l’urne avec k autres boules
portant toutes ce même numéro k ;
* on effectue alors le second tirage.
On appelle X1 (resp. X2 ) la variable aléatoire égale au numéro de la première (resp. seconde) boule
tirée.
(a) Déterminer la loi de X1 puis calculer son espérance et sa variance.
(b) Déterminer la loi de X2 .
(c) Montrer que :
n
1 − n 3n + 1 X 1
E(X2 ) = +
2 2 k=1 n + k

(d) Déterminer un équivalent simple de E(X2 ) lorsque n → +∞.

20.9 Solutions des exercices

1. S
2. S
3. S
4. S
5. S
6. S
7. (a) Soit k ∈ N. Comme Xk (Ω) = {0, 1}, alors les événements [Xk = 0] et [Xk = 1] forment un
système complet d’événements. On applique donc la formule des probabilités totales :

P ([Xk+1 = 0]) = P ([Xk = 0])P[Xk =0] ([Xk+1 = 0]) + P ([Xk = 1])P[Xk =1] P ([Xk+1 = 0])
= P ([Xk = 0]) × 0 + (1 − P ([Xk = 0])) × 12

1
Conclusion : ∀k ∈ N, P ([Xk+1 = 0]) = 2
− 12 P ([Xk = 0]) .
(b) On constate donc que la suite (P ([Xk = 0]))k∈N est arithmético-géométrique. Après calculs, on
obtient :

k
k
P ([Xk = 0]) = 13 + 32 − 21 et P ([Xk = 1]) = 32 − 23 − 12

2 2

k
Il est alors élémentaire que : E(Xk ) = 3
− 3
− 12 .

k   2
k 
1 2
On obtient tout aussi aisément que : V (Xk ) = 3
+ 3
− 12 3
− 2
3
− 21 .

8. En reprenant un exemple du cours, on rappelle la loi de X :

n 1 k 1 n−k n 1 n






X(Ω) = J0, nK et ∀k ∈ X(Ω), P ([X = k]) = k 2 2
= k 2

Calculons E(X) :
n n n−1
1 n 1 n 1 n 1 n 1 n−1
X X X
n n−1 n−1 n









E(X) = k k 2
=n 2 k−1
=n 2 k
=n 2 2
= 2
k=0 k=1 k=0
288 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES

Calculons E(X 2 ) en appliquant deux fois la méthode qui précède :

n n n−1
1 n 1 n 1 n
X X X
2
k 2 nk n−1 n−1







E(X ) = 2
=n 2
k k−1
=n 2
(k + 1) k
k=0 k=1 k=0
" n−1 n−1
#
1

n X n−1

X
n−1


h
1 n 1 n−2

1 n−1

i
n(n+1)
= n 2
k k
+ k
=n 2
(n − 1) 2
+ 2
= 4
k=0 k=0

Ainsi, on en déduit V (X) par la formule de Koenig-Huygens :

n(n+1) n2
V (X) = E(X 2 ) − E(X)2 = 4
− 4
= n
4

On cherche l’ensemble des valeurs prises par l’entier n tel que :

49
< Xn < 100
51 99 n
< X − n2 < 100
n 99



P 100 ≥ 100 P − 100 ≥ 100
n 99 n 1



P |X − E(X)| < 100 ≥ 100 P |X − E(X)| ≥ 100 ≤ 100
D’après l’inégalité de Bienaymé-Tchebychev, pour que cette dernière inégalité soit vraie, il suffit
(mais il n’est pas nécessaire) que :
V (X) 1 n n2
n 2
≤ 100
100 × 4
≤ 1002
n ≥ 250000
( )
100

9. Traitons directement le cas général. On numérote les figurines de 1 à n. Pour tout entier k tel que
1 ≤ k ≤ m et pour tout entier i tel que 1 ≤ i ≤ n, on note Fk,i l’événement « à l’issue du k ème achat,
l’enfant ne possède pas la figurine numéro i ». Par ailleurs, on a : X(Ω) = Jn, m + 1K.
(a) Soit k ∈ X(Ω). L’événement [X > k] est l’événement Fk,1 ∪ · · · ∪ Fk,n . Alors :
 
n
X X
(−1)j+1


P ([X > k]) = P (Fk,1 ∪ · · · ∪ Fk,n ) = P Fk,i1 ∩ · · · ∩ Fk,ij 
j=1 1≤i1 <···<ij ≤n
 
n n h i
n−j k  n−j k
X X X
(−1)j+1 n
(−1)j+1




= n
= j n
j=1 1≤i1 <···<ij ≤n j=1

n−1 h i
n−j k
X
n
(−1)j+1



Le dernier terme est nul donc : P ([X > k]) = j n
.
j=1

(b) Soit k ∈ X(Ω). Si k = m + 1 alors [X = m + 1] = [X > m] et donc :

n−1 h i
n−j m
X
n
(−1)j+1



P ([X = m + 1]) = j n
j=1

Si k ≤ m alors :

P ([X = k]) = P ([X > k − 1]) − P ([X > k])

n−1 h n−1 h
X
j+1 n

n−j
k−1 i X n−j k
i
(−1)j+1 nj



= (−1) j n
− n
j=1 j=1
n−1 h n−1 h
X
n−j k−1

i X
n−j k−1
i
(−1)j+1 nj j
(−1)j+1 n−1





= n
1−1+ n
= j−1 n
j=1 j=1
20.9. SOLUTIONS DES EXERCICES 289

n−1 h i
n−j k−1
X
n−1
(−1)j+1



Conclusion : ∀k ∈ Jn, mK, P ([X = k]) = j−1 n
.
j=1
Pour calculer l’espérance, on va utiliser la formule de l’exercice 5 (qui sera souvent proposée à
la démonstration dans ce genre de situation) :
n
X m+1
X m+1
X
E(X) = P ([X ≥ k]) = n + P ([X ≥ k]) = n + P ([X > k − 1])
k=1 k=n+1 k=n+1
m m X
n−1 h i
n−j k
X X
(−1)j+1 nj



= n+ P ([X > k]) = n + n
k=n k=n j=1
n−j m−n+1
n−1
" m
# n−1
"
#
n−j k n−j n 1 −
X X X
n n
(−1)j+1 (−1)j+1 n





= n+ j n
=n+ j n j
j=1 k=n j=1 n

n−1 h
X
 n−j n n−j m+1
i
(−1)j+1 1j nj



Conclusion : E(X) = n + n n
− n
.
j=1

10. S
11. S
290 CHAPITRE 20. VARIABLES ALÉATOIRES DISCRÈTES FINIES
Chapitre 21

Variables aléatoires finies usuelles

Dans tout ce chapitre, Ω désigne un ensemble fini.

Nous allons mettre en évidence quatre type de lois à connaître et reconnaître tant leur présence est
fréquente dans les situations courantes.

21.1 Loi uniforme

Proposition/Définition
Soit E un ensemble fini.
– Il existe un espace probabilisé (Ω, ℘(Ω), P ) et une VARDF X définie sur (Ω, ℘(Ω), P ) tels que :

1
X(Ω) = E et ∀e ∈ E, P ([X = e]) =
Card(E)

– On dit qu’une telle variable aléatoire X suit la loi uniforme de paramètre E, ce que l’on note :

X ,→ U(E)

Preuve
Évident d’après une proposition du chapitre précédent.

Proposition (résultat primordial)

Soit (a, b) ∈ Z2 tel que a ≤ b. On considère une expérience aléatoire dont les résultats possibles sont
les entiers de Ja, bK. On suppose que les résultats sont obtenus de manière équiprobable (une telle situation
est obtenue dans le cas du lancer d’un dé non truqué à n faces numérotées de 1 à n : on a alors ici a = 1 et
b = n). On note X le résultat de l’expérience aléatoire. Alors : X ,→ U(Ja, bK).

Preuve
C’est évident.

Proposition
Soit n ∈ N∗ et X ,→ U(J1, nK). Alors :

n+1 n2 − 1
E(X) = et V (X) =
2 12

291
292 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES

Preuve
Un simple calcul de sommes.

Exemple type
On lance un dé équilibré dont les faces sont numérotées de 1 à 6. On note X le résultat du lancer.
Préciser la loi de X ainsi que son espérance et sa variance.

21.2 Loi de Bernoulli

Proposition/Définition
Soit p ∈]0, 1[.
– Il existe un espace probabilisé (Ω, ℘(Ω), P ) et une VARDF X définie sur (Ω, ℘(Ω), P ) tels que :

X(Ω) = {0, 1} et P ([X = 1]) = p, P ([X = 0] = 1 − p

– On dit qu’une telle variable aléatoire X suit la loi de Bernoulli de paramètre p, ce que l’on note :

X ,→ B(1, p)

Preuve
Évident d’après une proposition du chapitre précédent.

Proposition (résultat primordial)

Soit p ∈]0, 1[. On considère une expérience aléatoire à deux issues notées A et B. On suppose que l’issue
A survient avec la probabilité p (et l’issue B avec la probabilité 1 − p). Soit X la variable aléatoire qui prend
la valeur 1 (resp. 0) lorsque l’issue A (resp. B) survient. Alors : X ,→ B(1, p).

Preuve
C’est immédiat.

Proposition
Soit p ∈]0, 1[ et X ,→ B(1, p). Alors :

E(X) = p et V (X) = p(1 − p)

Preuve
Évident.

Exemple type
On lance une pièce telle que pile apparaît avec la probabilité p ∈]0, 1[ et face avec la probabilité q =
1 − p. Soit X est la VARDF égale à 1 si le résultat est pile et à 0 sinon. Préciser la loi de X, son espérance
et sa variance.
21.3. LOI BINOMIALE 293

21.3 Loi binomiale

Proposition/Définition
Soit n ∈ N∗ et p ∈]0, 1[.
– Il existe un espace probabilisé (Ω, ℘(Ω), P ) et une VARDF X définie sur (Ω, ℘(Ω), P ) tels que :
 
n
X(Ω) = J0, nK et ∀k ∈ X(Ω), P ([X = k]) = pk (1 − p)n−k
k

– On dit qu’une telle variable aléatoire X suit la loi binomiale de paramètres n et p, ce que l’on note :

X ,→ B(n, p)

Preuve
Évident d’après une proposition du chapitre précédent.

Proposition (résultat primordial)

Soit n ∈ N∗ et p ∈]0, 1[. On considère une expérience aléatoire se déroulant sous la forme de n répé-
titions consécutives de la même épreuve à deux issues notées A et B. On suppose que les n résultats des
répétitions sont indépendants et qu’à chaque répétition l’issue A survient avec la probabilité p (et l’issue B
avec la probabilité 1 − p). Soit X la variable aléatoire égale au nombre de fois que l’issue survient. Alors :
X ,→ B(n, p).

Preuve
Voir l’exemple de l’introduction.

Remarque
La loi de Bernoulli de paramètre p correspond à la loi binomiale dans le cas où n = 1 d’où la notation
identique.

Proposition
Soit n ∈ N∗ , p ∈]0, 1[ et X ,→ B(n, p). Alors :

E(X) = np et V (X) = np(1 − p)

Preuve
Calculs directs (avec la formule du binôme) ou bien avec des variables de Bernoulli pour le résultat de
chacun des tirages (cf chapitre suivant).

Exemple type
On effectue n lancers d’une pièce telle que pile apparaît avec la probabilité p ∈]0, 1[ à chaque lancer et
face avec la probabilité q = 1 − p. On suppose les résultats des lancers mutuellement indépendants. On note
X le nombre de pile obtenus au cours des n lancers. Préciser la loi de X puis son espérance et sa variance.
294 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES

21.4 Loi hypergéométrique

Proposition/Définition
Soit (N, n, p) ∈ N2 ×]0, 1[ tel que :

N ≥2 1≤n≤N N p ∈ N∗

– Il existe un espace probabilisé (Ω, ℘(Ω), P ) et une VARDF X définie sur (Ω, ℘(Ω), P ) tels que :

X(Ω) = Jmax{0, n − N (1 − p)}, min{n, N p}K

  
Np N (1 − p)
k n−k
∀k ∈ X(Ω), P ([X = k]) =  
N
n
– On dit qu’une telle variable aléatoire X suit la loi hypergéométrique de paramètres N , n et p, ce
que l’on note :
X ,→ H(N, n, p)

Preuve
Évident d’après une proposition du chapitre précédent.

Proposition (résultat primordial)

Soit a et b deux entiers strictement positifs et n ∈ J1, a + bK. On considère des objets de deux types
distincts notés A et B. Une urne contient a objets du type A et b objets du type B. On prélève dans cette
urne n objets au hasard selon l’un des deux protocoles qui suivent et on note X le nombre d’objets de type
A obtenus :
1. on effectue n tirages successifs d’un objet sans remise entre les tirages,
2. on prélève simultanément les n objets.
a
Alors : X ,→ H(a + b, n, a+b ).

Preuve
Voir l’exemple de l’introduction.

Remarques
– L’ensemble X(Ω) n’est pas nécessairement égal à J0, nK car si le nombre n de boules tirées est trop
important alors on peut être sûr d’obtenir un tirage bicolore.
– En termes de probabilités, on a : tirages simultanés = tirages sans remise .

Proposition
Soit X ,→ H(N, n, p) où N ≥ 2, 1 ≤ n ≤ N et N p ∈ N∗ . Alors :

N −n
E(X) = np et V (X) = np(1 − p)
N −1
21.5. EXERCICES 295

Preuve
Calcul direct (avec Vandermonde, plusieurs cas selon la valeur de n) ou utilisation des variables de
Bernoulli (cf le chapitre suivant).

Exemple type
Une urne contient r boules rouges et b boules bleues. Soit n ∈ N∗ tel que n ≤ r et n ≤ b.
1. Premier cas : On tire simultanément n boules. Soit X le nombre de boules bleues tirées.
Montrer que X est une VARDF dont on précisera la loi puis l’espérance et la variance.
2. Second cas : On tire successivement sans remise n boules. Soit Y le nombre de boules bleues tirées.
Montrer que Y est une VARDF dont on précisera la loi puis l’espérance et la variance.

21.5 Exercices
1. Soit X ,→ B(n, 10−2 ). Déterminer n pour que :
(a) P ([X = 0]) ≤ 0, 01
(b) P ([X ≥ 1]) ≥ 0, 99
2. Une urne contient 12 boules blanches et 4 noires. Une épreuve consiste à tirer successivement et sans
remise 4 boules dans l’urne.
(a) Déterminer la probabilité de l’événement E : « on obtient exactement 2 boules blanches ».
(b) On répète 10 fois cette épreuve en remettant les quatre boules après chaque épreuve. Calculer la
probabilité des événements :
i. « E se produit exactement 2 fois »,
ii. « E se produit au moins 2 fois ».
3. Lors d’une tombola, 1000 billets sont mis en vente dont 2 sont gagnants. Combien faut-il acheter de
billets pour que la probabilité de gagner au moins un lot soit supérieure à 1/2 ?
4. On lance n fois de suite une pièce non truquée. Quelle est la probabilité d’obtenir strictement plus de
pile que de face ?
5. Une urne contient 2n papiers. Sur chacun d’entre eux est écrit l’une des parties d’un ensemble E dont
le cardinal est n. On tire un papier au hasard. Soit X la variable aléatoire égale au cardinal de la partie
tirée. Reconnaître la loi suivie par X.
6. Calculer E(X) puis V (X) pour X ,→ U(Ja, bK) avec a ≤ b éléments de Z.
7. Soit f : R → R admettant une unique racine α dans I = [0, 1[. Soit n ∈ N∗ . On subdivise I en les
intervalles :
∀k ∈ J0, 10n − 1K, Ik = [10−n k, 10−n (k + 1)[
On suppose que la probabilité que α se trouve dans chacun de ces intervalles est la même. Soit X la
valeur décimale approchée à 10−n près par défaut de α. Déterminer la loi de X puis donner, presque
sans aucun calcul, E(X) et σ(X).
8. Soit n ∈ N∗ . Deux urnes, A et B, contiennent chacune 2n jetons numérotés de 1 à 2n. On tire au
hasard et simultanément n jetons dans A puis on fait de même dans B. Soit X la variable aléatoire
égale au nombre de jetons dont le numéro est commun aux deux prélèvements. Déterminer la loi de
X puis donner son espérance et sa variance.
9. Une urne contient a boules noires (a ≥ 2) et b boules blanches. On tire les boules successivement
une par une sans remise jusqu’à épuisement de l’urne. Calculer la probabilité qu’il reste exactement
2 boules noires au moment où l’on vient de tirer la dernière boule blanche.
296 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES

10. Soit X une VARDF telle que X(Ω) ⊂ J0, nK. On appelle moment factoriel d’ordre r ∈ N∗ de X le
réel :
n
X
µ[r] (X) = E(X(X − 1) . . . (X − r + 1) = k(k − 1) . . . (k − r + 1)P ([X = k])
k=0

(a) On suppose que r = 3. Exprimer les moments d’ordres 1, 2 et 3 en fonction des moments
factoriels d’ordres 1, 2 et 3.
(b) Calculer les moments factoriels d’ordre 1, 2 et 3 des variables X suivant les lois :

U(J1, nK) B(n, p) H(N, n, p)

11. (a) Soit n un entier naturel non nul. Démontrer, à l’aide d’un argument probabiliste, que :
n     
X n n 2n
=
k n−k n
k=0

(b) On lance 2n fois une pièce de monnaie équilibrée. Quelle est la probabilité pn , que le nombre de
pile obtenus lors des lancers de rangs pairs soit égal au nombre de face obtenus lors des lancers
de rangs impairs ?
(c) On admet que :  n n √
n! ∼ 2πn
e
n→+∞

Déterminer la limite de pn lorsque n tend vers +∞.

12. Soit a et b deux entiers strictement positifs. Soit n ∈ J1, a + bK.
(a) Une urne contient a objets de la forme A et b objets de forme B. On tire successivement n fois
avec remise entre les tirages un objet dans l’urne. On note X le nombre d’objets de la forme A
obtenus. Préciser la loi de X.
(b) Pour tout entier m > 0, on considère une urne Um contenant am objets de la forme A et bm
objets de la forme B. On prélève simultanément n objets dans cette urne et on note Ym le nombre
d’objets de la forme A obtenus. Préciser la loi de Ym pour tout entier m > 0.
(c) i. Justifier qu’il existe un entier m0 tel que :

∀m ≥ m0 , Ym (Ω) = J0, nK

ii. Prouver que :

∀k ∈ J0, nK, P ([Ym = k]) ∼ P ([X = k])
m→+∞

iii. Interpréter ce résultat.

13. Soit n ∈ N∗ . Pour toute VARDF X telle que X(Ω) ⊂ J0, nK, on appelle fonction génératrice de la
variable aléatoire X la fonction polynôme GX définie sur R par :
n
X
∀x ∈ R, GX (x) = P ([X = k])xk
k=0

(a) Généralités sur les fonctions génératrices.

i. Préciser la valeur de GX (1).
ii. Déterminer une relation entre E(X) et G0X (1).
iii. Prouver que : V (X) = G00X (1) − G0X (1)2 + G0X (1)
21.6. SOLUTIONS DES EXERCICES 297

(b) On suppose ici que X ,→ B(n, p). Déterminer une expression (sans symbole de somme) de la
fonction génératrice de la variable aléatoire puis retrouver son espérance et sa variance.
14. Un archer tire successivement sur n cibles. On suppose qu’il les atteint (ou non) indépendemmentles
unes des autres avec la probabilité p ∈]0, 1[. On note X le nombre de cibles atteintes.
(a) Préciser la loi de X, son espérance et sa variance.
(b) On suppose maintenant que, pour chaque cible, si le tir a échoué alors l’archer a droit à une
seconde chance. On note alors Y le nombre de cibles atteintes au second essai (X désignant
donc le nombre de cibles atteintes lors du premier tir).
i. On suppose que l’événement [X = k] est réalisé. Quelles sont alors les valeurs possibles
prises par Y .
Déterminer alors P[X=k] ([Y = j]).
ii. En déduire la loi de Y .
15. (a) Démontrer que :
p+n    
X k n+p+1
∀n ∈ N, ∀p ∈ N, =
n n+1
k=n
(b) Une urne est composée de n boules blanches et de n boules noires. On y prélève des boules les
unes après les autres sans remise.
i. On note Xk le nombre de boules blanches obtenues après k tirages. Préciser la loi de Xk
ainsi que son espérance.
ii. On poursuit les tirages jusqu’à ce qu’il ne reste plus aucune boule blanche dans l’urne. On
note alors X le nombre de tirages nécessaires. Déterminer la loi de X puis son espérance.

21.6 Solutions des exercices

1. s
2. (a) Soit X la variable aléatoire égale au nombre de boules blanches obtenues. Comme on effectue
une succession de 4 tirages sans remise à deux issues et comme on compte le nombre de fois
que l’une des issues est obtenues, on en déduit que :
X ,→ H 16, 4, 43

12 4



99
De plus, E est l’événement [X = 2] donc : P (E) = 2 16
2 = .
4
455
(b) Soit Y la variable aléatoire égale au nombre de fois que l’événement E survient. Comme on
effectue une succession de 10 répétitions indépendantes à deux issues (E et Ē) et comme on
compte le nombre de fois que l’une des issues est obtenues, on en déduit que :
99


Y ,→ B 10, 455
  2  8
10 99 99
i. On calcule ici P ([Y = 2]) = 1− .
2 455 455
ii. On calcule ici :
P ([Y ≥ 2]) = 1 − P ([Y = 0]) − P ([Y = 1])

99
0 99 10

99
1 99 9
= 1 − 10 10



0 455
1 − 455
− 1 455
1− 455
99 9 99 99



= 1 − 1 − 455 1 − 455 + 10 455
 9
99 1346
Conclusion : P ([Y ≥ 2]) = 1 − 1 − .
455 455
298 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES

3. Soit X la variable aléatoire égale au nombre de billets gagnants parmi les n billets achetés. Comme
on effectue une succession de n tirages sans remise à deux issues et comme on compte le nombre de
fois que l’une des issues est obtenues, on en déduit que :
1


X ,→ H 1000, n, 500
On cherche alors les valeurs de l’entier n tel que :
1
P ([X ≥ 1]) ≥ 2

autrement dit :
1
P ([X = 0]) ≤ 2
(20)(9998
n )
= 9998!×n!×(1000−n)! = (1000−n)×(999−n)
≤ 1
(1000
n )
n!×(9998−n)!×1000! 1000×999 2

d’où l’inéquation du second degré :

n2 − 1999n + 499500 ≤ 0
dont le polynôme associé a pour discriminant ∆ = 1998001 et pour racines x1 ' 292, 75 et x2 '
1706, 25 ce qui permet de dire que :
n ∈ J293, 1000K
4. Soit X la variable aléatoire égale au nombre de piles obtenus. Comme on effectue une succession de
n tirages indépendantes à deux issues et comme on compte le nombre de fois que l’une des issues est
obtenues, on en déduit que :
X ,→ B n, 12


n
L’événement dont on cherche la probabilité est de manière évidente [X > 2
]. De plus, la famille
d’événements ([X < n2 ], [X = n2 ], [X > n2 ]) est un système complet donc :
P ([X < n2 ]) + P ([X = n2 ]) + P ([X > n2 ]) = 1
Comme la pièce n’est pas truquée, il est clair que P ([X < n2 ]) = P ([X > n2 ]). Ainsi :
P ([X > n2 ]) = 12 (1 − P ([X = n2 ]))

Dans le cas où n est impair alors P ([X = n2 ]) = 0 et donc P ([X > n2 ]) = 21 .

1
n h i
n n n 1 n 1 n



Dans le cas où n est pair alors P ([X = 2 ]) = n/2 2 et donc P ([X > 2 ]) = 2 1 − n/2 2
.
5. X étant le nombre d’éléments de la partie de E écrite sur le papier tiré alors X(Ω) = J0, nK (puisque
les parties de E ont soit 0, soit 1, ..., soit n éléments). De plus, les papiers étant choisis au hasard, on
munit (Ω, ℘(Ω)) de l’équiprobabilité. Remarquons aussi que Ω = ℘(E). Alors :
(nk)
1
k 1
n−k
∀k ∈ J0, nK, P ([X = k]) = Card([X=k])
Card(Ω])
= 2 n = n
k 2 2

Conclusion : X ,→ B n, 12 .

6. On peut mettre en bijection Ja, bK avec J1, b − a + 1K grâce à la fonction f : x 7→ x − a + 1. Posons

alors Y = f ◦ X. On a ainsi :
Y (Ω) = J1, b − a + 1K
1
∀k ∈ J1, b − a + 1K, P ([Y = k]) = P ([X − a + 1 = k]) = P ([X = k + a − 1]) = b−a+1
donc Y ,→ U(J1, b − a + 1K). On en déduit que :
b−a+2 (b−a+1)2 −1
E(Y ) = 2
et V (Y ) = 12
b−a+2 (b−a+1)2 −12
E(X − a + 1) = 2
et V (X − a + 1) = 12
b−a+2 (b−a)(b−a+2)
E(X) − a + 1 = 2
et V (X) = 12
a+b (b−a)(b−a+2)
Conclusion : E(X) = 2
et V (X) = 12
.
21.6. SOLUTIONS DES EXERCICES 299

7. Il est clair que α ∈ Ik si et seulement si l’événement [X = 10−n k] est réalisé. Ainsi :

X(Ω) = 10−n k k ∈ J0, 10n − 1K



Comme α se trouve de manière équipeobable dans l’un des Ik alors :

10−n k k ∈ J0, 10n − 1K



X ,→ U

Posons Y = 10n X + 1. Alors, il est évident que Y ,→ U (J1, 10n K). Ainsi :
10n +1 102n −1
E(Y ) = 2
et V (Y ) = 12

10n +1 102n −1
10n E(X) + 1 = 2
et 102n V (X) = 12
q
1−10−n 1−10−2n
Conclusion : E(X) = 2
et σ(X) = 12
.
8. Modifions très légèrement le protocole expérimental (sans toutefois modifier l’espace probabilisé) :
après les tirages dans l’urne A (donc connaissant l’ensemble An des n numéros des boules obtenues
dans A) et avant les tirages dans l’urne B, on colorie en rouge les n boules de B portant l’un des
numéros tirés dans A et on colorie en vert les n autres boules de B. On note alors X|An le nombre de
boules rouges tirées dans B. On reconnaît alors une loi usuelle :

X|An ,→ H 2n, n, 12

D’autre part, on a :
 
(nk)(n−k
n
)
PAn ([X = k]) = P X|An = k = 2n
(n)
qui est indépendant de l’ensemble An obtenu. L’ensemble de tous les An formant un système complet
d’événements, on déduit de la formule des probabilités totales l’égalité :
P  
 
P
P ([X = k]) = An P (An )P X|An = k = P X|An = k An P (An )
 
(n)( n )
= P X|An = k = k 2nn−k
(n)

pour tout entier k ∈ J0, nK.

n2
Conclusion : X ,→ H 2n, n, 12 n


et donc : E(X) = 2
et V (X) = 4(2n−1)
.
9. Soit X le nombre de boules blanches obtenues à l’issue de a + b − 3 tirages et Y le nombre de boules
blanches obtenues à l’issue de a + b − 2 tirages. Les tirages étant sans remise et à deux issues et les
variables aléatoires comptant le nombre d’apparitions de l’une des deux issues, on en déduit que :
b b



X ,→ H a + b, a + b − 3, a+b et Y ,→ H a + b, a + b − 2, a+b

Il s’agit alors de calculer la probabilité de l’événement [X = b − 1] ∩ [Y = b] puisque l’on doit tirer

la dernière boule blanche lors du tirage numéro a + b − 2. De plus, l’événement [X = b − 1] étant
réalisé, il reste à tirer au hasard une boule parmi les trois restantes, étant donné qu’il ne reste plus
qu’une seule boule blanche. Ainsi :
b a
(b−1 )(a−2 ) 1
P ([X = b − 1] ∩ [Y = b]) = P ([X = b − 1])P[X=b−1] ([Y = b]) = a+b ×
(a+b−3) 3

ba(a−1)
Conclusion : P ([X = b − 1] ∩ [Y = b]) = (a+b)(a+b−1)(a+b−2)
.
10. s
11. s
300 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES

a


12. (a) Il est clair que : X ,→ B n, a+b .

(b) Soit m ∈ N∗ . Il est immédiat que : Ym ,→ H m(a + b), n, a+b

a


.
(c) i. On sait que : Ym (Ω) = Jmax{0, n − mb}, min{n, ma}K. Comme on a :

n − mb → −∞ et ma → +∞
m→+∞ m→+∞

alors, en utilisant la définition de la limite, on en déduit qu’il existe un entier m0 tel que :

∀m ≥ m0 , n − mb < 0 ∧ ma > n

Ainsi : ∀m ≥ m0 , max{0, n − mb} = 0 ∧ min{n, ma} = n.

Conclusion : ∃m0 ∈ N / ∀m ≥ m0 , Ym (Ω) = J0, nK .
ii. Pour tout entier m ≥ m0 , et pour tout entier k ∈ J0, nK, on a :
(ma mb
k )(n−k)
P ([Ym = k]) = = ma(ma−1)...(ma−k+1)mb(mb−1)...(mb−n+k+1)n!
(m(a+b)
n ) k!(n−k)![m(a+b)][m(a+b)−1]...[m(a+b)−n+1]
k n−k
a
k b
n−k
n (ma) (mb) n


∼ k [m(a+b)] n = k a+b a+b
= P ([X = k])
m→+∞

Conclusion : ∀k ∈ J0, nK, P ([Ym = k]) ∼ P ([X = k]) .

m→+∞

iii. À proportions égales, lorsque le nombre de boules est très important, on peut considérer
que tirer simultanément n boules est équivalent à tirer successivement avec remise n boules
en terme de probabilités.
13. (a) i. La famille ([X = 0], . . . , [X = n]) est un système complet d’événements donc :
n
X
GX (1) = P ([X = k]) = 1
k=0

ii. La fonction génératrice est dérivable sur R puisqu’elle est polynômiale. De plus :
n
X
∀x ∈ R, G0X (x) = kP ([X = k])xk−1
k=1

Conclusion : G0X (1) = E(X) .

iii. La fonction G0X est dérivable sur R puisqu’elle est polynômiale. De plus, pour tout réel x,
on a :
n
X
G00X (x) = k(k − 1)P ([X = k])xk−2
k=2
n
X n
X
= k 2 P ([X = k])xk−2 − kP ([X = k])xk−2
k=2 k=2
n
X n
X
x2 G00X (x) = k 2 P ([X = k])xk − kP ([X = k])xk
k=0 k=0

On en déduit, pour x = 1, que :

G00X (1) = V (X) + E(X)2 − G0X (1)

Conclusion : V (X) = G00X (1) − G0X (1)2 + G0X (1) .

21.6. SOLUTIONS DES EXERCICES 301

(b) Pour tout réel x, on a :

n   n  
X n k n−k k
X n
GX (x) = p (1 − p) x = (px)k (1 − p)n−k
k=0
k k=0
k

Conclusion : ∀x ∈ R, GX (x) = (px + 1 − p)n .

Ainsi, pour tout réel x, on en déduit que :

G0X (x) = np(px + 1 − p)n−1 et G00X (x) = n(n − 1)p2 (px + 1 − p)n−2

On en déduit que :
E(X) = G0X (1) = np(p + 1 − p)n−1 = np
V (X) = G00X (1) − G0X (1)2 + G0X (1) = n(n − 1)p2 − (np)2 + np = np(1 − p)
Conclusion : E(X) = np et V (X) = np(1 − p) .
14. s
302 CHAPITRE 21. VARIABLES ALÉATOIRES FINIES USUELLES
Chapitre 22

Vecteurs aléatoires

22.1 Couple de variables aléatoires

Dans tout ce paragraphe, X et Y désignent deux VARDF définies sur un même espace probabilisé fini
(Ω, ℘(Ω), P ) et on note :

X(Ω) = {x1 , . . . , xn } et Y (Ω) = {y1 , . . . , ym }

∀(i, j) ∈ J1, nK × J1, mK, pi,j = P ([X = xi ] ∩ [Y = yj ]) = P ([X = xi , Y = yj ])

∀i ∈ J1, nK, pi,• = P ([X = xi ]) et ∀j ∈ J1, mK, p•,j = P ([Y = yj ])

22.1.1 Loi conjointe

Définitions
– On appelle couple aléatoire (X, Y ) l’application à valeurs dans R2 suivante :

(X, Y ) : Ω → R2
ω 7→ (X, Y )(ω) = (X(ω), Y (ω))

– On appelle loi du couple (X, Y ) ou loi conjointe des variables X et Y l’ensemble des triplets :

{(xi , yj , pi,j )|(i, j) ∈ J1, nK × J1, mK}

Remarque

On a : (X, Y )(Ω) ⊂ X(Ω) × Y (Ω). Cette inclusion est parfois stricte, parfois large (c’est à dire qu’il
peut y avoir égalité de ces deux ensembles).

Exemples

1. On considère trois urnes A, B et C contenant respectivement des boules portant les numéros (0,1,1),
(0,1,1) et (0,1,1,1). On tire, au hasard, une boule dans l’urne A (résultat noté X) puis on tire, au
hasard, une boule, dans l’urne B si l’événement [X = 0] est réalisé, dans C sinon (on note le résultat
de ce second tirage Y ). Donner, sous la forme d’un tableau, la loi du couple (X, Y ).
2. Une urne contient 10 boules portant le numéro et 20 boules portant le numéro 1. On tire 3 fois
successivement et sans remise une boule. On note X le numéro de la deuxième boule tirée et Y celui
de la troisième. Déterminer la loi conjointe des variables X et Y .

303
304 CHAPITRE 22. VECTEURS ALÉATOIRES

Propositions
– La famille d’événements ([X = x] ∩ [Y = y])(x,y)∈(X,Y )(Ω) est un système complet d’événements.
– Réciproquement, si un ensemble E de la forme :

{(xi , yj , pi,j )|(i, j) ∈ J1, nK × J1, mK}

vérifie les conditions suivantes :

n X
X m
∀(i, j) ∈ J1, nK × J1, mK, pi,j ≥ 0 et pi,j = 1
i=1 j=1

alors il existe un espace probabilisé et un couple aléatoire (X, Y ) tels que E soit la loi de ce couple.

Preuve
– C’est évident.
– On choisit ce qui nous convient.

22.1.2 Lois marginales

Définitions
– La variable aléatoire X (resp. Y ) est appelée 1ère (resp. 2nde) variable marginale.
– La loi de la variable aléatoire X (resp. Y ) est appelée 1ère (resp. 2nde) loi marginale du couple
aléatoire.

Propositions
Pour tout couple d’entiers (i, j) ∈ J1, nK × J1, mK, on a :
m
X n
X
pi,• = pi,k et p•,j = pk,j
k=1 k=1

pi,j pi,j
P[Y =yj ] ([X = xi ]) = et P[X=xi ] ([Y = yj ]) =
p•,j pi,•

Preuves
– Écrire la formule des probabilités totales.
– Écrire la définition de la probabilité conditionnelle.

Exemple
Déterminer les lois marginales des exemples précédents (d’où la dénomination « marginale »).

Remarque
La connaissance des deux lois marginales ne permet pas, en général, de retrouver la loi conjointe du
couple.

Exemple
Rechercher toutes les lois conjointes possibles connaissant les lois marginales de X et de Y des exemples
précédents.
22.1. COUPLE DE VARIABLES ALÉATOIRES 305

22.1.3 Lois conditionnelles

Définitions
Soit un couple d’entiers (i, j) ∈ J1, nK × J1, mK.
– On appelle loi de X conditionnée par l’événement [Y = yj ] l’ensemble des couples :


xk , P[Y =yj ] ([X = xk ]) k ∈ J1, nK
– On appelle loi de Y conditionnée par l’événement [X = xi ] l’ensemble des couples :


yk , P[X=xi ] ([Y = yk ]) k ∈ J1, mK

Exemples
Sur les exemples qui précédent, déterminer les lois de Y sachant [X = 1] puis de X sachant [Y = 0].

22.1.4 Indépendance de deux variables aléatoires

Définition
On dit que les variables aléatoires X et Y sont indépendantes si et seulement si :
∀(i, j) ∈ J1, nK × J1, mK, P ([X = xi ] ∩ [Y = yj ]) = P ([X = xi ]) × P ([Y = yj ])
c’est à dire que :
∀(i, j) ∈ J1, nK × J1, mK, pi,j = pi,• p•,j

Exemple
Les VARDF X et Y des exemples qui précédent sont-elles indépendantes ?

Propositions
Soit un couple d’entiers (i, j) ∈ J1, nK × J1, mK. On suppose que les variables aléatoires X et Y sont
indépendantes. Alors :
– la loi de X sachant [Y = yj ] est la loi de X et la loi de Y sachant [X = xi ] est la loi de Y ,
– pour tout couple (I, J) d’intervalles de R, on a :
P ([X ∈ I] ∩ [Y ∈ J]) = P ([X ∈ I]) × P ([Y ∈ J])
– si f (resp. g) est une fonction numérique définie sur un intervalle I (resp. J) contenant X(Ω) (resp.
Y (Ω)) alors les VARDF f ◦ X et g ◦ Y sont indépendantes.

Preuves
– Évident.
– Avec un système complet.
– Idem.

22.1.5 Fonction de transfert d’un couple de variables aléatoires

Proposition/Définition
Soit f une application définie sur une partie de R2 contenant X(Ω) × Y (Ω) et à valeurs dans R.
– Alors, l’application suivante est une VARDF :
Z = f (X, Y ) : Ω → R
ω 7→ Z(ω) = f (X(ω), Y (ω))
– La fonction f est appelée fonction de transfert du couple aléatoire (X, Y ).
306 CHAPITRE 22. VECTEURS ALÉATOIRES

Preuve
C’est immédiat.

Exemples
1. Loi et espérance de Z = X − Y puis de T = XY dans le cas des exemples initiaux.
2. Soit X et Y deux VARDF indépendantes suivant la même loi de Bernoulli de paramètre p. Quelle est
la loi de X + Y ?

Proposition
Si X ,→ B(n, p) et si Y ,→ B(m, p) (le même p) et si X et Y sont indépendantes alors :

X + Y ,→ B(n + m, p)

Preuve
Il est clair que (X + Y )(Ω) = J0, n + mK. Pour tout entier naturel k tel que 0 ≤ k ≤ n + m, on a alors :
n
X
P ([X + Y = k]) = P ([X = i])P[X=i] ([X + Y = k])
i=0
min(k,n)
X
= P ([X = i])P[X=i] ([Y = k − i])
i=max(0,k−m)
min(k,n)
X
= P ([X = i])P ([Y = k − i])
i=max(0,k−m)
min(k,n)    
X n i n−i m
= p (1 − p) pk−i (1 − p)m−k+i
i k−i
i=max(0,k−m)
 
min(k,n)   
X n m  pk (1 − p)n+m−k
= 
i k−i
i=max(0,k−m)
  
n m

min(k,n)
k−i
 
 X i  n+m
=     pk (1 − p)n+m−k
 n+m  k
i=max(0,k−m)
k
n
et la somme vaut 1 puisque l’on reconnaît ici la loi H(n + m, k, n+m ).

22.1.6 Espérance et variance

Théorème de transfert
– Soit f définie sur une partie de R2 contenant X(Ω)×Y (Ω) et à valeurs dans R. On pose Z = f (X, Y ).
Alors :
n X
X m n X
X m
E(Z) = f (xi , yj )pi,j et V (Z) = [f (xi , yj ) − E(Z)]2 pi,j
i=1 j=1 i=1 j=1

– En particulier, on a :
n X
X m n X
X m
E(X + Y ) = (xi + yj )pi,j et E(XY ) = xi yj pi,j
i=1 j=1 i=1 j=1
22.1. COUPLE DE VARIABLES ALÉATOIRES 307

Preuves
Soit z ∈ Z(Ω). Posons A = f −1 ({z}) ∩ [X(Ω) × Y (Ω)] ⊂ R2 . Alors :
[
[Z = z] = [X = x, Y = y]
(x,y)∈A

et cette réunion est constituée d’événements deux à deux incompatibles d’où les résultats.

Proposition (linéarité de l’espérance)

Pour tout couple (λ, µ) de réels, on a :
E(λX + µY ) = λE(X) + µE(Y )
En particulier, on a : E(X + Y ) = E(X) + E(Y ).

Preuve
Soit (a, b) un couple de réels. Alors :
n X
X m
E(aX + bY ) = (axi + byj )pi,j
i=1 j=1 !
Xn m
X m
X
= axi pi,j +
byj pi,j
i=1 j=1 j=1 !
Xn m
X
= axi pi,• + b yj pi,j
i=1 j=1 !
Xn m
X n
X
= a xi pi,• + b yj pi,j
i=1 j=1 i=1
n
X
= aE(X) + b yj p•,j = aE(X) + bE(Y )
i=1
ce qui donne le résultat attendu.

Propositions (cas d’indépendance des variables aléatoires)

On suppose que X et Y sont indépendantes. Alors :
E(XY ) = E(X)E(Y )
p
V (X + Y ) = V (X) + V (Y ) et σ(X + Y ) = σ(X)2 + σ(Y )2

Preuves
– Calcul de l’espérance du produit :
n X
X m
E(XY ) = xi yj P ([X = xi ] ∩ [Y = yj ])
i=1 j=1
Xn X m
= xi yj P ([X = xi ])P ([Y = yj ])
i=1 j=1 !
Xn m
X
= xi P ([X = xi ]) yj P ([Y = yj ])
i=1 j=1
Xn
= (xi P ([X = xi ])E(Y ))
i=1
= E(X)E(Y )
308 CHAPITRE 22. VECTEURS ALÉATOIRES

– Calcul de la variance :
n X
X m
V (X + Y ) = [(xi − E(X)) + (yj − E(Y ))]2 P ([X = xi ] ∩ [Y = yj ])
i=1 j=1 !

Xn Xm
(xi − E(X))2 P ([X = xi ])
 
P ([Y = yj ])







 i=1 j=1
! m !

 X n X
= +2 (xi − E(X))P ([X = xi ]) (yj − E(Y ))P ([Y = yj ])

 i=1 j=1
 !


 Xm X n
2
 
 + (yj − E(Y )) P ([Y = yj ]) P ([X = xi ])



j=1 i=1
= V (X) + 2E(X − E(X))E(Y − E(Y )) + V (Y )
= V (X) + 2(E(X) − E(X))(E(Y ) − E(Y )) + V (Y )
= V (X) + V (Y )

– La relation entre les écarts types est alors immédiate.

Exemple
On suppose que X et Y sont indépendantes. Soit (a, b) un couple de réels.
1. Montrer que : V (aX + bY ) = a2 V (X) + b2 V (Y ).
2. En déduire une expression de V (X − Y ).

22.1.7 Covariance
Proposition (formule de Koenig-Huygens) / Définitions
– On a la relation :
E([X − E(X)] [Y − E(Y )]) = E(XY ) − E(X)E(Y )
– On appelle covariance des variables aléatoires X et Y le réel :

cov(X, Y ) = E([X − E(X)] [Y − E(Y )]) = E(XY ) − E(X)E(Y )

– On dit que les variables aléatoires X et Y ne sont pas corrélées si et seulement si :

cov(X, Y ) = 0

Preuve
On développe et on utilise la linéarité

Exemples
1. Calculer de cov(X, Y ) dans l’exemple initial.
2. Soit X et Y deux VARDF de Bernoulli. Montrer que X et Y sont indépendantes si et seulement si
elles ne sont pas corrélées.
X\Y 0 1 2
3. Soit la loi conjointe : 0 1/2 1/4 1/8
1 3/56 1/14 0
Montrer que X et Y ne sont pas corrélées et qu’elles ne sont pas indépendantes.
22.1. COUPLE DE VARIABLES ALÉATOIRES 309

Remarques
– Le réel cov(X, Y ) peut être négatif (ou positif, bien sûr).
– Si X et Y sont indépendantes alors cov(X, Y ) = 0 et donc X et Y ne sont pas corrélées (la réciproque
est fausse comme le montre l’exemple qui précède).

Propositions
– Bilinéarité : Soit Z une troisième VARDF définie sur le même espace probabilisé que X et Y . Pour
tout couple (a, b) de réels, on a :

cov(aX + bY, Z) = acov(X, Z) + bcov(Y, Z) et cov(X, aY + bZ) = acov(X, Y ) + bcov(X, Z)

– Symétrie :
cov(Y, X) = cov(X, Y )
– Positivité :
cov(X, X) = V (X) ≥ 0
cov(X, X) = 0 ⇔ P ([X = E(X)]) = 1
– Lien avec la variance de la somme :

V (X + Y ) = V (X) + V (Y ) + 2cov(X, Y ) et V (X − Y ) = V (X) + V (Y ) − 2cov(X, Y )

– Inégalité de Cauchy-Schwarz :

cov(X, Y )2 ≤ V (X)V (Y ) et |cov(X, Y )| ≤ σ(X)σ(Y )

Preuves
– Bilinéarité : Soit (a, b) un couple de réels. On a :

cov(aX + bY, Z) = E((aX + bY )Z) − E(aX + bY )E(Z)

= aE(XZ) + bE(Y Z) − aE(X)E(Z) − bE(Y )E(Z)
= a[E(XZ) − E(X)E(Z)] + b[E(Y Z) − E(Y )E(Z)]

ce qui donne la première égalité. La seconde s’obtient de manière identique.

– Symétrie :

cov(Y, X) = E(Y X) − E(Y )E(X) = E(XY ) − E(X)E(Y ) = cov(X, Y )

– Positivité : La première égalité est évidente d’après la relation de Koenig-Huygens. La seconde est
une équivalence classique.
– Liens avec la variance :
V (X + Y ) = cov(X + Y, X + Y )
= cov(X + Y, X) + cov(X + Y, Y )
= cov(X, X) + cov(Y, X) + cov(X, Y ) + cov(Y, Y )
= V (X) + 2 cov(X, Y ) + V (Y )

Même principe pour la seconde égalité (ne pas oublier que (−1)2 = 1).
– Inégalité de Cauchy-Schwarz : Pour tout réel t, on a :

0 ≤ V (tX + Y ) = t2 V (X) + 2tcov(X, Y ) + V (Y )

donc le discriminant ∆ = 4cov2 (X, Y )−4V (X)V (Y ) est négatif, ce qui donne la première inégalité.
La seconde inégalité est immédiate.
310 CHAPITRE 22. VECTEURS ALÉATOIRES

Remarque
La covariance ressemble à un produit scalaire sur le R-espace vectoriel des VARDF d’espérance nulle.
La non corrélation correspond alors « l’orthogonalité » des variables aléatoires.

Exemple
Montrer que cov(aX + b, cY + d) = ac cov(X, Y ).

Définition
On appelle matrice de covariance du couple aléatoire (X, Y ) la matrice symétrique réelle :
 
cov(X, X) cov(X, Y )
cov(Y, X) cov(Y, Y )

Exemples
1. Préciser la matrice de covariance dans chacun des exemples qui précédent. La matrice obtenue est-elle
inversible ?
2. Que peut-on dire de la matrice de covariance d’un couple de variables aléatoires indépendantes ?

22.1.8 Coefficient de corrélation

Définition
On suppose que X et Y sont de variance non nulle. On appelle coefficient de corrélation du couple
aléatoire (X, Y ) le réel :
cov(X, Y )
ρ(X, Y ) =
σ(X)σ(Y )

Exemples
1. Calculer ρ(X, Y ) dans chacun des exemples des poragraphes précédents.
2. Soit (a, b, c, d) un quadruplet de réels tel que a et c ne sont pas nuls. Montrer que :

ρ(aX + b, cY + d) = sgn(ac) × ρ(X, Y )

Proposition
On suppose que X et Y sont de variance non nulle. Alors :

−1 ≤ ρ(X, Y ) ≤ 1

Preuve
C’est une conséquence de l’inégalité de Cauchy-Schwarz.

Remarque
De la définition ainsi que de la proposition qui précède, on peut dire que le coefficient de corrélation
de deux variables aléatoires joue le rôle du cosinus de l’angle de deux vecteurs. Comme des vecteurs sont
colinéaires si et seulement si le cosinus de l’angle qu’ils forment vaut ±1, on en déduit par analogie la
condition suivante « d’alignement » des variables aléatoires.
22.2. VECTEURS ALÉATOIRES 311

Proposition
On suppose que X et Y sont de variance non nulle. Alors :
|ρ(X, Y )| = 1 ⇔ ∃(a, b) ∈ R2 /P ([Y = aX + b]) = 1

Preuve
Les variables aléatoires X et Y étant discrètes et finies, on peut donc dire que :
P ([Y = aX + b]) = 1 ⇔ Y = aX + b
– ⇒ Supposons que |ρ(X, Y )| = 1. On peut donc écrire que :
cov(X, Y ) = εσ(X)σ(Y )
où ε ∈ {−1, 1}. On en déduit que, pour tout couple (a, b) de réels, on a :
V (Y − aX − b) = V (Y − aX) = V (Y ) + a2 V (X) − 2acov(Y, X) = [σ(Y ) − εaσ(X)]2
σ(Y )
s’annule donc pour a0 = ε σ(X) . Posons b0 = E(Y − a0 X). Alors :
E(Y − (a0 X + b0 )) = 0 et V (Y − (a0 X + b0 )) = 0
donc Y = a0 X + b0 .
– ⇐ Supposons l’existence d’un couple (a, b) de réels tels que Y = aX + b. On en déduit que :
|acov(X, X)| V (X)
|ρ(X, Y )| = = =1
σ(X) × |a|σ(X) V (X)

22.2 Vecteurs aléatoires

L’objectif est de généraliser à n VARDF les résultats du paragraphe précédent obtenus pour seulement
deux VARDF. Dans toute ce paragraphe, on considère les VARDF X1 , . . . , Xn définies sur un même espace
probabilisé (Ω, ℘(Ω), P ). Pour tout entier i compris entre 1 et n, on note :
n o
(i)
Xi (Ω) = x1 , . . . , x(i)
mi

Définitions
– On appelle vecteur aléatoire (X1 , . . . , Xn ) l’application :
(X1 , . . . , Xn ) : Ω → Rn
ω 7→ (X1 , . . . , Xn )(ω) = (X1 (ω), . . . , Xn (ω))
– On appelle loi du vecteur aléatoire l’ensemble des (n + 1)-uplets :
(a1 , . . . , an , P ([X1 = a1 ] ∩ · · · ∩ [Xn = an ]))
éléments de X1 (Ω) × · · · × Xn (Ω) × [0, 1].
– La loi de Xi est appelée ième loi marginale du vecteur aléatoire (X1 , . . . , Xn ).
– Les VARDF (X1 , . . . , Xn ) sont dites mutuellement indépendantes si et seulement si :
∀k ∈ J2, nK, ∀1 ≤ i1 < · · · < ik ≤ n, ∀(a1 , . . . , ak ) ∈ Xi1 (Ω) × · · · × Xik (Ω),
k
! k
\ Y
P [Xih = ah ] = P ([Xih = ah ])
h=1 h=1
– Une famille infinie de VARDF est mutuellement indépendante si et seulement si toute sous famille
finie est, elle-même, mutuellement indépendante.
– On appelle fonction de transfert du vecteur aléatoire (X1 , . . . , Xn ) toute application f définie sur
une partie Df de Rn contenant X1 (Ω) × · · · × Xn (Ω) et à valeurs dans R.
312 CHAPITRE 22. VECTEURS ALÉATOIRES

Propositions
– Linéarité de l’espérance : Pour toute famille (λ1 , . . . , λn ) de réels, on a :

E(λ1 X1 + · · · + λn Xn ) = λ1 E(X1 ) + · · · + λn E(Xn )

– Variance d’une combinaison linéaire : Pour toute famille (λ1 , . . . , λn ) de réels, on a :

n
X X
V (λ1 X1 + · · · + λn Xn ) = λ2i V (Xi ) + 2 λi λj cov(Xi , Xj )
i=1 1≤i<j≤n

– Dans le cas où les Xi sont deux à deux non corrélées (ce qui est le cas lorsqu’elles sont mutuellement
indépendantes) alors :
V (X1 + · · · + Xn ) = V (X1 ) + · · · + V (Xn )

Preuves
– Récurrence.
– Récurrence.
– C’est immédiat.

Exemples
Une urne contient b boules blanches et r boules rouges. On tire successivement n fois une boule dans
cette urne (n ≤ b + r). Pour 1 ≤ i ≤ n, on note Xi la VARDF égale à 1 si une boule blanche est obtenue au
tirage numéro i et à 0 sinon. Enfin, on note X la VARDF égale au nombre de boules blanches tirées.
1. On suppose les tirages effectués successivement et avec remise. Déterminer la loi de Xi , puis en
déduire les valeurs de E(X) et de V (X).
2. On suppose les tirages effectués successivement et sans remise.
(a) Déterminer la loi de Xi et donner alors E(Xi ) puis E(X).
(b) Déterminer la loi conjointe de (Xi , Xj )pour i 6= j puis calculer cov(Xi , Xj ).
(c) En déduire la valeur de V (X).

Définition
On appelle matrice de covariance du vecteur aléatoire (X1 , . . . , Xn ) la matrice symétrique :
 
cov(X1 , X1 ) . . . cov(X1 , Xn )
 .. .. 
 . . 
cov(Xn , X1 ) . . . cov(Xn , Xn )

Exemples
Préciser la matrice de covariance dans les deux cas précédents. Est-elle inversible ?

Propositions
Soit f une fonction de transfert du vecteur aléatoire (X1 , . . . , Xn ). Alors :
– L’application Y = f ◦ (X1 , . . . , Xn ) est une VARDF.
– L’espérance de Y se calcule à partir de la loi du vecteur aléatoire (X1 , . . . , Xn ) et de la fonction f :
X
E(Y ) = f (a1 , . . . , an )P ([X1 = a1 ] ∩ · · · ∩ [Xn = an ])
(a1 ,...,an )∈X1 (Ω)×···×Xn (Ω)
22.3. EXERCICES 313

Preuves
– C’est immédiat.
– C’est presque immédiat.

Proposition
Si Xi ,→ B(mi , p) (pour n ≥ 2 et pour tout entier i tel 1 ≤ i ≤ n) et si les Xi sont mutuellement
indépendantes alors :
X1 + · · · + Xn ,→ B(m1 + · · · + mn , p)

Preuve
Récurrence.

22.3 Exercices
1. On considère n urnes, nommées Uk pour 1 ≤ k ≤ n. L’urne Uk contient k boules numérotées de 1 à
k. On choisit une urne au hasard (numéro noté X) puis on tire une boule, toujours au hasard, de cette
urne (numéro noté Y ).
(a) Quelle est la loi de X ? Préciser son espérance et sa variance.
(b) Déterminer la loi du couple (X, Y ).
(c) En déduire la loi de Y . Calculer alors son espérance et sa variance.
(d) Les variables aléatoires X et Y sont-elles indépendantes ?
(e) Calculer cov(X, Y ) puis ρ(X, Y ).
2. Soit X et Y deux VARDF de Bernoulli indépendantes et de même paramètre p ∈]0, 1[. Soit U =
X + Y et V = X − Y .
(a) Déterminer la loi de (U, V ). Les variables aléatoires U et V sont-elles indépendantes ?
(b) Calculer ρ(U, V ). Conclusion ?
3. On lance deux dés équilibrés numérotés de 1 à 6. On note X1 et X2 les VARDF égales au résultat de
ces deux dés. Soit Y = max(X1 , X2 ) et Z = min(X1 , X2 ).
(a) Déterminer la loi de (X1 , Y ) puis celle de Y . Ces variables aléatoires X1 et Y sont-elles indé-
pendantes ?
(b) Mêmes questions pour (X1 , Z).
(c) En déduire la loi de (Y, Z). Y et Z sont-elles indépendantes ?
4. Soit X et Y suivant la loi uniforme sur J1, nK. On suppose qu’elles sont indépendantes. Déterminer
P ([X = Y ]) puis P ([X ≥ Y ]).
5. Une urne contient 6 boule blanches et 2 boules noires. On tire successivement 4 boules. On note X
le nombre de boules noires obteniues et Y le rang de tirage de la première boule noire (si on en a tiré
une, sinon on convient que Y prend la valeur 0).
(a) On suppose les tirages effectués sans remise.
i. Préciser la loi de X ainsi que son espérance.
ii. Déterminer la loi conjointe du couple (X, Y ). Ces deux variables sont-elles indépendantes ?
iii. Déduire de la question précédente la loi de Y puis calculer son espérance.
(b) On suppose les tirages effectués avec remise. Reprendre les questions qui précèdent.
314 CHAPITRE 22. VECTEURS ALÉATOIRES

6. Soit X et Y deux VARDF indépendantes suivant la loi B(n, 21 ). Calculer P ([X = Y ]).
7. Un éleveur de bovins possède 150 vaches laitières. Au moment de traite, les vaches se répartissent
au hasard et indépendamment les unes des autres dans les trois étables que possède l’éleveur. On
suppose que chacune des trois étables peut accueillir la totalité du troupeau (pas de questions quant à
la crédibité de cet énoncé). On note Xi le nombre de vaches dans l’étable numéro i.
(a) Préciser la loi de chacune de ces trois variables aléatoires.
(b) Déterminer la loi de X1 + X2 .
(c) Calculer cov(X1 , X2 ) puis ρ(X1 , X2 ).
8. Soit m et n deux entiers strictement positifs et X1 , . . . , Xm+n des VARDF mutuellement indépen-
dantes et de même loi (espérance p et écart type σ). Calculer ρ(U, V ) pour :

U = X1 + · · · + Xn et V = Xm+1 + · · · + Xm+n

9. Un dé A, parfaitement équilibré, porte le numéro 0 sur deux faces et le numéro 1 sur les quatre autres
faces. On note X la VARDF qui, à un lancer de ce dé, associe le numéro obtenu. Un dé B porte
les numéros -1, 0 et 1 chacun sur deux faces. Les probabilités respectives d’apparition de chacun de
ces numéros suit une progression géométrique de raison 1/2. On note S la VARDF qui à un lancer
simultané de ces deux dés associe la valeur absolue de la somme des numéros obtenus.
(a) Déterminer la loi conjointe du couple (X, S). En déduire la loi de S. Ces VARDF sont-elles
indépendantes ?
(b) Calculer cov(X, S) puis ρ(X, S). Commenter les signes obtenus.
10. Une urne contient r boules rouges, v boules vertes et b boules bleues. On tire simultanément n boules
dans l’urne (n ≤ r + v + b). On note R (resp. V , B) la VARDF égale au nombre de boules rouges
(resp. vertes, bleues) tirées. Reconnaître les lois de R, V , B puis déterminer la matrice de covariance
du triplet (R, V, B).
11. Soit X et Z deux variables aléatoires telles que Z(Ω) = J0, nK et, pour tout k ∈ Z(Ω), la loi condi-
tionnelle de X sachant réalisé l’événement [Z = k] est la loi uniforme sur J0, kK.
(a) Préciser X(Ω) puis déterminer la loi conjointe du couple (X, Z) en fonction de la loi de Z.
(b) En déduire la loi de X puis préciser son espérance en fonction de E(Z).
(c) Comparer les lois de X et de Z − X.
12. Trois urnes contiennent chacune n boules numérotées de 1 à n. On tire, dans chaque urne, une boule :
on note Xi le numéro de la boule tirée dans l’urne numéro i. Soit X, Y et Z respectivement le plus
petit nombre obtenu, le moyen et le plus grand (au sens large).
(a) Calculer P ([X3 = X1 + X2 ]).
(b) Déterminer la loi de (X, Y, Z).
(c) Déterminer les lois de X, Y et Z ainsi que leur espérance.
13. Soit X ,→ B(n, p). Les résultats de X sont affichés sur un compteur détraqué de sorte que, si [X 6= 0]
est réalisé, alors le compteur affiche la valeur de X et, si [X = 0] est réalisé, alors le compteur affiche,
au hasard, un entier compris entre 1 et n. Le résultat affiché est noté Y .
(a) Déterminer la loi de Y .
(b) Calculer E(Y ) et vérifier que E(Y ) ≥ E(X).
14. Dans un sac, il y a n − 2 boules noires et 2 boules blanches (n ≥ 2). On tire les toutes boules une par
une et sans remise. Soit X le rang de tirage de la première boule blanche et Y le rang de tirage de la
seconde.
22.4. SOLUTIONS DES EXERCICES 315

(a) Déterminer les lois de X et de Y .

(b) Calculer ρ(X, Y ).

15. Soit X ,→ U(J1, nK) et Y = (X + 1)2 . Calculer cov(X, Y ).

16. Une urne contient n jetons numérotés de 1 à n. On tire successivement et sans remise 2 jetons dans
cette urne. On note X le numéro du premier jeton tiré et Y celui du second.

(a) Calculer cov(X, Y ).

(b) On note Z = |X − Y |. Déterminer la loi et l’espérance de Z.

17. Une urne contient n jetons numérotés de 1 à n. On tire, au hasard, une poignée de jetons de cette urne.
On note N le nombre de jetons tirés et S la somme des numéros des jetons tirés dans cette poignée.

(a) Préciser S(Ω).

(b) On suppose que N ,→ U(J0, nK). Pour tout entier k de J1, nK, on note Xk la variable aléatoire
prenant la valeur k si le jeton portant le numéro k a été tiré et la valeur 0 sinon.

i. Montrer que k1 Xk ,→ B(1, 12 ). En déduire E(Xk ).

ii. Calculer alors E(S).

(c) On suppose maintenant que N ,→ B(n, p). Calculer E(S).

18. On rappelle que l’on appelle fonction génératrice d’une VARDF X telle que X(Ω) ⊂ J0, nK la
fonction numérique GX définie par :
n
X
∀x ∈ R, GX (x) = P ([X = k])xk
k=0

(a) Préciser la fonction génératrice d’une variable aléatoire X telle que X ,→ B(1, p).
(b) Soit X et Y deux VARDF à valeurs dans J0, nK.

i. Prouver que X = Y si et seulement si GX = GY .

ii. On suppose que X et Y sont indépendantes. Prouver que : GX+Y = GX × GY .

(c) i. Soit (X1 , . . . , Xm ) une famille de m VARDF mutuellement indépendantes et à valeurs dans
J0, nK. Prouver que : GX1 +···+Xm = GX1 × · · · × GXm .
ii. Déduire des questions qui précèdent la fonction génératrice d’une variable aléatoire X telle
que X ,→ B(n, p).

22.4 Solutions des exercices

1. s
2. s
3. s
4. s
5. (a) i. Les tirages sont sans remise et à deux issues. De plus, on compte le nombre d’obtention de
l’une des issues donc :

X ,→ H 8, 4, 14


et E(X) = 1
316 CHAPITRE 22. VECTEURS ALÉATOIRES

ii. On a [X = 0] = [Y = 0] et ainsi :

(20)(64) 3
P ([X = 0] ∩ [Y = 0]) = P ([X = 0]) = =
(84) 14

résultat prouvant aussi que les variables aléatoires X et Y ne sont pas indépendantes .
Sachant que [X = i] (1 ≤ i ≤ 2) on a Y (Ω) = J1, 4 − i + 1K. Notons Nk l’événement « le
tirage numéro k amène une boule noire ».
Pour i = 1, on a :

P ([X = 1] ∩ [Y = 1]) = P (N1 ∩ N̄2 ∩ N̄3 ∩ N̄4 )

1
= P (N1 )PN1 (N̄2 )PN1 ∩N̄2 (N̄3 )PN1 ∩N̄2 ∩N̄3 (N̄4 ) = 7

De même, on obtient :
1
P ([X = 1] ∩ [Y = 2]) = P ([X = 1] ∩ [Y = 3]) = P ([X = 1] ∩ [Y = 4]) = 7

Pour i = 2, on a :

P ([X = 2] ∩ [Y = 1]) = P (N1 ∩ N2 ∩ N̄3 ∩ N̄4 ∪ N1 ∩ N̄2 ∩ N3 ∩ N̄4 ∪ N1 ∩ N̄2 ∩ N̄3 ∩ N4 )

2×1×6×5 3
= 3 × 8×7×6×5 = 28

De même, on obtient :
1 1
P ([X = 2] ∩ [Y = 2]) = 14
et P ([X = 2] ∩ [Y = 3]) = 28

x\y 0 1 2 3 4 loi de X
3 3
0 14
0 0 0 0 14
Conclusion : 1 1 1 1 4
1 0 7 7 7 7 7
3 1 1 3
2 0 28 14 28
0 14
3 1 3 5 1
loi de Y 14 4 14 28 7
1
25
iii. cf ci-dessus pour la loi de Y . D’autre part, on a : E(Y ) = 14
.
(b) i. Les tirages sont avec remise et à deux issues. De plus, on compte le nombre d’obtention de
l’une des issues donc :

X ,→ B 4, 14


et E(X) = 1

ii. On a : X(Ω) = J0, 4K et Y (Ω) = J0, 4K. D’autre part [X = 0] = [Y = 0] et ainsi :

0 3
4
P ([X = 0] ∩ [Y = 0]) = P ([X = 0]) = 40 41 4
81
= 256

ce qui prouve aussi que les variables aléatoires X et Y ne sont pas indépendantes .
Sachant que [X = i] (1 ≤ i ≤ 4) on a Y (Ω) = J1, 4 − i + 1K. Notons Nk l’événement « le
tirage numéro k amène une boule noire ». Le raisonnement est analogue à celui mené à la
question a mais on n’utilisera plus la formule des probabilités composées puisqu’ici les Nk
sont mutuellement indépendants. On obtient alors le tableau de loi conjointe :
x\y 0 1 2 3 4 loi de X
81 81
0 256
0 0 0 0 256
27 27 27 27 27
1 0 256 256 256 256 64
27 9 9 27
2 0 256 128 256 0 128
9 3 3
3 0 256 256
0 0 64
1 1
4 0 256 0 0 0 256
81 1 3 9 27
loi de Y 256 4 16 64 256
1
22.4. SOLUTIONS DES EXERCICES 317

47
iii. cf ci-dessus pour la loi de Y . D’autre part, on a : E(Y ) = 32
.
6. s
7. s
8. s
9. s
10. Les variables aléatoires R, V, B ont clairement pour loi :

r v b




R ,→ H r + v + b, n, r+v+b V ,→ H r + v + b, n, r+v+b B ,→ H r + v + b, n, r+v+b

Pour les espérances, on obtient :

nr nv nb
E(R) = r+v+b
E(V ) = r+v+b
E(B) = r+v+b

Pour les variances, on obtient :

nr(v+b)(r+v+b−n) nv(r+b)(r+v+b−n) nb(r+v)(r+v+b−n)
V (R) = (r+v+b)2 (r+v+b−1)
V (V ) = (r+v+b)2 (r+v+b−1)
V (B) = (r+v+b)2 (r+v+b−1)

Il reste à déterminer les covariances. Une seule suffira puisque, par permutation sur (R, V, B), on
obtiendra les autres. Par ailleurs, toutes les covariances seront négatives puisque, plus on a de boules
d’une couleur, moins on a de boules de chacune des deux autres couleurs. Calculons cov(R, V ). Pour
cela, remarquons que [R+V +B = n] est l’événement certain donc, en termes de variables aléatoires,
on a : R + V = n − B. Enfin :
1
cov(R, V ) = 2
[V (R + V ) − V (R) − V (V )] = 12 [V (n − B) − V (R) − V (V )]
1 nrv(r+v+b−n)
= 2
[V (B) − V (R) − V (V )] = − (r+v+b) 2 (r+v+b−1)

 nr(v+b)(r+v+b−n) nrv(r+v+b−n) nrb(r+v+b−n) 

(r+v+b)2 (r+v+b−1)
− (r+v+b) 2 (r+v+b−1) − (r+v+b) 2 (r+v+b−1)
nrv(r+v+b−n) nv(r+b)(r+v+b−n) nvb(r+v+b−n)
La matrice de covariance est donc :  − (r+v+b) − (r+v+b) 2 (r+v+b−1)  .
 
2 (r+v+b−1) (r+v+b)2 (r+v+b−1)
nrb(r+v+b−n) nvb(r+v+b−n) nb(r+v)(r+v+b−n)
− (r+v+b)2 (r+v+b−1) − (r+v+b) 2 (r+v+b−1) (r+v+b)2 (r+v+b−1)

11. (a) La variable aléatoire X va donc prendre toutes les valeurs de J0, kK pour tout k ∈ J0, nK.
Conclusion : X(Ω) = J0, nK .
Soit (h, k) ∈ J0, nK2 . On a alors :

P ([Z = k] ∩ [X = h]) = P ([Z = k])P[Z=k] ([X = h])


0 si h > k
Conclusion : P ([Z = k] ∩ [X = h]) = 1 .
P ([Z = k]) k+1 si 0 ≤ h ≤ k
(b) Soit h ∈ J0, nK. On a :
n
X n
X P ([Z=k])
P ([X = h]) = P ([X = h] ∩ [Z = k]) = k+1
k=0 k=h

On en déduit que :
n
X n
X n
X k
X n
X
P ([Z=k]) P ([Z=k]) P ([Z=k])k(k+1)
E(X) = h k+1
= k+1
h= 2(k+1)
h=0 k=h k=0 h=0 k=0

Conclusion : E(X) = 12 E(Z) .

318 CHAPITRE 22. VECTEURS ALÉATOIRES

(c) A priori, on a : (Z − X)(Ω) = J−n, nK. Mais, comme X prend une valeur inférieure à celle de
Z, on a plutôt : (Z − X)(Ω) = J0, nK. Alors, pour tout k ∈ J0, nK, on a :
n
X n
X n−k
X P ([Z=k+h])
P ([Z−X = k]) = P ([X = h] ∩ [Z − X = k]) = P ([X = h] ∩ [Z = k + h]) = k+h+1
h=0 h=0 h=0

Par changement de variable h0 = k + h, on obtient :

n
P ([Z=h0 ])
X
P ([Z − X = k]) = h0 +1
= P ([X = k])
h0 =k

Conclusion : Les variables aléatoires X et Z − X ont la même loi .

12. s
13. s
14. (a) Déterminons la loi conjointe du couple aléatoire (X, Y ). Il est clair que X(Ω) = J1, n − 1K et
Y (Ω) = J2, nK. Soit donc (h, k) ∈ J1, n−1K×J2, nK. Comme tous les tirages sont équiprobables
et comme [X = h] ∩ [Y = k] est un événement élémentaire, on en déduit que :
(
0 si h ≥ k

0 si h ≥ k
P ([X = h] ∩ [Y = k]) = 1
si h < k = 2
(n2 ) n(n−1)
si h < k

(b) Soit h ∈ J1, n − 1K. Alors :

n
X n
X
2
P ([X = h]) = P ([X = h] ∩ [Y = k]) = n(n−1)
k=2 k=h+1

2(n−h)
Conclusion : ∀h ∈ J1, n − 1K, P ([X = h]) = n(n−1)
.
Soit k ∈ J2, nK. Alors :
n−1
X k−1
X
2
P ([Y = k]) = P ([X = h] ∩ [Y = k]) = n(n−1)
h=1 h=1

2(k−1)
Conclusion : ∀k ∈ J2, nK, P ([Y = k]) = n(n−1)
.
(c) Calculons les espérances :
n−1
X n−1
X n−1
X
2(n−h)
E(X) = h n(n−1) = 2
n−1
h− 2
n(n−1)
h2 = n − 2n−1
3
= n+1
3
h=1 h=1 h=1
n
X n
X
2(k−1) 2(n+1)
2
(k 2 − k) = n+1
 2n+1 
E(Y ) = k n(n−1) = n(n−1) n−1 3
−1 = 3
k=2 k=1

n X
k−1 n n
k2 (k−1)
X X X
E(XY ) = 2
hk n(n−1) = 2
n(n−1) 2
= 1
n(n−1)
(k 3 − k 2 )
k=2 h=1 k=2 k=1
h i
n+1 n(n+1) 2n+1 (n+1)(3n+2)
= 2(n−1) 2
− 3
= 12

On en déduit la covariance :
(n+1)(3n+2) n+1 2(n+1) n+1
 3n+2 2n+2

cov(X, Y ) = 12
− 3
× 3
= 3 4
− 3

Conclusion : cov(X, Y ) = (n+1)(n−2)

36
(ce qui est normal puisque l’on peut aisément vérifier
que les variables aléatoires X et Y sont indépendantes dans le cas où n = 2).
22.4. SOLUTIONS DES EXERCICES 319

(d) Calculons les variances et le coefficient de corrélation :

n−1
X n−1
X n−1
X
2(n−h) n(n+1)
E(X 2 ) = h2 n(n−1) = 2
n−1
h2 − 2
n(n−1)
h3 = 6
h=1 h=1 h=1
n
X n
X
2 2(k−1) (n+1)(3n+2)
E(Y ) = k 2 n(n−1) = 2
n(n−1)
k3 − k2 = 6
k=2 k=1
d’où l’on tire :
n(n+1) (n+1)2 (n+1)(n−2)
V (X) = E(X 2 ) − E(X)2 = 6
− 9
= 18

(n+1)(3n+2) 4(n+1)2 (n+1)(n−2)

V (Y ) = E(Y 2 ) − E(Y )2 = 6
− 9
= 18
= V (X)
1
(variances évidemment nulles dans le cas où n = 2). Finalement, on obtient : ρ(X, Y ) = 2
.
15. s
16. s r z
17. (a) Il est clair que S(Ω) ⊂ 0, n(n+1)
2
. L’inclusion inverse est moins évidente à établir mais elle
est tout aussi vraie. r z
Conclusion : S(Ω) = 0, n(n+1)
2
.

(b) i. Soit k ∈ J1, nK. On a clairement Xk (Ω) = {0, k} donc k1 Xk (Ω) = {0, 1}. De plus :
n
X
1 

P X =1
k k
= P ([Xk = k]) = P ([N = i]) × P[N =i] ([Xk = k])

n 1

n−1

i=0 n
X 1 i−1
X
1 1 1
= n+1 n

= n(n+1)
i= 2
i=1 i i=1

1
,→ B 1, 12 .


Conclusion : X
k k

On en déduit que : 12 = E k1 Xk = k1 E(Xk ). Conclusion : E(Xk ) = k

2
.
ii. Il est évident que : S = X1 + · · · + Xn . Ainsi, par linéarité de l’espérance, on obtient :
n
X n
X
1 1 n(n+1)
E(S) = E(Xk ) = 2
k= 2
× 2
k=1 k=1

n(n+1)
Conclusion : E(S) = 4
.
(c) On a encore : k1 Xk (Ω) = {0, 1}. De plus :
n
X
1 

P X =1
k k
= P ([Xk = k]) = P ([N = i]) × P[N =i] ([Xk = k])
i=0
n  1 n−1 n 



X n i n−i 1 i−1
X n−1 i
= p (1 − p) n

= p (1 − p)n−i
i=1
i i i=1
i−1
n−1  
X n − 1 i0 +1 0
= 0
p (1 − p)n−1−i = p [p + (1 − p)]n−1 = p
i0 =0
i

1
Conclusion : X
k k
,→ B (1, p) .
n(n+1)
On en déduit que : E(Xk ) = kp puis que : E(S) = 2
p .
18. s
320 CHAPITRE 22. VECTEURS ALÉATOIRES
Chapitre 23

Calcul différentiel

Dans tout ce chapitre, on désigne par :

– f une fonction numérique réelle définie sur un intervalle I de R
– x0 un élément de I, en général intérieur à I.
D’autre part, aucune démonstration n’est exigible.

23.1 Nombres dérivés

23.1.1 Nombre dérivé en un point
Définition
Soit x ∈ I. On pose h = x − x0 . On appelle taux de variation de f sur l’intervalle [x, x0 [ (ou bien
]x0 , x]) le réel :  
∆f f (x) − f (x0 ) f (x0 + h) − f (x0 )
= =
∆t [x,x0 [ x − x0 h

Proposition
Les propositions qui suivent sont équivalentes :
– le taux de variation de f sur [x, x0 [ admet une limite finie lorsque x tend vers x0 :

f (x) − f (x0 ) f (x0 + h) − f (x0 )

lim = lim ∈R
x→x0 x − x0 h→0 h
– il existe un réel A et une fonction ε : I → R tels que :

∀x ∈ I, f (x) = f (x0 ) + A(x − x0 ) + (x − x0 )ε(x) et lim ε(x) = 0

x→x0

De plus, la limite du taux de variation et le réel A sont égaux.

Preuve
– ⇒ Supposons vraie la première proposition. Notons f 0 (x0 ) la limite finie du taux de variation.
Posons ε(x0 ) = 0 et pour tout réel x 6= x0 :

f (x) − f (x0 )
ε(x) = − f 0 (x0 )
x − x0
Alors, on a :
lim ε(x) = 0
x→x0

321
322 CHAPITRE 23. CALCUL DIFFÉRENTIEL

et de plus, pour tout réel x 6= x0 , on a :

f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )ε(x)
(égalité vraie encore pour x = x0 ) d’où l’existence d’un réel A et d’une fonction ε comme attendus.
– ⇐ Supposons l’existence d’un réel A et d’une fonction ε comme demandés. Alors, pour tout réel
x 6= x0 , on a :
f (x) − f (x0 )
ε(x) = − A −→ 0
x − x0 x→x0

donc le taux de variation admet pour limite le réel A.

Définitions
– On dit que f est dérivable en x0 si et seulement si l’une des deux propositions précédentes est
vérifiées. De plus, la limite du taux de variation est appelée nombre dérivé de la fonction f en x0 et
on note cette limite :
df
f 0 (x0 ) ou (x0 ) ou Df (x0 )
dx
– On suppose que f est dérivable en x0 .
– On appelle approximation affine de f (x) au voisinage de x0 le réel :
f (x0 ) + f 0 (x0 )(x − x0 )
– On appelle tangente à la courbe représentative de f en x0 la droite d’équation réduite :
y = f (x0 ) + f 0 (x0 )(x − x0 )
Alors, le nombre dérivé de f en x0 est égal à la pente de la tangente à la courbe de f au point
d’abscisse x0 .
– On appelle développement limité à l’ordre 1 de f au voisinage de x0 l’expression :
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )ε(x) avec lim ε(x) = 0
x→x0

On écrit aussi :
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + o (x − x0 )
x→x0

– On suppose que le taux de variation de f en x0 admet une limite infinie. On dit alors que la courbe de
f admet une tangente verticale au point d’abscisse x0 .

Exemples
1. Étudier la dérivabilité en chaque réel x0 du domaine de définition des fonctions suivantes et préciser
alors le nombre dérivé en ce réel x0 :
√ 1
x 7→ a x 7→ xn x 7→ x x 7→
xn
2. Étudier la dérivabilité en 0 des fonctions suivantes et préciser le cas échéant leur nombre dérivé en 0 :
√
1− 1+x
x 7→ x sin x1 x 7→ x2 sin x1



x 7→ x 7→ x ln(x)
x
3. On admet que la fonction sin (resp. cos) est dérivable en 0 et que sin0 (0) = 1 et (resp. cos0 (0) = 0).
(a) En utilisant une expression de sin(x0 + h) (resp. cos(x0 + h)), démontrer que la fonction sin
(resp. cos) est dérivable en x0 ∈ R.
(b) Démontrer de même que la fonction tan est dérivable en x0 ∈] − π2 , π2 [.
4. Rappeler la définition de la fonction exp. En déduire qu’elle est dérivable en tout x0 ∈ R.
23.1. NOMBRES DÉRIVÉS 323

Proposition
Si f est dérivable en x0 alors f est continue en x0 (mais la réciproque est fausse).

Preuve
Le développement limité à l’ordre 1 au voisinage de x0 est clairement aussi un développement limité à
l’ordre 0 au voisinage de x0 donc f est continue en x0 .
D’après un exemple qui précède, la fonction racine carrée est continue en 0 mais n’est pas dérivable en
0.

Exemples
1. Montrer que la fonction partie entière n’est dérivable en aucun point entier.
2. Justifier que la fonction indicatrice de Q n’est dérivable en aucun réel.

23.1.2 Nombres dérivés à gauche et à droite

Définitions
– Lorsqu’elle existe et est réelle, la limite à gauche (resp. à droite) du taux de variation est appelée
nombre dérivé à gauche (resp. à droite) de f en x0 . On dit alors que f est dérivable à gauche
(resp. à droite) et on note :

f (x) − f (x0 ) f (x) − f (x0 )

fg0 (x0 ) = lim− et fd0 (x0 ) = lim+
x→x0 x − x0 x→x0 x − x0

– Lorsque ces deux limites existent mais ne sont pas égales, on dit que la courbe de f admet une demi
tangente à gauche et une demi tangente à droite au point d’abscisse x0 .
– Lorsque la limite à gauche et/ou à droite est infinie, on dit que la courbe de f admet une demi
tangente verticale à gauche et/ou à droite au point d’abscisse x0 .

Exemples
Étudier la présence de demi tangentes en 0 de :
 √
√x si x ≥ 0
x 7→ |x| x 7→ bxc x 7→ x ln(x) x 7→
− −x si x < 0

Proposition
Soit x0 un point intérieur à I. Les deux propositions suivantes sont équivalentes :
– f est dérivable en x0 ,
– f est dérivable à gauche et à droite en x0 et fg0 (x0 ) = fd0 (x0 ).

Preuve
C’est évident.

Exemples
Justifier que la fonction valeur absolue n’est pas dérivable en 0.
324 CHAPITRE 23. CALCUL DIFFÉRENTIEL

23.2 Fonction dérivée

23.2.1 Fonction dérivable, fonction de classe C 1
Définitions
– On dit que la fonction f est dérivable sur un intervalle J ⊂ I si et seulement si elle est dérivable en
tout point de J. On appelle alors fonction dérivée de f la fonction définie sur J par x 7→ f 0 (x) que
df
l’on note f 0 ou ou Df .
dx
– L’ensemble des fonctions dérivables sur I est noté D1 (I, R) ou plus simplement D1 (I).
– On dit que f est de classe C 1 sur I (ou continûment dérivable sur I) si et seulement si elle est
dérivable sur I et que sa dérivée f 0 est continue sur I (donc de classe C 0 ).
– L’ensemble des fonction de classe C 1 sur I est noté C 1 (I, R) ou plus simplement C 1 (I).

Exemples
1. Justifier qu’une fonction constante sur I est de classe C 1 sur I.
2. Montrer que les fonctions sin et cos sont de classe C 1 sur R.
3. Déterminer le domaine de dérivabilité des fonctions :
1 √
x 7→ xn x 7→ x 7→ x
xn
Sont-elles de classe C 1 sur ces domaines ?

Proposition
Si f est dérivable sur J ⊂ I alors elle est continue sur J. En particulier, on a :

C 1 (I) ⊂ D1 (I) ⊂ C 0 (I)

Preuve
Appliquer le résultat du paragraphe 1.

Remarques
– Être dérivable sur J ⊂ I n’oblige pas à n’être continue que sur J (considérer la fonction racine
carrée).
– Être continue sur I n’oblige pas à être dérivable où que ce soit (il existe des fonctions continues sur
R et dérivables nulle part).
– Une fonction dérivable sur I n’est pas nécessairement de classe C 1 sur I (e.g. x 7→ x2 sin( x1 ) sur
]0, +∞[ prolongée par continuité en 0).

23.2.2 Dérivation et opérations sur les fonctions

Propositions
– On suppose que f et g sont deux fonctions dérivables (resp. de classe C 1 ) sur I.
– Linéarité : Toute combinaison linéaire de f et g est dérivable (resp. de classe C 1 ) sur I et la dérivée
de cette combinaison linéaire est la combinaison linéaire des dérivées. Ainsi D1 (I) (resp. C 1 (I))
est un sous-espace vectoriel du R-espace vectoriel A(I, R).
– Produit : La fonction produit f g est dérivable (resp. de classe C 1 ) sur I et :

(f g)0 = f 0 g + f g 0
23.2. FONCTION DÉRIVÉE 325

– Quotient : Si g ne s’annule pas sur I alors la fonction f /g est dérivable (resp. de classe C 1 ) sur I
et :  0
f f 0g − f g0
=
g g2
En particulier la fonction 1/g est dérivable (resp. de classe C 1 ) sur I et :
 0
1 g0
=− 2
g g

– Composition : Si f est dérivable (resp. de classe C 1 ) sur I et si g est dérivable (resp. de classe C 1 ) sur
J ⊃ f (I) alors g ◦ f est dérivable (resp. de classe C 1 ) sur I et :

(g ◦ f )0 = f 0 × (g 0 ◦ f )

– Réciproque : Si f est dérivable (resp. de classe C 1 ) et strictement monotone sur I alors f établit une
bijection de I dans l’intervalle f (I), f −1 est dérivable (resp. de classe C 1 ) sur f (I) sauf éventuelle-
ment un nombre fini ou dénombrable de points dits isolés (les réels y ∈ f (I) d’antécédent x tel que
f 0 (x) = 0) et on a :
1
(f −1 )0 = 0
f ◦ f −1

Preuves
– Linéarité : combinaison linéaire des limites finies. Les ensembles sont non vide (la fonction nulle sur
I en est un élément) et sont alors stables par combinaison linéaires donc ce sont des sous espaces
vectoriels.
– Produit : Soit x0 ∈ I. Alors, pour tout réel x 6= x0 , on a :

(f g)(x) − (f g)(x0 ) f (x)g(x) − f (x0 )g(x) + f (x0 )g(x) − f (x0 )g(x0 )

=
x − x0 x − x0
f (x) − f (x0 ) g(x) − g(x0 )
= g(x) + f (x0 )
x − x0 x − x0
donc :
(f g)(x) − (f g)(x0 )
lim = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 )
x→x0 x − x0
Ainsi f g est bien dérivable sur I et (f g)0 = f 0 g + f g 0 . Si, de plus, f 0 et g 0 sont continues sur I alors
la relation établie prouve que (f g)0 est elle-aussi continue sur I.
– Quotient : Soit x0 ∈ I. Alors, pour tout réel x 6= x0 , on a :
   
1
g
(x) − g1 (x0 ) g(x0 ) − g(x) 1
= ×
x − x0 x − x0 g(x)g(x0 )

donc :    
1 1
g
(x) − g
(x0 ) g 0 (x0 )
lim =−
x→x0 x − x0 g(x0 )2
Ainsi 1/g et f /g = f × (1/g) sont bien dérivables sur I et :
 0  0  0
g0 f 0g − f g0
 
1 f 0 1 1
=− 2 et =f +f =
g g g g g g2

Si, de plus, f 0 et g 0 sont continues sur I alors la relation établie prouve que (1/g)0 et (f /g)0 sont elles
aussi continues sur I.
326 CHAPITRE 23. CALCUL DIFFÉRENTIEL

– Composition : Soit x0 ∈ I. Alors, pour tout réel x 6= x0 , on a :

(g ◦ f )(x) − (g ◦ f )(x0 ) f (x) − f (x0 ) g(f (x)) − g(f (x0 ))
= ×
x − x0 x − x0 f (x) − f (x0 )
donc :
(f g)(x) − (f g)(x0 )
lim = f 0 (x0 ) × g 0 (f (x0 ))
x→x0 x − x0
Ainsi g ◦ f est bien dérivable sur I et (g ◦ f )0 = f 0 × g 0 ◦ f . Si, de plus, f 0 et g 0 sont continues sur I
alors la relation établie prouve que (g ◦ f )0 est elle-aussi continue sur I.
– Réciproque : f étant continue (car dérivable) et strictement monotone sur I alors elle établit une
bijection de I sur l’intervalle f (I). Soit y0 = f (x0 ) ∈ f (I). Alors, pour tout réel y = f (x) 6= y0 , on
a:
f −1 (y) − f −1 (y0 ) x − x0
=
y − y0 f (x) − f (x0 )
donc, par continuité de f −1 en y0 , on en déduit que :
f −1 (y) − f −1 (y0 ) x − x0 1 1
lim = lim = 0 = 0 −1
y→y0 y − y0 x→x0 f (x) − f (x0 ) f (x0 ) f (f (y0 ))
Ainsi f −1 est bien dérivable sur I sauf pour les réels y0 = f (x0 ) tels que f 0 (x0 ) = 0 (ces réels sont
bien isolés sinon f 0 serait nulle sur un intervalle et donc f serait constante et non bijective sur cet
intervalle) et (f −1 )0 = 1/(f 0 ◦ f −1 ). Si, de plus, f 0 est continue sur I alors la relation établie prouve
que (f −1 )0 est elle-aussi continue sur I.

Exemples
1. Montrer que ln est dérivable sur ]0, +∞[ et préciser ln0 (x) pour tout réel x > 0.
√
2. Soit f : x 7→ x2 − 3x + 2.
(a) Déterminer un intervalle I tel que f soit bijective de I sur f (I).
(b) Déterminer le domaine de dérivabilité de f .
(c) Préciser l’expression de (f −1 )0 (y) en fonction de f −1 (y) pour tout y ∈ f (I).
3. Après avoir justifier son existence, étudier la dérivabilité de la fonction réciproque de f : x 7→ x3 + 1.
Préciser alors l’expression de (f −1 )0 (y) pour tout réel y.
4. Les fonctions sin et cos sont de classe C 1 sur R. Qu’en est-il de leurs fonctions réciproques ? Préciser
les fonctions dérivées.
5. La fonction tan est-elle de classe C 1 sur ] − π2 , π2 [ ? Qu’en est-il de sa fonction réciproque arctan.
Préciser l’expression de arctan0 (x) pour tout réel x.

23.3 Fonctions dérivées successives

23.3.1 Fonction p fois dérivable, fonction de classe C p
Définitions (dérivées successives)
– Par convention : f (0) = f et, si f est dérivable sur I : f (1) = f 0 .
– Si f est dérivable sur I et si f 0 est dérivable sur I, alors on appelle dérivée seconde de f sur I la
d2 f
fonction f 00 = (f 0 )0 qui se note aussi f (2) ou 2 ou D2 f .
dx
– Si f est p fois dérivable sur I et si f (p) est dérivable sur I, alors on appelle dérivée (p + 1)ème de f sur

0 dp+1 f
I la fonction f (p+1) = f (p) qui se note aussi p+1 ou Dp+1 f .
dx
– L’ensemble de fonctions p fois dérivables sur I est noté Dp (I).
23.3. FONCTIONS DÉRIVÉES SUCCESSIVES 327

Exemples
1
Existence et expression de la dérivée k ème de x 7→ xn puis de x 7→ xn
.

Définitions
– On dit que f est de classe C p sur I (p ∈ N) si et seulement si f est p fois dérivable sur I et f (p) est
continue sur I.
– L’ensemble des fonctions de classe C p sur I est noté C p (I, R) ou plus simplement C p (I).
– On dit que f est de classe C ∞ sur I si et seulement si f est indéfiniment dérivable sur I (i.e. p fois
dérivable pour tout entier naturel p).
– L’ensemble des fonctions de classe C ∞ sur I est noté C ∞ (I, R) ou plus simplement C ∞ (I).

Exemples (à retenir)
1. Toute fonction polynôme est de classe C ∞ sur R.
2. Les fonctions x 7→ x1n (n ∈ N∗ ) sont de classe C ∞ sur ] − ∞, 0[ et sur ]0, +∞[.
√
3. La fonction x 7→ x est de classe C ∞ sur ]0, +∞[.
4. La fonction exp est de classe C ∞ sur R.
5. La fonction ln est de classe C ∞ sur ]0, +∞[.
6. Les fonctions sin et cos sont de classe C ∞ sur R.

Remarque
Pour tout entier naturel p, on a :

C ∞ (I) ⊂ C p+1 (I) ⊂ Dp+1 (I) ⊂ C p (I) ⊂ D0 (I) = A(I, R)

23.3.2 Opérations sur les fonctions p fois dérivables

Propositions
– On suppose que f et g sont deux fonctions p fois dérivables (resp. de classe C p , de classe C ∞ ) sur I.
– Linéarité : Pour tout couple de réels (λ, µ), la fonction λf + µg est p fois dérivable (resp. de classe
C p , de classe C ∞ ) sur I et on a :

(λf + µg)(p) = λf (p) + µg (p)

Ainsi Dp (I) (resp. C p (I), C ∞ (I)) est un sous-espace vectoriel de A(I, R).
– Produit (formule de Leibniz) : La fonction f g est p fois dérivable (resp. de classe C p , de classe
C ∞ ) sur I et on a :
p   p  
(p)
X p (k) (p−k)
X p
(f g) = f g = f (p−k) g (k)
k k
k=0 k=0

– Composition : Si f est p fois dérivable (resp. de classe C p , de classe C ∞ ) sur I et si g est p fois
dérivable (resp. de classe C p , de classe C ∞ ) sur J ⊃ f (I) alors g ◦ f est p fois dérivable (resp. de
classe C p , de classe C ∞ ) sur I.

Preuves
Récurrences.
328 CHAPITRE 23. CALCUL DIFFÉRENTIEL

Exemples (à retenir)
1. Le quotient de deux fonctions polynômes (on dit aussi fonction rationnelle) est de classe C ∞ sur
chaque intervalle de son domaine de définition.
2. Les fonctions x 7→ xα (α ∈ R) sont de classe C ∞ sur ]0, +∞[.
3. Les fonctions x 7→ αx (α > 0) sont de classe C ∞ sur R.
4. La fonction tan est de classe C ∞ sur tout intervalle de R sur lequel elle est définie.

23.4 Les grands théorèmes

23.4.1 Nombre dérivé et extremum local
Définition
On dit que f admet un maximum (resp. minimum) local en x0 si et seulement s’il existe un voisinage
J de x0 tel que :
∀x ∈ J ∩ I, f (x) ≤ f (x0 ) (resp. f (x) ≥ f (x0 ))

Remarque
Un maximum (resp. minimum) global est un maximum (resp. minimum) local.

Théorème
Si I est un intervalle ouvert, si f admet un extremum local en x0 et si f est dérivable en x0 alors
f 0 (x0 ) = 0.

Preuve
On suppose que f admet un maximum local en x0 (la démonstration serait analogue pour un minimum
local). Comme I est un intervalle ouvert alors il existe un réel α1 > 0 tel que J =]x0 − α1 , x0 + α1 [⊂ I et :

∀x ∈ J, f (x) ≤ f (x0 )

La fonction f étant dérivable en x0 , on peut écrire :

∀x ∈ I, f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )ε(x) et lim ε(x) = 0

x→x0

|f 0 (x0 )|
La limite en x0 de la fonction ε étant nulle alors, pour ε1 = 2
, on a :

|f 0 (x0 )|
∃α2 ∈]0, α1 [ / ∀x ∈]x0 − α2 , x0 + α2 [∩I, |ε(x)| ≤
2
Alors, pour tout réel x ∈]x0 − α2 , x0 + α2 [, on a :

|f 0 (x0 )|
 
0
(x − x0 ) f (x0 ) − ≤ f (x) − f (x0 ) ≤ 0
2

Dans le membre de gauche des inégalités, le signe du second facteur est constant (puisque ce facteur est
constant) mais pas celui du premier. Ceci n’est alors possible que si et seulement si le facteur constant est
nul c’est à dire si et seulement si f 0 (x0 ) est nul.
23.4. LES GRANDS THÉORÈMES 329

Remarques
– La réciproque est fausse (considérer la fonction cube en x = 0).
– Si I n’est pas ouvert et si x0 est un bord de I alors le résultat ne s’applique pas (considérer la fonction
carrée sur [1, 2]).
– La fonction peut ne pas être dérivable en l’extremum local (considérer la fonction x 7→ |x| en 0).

23.4.2 Théorème de Rolle

Théorème
On suppose que f est continue sur [a, b] et dérivable sur ]a, b[ (au moins). Si f (a) = f (b) (et en particu-
lier si ces réels sont nuls) alors :
∃c ∈]a, b[ / f 0 (c) = 0

Preuve
– Cas 1 On suppose que f est constante sur [a, b]. Alors f 0 est nulle sur [a, b] d’où l’existence de c.
– Cas 2 On suppose que f n’est pas constante sur [a, b]. Comme f est continue sur [a, b], elle admet un
minimum m et un maximum M distincts l’un de l’autre. Comme f (a) = f (b) alors l’un (au moins)
des deux réels m et M n’est pas l’image de a et de b. Supposons que f (a) = f (b) 6= M = f (c).
Alors M est un maximum local de f sur ]a, b[ qui est ouvert. De plus f est dérivable sur ]a, b[ donc,
en vertu du théorème précédent, on en déduit que f 0 (c) = 0.

Exemple
Soit f de classe de C 2 sur R et s’annulant au moins trois fois. Démontrer que la fonction f 0 s’annule au
moins deux fois sur R puis que la fonction f 00 s’annule au moins une fois sur R.

23.4.3 Égalité des accroissements finis

Théorème
On suppose que f est continue sur [a, b] et dérivable sur ]a, b[ (au moins). Alors :
f (b) − f (a)
∃c ∈]a, b[ / f 0 (c) =
b−a

Preuve
f (b)−f (a)
Soit g la fonction définie sur [a, b] par g(x) = f (x) − b−a
(x − a). Alors g est continue sur [a, b] et
dérivable sur ]a, b[. De plus, on a :
g(a) = f (a) et g(b) = f (b) − (f (b) − f (a)) = f (a) = g(a)
donc on peut appliquer le théorème de Rolle à la fonction g :
∃c ∈]a, b[ / g 0 (c) = 0
f (b)−f (a)
Or, pour tout réel x ∈]a, b[, on a : g 0 (x) = f 0 (x) − b−a
. De l’égalité g 0 (c) = 0 on en déduit donc
l’égalité f 0 (c) = f (b)−f
b−a
(a)
.

Exemple
Soit f et g deux fonctions continues sur [a, b] et dérivables sur ]a, b[. Démontrer que :
∃c ∈]a, b[ / (f (b) − f (a))g 0 (c) = (g(b) − g(a))f 0 (c)
330 CHAPITRE 23. CALCUL DIFFÉRENTIEL

23.4.4 Inégalités des accroissements finis

Théorèmes
On suppose que f est continue sur [a, b] et dérivable sur ]a, b[ (a < b).
– Supposons que f 0 est minorée par m sur ]a, b[. Alors
m(b − a) ≤ f (b) − f (a)
– Supposons que f 0 est majorée par M sur ]a, b[. Alors :
f (b) − f (a) ≤ M (b − a)
– Supposons que f 0 est bornée par m et M sur ]a, b[. Alors :
m(b − a) ≤ f (b) − f (a) ≤ M (b − a)
– Supposons que |f 0 | est majorée par M sur ]a, b[. Alors :
|f (b) − f (a)| ≤ M (b − a)

Preuves
On applique l’égalité des accroissements finis :
f (b) − f (a)
∃c ∈]a, b[ / f 0 (c) =
b−a
Comme f 0 est minorée par m et majorée par M alors :
m ≤ f 0 (c) ≤ M
Comme a < b alors :
m(b − a) ≤ f (b) − f (a) ≤ M (b − a)
d’où la dernière double inégalité dans le cas où m = −M .

Exemple
Soit la suite u définie par :
2
u0 = 2 et ∀n ∈ N, un+1 =
1 + un
On note f sa fonction associée.
1. Démontrer que : ∀n ∈ N, un ∈ [ 23 , 2].
2. Déterminer un réel M ∈ [0, 1[ tel que : ∀x ∈ [ 32 , 2], |f 0 (x)| ≤ M .
3. Démontrer que : ∀n ∈ N, |un+1 − 1| ≤ M |un − 1|.
4. En déduire que : ∀n ∈ N, |un − 1| ≤ M n .
5. Justifier que la suite u converge et déterminer sa limite.

23.4.5 Fonction dérivée et sens de variation

Théorèmes
On suppose que f est dérivable sur ]a, b[.
– f est constante sur ]a, b[ si et seulement si f 0 est la fonction nulle sur ]a, b[.
– f est croissante (resp décroissante) sur ]a, b[ si et seulement si f 0 ≥ 0 (resp. f 0 ≤ 0) sur ]a, b[.
– f est strictement croissante (resp strictement décroissante) sur ]a, b[ si et seulement si f 0 > 0 (resp.
f 0 < 0) sur ]a, b[ sauf, éventuellement, en un nombre fini ou dénombrable de points isolés où elle
peut être nulle.
23.5. EXERCICES 331

Preuves
Dans chaque cas, la définition du nombre dérivé en x0 prouve l’implication de gauche à droite et l’in-
égalité des accroissements finis prouve la réciproque.

Corollaire
On suppose que f est dérivable sur un voisinage de x0 (non borne de I). Alors, f admet un extremum
local en x0 si et seulement si f 0 (x0 ) = 0 et f 0 change de signe autour de x0 .

23.5 Exercices
1. (a) On suppose que f est dérivable en x0 . Démontrer que :
f (x0 + h) − f (x0 − h)
lim ∈R
h→0 2h
Exprimer alors cette limite en fonction de fg0 (x0 ) et de fd0 (x0 ) puis en fonction de f 0 (x0 ).
(b) En utilisant la fonction valeur absolue, montrer que la réciproque de l’implication précédente
est fausse.
2. En remarquant que les sommes proposées correspondent à des dérivées de fonctions connues, calcu-
ler, pour tout réel x les sommes :
p n n
X X X
k cos(kx) k sin(kx) (k + 1)q k (q ∈ R)
k=1 k=1 k=0

3. Soit P une fonction polynôme et f définie sur R par :


 −1 si x < −1
f (x) = P (x) si − 1 ≤ x ≤ 1
1 si x > 1


Déterminer un polynôme P de degré le plus petit possible tel que f ∈ C 1 (R).

4. (a) Peut-on prolonger par continuité en 0 la fonction x 7→ xx ?
(b) Étudier la dérivabilité de ce prolongement. Interpréter graphiquement.
5. Soit f : [−1, 1] 7→ R définie par :
√ √
1 + x2 − 1 − x2
f (0) = 0 et ∀x ∈ [−1, 0[∪]0, 1], f (x) =
x
Montrer que f est de classe C 1 sur ] − 1, 1[.
6. Soit f définie sur R∗ par : ( ex − 1
si x > 0
f (x) = ex + 1
1 − ex si x < 0
(a) Montrer que f est prolongeable par continuité en 0.
(b) Étudier la dérivabilité en 0 de ce prolongement.
(x + 2)(x − 1)
7. On pose : ∀x ∈]0, 1[∪]1, +∞[, f (x) = .
x ln(x)
(a) Montrer que f se prolonge en une fonction g continue sur ]0, +∞[.
(b) Montrer que g est dérivable en 1 et déterminer g 0 (1).
332 CHAPITRE 23. CALCUL DIFFÉRENTIEL

(c) La fonction g est-elle de classe C 1 sur ]0, +∞[ ?

8. (a) Rappels sur la fonction arccos.
i. Justifier l’existence et la continuité de la fonction arccos, réciproque de la fonction cos :
[0, π] → [−1, 1].
ii. Montrer que arccos est dérivable sur ]−1, 1[ et préciser l’expression de arccos0 (y) pour tout
réel y ∈] − 1, 1[.
iii. Que peut-on dire de la courbe de arccos aux points d’abscisses -1 et 1 ?
1 − x2
 
(b) Soit f : x 7→ arccos .
1 + x2
i. Justifier que f est définie et paire sur R.
ii. Montrer que f est dérivable sur ]0, +∞[ et calculer f 0 (x) pour tout réel x > 0.
iii. En déduire une expression de f (x) en fonction de arctan(x) pour tout réel x non nul.
9. Équations différentielle linéaires du premier ordre. Soit a et b deux fonctions continues sur I. Soit
l’équation différentielle (1) d’inconnue la fonction f :

f 0 = af + b

Résoudre l’équation différentielle (1) sur I, c’est déterminer l’ensemble E des fonctions f définies
sur I qui sont solution de cette équation, c’est à dire que :

∀x ∈ I, f 0 (x) = a(x)f (x) + b(x)

(a) Montrer que E ⊂ C 1 (I).

(b) On suppose que b est la fonction nulle. Montrer que E est un sous-espace vectoriel de C 1 (I).
(c) On suppose ici que I = R et que : ∀x ∈ R, a(x) = x + 1, b(x) = 0.
i. Déterminer toutes les solutions de (1) ne s’annulant pas sur R.
ii. Soit f0 une solution de (1) ne s’annulant pas sur R. En multipliant (1) par f0 , déterminer
l’ensemble E.
10. Déterminer la position de la courbe de la fonction sin par rapport à la droite d’équation y = x au
voisinage de 0.
π
11. (a) Déterminer le développement limité à l’ordre 1 en x = 3
de x 7→ tan(x).
(b) En déduire la position de Ctan par rapport à sa tangente au point d’abscisse π3 .
12. Soit (p, q) ∈ R2 et n ∈ N∗ . Démontrer que le polynôme X n + pX + q admet au plus deux racines
réelles si n est pair et au plus trois racines réelles si n est impair.
√
13. Déterminer les dérivées successives de x 7→ x sur ]0, +∞[.
14. Déterminer la dérivée pème x 7→ x ln(x).
15. Soit f de classe C n sur R (n ∈ N∗ ) et telle que f s’annule en n + 1 points deux à deux distincts de R.
Montrer que f (n) s’annule (au moins) une fois sur R.
ln(x)
16. On considère la fonction f :]0, +∞[→ R, x 7→ .
x
(a) Étudier et représenter f (continuité, branches infinies, dérivabilité, variations).
(b) Montrer qu’il existe deux suites (un ) et (vn ) telles que :

un + vn ln(x)
∀n ∈ N, ∀x ∈]0, +∞[, f (n) (x) =
xn+1
23.6. SOLUTIONS DES EXERCICES 333

(c) Exprimer vn en fonction de n.

n
∗ n+1
X 1
(d) Montrer que : ∀n ∈ N , un = (−1) (n!) .
k=1
k
1 1
17. Montrer que : ∀k ∈ N∗ , ≤ ln(k + 1) − ln(k) ≤ .
k+1 k
18. Soit f une fonction dérivable sur ]a, +∞[. Démontrer que :
(a) lim f 0 (x) = +∞ ⇒ lim f (x) = +∞
x→+∞ x→+∞
f (x)
(b) lim f 0 (x) = 0 ⇒ lim =0
x→+∞ x→+∞ x
f (x)
(c) lim f 0 (x) = L (L ∈]0, +∞[) ⇒ lim = L et lim f (x) = +∞
x→+∞ x→+∞ x x→+∞

19. Soit f définie sur R par : f (t) = 0 si t ≤ 0 et f (t) = e−1/t si t > 0.

(a) Montrer que f est continue sur R.
(b) i. Montrer que f est dérivable en 0.
ii. Justifier que f est dérivable sur ] − ∞, 0[ et sur ]0, +∞[.
iii. Montrer que f est de classe C 1 sur R.
(c) Démontrer que f est de classe C ∞ sur R et préciser f (n) (0) pour tout entier naturel n.
Indication : on pourra démontrer que, pour tout entier naturel n non nul, il existe un polynôme
Pn (X) ∈ Rn [X] tel que :
Pn (t) − 1
Pn (0) = 1 et ∀t ∈]0, +∞[, f (n) (t) = e t
t2n
1
20. On considère la fonction f définie sur R par : f (x) = .
x2 +1
(a) Montrer que f est de classe C ∞ sur R.
(b) Soit n ∈ N. On pose : ∀x ∈ R, Pn (x) = (x2 + 1)n+1 f (n) (x).
i. Montrer que pour tout réel x, on a :
(x2 + 1)Pn0 (x) = 2(n + 1)xPn (x) + Pn+1 (x)
ii. Établir que le polynôme Pn (X) est de degré n et préciser son coefficient dominant.
(c) Démontrer, par récurrence sur n, que le polynôme Pn (X) admet n racines réelles deux à deux
distinctes.

23.6 Solutions des exercices

1. (a) Pour tout réel h non nul, on a :
f (x0 + h) − f (x0 − h) f (x0 + h) − f (x0 ) f (x0 ) − f (x0 − h)
= +
2h  2h 2h 
1 f (x0 + h) − f (x0 ) f (x0 − h) − f (x0 )
= +
2 h −h
Comme f est dérivable en x0 , on en déduit que :
f (x0 + h) − f (x0 ) f (x0 − h) − f (x0 )
−→ fd0 (x0 ) et −→ fg0 (x0 )
h h→0+ −h h→0+

f (x0 + h) − f (x0 − h) fd0 (x0 ) + fg0 (x0 )

Conclusion : lim+ = = f 0 (x0 ) .
h→0 2h 2
334 CHAPITRE 23. CALCUL DIFFÉRENTIEL

(b) La fonction valeur absolue est dérivable à gauche et à droite en 0 (avec pour nombres dérivés
respectifs −1 et 1) mais n’est pas dérivable en 0. De plus :
|0 + h| − |0 − h| h−h
∀h > 0, = =0
2h 2h
donc :
|0 + h| − |0 − h| 1 + (−1)
lim+ =0=
h→0 2h 2
f (x0 +h)−f (x0 −h) fd0 (x0 )+fg0 (x0 )
Ainsi, si f est dérivable à gauche et à droite en x0 et si limh→0+ 2h
= 2
alors f n’est pas nécessairement dérivable en x0 .
2. Posons :
∀k ∈ N, ∀x ∈ R, sk (x) = sin(kx), ck (x) = cos(kx), pk (x) = xk
Ces fonctions sont dérivables sur R et on a :

∀k ∈ N, ∀x ∈ R, s0k (x) = k cos(kx), c0k (x) = −k sin(kx), p0k (x) = kxk−1

Soit n ∈ N et x ∈ R. Si x est un multiple de 2π alors :

n n n n
X Xn(n + 1) X X
k cos(kx) = k= et k sin(kx) = 0=0
k=1 k=1
2 k=1 k=1

Si x n’est pas un multiple de 2π alors :

n n n
! n
!0
X X X X
k cos(kx) = s0k (x) = s0k (x) = sk (x)
k=1 k=1 k=1 k=1

n
! n n n
!
X X X X
sk (x) = sk (x) = =(eikx ) = = (eix )k
k=1 k=1 k=1 k=1
inx
einx/2 − e−inx/2
inx/2
   
−1
ix e ix e
= = e ix = = e ix/2 × ix/2
e −1 e e − e−ix/2
 
sin(nx/2) sin((n + 1)x/2) sin(nx/2)
= = ei(n+1)x/2 × =
sin(x/2) sin(x/2)
Par dérivation puis par regroupements judicieux de termes, on obtient :
n
" #
sin((n + 12 )x) sin( n2 x) 2

X 1
k cos(kx) = n −
k=1
2 sin( x2 ) sin( x2 )

Remarquer que l’on retrouve le résultat initial par limite lorsque x tend vers 0 (0 est un multiple de
2π). Pour la deuxième somme :
n n
!0
X X
k sin(kx) = − ck (x)
k=1 k=1

n
!  
X
i(n+1)x/2 sin(nx/2) cos((n + 1)x/2) sin(nx/2)
ck (x) = < e × =
k=1
sin(x/2) sin(x/2)
d’où l’on déduit, comme précédemment, que :
n
" #
cos((n + 12 )x) cos( n2 x) 2

X 1
k sin(kx) = n x −
k=1
2 sin( 2
) sin( x2 )
23.6. SOLUTIONS DES EXERCICES 335

Concernant la troisième somme, pour x = 1, on a :

n n+1
X X (n + 1)(n + 2)
(k + 1) = k=
k=0 k=1
2

Dans le cas où x 6= 1, on a :
n n n
!0 n+1
!0
X X X X
(k + 1)xk = p0k+1 (x) = pk+1 (x) = pk (x)
k=0 k=0 k=0 k=1

n+1
! n+1
X X xn+1 − 1
pk (x) = xk = x ×
k=1 k=1
x−1
Par dérivation puis par simplification, on obtient :
n
X (n + 1)xn+2 − (n + 2)xn+1 + 1
(k + 1)xk =
k=0
(x − 1)2

3. Il y a 4 contraintes à respecter :

P (1) = 1 P (−1) = −1 P 0 (1) = 0 P 0 (−1) = 0

Si P (X) est de degré 0 alors, par unicité de la limite, on devrait avoir −1 = 1 ce qui est impossible.
Si P (X) est de degré 1 alors le raccordement est une fonction affine et il ne sera pas dérivable en 1
(ni en −1).
Si P (X) est de degré 2 alors son polynôme dérivé ne s’annule qu’une seule fois ce qui est impossible.
Soit P (X) = aX 3 + bX 2 + cX + d où (a, b, c, d) est un quadruplet de réels. Alors P 0 (X) = 3aX 2 +
2bX + c. Les contraintes s’expriment sous la forme d’un système :
  

 a + b + c + d = 1 
 b + d = 0 
 a = − 12
−a + b − c + d = −1 a+c = 1 b = 0
  
⇔ ⇔ 3

 3a + 2b + c = 0 
 3a + c = 0 
 c = 2
3a − 2b + c = 0 b = 0 d = 0
  

1 3
Conclusion : P (X) = − X 3 + X est le polynôme de plus bas degré qui convient .
2 2
4. (a) Pour tout réel x > 0, on a : xx = ex ln(x) . Or, on sait que x ln(x) −→ 0 et que la fonction expo-
x→0
nentielle est continue en 0 donc xx −→ 1. Conclusion : x 7→ xx se prolonge par continuité en 0 .
x→0
xx −1 ex ln(x) −1
(b) Pour tout réel x > 0, on a : x
= x
. Or, x ln(x) −→ 0 donc ex ln(x) − 1 ∼ x ln(x) .
x→0 x→0
Ainsi :
xx − 1 x ln(x)
∼ = ln(x) −→ −∞
x x→0 x x→0

Conclusion : En 0, le prolongement n’est pas dérivable mais sa courbe admet une tangente verticale .
5. Classe C 1 :
Continuité en 0 : Pour tout réel x ∈ [−1, 1] − {0},on a :
√ √
1 + x2 − 1 1 − x2 − 1
f (x) = −
x−0 x−0
termes correspondant à des taux de variations sur ]0, x] de deux fonctions dérivables en 0 :
√ x
x 7→ 1 + x2 se dérive en x 7→ √
1 + x2
336 CHAPITRE 23. CALCUL DIFFÉRENTIEL

√ −x
x 7→ 1 − x2 se dérive en x 7→ √
1 − x2

On en déduit que lim f (x) = 0 et que f se prolonge par continuité en 0 et f (0) = 0 .

x→0
Autres méthodes possibles : avec l’expression conjuguée ; équivalents usuels à la place de taux de
variation (mais attention, cf ci-après).
Dérivabilité en 0 : Pour tout réel x ∈ [−1, 1] − {0},on a :
√ √
f (x) − f (0) f (x) 1 + x2 − 1 1 − x2 − 1
= = −
x−0 x x2 x2
√ 1 2
√
1+x2 −1
Or, x2 −→ 0 donc 1 + x2 − 1 ∼ 2
x d’où x2
∼ 12 −→ 21 .
x→0 √ x→0 x→0 x→0
1−x2 −1 1 1
De même, on montre que x2
∼ − 2 −→ − 2 .
x→0 x→0
f (x) − f (0)
On en déduit alors que lim = 1 et que : f est dérivable en 0 et f 0 (0) = 1 .
x→0 x−0
Continuité de la dérivée en 0 : La fonction f est de classe
6. s
7. s
8. s
9. (a) Soit f ∈ E. Alors, f est dérivable sur I et f 0 = af + b. Or, les fonctions a, b et f sont continues
sur I donc la fonction f 0 est continue sur I. Ainsi, la fonction f est de classe C 1 sur I.
Conclusion : E ⊂ C 1 (I) .
(b) La fonction nulle est bien solution de l’équation différentielle (1) donc l’ensemble E n’est pas
vide. Soit (f, g) un couple d’éléments de E et (λ, µ) un couple de réels. Alors : f 0 = af et
g 0 = ag. De plus :

(λf + µg)0 = λf 0 + µg 0 = λaf + µag = a(λf + µg)

donc λf + µg est un élément de E.

Conclusion : E est un sous espace vectoriel de C 1 (I) .
(c) i. Soit f une solution de (1) ne s’annulant pas sur R. Alors :

f 0 (x)
∀x ∈ R, f 0 (x) = (x + 1)f (x) donc ∀x ∈ R, =x+1
f (x)

Ainsi, on en déduit qu’il existe un réel K tel que :

1 1 2
∀x ∈ R, ln(|f (x)|) = x2 + x + K donc ∀x ∈ R, |f (x)| = eK e 2 x +x
2
Comme la fonction f est continue sur R, on en déduit que :
1 2 1 2
∀x ∈ R, f (x) = eK e 2 x +x
ou ∀x ∈ R, f (x) = −eK e 2 x +x

1 2
donc f est de la forme x 7→ Ce 2 x +x où C est un réel non nul. Réciproquement, toute
fonction de la forme précédente est une solution de l’équation différentielle (1) (il suffit de
calculer) ne s’annulant pas sur R.
n 1 2
o
Conclusion : x 7→ Ce 2 x +x C ∈ R∗ est l’ensemble des solutions ne s’annulant jamais .
23.6. SOLUTIONS DES EXERCICES 337

ii. Soit f0 une solution de (1) ne s’annulant pas sur R. Alors :

f 0 f0 − f f0
f ∈E ⇔ f 0 f0 = af f0 = f 0 f0 ⇔ f 0 f0 − f f0 = 0 ⇔ =0
f02
 0
f f
⇔ =0 ⇔ ∃K ∈ R / : x 7→ K ⇔ ∃K ∈ R/ f = Kf0
f0 f0
n 1 2
o
Conclusion : E = x 7→ Ce 2 x +x
C∈R .

10. s
11. s
12. s
13. s
14. s
15. s
16. (a) La fonction f est le quotient de deux fonctions de classe C ∞ sur ]0, +∞[ avec dénominateur ne
s’annulant pas sur ]0, +∞[ donc : f ∈ C ∞ (]0, +∞[) . De plus :

1
0 x
x − ln(x) 1 − ln(x)
∀x ∈]0, +∞[, f (x) = 2
=
x x2
Or, pour tout réel x strictement positif, on a :

f 0 (x) > 0 ⇔ 1 − ln(x) > 0 ⇔ ln(x) < 1 ⇔ x < e

Conclusion : f est strictement croissante sur ]0, e] et strictement décroissante sur [e, +∞[ .
D’autre part :

1 ln(x)
lim+ ln(x) = −∞ et lim+ = +∞ donc lim+ = −∞
x→0 x→0 x x→0 x

Conclusion : Cf admet une asymptote verticale d’équation x = 0 .

Enfin :
ln(x)
ln(x) = o (x) donc lim =0
x→+∞ x→+∞ x
Conclusion : Cf admet une asymptote horizontale d’équation y = 0 au voisinage de + ∞ .
(b) Soit P(n) la proposition :

un + vn ln(x)
∃(un , vn ) ∈ R2 / ∀x ∈]0, +∞[, f (n) (x) =
xn+1
Au rang n = 0, en posant u0 = 0 et v0 = 1, la proposition P(0) est vraie par définition de la
fonction f .
Au rang n = 1, en posant u1 = 1 et v1 = −1, la proposition P(1) est vraie d’après la question
précédente.
Soit n ∈ N. Supposons que P(n) est vraie. La fonction f étant de classe C ∞ sur ]0, +∞[, elle
est n + 1 fois dérivable sur cet intervalle et, pour tout réel x strictement positif, on a :
vn n+1

0 − (un + vn ln(x))(n + 1)xn
x
f (n+1) (x) = f (n) (x) = x
x2(n+1)
[(vn − (n + 1)un ) − (n + 1)vn ln(x)]xn (vn − (n + 1)un ) − (n + 1)vn ln(x)
= 2n+2
=
x xn+2
338 CHAPITRE 23. CALCUL DIFFÉRENTIEL

En posant un+1 = vn − (n + 1)un et vn+1 = −(n + 1)vn , on a ainsi prouvé que la proposition
P(n + 1) est vraie.
un + vn ln(x)
Conclusion : ∀n ∈ N, ∃(un , vn ) ∈ R2 / ∀x ∈]0, +∞[, f (n) (x) = d’où l’exis-
xn+1
tence des deux suites.
(c) Au signe près, la suite (vn ) est la suite des factorielles de n. Par alternance de signe on pose :

P(n) : vn = (−1)n n!

Une récurrence immédiate assure que : ∀n ∈ N, vn = (−1)n n! .

n
X 1
(d) Ici encore, une récurrence s’impose. Soit P(n) la proposition : un = (−1)n+1 (n!) .
k=1
k
On sait que u1 = 1 et l’expression proposée donne aussi 1 pour n = 1 donc P(1) est vraie.
Soit n ≥ 1. Supposons queP(n) est vraie. Alors :
n
n n+1
X 1
un+1 = vn − (n + 1)un = (−1) (n!) − (n + 1)(−1) (n!)
k=1
k
" n
# n+1
n+2 1 X1 1 X
= (−1) (n + 1)! + = (−1)n+2 (n + 1)!
n + 1 k=1 k k=1
k

ce qui prouve la proposition P(n + 1).

n
X 1
Conclusion : ∀n ∈ N∗ , un = (−1)n+1 (n!) .
k=1
k

17. s
18. s
19. s
20. (a) La fonction f est le quotient de deux fonctions polynômes, donc de classe C ∞ sur R. De plus
son dénominateur ne s’annule pas sur R.
Conclusion : La fonction f est de classe C ∞ sur R .
(b) i. La fonction Pn est le produit de deux fonctions de classe C ∞ sur R donc sa fonction dérivée
est de classe C ∞ sur R et, pour tout réel x, on a :

Pn0 (x) = (n + 1)2x(x2 + 1)n f (n) (x) + (x2 + 1)n+1 f (n+1) (x)
(x2 + 1)Pn0 (x) = 2(n + 1)x(x2 + 1)n+1 f (n) (x) + (x2 + 1)n+2 f (n+1) (x)

Après substitution (à l’aide de la définition), on en déduit que :

∀x ∈ R, (x2 + 1)Pn0 (x) = 2(n + 1)xPn (x) + Pn+1 (x)

ii. Soit P(n) la proposition : « La fonction Pn est polynomiale de degré n et de coefficient

dominant an = (−1)n (n + 1)! ». Au rang 0, par définition de la fonction f , la fonction P0
est constante égale à 1. Ainsi, elle est polynomiale de degré 0 et son coefficient dominant
est :
a0 = 1 = (−1)0 (0 + 1)!
ce qui prouve que la proposition P(0) est vraie. Soit n un entier naturel. On suppose que la
proposition P(n) est vraie. Alors :

∀x ∈ R, Pn+1 (x) = (x2 + 1)Pn0 (x) − 2(n + 1)xPn (x)

23.6. SOLUTIONS DES EXERCICES 339

Ainsi, la fonction Pn+1 est la différence de deux fonctions qui sont le produit de fonctions
polynômes ce qui prouve qu’elle est elle même une fonction polynôme. Posons : Pn (X) =
an X n + Qn (X) où Qn (X) ∈ Rn−1 [X]. Alors, on a :

Pn+1 (X) = (X 2 + 1)[nan X n−1 + Q0n (X)] − 2(n + 1)X[an X n + Qn (X)]

= −(n + 2)an X n+1 + Qn+1 (X)

où : Qn+1 (X) = X 2 Q0n (X) + nan X n−1 + Q0n (X) − 2(n + 1)XQn (X) ∈ Rn [X]. On en
déduit que Pn+1 (X) est de degré n + 1 et de coefficient dominant :

−(n + 2)an = −(n + 2)(−1)n (n + 1)! = (−1)n+1 (n + 2)!

ce qui prouve la proposition P(n + 1).

Conclusion : Pn est polynomiale de degré n et de coefficient dominant (−1)n (n + 1)! .
(c) Soit Q(n) la proposition : « le polynôme Pn (X) admet n racines réelles deux à deux distinctes ».
Comme P0 (X) = 1 et P1 (X) = −2X alors les propositions Q(0) et Q(1) sont vraies. Soit n
un entier naturel. Supposons que la proposition Q(n) est vraie. Notons α1 < · · · < αn les n
racines (simples) du polynôme Pn (X). On a :

Pn (x)
∀x ∈ R, f (n) (x) = et donc ∀k ∈ J1, nK, f (n) (αk ) = 0
(x2 + 1)n+1

Comme f (n) est de classe C ∞ sur R, on peut appliquer le théorème de Rolle à la fonction f (n)
sur chaque intervalle [αk−1 , αk ] pour tout entier k tel que 2 ≤ k ≤ n :

∃βk ∈]αk−1 , αk [ / f (n+1) (βk ) = 0

Ainsi, on a obtenu n − 1 racines β2 < · · · < βn du polynôme Pn+1 (X) qui est de degré n + 1.
Par ailleurs, on a :

Pn (x) ∼ (−1)n (n + 1)!xn et (x2 + 1)n+1 ∼ x2n+2

x→±∞ x→±∞

On en déduit que :

(−1)n (n + 1)!xn (−1)n (n + 1)!

f (n) (x) ∼ = −→ 0
x→±∞ x2n+2 xn+2 x→±∞

Alors, toujours d’après le théorème de Rolle, on a :

∃β1 ∈] − ∞, α1 [ / f (n+1) (β1 ) = 0 et ∃βn+1 ∈]αn , +∞[ / f (n+1) (βn+1 ) = 0

On a donc obtenu n+1 racines β1 < · · · < βn+1 (deux à deux distinctes) du polynôme Pn+1 (X)
qui est de degré n + 1 (donc il ne peut y avoir d’autres racines) et ainsi la proposition Q(n + 1)
est vraie.
Conclusion : Pn (X) admet n racines réelles deux à deux distinctes .
340 CHAPITRE 23. CALCUL DIFFÉRENTIEL
Chapitre 24

Fonctions convexes

Dans ce chapitre, on désigne par :

– f une fonction définie sur un intervalle I de R,
– Cf la courbe représentative de la fonction f dans un repère orthogonal,
– x0 un élément de I.

24.1 Notion de convexité et de point d’inflexion

Définitions
– On dit que f est convexe sur I si et seulement si :
∀(x, y) ∈ I 2 , ∀λ ∈ [0, 1], f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y)
– On dit que f est concave sur I si et seulement si −f est convexe sur I soit si et seulement si :
∀(x, y) ∈ I 2 , ∀λ ∈ [0, 1], f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)
– Étudier la convexité d’une fonction sur l’intervalle I, c’est déterminer les sous intervalles de I sur
lesquels elle est convexe et ceux sur lesquels elle est concave.

Interprétation graphique de la convexité

f est convexe (resp. concave) sur I si et seulement Cf est au-dessous (au-dessus) de ses cordes sur I.

Exemples (résultats à retenir)

1. Montrer que la fonction carrée est convexe sur R.
2. Montrer que la fonction inverse est convexe sur ]0, +∞[ et concave sur ] − ∞, 0[.
3. Monter que la fonction racine carrée est concave sur [0, +∞[.

Définition
On dit que la courbe Cf admet un point d’inflexion en son point d’abscisse x0 si et seulement s’il existe
un voisinage de x0 tel que, sur ce voisinage, f est convexe avant x0 (resp. après x0 ) et concave après x0
(resp. avant x0 ). Autrement dit, un point d’inflexion de la courbe correspond à un changement de convexité
de la fonction.

Exemple
Soit f la fonction définie sur R par :
∀x ∈ [0, +∞[, f (x) = x2 et ∀x ∈] − ∞, 0[, f (x) = −x2
Montrer que la courbe de la fonction f admet un point d’inflexion au point d’abscisse 0.

341
342 CHAPITRE 24. FONCTIONS CONVEXES

24.2 Convexité et fonction dérivée

Théorème
On suppose que f est définie et dérivable sur I. Les propositions suivantes sont équivalentes :
1. f 0 est croissante (resp. décroissante) sur I,
2. Pour tout x0 ∈ I, la courbe de f est au-dessus (resp. au_dessous) de sa tangente au point d’abscisse
x0 sur l’intervalle I,
3. f est convexe (resp. concave) sur I.

Preuves
– (1) ⇒ (2) Supposons que f 0 est croissante sur I. Soit x0 ∈ I. Alors, pour tout réel x ∈ I, on a :

f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )ε(x) et lim ε(x) = 0

x→x0

Soit x > x0 . D’après l’égalité des accroissements finis appliquée à f sur [x0 , x] on a :
f (x) − f (x0 )
∃c ∈]x0 , x[ / f 0 (c) =
x − x0
Ainsi :
f 0 (c) = f 0 (x0 ) + ε(x)
Comme x0 < c < x alors f 0 (c) ≥ f 0 (x0 ) et donc ε(x) ≥ 0. On en déduit que :

f (x) − [f (x0 ) + f 0 (x0 )(x − x0 )] = (x − x0 )ε(x) ≥ 0

donc Cf est au-dessus de la tangente au point d’abscisse x0 au-delà de x0 . On mène un raisonnement

analogue pour x < x0 .
– (2) ⇒ (3) Supposons que pour tout x0 ∈ I, la courbe de f est au-dessus de sa tangente au point
d’abscisse x0 . Soit (x, y) ∈ I 2 tel que x < y. Soit λ ∈ [0, 1]. En utilisant la tangente au point
d’abscisse λx + (1 − λ)y, on obtient :

f (x) ≥ f (λx + (1 − λ)y) + f 0 (λx + (1 − λ)y)(1 − λ)(x − y)

f (y) ≥ f (λx + (1 − λ)y) + f 0 (λx + (1 − λ)y)(−λ)(x − y)

Comme λ et 1 − λ sont positifs, par combinaison linéaire des deux inégalités, on en déduit que :

λf (x) + (1 − λ)f (y) ≥ f (λx + (1 − λ)y)

– (3) ⇒ (1) Supposons que f est convexe sur I. Soit (x, y) ∈ I 2 tel que x < y. Pour tout z ∈]x, y[,
Cf étant au-dessous de la corde [X, Y ] où X est le point de coordonnées (x, f (x)) et Y celui de
coordonnées (y, f (y)), on a :
f (y) − f (x) f (x) − f (y)
f (z) ≤ (z − x) + f (x) et f (z) ≤ (z − y) + f (y)
y−x x−y
d’où :
f (z) − f (x) f (y) − f (x) f (z) − f (y) f (x) − f (y)
≤ et ≥
z−x y−x z−y x−y
f étant dérivable en x et en y, on passe à la limite lorsque z → x dans la première inégalité et z → y
dans la seconde. Alors :
f (y) − f (x)
f 0 (x) ≤ ≤ f 0 (y)
y−x
donc f 0 est croissante sur I.
24.3. CONVEXITÉ ET FONCTION DÉRIVÉE SECONDE 343

Exemples
1. (résultats à retenir)
(a) Montrer que la fonction exponentielle est convexe sur R.
(b) Montrer que la fonction logarithme est concave sur ]0, +∞[.
2. Montrer que la courbe de la fonction carrée est au dessus de la droite d’équation y = 2x − 1.
3. Positions relatives de la courbe de cos et de la droite d’équation y = −x + π2 .

Proposition
On suppose que f est définie et dérivable sur I. On note D la tangente à Cf au point d’abscisse x0 .
Alors, Cf admet un point d’inflexion au point d’abscisse x0 si et seulement s’il existe un voisinage de x0 tel
que, sur ce voisinage, Cf est au-dessus (resp. au-dessous) de D avant x0 et au-dessous (resp. au-dessus) de
D après x0 .

Preuve
Évident.

Interprétation graphique
La courbe de f « traverse » sa tangente au point d’inflexion.

Exemple (à retenir)
Montrer que la courbe de la fonction cube admet un point d’inflexion au point d’abscisse 0.

24.3 Convexité et fonction dérivée seconde

Théorème
On suppose que f est définie et deux fois dérivable sur I. Alors, f est convexe (resp. concave) sur I si
et seulement si f 00 ≥ 0 (resp. f 00 ≤ 0) sur I.

Preuve
Évident d’après le théorème précédent.

Proposition
On suppose que f est définie et deux fois dérivable sur I. Alors, Cf admet un point d’inflexion au point
d’abscisse x0 si et seulement s’il existe un voisinage de x0 tel que, sur ce voisinage, la dérivée seconde de
f s’annule en x0 et change de signe autour de x0 .

Preuve
Évident.

Exemple
ex − 1
Déterminer tous les points d’inflexion de la fonction x 7→ x définie sur R.
e +1
344 CHAPITRE 24. FONCTIONS CONVEXES

24.4 Exercices
1. Soit f une fonction continue et strictement monotone sur un intervalle I de R.
(a) Justifier l’existence de f −1 sur un intervalle J que l’on exprimera en fonction de I.
(b) On suppose que f est convexe sur I. Étudier la convexité de f −1 .
(c) Même question en supposant que f est concave sur I.
2. Soit f : I → J et g : J → R.
(a) On suppose que f et g sont convexes. Étudier la convexité de g ◦ f .
(b) Idem avec f et g concaves.
3. (a) Étudier la convexité de la fonction sin : [− π2 , π2 ] → [−1, 1] puis de sa réciproque.
(b) Étudier la convexité de la fonction cos : [0, π] → [−1, 1] puis de sa réciproque.
(c) Étudier la convexité de la fonction tan :] − π2 , π2 [→ R puis de sa réciproque.
4. Déterminer la position de la courbe de la fonction sin par rapport à la droite d’équation y = x au
voisinage de 0.
π
5. (a) Déterminer le développement limité à l’ordre 1 en x = 3
de x 7→ tan(x).
(b) Position de Ctan par rapport à sa tangente au point d’abscisse π3 .
6. (a) i. Justifier que la fonction ln est concave sur ]0, +∞[.
ii. En déduire que :
√
 
2 a+b
∀(a, b) ∈]0, +∞[ , ln ≥ ln( ab)
2
(b) i. Démontrer que si f est convexe sur I alors :

∀n ∈ N∗ , ∀(x1 , . . . , xn ) ∈ I n , ∀(λ1 , . . . , λn ) ∈ [0, 1]n ,

λ1 + · · · + λn = 1 ⇒ f (λ1 x1 + · · · + λn xn ) ≤ λ1 f (x1 ) + · · · + λn f (xn )

ii. Soit (x1 , . . . , xn ) un n-uplet de réels strictements positifs. On pose :

nA = x1 + · · · + xn Gn = x1 × · · · × xn (G ≥ 0)
n 1 1
= + ··· + nQ2 = x21 + · · · + x2n (Q ≥ 0)
H x1 xn
Démontrer que : H ≤ G ≤ A ≤ Q.
7. Soit f une fonction convexe sur un intervalle ]a, b[ (a et b sont réels ou infinis). Pour tout réel x ∈]a, b[,
on définit la fonction :
∆x : ]a, x[∪]x, b[ → R
f (t) − f (x)
t 7→
t−x
(a) Soit x ∈]a, b[. Démontrer que ∆x est croissante sur ]a, x[∪]x, b[.
Indications : Trois cas sont à considérer. D’autre part, si (u, v, w) est un triplet de réels tel que
u < v < w alors il existe un réel λ ∈]0, 1[ tel que v = λu + (1 − λ)w.
(b) i. En déduire que f est dérivable à gauche et à droite en tout réel x ∈]a, b[.
ii. Démontrer alors que f est continue sur ]a, b[.
(c) On suppose que b = +∞.
f (x)
i. Montrer que x
admet une limite ` ∈ R ∪ {+∞} lorsque x tend vers +∞.
ii. On suppose que ` ∈ R. Montrer que f (x) − `x admet une limite dans R ∪ {−∞} lorsque
x tend vers +∞.
24.5. SOLUTIONS DES EXERCICES 345

24.5 Solutions des exercices

1. s
2. s
3. (a) La fonction sin est de classe C 2 sur l’intervalle [− π2 , π2 ] et on a :
h π πi
∀x ∈ − , , sin0 (x) = cos(x), sin00 (x) = − sin(x)
2 2
Comme la fonction sin est positive sur [0, π2 ], nulle en 0 et négative sur [− π2 , 0], on en déduit que
la fonction sin est convexe sur [− π2 , 0] et concave sur [0, π2 ]. Au point d’abscisse 0, la courbe
admet un point d’inflexion.
La fonction arcsin est continue sur [−1, 1] et dérivable sur ] − 1, 1[ et on a :

1
∀y ∈] − 1, 1[, arcsin0 (y) = p
1 − y2

Alors arcsin est dérivable sur ] − 1, 1[ et on a :

√−2y
1−y 2
2 y
∀y ∈] − 1, 1[, arcsin00 (y) = − p 2 =
p
1 − y2 (1 − y 2 ) 1 − y 2

Ainsi arcsin est convexe sur [0, 1[, concave sur ] − 1, 0]. Par continuité de arcsin en 1 et en -1,
on peut « prolonger » la convexité et la concavité sur les bords. Il y a aussi un point d’inflexion
au point d’abscisse 0.
(b) Comme précédemment, on obtient que la fonction cos est concave sur [0, π2 ] et concave sur
[ π2 , π]. De plus, la courbe de cos admet un point d’inflexion au point d’abscisse π2 .
Pour la fonction réciproque, on va procéder autrement (afin de présenter une autre méthode).
Soit (y1 , y2 ) ∈ [0, 1]2 et λ ∈ [0, 1]. On pose :

x1 = arccos(y1 ) et x2 = arccos(y2 )

et (x1 , x2 ) ∈ [0, π2 ]2 . Comme cos est concave sur [0, π2 ] alors :

cos(λx1 + (1 − λ)x2 ) ≥ λ cos(x1 ) + (1 − λ) cos(x2 )

Comme arccos est décroissante sur [−1, 1] alors :

arccos(cos(λx1 + (1 − λ)x2 )) ≤ arccos(λ cos(x1 ) + (1 − λ) cos(x2 ))

Comme y1 = cos(x1 ) et y2 = cos(x2 ) alors :

λ arccos(y1 ) + (1 − λ) arccos(y2 ) = λx1 + (1 − λ)x2 ≤ arccos(λy1 + (1 − λ)y2 )

donc arccos est concave sur [0, 1]. On montre de même que arccos est convexe sur [−1, 0].
(c) Étudier la convexité de la fonction tan :] − π2 , π2 [→ R puis de sa réciproque.
4. s
5. s
6. (a) i. La fonction ln est deux fois dérivable sur ]0, +∞[ et sa dérivée seconde est x 7→ − x12 qui
est négative sur ]0, +∞[.
Conclusion : La fonction ln est concave sur ]0, +∞[ .
346 CHAPITRE 24. FONCTIONS CONVEXES

ii. Soit (a, b) un couple de réels strictement positifs. Pour λ = 21 , la concavité de ln s’écrit :

1 1

1 1 1 1 √ 
ln a + b ≥ ln(a) + ln(b) = (ln(a) + ln(b)) = ln(ab) = ln ab
2 2 2 2 2 2

√
 
2 a+b
Conclusion : ∀(a, b) ∈]0, +∞[ , ln ≥ ln( ab) .
2
(b) i. Supposons que f est convexe sur I. Soit P(n) la proposition : « pour toute liste (x1 , . . . , xn )
d’éléments de I, pour toute liste (λ1 , . . . , λn ) d’éléments de [0, 1] dont la somme vaut 1, on
a : f (λ1 x1 + · · · + λn xn ) ≤ λ1 f (x1 ) + · · · + λn f (xn ) ». Au rang 1, la proposition est
trivialement vraie puisqu’il n’y a qu’un seul réel x1 et qu’un seul réel λ1 , ce dernier valant
nécessairement 1. Au rang 2, la proposition est vraie par définition de la convexité. Soit
n ≥ 2. Supposons que la proposition P(n) est vraie. Soit la liste (x1 , . . . , xn+1 ) d’éléments
de I et la liste (λ1 , . . . , λn+1 ) d’éléments de [0, 1] dont la somme vaut 1. Si λn+1 = 1 alors
l’inégalité est immédiate (puisque les autres λi sont nuls). Supposons donc que λn+1 6= 1.
Alors 1 − λn+1 = λ1 + · · · + λn 6= 0 et on a :
   
f (λ1 x1 + · · · + λn+1 xn+1 ) = f (1 − λn+1 ) 1−λλ1n+1 x1 + · · · + 1−λλnn+1 xn + λn+1 xn+1
 
≤ (1 − λn+1 ) f 1−λλ1n+1 x1 + · · · + 1−λλnn+1 xn + λn+1 f (xn+1 )
h i
≤ (1 − λn+1 ) 1−λλ1n+1 f (x1 ) + · · · + 1−λλnn+1 f (xn ) + λn+1 f (xn+1 )
≤ λ1 f (x1 ) + · · · + λn+1 f (xn+1 )

donc la proposition P(n + 1) est vraie.

ii. Soit (x1 , . . . , xn ) un n-uplet de réels strictements positifs. Posons λ1 = · · · = λn = n1 ∈
[0, 1]. Alors la somme de ces réels vaut bien 1. Par convexité de la fonction carrée sur
]0, +∞[ et d’après la question précédente, on a :
 2
1 1 1 2 1
x1 + · · · + xn ≤ x1 + · · · + x2n
n n n n
r
1 1 1 2 1
x1 + · · · + xn ≤ x1 + · · · + x2n
n n n n
donc : A ≤ Q. D’autre part, par concavité de la fonction logarithme, on a :
 
1 1 1 1 √
ln x1 + · · · + xn ≥ ln(x1 ) + · · · + ln(xn ) = ln ( n x1 . . . xn )
n n n n
1 1 √
x1 + · · · + xn ≥ n x1 . . . xn
n n
donc : G ≤ A. Enfin, toujours par concavité de la fonction ln, on a :
 
1 −1 1 −1 1 1 √
≥ ln x−1 + · · · + ln x−1



ln x1 + · · · + xn 1 n = − ln ( n x1 . . . xn )
n n n n
 −1
1 −1 1 √
x1 + · · · + x−1 ≤ n
x1 . . . xn
n n n
donc : H ≤ G. Conclusion : H ≤ G ≤ A ≤ Q .
Chapitre 25

Calcul intégral sur un segment

Dans tout ce chapitre :

– f et g désignent deux fonctions numériques définies sur un intervalle I de R,
– [a, b] est un sous intervalle de I avec a ≤ b,
– Cf et Cg désignent la courbe représentative de f et de g dans un repère orthogonal,
– aucune démonstration n’est exigible.

25.1 Fonctions en escalier

Définitions
– On appelle subdivision de [a,b] toute suite finie strictement croissante (x0 , . . . , xn ) telle que :
n≥1 x0 = a xn = b
– La subdivision (x0 , . . . , xn ) de [a, b] est dite régulière si et seulement si la suite (x0 , . . . , xn ) est
arithmétique, c’est à dire si et seulement si :
1 b−a
∀k ∈ J0, n − 1K, xk+1 = xk + ou bien ∀k ∈ J0, nK, xk = a + k
n n
– On dit que f est une fonction en escalier sur l’intervalle [a, b] si et seulement s’il existe une subdi-
vision (x0 , . . . , xn ) de [a, b] telle que :
∀k ∈ J1, nK, ∃yk ∈ R / ∀x ∈]xk−1 , xk [, f (x) = yk
Cette subdivision (x0 , . . . , xn ) est alors dite adaptée à f .
– On notera (entre nous) E([a, b]) l’ensemble des fonctions en escalier sur [a, b] et E + ([a, b]) le sous-
ensemble des fonctions en escalier positives sur [a, b].
– On dit que f est une fonction en escalier sur l’intervalle I si et seulement si elle est en escalier sur
tout sous-segment de I.

Exemples
1. Justifier que la fonction indicatrice de l’intervalle ]1, 2[ est en escalier sur [0, 3[ puis sur R.
2. Justifier que la fonction partie entière est en escalier sur R.

Remarques
– Soit f une fonction en escalier sur [a, b].
– f n’admet pas une unique subdivision adaptée.
– Toutes les subdivisions de [a, b] ne sont pas adaptées à f .
– Les valeurs prises par f en les points d’une subdivision adaptée n’ont que peu d’importance.
– Soit f une fonction en escalier sur I. Alors, le nombre de « marches » peut être infini mais, sur chaque
segment, le nombre de « marches » est fini.

347
348 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

25.2 Construction de l’intégrale des fonctions positives

25.2.1 Cas des fonctions en escalier positives
Proposition/Définition
On suppose que f ∈ E + ([a, b]).
Xn
– La somme yk (xk − xk−1 ) (avec les notations de la définition) est indépendante du choix de la
k=1
subdivision adaptée à f . Z b
– Cette somme est appelée intégrale de f sur le segment [a, b] et se note : f (x)dx.
a

Preuve
Soit (x0 , . . . , xn ) et (x00 , . . . , x0m ) deux subdivisions adaptées à f (associées aux réels (y1 , . . . , yn ) et
(y10 , . . . , ym
0
))...

Exemple
R 5/2
Justifier l’existence puis calculer, à l’aide de la définition, l’intégrale 1/2
btc dt.

Remarques
Rb
On suppose que f ∈ E + ([a, b]). On pose : A = a f (t)dt.
– La valeur de A est indépendante des valeurs prises par f en les points de la subdivision adaptée
choisie pour effectuer le calcul.
– La valeur de A est égale à la somme des aires des rectangles définis par la subdivision adaptée
(x0 , . . . , xn ) choisie c’est à dire à l’aire du domaine limité par Cf , l’axe des abscisses et les droites
d’équations x = xk pour tout k ∈ J0, nK (l’unité d’aire étant définie par les unités choisies sur les
deux axes de coordonnées du repère) ; en particulier, cette intégrale est positive.
– La valeur de A peut être nulle sans que la fonction f ne soit identiquement nulle sur [a, b] (il suffit
qu’elle soit non nulle en au moins un point de la subdivision adaptée choisie). Toutefois, la valeur de
A est nulle lorsque a = b.

25.2.2 Cas des fonctions continues et positives

Proposition/Définition
On suppose que f est continue et positive sur [a, b]. Notons :
nR o nR o
+ b + − b +
I[a,b] (f ) = a
g(x)dx g ∈ E ([a, b]), g ≥ f et I[a,b] (f ) = a
g(x)dx g ∈ E ([a, b]), g ≤ f

– Ces deux ensembles sont des parties

 non vide deR qui sont
 aussi respectivement minoré et majoré.
+ −
– (admis, lié à la continuité) inf I[a,b] (f ) = sup I[a,b] (f ) .
Z b
– On appelle intégrale de f sur le segment [a, b] le réel, noté f (x)dx, égal aux réels ci-dessus.
a

Preuve
– f étant continue et positive sur [a, b], elle admet un maximum global sur [a, b] qui est positif. Alors
Rb
s = (max f )11[a,b] est en escalier sur [a, b] et supérieure à f sur [a, b] donc a s(x)dx est un élément
[a,b]
25.2. CONSTRUCTION DE L’INTÉGRALE DES FONCTIONS POSITIVES 349

+
de I[a,b] (f ). De même, la fonction i obtenue avec le minimum de f sur [a, b] (ou peut aussi choisir la
−
fonction nulle) est un élément de I[a,b] (f ).
Rb +
Rb −
– De plus, a i(x)dx est un minorant de I[a,b] (f ) et a s(x)dx est un majorant de I[a,b] (f ).

Exemple
Rb
1. Justifier l’existence de l’intégrale a
x2 dx.
2. On suppose que 0 ≤ a < b. Soit n ∈ N∗ . À l’aide de subdivisions régulières en n segments de [a, b],
calculer cette intégrale.
3. Idem avec a < b ≤ 0 puis avec a < 0 < b.

Remarques
On suppose que f continue et positive sur [a, b].
– La valeur de l’intégrale de f sur [a, b] est égale à la limite de la somme des aires des rectangles définis
par les subdivisions adaptées aux fonctions en escalier minorant (ou majorant) f , c’est à dire à l’aire
du domaine limité par Cf , l’axe des abscisses et les droites d’équations x = a et x = b (l’unité d’aire
étant définie par les unités choisies sur les deux axes de coordonnées du repère).
– Cette intégrale est positive ou nulle. Elle est nulle lorsque a = b.

Théorèmes
On suppose que f et g sont continues et positives sur [a, b].
– Linéarité de l’intégrale : Pour tout couple (λ, µ) ∈ R2 tel que λf + µg est positive sur [a, b], on a :
Z b Z b Z b
(λf + µg)(t)dt = λ f (t)dt + µ g(t)dt
a a a

– Relation de Chasles : Pour tout réel c ∈ [a, b], on a :

Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
a a c

– Positivité de l’intégrale : Si f ≤ g sur [a, b] alors :

Z b Z b
f (t)dt ≤ g(t)dt
a a

– Nullité ou stricte positivité de l’intégrale : Si f est strictement positive en au moins un point de

[a, b] alors son intégrale est strictement positive sur [a, b]. Par contraposition, si l’intégrale de f est
nulle sur [a, b] alors la fonction f est identiquement nulle sur [a, b].
– Minoration et majoration d’intégrales :
Z b
(b − a)minf ≤ f (t)dt ≤ (b − a)maxf
[a,b] a [a,b]

Preuves
– Positivité : On a g − f est continue et positive sur [a, b] et la fonction nulle est positive et en escalier
sur [a, b]. On en déduit alors que :
Z b Z b
0dt ≤ (g − f )(t)dt
a a
Z b Z b
0≤ g(t)dt − f (t)dt
a a
d’où le résultat.
350 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

– Stricte positivité : On suppose que f (t0 ) 6= 0 avec t0 ∈]a, b[. Comme f est positive et continue en t0
alors :
f (t0 )
∃α > 0 / ∀t ∈ [t0 − α, t0 + α] ⊂ [a, b], |f (t) − f (t0 )| ≤
2
d’où l’on tire l’inégalité :
f (t0 )
∀t ∈ [t0 − α, t0 + α], f (t) ≥
2
On définit alors la fonction g sur [a, b] par :

0 si t ∈ / [t0 − α, t0 + α]
g(t) = f (t0 )
2
si t ∈ [t0 − α, t0 + α]
Alors g est en escalier, positive et inférieure à f sur [a, b]. On en déduit que :
Z b Z b
g(t)dt ≤ f (t)dt
a a
Z b
0 < αf (t0 ) ≤ f (t)dt
a
Dans le cas où t0 ∈ {a, b}, la minoration obtenue est :
Z b
αf (t0 )
0< ≤ f (t)dt
2 a

Dans tous les cas, l’intégrale est strictement positive.

– Encadrement : Par continuité de f sur [a, b], on a :
∀t ∈ [a, b], 0 ≤ minf ≤ f (t) ≤ maxf
[a,b] [a,b]

Par positivité et en remarquant que f est encadrée par des fonctions en escalier et positive sur [a, b],
on obtient l’encadrement de l’intégrale de f avec la définition.

Exemple
Rb
On suppose que f continue sur [a, b] et que a
f (t)2 dt = 0. Démontrer que f est nulle sur [a, b].

Définition
On suppose que f est continue et positive sur [a, b]. On appelle valeur moyenne de f sur [a, b] le réel :
Z b
1
f (t)dt si a < b f (a) si a = b
b−a a

Propositions
On suppose que f est continue et positive sur [a, b]. 
– La valeur moyenne de f sur [a, b] est un élément de minf, maxf donc admet un antécédent par f
[a,b] [a,b]
dans [a, b].
– La valeur moyenne de f sur [a, b] est égale à la valeur prise par la fonction constante (donc en escalier)
sur [a, b] qui a même intégrale que f sur [a, b].

Preuves
– Encadrement puis théorème des valeurs intermédiaires.
– C’est évident.
25.3. INTÉGRALE DES FONCTIONS CONTINUES 351

25.3 Intégrale des fonctions continues

25.3.1 Les fondamentaux
Nous venons de définir la notion d’intégrale d’une fonction continue et positive sur un segment. Nous
allons étendre cette notion aux fonctions continues et de signe non constant.

Définitions
On suppose que f est continue sur [a, b].
– Si f est négative sur [a, b] alors la fonction −f est positive sur [a, b] et on pose :
Z b Z b
f (t)dt = − (−f )(t)dt
a a

– Si f s’annule en changeant de signe en les points a1 < · · · < an sur [a, b] alors, avec a0 = a et
an+1 = b, on pose :
Z b n+1 Z ak
X
f (t)dt = f (t)dt
a k=1 ak−1

– On admet que cette définition s’étend au cas où la fonction f s’annule en changeant de signe en une
infinité de points de [a, b].
Ra Rb
– On convient que : b f (t)dt = − a f (t)dt.
1
Rb
– On appelle valeur moyenne de f sur [a, b] le réel b−a a
f (t)dt si a < b ou le réel f (a) si a = b.

Exemple
R2
Après avoir justifié de son existence, calculer, en utilisant la définition, l’intégrale −2
(x + 1)dx.

Remarques
On suppose que f est continue sur [a, b].
– On aurait pu définir l’intégrale de f sur [a, b] en définissant d’abord l’intégrale des fonctions en
escalier de signe non constant sur [a, b] (même méthode que pour les fonctions continues de signe non
constant) puis l’intégrale de f comme borne supérieure (resp. inférieure) des intégrales des fonctions
en escalier inférieures (resp. supérieures) à f sur [a, b].
– L’intégrale de f sur [a, b] est égale à la différence entre la somme des aires des domaines situés
au-dessus de l’axe des abscisses et la somme des aires des domaines situés au-dessous de cet axe.
– Cette intégrale peut être nulle sans que f soit identiquement nulle sur [a, b] (fonction impaires sur
[−a, a]).  
– La valeur moyenne de f sur [a, b] est un élément de minf, maxf .
[a,b] [a,b]
– La valeur moyenne de f sur [a, b] est égale à la valeur prise par la fonction constante sur [a, b] qui a
même intégrale que f sur [a, b] (à interpréter en termes d’aires).

Théorèmes
On suppose que f et g sont continues sur [a, b].
– Linéarité de l’intégrale : Pour tout couple (λ, µ) de réels, on a :
Z b Z b Z b
(λf + µg)(t)dt = λ f (t)dt + µ g(t)dt
a a a
352 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

– Relation de Chasles : Pour tout réel c ∈ [a, b], on a :

Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
a a c

– Positivité de l’intégrale : Si f ≤ g sur [a, b] alors :

Z b Z b
f (t)dt ≤ g(t)dt
a a

– Quelques minoration et majoration d’intégrales :

Z b Z b
f (t)dt ≤ |f (t)| dt ≤ (b − a)max |f |
a a [a,b]

Z b
(b − a)minf ≤ f (t)dt ≤ (b − a)maxf
[a,b] a [a,b]

Preuves

25.3.2 Sommes de Riemann

Définition

Soit n ∈ N∗ et (a0 , . . . , an ) une subdivision de l’intervalle [a, b]. On appelle somme de Riemann de
rang n de la fonction f sur [a, b] adaptée à la subdivision (a0 , . . . , an ) l’un ou l’autre des réels :

n−1 n
b−aX b−aX
f (ak ) ou f (ak )
n k=0 n k=1

En pratique, on choisit une subdivision régulière de [a, b] d’où les sommes de Riemann de rang n :

n−1   n  
b−aX b−a b−aX b−a
f a+k ou f a+k
n k=0 n n k=1 n

Interprétation graphique

Subdivision régulière en n intervalles et rectangles « gauches » ou rectangles « droits ».

Théorème (méthode des rectangles)

On suppose que f est continue sur [a, b]. Alors :

n−1   n   b
b−aX b−a b−aX b−a
Z
lim f a+k = lim f a+k = f (t)dt
n→+∞ n k=0 n n→+∞ n k=1 n a
25.3. INTÉGRALE DES FONCTIONS CONTINUES 353

Preuve
On effectue la démonstration dans le cas où la fonction f est de classe C 1 sur [a, b]. Soit n un entier
naturel non nul. On pose :
b−a
∀k ∈ J1, nK, ak = a + k
n
n b
b−aX
Z
En = f (ak ) − f (t)dt
n k=1 a
R ak
Comme b−a b
f (ak ) = ak−1 f (ak )dt, on en déduit que :

n Z
X ak
En = (f (ak ) − f (t))dt
k=1 ak−1

n Z
X ak
|En | ≤ |f (ak ) − f (t)|dt
k=1 ak−1

Comme f est dérivable sur [a, b] alors, d’après l’égalité des accroissements finis, on a :

f (ak ) − f (t)
∀k ∈ J1, nK, ∀t ∈ [ak−1 , ak ], ∃ck (t) ∈ [t, ak ] / f 0 (ck (t)) =
ak − t

Comme f 0 est continue sur [a, b] alors :

∀k ∈ J1, nK, ∀t ∈ [ak−1 , ak ], |f (ak ) − f (t)| ≤ (ak − t) max |f 0 |

[ak−1 ,ak ]

Ainsi, on en déduit successivement que :

n Z
X ak
|En | ≤ (ak − t) max |f 0 |dt
ak−1 [ak−1 ,ak ]
k=1

n
!
X Z ak
|En | ≤ max |f 0 | (ak − t)dt
[ak−1 ,ak ] ak−1
k=1
n 
(ak − ak−1 )2
X 
0
|En | ≤ max |f |
k=1
[ak−1 ,ak ] 2
n 
(b − a)2 X

0
|En | ≤ max |f |
2n2 k=1 [ak−1 ,ak ]

(b − a)2
 
0
|En | ≤ max|f |
2n [a,b]

Par passage à la limite lorsque n tend vers +∞, on obtient le résultat annoncé.

Exemples
n   Z 1
1X k
1. Soit f continue sur [0, 1]. Justifier que : lim f = f (t)dt.
n→+∞ n n 0
k=1
n
1 X
2. Calculer lim 3 (2n + k)2 .
n→+∞ n
k=1
354 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

Remarque

Les sommes de Riemann fournissent une méthode numérique (donc programmable) de calcul approché
des intégrales de fonctions sur un segment. Toutefois, ce n’est pas la seule méthode : méthode dite des
points médians (ou rectangles médians), méthode des trapèzes ...

25.4 Intégrale des fonctions continues par morceaux

Définitions
– On dit que la fonction f est continue par morceaux sur [a, b] si et seulement s’il existe une subdivi-
sion (a0 , . . . , an ) de [a, b] (subdivision dite adaptée à f ) telle que pour tout entier k ∈ J1, nK, f|]ak−1 ,ak [
se prolonge en une fonction continue sur [ak−1 , ak ], c’est à dire que :
– f est continue sur ]ak−1 , ak [ et
– f admet une limite finie à droite en ak−1 et une limite finie à gauche en ak .
– On dit que la fonction f est continue par morceaux sur I si et seulement si elle est continue par
morceaux sur chaque sous-segment de I.
– On suppose que f est une fonction continue par morceaux sur [a, b]. Soit (a0 , . . . , an ) une subdivision
adaptée à f et, pour tout k ∈ J1, nK, on note fk le prolongement par continuité de f sur [ak−1 , ak ]. On
appelle alors intégrale de f sur l’intervalle [a, b] le réel :
Z b n Z
X ak
f (t)dt = fk (t)dt
a k=1 ak−1

– Valeur moyenne : comme ci-dessus.

Remarques
– La fonction inverse n’est pas continue par morceaux sur R.
– Toute fonction en escalier sur [a, b] est continue par morceaux sur [a, b].
– La valeur de l’intégrale sur [a, b] d’une fonction continue par morceaux est indépendante du choix de
la subdivision adaptée choisie pour son calcul ainsi que des valeurs de la fonction en ses points de
discontinuité.

Exemple
R4
Calculer −3
f (t)dt pour f définie sur R par :

0 si x < 0

f (x) = 1 si x = 0
 −x
2e si x > 0

Théorèmes

Tous les théorèmes fondamentaux sur les intégrales des fonctions continues sont encore valables pour
les intégrales des fonctions continues par morceaux.

Preuves

s
25.5. EXERCICES 355

25.5 Exercices
1. Pour tout entier naturel n non nul, on pose :
Z n
dt
un =
1 1 − cos(t) + t2

Montrer que la suite (un )n≥1 est monotone puis qu’elle converge.
Rα
2. Soit α ∈]0, 1[. On pose : ∀n ∈ N, un = 0 tn eαt dt.
(a) Justifier l’existence de cette suite puis déterminer sa nature.
(b) Déterminer les extrema de t 7→ tn eαt sur [0, α]. En déduire la limite de la suite (un )n≥0 .
R1
3. Soit f continue sur [0, 1]. On pose : ∀n ∈ N, un = 0 tn f (t)dt. Démontrer que lim un = 0.
n→+∞

4. Soit f continue et strictement croissante sur [0, 1] et telle que f (0) = 0 et f (1) = 1. Démontrer que :
Z 1
lim f (t)n dt = 0
n→+∞ 0

5. Soit a un réel et f une fonction continue sur l’intervalle [a, +∞[. Pour tout x > a, on pose :
Z x
1
g(x) = f (t)dt
x−a a
(a) Justifier que cela définit une fonction g sur l’intervalle ]a, +∞[.
(b) Démontrer que g se prolonge par continuité en a et préciser le prolongement obtenu.
(c) i. On suppose que limt→+∞ f (t) = ` ∈ R. Démontrer que limx→+∞ g(x) = `.
ii. On suppose que limt→+∞ f (t) = +∞. Démontrer que limx→+∞ g(x) = +∞.
(d) On suppose que f est croissante sur [a, +∞[. Soit (x, y) ∈ R2 tel que a ≤ x < y.
i. Démontrer que la valeur moyenne de f sur [x, y], notée µ[x,y] (f ), est supérieure à la valeur
moyenne de f sur [a, x], notée µ[a,x] (f ).
ii. En déduire que g(x) ≤ g(y). Conclure.
6. Déterminer les limites suivantes :
n √
n n
X ek X n
lim et lim
n→+∞
k=1
n n→+∞
k=1
n2 + k 2

7. Soit f et g deux fonctions continues sur [a, b].

Rb
(a) Justifier que x 7→ a (xf (t) + g(t))2 dt est une fonction polynôme.
(b) i. En déduire l’inégalité de Cauchy-Schwarz :
Z b 2 Z b  Z b 
2 2
[f (t)g(t)]dt ≤ [f (t)] dt [g(t)] dt
a a a

ii. Démontrer que l’inégalité de Cauchy-Schwarz est une égalité si et seulement si f et g sont
proportionnelles.
(c) i. En utilisant l’inégalité de Cauchy-Schwarz, démontrer l’inégalité de Minkowski :
Z b 1/2 Z b 1/2 Z b 1/2
2 2 2
[f (t) + g(t)] dt ≤ [f (t)] dt + [g(t)] dt
a a a
356 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

ii. Démontrer que cette inégalité est une inégalité si et seulement si f et g sont proportionnelles
et le coefficient de proportionnalité est positif ou nul.
8. Soit f une fonction continue sur [0, π].
Rπ
(a) On suppose que : 0 f (t) sin(t)dt = 0. En raisonnant par l’absurde, démontrer que f s’annule
au moins une fois sur ]0, π[.
(b) On suppose maintenant que :
Z π Z π
f (t) cos(t)dt = f (t) sin(t)dt = 0
0 0

Démontrer que f s’annule au moins deux fois sur ]0, π[.

Indication : Dans le cas où la fonction f change de signe en l’unique réel t0 ∈]0, π[, combiner
les intégrales précédentes avec sin(t0 ) et − cos(t0 ).
9. Soit f une fonction continue sur [a, b] et n un entier naturel. On suppose que :
Z b
∀k ∈ J0, nK, tk f (t)dt = 0
a
Rb
(a) Montrer que : ∀P ∈ Rn [X], a
P (t)f (t)dt = 0.
(b) En déduire que f admet, au moins, n + 1 zéros deux à deux distincts dans ]a, b[.
10. Première formule de la moyenne.
Soit f et g deux fonctions continues sur [a, b] où a < b. On suppose, de plus, que g est positive sur
[a, b].
(a) On pose : m = minf et M = maxf . Démontrer que :
[a,b] [a,b]

Z b Z b Z b
m g(t)dt ≤ f (t)g(t)dt ≤ M g(t)dt
a a a

(b) En déduire qu’il existe un réel c ∈ [a, b] tel que :

Z b Z b
f (t)g(t)dt = f (c) g(t)dt
a a

25.6 Solutions des exercices

1. s
2. s
3. s
4. s
5. (a) Soit x ∈]a, +∞[. On sait que f est continue sur [a, x] donc son intégrale sur ce segment est bien
définie. Comme de plus x − a 6= 0 on en déduit que g(x) existe.
Conclusion : La fonction g est bien définie sur ]a, +∞[ .
(b) En utilisant un résultat du chapitre suivant, on sait que f admet des primitives sur [a+, ∞[. Soit
F l’une d’entre elle. Alors :
Z x
1 F (x) − F (a)
∀x ∈]a, +∞[, g(x) = f (t)dt =
x−a a x−a
25.6. SOLUTIONS DES EXERCICES 357

Comme F est dérivable en a et comme sa fonction dérivée est f , on en déduit que :

lim g(x) = F 0 (a) = f (a)

x→a

Maintenant, on peut aussi obtenir ce résultat directement (il suffit de prendre la démonstration
du résultat utilisé ci-dessus). En effet, pour tout réel x > a, on a :
Z x Z x Z x
1 1 1
|g(x) − f (a)| = f (t)dt − f (a)dt ≤ |f (t) − f (a)| dt
x−a a x−a a x−a a

Soit ε > 0. Comme f est continue en a, alors :

∃α > 0 / ∀x ∈ [a, a + α], |f (x) − f (a)| ≤ ε

Alors, pour tout réel x ∈]a, a + α[, on a successivement :

∀t ∈ [a, x], |f (t) − f (a)| ≤ ε

Z x Z x
|f (t) − f (a)| dt ≤ εdt = (x − a)ε
a a

|g(x) − f (a)| ≤ ε
ce qui prouve que g(x) −→ f (a).
x→a
Conclusion : La fonction g se prolonge par continuité en a en posant g(a) = f (a) .
(c) i. Pour tout réel x > a, on a :
Z x Z x Z x
1 1 1
|g(x) − `| = f (t)dt − `dt ≤ |f (t) − `| dt
x−a a x−a a x−a a

Soit ε > 0. Comme limt→+∞ f (t) = ` ∈ R, alors :

∃x0 > a / ∀x ≥ x0 , |f (x) − `| ≤ ε

Alors, pour tout réel x ≥ x0 , on a :

Z x0 Z x
1 1
|g(x) − `| ≤ |f (t) − `| dt + |f (t) − `| dt
x−a a x − a x0
1
R x0
Comme x−a a
|f (t) − `| dt −→ 0 alors :
x→+∞
Z x0
1
∃x1 ≥ x0 / ∀x ≥ x1 , |f (t) − `| dt ≤ ε
x−a a

De plus, pour tout réel x ≥ x1 (≥ x0 ), on a :

Z x
1 1
|f (t) − `| dt ≤ (x − x0 )ε ≤ ε
x − a x0 x−a

puisque x0 > a. Ainsi, pour tout réel x ≥ x1 , on a : |g(x) − `| ≤ 2ε.

Conclusion : lim f (t) = ` ∈ R ⇒ lim g(x) = ` .
t→+∞ x→+∞

ii. On procède de manière analogue à la question précédente. Soit M > 1. Alors :

∃x0 > a / ∀x ≥ x0 , f (x) ≥ M > 0

358 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

D’après la relation de Chasles, on en déduit, pour tout réel x ≥ x0 , que :

Z x0 Z x Z x0
1 1 1 x − x0
g(x) = f (t)dt + f (t)dt ≥ f (t)dt + M
x−a a x − a x0 x−a a x−a
1
R x0
Comme x−a a
|f (t) − `| dt −→ 0, alors :
x→+∞
Z x0
1
∃x1 ≥ x0 / ∀x ≥ x1 , f (t)dt ≤ 1
x−a a

Ainsi, pour tout réel x ≥ x1 , on a : g(x) ≥ M − 1.

Conclusion : lim f (t) = +∞ ⇒ lim g(x) = +∞ .
t→+∞ x→+∞

(d) On suppose que f est croissante sur [a, +∞[. Soit (x, y) ∈ R2 tel que a ≤ x < y.
i. Comme f est continue sur [a, x] et sur [x, y] alors :
Z x
1
∃c1 ∈ [a, x] / µ[a,x] (f ) = f (t)dt = f (c1 ) et ∃c2 ∈ [x, y] / µ[x,y] (f ) = f (c2 )
x−a a
Comme f est croissante sur [a, +∞[, on en déduit que :

f (a) ≤ f (c1 ) ≤ f (x) ≤ f (c2 ) ≤ f (y)

Conclusion : a ≤ x < y ⇒ µ[a,x] (f ) ≤ µ[x,y] (f ) .

ii. On a :
Z y Z x
1 1
g(y) − g(x) = f (t)dt − f (t)dt
y−a a x−a a
Z x Z y Z x
1 1 1
= f (t)dt + f (t)dt − f (t)dt
y−a a y−a x x−a a
Z x Z y
x−y 1
= f (t)dt + f (t)dt
(y − a)(x − a) a y−a x
y−x

= µ[x,y] (f ) − µ[a,x] (f ) ≥ 0
y−a

Conclusion : a ≤ x < y ⇒ g(x) ≤ g(y) c’est à dire que g est croissante sur [a, +∞[ .
6. s
7. (a) Par linéarité de l’intégrale et pour tout réel x, on a :
Z b Z b Z b Z b
2 2
(xf (t) + g(t)) dt = x 2
(f (t)) dt + 2x f (t)g(t)dt + (g(t))2 dt
a a a a

Z b
Conclusion : x 7→ (xf (t) + g(t))2 dt est une fonction polynôme de degré 2 .
a

(b) i. Pour tout réel x, la fonction t 7→ (xf (t) + g(t))2 est continue et positive sur [a, b] donc la
fonction polynôme précédente est positive sur R. Ainsi, son discriminant est positif ou nul,
c’est à dire que :
Z b 2 Z b  Z b 
2 2
4 f (t)g(t)dt − 4 (f (t)) dt (g(t)) dt ≤ 0
a a a

Z b 2 Z b  Z b 
2 2
Conclusion : f (t)g(t)dt ≤ (f (t)) dt (g(t)) dt .
a a a
25.6. SOLUTIONS DES EXERCICES 359

ii. Supposons que l’inégalité est une égalité. Si la fonction f est nulle sur [a, b] alors f = 0g
donc f et g sont bien proportionnelles. Supposons donc que f n’est pas nulle sur [a, b].
Alors le discriminant est nul et la fonction polynôme de degré 2 admet une racine double
x0 . On a ainsi :
Z b
(x0 f (t) + g(t))2 dt = 0
a

La fonction t 7→ (x0 f (t) + g(t))2 étant continue et positive sur [a, b], on en déduit qu’elle
est nulle sur [a, b] :

∀t ∈ [a, b], x0 f (t) + g(t) = 0 donc ∀t ∈ [a, b], g(t) = −x0 f (t)

Conclusion : En cas d’égalité de CS, les deux fonctions sont proportionnelles .

(c) i. On a :
Z b Z b Z b Z b
2 2
(f (t) + g(t)) dt = (f (t)) dt + 2 f (t)g(t)dt + (g(t))2 dt
a a
sa a
Z b Z b Z b Z b
2 2 2
≤ (f (t)) dt + 2 (f (t)) dt (g(t)) dt + (g(t))2 dt
a a a a
s s 2
Z b Z b
2
≤  (f (t)) dt + (g(t))2 dt
a a

Z b 1/2 Z b 1/2 Z b 1/2

2 2 2
Conclusion : (f (t) + g(t)) dt ≤ (f (t)) dt + (g(t)) dt .
a a a

ii. Supposons que cette inégalité est une égalité. Si f est nulle alors f = 0g. Supposons donc
que f n’est pas nulle sur [a, b]. D’après les calculs ci-dessus, l’inégalité de Cauchy-Schwarz
est aussi une égalité ce qui assure la proportionnalité de f et g. Posons alors : g = λf avec
λ ∈ R. L’égalité de Minkowski nous donne alors :
s s
Z b Z b
2
|1 + λ| (f (t)) dt = (1 + |λ|) (f (t))2 dt
a a

Comme l’intégrale n’est pas nulle (puisque f n’est pas la fonction nulle) alors :

|1 + λ| = 1 + |λ|

Cette égalité n’est réalisé que dans le cas où λ est positif.

Conclusion : En cas d’égalité de Minkowski, on a : g = λf avec λ ∈ [0, +∞[ .
8. (a) Supposons que f ne s’annule pas sur ]0, π[. Alors, f est de signe constant sur ]0, π[ et donc, par
continuité, sur [0, π]. Comme c’est aussi le cas de la fonction sinus et comme le produit de ces
deux fonctions est continue sur [0, π] alors :

∀t ∈ [0, π], f (t) sin(t) = 0

Comme la fonction sinus ne s’annule pas sur ]0, π[ alors f est nulle sur ]0, π[ ce qui contredit
l’hypothèse.
Z π
Conclusion : Si f (t) sin(t)dt = 0 alors f s’annule au moins une fois sur [0, π] .
0
360 CHAPITRE 25. CALCUL INTÉGRAL SUR UN SEGMENT

(b) On sait, d’après la question précédente que f s’annule au moins une fois sur ]0, π[. Supposons
qu’elle s’annule exactement une fois en le réel t0 ∈]0, π[. Si f ne change pas de signe en t0 alors
f est de signe constant sur [0, π] (le raisonnement précédent s’applique) et donc f est nulle sur
]0, π[ ce qui est absurde. Ainsi, f change de signe en t0 . Alors :
Z π Z π
sin(t0 ) f (t) cos(t)dt − cos(t0 ) f (t) sin(t)dt = 0
0 0
Z π
f (t)[sin(t0 ) cos(t) − cos(t0 ) sin(t)]dt = 0
0
Z π
f (t) sin(t0 − t)dt = 0
0

Comme f change de signe en t0 et comme t 7→ sin(t0 − t) change aussi de signe en t0 alors la

fonction t 7→ f (t) sin(t0 − t) est de signe constant sur [0, π]. Comme elle est aussi continue sur
cet intervalle, alors :
∀t ∈ [0, π] − {t0 }, f (t) sin(t0 − t) = 0
ce qui est absurde. Conclusion : La fonction f s’annule au moins deux fois sur ]0, π[ .
Chapitre 26

Primitives et intégrales

Dans tout ce chapitre :

– f et désigne une fonction numérique définie sur un intervalle I de R,
– a est un élément de I,
– aucune démonstration n’est exigible.

26.1 Primitives
Définition
On appelle primitive de f sur I, s’il en existe, toute fonction F dérivable sur I telle que F 0 = f ,
autrement dit :
∀x ∈ I, F 0 (x) = f (x)

Exemples (primitives usuelles)

Justifier l’existence de primitives sur I des fonctions suivantes et en préciser une :
1. I = R et x 7→ c (c ∈ R)
2. I = R et x 7→ xn (n ∈ N)
3. I = R∗+ et x 7→ 1
x
4. I = R∗− et x 7→ 1
x
5. I = R∗+ et x 7→ 1
xn
(n ∈ J2, +∞J)
6. I = R et x 7→ exp(x)
7. x 7→ f 0 (x)g 0 (f (x))
8. I = R∗+ et x 7→ xα (α ∈ R − {−1})
9. I = R et x 7→ sin(x)
10. I = R et x 7→ cos(x)
11. I =] − π2 , π2 [ et x 7→ tan(x)
12. I = R et x 7→ cos4 (x)

Théorème
Soit f définie sur I et admettant une primitive sur I.
– La fonction f admet alors une infinité de primitives sur I et, de plus, deux de ses primitives diffèrent
d’une constante.
– Soit x0 ∈ I et y0 ∈ R. La fonction f admet une unique primitive F sur I telle que F (x0 ) = y0
(égalité qualifiée de « condition initiale »).

361
362 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

Preuves
– Soit F1 et F2 deux primitives de f sur I. Alors (F1 − F2 )0 est la fonction nulle sur I et donc F1 − F2
est une fonction constante.
– Soit F1 une primitive de f sur I et F : x 7→ F1 (x) − F1 (x0 ) + y0 . Alors F est une primitive de f
telle que F (x0 ) = y0 (d’où l’existence). Supposons maintenant l’existence d’une autre primitive F2
de f sur I telle que F2 (x0 ) = y0 . Alors F − F2 est la fonction constante égale (F − F2 )(x0 ) = 0 sur
I (d’où l’unicité).

26.2 Intégrales fonction de la borne supérieure

Théorème
On suppose que f est continueR sur I. Soit a ∈ I. Alors :
x
– pour tout x ∈ I, le nombre a Rf (t)dt existe,
x
– la fonction F : I → R, x 7→ a f (t)dt est la primitive de f sur I qui s’annule en x = a (sa dérivée
sur I est donc la fonction f ).

Preuve
Rx
– Soit x ∈ I. Comme f est continue sur [a, x] (ou [x, a]) alors a f (t)dt.
– La fonction F est donc bien définie sur I. Soit x0 ∈ I. Pour tout réel x ∈ I différent de x0 , on a :
Z x Z x
F (x) − F (x0 ) 1 1
= f (t)dt et f (x0 ) = f (x0 )dt
x − x0 x − x 0 x0 x − x 0 x0

(relation de Chasles et valeur moyenne d’une fonction en escalier) d’où :

Z x
F (x) − F (x0 ) 1
− f (x0 ) = [f (t) − f (x0 )]dt
x − x0 x − x 0 x0

Soit ε > 0. Par continuité de f en x0 , on a :

∃α > 0 / ∀x ∈ [x0 − α, x0 + α] ∩ I, |f (x) − f (x0 )| ≤ ε

Soit donc x ∈ [x0 − α, x0 + α] ∩ I différent de x0 . Alors :

Z x Z x
F (x) − F (x0 ) 1 1
− f (x0 ) ≤ |f (t) − f (x0 )|dt ≤ εdt = ε
x − x0 |x − x0 | x0 |x − x0 | x0

F (x) − F (x0 )
donc lim = f (x0 ). Ainsi F est dérivable en x0 et F 0 (x0 ) = f (x0 ). On en déduit que
x→x0 x − x0
F est une primitive de f sur I. Enfin, il est évident que F (a) = 0.

Exemple
Rx 2
Justifier l’existence et la dérivabilité sur R de x 7→ 0
e−t dt.

Corollaires
On suppose que f est continue sur I. Alors :
1
R b classe C sur I.
– f admet des primitives sur I qui sont de
– Soit F l’une de ses primitives. On a : a f (t)dt = F (b) − F (a) que l’on note aussi [f (t)]ba .
– Déterminer une primitive de f sur I est équivalent à calculer des intégrales. Intégrer la fonction f sur
I signifiera donc en déterminer une primitive sur I.
26.3. TECHNIQUES D’INTÉGRATION 363

Preuves
Rx
– f étant continue sur I, l’application F : x 7→ a f (t)dt est la primitive de f sur I qui s’annule en
x = a. F est donc dérivable sur I, sa dérivée f est continue sur I. Ainsi F est de classe C 1 sur I.
– Soit G une primitive de f sur I. Alors, il existe un réel c tels que :
∀x ∈ I, G(x) = F (x) + c
De plus, on a : Z b
G(b) − G(a) = F (b) + c − F (a) − a = F (b) = f (t)dt
a

Exemples
Calculer les intégrales :
Z π/4 2 1 π/4
x2 − 1
Z Z Z
1 ln(t) 2 12
dt dt x(1 + x ) dx dx
0 cos2 (t) 1 t 0 0 x2 + 1

Théorèmes (Prolongements des fonctions de classe C p sur un bord du domaine de définition)

– On suppose que f est définie et de classe C 1 sur ]a, b] (resp. [a, b[). Si f 0 admet une limite finie en a
(resp. b), alors f se prolonge en une fonction de classe C 1 sur [a, b].
– On suppose que f est définie et de classe C p sur ]a, b] (resp. [a, b[). Si f (p) admet une limite finie en a
(resp. b), alors f se prolonge en une fonction de classe C p sur [a, b].

Preuves
– Intéressons-nous au prolongement en a, la méthode est identique pour le prolongement en b. Soit g
le prolongement par continuité de f 0 en a. Ainsi g est continue sur [a, b]. D’après le chapitre qui suit,
g admet des primitives sur [a, b]. Soit donc G la primitive de g qui s’annule en b. Alors, pour tout
x ∈]a, b], on a :
Z b Z b
G(x) = g(t)dt = f 0 (t)dt = f (b) − f (x)
x x
Comme G est de classe C 1 sur [a, b], on en déduit que f admet une limite en a. Ainsi son prolongement
f˜ sur [a, b], qui s’exprime à partir de G est aussi de classe C 1 sur [a, b].
– On procède par récurrence.

Exemple
Soit f définie par : f (x) = x3 sin( x1 ) pour tout réel x > 0. Montrer que f se prolonge en une fonction
de classe C 1 sur [0, +∞[ que l’on précisera.

26.3 Techniques d’intégration

Les deux techniques qui suivent ne doivent s’utiliser que lorsque, dans la détermination de primitives,
on est certain de ne pas avoir reconnu la moindre primitive usuelle.

26.3.1 Intégration par parties

Théorème
Soit u et v deux fonctions de classe C 1 sur [a, b]. Alors :
Z b Z b
0 b
u (x)v(x)dx = [u(x)v(x)]a − u(x)v 0 (x)dx
a a
364 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

Preuve
Les fonctions u0 v et uv 0 sont continues sur [a, b]. De plus :
Z b Z b Z b Z b
b 0 0 0 0
[u(x)v(x)]a = (uv) (x)dx = (u v + uv )(x)dx = u (x)v(x)dx + u(x)v 0 (x)dx
a a a a
d’où le résultat.

Exemples
Rx
1. Calculer 1 ln(t)dt pour tout réel x > 0. En déduire les primitives de la fonction ln sur ]0, +∞[.
2. Déterminer la primitive de x 7→ x2 e3x sur R qui s’annule en x = 0.

26.3.2 Changement de variable

Théorème
On suppose que f est continue sur I. Soit u de classe C 1 sur [α, β] et à valeurs dans I. Alors :
Z u(β) Z β
f (x)dx = f 0 (u(t))u0 (t)dt
u(α) α

Preuve
On a :
Z u(β) Z β Z β
0
f (x)dx = f (u(β)) − f (u(α) = (f ◦ u) (t)dt = f 0 (u(t))u0 (t)dt
u(α) α α

Remarques
– En général, la fonction u est bijective de [α, β] dans [a, b].
– Tout changement de variable non affine sera indiqué.
– Dans la pratique, on pose : x = u(t). Alors dxdt
= u0 (t) ce qui « autorise » à écrire dx = u0 (t)dt.

Exemple
R1√
Calculer 0
1 − x2 dx. On pourra poser x = sin(t).

26.3.3 Applications
Propositions
– Si f est paire et continue sur I alors :
Z x0 Z x0
∀x0 ∈ I, f (t)dt = 2 f (t)dt
−x0 0
– Si f est impaire et continue sur I alors :
Z x0
∀x0 ∈ I, f (t)dt = 0
−x0
– Si f est continue et T -périodique sur R alors :
Z x2 +T Z x2
2
∀(x1 , x2 ) ∈ R , f (t)dt = f (t)dt
x1 +T x1
Z x0 +T Z T
∀x0 ∈ R, f (t)dt = f (t)dt
x0 0
26.4. ÉQUATION DIFFÉRENTIELLE LINÉAIRE DU PREMIER ORDRE 365

Preuves
– Soit x0 ∈ I. Alors : Z x0 Z 0 Z x0
f (t)dt = f (t)dt + f (t)dt
−x0 −x0 0
dt
Posons : t = u(x) = −x. Alors, la fonction u est de classe C 1 sur I et on a : dx = −1 ce qui nous
donne dt = −dx. De plus t = 0 donne x = 0 et t = −x0 donne x = x0 . Par parité de f , on obtient :
Z x0 Z 0 Z x0 Z 0 Z x0
f (t)dt = f (−x)(−1)dx + f (t)dt = − f (x)dx + f (t)dt
−x0 x0 0 x0 0

d’où le résultat.
– Soit x0 ∈ I. Par la méthode précédente et par imparité de f , on obtient :
Z x0 Z 0 Z x0 Z 0 Z x0
f (t)dt = f (−x)(−1)dx + f (t)dt = f (x)dx + f (t)dt = 0
−x0 x0 0 x0 0

– Soit (x1 , x2 ) ∈ R2 . Posons t = u(x) = x + T . Alors, la fonction u est classe C 1 sur R et on a :

Z x2 +T Z u(x2 ) Z x2 Z x2 Z x2
0
f (t)dt = f (t)dt = f (u(x))u (x)dx = f (x + T )dx = f (x)dx
x1 +T u(x1 ) x1 x1 x1

– Soit x0 ∈ R. Posons n0 = b xT0 c. Alors : n0 T ≤ x0 < (n0 + 1)T = n0 T + T . On a ainsi :

Z x0 +T Z n0 T Z n0 T +T Z x0 +T
f (t)dt = f (t)dt + f (t)dt + f (t)dt
x0 x0 n0 T n0 T +T

Or, on a : Z n0 T Z x0 +T Z n0 T Z x0
f (t)dt + f (t)dt = f (t)dt + f (t)dt = 0
x0 n0 T +T x0 n0 T
donc : Z x0 +T Z n0 T +T
f (t)dt = f (t)dt
x0 n0 T

Posons t = u(x) = x + n0 T . Alors, la fonction u est de classe C 1 sur R et on a :

Z x0 +T Z u(T ) Z T Z T
f (t)dt = f (t)dt = f (x + n0 T )dx = f (x)dx
x0 u(0) 0 0

26.4 Équation différentielle linéaire du premier ordre

Définitions
– Soit u une fonction numérique définie sur I. On appelle équation différentielle linéaire du premier
ordre toute équation d’inconnue une fonction y dérivable sur I telle que y 0 = uy, c’est à dire que :

∀x ∈ I, y 0 (x) = u(x)y(x)

– On suppose que u est continue sur I. Résoudre (ou intégrer) l’équation différentielle linéaire du
premier ordre y 0 = uy, c’est déterminer toutes les fonctions f de classe C 1 sur I solution c’est à dire
telles que :
∀x ∈ I, f 0 (x) = u(x)y(x)

Exemple
On sait résoudre sur R l’équation différentielle y 0 = y.
366 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

Proposition
Soit u une fonction continue sur I. Les solutions de l’équation différentielle y 0 = uy sont les fonctions
de la forme :
f : I → R
x 7→ CeU (x)
où C est un réel et U une primitive de u sur I.

Preuve
Soit U une primitive de u sur I (il en existe bien puisque u est continue sur R).
– Soit C un réel et f0 la fonction définie sur I par f0 (x) = CeU (x) . Alors f0 est bien de classe C 1 sur I
et on a :
∀x ∈ I, f00 (x) = Cu(x)eU (x) = u(x)f0 (x)
ce qui prouve que f0 est bien une solution de y 0 = uy sur I.
– Soit f une solution quelconque de l’équation différentielle sur I (il en existe d’après ce qui précède)
et soit g la fonction définie sur I par g(x) = f (x)e−U (x) . Alors g est de classe C 1 sur I et on a :

∀x ∈ I, g 0 (x) = f 0 (x)e−U (x) + f (x)(−U 0 (x)e−U (x) ) = (f 0 (x) − u(x)f (x))e−U (x) = 0

Ainsi g est constante sur I. Notons C cette constante. On a donc :

∀x ∈ I, f (x)e−U (x) = C

∀x ∈ I, f (x) = CeU (x)

Exemples
Résoudre les équations différentielles :
1. y 0 = (x + 1)y sur R.
y
2. y 0 = 2 sur ]0, +∞[.
t
3. y 0 = x sin(x)y sur R.

Proposition
Soit u une fonction continue sur I, x0 ∈ I et y0 ∈ R. Alors l’équation différentielle y 0 = uy admet une
unique solution f sur I vérifiant la condition initiale : f (x0 ) = y0 .

Preuve
La condition initiale permet de déterminer la valeur de constante C.

26.5 Exercices
1. Déterminer les primitives des fonctions suivantes ainsi que leur domaine de définition :
(a) t 7→ e−6t+5
ln(t)
(b) t 7→
t
sin(t)
(c) t 7→
3 + cos(t)
26.5. EXERCICES 367

1
(d) x 7→ Indication : on pourra déterminer deux réels a et b tels que :
1 − x2
1 a b
∀x ∈
/ {−1, 1}, 2
= +
1−x 1−x 1+x
1 1
(e) x 7→ et x 7→ √
1 + x2 1 − x2
2
(f) x 7→ xe−x
3x4 + 23x3 + 64x2 + 80x + 75
2. Pour tout réel x > −3, on pose : f (x) = .
(x2 + 2)(x + 3)3
(a) Déterminer des réels a, b, c, d et e tels que :
ax + b c d e
∀x ∈] − 3, +∞[, f (x) = 2
+ 3
+ 2
+
x + 2 (x + 3) (x + 3) x+3
R1
(b) En déduire la valeur de I = 0
f (x)dx.

3. Étudier les fonctions suivantes (variations, branches infinies,...) :

Rt
(a) f : t 7→ 0 |x2 − 3x + 2|dx
Rx
(b) g : x 7→ 0 t2dt−4 (s’inspirer de l’indication de l’exercice 1.d.)
4. Soit f continue sur I. Soit u et v de classe C 1 sur J et à valeurs dans I.
R v(x)
(a) Justifier que x 7→ u(x) f (t)dt définit une fonction g sur J.
(b) Justifier que g est de classe C 1 sur J puis exprimer g 0 (x) pour tout réel x dans J.
R 2x dt
(c) Application : Étudier la fonction g : x 7→ x √1+t 4.

R 1/3
5. On pose : ∀n ∈ N, un = 0
tn e3t dt.
(a) Justifier l’existence de cette suite puis calculer u0 , u1 et u2 .
(b) Déterminer une relation entre un+1 et un .
(c) Étudier la nature de la suite (un )n≥0 .
6. Intégrales de Wallis. Pour n ∈ N, on pose :
Z π/2 Z π/2
n
In = sin (t)dt et Jn = cosn (t)dt
0 0

(a) Calculer I0 , J0 , I1 et J1 .
(b) Déterminer une relation entre In+2 et In pour tout entier naturel n.
(c) En déduire la valeur de In en fonction de n (si possible sous la forme de factorielles).
(d) Montrer que : ∀n ∈ N, Jn = In .
7. Calculer les intégrales suivantes :
R1
(a) 0 ln(x + 1)dx
Z b
dt
(b) 2 2
(où α > 0)
a t +α
R4
(c) −1 (x2 + x + 1)e2x dx
Rπ
(d) −π/2 x cos(x)dx
368 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

t
√
Z
dx
(e) √ √ (on pourra poser : u(x) = 6
x)
1 x+ 3x
Z π
sin(x)
(f) dx
0 ex
R1
(g) 0
arctan(θ)dθ
t
√ √
x+1− 4x+1 √
Z
(h) √ √4
dx (on pourra poser : u(x) = 4 x + 1)
0 x+1+ x+1
8. Déterminer les limites suivantes :
n   !
X ln(n + k)
(a) lim − ln(n)
n→+∞
k=1
n
n
X k
(b) lim √
n
n→+∞
k=1 n2 ek
n
X k n+k
(c) lim e 2n
n→+∞
k=1
n2
2x
et
Z
9. Soit f (x) = dt.
x t
(a) Montrer que f est de classe C 1 sur ]0, +∞[ et préciser f 0 (x) pour tout réel x > 0.
(b) Montrer que f peut se prolonger en une fonction de classe C 1 sur [0, +∞[.
R 2x
(c) En remarquant que ln(2) = x dtt pour tout réel x > 0, montrer que f admet ln(2) pour limite
en 0.
(d) Étudier les variations et la convexité de f .
(e) Tracer l’allure de la courbe de f .
10. (a) Résoudre sur ]0, +∞[ l’équation différentielle y 0 = y ln(x).
(b) En déduire la solution f vérifiant la condition f (e) = 1.
(c) Étudier cette fonction f (variations, branches infinies).
(d) Peut-on prolonger cette fonction en une fonction de classe C 0 sur [0, +∞[ de classe C 1 sur
[0, +∞[ ?
x
11. On considère l’équation différentielle (E) : y 0 = y + x.
1 + x2
x
(a) Résoudre sur R l’équation différentielle (E’) : y 0 = y.
1 + x2
(b) Soit C une fonction de classe C 1 sur R et h0 la fonction définie par :
√
∀x ∈ R, h0 (x) = C(x) 1 + x2

Déterminer toutes les fonctions C de sorte que h0 soit solution de l’équation différentielle (E).
(c) Montrer qu’une fonction h est solution de (E) sur R si et seulement la fonction h−h0 est solution
de (E’).
(d) En déduire l’ensemble des solutions de (E).
12. Soit f définie, dérivable et strictement croissante sur R+ . On suppose que :

f (0) = 0 et lim f (x) = +∞

x→+∞
26.6. SOLUTIONS DES EXERCICES 369

(a) Montrer que, pour tout réel x > 0, on a :Indicationn

Z x Z f (x)
f (t)dt + f −1 (t)dt = xf (x)
0 0

Indication : on pourra dériver la fonction définie dans le membre de gauche de l’égalité.

(b) En déduire que, pour tous réels positifs a et b, on a :
Z a Z b
f (t)dt + f −1 (t)dt ≥ ab
0 0

et que l’inégalité est une égalité si et seulement si b = f (a).

13. Soit f continue sur R et ω un réel non nul. On pose :

1 x
Z
ϕ(x) = sin(ωx − ωt)f (t)dt
ω 0

Montrer que la fonction ϕ est définie sur R, qu’elle est de classe C 2 sur R et qu’elle est solution sur
R de l’équation différentielle : y 00 + ω 2 y = f .

26.6 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. (a) Pour tout réel x > −1, on pose : u(x) = x + 1 et v(x) = ln(x + 1). Les fonctions u et v sont de
classe C 1 sur ] − 1, +∞[ donc sur [0, 1]. Alors :
Z 1 Z 1
x+1
ln(x + 1)dx = [(x + 1) ln(x + 1)]10 − dx = 2 ln(2) − 1
0 0 x+1

(b) Comme α > 0, on peut factoriser le numérateur par α2 pour obtenir :

Z b Z b
dt 1 dt
= 2
2
t +α 2 α t 2


a a
α
+1

Pour tout réel t, on pose u(t) = αt . Alors u est de classe C 1 sur R et, en posant x = u(t), on
obtient dx = dt
α
. On en déduit que :
b b

a


b
arctan − arctan
Z Z
dt 1 α αdx 1 b
α α
2 2
= 2 2
= [arctan(x)] a =
α

a t +α α a
α
x +1 α α α

(c) Pour tout réel x, on pose u(x) = 12 e2x et v(x) = x2 + x + 1. Les fonctions u et v sont de classe
C 1 sur R et on a :
Z 4 4
1 4
 Z
2 2x 1 2 2x
(x + x + 1)e dx = (x + x + 1)e − (2x + 1)e2x dx
−1 2 −1 2 −1
370 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

Pour tout réel x, on pose u2 (x) = 12 e2x et v2 (x) = 2x + 1. Les fonctions u2 et v2 sont de classe
C 1 sur R et on a :
Z 4 4 !
11e8 − e−2 1 1 4 2x
 Z
2 2x 1 2x
(x + x + 1)e dx = − (2x + 1)e − 2e dx
−1 2 2 2 −1 2 −1
4 !
11e8 − e−2 1 9e8 + e−2 7e8 − 2e−2

1 2x
= − − e =
2 2 2 2 −1 2

(d) Pour tout réel x, on pose u(x) = sin(x) et v(x) = x. Les fonctions u et v sont de classe C 1 sur
R et on a :
Z π Z π
π π
x cos(x)dx = [x sin(x)]π/2 − sin(x)dx = [x sin(x) − cos(x)]ππ/2 = 1 −
π/2 π/2 2
√ 1
(e) Soit t ∈]0, +∞[. Pour tout réel x > 0, on pose u(x) = 6 x = x 6 . Alors u est de classe
C 1 sur ]0, +∞[, bijective de ]0, +∞[ dans ]0, +∞[ et, en posant y = u(x) c’est à dire que
x = u−1 (y) = y 6 , on a dx = 6y 5 dy, ce qui donne :
t t1/6 t1/6
6y 5 dy y 3 dy
Z Z Z
dx
√ √ = =6
1 x+ 3x 1 y3 + y2 1 y+1
Or, la division euclidienne de X 3 par X + 1 est X 3 = (X + 1)(X 2 − X + 1) − 1 et on en déduit :
Z t Z t1/6    t1/6
dx 2 1 1 3 1 2
√ √ = 6 y −y+1− dy = 6 y − y + y − ln(y + 1)
1 x+ 3x 1 y+1 3 2 1

1√ 1√ √ √
 
3 6

6
 5
= 6 t− t + t − ln 1 + t − + ln(2)
3 2 6

(f) Pour tout réel x, on pose u(x) = sin(x) et v(x) = −e−x . Les fonctions u et v sont de classe C 1
sur R et on a :
Z π Z π Z π
sin(x) −x π −x
cos(x)e−x dx
 
x
dx = − sin(x)e 0 − − cos(x)e dx =
0 e 0 0

Pour tout réel x, on pose u2 (x) = cos(x) et v2 (x) = −e−x . Les fonctions u2 et v2 sont de classe
C 1 sur R et on a :
Z π Z π Z π
sin(x)  −x π
 −x −π sin(x)
x
dx = − cos(x)e 0 − sin(x)e dx = e + 1 − dx
0 e 0 0 ex
Z π
sin(x) e−π + 1
dx =
0 ex 2
(g) Pour tout réel x, on pose u(x) = x et v(x) = arctan(x). Les fonctions u et v sont de classe C 1
sur R et on a :
Z 1 Z 1
1 θ π 1 2 1

 π ln(2)
arctan(θ)dθ = [θ arctan(θ)]0 − 2
dθ = − ln 1 + θ 0
= −
0 0 1+θ 4 2 4 2
√
(h) Pour tout réel x > −1, on pose u(x) = 4 x + 1. Alors u est de classe C 1 sur ]−1, +∞[, bijective
de ] − 1, +∞[ dans ]0, +∞[ et, en posant y = u(x) c’est à dire que x = u−1 (y) = y 4 − 1, on a
dx = 4y 3 dy, ce qui donne :
Z t√ √ Z √4
t+1 2 Z √4
t+1 4
x+1− 4x+1 y −y 3 y − y3
√ √ dx = 4y dy = 4 dy
0 x+1+ 4x+1 1 y2 + y 1 y+1
26.6. SOLUTIONS DES EXERCICES 371

Or, par division euclidienne, on a X 4 − X 3 = (X + 1)(X 3 − 2X 2 + 2X − 2) + 2 d’où l’on tire :

Z t√ √ Z √ 4
t+1  
x+1− 4x+1 3 2 2
√ √ dx = 4 y − 2y + 2y − 2 + dy
0 x+1+ 4x+1 1 y+1
 √4
t+1
1 4 2 3 2
= 4 y − y + y − 2y + ln(y + 1)
4 3 1

1 2 3 1 1
 1
 5
= 4 t − (t + 1) 4 + (t + 1) 2 − 2(t + 1) 4 + ln (t + 1) 4 + 1 + − l
4 3 3

8. s
9. s
10. (a) La fonction ln est de classe C 1 sur ]0, +∞[ et admet pour primitive sur cet intervalle la fonction :
x 7→ x ln(x) − x
(refaire une intégration par parties comme dans le cours). Or, pour tout réel x > 0, on a :
 x x
ex ln(x)−x = xx e−x =
e
 x x
0
Conclusion : Les solutions de y = y ln(x) sur ]0, +∞[ sont les fonctions x 7→ C ,C∈R.
e
(b) On a alors :L’égalité f (e) = 1 est équivalente à :
 e e
f (e) = 1 ⇔ C =1⇔C=1
e
 x x
Conclusion : ∀x ∈]0, +∞[, f (x) = .
e
(c) Étude des variations de f . On sait que, pour tout réel x > 0, on a :
f 0 (x) = f (x) ln(x) et f (x) = ex ln(x)−x > 0

Conclusion : f est strictement décroissante sur ]0, 1] et strictement croissante sur [1, +∞[ .
Convexité de f . Comme f 0 = f × ln alors f 0 est dérivable sur ]0, +∞[ et, pour tout réel x > 0,
on a :
f (x) f (x)
f 00 (x) = f 0 (x) ln(x) + = f (x) ln2 (x) + ≥0
x x
Conclusion : f est convexe sur ]0, +∞[ .
Étude de la branche infinie au voisinage de +∞. Comme ln(x)−1 −→ +∞ alors x ln(x)−
x→+∞
x > x pour x « assez grand » et donc f (x) = ex ln(x)−x > ex ce qui assure que f (x) −→ +∞.
x→+∞
f (x) ex
De plus, toujours pour x « assez grand », on a x
> −→
x x→+∞
+∞.
Conclusion : Cf admet une branche parabolique de direction verticale au voisinage de + ∞ .
Étude de f au voisinage de 0. On sait que x ln(x) −→ 0 donc, par composition des limites
x→0
(obtenue par continuité de la fonction exponentielle en 0), on en déduit que : lim f (x) = 1 .
x→0

(d) De ce dernier résultat, on déduit que : f se prolonge par continuité en 0 et le prolongement est
alors de classe C 0 sur [0, +∞[. De plus, comme x ln(x) − x −→ 0 alors :
x→0

f (x) − f (0) ex ln(x)−x − 1 x ln(x) − x

= ∼ = ln(x) − 1 −→ +∞
x−0 x x→0 x x→0

Conclusion : f n’est pas dérivable en 0 donc elle ne peut être de classe C 1 sur [0, +∞[.
372 CHAPITRE 26. PRIMITIVES ET INTÉGRALES

11. s
12. s
13. Pour tout réel x, on a :
 Z x Z x 
1
ϕ(x) = sin(ωx) cos(ωt)f (t)dt − cos(ωx) sin(ωt)f (t)dt
ω 0 0
Rx
Or, la fonction x 7→ 0 cos(ωt)f (t)dt est de classe C 2 sur R en tant que primitive sur R de la fonction
t 7→ cos(ωt)f (t) qui est de classe C ∞Rsur R. De plus, la fonction x 7→ sin(ωx) est de classe C 2 sur R.
x
Ainsi, la fonction ϕ1 : x 7→ sin(ωx) 0 cos(ωt)f (t)dt est de classe C 2 sur R et on a :
Z x
0
∀x ∈ R, ϕ1 (x) = ω cos(ωx) cos(ωt)f (t)dt + sin(ωx) cos(ωx)f (x)
0
Rx
De même, la fonction ϕ2 : x 7→ − cos(ωx) 0
sin(ωt)f (t)dt est de classe C 2 sur R et on a :
Z x
∀x ∈ R, ϕ02 (x) = ω sin(ωx) sin(ωt)f (t)dt − cos(ωx) sin(ωx)f (x)
0

1
En conséquence, la fonction ϕ = (ϕ1 + ϕ2 ) est de classe C 2 sur R et, pour tout réel x, on a :
ω
Z x Z x
0
ϕ (x) = cos(ωx) cos(ωt)f (t)dt + sin(ωx) sin(ωt)f (t)dt
0 0
 Z x Z x 
00
sin(ωt)f (t)dt + cos2 (ωx) + sin2 (ωx) f (x)
 
ϕ (x) = −ω sin(ωx) cos(ωt)f (t)dt − cos(ωx)
0 0

ϕ00 (x) = −ω 2 ϕ(x) + f (x)

Conclusion : ϕ ∈ C 2 (R) et ϕ est solution de l’équation différentielle y 00 + ω 2 y = f .

Chapitre 27

Développements limités

Soit f une fonction définie sur un intervalle I de R.

Aucune démonstration n’est exigible au concours.

27.1 Formules de Taylor

27.1.1 Formule de Taylor avec reste intégral
Théorème

Soit n ∈ N et a ∈ I. On suppose que f est de classe C n+1 sur I. Alors :

n x
f (k) (a) (x − t)n (n+1)
X Z
k
∀x ∈ I, f (x) = (x − a) + f (t)dt
k=0
k! a n!

appelée formule de Taylor avec reste intégral à l’ordre n en a de f .

Preuve
– Soit P(n) la proposition : « Pour toute fonction f de classe C n+1 sur I et pour tout couple (a, x)
d’éléments de I, on a f (x) = . . . ».
– Au rang 0, considérons une fonction f de classe C 1 sur I et un couple (a, x) d’éléments de I. On a
alors : Z x
f (x) − f (a) = f 0 (t)dt
a

ce qui est, sous une autre forme, l’égalité à prouver.

– Soit n ≥ 0. Supposons que P(n) est vraie. Considérons une fonction f de classe C n+2 sur I et un
couple (a, x) d’éléments de I. Comme f est aussi de classe C n+1 sur I, on peut écrire :
n x
f (k) (a) (x − t)n (n+1)
X Z
k
f (x) = (x − a) + f (t)dt
k=0
k! a n!

n+1
Mais f (n+1) et t 7→ − (x−t)
(n+1)!
sont de classe C 1 sur I. On peut donc intégrer par parties :

x x Z x
(x − t)n (n+1) (x − t)n+1 (n+1) (x − t)n+1 (n+2)
Z 
f (t)dt = − f (t) − − f (t)dt
a n! (n + 1)! a a (n + 1)!

ce qui prouve P(n + 1) en reportant dans l’égalité qui précède.

373
374 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

Exemples
1. Que donne la formule de Taylor avec reste intégral à l’ordre n en a pour un polynôme de degré
n ∈ N?
2. (a) Écrire la formule de Taylor à l’ordre 5 en 0 de la fonction sin. En déduire que :
h πi x3 x3 x5
∀x ∈ 0, , x− ≤ sin(x) ≤ x − +
2 6 6 120
(b) En déduire que :
h πi t2 t4 t6 t2 t4
∀t ∈ 0, , 1− + − ≤ cos(t) ≤ 1 − +
2 2 24 720 2 24
(c) Démontrer directement ce dernier résultat en utilisant la formule de Taylor avec reste intégral à
l’ordre 6 en 0 de la fonction cos.

27.1.2 Égalité de Taylor-Lagrange

Théorème
Soit n ∈ N et a ∈ I. On suppose que f est de classe C n+1 sur I. Pour tout réel x élément de I différent
de a, on a :
n
X f (k) (a) (x − a)n+1 (n+1)
∃c ∈]a, x[ / f (x) = (x − a)k + f (c)
k=0
k! (n + 1)!
(le réel c dépend de n, de a et de x).

Preuve
Supposons que a < x. La fonction f étant de classe C n+1 sur I, alors la fonction f (n+1) est continue sur
[a, x] donc elle admet un minimum absolu m et un maximum absolu M sur [a, x]. Ainsi, on a :
∀t ∈ [a, x], m ≤ f (n+1) (t) ≤ M
(x−t)n
Comme la fonction u : t 7→ n!
est positive sur [a, x], on en déduit successivement que :

∀t ∈ [a, x], m.u(t) ≤ u(t)f (n+1) (t) ≤ M.u(t)

Z x Z x Z x
(n+1)
m.u(t)dt ≤ u(t)f (t)dt ≤ M.u(t)dt
a a a
n+1
x x n
x
−(x − t)n+1
 
−(x − t) (x − t) (n+1)
Z
m ≤ f (t)dt ≤ M
(n + 1)! a a n! (n + 1)! a
Z x
(n + 1)! (x − t)n (n+1)
m≤ f (t)dt ≤ M
(x − a)n+1 a n!
D’après le théorème des valeurs intermédiaires (appliqué à f (n+1) ), on a alors :
Z x
(n+1) (n + 1)! (x − t)n (n+1)
∃c ∈ [a, x] / f (c) = f (t)dt
(x − a)n+1 a n!
ce qui donne finalement (à l’aide de la formule de Taylor avec reste intégral) :
n
X f (k) (a) (x − a)n+1 (n+1)
f (x) = (x − a)k + f (c)
k=0
k! (n + 1)!

Remarquons que l’on a obtenu c ∈ [a, x] et non c ∈]a, x[. Une démonstration un peu plus subtile utilisant
le théorème de Rolle donne le résultat de l’énoncé.
27.1. FORMULES DE TAYLOR 375

Exemples

En utilisant l’égalité de Taylor-Lagrange, montrer que :

x3
1. ∀x ∈ [0, π2 ], x − 6
≤ sin(x) ≤ x
x 2 √ x2 x3
2. ∀x ∈ [0, 1[, 1 + 2
− x8 ≤ 1 + x ≤ 1 + x
2
− 8
+ 64
n
X xn
3. ∀x ∈ R, lim = ex
n→+∞
k=0
k!
n
X (−1)k−1 xk
4. ∀x ∈] − 1, 1], lim = ln(1 + x)
n→+∞
k=1
k

27.1.3 Inégalité de Taylor-Lagrange

Théorème

Soit n ∈ N. On suppose que f est de classe C n+1 sur I. Si |f (n+1) | est majorée par un réel positif M sur
I alors on a :
n
X f (k) (a) |b − a|n+1
∀(a, b) ∈ I 2 , f (b) − (b − a)k ≤ M
k=0
k! (n + 1)!

Dans le cas où |f (n+1) | n’est majorée pas majorée sur I, on peut remplacer (dans l’inégalité) le réel M par
le réel max|f (n+1) | qui dépend du choix des réels a et b.
[a,b]

Preuve

C’est une conséquence immédiate de l’égalité de Taylor-Lagrange.

Exemples
x2 x4
≤ 1, 5 × 10−9 .
 1 1
1. Montrer que : ∀x ∈ − 10 , 10 , cos(x) − 1 + 2
− 24

n
X (−1)k−1 (x − 1)k
2. Démontrer que : ∀x ∈]0, 2[, lim = ln(x)
n→+∞
k=1
k

27.1.4 Formule de Taylor-Young

Théorème

Soit n ∈ N et a ∈ I. On suppose que f est de classe C n sur I. Alors :

n
X f (k) (a)
∀x ∈ I, f (x) = (x − a)k + o ((x − a)n )
k=0
k! x→a

Une autre possiblilité est de dire qu’il existe une fonction ε : I → R telle que :
n
X f (k) (a)
lim ε(x) = 0 et ∀x ∈ I, f (x) = (x − a)k + (x − a)n ε(x)
x→a
k=0
k!
376 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

Preuve
On sait déjà que ce résultat est vrai pour n = 0 (et pour n = 1). Supposons donc que n ≥ 1 et posons
ε(a) = 0 et, pour tout réel x de I différent de a :
" n
#
1 X f (k) (a)
ε(x) = f (x) − (x − a)k
(x − a)n k=0
k!

Alors l’égalité à démontrer est vraie pour tout réel x de I et il ne reste qu’à prouver la limite. On peut
appliquer l’égalité de Taylor-Lagrange à l’ordre n − 1 (puisque f est de classe C n ) :
n−1 (k)
X f (a) (x − a)n (n)
∀x ∈ I − {a}, ∃cx ∈]a, x[ / f (x) − (x − a)k = f (cx )
k=0
k! n!

Ainsi, on en déduit que :

f (n) (cx ) − f (n) (a)

∀x ∈ I − {a}, ∃cx ∈]a, x[ / ε(x) =
n!
Or, f (n) est continue en a et cx −→ a (puisque |cx − a| ≤ |x − a| pour tout x ∈ I − {a}) donc :
x→a

lim ε(x) = 0
x→a,x6=a

De plus ε(a) = 0 donc on a bien la continuité de ε en a.

Exemple
Écrire la formule de Taylor-Young à l’ordre n ≥ 1 au voisinage de 0 des fonctions :

x 7→ ln(1 + x) et x 7→ ex

27.2 Développements limités au voisinage de 0

Dans tout ce paragraphe, on suppose que 0 est un élément de I ou bien que 0 en est une borne.

27.2.1 Généralités
Définitions
On dit que f admet un développement limité à l’ordre n au voisinage de 0 (noté DLn (0) en abrégé
dans ce cours) si et seulement s’il existe un polynôme Pn (X) de degré inférieur ou égal à n et une fonction
ε : I → R tels que :

lim ε(x) = 0 et ∀x ∈ I, f (x) = Pn (x) + xn ε(x)

x→0

Le réel Pn (x) est alors appelé partie régulière du développement limité et le réel xn ε(x) est appelé partie
complémentaire (ou reste) du développement limité.

Exemples
1. Justifier l’existence puis préciser un DL0 (0) puis un DL1 (0) de cos sur R.
2. Justifier l’existence puis préciser DL0 (0) puis un DL1 (0) de x 7→ ln(1 + x).
x2
3. Justifier que ex = 1 + x + 2
+ o (x2 ).
x→0
27.2. DÉVELOPPEMENTS LIMITÉS AU VOISINAGE DE 0 377

Propositions
Supposons que f admet un DLn (0).
– Ce DLn (0) est unique.
– La fonction f admet un DLk (0) pour tout k ∈ J0, nK.
– Au voisinage de 0, f est équivalente au terme de plus bas degré de la partie régulière de son DLn (0)
si celle-ci n’est pas nulle (sinon f est négligeable devant x 7→ xn au voisinage de 0).

Preuves
Pk=n
On sait qu’il existe Pn (X) = k=0 ak X k (de degré au plus n) et ε1 : I → R tels que :
∀x ∈ I, f (x) = Pn (x) + xn ε1 (x)
– Supposons l’existence de Qn (X) = k=n k
P
k=0 bk X de degré au plus n ainsi que de ε2 tels que :

∀x ∈ I, Pn (x) + xn ε1 (x) = Qn (x) + xn ε2 (x)

Soit alors P(k) la proposition « a0 = b0 , . . . , ak = bk ». En passant à la limite lorsque x tend vers 0,
on obtient a0 = b0 ce qui prouve que P(0) est vraie. Soit k ∈ J0, n − 1K. Supposons que P(k) est
vraie. Alors : n n
X X
∀x ∈ I, ai xi + xn ε1 (x) = bi xi + xn ε2 (x)
i=k+1 i=k+1

Pour tout x non nul, l’égalité est encore vraie après division par xk+1 . En passant à la limite lorsque
x tend vers 0, on obtient ak+1 = bk+1 ce qui prouve que P(k + 1) est vraie. On conclut alors que
Pn (X) = Qn (X) puis que ε1 = ε2 .
– Soit k ∈ J0, nK. Le résultat est évident pour k = n. Supposons donc que k < n. On a :
∀x ∈ I, f (x) = a0 + · · · + ak xk + xk ak+1 x + · · · + an xn−k + xn−k ε1 (x)

Alors, il est clair que :

a0 + · · · + ak X k ∈ Rk [X] et lim ak+1 x + · · · + an xn−k + xn−k ε1 (x) = 0
x→0

ce qui prouve bien que f admet un DLk (0).

– Cela découle immédiatement du résultat connu sur les équivalents en 0 concernant les fonctions
polynômes.

Exemple
ex − 1 − x
Déterminer lim .
x→0 x2

27.2.2 Existence de développements limités

Propositions
On suppose que 0 ∈ I.
– On rappelle que :
– f admet un DL0 (0) si et seulement si f est continue en 0.
– f admet un DL1 (0) si et seulement si f est dérivable en 0 et on a alors :
∀x ∈ I, f (x) = f (0) + f 0 (0)x + o (x) (ou bien xε(x) avec lim ε(x) = 0)
x→0 x→0
n
– Si f est de classe C sur I alors f admet un DLn (0) et on a :
n
X f (k) (0)
∀x ∈ I, f (x) = xk + o (xn ) (ou bien xn ε(x) avec lim ε(x) = 0)
k=0
k! x→0 x→0

– Si f est de classe C ∞ sur I alors f admet un DLn (0) pour tout entier naturel n.
378 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

Preuves
– Revoir le chapitre sur la continuité et celui sur la dérivabilité.
– C’est la formule de Taylor-Young (existence et expression).
– C’est une conséquence du point précédent.

27.2.3 Développements limités usuels au voisinage de 0

Propositions
Soit n ∈ N.
– Pour tout réel x > −1, on a :

x2 x3 xn
ln(1 + x) = x − + + · · · + (−1)n+1 + o (xn )
2 3 n x→0

– Soit α un réel. Pour tout réel x > −1, on a :

α(α − 1) 2 α(α − 1) . . . (α − n + 1) n
(1 + x)α = 1 + αx + x + ··· + x + o (xn )
2 n! x→0

En particulier, pour α = −1, on obtient, pour tout réel x > −1 :

1
= 1 − x + x2 − x3 + · · · + (−1)n xn + o (xn )
1+x x→0

– Pour tout réel x, on a :

x2 x3 xn
ex = 1 + x + + + ··· + + o (xn )
2 3! n! x→0
x2 x4 x2n
cos(x) = 1 − + + · · · + (−1)n o (x2n )
2 4! (2n)! x→0
x3 x5 x2n+1
sin(x) = x − + + · · · + (−1)n + o (x2n+1 )
3! 5! (2n + 1)! x→0

Preuves
On applique la formule de Taylor-Young à l’ordre n (ou 2n pour cos et 2n + 1 pour sin) au point a = 0.
– f : x 7→ ln(1+x) est de classe C n sur ]−1, +∞[. De plus, pour tout k ∈ J1, nK, on a (par récurrence) :

(−1)k+1 (k − 1)!
∀x > −1, f (k) (x) =
(1 + x)k

d’où :
f (k) (0) (−1)k+1
=
k! k
ce qui donne le résultat.
– On procède de manière identique pour les autres (récurrence).

Remarques
– Dans le développement limité de cos, on peut remplacer par o (x2n ) par o (x2n+1 ) puisque le
x→0 x→0
terme suivant est nul.
– Dans le développement limité de sin, on peut remplacer par o (x2n+1 ) par o (x2n+2 ) pour la même
x→0 x→0
raison.
27.3. DÉVELOPPEMENT LIMITÉ AU VOISINAGE DE X0 OU DE L’INFINI 379

27.2.4 Opérations sur les développements limités au voisinage de 0

Théorèmes
Soit f et g deux fonction admettant un DLn (0) et soit λ un réel. Alors :
– La fonction λf admet un DLn (0) obtenu en multipliant le DLn (0) de f par λ.
– La fonction f + g admet un DLn (0) obtenu en ajoutant les DLn (0) de f et g.
– La fonction f g admet un DLn (0) obtenu en multipliant les DLn (0) de f et g puis en tronquant la
partie régulière régulière à l’ordre n.
– Si f (0) = 0 alors g ◦ f admet un DLn (0) obtenu en composant les DLn (0) puis en développant et en
tronquant la partie régulière à l’ordre n.

Preuves
Les deux premiers points sont évidents. Concernant les deux suivants, les termes de degré strictement
supérieur à n se regroupe au sein de la partie complémentaire.

Exemples
1. Déterminer un DL3 (0) de :

x 7→ ex − cos(x) x 7→ ex cos(x) x 7→ ecos(x) x 7→ tan(x) x 7→ etan(x)

2
ex −1−x− x2
2. Soit f définie sur ]0, +∞[ par : f (x) = x2
.
(a) Démontrer que f se prolonge par continuité en 0. On note encore f la fonction prolongée en 0.
Préciser la valeur de f (0).
(b) Démontrer que f est dérivable en 0 et préciser la valeur de f 0 (0).
(c) Démontrer que f est de classe C 1 sur [0, +∞[.

Remarque
Bien noter l’avantage considérable des DLn (0) sur les équivalents en 0 puisque l’on peut les ajouter et
les composer.

27.3 Développement limité au voisinage de x0 ou de l’infini

Définitions
– On suppose que soit x0 ∈ I, soit x0 ∈ / I mais est une borne de I. On dit que la fonction f admet un
DLn (x0 ) si et seulement si la fonction t 7→ f (x0 + t) admet un DLn (0). De plus, en notant P (t) (resp
tn ε(t)) la partie régulière (resp. complémentaire avec limt→0 ε(t) = 0) du DLn (0) de t 7→ f (x0 + t),
le DLn (x0 ) de f est :

∀x ∈ I, f (x) = P (x − x0 ) + (x − x0 )n ε(x − x0 ) = P (x − x0 ) + o ((x − x0 )n )

x→x0

– On dit que la fonction f admet un DLn (+∞) (dans le cas où +∞ est une borne de I) si et seulement
si la fonction t 7→ f ( 1t ) admet un DLn (0). De plus, en notant P (t) (resp tn ε(t)) la partie régulière
(resp. complémentaire avec limt→0 ε(t) = 0) du DLn (0) de t 7→ f ( 1t ), le DLn (+∞) de f est :
       
1 1 1 1 1
∀x ∈ I, f (x) = P + nε =P + o
x x x x x→+∞ xn

– Même définition pour un DLn (−∞).

380 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

Exemples
√
1. Déterminer un DL3 (1) puis un DL3 (2) de x 7→ x.
2. Déterminer un DL3 (2) de x 7→ ln(x − 1).
2
3. Déterminer un DL4 (+∞) de x 7→ esin( x ) .
√
x2 + x − 1
4. Déterminer un DL2 (+∞) de . Interpréter graphiquement ce résultat.
x

Propositions
Les propriétés des DLn (x0 ) et des DLn (±∞) sont les mêmes que celles des DLn (0) :
– existence et unicité,
– équivalent,
– opérations

Preuves
Changement de variable.

27.4 Exercices
1. Déterminer un DL4 (0) de :
√ √ √
5
x 7→ 1 − 3x x 7→ 4+x x 7→ 2x + 1
x
x 7→ ln(1 + sin(x)) x 7→ cos(x + 2) x 7→ e cos(x)
2. Déterminer un DL4 (1) de :
ex x
x 7→ ln(x) x 7→ x 7→
x−1 ex −1

3. Soit f dérivable sur R et telle que : ∀x ∈ R, f 0 (x) = 1 + f (x) + f (x)2 .

(a) Montrer que f est de classe C ∞ sur R.
(b) On suppose que f (0) = 0. Déterminer DL3 (0) de f .
(c) Même question avec f (0) = 1.
4. Déterminer un DL9 (0) de la fonction arctan.
1
5. Déterminer un DL3 (0) de x 7→ sin(x)
− x1 . Interpréter graphiquement ce résultat.
6. En utilisant
√un développement limité, déterminer une équation de l’asymptote à la courbe de la fonc-
tion x 7→ x2 + x + 1 au voisinage de +∞. Préciser aussi les positions relatives de la courbe et de
son asymptote.
1
7. Soit f la fonction définie sur R par : f (x) = (x3 − 3x + 2) 3 − x. En déterminer un DL4 (+∞) puis
interpréter graphiquement ce résultat.
8. Déterminer un équivalent en +∞ de :

x
x 7→ 1 + x1 1




et x 7→ x sin ln 1 + sin x
−1

9. Déterminer le domaine de définition, les limites en ses bornes ainsi que les prolongements par conti-
nuité et les asymptotes éventuels de la fonction f dans les cas suivants :
x √
f : x 7→ x2 ln 1 + x1


puis g : x 7→ 1 + x2
x−1
27.4. EXERCICES 381

10. Déterminer le réel a tel que la suite (un )n≥0 définie par :
√ √
3
∀n ∈ N, un = n2 − n + 1 − n3 + an + 1

admet 0 pour limite en +∞ et préciser alors un équivalent de un .

√
1 − x2 − 1
11. On pose : ∀x ∈ [−1, 0[∪]0, 1], f (x) = .
x
(a) Déterminer un DL1 (0) de f .
(b) En déduire que f se prolonge en une fonction de classe C 1 sur ]−1, 1[ et préciser le prolongement
obtenu (valeur et nombre dérivé en 0).

12. Soit x ∈ R. En utilisant une formule de Taylor, démontrer que :

n n
X (−1)k x2k X (−1)k x2k+1
cos(x) = lim et sin(x) = lim
n→+∞
k=0
(2k)! n→+∞
k=0
(2k + 1)!

 
(x + 1)(x − 2)
13. On pose : f (x) = ln .
(x − 1)(x + 2)
(a) Déterminer le domaine de définition de f .
(b) Déterminer les 3 premiers termes non nuls du développement limité de f au voisinage de +∞.
(c) Déterminer les 3 premiers termes non nuls du développement limité de f au voisinage de 0.
n
X (−1)k+1
14. Pour tout entier naturel n non nul, on pose : un = . On appliquant une formule de Taylor
kk=1
à x 7→ ln(1 + x), montrer que la suite (un )n≥1 converge vers ln(2).
15. Soit f de classe C 2 sur R.

(a) Montrer que, pour tout réel x, on a :

f (x + h) + f (x − h) − 2f (x)
lim = f 00 (x)
h→0 h2

(b) On suppose que f n’est pas la fonction nulle et qu’elle vérifie aussi :

∀(x, y) ∈ R2 , f (x + y) + f (x − y) = 2f (x)f (y)

i. Montrer que, pour tout réel x, on a :

f (h) − 1
lim 2f (x) = f 00 (x)
h→0 h2

ii. En déduire que : f (0) = 1, f 0 (0) = 0 et que ∀x ∈ R, f (x)f 00 (0) = f 00 (x)

16. Soit f de classe C 2 sur R et a un réel. On désigne par g la fonction définie sur R − {a} par :

f (x) − f (a)
g(x) =
x−a
(a) Montrer que g se prolonge par continuité en a (fonction notée h).
(b) Montrer que h est de classe C 1 sur R.
382 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

27.5 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. s
8. s
9. s
10. On commence par factoriser. Pour tout entier naturel n non nul, on a :
q q
un = n 1 − n1 + n12 − n 3 1 + na + n13

Or, on sait que − n1 + 1

−→
n2 n→+∞
0 et a
n
+ 1
−→
n3 n→+∞
0 donc :
q
1 1 1 1 2
− n1 + 1 1
− n1 + 1



1− n
+ n2
=1+ 2 n2
− 8 n2 + n2
ε(n) avec ε(n) −→ 0
n→+∞
q
a 1 1 a 1 1 a 1 2 1



3
1+ n2
+ n3
=1+ 3 n
+ n3
− 9 n
+ n3
+ n2
ε(n) avec ε(n) −→ 0
n→+∞

On en déduit que, pour tout entier naturel n non nul, on a :

 
1 a2
+ 8n3 2 + n12 ε(n) − n 1 + a 1


un = n 1 − 2n 3n
+ 9n2
+ n2
ε(n)
1 a

 3 a2  1 1
= − 2 − 3 + 8 − 9 n + n ε(n)

Ainsi, la suite (un ) converge vers 0 si et seulement si − 21 − a

3
= 0 c’est à dire si et seulement si
a = − 23 . Alors, on obtient :
1
un = 8n
+ n1 ε(n) avec ε(n) −→ 0
n→+∞

Conclusion : a = − 32 et un ∼ 1 .
n→+∞ 8n

11. (a) Comme x2 −→ 0 alors :

x→0
√ 1
1 − x2 = 1 − x2 + x2 ε(x) avec ε(x) −→ 0
2 x→0

Conclusion : f (x) = − 12 x + xε(x) avec ε(x) −→ 0 .

x→0

(b) Alors f se prolonge en une fonction continue et dérivable en 0 et on a alors (en notant encore f
le prolongement obtenu) :

f (0) = 0 et f 0 (0) = − 12

Comme la fonction f est la composée/somme/quotient de fonctions de classe C 1 sur ] − 1, 0[ et

]0, 1[ (et continue en −1 et en 1) alors f est aussi dérivable sur ] − 1, 1[. Il reste à prouver que f 0
est continue en 0. Pour tout réel x ∈] − 1, 0[∪]0, 1[, on a :
√
− √2x x−( 1−x2 −1) √
2 − 12 +ε(x)
1−x2
0
f (x) = 2
= √ −1
1−x
= √ −→ − 12 = f 0 (0)
x2 x2 1−x2 1−x2 x→0

Conclusion : f ∈ C 0 ([−1, 1]) et f ∈ C 1 (] − 1, 1[) .

27.5. SOLUTIONS DES EXERCICES 383

12. Soit x ∈ R. Comme la fonction cos est de classe C ∞ sur R, comme ses dérivées successives sont les
fonctions :
cos, − sin, − cos, sin, cos, . . .
qui sont donc bornées par −1 et 1, alors, en utilisant l’inégalité de Taylor-Lagrange sur le segment
[0, x], on obtient :
n
(−1)k x2k |x|n+1
X
∀n ∈ N, cos(x) − (2k)!
≤ (n+1)!
k=0
n
Comme |x| = o (n!), alors on en déduit que :
n→+∞

n
(−1)k x2k
X
lim cos(x) − (2k)!
=0
n→+∞
k=0

Un raisonnement analogue fournit le même résultat avec la fonction sin.

n n
(−1)k x2k (−1)k x2k+1
X X
Conclusion : cos(x) = lim (2k)!
, sin(x) = lim (2k+1)!
.
n→+∞ n→+∞
k=0 k=0
(x+1)(x−2)
13. (a) On établit un tableau de signe de la fonction x 7→ (x−1)(x+2)
et on en déduit que :

Df =] − ∞, −2[∪] − 1, 1[∪]2, +∞[

Remarquons que la fonction f est aussi impaire et de classe C ∞ sur Df .

(b) Comme la fonction est impairs alors les trois premiers termes non nuls du développement limité
de f au voisinage de +∞ sont potentiellement les termes d’ordres 1, 3 et 5. On détermine donc
un DL5 (+∞) de f . Pour tout réel x > 2, on a :
   x+2 
−2−x+x2 1− 2
f (x) = ln −2+x+x2 = ln 1− −x+2 x

x2

−x+2 1
Or t = −→
x2 x→+∞
0 et 1−t
= 1 + t + t2 + t3 + t4 + t5 + o(t5 ) donc :

1 1 3 5 11 21 1


1− −x+2
=1− x
+ x2
− x3
+ x4
− x5
+o x5
x2

1− x+2
= 1 − x2 + x22 − x63 + x104 − x225 + o x15
2


x
1− −x+2
x2
2 3 4 5
Or u = − x2 + x22 − x63 + x104 − x225 + o x15 −→ 0 et ln(1 + u) = 1 − u + u2 − u3 + u4 − u5 + o(u5 )


x→+∞
2 14 62 1


donc : f (x) = − x − 3x3 − 5x5 + o x5 .
(c) On peut procédéder comme ci-dessus mais les calculs étant pénibles (euphémisme !), on va
utiliser directement la formule de Taylor-Young. Pour tout réel x ∈] − 1, 1[, on a :

f (x) = ln(x + 1) + ln(x − 2) − ln(x − 1) − ln(x + 2) donc f (0) = 0

f 0 (x) = 1
x+1
+ 1
x−2
− 1
x−1
− 1
x+2
donc f 0 (0) = 1
1 1 1 1
f (2) (x) = − (x+1)2 − (x−2)2
+ (x−1)2
+ (x+2)2
donc f (2) (0) = 0
2 2 2 2 7
f (3) (x) = (x+1)3
+ (x−2)3
− (x−1)3
− (x+2)3
donc f (3) (0) = 2
6 6 6 6
f (4) (x) = − (x+1)4 − (x−2)4
+ (x−1)4
+ (x+2)4
donc f (4) (0) = 0
24 24 24 24 93
f (5) (x) = (x+1)5
+ (x−2)5
− (x−1)5
− (x+2)5
donc f (5) (0) = 2

x3 x5
On en déduit que : f (x) = x + 27 × 6
+ 93
2
× 120
+ o(x5 ) = x + 7 3
12
x + 31 5
80
x + o(x5 ) .
384 CHAPITRE 27. DÉVELOPPEMENTS LIMITÉS

14. s
15. (a) Soit x ∈ R. En appliquant l’égalité de Taylor-Lagrange, pour tout réel h non nul, on a :
f 00 (x1 ) 2
∃x1 ∈]x, x + h[ / f (x + h) = f (x) + f 0 (x)h + 2
h
f 00 (x2 ) 2
∃x2 ∈]x, x − h[ / f (x − h) = f (x) − f 0 (x)h + 2
h
d’où l’on déduit que :
f (x+h)+f (x−h)−2f (x) f 00 (x1 )+f 00 (x2 )
h2
= 2
f (x+h)+f (x−h)−2f (x)
Comme x1/2 −→ x et comme f 00 est continue en 0 alors : lim h2
= f 00 (x) .
h→0 h→0
Remarque : On peut aussi utiliser Taylor-Young au lieu de Taylor-Lagrange.
(b) i. Pour tout réel x et pour tout réel h non nul, on a :
f (x+h)+f (x−h)−2f (x) 2f (x)f (h)−2f (x)
h2
= h2
= 2f (x) f (h)−1
h2

D’après la question précédente, on en déduit que : lim 2f (x) f (h)−1

h2
= f 00 (x) .
h→0

ii. Pour y = 0 et pour tout réel x, on a :

f (x + 0) + f (x − 0) = 2f (x)f (0) donc f (x) = f (x)f (0)
Comme f n’est pas la fonction nulle sur R alors il existe un réel x tel que f (x) 6= 0 d’où
l’on tire que : f (0) = 1 .
Supposons que f 0 (0) 6= 0. Soit un réel x tel que f (x) 6= 0. Alors, on a :
f (h)−1 1 f (h)−f (0)
2f (x) 6= 0 lim h2
= lim × = ±∞
h→0 h→0 h h

ce qui est en contradiction avec l’égalité de la question précédente. Conclusion : f 0 (0) = 0 .

Soit x un réel. Si f (x) = 0 alors f 00 (x) = 0 en vertu de la question précédente et donc
f 00 (x)
l’égalité est vérifiée. Si f (x) 6= 0 alors lim f (h)−1
h 2 = 2f (x)
. Comme on a :
h→0

f 00 (x1 ) 2
∃x1 ∈]0, h[ / f (0 + h) = f (0) + f 0 (0)h + 2
h
on en déduit que :
f (h)−1 f 00 (x1 ) 00

h2
= 2
−→ f 2(0)
h→0
f 00 (0) f 00 (x)
Par unicité de la limite, on a 2
= 2f (x)
et donc : ∀x ∈ R, f (x)f 00 (0) = f 00 (x) .
16. (a) La fonction f étant dérivable en a (puisque de classe C 2 sur R), on en déduit que la fonction g
admet une limite en a égale à f 0 (a).
Conclusion : g se prolonge par continuité en a .
(b) Il est évident que la fonction h (donc g) est de classe C 1 sur R − {a}. Comme f est de classe C 2
sur R alors :
f 00 (a)
∀x ∈ R, f (x) = f (a) + f 0 (a)(x − a) + 2
(x − a)2 + (x − a)2 ε(x) avec lim ε(x) = 0
x→a

f 00 (a)
∀x ∈ R − {a}, h(x) = g(x) = f 0 (a) + 2
(x − a) + (x − a)ε(x) avec lim ε(x) = 0
x→a
h(x)−h(a) f 00 (a)
∀x ∈ R − {a}, x−a
= 2
+ ε(x) avec lim ε(x) = 0
x→a
0 f 00 (a)
donc h est dérivable en a et h (a) = 2
. Par ailleurs, pour tout réel x ∈ R − {a}, on a :
f 0 (x)(x−a)−[f (x)−f (a)] f 0 (x)−f 0 (a) f 00 (a)
h0 (x) = g 0 (x) = (x−a)2
= x−a
− 2
− ε(x) avec lim ε(x) = 0
x→a

f 00 (a)
donc h0 (x) −→ 2
= h0 (a). Conclusion : h ∈ C 1 (R) .
x→a
Chapitre 28

Applications linéaires dans les K-espaces

vectoriels usuels

K désigne R ou C.
Les éléments de K sont appelés scalaires.
Il est vivement conseillé de réviser les chapitres 14 et 15 afin de se remémorer les définitions et les
différents résultats.

28.1 Espaces vectoriels en géométrie (révisions)

Soit n un entier naturel non nul.
– Rn est un R-espace vectoriel pour les opérations :
– d’addition composante par composante de deux n-uplets de Rn ,
– de multiplication externe composante par composante d’un réel par un n-uplet de Rn .
– La base canonique (ou base naturelle) est constituée des vecteurs :
   
1 0
 0   .. 
~e1 =  ..  , . . . , ~en =  . 
   
 .   0 
0 1

– Cn est un C-espace vectoriel pour les opérations définies ci-dessus (en remplaçant les réels par des
complexes aussi bien dans les composantes que dans les coefficients : les scalaires sont donc ici les
complexes). Sa base canonique est notée de la même manière que pour Rn .

28.2 Espaces vectoriels en analyse

28.2.1 Fonctions numériques
Théorèmes
Soit I un intervalle de R.
– A(I, R) (ensembles des applications définies sur I à valeurs réelles) est un R-espace vectoriel pour
les opérations d’addition et de multiplication externe par un réel des applications.
– C 0 (I) est un R-espace vectoriel en tant que sous-espace vectoriel de A(I, R).
– D1 (I) est un R-espace vectoriel en tant que sous-espace vectoriel de A(I, R) et même de C 0 (I).
– C 1 (I) est un R-espace vectoriel en tant que sous-espace vectoriel de A(I, R) et même de D1 (I).
– Plus généralement, pour tout entier naturel n ≥ 1, Dn (I) et C n (I) sont des R-espaces vectoriels en
tant que sous-espaces vectoriels de A(I, R).
– C ∞ (I) est un R-espace vectoriel en tant que sous-espace vectoriel de A(I, R).

385
386 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

Preuves
– Revoir la preuve de L(E, F ) pour ce qui concerne A(I, R).
– Revoir les chapitres sur la continuité et la dérivabilité pour ce qui concerne l’aspect sous-espaces
vectoriels.

Un peu de pratique
1. Montrer que l’ensemble des fonctions en escalier sur I est un R-espace vectoriel.
2. Montrer que l’ensemble des fonctions continues par morceaux sur I est un R-espace vectoriel.
3. L’ensemble des fonctions croissantes sur I est-il un R-espace vectoriel ?
4. L’ensemble des fonctions bijectives d’un intervalle I dans un intervalle J est-il un R-espace vecto-
riel ?
5. Dans C 0 (R), la fonction cos2 est-elle combinaison linéaire des fonctions cos et sin ?
6. On considère l’application Φ : C 1 (R) → C 0 (R), f 7→ Φ(f ) définie par :
∀f ∈ C 1 (R), ∀x ∈ R, [Φ(f )](x) = xf 0 (x)
(a) Montrer que Φ est bien définie puis qu’elle est linéaire.
(b) Déterminer le noyau de Φ. On en donnera une base.
(c) Soit g ∈ C 0 (R). Montrer que g ∈ Im(Φ) si et seulement si g(0) = 0 et g est dérivable en 0.
7. On considère l’application u : C 0 (R) → C 1 (R), f 7→ u(f ) définie par :
Z x
0
∀f ∈ C (R), ∀x ∈ R, [u(f )](x) = x t2 f (t)dt
1

(a) Montrer que u est bien définie et qu’elle est linéaire.

(b) Déterminer l’application u(sin).
(c) Démontrer que u est injective et qu’elle n’est pas bijective.

28.2.2 Suites numériques

Théorème
– L’ensemble des suites réelles A(N, R) (noté aussi RN ) est un R-espace vectoriel.
– L’ensemble des suites complexes A(N, C) est un C-espace vectoriel.

Un peu de pratique
1. Montrer que l’ensemble des suites arithmétiques réelles est un R-espace vectoriel.
2. Soit Gq l’ensemble des suites géométriques de raison q ∈ R.
(a) Montrer que Gq est un R-espace vectoriel.
(b) Montrer que u : (xn )n∈N 7→ x0 est un isomorphisme de Gq dans R.
(c) En déduire une base de Gq .
3. Soit (a, b) un couple de réels. Soit Ea,b l’ensemble des suites réelles u vérifiant :
∀n ∈ N, un+2 = a × un+1 + b × un
(a) Montrer que Ea,b est un R-espace vectoriel.
(b) Démontrer que ϕ : Ea,b → R2 , (un )n≥0 7→ (u0 , u1 ) est un isomorphisme d’espaces vectoriels.
4. Montrer que l’ensemble des suites réelles convergentes est un R-espace vectoriel.
5. L’ensemble des suites divergentes est-il un R-espace vectoriel ?
28.3. ESPACES VECTORIELS EN ALGÈBRE 387

28.3 Espaces vectoriels en algèbre

28.3.1 Matrices et systèmes
Théorème
Soit n et p deux entiers naturels non nuls.
– Mn,p (R) est un R-espace vectoriel pour les opérations d’addition des matrices réelles et de multipli-
cation des matrices réelles par un réel. En particulier Mn (R) est aussi un R-espace vectoriel.
– Mn,p (C) est un C-espace vectoriel pour les opérations d’addition des matrices complexes et de mul-
tiplication des matrices complexes par un complexe. En particulier Mn (C) est aussi un C-espace
vectoriel.
– Pour tout k ∈ J1, nK et tout l ∈ J1, pK, on pose :
 
0 ... 0
 .. ..  ← k
Ek,l =  . 1 . 
0 ... 0
↑
l

Alors, la famille de matrices (Ek,l )1≤k≤n,1≤l≤p est une base de Mn,p (K) appelée base canonique de
Mn,p (K).
– L’ensemble des solutions d’un système linéaire homogène à coefficients dans K de n équations à p
inconnues est un K-espace vectoriel (en tant que sous espace vectoriel de Kp ).

Un peu de pratique
1. GLn (K) est-il un K-espace vectoriel ?
2. Soit A ∈ Mn (K). Montrer que C(A) = {M ∈ Mn (K)|AM = M A} est un K-espace vectoriel.
 
a b c
3. Soit E l’ensemble des matrices carrées d’ordre 3 de la forme  c a b  où (a, b, c) est un triplet
b c a
de scalaires. Montrer que E est un K-espace vectoriel dont on déterminera une base.
4. (a) Montrer que Mn,1 (K) est isomorphe à Kn .
On peut ainsi « identifier » ces deux espaces vectoriels.
(b) Soit A ∈ Mn,p (K). Montrer que l’application f : Kp → Kn , X 7→ AX est linéaire.
(c) Que peut-on dire du noyau de f ?
5. Montrer que Mn,p (K) est isomorphe à L(Kp , Kn ).

28.3.2 Polynômes
Théorèmes
– R[X] est un R-espace vectoriel pour les opérations naturelles d’addition de deux polynômes réel et
de multiplication d’un réel par un polynôme réel.
– C[X] est un C-espace vectoriel pour les opérations naturelles d’addition et de multiplication par un
complexe des polynômes complexes.
– Pour tout entier naturel n, Kn [X] est un K-espace vectoriel (en tant que sous espace vectoriel de
K[X]).
– La famille de polynômes (1, X, . . . , X n ) est une base de Kn [X] appelée base canonique de Kn [X].
388 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

Un peu de pratique
1. On considère l’application u : Kn [X] → Kn [X], P (X) 7→ P (X) − XP 0 (X).
(a) Montrer que u est linéaire.
(b) Déterminer une base du noyau puis de l’image de u.
(c) Cette application est-elle injective ? surjective ? bijective ?
(d) Démontrer que le noyau et l’image de u sont supplémentaires dans Kn [X].
2. Pour tout polynôme P ∈ K3 [X], on pose u(P ) = P (X + 1) − P (X).
(a) Montrer que cela définit un endomorphisme de K3 [X].
(b) Déterminer u(X k ) pour tout entier naturel k ∈ J0, 3K.
(c) En déduire une base du noyau et de l’image de u.
3. Soit B ∈ K[X] non nul. On considère les applications q et r qui, à tout polynôme de K[X], fait
correspondre respectivement son quotient et son reste dans la division euclidienne par B.
(a) Montrer que q et r sont des endomorphismes de K[X]. Sont-ce des automorphismes de K[X] ?
(b) On suppose que deg(B) = m ≥ 1. Soit n un entier supérieur ou égal à m. Vérifier que :
q(Kn [X]) ⊂ Kn [X] et r(Kn [X]) ⊂ Kn [X]
En déduire que :
q1 : Kn [X] → Kn [X], P 7→ q1 (P ) = q(P ) et r1 : Kn [X] → Kn [X], P 7→ r1 (P ) = r(P )
sont deux endormorphismes de Kn [X] dont on déterminera une base du noyau et l’image.
4. Soit A ∈ K[X] de degré n ≥ 1 et DA l’ensemble des polynômes de Kn [X] divisibles par A.
(a) Montrer que DA est un K-espace vectoriel isomorphe à K.
(b) Montrer que Kn [X] = DA ⊕ Kn−1 [X].
5. Soit α ∈ K et Rα l’ensemble des polynômes qui admettent α pour racine.
(a) Montrer que Rα est un K-espace vectoriel.
(b) Déterminer un supplémentaire de Rα dans Kn [X].
6. Dans R[X], on pose P1 = 1 + X, P2 = 1 − X, P3 = 1 + 2X + 3X 2 . Montrer que chacun des
polynômes 1, X, X 2 est combinaison linéaire de P1 , P2 , P3 .

28.4 Probabilités
Théorème
L’ensemble des variables aléatoires réelles sur un espace probabilisé (Ω, ℘(Ω), P ) est un R-espace vec-
toriel.

Un peu de pratique
Soit (Ω, ℘(Ω), P ) un espace probabilisé.
1. L’ensemble des fonctions de répartition des variables aléatoires réelles sur (Ω, ℘(Ω), P ) est-il un
R-espace vectoriel ?
2. Montrer que l’espérance est une forme linéaire sur l’ensemble des variables aléatoires réelles sur
(Ω, ℘(Ω), P ).
3. La variance est-elle une forme linéaire ? Et l’écart type ?
28.5. COMPLÉMENTS : PROJECTEURS ET SYMÉTRIES 389

28.5 Compléments : projecteurs et symétries

Dans tout ce paragraphe, E désigne un K-espace vectoriel et F et G en sont deux sous espaces vectoriels.

Définitions

On suppose que E = F ⊕ G.
– On appelle projecteur sur le sous-espace F parallèlement au sous-espace G (ou dans la direction
du sous-espace G) l’application p : E → E définie par :

∀(~x1 , ~x2 ) ∈ F × G, p(~x1 + ~x2 ) = ~x1

– On appelle symétrie par rapport au sous-espace F parallèlement à G l’application s : E → E

définie par :
∀(~x1 , ~x2 ) ∈ F × G, s(~x1 + ~x2 ) = ~x1 − ~x2

Propositions

On suppose que E = F ⊕ G.
– Soit p la projection sur F parallèlement à G. Alors :

p ∈ L(E) Im(p) = F Ker(p) = G E = Ker(p) ⊕ Im(p)

– Soit s la symétrie par rapport à F dans la direction de G. Alors :

s ∈ L(E) Ker(s) = {~0E } Im(s) = E

Preuves
– Soit (~x, ~y ) un couple de vecteurs de E et (λ, µ) un couple de scalaires. On peut décomposer dans la
somme directe E = F ⊕ G :

~x = ~x1 + ~x2 et ~y = ~y1 + ~y2

On en déduit donc que :

p(λ~x + µ~y ) = p([λ~x1 + µ~y1 ] + [λ~x2 + µ~y2 ]) = λ~x1 + µ~y1 = λp(~x) + µp(~y )

ce qui prouve que p est linéaire. Il est alors évident que :

G ⊂ Ker(p) et Im(p) ⊂ F

Les inclusions inverses ne posent guère plus de difficultés.

– Même méthode pour la symétrie.

Propositions (caractérisation des projecteurs et des symétries)

Soit u ∈ L(E). Alors :

– u est un projecteur de E si et seulement si u2 = u.
– u est une symétrie de E si et seulement si u2 = IdE .
390 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

Preuves
– Supposons que u est un projecteur de E. Alors E = Ker(u) ⊕ Im(u) et :

∀(~x1 , ~x2 ) ∈ Ker(u) × Im(u), u(~x1 + ~x2 ) = ~x2

Ainsi, on a :

∀(~x1 , ~x2 ) ∈ Ker(u) × Im(u), u(u(~x1 + ~x2 )) = u(~x2 ) = u(~x1 + ~x2 )

ce qui prouve que u2 = u.

Réciproquement, supposons que u2 = u. Alors, on a :

∀~x ∈ E, ~x = (~x − u(~x)) + u(~x)

Or ~x − u(~x) ∈ Ker(u) puisque u(~x − u(~x)) = u(~x) − u2 (~x) = ~0 par linéarité de u. Ainsi, on en
déduit que :
E = Ker(u) + Im(u)
Soit ~x ∈ E = Ker(u) ∩ Im(u). Toujours à l’aide de u2 = u, on obtient aisément que ~x = ~0 et donc
que :
E = Ker(u) ⊕ Im(u)
Il reste alors à prouver que u est le projecteur sur Im(u) dans la direction de Ker(u). On a :

∀~x ∈ E, u(~x) = u(~xK + ~xI ) = u(~xI ) = u2 (~xant ) = u(~xant ) = ~xI

– Supposons que u est la symétrie par rapport à F dans la direction de G. Alors :

∀~x ∈ E, u2 (~x) = u2 (~xF + ~xG ) = u(~xF − ~xG ) = ~xF + ~xG = ~x = IdE (~x)

Réciproquement, supposons que u2 = IdE . On pose :

F = Ker(u − IdE ) et G = Ker(u + IdE )

On montre que E = F ⊕ G. Soit ~x ∈ F ∩ G. Alors :

u(~x) = ~x et u(~x) = −~x

donc ~x = ~0. Soit ~x ∈ E. On peut alors écrire (faire un schéma) : ~x = 12 [~x + u(~x)] + 12 [~x − u(~x)]. Or :

u(~x + u(~x)) = u(~x) + ~x et u(~x − u(~x)) = u(~x) − ~x = −[~x − u(~x)]

ce qui prouve que :

1 1
[~x + u(~x)] ∈ F et [~x − u(~x)] ∈ G
2 2
On en déduit donc que E = F + G et ainsi que E = F ⊕ G. Il reste maintenant à prouver que u est
la symétrie par rapport à F dans la direction de G. Soit ~x ∈ E. Alors :
 
1 1 1 1
u(~x) = u [~x + u(~x)] + [~x − u(~x)] = [~x + u(~x)] − [~x − u(~x)]
2 2 2 2

ce qui achève la preuve.

28.6. EXERCICES 391

28.6 Exercices
1. Soit (E, +, .) un K-espace vectoriel et F une partie non vide de E. Montrer que F est un sous espace
vectoriel de E si et seulement si :

∀(~x, ~y ) ∈ F 2 , ∀λ ∈ K, λ.~x + ~y ∈ F

2. Soient F, G, H trois sous espaces vectoriels d’un K-espace vectoriel E. Les questions qui suivent
sont indépendantes.
(a) Démontrer que F ∩ G est un sous espace vectoriel de E.
(b) Démontrer que F ∪ G est un sous espace vectoriel de E si et seulement si F ⊂ G ou G ⊂ F .
(c) Démontrer que : F = F + G ⇔ G ⊂ F .
(d) i. Comparer F + (G ∩ H) et (F + g) ∩ (F ∩ H) pour l’inclusion.
ii. Donner un exemple d’inclusion stricte.
(e) Mêmes questions qu’au (d) avec F ∩ (G + H) et (F ∩ G) + (F ∩ H).
(f) On suppose que : E = F ⊕ G et F ⊂ H.
i. Démontrer que : H = F ⊕ (G ∩ H).
ii. Démontrer que si F ( H alors G ∩ H 6= {~0}.
3. Soit n un entier naturel non nul et B = (~x1 , . . . , ~xn ) une famille de vecteurs d’un K-espace vectoriel
E.
On dit que B est libre et maximale dans E si et seulement si elle est libre dans E et pour tout ~x ∈ E,
la famille (~x, ~x1 , . . . , ~xn ) est liée.
On dit que B est génératrice et minimale de E si et seulement si elle est génératrice de E et qu’elle
ne l’est plus lorsqu’on lui retire l’un de ses éléments.
(a) On suppose que B est libre dans E. Montrer que B est une base de E si et seulement si B est
libre et maximale de E.
(b) On suppose que B est génératrice de E. Montrer que B est une base de E si et seulement si B
est génératrice et minimale de E.
4. Soit (~x1 , . . . , ~xn ) une famille libre d’un K-espace vectoriel E. Soit (α1 , . . . , αn ) ∈ Kn . On pose :
n
X
~y = αk ~xk et ∀i ∈ J1, nK, ~x0i = ~xi + ~y
k=1

Déterminer une condition nécessaire et suffisante portant sur les scalaires (α1 , . . . , αn ) pour que la
famille (~x1 , . . . , ~xn ) soit libre dans E.
5. Soit E un K-espace vectoriel et u un endomorphisme de E tel que u2 − u + IdE = Θ.
(a) Démontrer que u ∈ GL(E).
(b) Soit λ ∈ K tel que : ∃~x ∈ E − {~0} / u(~x) = λ~x. Préciser les valeurs possibles du scalaire λ.
6. Soit (u, v) ∈ L(E)2 tel que u ◦ v = Θ. Montrer que Im(v) ⊂ Ker(u).
7. Soit u ∈ L(E). Démontrer que : ∀n ∈ N, Ker(un ) ⊂ Ker(un+1 ), Im(un+1 ) ⊂ Im(un ).
8. Soit f une forme linéaire non nulle sur Kn et H = Ker(f ). Montrer qu’il existe un vecteur ~x non nul
tel que Vect(~x) soit un supplémentaire de H dans Kn .
9. Endomorphismes nilpotents. Soit E un K-espace vectoriel. On note Θ l’endomorphisme nul de E.
On dit que f ∈ L(E) est nilpotent d’indice n ≥ 2 si et seulement si :

f n−1 6= Θ et fn = Θ
392 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

(a) Soit f un endomorphisme de E nilpotent d’indice 2.

i. Démontrer qu’il existe un vecteur ~x de E tel que la famille (~x, f (~x)) est libre.
ii. Donner un exemple d’endomorphisme nilpotent d’indice 2 dans le cas où E = R2 .
(b) Soit f un endomorphisme de E nilpotent d’indice n ≥ 2.
i. Démontrer que :

∀k ∈ J0, nK, f k 6= Θ et ∀k ≥ n, f k = Θ

ii. Démontrer qu’il existe un vecteur ~x de E tel que la famille (~x, f (~x), . . . , f n−1 (~x)) est libre.
iii. Donner un exemple d’endomorphisme nilpotent d’indice n ≥ 2 dans le cas où E = Rn (le
même n).
(c) Soit f et g deux endomorphisme nilpotents d’indices respectifs m et n tels que f ◦ g = g ◦ f .
i. Démontrer que f + g est nilpotent d’indice m + n − 1.
ii. On pose :
m−1 n−1 n−1
X 1 k X 1 k X 1
exp(f ) = f exp(g) = g exp(f + g) = (f + g)k
k=0
k! k=0
k! k=0
k!

Démontrer que :

exp(f + g) = exp(f ) ◦ exp(g) = exp(g) ◦ exp(f )

10. Soit E un K-espace vectoriel. Soit A = {φ ∈ L(E)|φ2 − 7φ + 12IdE = Θ}.

(a) Montrer que A est un ensemble non vide.
Indication : On pourra rechercher une homothétie, c’est à dire une application linéaire multiple
de l’identité.
(b) Soit φ ∈ A.
i. Montrer que p = φ − 3IdE est un projecteur de E.
ii. Montrer qu’il existe un scalaire a non nul tel que q = a(φ − 4IdE ) est un projecteur de E.
iii. Que peut-on dire de p ◦ q, q ◦ p et p + q ?
iv. En déduire que Ker(p) et Ker(q) sont supplémentaires dans E.
v. Calculer les puissances successives de φ en fonction de p et q.
11. (a) Montrer que C est un R-espace vectoriel.
(b) i. Démontrer que (1 + i, 1 − i) est une base du R-espace vectoriel C.
ii. Écrire le complexe −1 + 2i dans cette base.
2π
(c) Mêmes questions avec (j, j 2 ) où j = ei 3 .
(d) Que peut-on dire des familles (1, i, j) et (1, j, j 2 ) ?
12. Soit f : R3 → R3 , (x, y, z) 7→ (x + 2y + 3z, 2y, z).
(a) Montrer que f ∈ L(R3 ).
(b) Déterminer tous les réels λ tels que f − λId ne soit pas injectif.
13. Soit p : R2 → R2 , (x, y) 7→ (4x − 6y, 2x − 3y).
(a) Montrer que p est linéaire puis que p est un projecteur de R2 .
(b) Déterminer une base du noyau et de l’image de p.
28.6. EXERCICES 393

14. Soit E l’ensemble des matrices de la forme :

 
a−b b−c c
 c a+b b+c 
a+b+c c a + 3b

où (a, b, c) est un triplet de réels.

(a) Montrer que E est un R-espace vectoriel dont on déterminera une base.
(b) La matrice dont tous les coefficients valent 1 est-elle un élément de E ?
15. Dans M2 (K), on définit les matrices :
       
1 0 1 0 1 1 1 −1
I= J= K= L=
0 1 0 −1 1 1 1 −1

Montrer que (I, J, K, L) est une base de M2 (K).

16. Soit (n, p) un couple d’entiers naturels non nuls. On pose :

I = {A ∈ Mn,p (K)|∀i > j, ai,j = 0} et S = {A ∈ Mn,p (K)|∀i ≤ j, ai,j = 0}

Montrer que I et S sont deux sous espaces vectoriels supplémentaires dans Mn,p (K).
17. Dans Mn (K), montrer que le sous ensemble Sn des matrices symétriques et le sous ensemble An des
matrices antisymétriques sont supplémentaires.
18. Déterminer une base de l’ensemble des matrices carrées symétriques (resp. antisymétrique) d’ordre
3.
19. Pour k ∈ J0, nK, on pose :

Fk = Vect(1 + X + · · · + X 2k , 1 + X + · · · + X 2k+1 )

Montrer que la somme F0 + · · · + Fn est directe dans R[X].

20. On dit qu’une famille de polynômes non nuls de K[X] est échelonnée en degrés si et seulement si
les polynômes ont des degrés deux à deux différents.
(a) Montrer que toute famille de polynômes de K[X] échelonnée en degrés est une famille libre
dans K[X].
(b) Soit α ∈ K. Montrer que la famille (1, X − α, . . . , (X − α)n ) est une base de Kn [X].
(c) Dans le cas où n = 3, déterminer les coordonnées du polynôme aX 3 + bX 2 + cX + d dans la
base (1, X − 2, (X − 2)2 , (X − 2)3 ) de R3 [X].
21. Soit f : Kn [X] → K, P 7→ P (2).
(a) Montrer que f est une forme linéaire sur Kn [X].
(b) i. Justifier que les éléments du noyau de f sont les polynômes divisibles par X − 2.
ii. En déduire un supplémentaire de Ker(f ) dans Kn [X].
(c) Préciser l’image de f .
22. (a) Montrer que u : K[X] → K3 , P 7→ (P (0), P 0 (0), P 00 (0)) est linéaire.
(b) Déterminer Ker(u) et Im(u). Cette application est-elle injective ? surjective ? bijective ?
23. Soit u l’application définie sur Kn [X] par : ∀P ∈ Kn [X], u(P ) = XP 0 (X).
(a) Montrer que u est un endomorphisme de Kn [X].
(b) Déterminer Ker(u) et Im(u).
394 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

(c) Démontrer que Kn [X] = Ker(u) ⊕ Im(u). L’endomorphisme u est-il un projecteur de Kn [X] ?
(d) Déterminer les polynômes P tels que u(P ) = P .
24. Soit n un entier naturel et (a, b) un couple de scalaires distincts. Pour k ∈ J0, nK, on pose :

Pk (X) = (X − a)k (X − b)n−k

Montrer que (P0 (X), ..., Pn (X)) est une base de Kn [X].
25. Pour tout complexe λ, on définit l’application fλ : C3 [X] → C3 [X], P (X) 7→ P (X) − λXP 0 (X).
(a) Montrer que fλ ∈ L(C3 [X]).
(b) Déterminer tous les complexes λ tels que fλ soit bijectif.
26. Soit a un complexe. Soit u l’application définie sur C3 [X] par :

∀P ∈ C3 [X], u(P ) = (X − a)[P 0 (X) + P 0 (a)] − 2[P (X) − P (a)]

(a) Montrer que u ∈ L(C3 [X]).

(b) En utilisant la formule de Taylor, montrer que :

Ker(u) = {P ∈ C3 [X]|P 000 (a) = 0} = Vect(1, X, X 2 )

(c) Déterminer Im(u).

(d) En déduire que C3 [X] = Ker(u) ⊕ Im(u).
27. Soit (a1 , a2 , a3 ) un triplet de réels deux à deux distincts.
(a) La famille de fonctions fi : x 7→ x + ai (1 ≤ i ≤ 3) est-elle libre dans A(R, R) ?
(b) La famille de fonctions gi : x 7→ |x + ai | (1 ≤ i ≤ 3) est-elle libre dans A(R, R) ?
28. Soit E l’ensemble des fonctions continues sur R telles que :
Z 1
f (t)dt = 0
0

(a) Montrer que E est un R-espace vectoriel.

(b) Soit F = E ∩ R2 [X]. Justifier que F est un sous espace vectoriel de E et en déterminer une
base.
29. Pour tout réel x, on pose :

c0 (x) = 1 c1 (x) = cos(x) c2 (x) = cos(2x) s1 (x) = sin(x) s2 (x) = sin(2x)

Montrer que la famille de fonctions (c0 , c1 , c2 , s1 , s2 ) est une base du sous espace vectoriel qu’elles
engendrent dans C 0 (R).
30. On appelle AFF(R, R) l’ensemble des applications affines de R dans R.
(a) Montrer que AFF(R, R) est un sous espace vectoriel de A(R, R).
(b) Soit u : AFF(R, R) → R2 , f 7→ (f (1) − f (0), f (0)). Montrer que u est isomorphisme
d’espaces vectoriels.
(c) Soit (a, b) un couple de réels distincts. Montrer que la famille (x 7→ x − a, x 7→ x − b) est une
base de AFF(R, R).
31. L’ensemble des suites réelles de limite infinie est-il un R-espace vectoriel ?
32. Soit E l’ensemble des suites réelles convergentes.
28.6. EXERCICES 395

(a) Montrer que E est un R-espace vectoriel.

(b) Montrer que l’ensemble des suites de limite nulle et l’ensemble des suites constantes sont sup-
plémentaires dans E.
33. On note E l’ensemble des suites d’éléments de R. On considère l’application :
f : E → E
(un )n≥0 7→ (un+1 )n≥0
(a) Montrer que f est un endomorphisme de E.
(b) Déterminer le noyau de f . Cette application est-elle injective ?
(c) Montrer que f est surjective.
(d) Soit k ∈ N∗ . Déterminer Ker(f k ).
34. On note E l’ensemble des suites d’éléments de R.
f : E → E
(un )n≥0 7→ (un+1 − un )n≥0
(a) Montrer que f est un endomorphisme de E.
(b) Déterminer le noyau de f . Cette application est-elle injective ?
(c) Déterminer un supplémentaire du noyau dans E.
(d) Montrer que f est surjective.
35. L’objet de cet exercice est de démontrer un théorème de cours (§7.2.4). En conséquence, il est interdit
d’utiliser ce théorème.
Soit a et b deux réels tels que b 6= 0. Soit S(a, b) l’ensemble des suites réelles u telles que :
∀n ∈ N, un+2 = aun+1 + bun
On note ∆ le discriminant de l’équation caractéristique commune à tous les éléments u de S(a, b).
(a) Soit Φ : S(a, b) → R2 , u 7→ (u0 , u1 ).
i. Montrer que S(a, b) est un R-espace vectoriel.
ii. Démontrer que Φ est un isomorphisme de R-espaces vectoriels.
(b) On suppose que ∆ < 0. On note ρeiθ et ρe−iθ les deux solutions complexes conjuguées de
l’équation caractéristique (donc ρ > 0 et θ 6= kπ pour tout entier relatif k). D’autre part, on
pose :
u = (ρn cos(nθ))n≥0 et v = (ρn sin(nθ))n≥0
i. Montrer que :
ρ2 cos(2θ) = aρ cos(θ) + b et ρ2 sin(2θ) = aρ sin(θ)

ii. En déduire que u et v sont deux éléments de S(a, b).

iii. Déterminer X = Φ(u) et Y = Φ(v).
iv. Montrer que (X, Y ) est une base de R2 .
v. Que peut-on dire alors de la famille (u, v) dans S(a, b) ?
vi. En déduire l’expression du terme général d’un élément w de S(a, b).
(c) On suppose que ∆ = 0. Soit r l’unique solution réelle de l’équation caractéristique.
i. Montrer les vecteurs u = (rn )n≥0 et v = (nrn )n≥0 forment une base de S(a, b).
ii. En déduire l’expression du terme général d’un élément w de S(a, b).
(d) On suppose que ∆ > 0. Soit r1 et r2 les deux racines réelles distinctes de l’équation caractéri-
tique. Établir l’expression du terme général d’un élément w de S(a, b).
396 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

28.7 Solutions des exercices

1. S
2. S
3. S
4. S
5. S
6. S
7. S
8. S
9. S
10. S
11. S
12. S
13. Soit p : R2 → R2 , (x, y) 7→ (4x − 6y, 2x − 3y).
0

(a) Soit xy et xy0 deux vecteurs et λ et λ0 deux réels. Alors :



 

x0 λx+λ0 x0 4(λx+λ0 x0 )−6(λy+λ0 y 0 )
p λ xy + λ0


y0
= p λy+λ0 y 0
= 2(λx+λ0 x0 )−3(λy+λ0 y 0 )
0 −6y 0

 

4x−6y x0
λ0 4x x 0



= λ 2x−3y
+ 2x0 −3y 0
= λp y
+λp y0

Conclusion : p ∈ L(R2 ) .
x


Il reste ensuite à prouver que p2 = p. Pour tout vecteur y
, on a :

 
 

x 4x−6y 4(4x−6y)−6(2x−3y) 4x−6y x



p2 y
=p 2x−3y
= 2(4x−6y)−3(2x−3y)
= 2x−3y
=p y

Conclusion : p est un projecteur de R2 .

(b) Soit xy un vecteur. Alors :


x

4x − 6y = 0
4x−6y

0


∈ Ker(p) ⇔ = ⇔
⇔ 2x − 3y = 0
y 2x − 3y = 0
2x−3y 0

x = 23 λ
  3

⇔ xy ∈ Vect 12


⇔ ∃λ ∈ R /
y = λ

3



Conclusion : Ker(p) = Vect 2
.
D’autre part, en notant (~e1 , ~e2 ) la base canonique de R2 , on a :

Im(p) = Vect (p(~e1 ), p(~e2 )) = Vect 42 , −6 4

−3
= Vect 2

2



Conclusion : Im(p) = Vect 1
.

14. s
15. s
16. s
28.7. SOLUTIONS DES EXERCICES 397

17. Il faut montrer que Sn et An sont des sous espaces vectoriels de Mn (K) puis qu’ils sont supplémen-
taires.
La matrice nulle est symétrique donc Sn 6= ∅. Soit (M, N ) ∈ Sn2 et (λ, µ) ∈ K2 . Alors :
t
(λM + µN ) = λt M + µt N = λM + µN

donc λM + µN ∈ Sn , ce qui assure que Sn est un sous espace vectoriel de Mn (K). On montre, de
même (seuls les signes changent), que An est un sous espace vectoriel de Mn (K).
Soit M ∈ Mn (K). On utilise la méthode d’analyse/synthèse. Supposons que M = S + A où S ∈ Sn
et A ∈ An . Alors :
t
M = tS + tA = S − A
On en déduit que S = 21 (M +t M ) et A = 12 (M −t M ), ce qui assure de l’existence de la décomposition
sous réserve d’existence. Réciproquement, posons S = 12 (M + t M ) et A = 12 (M − t M ). Alors, on
prouve aisément que S ∈ Sn , A ∈ An et M = S + A, d’où l’existence de la décomposition.
Conclusion : Mn (K) = Sn ⊕ An .
18. s
19. s
20. s
21. s
22. s
23. (a) Soit (P, Q) ∈ Kn [X]2 et (λ, µ) ∈ K2 . On a :

u(λP + µQ) = X(λP + µQ)0 (X) = X(λP 0 (X) + µQ0 (X)) = λXP 0 (X) + µXQ0 (X)

De plus, on a :

deg(u(P )) = deg(X) + deg(P 0 (X)) ≤ 1 + deg(P (X) − 1 ≤ n

donc u(P ) ∈ Kn [X]. Conclusion : u ∈ L(Kn [X]) .

(b) Soit P ∈ Kn [X]. Alors :

P ∈ Ker(u) ⇔ XP 0 (X) = Θ(X) ⇔ P 0 (X) = Θ(X) ⇔ P ∈ Vect(1)

Conclusion : Ker(u) = Vect(1) .

Il est clair que tout élément Q(X) de Im(u) vérifie Q(0) = 0. Réciproquement, soit Q ∈ Kn [X]
tel que Q(0) = 0. Alors Q(X) est divisible par X. Soit donc Q1 (X) le quotient de cette division
euclidienne et P (X) une primitive de Q1 (X). Alors :

u(P ) = XP 0 (X) = XQ1 (X) = Q(X)

Conclusion : Im(u) = {Q ∈ Kn [X]|Q(0) = 0} .

(c) Soit P ∈ Kn [X]. La division euclidienne par X donne :

∃!(Q, R) ∈ Kn [X]2 / P (X) = XQ(X) + R(X) et deg(R(X)) ≤ 0

Alors R(X) ∈ Ker(u) et XQ(X) ∈ Im(u). Conclusion : Kn [X] = Ker(u) ⊕ Im(u) .

Soit P ∈ Kn [X]. Alors :

u(u(P )) = u(XP 0 (X)) = X[P 0 (X) + XP 00 (X)] 6= XP 0 (X) = u(P )

en général. Conclusion : u n’est pas un projecteur de Kn [X] .

398 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS
Pn
(d) Soit P = k=0 ak X k ∈ Kn [X]. Alors :
n
X
0
u(P ) = P ⇔ XP (X) = P (X) ⇔ (k − 1)ak X k = Θ(X) ⇔ P ∈ Vect(X)
k=0

Conclusion : Im(u − Id) = Vect(X) .

24. s
25. s
26. s
27. s
28. s
29. s
30. s
31. s
32. s
33. (a) Soit (u, v) ∈ E 2 et (λ, µ) ∈ R2 . Alors :

f (λu + µv) = ((λu + µv)n+1 )n≥0 = (λun+1 + µvn+1 )n≥0

= λ(un+1 )n≥0 + µ(vn+1 )n≥0 = λf (u) + µf (v)

Conclusion : f ∈ L(E) .
(b) Soit u ∈ E. Alors :

u ∈ Ker(f ) ⇔ ∀n ∈ N, un+1 = 0 ⇔ ∀n ∈ N∗ , un = 0

En notant 1E la suite de premier terme 1 (celui de rang 0 donc) et dont tous les autres termes
sont nuls alors :
u ∈ Ker(f ) ⇔ u ∈ Vect(1E )
Conclusion : Ker(f ) = Vect(1E ) et f n’est pas injective .
(c) Soit v ∈ E. Soit a un réel. Posons :

u0 = a et ∀n ∈ N∗ , un = vn−1

Alors, il est clair que f (u) = v ce qui prouve que f est surjective .
(d) En notant XEk la suite dont tous les éléments sont nuls sauf celui de rang k qui vaut 1, une
récurrence sur k assez immédiate prouve que :

∀u ∈ E, f k (u) = (un+k )n≥0 et Ker(f k ) = Vect(1E , XE , . . . , XEk−1 )

34. s
35. (a) i. Une récurrence immédiate prouve que la suite nulle est élément de S(a, b). Soit (u, v) un
couple de suites éléments de S(a, b) et (λ, µ) un couple de réels. Pour tout entier naturel n,
on a alors :

(λu + µv)n+2 = λun+2 + µvn+2 = λ(aun+1 + bun ) + µ(avn+1 + bvn )

= a(λun+1 + µvn+1 ) + b(λun + µvn ) = a(λu + µv)n+1 + b(λu + µv)n

donc λu + µv ∈ S(a, b). Ainsi S(a, b) est un sous espace vectoriel de l’espace vectoriel des
suites.
Conclusion : S(a, b) est un espace vectoriel réel .
28.7. SOLUTIONS DES EXERCICES 399

ii. Soit (u, v) un couple de suites éléments de S(a, b) et (λ, µ) un couple de réels. Alors :
Φ(λu + µv) = ((λu + µv)0 , (λu + µv)1 ) = (λu0 + µv0 , λu1 + µv1 )
= λ(u0 , u1 ) + µ(v0 , v1 ) = λΦ(u) + µΦ(v)
donc Φ ∈ L(S(a, b), R2 ).
Soit u ∈ Ker(Φ). Alors u0 = 0 et u1 = 0. Soit P(n) la proposition « un = 0 ». Les
propositions P(0) et P(1) sont donc vraies. Supposons que les propositions P(n) et P(n +
1) sont vraies pour un certain entier n ≥ 0. On a alors :
un+2 = aun+1 + bun = a × 0 + b × 0 = 0
donc P(n + 2) est vraie. On en déduit que la proposition P(n) est vraie pour tout entier
naturel n et donc que la suite u est la suite nulle. Ainsi Ker(Φ) = {0S(a,b) } ce qui prouve
que Φ est injective.
Soit (x, y) ∈ R2 . Alors, il est immédiat que la suite u définie par :
u0 = x u1 = y ∀n ∈ N, un+2 = aun+1 + bun
est bien définie et vérifie Φ(u) = (x, y). Ainsi Im(Φ) = R2 ce qui prouve que Φ est
surjective.
Conclusion : Φ est un isomorphisme .
√
a+i −∆
(b) i. On sait que ρeiθ = 2
et que ∆ = a2 + 4b donc que :
 √ 2 2 2
√ 2
√
2 a + i −∆ a + a + 4b + 2ia −∆ a a −∆
ρ2 e2iθ = ρeiθ =


= = +b+i
2 4 2 2
Ainsi, on en déduit que :
a2 a
ρ2 cos(2θ) − aρ cos(θ) − b = +b−a −b=0
2 2
√ √
a −∆ −∆
ρ2 sin(2θ) − aρ sin(θ) = −a =0
2 2
Conclusion : ρ2 cos(2θ) = aρ cos(θ) + b et ρ2 sin(2θ) = aρ sin(θ) .
ii. Pour tout entier naturel n, on a :
un+2 = ρn+2 cos((n + 2)θ) = ρn ρ2 [cos(nθ) cos(2θ) − sin(nθ) sin(2θ)]
= ρn [cos(nθ)aρ cos(θ) + cos(nθ)b − sin(nθ)aρ sin(θ)]
= aρn+1 [cos(nθ) cos(θ) − sin(nθ) sin(θ)] + bρn cos(nθ)]
= aρn+1 cos((n + 1)θ) + bρn cos(nθ) = aun+1 + bun

donc u ∈ S(a, b) . Une démonstration analogue prouve que v ∈ S(a, b) .

iii. On a clairement : X = (1, ρ cos(θ)) et Y = (0, ρ sin(θ)) .
iv. Soit (x, y) ∈ R2 . Pour tout couple (λ, µ) ∈ R2 , on a :

x = λ
(x, y) = λX + µY ⇔
y = λρ cos(θ) + µρ sin(θ)
Comme ρ > 0 et comme sin(θ) 6= 0 (sinon les solutions ne seraient pas complexes) alors :
(
λ = x
(x, y) = λX + µY ⇔ y
µ = ρ sin(θ) − xsin(θ)
cos(θ)

d’où l’existence et l’unicité de la décomposition.

Conclusion : (X, Y ) est une base de R2 .
400 CHAPITRE 28. APPLICATIONS LINÉAIRES DANS LES K-ESPACES VECTORIELS USUELS

v. Comme Φ−1 est un isomorphisme de R2 dans S(a, b), comme u = Φ−1 (X) et v = Φ−1 (Y ),
comme (X, Y ) est une base de R2 alors (u, v) est une base de S(a, b) .
vi. Soit w ∈ S(a, b). Alors : ∃!(λ, µ) ∈ R2 / w = λu + µv. On en déduit donc que :

∀n ∈ N, wn = ρn [λ cos(nθ) + µ cos(nθ)]

(c) i. Posons X = Φ(u) et Y = Φ(v). Ainsi, on a : X = (1, r) et Y = (0, r). Remarquons que
r 6= 0 (sinon 0 est la racine double de l’équation caractéristique et donc (a, b) est le couple
nul). Alors :
(x, y) = λX + µY ⇔ (λ = x) ∧ (µ = yr − x)

ce qui prouve (cf. question b) que : (u, v) est une base de S(a, b) .
ii. On en déduire évidemment que :

∀w ∈ S(a, b), ∃!(λ, µ) ∈ R2 / ∀n ∈ N, wn = ρn (λ + µn)

(d) On pose u = (r1n )n∈N , v = (r2n )n∈N , X = Φ(u) et Y = Φ(v). Comme r1 6= r2 (i.e. r1 − r2 6= 0),
on en déduit que (1, r1 ) et (1, r2 ) forment une base de R2 donc que (u, v) est une base de S(a, b)
et ainsi que :
∀w ∈ S(a, b), ∃!(λ, µ) ∈ R2 / ∀n ∈ N, wn = λr1n + µr2n
Chapitre 29

Dimension d’un K-espace vectoriel

Dans tout ce chapitre :

– E et E 0 sont deux K-espaces vectoriels où K désigne R ou C,
– F et G sont deux sous espaces vectoriels de E.

29.1 Dimension d’un espace vectoriel

29.1.1 Définition de la dimension
Définitions
– On dit que E est de dimension finie si et seulement s’il admet une famille génératrice finie.
– On dit que E est de dimension infinie si et seulement s’il n’admet aucune famille génératrice finie.

Exemples

1. {~0E } est de dimension finie.

2. Pour tout entier naturel n, l’espace vectoriel Kn est de dimension finie.
3. Pour tout couple (n, p) d’entiers naturels non nuls, Mn,p (K) est de dimension finie.
4. (a) Pour tout entier naturel n, l’espace vectoriel Kn [X] est de dimension finie.
(b) L’espace vectoriel K[X] est de dimension infinie.
5. (a) Pour tout entier naturel n et pour tout intervalle I de R, l’espace vectoriel C n (I) est de dimension
infinie (il contient les fonctions polynômes).
(b) L’espace vectoriel C ∞ (I) est de dimension infinie.

Théorème fondamental

On suppose que E est de dimension finie (non réduit au vecteur nul). Alors, de toute famille génératrice
finie, on peut extraire une base.

Preuve

Soit F = (~x1 , . . . , ~xp ) une famille génératrice de p vecteurs de E. Supposons la non libre. Alors, l’un
des vecteurs de cette famille est combinaison linéaire des autres. On peut donc l’extraire de la famille tout en
conservant une famille génératrice de E. On procède ainsi jusqu’à épuisement des combinaisons linéaires
(récurrence...). Il reste alors une famille (toujours) génératrice et libre (E 6= {~0E } donc il reste au moins un
vecteur non nul) donc une base.

401
402 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

Exemple
1. Dans l’espace vectoriel R3 , on considère la famille constituée des vecteurs :
         
1 0 −1 0 3
~x1 =  2  ~x2 =  −2  ~x3 =  0  ~x4 =  0  ~x5 =  2 
3 1 −3 −1 −2

(a) Cette famille est-elle génératrice de R3 ?

(b) Déterminer deux bases distinctes de R3 constituées à l’aide de ces cinq vecteurs.
2. (a) Montrer ((X − 1)3 , (X − 2)3 , (X − 3)3 , (X − 4)3 , (X − 5)3 ) est une famille génératrice de
K3 [X].
(b) En extraire une base.

Proposition
On suppose que E est de dimension finie. Alors toute famille libre dans E est constituée de moins de
vecteurs que toute famille génératrice de E.

Preuve
Soit (~l1 , . . . , ~lp ) une famille libre dans E et soit (~g1 , . . . , ~gq ) une famille génératrice de E. Supposons
que p ≥ q + 1.
– Le vecteur ~l1 est combinaison linéaire des vecteurs ~gk . Comme ~l1 6= ~0E alors l’un des coefficients
de la combinaison linéaire est non nul. Quitte à renuméroter les vecteurs ~gk , on peut supposer que
c’est le coefficient de ~g1 qui est non nul. Ainsi, ~g1 est combinaison linéaire des vecteurs la famille
(~l1 , ~g2 , . . . , ~gq ). On en déduit alors que cette famille est encore génératrice de E.
– On procède de manière identique avec le vecteur ~l2 qui est combinaison linéaire de la famille de
vecteurs (~l1 , ~g2 , . . . , ~gq ). L’un des coefficients des ~gk est non nul (sinon ~l2 serait colinéaire à ~l1 ce qui
est impossible puisque la famille (~l1 , . . . , ~lp ) est libre). On peut supposer que le coefficient de ~g2 est
non nul. Ainsi la famille (~l1 , , ~l2 , ~g3 , . . . , ~gq ) est génératrice de E.
– ...
– On en déduit que la famille (~l1 , . . . , ~lq ) est génératrice de E. Mais ainsi, le vecteur ~lp est combinaison
linéaire de (~l1 , . . . , ~lq ) car p > q ce qui contredit l’indépendance linéaires des vecteurs ~li .
– Conclusion : p ≤ q.

Théorème
Tout espace vectoriel de dimension finie admet des bases et toutes ses bases ont le même cardinal.

Preuve
Puisque E est de dimension finie, on en déduit qu’il admet une famille génératrice finie dont on peut
extraire une base B. Soit n le cardinal de cette base. Soit B 0 une autre base de E de cardinal n0 . Comme
B 0 est libre et B est génératrice alors n0 ≤ n. Comme B 0 est génératrice et B est libre alors n0 ≥ n. On en
déduit que n0 = n, c’est à dire que toutes les bases ont le même cardinal.

Définitions
On suppose que E est de dimension finie.
– Si E = {~0E } alors on dit qu’il est de dimension 0.
– Si E 6= {~0E } alors on appelle dimension de E le cardinal de l’une de ses bases. On la note dim(E).
29.1. DIMENSION D’UN ESPACE VECTORIEL 403

Exemples (résultats à retenir)

1. Pour tout entier naturel n non nul, Kn est de dimension finie égale à n.
2. Pour tout entier naturel n, Kn [X] est de dimension finie égale à n + 1.
3. Pour tout couple (n, p) d’entiers naturels non nuls, Mn,p (K) est de dimension finie égale à n × p. En
particulier, pour tout entier naturel n non nul, Mn (K) est de dimension finie égale à n2 .

29.1.2 Conséquences
Propositions
On suppose que E est de dimension finie n ≥ 1.
– Si la famille de vecteurs (~e1 , . . . , ~ep ) est libre dans E alors p ≤ n.
– Toute famille libre de n vecteurs dans E est une base de E.
– Si la famille de vecteurs (~e1 , . . . , ~ep ) est génératrice de E alors p ≥ n.
– Toute famille de n vecteurs génératrice de E est une base de E.

Preuves
Immédiat.

Exemples
1. Démontrer que ((1, −1), (1, 1)) est une base de R2 .
2. Justifier que ((1, 1, 1), (1, 1, 0), (1, 0, 0)) est une base de R3 .
3. Dans la base canonique (~e1 , . . . , ~en ) de Kn , on pose :

∀i ∈ J1, nK, ~bi = n~ei + (n − 1)~ei+1 + · · · + i~en

Démontrer que (~b1 , . . . , ~bn ) est une autre base de Kn .

4. Soit a ∈ K et n ∈ N. Montrer que la famille de polynômes (1, X − a, (X − a)2 , . . . , (X − a)n ) est
une base de Kn [X].
       
1 0 0 1 1 0 0 1
5. Montrer que les matrices , , et forment une base de
0 1 1 0 0 −1 −1 0
M2 (R).

Théorème de la « base incomplète »

On suppose que E est de dimension finie n ≥ 2. Soit p ∈ J1, n − 1K. Toute famille libre dans E de p
vecteurs de E peut être complétée en une base de E.

Preuve
Soit (~e1 , . . . , ~ep ) une famille libre dans E avec p < n. Alors, il existe ~ep+1 ∈ E − Vect(~e1 , . . . , ~ep ) tel
que (~e1 , . . . , ~ep+1 ) est libre. Si p + 1 = n alors cette famille est une base de E, sinon on recommence avec
un vecteur ~ep+2 jusqu’à obtenir une famille libre de n vecteurs.

Exemple
Dans E = R5 , démontrer que les vecteurs (1, 1, 1, 1, 1), (2, 3, −1, 0, 1) et (−1, 6, 5, −2, 0) forment une
famille libre dans E. Compléter cette famille en une base de E.
404 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

Théorème

L’espace vectoriel E est de dimension finie égale à n si et seulement si E est isomorphe à Kn .

Preuve

Notons (~e1 , . . . , ~en ) la base canonique de Kn .

– ⇒ Supposons que E est de dimension finie égale à n. Soit (~x1 , . . . , ~xn ) une base de E. Alors, il
existe une unique application linéaire u de E dans Kn qui transforme chaque vecteur ~xi en le vecteur
~ei . De plus, u transforme une base de E en une base de Kn donc u est un isomorphisme d’espaces
vectoriels.
– ⇐ Supposons que E est isomorphe à Kn . Soit donc u un isomorphisme de Kn dans E. Alors
(u(~e1 ), . . . , u(~en )) est une base de E. Comme cette famille est génératrice et finie alors E est de
dimension finie. Comme cette base est de cardinal n alors dim(E) = n.

29.2 Dimension d’un sous-espace vectoriel

29.2.1 Généralités
Propositions

On suppose que l’espace E est de dimension finie. Alors le sous espace F est de dimension finie et
dim(F ) ≤ dim(E). De plus, dim(F ) = dim(E) si et seulement si F = E.

Preuves
– Soit B une base de E. Alors B est aussi une famille génératrice de F et donc F est de dimension finie.
De plus dim(F ) ≤ Card(B) = dim(E).
– Supposons que dim(F ) = dim(E). Soit B une base de F . Alors B est aussi une famille libre dans E
et de cardinal égal à dim(E) donc c’est aussi une base de E ce qui prouve que F = E. La réciproque
est immédiate.

Exemples

1. Justifier que dim(F ) = 1 si et seulement si F est une droite de E.

2. Soit Sn l’ensemble des matrices carrées d’ordre n symétriques. Justifier que c’est un espace vectoriel
de dimension finie et déterminer sa dimension.

Proposition

On suppose que E est de dimension finie. Alors :


F ⊂G
F =G ⇔
dim(F ) = dim(G)

Preuve

L’implication est immédiate. Étudions sa réciproque. Supposons donc que F ⊂ G et que dim(F ) =
dim(G). F est donc un sous espace vectoriel de l’espace G. La proposition précédente s’applique alors à
l’espace vectoriel G ce qui prouve que F = G.
29.2. DIMENSION D’UN SOUS-ESPACE VECTORIEL 405

Exemple
Dans R4 , montrer que :

Vect((2, 5, −1, 0), (0, −7, 3, 1)) = Vect((6, −13, 9, 4), (−2, −12, 4, 1))

Proposition (formule de Grassmann)

On suppose que E est de dimension finie ≥ 2 et que F et G sont de dimension ≥ 1. Alors :

dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)

29.2.2 Supplémentaire d’un sous-espace vectoriel

Théorème
On suppose que E est de dimension finie. Alors F admet (au moins) un supplémentaire dans E et, de
plus, tous les supplémentaires de F ont pour dimension dim(E) − dim(F ).

Preuve
Il suffit de compléter une base de F en une base de E.

Exemple
Justifier que l’ensemble des matrices carrées antisymétriques est un espace vectoriel de dimension finie
et préciser sa dimension.

Remarque
Si dim(E) = dim(F ) + dim(G) alors F et G ne sont pas nécessairement supplémentaires, comme le
montre l’exemple suivant :

E = R3 [X] F = Vect(X, X 2 ) G = Vect(X + X 2 , X 3 )

Proposition
On suppose que E est de dimension finie. Alors :

F ∩ G = {~0E }
 
E =F +G
E =F ⊕G ⇔ ⇔
dim(E) = dim(F ) + dim(G) dim(E) = dim(F ) + dim(G)

Preuve
– (1) ⇒ (2) Évident.
– (2) ⇒ (3) L’égalité des dimensions est immédiate.
– (3) ⇒ (1) s

Exemple
Dans E = R3 [X], montrer que les sous espaces vectoriels F = Vect(X 2 − X, X 2 + X) et G =
Vect(X 3 − 1, X 3 + 1) sont supplémentaires.
406 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

29.3 Différentes notions de rang

29.3.1 Rang d’une famille de vecteurs
Définition
Soit (~x1 , . . . , ~xn ) des vecteurs de E (de dimension finie ou infinie). On appelle rang de la famille
(~x1 , . . . , ~xn ) la dimension du sous espace vectoriel de E qu’ils engendrent, c’est à dire que :

rg(~x1 , . . . , ~xn ) = dim(Vect(~x1 , . . . , ~xn ))

Exemple
Dans C4 , déterminer le rang de la famille constituée de :
       
1 1 2 1−i
 i   1   1+i   1+i 
~x1 = 
 −1 
 ~x2 = 
 1 
 ~x3 = 
 0

 ~x4 =  
 1−i 
−i 1 1−i 1+i

Proposition
Une famille de n vecteurs de E (de dimension finie ou infinie) est libre dans E si et seulement si elle
est de rang n.

Preuve
Soit (~x1 , . . . , ~xn ) une famille de vecteurs de E.
– Supposons que cette famille est libre dans E. Alors, elle est aussi une base de Vect(~x1 , . . . , ~xn ) ce qui
prouve qu’elle est de rang n.
– Suppossons que cette famille est de rang n. Alors, comme elle est génératrice de Vect(~x1 , . . . , ~xn ) qui
est de dimension n, on en déduit qu’elle est aussi une base de ce sous espace.

29.3.2 Rang d’une application linéaire

Définition
Soit B = (~e1 , . . . , ~en ) une base de E (donc E est de dimension finie n ≥ 1). Soit u ∈ L(E, E 0 ) (E 0 est
de dimension finie ou infinie). On appelle rang de l’application u l’entier :

rg(u) = dim(Vect(u(~e1 ), . . . , u(~en ))) = dim(Im(u))

Exemples
Déterminer le rang des applications suivantes :
1. f : R3 → R3 , (x, y, z) 7→ (x + y, y + z, z + x)
2. u : Rn [X] → Rn [X], P 7→ P 0

29.3.3 Théorème du rang et conséquences

Théorème fondamental (dit théorème du rang)
On suppose que E est de dimension finie. Soit u ∈ L(E, E 0 ). Alors :

dim(E) = dim(Ker(u)) + rg(u) = dim(Ker(u)) + dim(Im(u))

29.3. DIFFÉRENTES NOTIONS DE RANG 407

Preuve
Soit (~e1 , . . . , ~ep ) une base du noyau de u. On la complète en une base de E : (~e1 , . . . , ~ep , ~ep+1 , . . . , ~en ).
Alors :
rg(u) = dim(Vect(u(~e1 ), . . . , u(~en ))) = dim(Vect(u(~ep+1 ), . . . , u(~en )))
Montrons que les vecteurs u(~ep+1 ), . . . , u(~en ) forment une famille libre dans E 0 . Soit donc (λp+1 , . . . , λn ) ∈
Kn−p tel que :
X n
λk u(~ek ) = ~0E
k=p+1

Par linéarité, on en déduit que :

n
X
λk~ek ∈ Ker(u)
k=p+1

ce qui n’est possible que si cette combinaison linéaire est nulle puisqu’aucun vecteur de cette combinaison
n’est dans le noyau de u. Comme les vecteurs ~ep+1 , . . . , ~en forment une famille libre, on en déduit que
λp+1 = · · · = λn = 0. En conséquence, on a :

rg(u) = n − p = dim(E) − dim(Ker(u))

Exemples
1. On suppose que E et E 0 sont de dimensions finies respectives n et n0 et de bases respectives B et B 0 .
Soit u ∈ L(E, E 0 ). Montrer que :

(a) Si u est injective alors dim(E) ≤ dim(E 0 ).

(b) Si u est surjective alors dim(E) ≥ dim(E 0 ).
(c) Si u est bijective alors dim(E) = dim(E 0 ).
R1
2. Soit n ∈ N∗ et u : Rn [X] → R, P (X) 7→ 0 P (t)dt.

(a) Vérifier que u est une forme linéaire non nulle sur Rn [X].
(b) En déduire la dimension du noyau de u.

Proposition
On suppose que E est de dimension finie égale à n ≥ 2. Alors, tout hyperplan de E est de dimension
n − 1.

Preuve
Comme dans l’exemple qui précède.

Théorème (fondamental lui-aussi)

On suppose que E est de dimension finie. Soit u ∈ L(E). Alors :

u injective ⇔ u surjective ⇔ u bijective

Preuve
Conséquence immédiate du théorème du rang.
408 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

Remarque
Si E n’est pas de dimension finie alors ce théorème ne s’applique pas comme le prouve l’exemple
suivant :
u : K[X] → K[X]
P 7→ P 0
Cette application est surjective mais non injective. On peut aussi avoir une application linéaire injective et
non surjective dans des espaces de dimension infinie.

29.4 Exercices
1. Dans E = R5 , on considère les vecteurs :

~x1 = (1, 0, 1, 1, 1) ~x2 = (2, 1, 3, 0, 2) ~x3 = (1, −1, 1, 1, 1)

(a) Démontrer qu’ils forment une famille libre dans E.

(b) Quelle est la dimension du sous espace vectoriel F qu’ils engendrent ?
(c) Compléter cette famille pour en faire une base de E.
(d) Donner un supplémentaire de F dans E.
2. Dans E = R4 , on considère l’ensemble :

F = {(x, y, z, t) ∈ E|x + t = 0, y − z = 0, 3x + t = 0}

(a) Montrer que F est un sous espace vectoriel de E.

(b) Déterminer une base de F . Quelle est sa dimension ?
(c) Déterminer un supplémentaire de F dans E.
3. Dans E = R3 , on définit les ensembles :

F = {(x, y, z) ∈ E|x + y = 0} et G = {(x, y, z) ∈ E|x − y + 2z = 0}

(a) Vérifier que F et G sont deux sous-espaces de E et en déterminer une base.

(b) Montrer qu’ils admettent un supplémentaire commun dans E.
4. Soit (a, b) ∈ K2 tel que a 6= b. Pour k ∈ J0, nK, on pose :

Pk (X) = (X − a)k (X − b)n−k

Montrer que ces polynômes forment une base de Kn [X].

5. Dans M2 (R), déterminer la dimension de :
       
1 0 −1 1 −1 2 1 1
Vect , , ,
2 −1 −2 3 −2 8 2 4

6. Soit (a, b) ∈ R2 . Soit E l’ensemble des suites réelles (un )n∈N telles que :

∀n ∈ N, un+2 = aun+1 + bun

Montrer que E est un espace vectoriel de dimension finie et préciser sa dimension en fonction de
(a, b).
 
a b c
7. Montrer que l’ensemble E des matrices de M3 (C) de la forme  c a b  où (a, b, c) ∈ C3 est
b c a
un C-espace vectoriel dont on déterminera la dimension ainsi qu’une base.
29.4. EXERCICES 409

8. Soit E l’espace vectoriel des fonctions numériques. On pose :

f1 : x 7→ x2 + x − 1 f2 : x 7→ cos(x) f3 : x 7→ ex f4 : x 7→ 2x

(a) Déterminer la dimension des deux sous-espaces de E :

F = Vect(f1 , f4 ) et G = Vect(f2 , f3 )

(b) Démontrer qu’ils sont en somme directe.

(c) F et G sont-ils supplémentaires dans E ?
9. Soit f : Rn [X] → R[X] où n ≥ 4 telle que l’image d’un polynôme P (X) est son reste dans la
division par (X − 1)4 .
(a) Montrer que f est linéaire.
(b) Déterminer Im(f ) et préciser sa dimension.
(c) En déduire la dimension de Ker(f ).
10. Pour i ∈ J1, nK, on considère l’application :

e∗i : Rn → R
(x1 , . . . , xn ) 7→ xi

(a) Montrer que e∗i est une forme linéaire sur Rn pour tout entier i ∈ J1, nK.
(b) Montrer que (e∗1 , . . . , e∗n ) est une base de L(Rn , R).
(c) On suppose que n = 3. On pose :

f1 = −e∗1 + e∗2 + 3e∗3 f2 = 5e∗1 − 2e∗2 + 9e∗3 f3 = e∗1 − e∗2 + 2e∗3

Montrer que (f1 , f2 , f3 ) est une base de L(R3 , R).

11. Soit n ∈ N∗ et a1 , . . . , an des scalaires deux à deux distincts. On considère l’application :

f : Kn−1 [X] → Kn
P (X) 7→ (P (a1 ), . . . , P (an ))

(a) Montrer que f est linéaire puis qu’elle est injective.

(b) En déduire que f est un isomorphisme d’espaces vectoriels.
(c) Déterminer l’image réciproque par f de la base canonique de Kn .
12. Soit E, F et G trois espaces vectoriels de dimension finie. Soit f ∈ L(E, F ) et g ∈ L(F, G).
(a) Montrer que : dim(Ker(g ◦ f )) ≤ dim(Ker(g)) + dim(Ker(f )).
Indication : on pourra appliquer le théorème de rang à f , à g ◦ f et à g|Im(f ) .
(b) Montrer que : rg(f ) + rg(g) − dim(F ) ≤ rg(g ◦ f ) ≤ inf{rg(f ), rg(g)}.
13. Soit n ∈ N∗ . On considère l’application :

∆ : Kn [X] → Kn [X]
P (X) 7→ P (X + 1) − P (X)

(a) Montrer que ∆ est un endomorphisme de Kn [X].

(b) On pose :
1
P0 (X) = 1 et ∀k ∈ J1, nK, Pk (X) = X(X − 1) . . . (X − k + 1)
k!
410 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

i. Monter que B = (P0 , . . . , Pn ) est une base de Kn [X].

ii. Calculer ∆(Pk ) pour tout entier k ∈ J0, nK.
iii. En déduire une base du noyau et de l’image de ∆.
(c) i. Montrer que :
n
X
∆k (P ) (0)Pk (X)


∀P ∈ Kn [X], P (X) =
k=0

ii. Dans le cas particulier où n = 5, quelles sont les coordonnées de X 4 dans la base B ?
(d) i. Montrer que :

Q(X) = P (X + 1) − P (X)
∀Q(X) ∈ Kn−1 [X], ∃!P (X) ∈ Kn [X] /
P (0) = 0

ii. Déterminer ce polynôme P (X) à l’aide des coordonnées de Q(X) dans la base B.
iii. Déterminer P (X) dans le cas où n = 5 et Q(X) = X 4 .
p
X
iv. En déduire, pour tout entier p ≥ 0, une expression simple de k4.
k=0

14. Soit E un C-espace vectoriel. On désigne par Θ l’endomorphisme nul de E et par IdE l’applica-
tion identique de E. Pour tout polynôme P (X) = a0 + a1 X + · · · + an X n ∈ C[X] et pour tout
endomorphisme u de E, on note :

u0 = IdE et ∀k ∈ N, uk+1 = uk ◦ u

P (u) = a0 IdE + a1 u + · · · + an un ∈ L(E)

On admettra que :

∀(P (X), Q(X)) ∈ C[X]2 , ∀u ∈ L(E), (P Q)(u) = P (u) ◦ Q(u) = Q(u) ◦ P (u)

Enfin, on désigne par T (X) le polynôme de C[X] :

T (X) = 3X 3 − X 2 + X − 1

et par g un endomorphisme de E tel que :

T (g) = Θ

(a) i. Montrer que 1 est la seule racine réelle de T (X).

ii. On note α et ᾱ les deux racines complexes conjuguées de T (X). Calculer α + ᾱ et αᾱ.
(b) On désigne par ϕ l’application qui, à tout polynôme P (X) de C[X], associe son reste dans la
division euclidienne par T .
i. Montrer que ϕ est un endomorphisme de C[X].
ii. L’endomorphisme ϕ est-il injectif ? surjectif ?
(c) On définit les polynômes :

L1 (X) = (X − 1)(X − α) L2 (X) = (X − 1)(X − ᾱ) L3 (X) = (X − α)(X − ᾱ)

i. Montrer que (L1 , L2 , L3 ) est une base de C2 [X].

ii. Montrer que :

∀n ∈ N, ∃!(an , bn , cn ) ∈ C3 / ϕ(X n ) = an L1 + bn L2 + cn L3

et exprimer an , bn , cn en fonction de α, ᾱ, n. Vérifier que cn = 12 .

29.4. EXERCICES 411

iii. Prouver que :

∀n ∈ N, g n = an L1 (g) + bn L2 (g) + cn L3 (g)
(d) i. Justifier que les suites (an )n∈N , (bn )n∈N et (cn )n∈N sont convergentes.
ii. On note a, b et c leurs limites respectives et on pose :
h = aL1 (g) + bL2 (g) + cL3 (g)
Montrer que :
1
3g 2 + 2g + IdE


h=
6
iii. Prouver que h est un projecteur de E.
15. Soit n ∈ N, (x0 , . . . , xn ) une famille de nombres complexes deux à deux distincts et (y0 , . . . , yn )
une autre famille de nombres complexes (non nécessairement deux à deux distincts). Pour tout entier
i ∈ J0, nK, on définit le polynôme de C[X] :
Y X − xj
Li (X) =
x − xj
0≤j≤n i
j6=i

Enfin, on définit le polynôme de C[X] :

n
X
P (X) = yi Li (X)
i=0

appelé polynôme d’interpolation de Lagrange de la famille de points (x0 , y0 ), . . . , (xn , yn ).

(a) Le cas n = 1.
i. Préciser les polynômes L0 (X), L1 (X), P (X).
ii. Calculer P (x0 ) et P (x1 ). Justifier l’appelation « polynôme d’interpolation ».
(b) Le cas n = 2.
i. On suppose dans cette question que (x0 , x1 , x2 ) = (1, 2, 3) et (y0 , y1 , y2 ) = (1, 1, 1). Déter-
miner le polynôme P (X).
ii. On suppose dans cette question que (x0 , x1 , x2 ) = (−1, 0, 2) et (y0 , y1 , y2 ) = (6, 0, −1).
Déterminer le polynôme P (X).
iii. Calculer P (x0 ), P (x1 ) et P (x2 ).
iv. Préciser les différentes possibilités concernant le degré de P (X).
(c) Le cas général.
i. Justifier que P (X) ∈ Cn [X].
ii. Vérifier que P (xi ) = yi pour tout entier i tel que 0 ≤ i ≤ n.
iii. Démontrer que P (X) est l’unique polynôme de Cn [X] tel que :
∀i ∈ J0, nK, P (xi ) = yi
(d) Un peu d’algèbre linéaire.
i. Calculer Li (xj ) pour tout couple (i, j) ∈ J0, nK2 .
ii. En déduire que la famille de polynômes (L0 (X), . . . , Ln (X)) est une base de Cn [X].
iii. Déterminer les coordonnées de tout polynôme Q(X) ∈ Cn [X] dans cette base.
iv. On suppose que n ≥ 2. Démontrer que l’application :
u : Cn [X] → Cn [X]
Q(X) 7→ Q(x0 )L0 (X) + Q(x1 )L1 (X)
est un projecteur dont on précisera une base et la dimension du noyau et de l’image.
412 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

29.5 Solutions des exercices

1. s
2. s
3. s
4. Remarquons que l’on a une famille de n + 1 polynômes de Kn [X] qui est un espace vectoriel de
dimension n + 1. Il suffit alors de prouver l’indépendance linéaire de ces polynômes. Soit donc
(λ0 , . . . , λn ) ∈ Kn+1 tel que :

λ0 P0 (X) + · · · + λn Pn (X) = Θ(X)

Soit P(k) la proposition « λ0 = · · · = λk = 0 ». En évaluant en a, on obtient :

λ0 (a − b)n = 0

ce qui prouve la proposition P(0) puisque a 6= b. Soit k ∈ J0, n − 1K. Supposons que P(k) est vraie.
Alors :
λk+1 Pk+1 (X) + · · · + λn Pn (X) = Θ(X)
(X − a)k+1 λk+1 (X − a)0 (X − b)n−k−1 + · · · + λn (X − a)n−k−1 (X − b)0 = Θ(X)
 

λk+1 (X − a)0 (X − b)n−k−1 + · · · + λn (X − a)n−k−1 (X − b)0

On évalue encore en a et on obtient λk+1 = 0 ce qui prouve donc que P(k + 1) est vraie. Alors, les
propositions P(0), . . . , P(n) sont vraies, la dernière assurant l’indépendance linéaire.
Conclusion : (X − a)k (X − b)n−k 0≤k≤n est une base de Kn [X] .

5. s
6. On a vu, dans un exercice du chapitre précédent, que l’application :

Φ : E → R2
u 7→ (u0 , u1 )

est un isomorphisme d’espaces vectoriels (preuve à savoir refaire).

On en déduit immédiatement que dim(E) = 2 .
7. s
8. s
9. s
10. s
11. (a) Soit (P, Q) ∈ Kn−1 [X]2 et (λ, µ) ∈ K2 . Alors :

f (λP + µQ) = ((λP + µQ)(a1 ), . . . , (λP + µQ)(an ))

= (λP (a1 ) + µQ(a1 ), . . . , λP (an ) + µQ(an ))
= λ(P (a1 ), . . . , P (an )) + µ(Q(a1 ), . . . , Q(an ))

Conclusion : f est linéaire . Soit P ∈ Kn−1 [X]. Alors :

P ∈ Ker(f ) ⇔ (P (a1 ), . . . , P (an )) = (0, . . . , 0) ⇔ ∀k ∈ J1, nK, P (ak ) = 0

⇔ a1 , . . . , an sont racines de P qui est de degré au plus n − 1 ⇔ P = Θ

Conclusion : Ker(f ) = {Θ} et f est injective .

29.5. SOLUTIONS DES EXERCICES 413

(b) Comme Kn−1 [X] est de dimension finie n alors on peut appliquer le théorème du rang :
n = dim Ker(f ) + dim Im(f ) = 0 + dim Im(f )
donc Im(f ) est un sous espace de dimension n de Kn qui est aussi de dimension n. On en déduit
que Im(f ) = Kn et donc que f est surjective.
Conclusion : f est un isomorphisme d’espaces vectoriels .
(c) Notons (~e1 , . . . , ~en ) la base canonique de Kn . Soit k ∈ J1, nK. Posons : Lk (X) = f −1 (~ek ).
Alors : 
1 si j = k
∀j ∈ J1, nK, Lk (aj ) =
0 si j 6= k
Ainsi, les scalaires a1 , . . . , ak−1 , ak+1 , . . . , an sont racines de Lk qui est de degré n − 1 au plus.
On en déduit que : Y
∃λ ∈ K / Lk (X) = λ (X − aj )
1≤j≤n
j6=k
Q
De plus, de l’égalité Lk (ak ) = 1, on déduit que : 1 = λ 1≤j≤n (ak − aj ).
j6=k
Y X − aj
Conclusion : Lk (X) = .
a − aj
1≤j≤n k
j6=k

12. s
13. (a) Soit (P, Q) ∈ Kn [X]2 et (λ, µ) ∈ K2 . On a :
∆(λP + µQ) = (λP + µQ)(X + 1) − (λP + µQ)(X)
= λP (X + 1) + µQ(X + 1) − λP (X) − µQ(X) = λ∆(P ) + µ∆(Q)
par regroupement de termes. Remarquons enfin que ∆(P ) est bien un polynôme et son degré
est bien inférieur (ou égal) à n puisque, par composition, P (X + 1) a même degré que P (X).
Conclusion : ∆ est un endomorphisme de Kn [X] .
(b) i. Comme B est une famille de n + 1 polynômes dans un espace de dimension n + 1, il sufit
de prouver que cette famille est libre. Ceci se démontre aisément par récurrence puisque les
polynômes sont échelonnés en degré. En effet, soit (λ0 , . . . , λn ) ∈ Kn+1 tel que :
λ0 P0 (X) + · · · + λn Pn (X) = Θ(X)
En évaluant en n, on obtient λn = 0 puis en n − 1, on obtient λn−1 = 0, ..., et enfin en 0 et
on obtient λ0 = 0. Conclusion : B est une base de Kn [X] .
ii. Il est immédiat que ∆(P0 ) est nul. Soit k ∈ J1, nK. On a :
∆(Pk ) = Pk (X + 1) − Pk (X)
= k!1 (X + 1)X(X − 1) . . . (X − k + 2) − k!1 X(X − 1) . . . (X − k + 1)
= k!1 X(X − 1) . . . (X − k + 2)[(X + 1) − (X − k + 1)]
1
= (k−1)! X(X − 1) . . . (X − (k − 1) + 1)

Conclusion : ∆(P0 ) = Θ et ∀k ∈ J1, nK, ∆(Pk ) = Pk−1 .

iii. Comme B est une base de Kn [X], on en déduit que :
Im(∆) = Vect(∆(P0 ), . . . , ∆(Pn )) = Vect(Θ, P0 , . . . , Pn−1 ) = Vect(P0 , . . . , Pn−1 )

la famille obtenue étant libre bien sûre. Conclusion : (P0 , . . . , Pn−1 ) est une base de Im(∆) .
Comme ∆ est un endomorphisme d’un espace de dimension finie, en appliquant le théo-
rème du rang, on obtient que son noyau est de dimension 1. Comme on sait que P0 en est
un élément non nul, on en déduit que : (P0 ) est une base de Ker(∆) .
414 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

(c) i. Soit P ∈ Kn [X]. Soit (a0 , . . . , an ) dans la base B. D’après la question b(ii), on démontre
par récurrence (sur k) que :

k Θ si k > h
∀k ∈ J0, nK, ∀h ∈ J0, nK, ∆ (Ph ) =
Ph−k si k ≤ h

Alors : 
k 6 h
0 si k =
∀k ∈ J0, nK, ∀h ∈ J0, nK, ∆ (Ph )(0) =
1 si k = h
On en déduit que :

∀k ∈ J0, nK, ∆k (P ) (0) = ∆k (a0 P0 + · · · + an Pn ) = a0 ∆k (P0 ) + · · · + an ∆k (Pn ) = ak

n
X
∆k (P ) (0)Pk (X) .


Conclusion : ∀P ∈ Kn [X], P (X) =
k=0


ii. D’après la question précédente, il suffit de calculer les nombres ∆k (X 4 ) (0) pour 0 ≤
k ≤ 5. On a :
∆(1) = 0 ∆(X) = 1 ∆(X 2 ) = 2X + 1
∆(X 3 ) = 3X 2 + 3X + 1 ∆(X 4 ) = 4X 3 + 6X 2 + 4X + 1
On en déduit que :

∆0 (X 4 ) (0) = 0 ∆1 (X 4 ) (0) = 1 ∆2 (X 4 ) (0) = 14

∆3 (X 4 ) (0) = 36 ∆4 (X 4 ) (0) = 24 ∆5 (X 4 ) (0) = 0

Conclusion : X 4 = (0, 1, 14, 36, 24, 0)B .

(d) i. Soit Q ∈ Kn−1 [X]. Remarquons que Kn−1 [X] = Im(∆). En effet, ces deux sous es-
paces ont la même dimension et, compte tenu de la base connue de l’image, il est clair que
Im(∆) ⊂ Kn−1 [X]. Alors, Q admet au moins un antécédent Q0 par ∆, que P = Q0 −Q0 (0)
en est un autre et qu’alors P (0) = 0. Supposons que Q1 vérifie aussi les conditions
∆(Q1 ) = Q et Q1 (0) = 0. Alors, ∆(P − Q1 ) est nul (par linéarité) et ainsi P − Q1
est un polynôme constant (cf base du noyau de ∆). Mais, comme P (0) = Q1 (0) = 0 alors
le polynôme constant P − Q1 est nul ce qui assure que P = Q1 .
Conclusion : ∀Q(X) ∈ Kn−1 [X], ∃!P (X) ∈ Kn [X] / Q = ∆(P ), P (0) = 0 .
ii. Soit Q ∈ Kn−1 [X] et P son antécédent défini comme ci-dessus. Compte tenu du degré de
Q, ses coordonnées dans B sont du type (a0 , . . . , an−1 , 0). Or, on sait que :
n
! n
X X
∆k (P ) (0)Pk (X) = ∆k+1 (P ) (0)Pk (X)



Q = ∆(P ) = ∆
k=0 k=0
n−1
X n−1
X
∆k+1 (P ) (0)Pk (X) =


= ak Pk (X)
k=0 k=0

Par identification, on en déduit que :

∀kJ0, n − 1K, ∆k+1 (P ) (0) = ak donc ∀kJ1, nK, ∆k (P ) (0) = ak−1

On a ainsi déterminé les coordonnées de P dans la base B.

Conclusion : Q = (a0 , . . . , an−1 , 0)B ⇒ P = (0, a0 , . . . , an−1 )B .
iii. On sait déjà que Q(X) = (0, 1, 14, 36, 24, 0)B . Ainsi, on déduit de la question précédente
que : P (X) = (0, 0, 1, 14, 36, 24)B .
29.5. SOLUTIONS DES EXERCICES 415

iv. On vient de prouver que :

X 4 = ∆(P2 ) + 14∆(P3 ) + 36∆(P4 ) + 24∆(P5 )

Soit donc p ∈ N. On a alors :

p p
X X
4
k = [(∆(P2 )) (k) + ... + 24 (∆(P5 )) (k)]
k=0 k=0

Or, par télescopage, on a :

p p
X X
(∆(Pi )) (k) = [Pi (k + 1) − Pi (k)] = Pi (p + 1) − P2 (0) = i!1 (p + 1) . . . (p − i + 1)
k=0 k=0

On en déduit que :
p
X (p+1)p
k4 = 2
+ 14 (p+1)p(p−1)
6
+ 36 (p+1)p(p−1)(p−2)
24
+ 24 (p+1)p(p−1)(p−2)(p−3)
120
k=0

14. s
15. (a) i. On a :
X−x1 X−x0 y1 −y0 y0 x1 −y1 x0
L0 (X) = x0 −x1
L1 (X) = x1 −x0
P (X) = y0 xX−x 1
0 −x1
+ y1 xX−x 0
1 −x0
= x1 −x0
X + x1 −x0

ii. On a donc :
P (x0 ) = y0 P (x1 ) = y1

ainsi : P est la fonction affine dont la droite représentative passe par les deux points .
(b) i. On a :
(X−2)(X−3) (X−1)(X−3) (X−1)(X−2)
L0 (X) = (−1)×(−2)
L1 (X) = 1×(−1)
L2 (X) = 2×1

d’où l’on peut écrire :

(X−2)(X−3) (X−1)(X−3) (X−1)(X−2)
P (X) = (−1)×(−2)
+ 1×(−1)
+ 2×1

Après simplification, on obtient : P (X) = 1 .

ii. On a :
(X−0)(X−2) (X+1)(X−2) (X+1)(X−0)
L0 (X) = (−1)×(−3)
L1 (X) = 1×(−2)
L2 (X) = 3×2

d’où l’on peut écrire :

P (X) = 6 (X−0)(X−2)
(−1)×(−3)
+ 0 (X+1)(X−2)
1×(−2)
− (X+1)(X−0)
3×2

11 25


Après simplification, on obtient : P (X) = 12
X X− 11
(forme factorisée).

iii. On a bien sûr : P (xi ) = yi pour i ∈ {1, 2, 3} .

iv. Les polynômes Li (X) sont de degré 2 donc P (X) est de degré au plus 2. De plus :
- si tous les yi sont nuls alors P (X) = 0 est de degré −∞.
- P (X) est de degré 0 dans le premier exemple.
- P (X) sera de degré 1 dans le cas (x0 , x1 , x2 ) = (y0 , y1 , y2 ) = (1, 2, 3).
- P (X) est de degré 2 dans le second exemple.
Conclusion : deg(P (X)) ∈ {−∞, 0, 1, 2} .
416 CHAPITRE 29. DIMENSION D’UN K-ESPACE VECTORIEL

(c) i. On a :
∀i ∈ J0, nK, deg(Li (X)) = n
donc, par combinaison linéaire, on obtient : P (X) ∈ Cn [X] .
ii. Soit i ∈ J0, nK. Alors : Li (xi ) = 1. De plus, si k ∈ J0, nK − {i} alors Li (xk ) = 0.
Conclusion : ∀i ∈ J0, nK, P (xi ) = yi .
iii. Soit Q(X) ∈ Cn [X] un autre polynôme tel que Q(xi ) = yi . Alors :

∀i ∈ J0, nK, (Q − P )(xi ) = Q(xi ) − P (Xi ) = 0

Ainsi, Q − P est un polynôme de degré au plus n admettant au moins n + 1 racines deux à

deux distinctes (les xi ). On en déduit que Q − P est le polynôme nul et donc que Q = P .
Conclusion : ∃!Q(X) ∈ Cn [X] / ∀i ∈ J0, nK, Q(xi ) = yi .

2 1 si i = j
(d) i. On a déjà vu ci-dessus que : ∀(i, j) ∈ J0, nK , Li (xj ) = .
0 si i 6= j
ii. On a une famille de n + 1 polynômes dans un espace vectoriel de polynômes de dimension
n + 1. Il Psuffit alors de prouver que la famille est libre. Soit donc (a0 , . . . , an ) ∈ Cn+1
telle que ni=0 ai Li (X) = Θ(X) où Θ(X) désigne le polynôme nul. Alors, en évaluant
cette égalité successivement en x0 , . . . , xn , on obtient a0 = · · · = an = 0 ce qui prouve
l’indépendance linéaire.
Conclusion : (L0 (X), . . . , Ln (X)) est une base de Cn [X] .
iii. Soit Q(X) ∈ Cn [X]. D’après (c)iii, on a ainsi :

Q(X) = Q(x0 )L0 (X) + · · · + Q(xn )Ln (X)

iv. On pose :

F = Vect(L0 (X), L1 (X)) et G = Vect(L2 (X), . . . , Ln (X))

Par concaténation des bases (les vecteurs sont libres bien sûr) de F et G, on a une base
de Cn [X] donc Cn [X] = F ⊕ G. De plus, tout polynôme Q(X) s’écrit [Q(x0 )L0 (X) +
Q(x1 )L1 (X)] + [Q(x2 )L2 (X) + · · · + Q(xn )Ln (X)] ∈ F + G donc Q(x0 )L0 (X) +
Q(x1 )L1 (X) est la projection de Q(X) sur F dans la direction de G.
Conclusion : u est un projecteur de Cn [X] . De plus :

Ker(u) = G = Vect(L2 (X), . . . , Ln (X)) et Im(u) = F = Vect(L0 (X), L1 (X))

Ainsi : dim(Ker(u)) = n − 2 et dim(Im(u)) = 2 .

Chapitre 30

Séries numériques

Dans ce chapitre, on s’intéresse à la somme de tous les termes d’une suite réelle. Par ailleurs, p désigne
un entier naturel et (un )n≥p est une suite de réels.

30.1 Généralités sur les séries

30.1.1 Définitions et premières propriétés
Définitions
P
– On appelle série de terme général un , notée un , la suite (Sn )n≥p définie par :
n
X
∀n ≥ p, Sn = un
k=p

– Pour tout entier n ≥ p, le réel Sn est appelé somme partielle de rang n de la série.

Exemples
P 1
Pn 1


1. La série n+1
est la suite k=0 k+1 n∈N .
sin(n) Pn sin(k)
est la suite définie par : ∀n ∈ N∗ , Sn =
P
2. La série n∈N∗ n k=1 k
.
P 
P 1 n 1
3. La série n≥2 n(n−1)
est la suite k=2 k(k−1) .
n≥2

Définitions
P
– La série un est dite convergente si et seulement si la suite des sommes partielles converge. Dans
ce cas, on appelle somme de la série la limite obtenue et on la note :
+∞
X n
X
un = lim uk
n→+∞
n=p k=p

– La série est dite divergente si et seulement si elle ne converge pas.

– Déterminer la nature d’une série, c’est établir si la série est convergente (sans nécessairement calculer
sa somme) ou bien divergente.

Exemples
1 n
P

1. Montrer que la série n≥0 2
converge et calculer sa somme.
1 1
− n1 , montrer que la série n≥2 1
P
2. En remarquant que =n(n−1) n−1 n(n−1)
converge et calculer sa
somme.
P1
3. Montrer que la série n
diverge.

417
418 CHAPITRE 30. SÉRIES NUMÉRIQUES

Proposition
P
– Si un converge alors la suite (un ) converge vers 0.
– ATTENTION : La réciproque est fausse (cf. exemple précédent).

Preuve
s

Proposition
X
Soit q un entier naturel strictement supérieur à p. Alors, la série un converge si et seulement si la
n≥p
X
série un converge. En cas de convergence, on a alors :
n≥q

+∞ q−1 +∞
X X X
un = un + un
n=p n=p n=q

Preuve
s

Proposition
La suite (un )n≥p converge si et seulement si la série de terme général un+1 − un converge.

Preuve
s

30.1.2 Opérations sur les séries

Propositions
X X
Soit un et vn deux séries et λ un réel.
n≥p
P n≥p P
– Si un converge alors la série (λun ) converge et on a :
+∞
X +∞
X
(λun ) = λ un
n=p n=P
P P P
– Si un et vn convergent alors (un + vn ) converge et on a :
+∞
X +∞
X +∞
X
(un + vn ) = un + vn
n=p n=p n=p

P P P
– Si P un converge
P et si vn diverge alors (un + vn ) diverge. P
– Si un et vn divergent alors on ne peut rien dire quant à la nature de (un + vn ).

Preuves
s
30.2. SÉRIES À TERMES TOUS POSITIFS 419

30.2 Séries à termes tous positifs

30.2.1 Généralités
Propositions
P
On suppose que la suite (un ) est à termes positifs. La série un converge si et seulement si la suite des
sommes partielles est majorée.

Preuve
s

Propositions
Soit (un )n≥p et (vn )n≥p sont deux suites réelles à termes tous positifs.
– On suppose que un ≤ vn à partir d’un certain rang, ce qui est (en particulier) le cas lorsque un =
o(vn ).
POn a : P
– si P un diverge alors Pvn diverge aussi,
– si vn converge alors un converge P aussi.
P
– On suppose que un ∼ vn . Alors un et vn sont de même nature (l’une converge si et seulement
si l’autre converge aussi mais les sommes ne sont pas équivalentes i.e. égales).

Preuves
s

Exemples
(a) En remarquant que n12 ∼ n(n−1)
1 1
P
1. , montrer que la série n≥1 n2 converge.
P 1
(b) En déduire que nα
converge pour tout α ≥ 2.
P
2. Montrer
P que si (un ) et (vn ) sont deux suites équivalentes de réels tous négatifs alors les séries un
et vn sont de même nature.

30.2.2 Les séries de Riemann

Définition
X 1
Soit α un réel. La série est appelée série de Riemann.
n≥1
nα

Proposition
Les séries de Riemann convergent si et seulement si α > 1.

Preuve
s

Exemple
2−3n
P
Déterminer la nature de la série (n2 +1)(5n+3)
.
420 CHAPITRE 30. SÉRIES NUMÉRIQUES

30.3 Séries à termes de signe non constant

30.3.1 Convergence absolue et semi convergence
Définitions
P
– La série un est dite absolument convergente (ou bien qu’elle converge
P absolument ou bien que
la convergence
P de la série est absolue) si et seulement si la série P|un | converge. P
– La série un est dite semi-convergente si et seulement si la série un converge et la série |un |
diverge.

Exemples
P sin(n)
1. Montrer que la série n≥2 n(n−1) converge absolument.
2. En utilisant les nsuites extraites des rangs pairs et impairs de la suite des partielles, démontrer que la
série n≥1 (−1)
P
n
est semi-convergente.

Remarque
P
Toute série un convergente est la différence de deux séries convergentes à termes positifs. Il suffit,
par exemple, de poser :

|un | + un |un | − un
un = max(un , 0) − max(−un , 0) ou bien un = −
2 2

Proposition
P
– Si la série un converge absolument alors elle converge.
– ATTENTION : La réciproque est fausse (cf. exemple précédent).

Preuve
s

Remarque
Pour une série à termes positifs, la convergence est équivalente à la convergence absolue. En particulier,
toute série de Riemann convergente est absolument convergente.

Proposition
P P
Si la série un converge absolument et si ϕ : N → N est une bijection alors la série uϕ(n) converge
absolument et les deux sommes sont égales (la somme ne varie pas lorsqu’on change l’ordre des termes).

Preuve
s

30.3.2 Les séries géométriques et leurs séries dérivées

Définitions
Soit x un réel.
– La série P xn est appelée série géométrique.
P
– La série (n + 1)xn est appelée série dérivée de la série géométrique xn .
P
30.3. SÉRIES À TERMES DE SIGNE NON CONSTANT 421

(n + 1)(n + 2) . . . (n + k)xn est appelée série dérivée

P
– Pour tout entier naturel k nonPnul, la série
k ème de la série géométrique xn .

Propositions

Les séries géométriques et toutes ses séries dérivées convergent si et seulement si |x| < 1, la conver-
gence est absolue et on a :
+∞ +∞
X
n1 X 1
x = et (n + 1)xn =
n=0
1−x n=0
(1 − x)2

+∞
X k!
∀k ∈ N∗ , (n + 1)(n + 2) . . . (n + k)xn =
n=0
(1 − x)k+1

Preuves

Exemples

nxn converge-elle ? La convergence est-elle absolue ?

P
1. (a) Pour quelles valeurs du réel x la séries
(b) Préciser la somme.
n2 xn .
P
2. Mêmes questions avec la série

Proposition

Pour tout entier naturel k et pour tout réel x ∈] − 1, 1[, on a :

+∞   +∞  
X n n−k
X n+k 1
x = xn =
k k (1 − x)k+1
n=k n=0

Preuve

30.3.3 Les séries exponentielles

Définition
X xn
Soit x un réel. La série est appelée série exponentielle.
n≥0
n!

Proposition
P xn
Pour tout réel x, la série exponentielle n!
converge, la convergence est absolue et sa somme vaut ex .

Preuve

s
422 CHAPITRE 30. SÉRIES NUMÉRIQUES

30.4 Exercices
1. Nature de la série de terme général :
   
1 1 π 1 π
an = p bn = sin2 √ cn = sin √
n(n + 3) n n n n
 
2   π 
dn = tan en = ln cos fn = ne−n
n2 n
2. Nature et somme (éventuelle) de :

(n + 1)2
 
X 1 X
et ln
n≥1
n(n + 2) n≥0
n(n + 2)

3. Soit (an )n∈R

P une suite décroissante de limite nulle. On note (Sn )n∈N la suite des sommes partielles
n
de la série (−1) an .
(a) Démontrer que les suites (S2n ) et (S2n+1 ) sont adjacentes.
(b) i. En déduire la nature de (−1)n an .
P
Remarque : Une telle série est appelée série alternée.
P (−1)n
ii. Justifier que la série n
est semi convergente.
Remarque : Cette série est appelée la série régulièrement alternée.
+∞
X
(c) Démontrer que : ∀n ∈ N, an ≥ (−1)k ak .
k=n+1

4. Convergence et somme des séries :

n
!
X k X k 2 xk X1 3 X 2
(x ∈ R) −
k≥1
3k−1 k≥1
k! n≥1
n 2 k=1 k(k + 2)
P
5. Soit un une série convergente à termes strictement positifs.
(a) Déterminer la nature des séries :
X  un+1  X X
ln eun ln(1 + un )
un

(b) i. Montrer que : ∃n0 ∈ N / ∀n ≥ n0 , 0 ≤ u2n ≤ un .

ii. En déduire la nature de la série u2n .
P

+∞
X x2n+1
6. À l’aide d’une formule de Taylor, démontrer que : ∀x ∈ R, (−1)n = sin(x).
n=0
(2n + 1)!
P
7. Soit (un ) et P
(vn ) deux suites réelles telles que vn converge absolument et un = o(vn ). Démontrer
que la série un converge absolument.
P an
8. Soit (an ) une suite convergente. Démontrer que la série n!
converge absolument.
P xn
9. On considère la série n
où x est un réel. L’objectif de cet exercice est d’établir la nature de la
série en fonction du réel x.
(a) Justifier que la série diverge lorsque |x| > 1.
(b) Justifier la nature de la série lorsque x = 1.
(c) Justifier que la série converge absolument lorsque |x| < 1.
30.4. EXERCICES 423

(d) On suppose que x ∈ [0, 1[. On pose :

n
X tk
∀n ∈ N∗ , ∀t ∈ [0, x], Sn (t) =
k=1
k
n
i. Montrer que : ∀n ∈ N∗ , ∀t ∈ [0, x], Sn0 (t) − 1−t
1 x
≤ 1−x .
ii. En déduire une majoration de |Sn (x) + ln(1 − x)| pour tout entier n ≥ 1.
iii. Déterminer alors la somme de la série.
(e) En raisonnant comme à la question (d), déterminer la somme de la série pour x ∈] − 1, 0].
(f) Démontrer que la série est semi-convergente pour x = −1 et que l’expression de la somme
obtenue à la question précédente est encore valable dans ce cas.
(g) Écrire un programme Turbo Pascal qui saisit entier n et un réel x puis qui calcule et affiche la
somme partielle de rang n de cette série.
10. Soit (un )n≥0 et (vn )n≥0 deux suites réelles à termes positifs qui sont équivalentes.
P
(a) On suppose, dans cette question, que la série vn converge.
i. Justifier que les suites (dites série des restes) de terme général :
+∞
X +∞
X
Un = uk et Vn = vk
k=n+1 k=n+1

sont bien définies et convergent vers 0.

ii. Montrer que : Un ∼ Vn .
n→+∞
n
X Xn
iii. A-t-on uk ∼ vk ?
n→+∞
k=0 k=0
P
(b) On suppose que maintenant que la série vn est divergente. Démontrer que la suite des sommes
partielles de rang n sont équivalentes.
11. Soit (un )n≥0 et (vn )n≥0 deux suites réelles à termes positifs. Pour tout entier naturel n, on pose :
n
X
wn = uk vn−k
k=0

(a) Démontrer que : ! !

n
X n
X n
X 2n
X
∀n ∈ N, wk ≤ uk vk ≤ wk
k=0 k=0 k=0 k=0
P P
(b) i. En déduire quePsi les séries un et vn convergent et ont pour somme respective U et V
alors la série wn converge
P et préciser alors sa somme W en P de U et de V .
fonction P
Remarque : La série wn est appelée série produit des séries un et vn .
ii. La réciproque est-elle vraie ?
(c) Soit x un réel positif. Montrer les séries P un xn et vn xn convergent (de somme respective
P P
U (x) et V (x)) si et seulement si la série wn xn converge (de somme W (x)) et que W (x) =
U (x)V (x) en cas de convergence.
Remarque : Constater l’analogie avec le produit des polynômes.
12. Règle de d’Alembert.
Soit (un )n≥0 une suite de réels strictement positifs et tels que :
un+1
lim = a ∈ R̄
n→+∞ un
424 CHAPITRE 30. SÉRIES NUMÉRIQUES
P
(a) On suppose que a < 1. Montrer que la série un converge.
P
(b) On suppose que a > 1 (y compris +∞). Montrer que la série un diverge.
1 1
(c) En considérant les suites un = n
puis un = n2
, peut-on conclure dans le cas où a = 1 ?
(d) On suppose maintenant qu’il existe un réel b et une suite (vn )n≥1 bornée tels que :
un+1 b vn
∀n ∈ N∗ , =1− + 2
un n n
On pose aussi : ∀n ∈ N∗ , tn = nb un .
i. Montrer que la série ln tn+1
P
tn
est convergente.
ii. En déduire qu’il existe un réel A > 0 tel que un ∼ Ab .
n→+∞ n
P
iii. Pour quelles valeurs du réel b est-on sûr que la série un convergente ?
 α
iv. Application : Nature de la série de terme général 1×3×5×···×(2n−1)
2×4×6×···×(2n)
en fonction du réel
α ≥ 0.
13. Comparaison série/intégrale : cas des sommes de Riemann.
Soit s ∈]0, +∞[. Pour tout entier naturel n non nul, on pose :
n +∞
X 1 X 1
Sn = et (sous réserve d’existence) Rn =
k=1
ks k=n+1
ks

(a) Pour tout entier naturel k non nul, montrer que :

Z k+1
1 dt 1
s
≤ s
≤ s
(k + 1) k t k

(b) Soit (m, n) un couple d’entiers naturels tel que : 2 ≤ m ≤ n. Montrer que :
Z n+1 n Z n
dt X 1 dt
s
≤ s
≤ s
m t k=m
k m−1 t

(c) En déduire que :

n1−s 1
P
i. si s < 1 alors Sn ∼ et préciser alors la nature de la série ns
,
n→+∞ 1−s
1
P
ii. si s = 1 alors Sn ∼ ln(n) et préciser alors la nature de la série ns
,
n→+∞
1 1
P
iii. si s > 1 alors Rn ∼ s−1 et préciser alors la nature de la série ns
.
n→+∞ (s−1)n

14. Fonction ζ (zéta) de Riemann.

+∞
X 1
Pour tout réel x > 1, on pose : ζ(x) = x
.
n=1
n

(a) Justifier que cela définit bien une fonction ζ sur ]1, +∞[.
(b) Montrer que ζ est décroissante sur ]1, +∞[.
(c) Démontrer que lim+ ζ(x) = +∞.
x→1
Indication : On pourra considérer la somme partielle de rang k, pour un x donné, puis faire
tendre k vers +∞.
(d) Montrer que :
Z n+1 n Z n
∗ dt X 1 dt
∀n ∈ N , ∀x ∈]1, +∞[, ≤ ≤1+
1 tx k=1
kx 1 tx
30.5. SOLUTIONS DES EXERCICES 425

(e) En déduire :
i. un encadrement de ζ(x),
ii. la limite de (x − 1)ζ(x) lorsque x tend vers 1.
(f) Démontrer que ζ est continue sur ]1, +∞[.
1 1
Indication : On pourra majorer x0 +h − x0 par le terme général d’une série convergente.
n n
+∞
X 1
15. Calcul de ζ(2) = 2
.
n=1
n
(a) Montrer que :
π
t2
Z  
∗ 1
∀n ∈ N , − t cos(nt)dt = 2
0 2π n
(b) Montrer que :
N    
∗
X 1 t
∀N ∈ N , ∀t ∈]0, π[, cos(nt) = sin(N t) cos + cos(N t) − 1
n=1
2 2

(c) Soit ϕ une fonction définie et de classe C 1 sur [0, π]. Montrer que :
Z π Z π
lim ϕ(t) sin(N t)dt = lim ϕ(t) cos(N t)dt = 0
N →+∞ 0 N →+∞ 0

+∞
X 1 π2
(d) En déduire que : ζ(2) = = .
n=1
n2 6
(e) Justifier alors que les séries suivantes convergent et préciser leurs sommes :
+∞ +∞
X 1 X 1
et
n=1
(2n)2 n=1
(2n − 1)2

30.5 Solutions des exercices

1. s
2. s
3. s
4. s
5. s
6. s
7. s
8. Notons L la limite de la suite (an ).
Si L 6= 0 alors an!n ∼ |L| . Les deux suites mises en évidence ici sont à termes positifs. Comme la
n→+∞ n!
P |L| P an
série n! P
est une série exponentielle donc convergente alors la série n!
converge ce qui prouve
an
que la série n!
converge absolument.
Si L = 0 alors an!n = o 1


. Les deux suites mises en évidence ici sont à termes positifs.
n→+∞ n!
P 1 P an
Comme la série est une série exponentielle donc convergente alors la série
n! P n!
converge ce
an
qui prouve que la série n!
converge absolument.
X an
Conclusion : La série est absolument convergente .
n!
426 CHAPITRE 30. SÉRIES NUMÉRIQUES

xn


9. (a) Comme |x| > 1, alors n = o (xn ) et donc la suite n n≥1
ne converge pas vers 0.
n→+∞
X xn
Conclusion : Si |x| > 1 alors la série diverge .
n
(b) Dans le cas où x = 1, on a affaire à une série de Riemann divergente.
X xn
Conclusion : Si x = 1 alors la série diverge .
n
n
(c) Supposons que |x| < 1. Pour tout entier n ≥ 1, on a : 0 ≤Pxn ≤ |x|n . Comme la série |x|n
P
xn
est alors une série géométrique convergente alors la série n
converge.
Xx n
Conclusion : Si |x| < 1 alors la série converge absolument .
n
(d) On suppose que x ∈] − 1, 0].
i. Soit n ∈ N∗ . La fonction Sn est polynomiale donc dérivable sur [0, x] et, pour tout réel
t ∈ [0, x], on a :
n n−1
1 X 1 X 1 1 − tn 1 tn
Sn0 (t) − = tk−1 − = tk − = − =
1−t k=1
1−t k=0
1−t 1−t 1−t 1−t

Or, pour tout t ∈ [0, x], on a aussi :

tn ≤ xn et 1−t≥1−x>0

1 xn
Conclusion : ∀n ∈ N∗ , ∀t ∈ [0, x], Sn0 (t) − ≤ .
1−t 1−x
ii. Soit n ∈ N∗ . On peut alors appliquer le théorème d’inégalité des accroissements finis à la
fonction t 7→ Sn (t) + ln(1 − t) qui est ce classe C 1 sur [0, x] et on obtient :
xn xn+1
|Sn (x) + ln(1 − x) − Sn (0) − ln(1 − 0)| ≤ |x − 0| =
1−x 1−x

xn+1
Conclusion : ∀n ∈ N∗ , |Sn (x) + ln(1 − x)| ≤ .
1−x
iii. Comme |x| < 1, on en déduit alors que :
lim |Sn (x) + ln(1 − x)| = 0 donc lim Sn = − ln(1 − x)
n→+∞ n→+∞

+∞ n
X x
Conclusion : ∀x ∈ [0, 1[, = − ln(1 − x) .
n=1
n

(e) On suppose que x ∈] − 1, 0]. Soit n ∈ N∗ et t ∈ [x, 0]. Alors :

1 tn |t|n
Sn0 (t) − ≤ = ≤ |x|n
1−t 1−t 1−t
On en déduit (inégalité des accroissements finis) que :
∀n ∈ N∗ , |Sn (x) + ln(1 − x)| ≤ |x|n+1
donc que :
lim Sn = − ln(1 − x)
n→+∞

+∞ n
X x
Conclusion : ∀x ∈] − 1, 0], = − ln(1 − x) .
n=1
n
30.5. SOLUTIONS DES EXERCICES 427

(f) On suppose que x = −1. La convergence de la série (si elle est avérée) ne peut être absolue
puisque l’on se retrouve alors dans la situation de la question (b). Écrivons l’inégalité de Taylor-
Lagrange à l’ordre n ≥ 1 en 0 à la fonction f : t 7→ − ln(1 − t) qui est de classe C ∞ sur
] − ∞, 1[ :
n
X (−t)k |0 − (−1)|n+1
∀t ∈ [−1, 0], f (t) + (−1)k+1 ≤ sup f (n+1)
k=1
k [−1,0] (n + 1)!

Par récurrence, on obtient :

(n − 1)!
∀n ≥ 1, ∀t ∈] − ∞, 1[, f (n) (t) =
(1 − t)n

donc :
∀n ≥ 1, sup f (n+1) = n!
[−1,0]

ce qui prouve que :

n
X tk 1
∀n ≥ 1, ∀t ∈ [−1, 0], f (t) − ≤
k=1
k n+1

Ainsi, on en déduit que :

n
X tk
∀t ∈ [−1, 0], lim = f (t)
n→+∞
k=1
k
On applique ce résultat en t = −1.
X (−1)n +∞
X (−1)n
Conclusion : est semi convergente et = − ln(2) .
n n=1
n

(g) PROGRAM serie ;

VAR k,n : integer ; S,u,x : real ;
BEGIN
write(’Donner n : ’) ; readln(n) ;
write(’Donner x : ’) ; readln(x) ;
u := 1 ; S := 0 ;
FOR k := 1 TO n DO BEGIN u := u*x ; S := S+u/k END ;
write(’Somme : ’,S) ; readln ;
END.
P
10. (a) Comme la sérieP vn converge et comme les deux suites sont à termes positifs et équivalentes
alors la série un converge aussi.

i. Soit n ∈ N. De Pla convergenceP des deux séries précédentes, on déduit alors la convergence
des deux séries k≥n+1 uk et k≥n+1 vk ce qui assure l’existence des réels Un et Vn .
De plus, pour tout entier naturel n, on a :
+∞
X n
X
uk = u k + Un
k=0 k=0

d’où, par passage à la limite :

+∞
X n
X
uk = lim uk + lim Un
n→+∞ n→+∞
k=0 k=0
428 CHAPITRE 30. SÉRIES NUMÉRIQUES

donc :
+∞
X +∞
X
lim Un = uk − uk = 0
n→+∞
k=0 k=0

et de même pour la suite (Vn ).

Conclusion : Les suites (Un )n≥0 , (Vn )n≥0 sont bien définies et convergent vers 0 .
ii. Écrivons l’équivalence des deux suites (un ) et (vn ) : il existe une suite (αn ) qui converge
vers 1 et un entier naturel n0 tels que

∀n ≥ n0 , un = αn vn

Soit ε ∈]0, 1[. La convergence vers 1 de la suite (αn ) s’écrit :

∃n1 ≥ n0 / ∀n ≥ n1 , 0 < 1 − ε ≤ αn ≤ 1 + ε

Ainsi, en multipliant par un , on obtient :

∀n ≥ n1 ≥ n0 , (1 − ε)vn ≤ un ≤ (1 + ε)vn

Alors, pour tous les entiers n et N tels que n1 ≤ n < N , on a :

N
X N
X N
X
(1 − ε)vn ≤ un ≤ (1 + ε)vn
k=n+1 k=n+1 k=n+1

N
X N
X N
X
(1 − ε) vn ≤ un ≤ (1 + ε) vn
k=n+1 k=n+1 k=n+1

Par passage à la limite lorsque N tend vers l’infini (car les séries convergent), on obtient :

∀n ≥ n1 , (1 − ε)Vn ≤ Un ≤ (1 + ε)Vn

Si (un ) est nulle à partir d’un certain rang alors (vn ) aussi (suites équivalentes) et donc les
suites (Un ) et (Vn ) itou, d’où leur équivalence.
Si (un ) n’est pas nulle à partir d’un certain rang alors (vn ) aussi (suites équivalentes) et
donc les suites (Un ) et (Vn ) sont strictement positives. Ainsi :
Un
∀n ≥ n1 , 1 − ε ≤ ≤1+ε
Vn
On vient alors d’établir que :

Un
∀ε ∈]0, 1[, ∃n1 ∈ N / ∀n ≥ n1 , −1 ≤ε
Vn

Conclusion : Un ∼ Vn .
n→+∞

iii. L’équivalence des sommes partielles est fausse puisque cela revient à dire que
P les1 deux
séries ont la même somme ce qui est faux, comme le prouvent les deux séries n(n+1)
et
P 1
n(n+2)
déjà rencontrées (cours et exercice).
Conclusion : Les suites des sommes partielles ne sont pas équivalentes .
P P
(b) On suppose que maintenant que la série vn est divergente. Alors, la série un est aussi
divergente. Avec les notations de la question (c)ii, on a :

∀n ≥ n0 , un = αn vn et ∀n ≥ n1 ≥ n0 , (1 − ε)vn ≤ un ≤ (1 + ε)vn
30.5. SOLUTIONS DES EXERCICES 429
P P
Les séries n≥n0 +1 un et n≥n0 +1 vn sont elles-aussi divergentes (et donc non nulles) et on a :
n
X n
X
vn ∼ vn
n→+∞
k=n0 +1 k=0

De plus, pour tout entier n ≥ n0 , on a :

n
X n
X n
X
(1 − ε) vn ≤ un ≤ (1 + ε) vn
k=n0 +1 k=n0 +1 k=n0 +1

On en déduit, pour tout entier n > n0 , que :

Pn0 Pn Pn Pn0 Pn
k=0 uk k=n0 +1 vk k=0 uk k=0 uk k=n0 +1 vk
Pn + (1 − ε) Pn ≤ Pn ≤ Pn + (1 + ε) P n
k=0 vk k=0 vk k=0 vk k=0 vk k=0 vk

Pn n
X n
X
uk
ce qui prouve que Pk=0
n → 1. Conclusion : uk ∼ vk .
k=0 vk n→+∞
k=0 k=0

11. s
12. (a) On suppose que a < 1. Soit ε >∈]0, 1 − a[. Écrivons la définition de la limite ;
un+1
∃n0 ∈ N / ∀n ≥ n0 , a − ε ≤ ≤a+ε<1
un
Une récurrence immédiate assure que :

∀n ≥ n0 , 0 < un ≤ (a + ε)n−n0 u0

(a + ε)n converge. Les deux séries étant à termes

P
Comme 0 < a + ε < 1 alors la série
P X
positifs, on en déduit que la série n≥n0 un converge et donc que : La série un converge .

(b) On suppose que a > 1 et que a est réel. Soit ε ∈]0, a − 1[. Alors :
un+1
∃n0 ∈ N / ∀n ≥ n0 , 1 < a − ε ≤ ≤a+ε
un
Une récurrence puis un raisonnement du même type qu’à la question précédente prouvent que
n
P P
les séries (a − ε) et n≥n0 un divergent.
On suppose que a = +∞. Soit M > 1. Alors :
un+1
∃n0 ∈ N / ∀n ≥ n0 , 1 < M ≤
un

On en déduit que les séries M n et n≥n0 un divergent.

P P
X
Conclusion : La série un diverge .
P1 P 1
(c) On sait que les séries de Riemann n
et n2
sont respectivement divergente et convergente.
De plus :
1 1
n+1 n (n+1)2 n2
lim = lim =1 et lim = lim =1
n→+∞ 1 n→+∞ n + 1 n→+∞ 1 n→+∞ (n + 1)2
n n2

X
Conclusion : On ne peut conclure quant à la nature de un dans le cas où a = 1 .
430 CHAPITRE 30. SÉRIES NUMÉRIQUES

(d) i. Pour tout entier naturel n non nul, on a :

         
tn+1 n+1 un+1 1 b vn
ln = b ln + ln = b ln 1 + + ln 1 − + 2
tn n un n n n
  "   2 #
1 1 1 b vn 1 b 1
= b − + ε(n) + − + 2 − + 2 ε(n)
n 2n2 n2 n n 2 n n
−b + 2vn − b2 1
= 2
+ 2 ε(n)
2n n
 
tn+1 1


Comme la suite (vn ) est bornée, alors, on a ln = tn
o n3/2
et comme la série
  n→+∞

ln tn+1
P 1 P
n3/2
converge alors la série tn
converge.
 
X tn+1
Conclusion : La série ln converge .
tn
ii. Notons S la somme de la série précédente. On a donc :
n−1   n−1
X tk+1 X
S = lim ln = lim [ln (tk+1 ) − ln (tk )]
n→+∞
k=1
tk n→+∞
k=1
= lim [ln(tn ) − ln(t1 )] = lim ln(nb un ) − ln(t1 )
n→+∞ n→+∞

Posons : A = exp(S + ln(t1 )). Alors, le réel A est strictement positif et on a :

lim ln(nb un ) = ln(A) donc lim (nb un ) = A
n→+∞ n→+∞

Comme A n’est pas nul, on a :

n b un ∼ A
n→+∞

A
Conclusion : un ∼ .
n→+∞ nb
X
iii. D’après le cours sur les séries de Riemann, la série un converge pour b > 1 .
 α
iv. Posons : ∀n ∈ N∗ , un = 1×3×5×···×(2n−1)
2×4×6×···×(2n)
. Alors, pour tout entier n ≥ 1, on a :
 α  1 α
un+1 2n + 1 1 + 2n
= =
un 2n + 2 1 + n1
1
Or, comme n
→ 0, on a :
1   
1 + 2n 1 1 1 1 1 1 1
1 = 1+ 1 − + 2 + 2 ε(n) = 1 − + 2 + 2 ε(n)
1+ n 2n n n n 2n 2n n
1 1 1
Comme − 2n + 2n2
+ n2
ε(n) → 0, on a :
 α
un+1 1 1 1
= 1− + + ε(n)
un 2n 2n2 n2
   2
1 1 α(α − 1) 1 1
= 1+α − + 2 + − + 2 ε(n)
2n 2n 2 2n n
α/2 α(α − 1)/8 + α/2 1
= 1− + 2
+ 2 ε(n)
n n n
Nous sommes alors dans les conditions initiales de cette question (d), à savoir réel positif
et suite bornée. La série est donc convergente lorsque α2 > 1.
Conclusion : Si α > 2 alors la série converge .
Chapitre 31

Espaces probabilisés infinis

31.1 Exemple
On lance une pièce de monnaie une infinité de fois. On considère la suite des résultats des lancers
(pile/face). On suppose qu’à chaque lancer la probabilité d’obtenir pile est p ∈]0, 1[ et que, pour tout entier
naturel n non nul, l’obtention d’un pile (ou d’un face) au lancer numéro n est indépendant des résultats des
n − 1 lancers précédents.
1. (a) Quel est l’univers Ω de cette expérience aléatoire ?
(b) Cet univers est-il fini ? dénombrable ? infini non dénombrable ?
2. On admettra que certaines parties de Ω ne sont pas des événements. On note alors A l’ensemble de
tous les événements. Ainsi, on a :
A ( ℘(Ω)
(a) L’ensemble A est-il fini ? dénombrable ? infini non dénombrable ?
(b) Une réunion (infinie) dénombrable d’événements est-elle un événement ? et une intersection
infinie ?
3. (a) Est-on en situation d’équiprobabilité ?
(b) Quelle est la probabilité d’un événement élémentaire ?
(c) Quelle est alors la somme des probabilités des événements élémentaires ?
4. On considère les événements Fk pour k ∈ N∗ : «le k ème lancer donne face». On admet que cette
famille infinie d’événements est mutuellement indépendante dans un sens que l’on précisera plus
tard.
(a) Décrire ces événements.
(b) Calculer la probabilité de ces événements.
+∞
\ +∞
[
(c) Décrire à l’aide d’une phrase les événements E0 = Fk et F = Fk .
k=1 k=1
(d) Calculer la probabilité de ces deux événements. A-t-on pour autant E0 = ∅ ? F = Ω ?
5. On considère les événements :
E0 : « pile n’est jamais obtenu»
Ek (pour k ∈ N∗ ) : «le premier pile est obtenu au k ème lancer».
(a) Décrire à l’aide d’une phrase ces événements.
(b) Forment-ils un système complet ?
(c) Quelle est la probabilité de l’événement Ek pour tout entier k ≥ 1 ?
(d) Retrouver alors la probabilité de l’événement E0 .

431
432 CHAPITRE 31. ESPACES PROBABILISÉS INFINIS

(e) Justifier la proposition : «la famille (Ek )k≥1 est un système presque complet d’événements».

6. On considère les événements Mk (pour k ∈ N) : «face est obtenu au plus k fois».

(a) Décrire ces événements.

(b) Justifier que la suite (Mn )n≥0 est croissante pour l’inclusion.
(c) Calculer P (Mn − Mn−1 ) pour tout entier n ≥ 1.
(d) En déduire P (Mk ) pour tout entier k ≥ 0.
+∞
\
(e) Quel événement représente Mk ? Calculer sa probabilité.
k=0
+∞
[
(f) Quel événement représente Mk ? Calculer sa probabilité.
k=0

7. On considère les événements Gk (pour k ∈ N) : «face est obtenu au moins k fois».

(a) Décrire ces événements.

(b) Justifier que (Gn )n≥0 est une suite décroissante pour l’inclusion.
(c) Calculer P (Gk ) pour tout entier k ≥ 0.
+∞
\
(d) Quel événement représente Gk ? Calculer sa probabilité.
k=0
+∞
[
(e) Quel événement représente Gk ? Calculer sa probabilité.
k=0

31.2 Espaces probabilisés

31.2.1 Introduction
Dans le cas où Ω n’est pas fini, il existe des éléments de ℘(Ω) qui ne correspondent à aucun événement
de l’expérience aléatoire que l’on cherche à modéliser. On ne peut donc pas définir une application proba-
bilité sur ℘(Ω) (que signifierait la probabilité de ce qui n’existe pas ?). Il est alors nécessaire de restreindre
cet ensemble au sous-ensemble constitué des seuls événements de l’expérience aléatoire, afin de pouvoir
effectuer des calculs de probabilités. Ce type de sous-ensemble de ℘(Ω) est un cas particulier de ce que l’on
appelle une tribu de parties de Ω.

31.2.2 Tribu (ou σ-algèbre) de parties d’un ensemble

Définition

On appelle tribu de parties d’un ensemble Ω tout sous-ensemble A de ℘(Ω) tel que :

1. Ω ∈ A
2. ∀A ∈ A, Ā ∈ A
+∞
[
3. pour toute suite (An )n∈N d’éléments de A, An est un élément de A.
n=0
31.2. ESPACES PROBABILISÉS 433

Exemples
1. Montrer que A = {∅, Ω} est une tribu de partie de Ω.
2. Soit A une partie de Ω non vide et différente de Ω. Montrer que A = {∅, A, Ā, Ω} est une tribu de
parties de Ω. On l’appelle tribu engendrée par l’événement A.
3. Montrer que ℘(Ω) est une tribu de parties de Ω.
4. On suppose que Ω est dénombrable. On considère une tribu A de parties de Ω telle que :

∀ω ∈ Ω, {ω} ∈ A

Démontrer que A = ℘(Ω).

Propositions
Soit A une tribu de parties de Ω. Alors :
– ∅∈A
– Pour tout couple (A, B) ∈ A2 , on a :

A∪B ∈A A∩B ∈A A−B ∈A

+∞
\
– Pour toute suite (An )n∈N d’éléments de A, An est un élément de A.
n=0

Preuves
s

Exemple
Déterminer la plus petite tribu de N qui contient les ensembles {0} et {0, 1}.

Proposition
L’ensemble des événements d’une expérience aléatoire est une tribu de parties de Ω.

31.2.3 Espaces probabilisables

Définitions
Soit A une tribu de parties d’un ensemble Ω.
– Le couple (Ω, A) appelé espace probabilisable.
– Les éléments de A sont alors appelés événements.
– Les singletons de A (s’il y en a) sont appelés événements élémentaires.
– Deux événements A et B de A sont dits incompatibles si et seulement si A ∩ B = ∅.
– On appelle événement contraire de l’événement A l’événement Ā.
– Un système complet d’événements est une famille finie ou dénombrable d’éléments de A deux à
deux incompatibles et dont la réunion est égale à Ω.

Remarque
Dans le cas d’un univers Ω fini, alors la tribu des événements est toujours A = ℘(Ω).
434 CHAPITRE 31. ESPACES PROBABILISÉS INFINIS

Définition
Soit I un ensemble (fini ou bien infini dénombrable ou bien infini non dénombrable) et (Ai )i∈I une
famille de parties de Ω. On appelle tribu engendrée par la famille (Ai )i∈I la plus « petite » (au sens de
l’inclusion) tribu contenant chaque élément de la famille (Ai )i∈I .

Exemples
1. Soit A ∈ ℘(Ω) − {∅, Ω}. Déterminer la tribu engendrée par A.
2. Soit A et B deux parties de Ω. Montrer que la tribu engendrée par A et B, notée T (A, B) est :
{∅, A, B, Ā, B̄, A ∪ B, Ā ∪ B, A ∪ B̄, Ā ∪ B̄, A ∩ B, Ā ∩ B, A ∩ B̄, Ā ∩ B̄, A∆B, Ā∆B̄, Ω}
où A∆B = (A − B) ∪ (B − A) est la différence symétrique de A par B.
3. On considère la tribu T de parties de R engendrée par les intervalles ouverts (appelée tribu des
boréliens de R). Montrer que tous les singletons de R sont des éléments de T .

31.2.4 Espaces probabilisés

Définitions
Soit (Ω, A) un espace probabilisable.
– On appelle probabilité sur (Ω, A) toute application P : A → [0, 1] telle que :
– P (Ω) = 1
– (condition de σ-additivité) pour toute famille (An )n∈N d’éléments de A deux à deux incompatibles :
+∞
! +∞
[ X
P An = P (An )
n=0 n=0

– Le triplet (Ω, A, P ) est appelé espace probabilisé.

Remarques
P
– La série P (An ) converge (absolument) car elle est à termes positifs et elle est majorée par 1.
– Lorsque Ω est infini, on ne peut plus définir la probabilité P à l’aide des valeurs prises par les événe-
ments élémentaires (puisqu’ils peuvent être tous de probabilité nulle comme dans l’exemple du §1 ;
on peut aussi considérer aussi la probabilité de lancer une fléchette en un « point » précis d’une cible).

Propositions
Soit (Ω, A, P ) un espace probabilisé. Alors :
– P (∅) = 0
– Pour toute famille finie (Ak )0≤k≤n d’éléments de A deux à deux incompatibles, on a :
n
! n
[ X
P Ak = P (Ak )
k=0 k=0

– En conséquences, pour tout couple (A, B) ∈ A2 , on a :

A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B)
P (Ā) = 1 − P (A)
P (A − B) = P (A) − P (A ∩ B)
A ⊂ B ⇒ P (A) ≤ P (B)
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
31.2. ESPACES PROBABILISÉS 435

– Cette dernière égalité se généralise en la formule de Poincaré (ou du crible) : pour tout entier n ≥ 2
et pour toute famille finie (Ai )1≤i≤n d’événements, on a :
n
! n
" #
[ X X
P Ai = (−1)k+1 P (Ai1 ∩ · · · ∩ Aik )
i=A k=1 1≤i1 <···<ik ≤n

– Cette formule se simplifie dans le cas d’un système complet fini d’événements.

Preuves
s

Théorèmes de limite monotone (admis)

Soit (Ω, A, P ) un espace probabilisé.
– Si (An )n∈N est une suite croissante d’éléments de A alors la suite (P (An ))n∈N converge et :
+∞
!
[
lim P (An ) = P Ak
n→+∞
k=0

– Si (An )n∈N est une suite décroissante d’éléments de A alors la suite (P (An ))n∈N converge et :
+∞
!
\
lim P (An ) = P Ak
n→+∞
k=0

Corollaires
Soit (Ω, A, P ) un espace probabilisé. Soit (An )n∈N une suite d’événements (éléments de A). Alors :
+∞
! n
! +∞
! n
!
[ [ \ \
P Ak = lim P Ak et P Ak = lim P Ak
n→+∞ n→+∞
k=0 k=0 k=0 k=0

Preuves
s

Exemple
On joue une infinité de fois à pile/face avec une pièce dont la probabilité d’apparition de pile est p ∈
]0, 1[. Calculer la probabilité de l’événement F : « on obtient toujours face ».

Définitions
Soit (Ω, A, P ) un espace probabilisé.
– ∅ est appelé événement impossible.
– Ω est appelé événement certain.
– Un événement non vide et de probabilité nulle est dit presque impossible (ou négligeable).
– Un événement différent de l’univers et de probabilité 1 est dit presque certain.
– Une proposition est dite presque sûrement vraie (notation ps) si et seulement si sa probabilité d’être
vraie vaut 1.
– Une famille (An )n∈N d’événements est appelé système presque complet d’événements si et seule-
ment si :
– ces événements sont[ deux à deux incompatibles,
– l’événement Ω − An est presque impossible.
n∈N
436 CHAPITRE 31. ESPACES PROBABILISÉS INFINIS

Exemple

Dans l’exemple précédent, l’événement « obtenir toujours face » est presque impossible et son contraire
est presque certain.

31.3 Conditionnement et indépendance

31.3.1 Définition et théorèmes sur le conditionnement
Définition

Soit (Ω, A, P ) un espace probabilisé. Soit A un événement de probabilité non nulle. Soit B un autre
événement. On appelle probabilité conditionnelle de l’événement B sachant réalisé l’événement A le
réel :
P (A ∩ B)
PA (B) =
P (A)

Proposition

Soit (Ω, A, P ) un espace probabilisé et A un événement de probabilité non nulle. Alors, (Ω, A, PA ) est
un espace probabilisé.

Preuve

Théorèmes fondamentaux

Soit (Ω, A, P ) un espace probabilisé.

– Formule des probabilités composées. Soit (A1 , . . . , An ) une famille d’événements tels que P (A1 ∩
· · · ∩ An−1 ) 6= 0. Alors :

P (A1 ∩ · · · ∩ An ) = P (A1 ) × PA1 (A2 ) × · · · × PA1 ∩···∩An−1 (An )

– Formule des probabilités totales. Soit (An )n∈N un système complet ou presque complet d’événe-
ments. Soit B un événement. Alors :
+∞
X +∞
X
P (B) = P (An ∩ B) = P (An )PAn (B)
n=0 n=0

la seconde somme n’étant valable que si aucun des An n’est presque impossible.
– Formule de Bayes. Soit (An )n∈N un système complet ou presque complet d’événements. Soit B un
événement. On suppose qu’aucun de ces événements n’est de probabilité nulle. Alors :

P (Ak ∩ B) P (Ak ∩ B)
∀k ∈ N, PB (Ak ) = = +∞
P (B) X
P (An ∩ B)
n=0

Preuves

s
31.4. EXERCICES 437

31.3.2 Indépendance
Définitions
Soit (Ω, A, P ) un espace probabilisé.
– Deux événements A et B sont dits indépendants si et seulement si :

P (A ∩ B) = P (A) × P (B)

– Les événements de la famille (An )n∈N sont dits mutuellement indépendants si et seulement si :

∀k ∈ N, ∀0 ≤ i1 < · · · < ik , P (Ai1 ∩ · · · ∩ Aik ) = P (Ai1 ) × · · · × P (Aik )

– Deux sous-tribus A1 et A2 d’éléments de la tribu A sont dites indépendantes si et seulement si :

∀(A1 , A2 ) ∈ A1 × A2 , P (A1 ∩ A2 ) = P (A1 ) × P (A2 )

– On peut généraliser à l’indépendance mutuelle d’une famille dénombrable de tribus.

Propositions
Soit (Ω, A, P ) un espace probabilisé.
– Soit (An )n∈N une famille d’événements mutuellement indépendants. Pour tout entier naturel n, on
pose :
Bn = An ou bien Bn = Ān
Alors, la famille (Bn )n∈N est constituée d’événements mutuellement indépendants.
– Soit (An )n∈N et (Bn )n∈N deux familles d’événements telles que, pour tout couple (i, j) d’entiers
naturels, l’événement Ai est indépendant de l’événement Bj . Alors la tribu engendrée par la famille
(An )n∈N et la tribu engendrée par la famille (Bn )n∈N sont indépendantes.

Preuves
s

31.4 Exercices
1. Écrire à l’aide des opérateurs ∩, ∪, { ainsi qu’à l’aide des événements de la famille (An )n∈N les
événements suivants :
(a) tous les événements An se réalisent,
(b) une infinité des événements An se réalisent,
(c) seul un nombre fini des événements An se réalisent,
(d) une infinité des événements An ne se réalisent pas,
(e) tous les événements An se réalisent à partir d’un certain rang.
2. Soit Ω = {1, 2, 3, 4, 5}. Déterminer la tribu engendrée par :
(a) A = {1, 2, 3} et B = {3, 4, 5}
(b) A = {1, 2} et B = {4, 5}
(c) A = {1, 2}, B = {2, 3, 4} et C = {4, 5}.
3. Soit Ω = N. Déterminer la tribu engendrée par :
(a) A = {0, 1} et B = {2, 3}
438 CHAPITRE 31. ESPACES PROBABILISÉS INFINIS

(b) A = {0, 1} et B = {1, 2, 3}

(c) A = {0, 1, 2}, B = {2, 3, 4} et C = {4, 5, 6}.
4. Soit Ω = R et T la tribu des boréliens (la tribu engendrée par tous les intervalles ouverts de R).
(a) Justifier que tous les intervalles de R sont dans T .
(b) Soit A ∈ T et TA = {B ∩ A|B ∈ T }. Démontrer que TA est une tribu.
5. Soit Ω un ensemble.
(a) Intersection de tribus.
i. Démontrer que l’intersection de deux tribus de parties de Ω est une tribu de parties de Ω.
ii. Démontrer que l’intersection d’une famille quelconque de tribus est une tribu.
(b) Réunion de tribus
i. Démontrer qu’une réunion de deux tribus de parties de Ω est une tribu de parties de Ω.
ii. Démontrer qu’une réunion dénombrable de tribus est une tribu.
6. On considère une infinité de jetons à deux faces (pile/face) notés J1 , J2 , . . . . On les lance successi-
vement. Soit ai la probabilité que le jeton Ji tombe sur le côté pile.
(a) Déterminer la probabilité que la première apparition de pile soit au lancer numéro n.
(b) Déterminer la probabilité que le côté pile n’apparaisse jamais.
(c) Démontrer alors que, pour toute suite (ai )i∈N∗ d’éléments de [0, 1], on a :
+∞ n−1
! +∞
X Y Y
an (1 − ai ) + (1 − an ) = 1
n=1 i=1 n=1

On admettra que le produit infini est la limite du produit partiel des n premiers facteurs lorsque
n tend vers l’infini.
7. Soit (Ω, A, P ) un espace probabilisé et (An )n∈N une suite d’événements mutuellement indépendants.
(a) Démontrer que : !
+∞
[ n
Y
P An = 1 − lim P (Āi
n→+∞
n=0 i=0

(b) On suppose que : ∀n ∈ N, P (An ) 6= 1. Démontrer que :

+∞
!
[ X
X
P An = 1 ⇔ ln P (Ān diverge ⇔ P (An ) diverge
n=0 n≥0 n≥0

S+∞

(c) Dans chacun des cas suivants, calculer P n=0 An :
i. ∀n ∈ N, P (An ) = a où a ∈]0, 1[,
1
ii. ∀n ∈ N, P (An ) = (n+1)2
.
8. On lance deux dés équilibrés jusqu’à ce que la somme des faces visibles soit égale à 5 ou à 7.
(a) i. Soit En l’événement « une somme égale à 5 apparaît au nème lancer des deux dés mais
jamais une somme égale à 5 ou à 7 n’est apparue avant ». Calculer P (En ).
ii. En déduire la probabilité que le jeu s’arrête sur une somme de 5.
(b) Calculer la probabilité que le jeu s’arrête sur une somme de 7.
(c) Calculer la probabilité que le jeu ne s’arrête jamais.
31.4. EXERCICES 439

9. Soit p ∈]0, 1[. Deux adversaires (A et B) jouent au tennis. Ils sont à égalité 7 points à 7 dans le jeu
décisif d’un set. Le joueur A a la probabilité p de gagner chacun des points suivants (et le joueur B
a la probabilité 1 − p). On suppose que le résultat que chacun des points est indépendant des points
précédents. Le joueur gagnant est celui qui mène au score par deux points d’écart pour la première
fois.
(a) i. Justifier que le nombre de points qui restent à jouer est pair.
ii. Quelle est la probabilité que le jeu dure encore 2n points ?
(b) i. Quelle est la probabilité que le joueur A gagne ?
ii. Quelle est la probabilité que le joueur B gagne ?
iii. En déduire la probabilité que le jeu dure indéfiniment.
10. Un jeu entre deux joueurs A et B est divisé en parties indépendantes. À chaque partie, la probabilité
que A perde est 1 − p et la probabilité que B perde est p (où p ∈]0, 21 [∪] 21 , 1[) ; de plus, le perdant
donne 1 euro au gagnant.
(a) Les joueurs A et B possèdent à eux deux une somme totale de N euros (N ≥ 2). Le jeu s’arrête
dès que l’un des joueurs est ruiné. Pour tout entier k ∈ J0, N K, on note ak la probabilité que le
joueur A, ayant initialement une somme de k euros, soit ruiné par la suite.
i. Préciser a0 et aN .
ii. Prouver que : ∀k ∈ J1, N − 1K, ak = pak+1 + (1 − p)ak−1 .
iii. Démontrer que :
 N  k
1−p 1−p
p
− p
∀k ∈ J0, N K, ak =  N
1−p
p
−1

(b) Le joueur B est infiniment riche et le joueur A possède une somme initiale de k euro(s). Dé-
 k
montrer que la probabilité ak que le joueur A se ruine vaut 1 si p < 12 et vaut 1−p
p
si p > 21 .
440 CHAPITRE 31. ESPACES PROBABILISÉS INFINIS
Chapitre 32

Variables aléatoires réelles discrètes

32.1 Variables aléatoires réelles

Définition
Soit (Ω, A) un espace probabilisable. On appelle variable aléatoire réelle toute application X de Ω
dans R telle que :
∀x ∈ R, X −1 (] − ∞, x[) = {ω ∈ Ω|X(ω) < x} ∈ A
Comme dans le cas fini, on note :
– [X < x] cet événement,
– X(Ω) l’ensemble des valeurs prises par la VAR X.

Proposition
Soit (Ω, A) un espace probabilisable, T la tribu des boréliens et X une application de Ω dans R. Alors,
X est une VAR si et seulement si :

∀B ∈ T , X −1 (B) = {ω ∈ Ω|X(ω) ∈ B} ∈ A

En particulier, [a < X < b], [X ≥ a], [X = a], ... sont des événements.

Preuve
Cela découle des propriété de l’image réciproque d’une réunion dénombrable de parties ainsi que de la
définition d’une tribu.

Remarque
On a ainsi trois types de VAR selon la nature de l’ensemble X(Ω) :
– X(Ω) est fini (situation déjà étudiée),
– X(Ω) est « discret » et infini ou même infini dénombrable pour ce qui nous concerne (thème de ce
chapitre),
– X(Ω) est infini non dénombrable (on dit aussi continu) (pour la classe d’ECS2).

32.2 Variables aléatoires discrètes

32.2.1 Ensemble discret
Définition
On dit qu’une partie E de R est un ensemble discret si et seulement si :

441
442 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

– soit E est un ensemble fini,

– soit on peut numéroter ses éléments à l’aide de N, E = {x0 , x1 , . . .}, de sorte que :

x0 < x 1 < . . . et lim xn = +∞

n→+∞

ou bien :
x0 > x 1 > . . . et lim xn = −∞
n→+∞

– soit on peut numéroter ses éléments « à l’aide » de Z, E = {. . . , y2 , y1 , x0 , x1 , . . .}, de sorte que :

· · · < y2 < y1 < x0 < x1 < . . . lim yn = −∞, et lim xn = +∞

n→+∞ n→+∞

Exemples
– Toute partie (finie ou infinie) de N est discrète.
– Toute partie (finie ou infinie) de Z est discrète.

Remarques
– Dans la pratique, tous les ensembles discrets que nous utiliserons seront soit finis soit une partie infini
de N.
– Nous énoncerons alors tous les résultats de ce chapitre dans le cas où l’ensemble X(Ω) est discret de
la forme {x0 , x1 , x2 , . . .} avec :

x0 < x 1 < . . . et lim xn = +∞

n→+∞

32.2.2 Généralités
Définitions
Soit (Ω, A) un espace probabilisable.
– On dit qu’une variable aléatoire réelle X est :
– discrète (VARD) si et seulement si X(Ω) est discret,
– discrète finie (VARDF) si et seulement si X(Ω) est fini,
– discrète infinie (VARDI) si et seulement si X(Ω) est discret et infini.
– Soit X une VARD. On appelle tribu associée à la variable X la tribu, notée AX , engendrée par la
famille d’événements ([X = x])x∈X(Ω) .
– Soit X et Y deux VARD. On appelle tribu associée au couple aléatoire (X, Y ) la tribu A(X,Y )
engendrée par la famille d’événements ([X = x] ∩ [Y = y])(x,y)∈X(Ω)×Y (Ω) .

Exemples
On lance un dé non truqué une infinité de fois. On appelle X (resp. Y ) l’application qui, à une éventua-
lité, fait correspondre le rang d’apparition du premier 6 (resp. deuxième) s’il y en a un et 0 s’il n’apparaît
jamais. Préciser X(Ω) (resp. Y (Ω)).

Propositions
Soit (Ω, A) un espace probabilisable. Soit X et Y deux VARD et λ un réel.
– Les applications X + Y , λX, XY , inf(X, Y ), sup(X, Y ) sont des VARD.
– La famille ([X = x])x∈X(Ω) est un système complet d’événements.
– La tribu associée à X est : AX = {[X ∈ A]|A ⊂ X(Ω)}.
– La famille ([X = x] ∩ [Y = y])(x,y)∈X(Ω)×Y (Ω) est un système complet d’événements.
– Les tribus associées à X et à Y sont incluses dans la tribu associée à (X, Y ).
32.3. LOI D’UNE VARIABLE ALÉATOIRE DISCRÈTE INFINIE 443

Preuves
s

32.3 Loi d’une variable aléatoire discrète infinie

32.3.1 Généralités
Définition
Soit (Ω, A, P ) un espace probabilisé. Soit X une VARDI. On appelle loi de probabilité de X l’ensemble
des couples :
{(x, P ([X = x]))| x ∈ X(Ω)}

Propositions
Soit (Ω, A, P ) un espace probabilisé. P
– Soit X une VARDI. Alors, la série n≥0 P ([X = xn ]) converge (absolument) et sa somme vaut 1.
De plus, on peut « éliminer » du système complet ([X = xn ])n≥0 les événements négligeables et
donc éliminer de X(Ω) les xn correspondants. La famille d’événements qui reste est alors un sys-
tème presque complet et on considère que l’application « X » ainsi obtenue est encore une variable
aléatoire.
– Soit (yn )n≥0 une suite de réels deuxPà deux distincts et de limite +∞. Soit (pn )n≥0 une suite de réels
positifs (ou nuls) telle que la série n≥0 pn converge (absolument) et sa somme vaut 1. Alors, il existe
une VARDI Y telle que :
∀n ∈ N, P ([Y = yn ]) = pn

Preuves
s

Exemples
1. On lance une infinité de fois une pièce pour laquelle pile a pour probabilité d’apparition p ∈]0, 1[. On
suppose, bien sûr, que les lancers sont mutuellement indépendants. On note X le rang d’apparition
du premier pile. Vérifier que X est bien une VARDI et déterminer sa loi.
λn
2. Soit λ ∈ R∗+ . Déterminer a ∈ R tel que les réels pn = a pour tout n ∈ N soient les probabilités
n!
associées à une VARDI.
1
3. Montrer que les réels pn = pour tout n ∈ N∗ sont les probabilités associées à une VARDI.
n(n + 1)

32.3.2 Couple de variables aléatoires discrètes

Définitions
Soit (X, Y ) un couple de VARDI sur (Ω, A, P ).
– La loi conjointe du couple (X, Y ) est l’ensemble des triplets :

{(x, y, P ([X = x] ∩ [Y = y]))| (x, y) ∈ X(Ω) × Y (Ω)}

– Les lois marginales du couples sont les lois de X et de Y .

– Pour tout réel x ∈ X(Ω), on appelle loi conditionnelle de Y sachant réalisé l’événement [X = x]
l’ensemble : 

y, P[X=x] ([Y = y]) y ∈ Y (Ω)
444 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

– Pour tout réel y ∈ Y (Ω), on appelle loi conditionnelle de X sachant réalisé l’événement [Y = y]
l’ensemble : 

x, P[Y =y] ([X = x]) x ∈ X(Ω)
– On dit que X et Y sont indépendantes si et seulement si :

∀(x, y) ∈ X(Ω) × Y (Ω), P ([X = x] ∩ [Y = y]) = P ([X = x]) × P ([Y = y])

Exemple
On lance une infinité de fois une pièce pour laquelle pile a pour probabilité d’apparition le réel p ∈]0, 1[.
On note X le rang d’apparition du premier pile et Y celui du second pile.
1. Déterminer la loi conjointe du couple (X, Y ).
2. En déduire les lois de X et de Y .

Proposition
Deux VARDI X et Y sont indépendantes si et seulement si leurs tribus associées AX et AY sont indé-
pendantes.

Preuve
s

32.3.3 Fonction de répartition

Définition (rappel)
Soit (Ω, A, P ) un espace probabilisé et X une VAR. On appelle fonction de répartition de X la fonc-
tion :
FX : R → [0, 1]
x 7→ FX (x) = P ([X ≤ x])

Exemples
Préciser la fonction de répartition des variables des exemples du paragraphe précédent.

Propositions
Soit (Ω, A, P ) un espace probabilisé et X une VARDI. Alors :
– FX est croissante sur R et on a :
X
∀x ∈ R, FX (x) = P ([X = xk ])
xk ≤x

– lim FX (x) = 0 et lim FX (x) = 1

x→−∞ x→+∞
– FX est en escalier sur R et est continue sur tout intervalle de R ne contenant aucun élément de X(Ω).
De plus :

∀x ∈ R, P ([X = x]) = P ([X ≤ x]) − P ([X < x]) = FX (x) − lim− FX (t)
t→x

P ([X = x0 ]) = FX (x0 ) et ∀n ∈ N, P ([X = xn+1 ]) = FX (xn+1 ) − FX (xn )

Preuves
s
32.4. MOMENTS 445

Propositions
Soit X une VARDI d’un espace probabilisé (Ω, A, P ). Alors, connaître la loi de X est équivalent à
connaître sa fonction de répartition.

Preuve
s

32.4 Moments
32.4.1 Espérance
Définitions
Soit (Ω, A, P ) un espace probabilisé et X une VARDI. P
– On dit que X admet une espérance si et seulement si la série n≥0 xn P ([X = xn ]) est absolument
convergente.
– Si X admet une espérance alors on appelle espérance de X la somme de la série précédente :
+∞
X X
E(X) = xn P ([X = xn ]) = x P ([X = x])
n=0 x∈X(Ω)

(la dernière notation est légale puisqu’on peut permuter les termes d’une série absolument conver-
gente).
– On dit que X est centrée si et seulement si X admet une espérance et E(X) = 0.

Remarque
La convergence absolue est nécessaire car certains xn peuvent être négatifs alors que l’on a besoin de
pouvoir faire la somme des termes dans l’ordre que l’on veut (si on change la numérotation des xi on ne
doit pas changer d’espérance puisqu’on ne « change » pas de variable aléatoire).

Exemples
Préciser si les quatre VARDI des exemples du §32.3.1 admettent une espérance et la calculer le cas
échéant.

32.4.2 Variance et écart type

Définitions
Soit (Ω, A, P ) un espace probabilisé et X une VARDI.
P la variable aléatoire X admet une variance si et seulement si elle admet une espérance et
– On dit que
la série n≥0 (xn − E(X))2 P ([X = xn ]) converge (absolument).
– Si X admet une variance alors on appelle variance de X la somme de cette série :
+∞
X X
V (X) = (xn − E(X))2 P ([X = xn ]) = (x − E(X))2 P ([X = x])
n=0 x∈X(Ω)

– Si X admet une variance alors on appelle écart type de X le réel :

p
σ(X) = V (X)
– On dit que la variable X est centrée réduite si et seulement si :
E(X) = 0 et V (X) = 1 (ou σ(X) = 1)
446 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

Exemples
Préciser si les quatre VARDI des exemples du §32.3.1 admettent une variance et la calculer le cas
échéant.

Théorème de Koenig - Huygens

Sous réserves d’existence des trois réels suivants, on a :

V (X) = E(X 2 ) − E(X)2

(l’existence de deux d’entre eux implique l’existence du troisième).

Preuve
s

32.4.3 Quelques inégalités usuelles

Théorème (Inégalité de Markov)
Soit (Ω, A, P ) un espace probabilisé et X une VARDI à valeurs strictement positives et admettant une
espérance. Alors, pour tout réel a strictement positif, on a :

E(X)
P ([X ≥ a]) ≤
a

Preuve
s

Théorème (Inégalité de Bienaymé-Tchebychev)

Soit (Ω, A, P ) un espace probabilisé et X une VARDI admettant une variance. Alors, pour tout réel a
strictement positif, on a :
V (X)
P ([|X − E(X)| ≥ a]) ≤
a2

Preuve
s

32.4.4 Moments d’une variable aléatoire discrète

Définitions
Soit (Ω, A, P ) un espace probabilisé, X une VARDI et k un entier strictementP
positif.
– On dit que X admet un moment d’ordre k si et seulement si la série n≥0 (xn )k P ([X = xn ])
converge absolument.
– Si X admet un moment d’ordre k alors on appelle moment d’ordre k de X la somme la série
précédente :
+∞
X X
mk (X) = (xn )k P ([X = xn ]) = xk P ([X = x])
n=0 x∈X(Ω)

– On ditPque X admet un moment centré d’ordre k si et seulement si X admet une espérance et la

série n≥0 (xn − E(X))k P ([X = xn ]) converge absolument.
32.5. FONCTIONS DE TRANSFERT 447

– Si X admet un moment centré d’ordre k alors on appelle moment centré d’ordre k de X la somme
la série précédente :
+∞
X X
µk (X) = (xn − E(X))k P ([X = xn ]) = (x − E(X))k P ([X = x])
n=0 x∈X(Ω)

Exemples
L’espérance de X est son moment d’ordre 1, sa variance est son moment centré d’ordre 2.

Proposition
Si X admet un moment d’ordre k alors X admet un moment à tous les ordres inférieurs à k.

Preuve
s

32.5 Fonctions de transfert

Théorème
Soit (Ω, A, P ) un espace probabilisé et X une VARDI. Soit f : I → R telle que X(Ω) ⊂ I. Alors :
– Y = f ◦ X est une VARDI (ou une VARDF, cela dépend de f ),
– Y (Ω) = {f (x0 ), f (x1 ), . . .} (il peut y avoir des répétitions),
– A Y ⊂ AX , X
– ∀y ∈ Y (Ω), P ([Y = y]) = P ([X = x]),
f (x)=y
x∈X(Ω)
P
– la variable Y admet une espérance si et seulement si la série n≥0 f (xn )P ([X = xn ]) converge
absolument et dans ce cas, on a :
+∞
X X
E(Y ) = E(f ◦ X) = f (xn )P ([X = xn ]) = f (x)P ([X = x])
n=0 x∈X(Ω)

– Résultats analogues pour la fonction de transfert d’un couple (X1 , X2 ) de VARDI.

Preuves
s

Remarque
Le calcul de E(Y ) ne nécessite pas la connaissance de la loi de Y mais seulement celle de X.

Propositions
Soit (Ω, A, P ) un espace probabilisé, X une VARDI et (a, b) un couple de réels.
– Si X admet une espérance alors aX + b aussi et on a :

E(aX + b) = aE(X) + b

– Si X admet une variance alors aX + b aussi et on a :

V (aX + b) = a2 V (X) et σ(aX + b) = |a|σ(X)

448 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

X − E(X)
– Si X admet une variance alors X ∗ = est une VARDI centrée réduite.
σ(X)
– Soit Y une autre VARDI.
– Si X et Y admettent une espérance, alors E(X + Y ) = E(X) + E(Y ).
– Si X et Y admettent une variance et sont indépendantes alors V (X + Y ) = V (X) + V (Y ).

Preuves
s

32.6 Variables aléatoires discrètes usuelles

32.6.1 Loi géométrique (ou loi sans mémoire)
Exemple type
On lance une infinité de fois une pièce pour laquelle pile a pour probabilité d’apparition p ∈]0, 1[. On
note X le rang d’apparition du premier pile.
1. A-t-on vraiment défini une VAR X ?
2. Déterminer sa loi puis représenter sa fonction de répartition.
3. Justifier que X admet une espérance et la calculer.
4. Justifier que X admet une variance et la calculer.

Définition
Soit (Ω, A, P ) un espace probabilisé et p ∈]0, 1[. On dit qu’une variable aléatoire X suit une loi géo-
métrique de paramètre p et on note X ,→ G(p) si et seulement si sa loi est donnée par :

X(Ω) = N∗ et ∀k ∈ N∗ , P ([X = k]) = p(1 − p)k−1

(c’est alors une variable aléatoire réelle discrète infinie).

Propositions
Soit X ,→ G(p). Alors X admet une espérance et une variance. De plus, on a :

1 1−p
E(X) = et V (X) =
p p2

Preuves
s

Définition
Soit (Ω, A, P ) un espace probabilisé. On qu’une VARDI X suit une loi sans mémoire si et seulement
si :
∃k ∈]0, 1[ / ∀n ∈ N, P ([X = xn ]) = k × P ([X ≥ xn ])

Proposition
Une loi géométrique est une loi sans mémoire.
32.6. VARIABLES ALÉATOIRES DISCRÈTES USUELLES 449

Preuve

32.6.2 Loi de Poisson

Définition

Soit (Ω, A, P ) un espace probabilisé et λ un réel strictement positif. On dit qu’une variable aléatoire X
suit une loi de Poisson de paramètre λ et on note X ,→ P(λ) si et seulement si sa loi est donnée par :

λk
X(Ω) = N et ∀k ∈ N, P ([X = k]) = e−λ
k!
(c’est alors une variable aléatoire réelle discrète infinie).

Remarques

Cette loi n’a pas d’exemple type. Elle consiste uniquement en un modèle relativement courant. De plus,
on utilise couramment une table de valeurs pour les calculs usuels.

Propositions

Soit X ,→ P(λ). Alors X admet une espérance et une variance. De plus, on a :

E(X) = λ et V (X) = λ

Preuves

Exemple

1. Soit Y ,→ P(7). Déterminer P ([8 ≤ Y ≤ 10]) puis le plus petit entier naturel k tel que P ([Y ≤
k]) ≥ 0, 80.
2. Soit Z ,→ P(a). Déterminer a pour que P ([X = 0]) = 0, 3.
3. Une statistique officielle montrait, il y a quelques années, qu’en France, il y avait deux morts par
noyade par an pour 100000 habitants. Soit X la VAR qui, à toute ville d’environ 150000 habitants
(Le Mans par exemple) associe le nombre de ses concitoyens noyés pendant une année. On admet
que X suit une loi de Poisson.

(a) Déterminer son paramètre.

(b) Calculer la probabilité des événements suivants :

i. A : « il n’y a eu aucune noyade dans l’année dans une telle ville »

ii. B : « il y a eu 2 noyades dans l’année dans une telle ville »
iii. C : « il y a eu 5 noyades dans l’année dans une telle ville »
iv. D : « il y a eu au plus de 3 noyades dans l’année dans une telle ville »
v. E : « il y a eu au moins 4 noyades dans l’année dans une telle ville »
450 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

Propositions
Soit (Ω, A, P ) un espace probabilisé.
– Si X ,→ P(λ) et Y ,→ P(µ) sont deux variables indépendantes alors :

X + Y ,→ P(λ + µ)

– Si Xi ,→ P(λi ) pour tout 1 ≤ i ≤ n et si les variables Xi sont mutuellement indépendantes alors :

X1 + · · · + Xn ,→ P(λ1 + · · · + λn )

Preuves
s

32.7 Exercices
1. Déterminer tous les couples de réels (a, b) de sorte que la suite (pn )n≥0 définie par :

∀n ∈ N, pn+1 = apn + b

soit la loi de probabilité d’une variable aléatoire X telle que X(Ω) = N. Préciser alors l’espérance de
X si elle existe.
1 2+an
2. Soit a ∈]0, +∞[. On pose : ∀n ∈ N, pn = 8
× n!
.

(a) Pour quelle(s) valeur(s) du réel a la suite (pn )n≥0 définit-elle une loi de probabilité ?
(b) On suppose que a prend la valeur obtenue ci-dessus. Soit X la variable aléatoire telle que :
∀n ∈ N, P ([X = n]) = pn .

i. Montrer que X admet une espérance et la calculer.

ii. Montrer que X admet une variance et la calculer.

3. Soit X une variable aléatoire à valeurs dans N∗ telle que :

4
∀n ∈ N∗ , P ([X = n + 1]) = P ([X = n])
n
(a) Calculer P ([X = 1]). En déduire la loi de X.
(b) Calculer alors E(X) et V (X).

4. Un sauteur en hauteur participe à un concours. La barre est successivement placée à des hauteurs
numérotées 1, 2 . . . , n, . . . et l’on fait les hypothèses suivantes :
* pour chaque n ∈ N∗ , la probabilité que le sauteur en hauteur passe la barre n est n1 ;
* les différents sauts sont indépendants.
On note X le numéro du dernier saut réussi par le sauteur.

(a) Calculer, pour n ∈ N∗ , la probabilité de l’événement [X = n]. En déduire que X est une
variable aléatoire.
(b) Étudier l’existence de l’espérance de la variable X + 1. En déduire l’existence et la valeur de
E(X).
(c) Étudier l’existence de l’espérance de X 2 − 1. En déduire l’existence et la valeur de V (X).
(d) On note T le temps d’attente du premier saut manqué. Donner la loi de T .
32.7. EXERCICES 451

5. On considère une urne U qui contient initialement une boule blanche et une boule noire. On tire
dans cette urne selon le protocole : à chaque tirage, on prélève une boule et on la remet dans U
accompagnée d’une autre boule de la même couleur, provenant d’un stock annexe (supposé infini).
On note T le temps d’attente du premier tirage noir.
(a) Calculer, pour n ∈ N∗ , la probabilité de l’événement [T = n]. En déduire que T est une variable
aléatoire.
(b) Cette variable aléatoire admet-elle une espérance ?
6. Une urne contient a boules noires et b boules blanches. On effectue des tirages successifs d’une boule
avec remise de la boule dans l’urne entre chaque tirage. Pour tout entier naturel k non nul, on note
Xk le rang de tirage de la k ème boule noire. Par ailleurs, on pose :

∀k ∈ N∗ , Yk = Xk+1 − Xk

(a) i. Déterminer la loi de X1 puis préciser son espérance et sa variance.

ii. Détermnier la loi de X2 puis calculer son espérance si elle existe.
iii. Les variables aléatoires X1 et X2 sont-elles indépendantes ?
(b) i. Déterminer la loi de Yk pour tout entier naturel k non nul.
ii. En déduire que Xn admet une espérance et la calculer (n ≥ 1).
7. Antirépartition.
Soit X une variable aléatoire telle que X(Ω) ⊂ N.
(a) Démontrer que :
n
X n
X
∀n ∈ N, P ([X > k]) = kP ([X = k]) + (n + 1)P ([X > n])
k=0 k=1
P
(b) On suppose que la série P ([X > k]) converge.
i. Prouver que :
n
X +∞
X
∀n ≥ 1, kP ([X = k]) ≤ P ([X > k])
k=1 k=0

ii. Conclure que X admet une espérance et la préciser.

(c) Réciproquement, on suppose que X admet une espérance.
i. Démontrer que :
+∞
X
∀n ≥ 1, (n + 1)P ([X > n]) ≤ kP ([X = k])
k=n+1
P
ii. En déduire que la série P ([X > k]) converge et préciser alors la valeur de E(X).
(d) Quel théorème a-t-on démontré lors des questions (b) et (c) ?
(e) Une marque de lessive édite une collection de 4 pin’s différents. Une ménagère achète des
barils de cette lessive afin que sa fille puisse collectionner les pin’s. On suppose que chaque
baril contient un unique pin’s (répartis uniformément dans chaque baril dans l’usine) et que les
achats de la ménagère sont indépendants.
i. Montrer que la probabilité qu’au bout de n achats il manque toujours un pin’s, au moins, à
la fille est :  n  n  n
3 1 1
pn = 4 −6 +4
4 2 4
452 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

ii. Soit X le nombre de barils que la ménagère a acheté lorsque sa fille a, pour la première
fois, tous les pin’s. Exprimer P ([X > n]) en fonction de pn puis déduire des questions
précédentes que X admet une espérance et la calculer.

8. Des paquets de céréales contiennent l’un des autocollants d’une collection en comportant n. On sup-
pose que les autocollants ont été placés de manière indépendante et uniforme dans les paquets. Un
enfant souhaite la collection complète. Il fait donc acheter à sa mère des paquets (qu’il ouvre au fur et
à mesure chez lui, bien évidemment) . Soit Xn le nombre de paquets achetés (les achats cessent dès
que l’enfant a une collection complète).

(a) On note Yk le nombre de paquets achetés pour obtenir k autocollants différents et on pose Zk =
Yk − Yk−1 . Préciser la loi de Zk , son espérance et sa variance.
(b) En déduire E(Xn ) et V (Xn ).
(c) Donner un équivalent simple de E(Xn ) lorsque n tend vers +∞.

9. Une infinité de boîtes, numérotées à l’aide des entiers relatifs, sont alignées. Une grenouille saute de
boîte en boîte de la manière suivante :
* à l’instant t = 0, elle se trouve dans la boîte portant le numéro 0,
* si à l’instant t = n elle est dans la boîte portant le numéro k alors à l’instant t = n + 1 elle est soit
dans la boîte portant le numéro k + 1 avec la probabilité p (avec 0 < p < 1) soit dans la boîte numéro
k − 1 avec la probabilité q = 1 − p.
On note Bn le numéro de la boîte dans laquelle se trouve la grenouille au temps t = n.

(a) Montrer que les valeurs prises par Bn sont les entiers de la forme 2k − n avec k ∈ J0, nK.
(b) Calculer P ([Bn = 2k − n]) pour tout k ∈ J0, nK.
(c) On pose Xn = 21 (n + Bn ). Quelle est la loi de Xn ? Donner, sans calcul, E(Xn ) et V (Xn ).
(d) En déduire E(Bn ) et V (Bn ).
(e) Pour quelle valeur de p la variable aléatoire Bn est-elle centrée ? Était-ce prévisible ?

10. Soit X une variable aléatoire à valeur dans N. Montrer que X suit une loi sans mémoire si et seulement
si X suit une loi géométrique.
11. (Questions indépendantes) Soit X et Y deux variables aléatoires indépendantes suivant la même loi
G(p) (avec 0 < p < 1).
X
(a) Déterminer la loi de Q = Y
.
(b) On définit la variable aléatoire D par : D prend la valeur X − Y lorsque l’événement [X > Y ]
est réalisé et 0 sinon. Déterminer la
loi de D en fonction de celle de Y et montrer qu’elle ne
dépend que du réel a = E (1 − λ)Y ).
(c) Soit m ∈ N∗ . On pose I = inf(X, m) et S = sup(X, m). Déterminer la loi et l’espérance de I
puis de S.
(d) On pose U = inf(X, Y ) et V = sup(X, Y ).

i. Déterminer les lois de U et de V .

(1−p)(3−p)
ii. Prouver que E(U ) = p(2−p)
.
iii. Calculer E(V ) de deux manières différentes.

12. Une entreprise dispose de 100 camions pour transporter sa production. On suppose que le nombre X
de camions en panne un jour (choisi au hasard) suit la loi de Poisson de paramètre 5.

(a) Calculer la probabilité d’avoir au moins 95 camions en service un jour donné.

(b) Calculer le nombre de camions dont on peut être sûr à 98% de disposer un jour donné.
32.7. EXERCICES 453

13. On donne :
e−1 1
∀(n, m) ∈ N2 , P ([X = n] ∩ [Y = m]) = × n
n! 2
(a) Montrer que l’on peut ainsi définir deux variable aléatoires discrètes X et Y dont on précisera
les lois. Sont-elles indépendantes ?
(b) Calculer leurs espérances et variances.
14. Soit X et Y des variables aléatoires indépendantes suivant la même loi de Poisson d’espérance 1. Soit
s un entier naturel. Déterminer la loi de X conditionnée par l’événement [X + Y = s].
15. Soit X ,→ P(λ). Soit Y la variable aléatoire prenant la valeur 0 lorsque X prend une valeur impaire
et la valeur 12 X sinon. Déterminer la loi de Y puis calculer son espérance et sa variance.
16. Soit X ,→ P(λ). Soit Y la variable aléatoire telle que Y (Ω) ⊂ N et, pour tout n ∈ N, la loi de Y
sachant réalisé l’événement [X = n] est la loi B(n, p). Déterminer la loi de Y .
17. Un péage autoroutier comporte m guichets. On suppose que le nombre N de voitures arrivant en 1
heure suit une loi de Poisson de paramètre λ. On suppose, de plus, que les conducteurs choisissent au
hasard leur guichet et que ces choix sont indépendants. Soit Xi (où 1 ≤ i ≤ m) le nombre de voitures
passant au guichet numéro i.
(a) Calculant P[N =n] ([Xi = k]) pour tout couple (k, n) d’entiers naturels.
(b) En déduire la loi de Xi puis son espérance et sa variance.
18. Soit L ,→ P(λ). Soit la variable aléatoire telle que, pour tout entier naturel n, la loi de X sachant
réalisé l’événement [L = n] est la loi P(n).
(a) Déterminer la loi de X.
(b) Calculer l’espérance de X (Indication : on peut permuter les deux sommes).
19. ESCP, voie économique.
Une chaîne de fabrication produit des objets dont certains peuvent être défectueux. Pour modéliser
ce processus, on considère une suite (Xn )n≥1 de variables aléatoires de Bernoulli indépendantes, de
paramètres p (où 0 < p < 1). La variable aléatoire Xn prend la valeur 1 si le nème objet produit est
défectueux et prend la valeur 0 s’il est de bonne qualité.
Pour contrôler la qualité des objets produits, on effectue des prélèvements aléatoires et on considère
une suite (Yn )n≥1 de variables aléatoires de Bernoulli indépendantes de paramètre p0 (où 0 < p0 < 1).
La variable aléatoire Yn prend la valeur 1 si le nème objet produit est contrôlé et prend la valeur 0 s’il
ne l’est pas.
Toutes ces variables aléatoires sont définies sur un même espace probabilisé (Ω, A, P ) et sont suppo-
sées toutes indépendantes entre elles.
Pour tout entier naturel n non nul, on pose Zn = Xn Yn . La variable aléatoire Zn ainsi définie vaut
donc 1 si et seulement si le nème objet produit est contrôlé et défectueux.
L’objet de l’exercice est d’étudier le nombre d’objets défectueux produits par la chaîne avant qu’un
objet défectueux n’est été détecté.
(a) Déterminer, pour tout entier n ≥ 1, la loi de la variable aléatoire Zn puis la covariance des
variables Xn et Zn . En déduire que les variables aléatoires Xn et Zn ne sont indépendantes.
Par contre, il résulte des hypothèses (et on ne demande pas de le justifier) que, pour tout entier
n la variable aléatoire Zn est indépendante des variables Xi , Yi et Zi pour tout entier naturel
i 6= n.
(b) Pour tout entier n ≥ 1, on considère l’événement An : « le nème objet produit est le premier qui
est contrôlé et trouvé défectueux ».
i. Exprimer l’événement An en fonction des variables aléatoires Z1 , . . . , Zn puis déterminer
la probabilité P (An ).
454 CHAPITRE 32. VARIABLES ALÉATOIRES RÉELLES DISCRÈTES

ii. Montrer qu’on finira presque sûrement par détecter un objet défectueux.
(c) Soit n ≥ 2.
i. Pour tout entier k tel que 1 ≤ k ≤ n−1, calculer la probabilité des événement [Xk = 1]∩An
et [Xk = 1] ∩ [Zk = 0].
ii. On note Bk l’événement [Zk = 0]. Montrer l’égalité des probabilités conditionnelles :

p − pp0
PAn ([Xk = 1]) = PBn ([Xk = 1]) =
1 − pp0

iii. Soit (x1 , . . . , xn−1 ) ∈ {0, 1}n−1 . Montrer que :

n−1
! n−1
\ Y
PAn [Xk = xk ] = PAn ([Xk = xk ])
k=1 k=1

(d) Soit Sn = X1 + · · · + Xn−1 . La variable aléatoire Sn est alors le nombre d’objets défectueux
fabriqués avant le nème objet. Soit m un entier tel que 1 ≤ m ≤ n − 1.
i. Calculer PAn ([Sn = m]).
ii. Déterminer l’espérance de la variable aléatoire Sn pour la probabilité conditionnelle sa-
chant réalisé l’événement An .
Chapitre 33

Éléments de topologie de R et de R2

Dans tout ce chapitre, selon le contexte, l’ensemble R2 désigne :

– ou bien l’ensemble des couples de réels (a, b) ;
– ou bien l’ensemble des vecteurs du plan de coordonnées ab dans la base canonique B = (~e1 , ~e2 ) ;

– ou bien l’ensemble des points du plan de coordonnées (a, b) dans un repère R = (O,~i, ~j).
D’autre part, aucune démonstration n’est exigible.

33.1 Un peu de topologie de R

Définitions
– Soit (a, b) un couple de réels tel que a ≤ b. On appelle intervalle ouvert de R tout intervalle de la
forme ]a, b[ ou ] − ∞, a[ ou ]a, +∞[ ou ] − ∞, +∞[.
– On dit qu’une partie A de R est un ouvert si et seulement si, pour tout x0 ∈ R, il existe un intervalle
ouvert de R contenant x0 (voire même centré en x0 ) inclus dans A.
– On dit qu’une partie A de R est un fermé si et seulement si son complémentaire dans R est ouverte.

Propositions
– ∅ = {} et R sont à la fois ouverts et fermés.
– Les intervalles fermés de R sont les intervalles de la forme [a, b] ou ] − ∞, a] ou [a, +∞[.
– Une réunion finie ou infinie d’ouverts de R est un ouvert de R.
– Une intersection finie d’ouverts de R est un ouvert de R (ce n’est pas vrai avec une intersection infinie,
considérer par exemple les intervalles ] − n1 , n1 [ pour tous les entiers naturels n non nuls).
– Une réunion finie de fermés de R est un fermé de R (ce n’est pas vrai avec une réunion infinie,
considérer par exemple les intervalles [0, 1 − n1 [ pour tous les entiers naturels n non nuls).
– Une intersection finie ou infinie de fermés de R est un fermé de R.

33.2 Notations et rappels sur le plan

33.2.1 Équation paramétrique d’une droite
Notations

Soit A et B deux points de R2 et U un vecteur de R2 .

−→ −→
– On note B − A le vecteur AB. En conséquence, on s’autorise aussi l’écriture : B = A + AB.
−−→ −−→
Ainsi, si AM = U alors M = A + U , si AN = λU alors N = A + λU .
– On note dA,U l’unique droite passant par le point A et de vecteur directeur U .

455
456 CHAPITRE 33. ÉLÉMENTS DE TOPOLOGIE DE R ET DE R2

Proposition
Soit A un point et U un vecteur de R2 . Alors, l’application t 7→ A + tU est une bijection de R dans dA,U
et on note alors :
dA,U = {A + tU | t ∈ R}

Preuve
−−→
Cela découle de : M ∈ dA,U ⇔ ∃t ∈ R / AM = tU ⇔ ∃t ∈ R / M = A + tU .

33.2.2 Équation paramétrique d’un segment

Définition
Soit A et B deux points du plan. On appelle segment [A, B] l’ensemble des points du plan :
[A, B] = {A + t(B − A) | t ∈ [0, 1]} = {(1 − t)A + tB | t ∈ [0, 1]}

Remarque
−→
On utilise la restriction de la bijection précédente à l’intervalle [0, 1] avec le vecteur U = AB = B − A.

33.2.3 Produit scalaire usuel dans R2

Définition
On appelle produit scalaire euclidien (ou produit scalaire usuel) dans R2 l’application, notée h., .i,

définie sur le produit d’espaces vectoriels R2 ×R2 , à valeurs dans R et telle que, pour tous vecteurs U = xy
0

et V = xy0 (coordonnées dans la base canonique de R2 ), on a :

hU, V i = xx0 + yy 0

Propositions (propriétés du produit scalaire)

Le produit scalaire euclidien est une forme bilinéaire, symétrique, définie-positive, c’est à dire que :
– Pour tout vecteur U , l’application V 7→ hU, V i est une forme linéaire sur R2 ,
Pour tout vecteur V , l’application U 7→ hU, V i est une forme linéaire sur R2 ,
– Pour tout couple de vecteurs (U, V ), on a : hV, U i = hU, V i,
– Pour tout vecteur U , on a : hU, U i ≥ 0 et hU, U i = 0 ⇔ U = 0.

Preuves
s

Définition
On dit que deux vecteurs U et V sont orthogonaux si et seulement si hU, V i = 0.

Exemple
Déterminer l’ensemble des vecteurs orthogonaux au vecteur (−3, 2).

Définitions
p
– On appelle norme du vecteur U le réel positif : ||U || = hU, U i
– Un vecteur est dit unitaire si et seulement si sa norme vaut 1.
33.3. UN PEU DE TOPOLOGIE DE R2 457

Propositions (propriétés de la norme)

Pour tous vecteurs U et V et tout réel λ, on a :
– ||U || = 0 ⇔ U = 0
– ||λU || = |λ| × ||U ||
– Inégalité de Cauchy-Schwarz : |hU, V i| ≤ kU k × kV k
– Inégalité triangulaire : kU + V k ≤ kU k + kV k

Preuves
s

Théorème de Pythagore (caractérisation des vecteurs orthogonaux)

Pour tous vecteurs U et V de R2 , on a : hU, V i = 0 ⇔ kU + V k2 = kU k2 + kV k2 .

Preuve
s

33.3 Un peu de topologie de R2

33.3.1 Distance euclidienne
Définition
−→
On appelle distance euclidienne du point A au point B le réel : d(A, B) = kABk.

Propositions (propriétés de la distance)

Pour tous points A, B et C on a :
– d(A, B) = 0 ⇔ A = B
– d(B, A) = d(A, B)
– d(A, C) ≤ d(A, B) + d(B, C)

Preuves
s

33.3.2 Boules
Définitions
Soit A un point et r un réel strictement positif.
– On appelle boule ouverte de centre A et de rayon r l’ensemble des points :

B(A, r) = {M ∈ R2 | d(A, M ) < r}

– On appelle boule fermée de centre A et de rayon r l’ensemble des points :

Bf (A, r) = {M ∈ R2 | d(A, M ) ≤ r}

Remarques
Bf (A, r) est le disque de centre A et de rayon r ; B(A, r) est le même disque privé de son bord.
458 CHAPITRE 33. ÉLÉMENTS DE TOPOLOGIE DE R ET DE R2

33.3.3 Ensembles ouverts

Définition
On dit qu’une partie O du plan R2 est un ensemble ouvert dans R2 pour la distance euclidienne si et
seulement si :
∀A ∈ O, ∃r > 0 / B(A, r) ⊂ O

Exemples
Montrer que la boule ouverte B(A, r) est ouverte dans R2 mais que la boule fermée Bf (A, r) ne l’est
pas.

Propositions
– R2 et ∅ sont ouverts dans R2 .
– Une réunion finie ou infinie d’ensembles ouverts dans R2 est un ensemble ouvert dans R2 .
– Une intersection finie d’ensembles ouverts dans R2 est un ensemble ouvert dans R2 .
– Si I et J sont deux intervalles ouverts de R alors le produit cartésien I × J est un ouvert de R2 .

Preuves
s

Exemples
1. Montrer que O1 = {(x, y) ∈ R2 | x > 3} est ouvert dans R2 .
2. Montrer que O2 = {(x, y) ∈ R2 | x > 3, y < 1} est ouvert dans R2 .
1
) n’est pas ouvert dans R2 .
T
3. Montrer que n∈N B(O, n+1

33.3.4 Ensembles fermés

Définition
On dit qu’une partie F du plan R2 est un ensemble fermé dans R2 pour la distance euclidienne si et
seulement si son complémentaire dans R2 est ouvert dans R2 .

Exemple
Montrer que Bf (A, r) est fermé dans R2 mais que B(A, r) ne l’est pas.

Propositions
– R2 et ∅ sont fermés dans R2 .
– Une réunion finie d’ensembles fermés dans R2 est un ensemble fermé dans R2 .
– Une intersection finie ou infinie d’ensembles fermés dans R2 est un ensemble fermé dans R2 .
– Si I et J sont deux intervalles fermés de R alors le produit cartésien I × J est un fermé de R2 .

Exemples
1. Justifier (graphiquement) que le segment [A, B] est fermé dans R2 .
2. Montrer que F1 = {(x, y) ∈ R2 | x ≥ 3} est fermé dans R2 .
3. Montrer que F2 = {(x, y) ∈ R2 | x ≥ 3, y ≤ 1} est fermé dans R2 .
1
) est fermé dans R2 . Préciser cet ensemble.
T
4. Justifier que n∈N Bf (O, n+1
33.4. EXERCICES 459

1
est n’est pas fermé dans R2 . Préciser cet ensemble.
S
5. Justifier que n∈N Bf (O, 1 − n+1
)

33.3.5 Ensembles bornés

Définition
On dit qu’une partie B du plan R2 est bornée si et seulement si elle est incluse dans une boule.

Exemples
1. Montrer que ∅ est borné mais que R2 ne l’est pas.
2. Montrer qu’une boule (ouverte ou fermée) est bornée.
3. Montrer qu’un segment [A, B] est borné.
4. Les ensembles O1 , O2 , F1 , F2 sont-ils bornés ?

33.3.6 Ensembles convexes

Définition
On dit qu’une partie C du plan R2 est convexe si et seulement si :

∀(A, B) ∈ C 2 , [A, B] ⊂ C

Exemples
1. Montrer que ∅ et R2 sont convexes.
2. Montrer qu’une boule (ouverte ou fermée) est convexe.
3. Montrer qu’un segment [A, B] est convexe.
4. Les ensembles O1 , O2 , F1 , F2 sont-ils convexes ?

Proposition
Soit f : I → R. Alors, f est convexe sur I si et seulement si {(x, y) ∈ R2 | x ∈ I, y ≥ f (x)} est
convexe.

Preuve
s

33.4 Exercices
1. Pour tout vecteur U de R2 , on note U ⊥ l’ensemble des vecteurs de R2 qui lui sont orthogonaux.
(a) Déterminer 0⊥ .
(b) On suppose que U 6= 0. Montrer que : R2 = Vect(U ) ⊕ U ⊥ .
2. Montrer que pour tout couple (U, V ) de vecteurs de R2 , on a :
1
kU + V k2 − kU − V k2

hU, V i =
4

3. Soit A et A0 deux points et r et r0 deux réels strictement positifs. Déterminer une CNS portant sur le
couple de réels (r, r0 ) pour que B(A, r) ∩ B(A0 , r0 ) = ∅.
460 CHAPITRE 33. ÉLÉMENTS DE TOPOLOGIE DE R ET DE R2

4. (a) Montrer que O = {(x, y) ∈ R2 | − 1 < y < 3} est ouvert dans R2 .

(b) Montrer que F = {(x, y) ∈ R2 | − 1 ≤ y ≤ 3} est fermé dans R2 .
5. On définit l’ensemble ∆ = {(x, y) ∈ R2 |2x + y < 5, x − y < 1, x > 0}.
(a) Justifier graphiquement que ∆ est ouvert dans R2 puis qu’il est borné.
(b) L’ensemble ∆ est-il convexe ?
6. On définit l’ensemble ∆ = {(x, y) ∈ R2 |2x + y ≤ 5, x − y ≤ 1, x ≥ 0}.
(a) Justifier graphiquement que ∆ est fermé dans R2 puis qu’il est borné.
(b) L’ensemble ∆ est-il convexe ?
7. (a) Montrer qu’une réunion finie de parties bornées est bornée. En est-il de même pour une réunion
infinie ?
(b) Montrer qu’une intersection finie ou infinie de parties bornée est bornée.
8. (a) Montrer qu’une réunion finie de parties convexes n’est pas nécessairement convexe.
(b) Montrer qu’une intersection finie ou infinie de parties convexe est convexe.
9. Pour chaque phrase, répondre par oui ou par non et faire un schéma pour justifier :
(a) Tous les fermés sont bornés. Certains fermés sont bornés. Tous les bornés sont fermés.
(b) Tous les fermés sont convexes. Certains fermés sont convexes. Tous les convexes sont fermés.
(c) Tous les ouverts sont bornés. Certains ouverts sont bornés. Tous les bornés sont ouverts.
(d) Tous les ouverts sont convexes. Certains ouverts sont convexes. Tous les convexes sont ouverts.
(e) Certains ensembles sont fermés, convexes et bornés. Certains ensembles sont ouverts, convexes
et bornés.
(f) Certains ensembles ne sont ni fermés, ni ouverts, ni convexes et ni bornés.
10. Soit A, B et C trois points du plan.
n o
(a) Justifier l’existence du réel : inf d(C, M ) M ∈ dA,−→ .
AB
Ce réel est appelé distance du point C à la droite (AB) = dA,−→ et se note d(C, (AB)).
AB
(b) Montrer qu’il existe un unique point H de la droite (AB) tel que d(C, H) = d(C, (AB)).
Indication : Utiliser le produit scalaire euclidien.
(c) Exprimer alors cette distance en fonction des coordonnées des trois points dans un repère.
Chapitre 34

Fonctions continues sur R2

Dans tout ce chapitre, l’ensemble R2 désigne l’ensemble des points du plan P d’équation z = 0 dans
un repère de l’espace R3 : R = (O,~i, ~j, ~k).
D’autre part, aucune démonstration n’est exigible.

34.1 Fonctions de deux variables

Définitions
Soit U une partie de R2 et f : U → R, (x, y) 7→ f (x, y).
– On appelle représentation graphique de la fonction f dans le repère R l’ensemble des points
(appelé surface) :
Sf = {(x, y, f (x, y)) ∈ R3 | (x, y) ∈ U }
– Soit a et b deux fonctions définies sur un intervalle I de R et à valeurs dans R telles que :

∀t ∈ I, (a(t), b(t)) ∈ U

Alors, l’ensemble des points de l’espace :

{(a(t), b(t), f (a(t), b(t)) | t ∈ I}

est appelé chemin sur la surface Sf .

Exemples
1. Soit f : (x, y) 7→ ax + by + c (appelée fonction affine).
2. Soit f : (x, y) 7→ x2 + y 2 .
3. Soit f : (x, y) 7→ x2 − y 2 .
p
4. Soit f : (x, y) 7→ x2 + y 2 .
5. Soit f : (x, y) 7→ xy.
xy
6. Soit f : (x, y) 7→ p .
x2 + y 2
7. Soit f : (x, y) 7→ sin(x) + cos(y).

Remarques
– Si un point M a pour coordonnées (x, y) dans le repère (O,~i, ~j) du plan P, alors on pourra écrire
f (M ) son image par f plutôt que f (x, y).
– On ne parlera jamais de fonctions croissantes ou décroissantes sur une partie de R2 .
– Par contre, on peut parler de fonctions majorées ou minorées ou bornées sur une partie de R2 .

461
462 CHAPITRE 34. FONCTIONS CONTINUES SUR R2

Définition
Soit U une partie de R2 , f : U → R et k un réel. On appelle ligne de niveau k de la fonction f dans le
repère R la courbe obtenue par intersection de la représentation graphique Sf de f avec le plan d’équation
z = k, c’est à dire la courbe d’équation f (x, y) = k dans le plan z = k.

Exemples
Sur les fonctions précédentes, en particulier les fonctions affines.

34.2 Continuité des fonctions de deux variables

Dans tout le restant du chapitre, O désigne un ouvert de R2 .

34.2.1 Limite et continuité en un point

Dans ce paragraphe, on considère un point A(xA , yA ) de R2 tel que :
– ou bien A ∈ O,
– ou bien A ∈ / O mais toute boule ouverte de centre A contient au moins un point de O (autrement dit,
A est sur le bord de O, noté parfois ∂O).

Définitions
Soit f : O → R. Soit a un réel.
– On dit que f admet le réel a pour limite en le point A si et seulement si :

∀ε > 0, ∃r > 0 / ∀M ∈ Bf (A, r) ∩ O, |f (M ) − a| ≤ ε

– Dans le cas où A ∈ O, on dit alors que f est continue en A.

– Dans le cas où A ∈
/ O, on dit alors que f se prolonge par continuité en A.
– Notations :

lim f (x, y) = a ou lim f (M ) = a ou lim f (M ) = a

(x,y)→(xA ,yA ) M →A d(M,A)→0

– Dans le cas où A ∈
/ O, on dit que :
– f admet +∞ pour limite en le point A si et seulement si :

∀m > 0, ∃r > 0 / ∀M ∈ Bf (A, r) ∩ O, f (M ) ≥ m

– f admet −∞ pour limite en le point A si et seulement si :

∀m < 0, ∃r > 0 / ∀M ∈ Bf (A, r) ∩ O, f (M ) ≤ m

Remarques
– On peut constater l’analogie de ces définitions avec le cas des fonctions numériques (les intervalles
fermés bornés et centrés en x0 sont remplacés par des boules fermées et centrées en A).
– On ne peut pas définir de limite en l’infini : où est l’infini dans R2 ?

Exemples
1. Montrer que (x, y) 7→ 3x − 4y + 5 est continue en tout point de R2 .
xy
2. Montrer que (x, y) 7→ p se prolonge par continuité en O.
x2 + y 2
34.2. CONTINUITÉ DES FONCTIONS DE DEUX VARIABLES 463

Théorèmes
Soit f et g définies sur O à valeurs dans R. Soit λ ∈ R.
– Les opérations usuelles sur les limites sont encore valables (avec les cas d’indétermination connus)
dans le cadre des fonctions de deux variables :
– somme f + g, produit par un réel λf et produit de deux fonctions f g,
– limites par encadrements (gendarmes).
– Dans le cas particulier ou A ∈ O et à propos de la continuité, on a :
– Si f et g sont continues en A alors f + g, λf et f g sont continues en A.
– Si f et g sont continues en A et si g ne s’annule pas en A alors g1 et fg sont continues en A.
– Soit u : I → R où I est un intervalle de R contenant f (O).
Si f est continue en A et si u est continue en f (A) alors u ◦ f est continue en A.

Preuves
s

Théorème (« tous les chemins mènent à Rome »)

Soit f : O → R admettant une limite en A. Soit I un intervalle de R et t0 ∈ I.
– Pour tout couple (a, b) de fonctions définies sur I à valeurs dans R telles que :

∀t ∈ I, (a(t), b(t)) ∈ O et lim a(t) = xA et lim b(t) = yA

t→t0 t→t0

la fonction t 7→ f (a(t), b(t)) admet une limite en t0 .

– En particulier, la fonction x 7→ f (x, yA ) admet une limite en xA et la fonction y 7→ f (xA , y) admet
une limite en yA .

Preuves
s

Remarque
On utilise ce théorème essentiellement pour justifier, par contraposition, de :
– la non continuité d’une fonction en un point
– l’impossibilité de prolonger par continuité une fonction en un point.

Exemple
xy
Montrer que (x, y) 7→ ne se prolonge pas par continuité en O.
x2 + y 2

34.2.2 Continuité sur un ouvert

Définition
Soit f : U → R où U est une partie de R2 . On dit que f est continue sur U si et seulement si f est
continue en chaque point de U.

Théorèmes
Soit f et g définies sur O à valeurs dans R. Soit λ un réel.
– Si f et g sont continues sur O alors f + g, λf et f g sont continues sur O.
– Si f et g sont continues sur O et si g ne s’annule pas sur O alors g1 et fg sont continues sur O.
464 CHAPITRE 34. FONCTIONS CONTINUES SUR R2

– Soit u : I → R où I est un intervalle de R contenant f (O).

Si f est continue sur O et si u est continue sur I alors u ◦ f est continue sur O.

Preuves
C’est immédiat.

34.2.3 Fonctions continues particulières

Propositions
Soit I et J deux intervalles ouverts de R. Soit u : I → R continue sur I et v : J → R continue sur J.
Alors :
– (x, y) 7→ u(x) est définie et continue sur I × R,
– (x, y) 7→ v(y) est définie et continue sur R × J,
– (x, y) 7→ u(x) + v(y) est définie et continue sur I × J,
– (x, y) 7→ u(x)v(y) est définie et continue sur I × J.

Preuves
s

Corollaire
Toute fonction polynôme de deux variables (i.e. polynôme en la variable x et polynôme en la variable
y) est continue sur R2 .

Preuve
C’est immédiat.

Exemples
1. Démontrer que la fonction :
f : O → R
x2 y + 4xy 3 − 7x
(x, y) 7→
x2 − y 2
est continue sur un ouvert O (le plus grand possible) que l’on précisera.
2. Démontrer que la fonction :
f : R2 → R
 p xy

si (x, y) 6= (0, 0)
(x, y) →
7 x2 + y 2
 0 si (x, y) = (0, 0)

est continue sur R2 .

34.2.4 Autres théorèmes

Théorèmes
Soit f : O → R continue sur O.
– Pour tout intervalle ouvert I de R, f −1 (I) est ouvert dans R2 .
– Pour tout intervalle fermé J de R, f −1 (J) est fermé dans R2 .
34.3. EXERCICES 465

Preuves
s

Exemples
1. Démontrer que ∆ = { (x, y) ∈ R2 | 2x + y < 5, x − y < 1, x > 0 } est ouvert dans R2 .
2. Démontrer que ∆ = { (x, y) ∈ R2 | 2x + y ≤ 5, x − y ≤ 1, x ≥ 0 } est fermé dans R2 .

Théorème (analogue aux « valeurs intermédiaires ») (admis)

Soit F un fermé et borné de R2 et une fonction f : F → R continue sur F. Alors, l’ensemble f (F) est
borné et ses bornes, notées minf et maxf sont atteintes en un ou plusieurs points de F.
F F

Exemple
On considère la fonction :
f : R2 − {(0, 0)} → R
2x − y + 1
(x, y) 7→
x2 + y 2

1. Justifier que f est bornée sur ∆ = { (x, y) ∈ R2 | 2x + y ≤ 5, x − y ≤ 2, x ≥ 1 }.

2. On note ∂∆ le bord de ∆.
(a) Préciser un système d’équations définissant ∂∆.
(b) Justifier que f admet un minimum et un maximum sur ∂∆.
(c) Déterminer minf et maxf et préciser les points ∂∆ où ils sont atteints.
∂∆ ∂∆

34.3 Exercices
Ry
1. On pose : f (x, y) = x
et cos(t)dt.
(a) Justifier que l’on a ainsi défini une fonction f sur R2 .
(b) Montrer que f est continue sur R2 (on ne déterminera pas l’expression de f (x, y)).
2. (a) Justifier que ∀(x, y) ∈ R2 , x2 + y 2 = 0 ⇔ (x, y) = (0, 0).
(b) Soit f l’application définie sur R2 par :
 
f (0, 0) = 0 et f (x, y) = (x2 + y 2 ) sin 1
x2 +y 2
si (x, y) 6= (0, 0)

Montrer que f est continue et bornée sur R2 .

3. Soit a ∈ R. Soit f : R2 → R telle que :

x3 y
∀(x, y) ∈ R2 − {(0, 0)}, f (x, y) = et f (0, 0) = a
2x4 + y 4

(a) Montrer que f n’est pas continue en (0, 0).

(b) Déterminer la plus grande partie ouverte de R2 sur laquelle f est continue.
(c) Soit K le bord du carré de centre O et dont un sommet est le point A(r, r) (avec r > 0). Justifier
que f est bornée sur K puis déterminer ses bornes.
4. Existence puis détermination des extrema de f (x, y) = xy sur le domaine d’équation x2 + 2y 2 = 1.
466 CHAPITRE 34. FONCTIONS CONTINUES SUR R2

5. Déterminer le minimum de la somme des puissances nème de deux nombres réels positifs dont la
somme vaut n.
Rx
6. Soit f continue sur R2 . Pour tout réel x, on pose : g(x) = 1 f (t, t2 )dt.
(a) Justifier que l’on ainsi défini une fonction g sur R.
(b) Démontrer que g est continue sur R.
xy
7. Déterminer les extrema de (x, y) 7→ x2 +y 2
sur :
(a) le cercle de centre O et de rayon r > 0,
(b) le carré de centre O et dont un sommet est A(a, a) où a > 0.

 x si y ≥ x2
y
8. Étudier la continuité en O de : (x, y) 7→ si |y| < x2 .
 x
−x si y ≤ −x2
9. Déterminer toutes les fonctions f définies et continues sur R2 et telles que :

∀(x, y) ∈ R2 , f (x, y) = f (x + y, x − y)
 f (x)−f (y)
1 2 si x 6= y
10. Soit f de classe C sur R. Soit F définie sur R par : F (x, y) = 0
x−y .
f (x) si x = y
Démontrer que F est continue sur R2 .
(
|x|p |y|q
|x|+|y|
si (x, y) 6= (0, 0)
11. Soit p et q deux réels strictement positifs. On pose : f (x, y) = .
0 si (x, y) = (0, 0)
−−→ p+q−1
(a) Montrer que : ∀M ∈ R2 , f (M ) ≤ OM .
(b) Calculer f (x, x) pour tout réel x 6= 0.
(c) En déduire les valeurs du couple (p, q) pour lesquelles f est continue en O.
12. Soit f une fonction définie et continue sur une partie C convexe de R2 . Soit A et B deux points de C.
(a) Montrer que l’application g : t 7→ f (tA + (1 − t)B) est définie et continue sur le segment [0, 1].
(b) En déduire que si f (A) < 0 et f (B) > 0 alors il existe un point C de C tel que f (C) = 0.
(c) Montrer que f (C) est un intervalle de R.
13. Intégrale dépendant d’un paramètre.
Soit I un intervalle de R et (a, b) un couple de réels tel que a ≤ b. Soit f une fonction définie et
Rb
continue sur I × [a, b]. Pour tout réel x de I, on pose : g(x) = a f (x, t)dt. Montrer que g est définie
et continue sur I.
Chapitre 35

Matrice d’une application linéaire

Dans ce chapitre :
– E, F et G sont trois K-espaces vectoriels de dimension finie respective p, n, m.
– On note B = (~b1 , . . . , ~bp ), B 0 = (~b01 , . . . , ~b0n ) et B 00 = (~b001 , . . . , ~b00m ) des bases respectives de E, F et G.

35.1 Applications linéaires et matrices

Propositions/Définitions
Soit u ∈ L(E, F ).
n
X
– Alors : ∀j ∈ J1, pK, ∃!(a1,j , . . . , an,j ) ∈ K / u(~bj ) =
n
ai,j~b0i = a1,j~b01 + · · · + an,j~b0n .
i=1
– On appelle matrice de l’application linéaire u dans les bases B et B 0 la matrice de Mn,p (K) :
 
a1,1 . . . a1,p
Mat(B,B0 ) (u) =  ... .. 

. 
an,1 . . . an,p

– Lorsque F = E et B 0 = B, on note MatB (u) = Mat(B,B) (u).

En pratique
On détermine la matrice de u dans les bases B et B 0 de la manière suivante : on place en colonne
dans la matrice les coordonnées des vecteurs générateurs de Im(u) = Vect(u(~b1 ), . . . , u(~bp )), coordonnées
exprimées dans la base B 0 selon le modèle

u(~b1 ) u(~bp )
 ↓ ↓ 
a1,1 . . . a1,p ← coordonnée selon ~b01
 .. .. 
 . . 
an,1 . . . an,p ← coordonnée selon ~b0n

Exemples
1. Dans E = R2 [X] et F = R3 [X] munis de leur base canonique respective B et B 0 , on considère
l’application :
u : P 7→ XP − 3P 0
(a) Montrer que u ∈ L(E, F ) puis déterminer Mat(B,B0 ) (u).
(b) Soit E = (X 2 , X + X 2 , 1 + X + X 2 ). Vérifier que E est une base de E puis déterminer
Mat(E,B0 ) (u).

467
468 CHAPITRE 35. MATRICE D’UNE APPLICATION LINÉAIRE

2. (a) Soit e = (~e1 , ~e2 ) la base canonique de R2 . Déterminer Mate (IdR2 ).

(b) Soit e0 = (~e2 , ~e1 ). Déterminer Mat(e,e0 ) (IdR2 ).
(c) Soit e00 = (~e1 + ~e2 , ~e1 − ~e2 ). Déterminer Mat(e00 ,e0 ) (IdR2 ).
3. Préciser la matrice de IdE dans une base B.
4. Soit e = (~e1 , ~e2 , ~e3 ) une base d’un espace vectoriel E.

(a) Déterminer la matrice, dans la base e, de la projection sur Vect(~e1 , ~e2 ) parallèlement à Vect(~e3 ).
(b) Déterminer la matrice, dans la base e, de la symétrie par rapport à Vect(~e3 ) dans la direction
deVect(~e1 , ~e2 ).

Théorèmes

On rappelle que des bases de E et F sont déjà fixées.

– Soit M ∈ Mn,p (K). Alors, il existe une unique application linéaire u ∈ L(E, F ) telle que :

M = Mat(B,B0 ) (u)

– L’application L(E, F ) → Mn,p (K), u 7→ Mat(B,B0 ) (u) est un isomorphisme d’espaces vectoriels et
on a :
dim(L(E, F )) = dim(E) × dim(F )

Preuves

Pour la linéarité, voir le paragraphe suivant.

Exemples

1. Justifier que connaître une forme linéaire sur E est équivalent à connaître une matrice ligne de
M1,p (K).
2. Préciser la matrice dans les bases canoniques de :

x1
u : Rn → R,  ...  →
7 a1 x1 + · · · + an xn
 
xn

où (a1 , . . . , an ) est un n-uplet de réels.

3. Soit ϕ la forme linéaire sur Rn [X] définie par la matrice ((−1)0 , (−2)2 , . . . , (−n − 1)n ) dans la base
canonique de Rn [X]. Préciser ϕ(kX k ) pour tout entier k tel 0 ≤ k ≤ n.

Proposition

Soit u ∈ L(E, F ), M = Mat(B,B0 ) (u) ∈ Mn,p (K) et ~x ∈ E de coordonnées, dans la base B, la matrice
colonne X ∈ Mp,1 (K). Alors son image u(~x) admet pour coordonnées, dans la base B 0 , la matrice colonne
M X ∈ Mn,1 (K).

Preuve

s
35.2. OPÉRATIONS SUR LES APPLICATIONS LINÉAIRES ET OPÉRATIONS SUR LES MATRICES469

Exemples
 
2 −1
On pose M = .
1 3
1. Soit u ∈ L(R2 ) de matrice
 M 2
 dans la base canonique e de R . Déterminer les coordonnées dans e du
x1
vecteur u(~x) où ~x = .
x2
2. Soit v ∈ L(R1 [X]) de matrice M dans la base (1, X) de R1 [X]. Déterminer v(aX + b).

35.2 Opérations sur les applications linéaires et opérations sur les

matrices
Propositions
– ∀(u, v) ∈ L(E, F )2 , Mat(B,B0 ) (u + v) = Mat(B,B0 ) (u) + Mat(B,B0 ) (v)
– ∀u ∈ L(E, F ), ∀λ ∈ K, Mat(B,B0 ) (λu) = λMat(B,B0 ) (u)
– ∀(u, v) ∈ L(E, F ) × L(F, G), Mat(B,B00 ) (v ◦ u) = Mat(B0 ,B00 ) (v) × Mat(B,B0 ) (u)
– En conséquence :
∀u ∈ L(E), ∀k ∈ N, MatB (uk ) = [MatB (u)]k
∀u ∈ GL(E), MatB (u) ∈ GLp (K) et MatB (u−1 ) = [MatB (u)]−1
Plus généralement :

Mat(B,B0 ) (u) ∈ GLp (K)
∀u ∈ L(E, F ), u isomorphisme ⇒ −1
= Mat(B0 ,B) (u−1 )

Mat(B,B0 ) (u)

Exemple
On considère les espaces vectoriels E = R2 [X] et F = R3 [X] munis de leur base canonique respective
B et B 0 . On définit les applications :

f : R2 [X] → R3 [X], P 7→ XP − 3P 0 et g : R3 [X] → R2 [X], P 7→ XP 00

1. Vérifier que f et g sont linéaires puis déterminer les matrices de f et de g dans les bases B et B 0 .
2. En déduire la matrice de g ◦ f dans la base B puis celle de f ◦ g dans la base B 0 .
3. Déterminer alors les polynômes (g ◦ f )(X 2 ) et (f ◦ g)(X 2 ).

Remarque
Ces propositions sont à l’origine des définitions des opérations sur les matrices énoncées dans le chapitre
sur les matrices réelles.

35.3 Rang d’une matrice

35.3.1 Généralités
Définitions
On appelle rang d’une matrice A ∈ Mn,p (K) l’entier noté rg(A), égal au nombre maximal de colonnes
linéairement indépendantes, c’est à dire le rang de la famille des vecteurs colonnes qui la constitue.
470 CHAPITRE 35. MATRICE D’UNE APPLICATION LINÉAIRE

Exemples
1. Déterminer le rang des matrices :
   
  a b c 0 1 −2
cos(x) sin(x)  a b c   1 2 −1 
In
− sin(x) cos(x)
a b c 2 3 0

2. Déterminer une CNS pour qu’une matrice A ∈ Mn,p (K) soit de rang 1.

Propositions
Soit A ∈ Mn,p (K). Alors :
– (admis) rg(t A) = rg(A)
– rg(A) ≤ min{n, p}
– rg(A) = 0 si et seulement A = Θ
– lorsque n = p, alors on a :
A ∈ GLn (K) ⇔ rg(A) = n
– ∀P ∈ GLn (K), rg(P A) = rg(A)
– ∀Q ∈ GLp (K), rg(AQ) = rg(A)

Preuves
– admis donc.
– Le rang est inférieur au nombre de colonnes de la matrice. D’après le résultat qui précède, il est aussi
inférieur au nombre de lignes.
– Dire que le rang de A est nul c’est dire qu’aucune colonne n’est un vecteur libre ; c’est donc dire que
toutes les colonnes sont nulles.
– ⇒ Supposons que A est inversible.
⇐ Supposons A de rang n. Alors les colonnes de A forment une famille libre de Kn et donc une
base. On en déduit que l’endomorphisme représenté par A dans une base quelconque d’un espace de
dimension n est un isomorphisme et donc que A est inversible.

35.3.2 Lien avec le rang d’une application linéaire

Propositions
– Soit A ∈ Mn,p (K). Soit u l’unique application linéaire de E dans F telle que A = Mat(B,B0 ) (u).
Alors :
rg(u) = rg(A)
– Soit v ∈ L(E, F ). Alors, pour toute base E de E et toute base F de F , on a :


rg Mat(E,F ) (v) = rg(v)

Preuves
Le rang de u est clairement le rang de la famille de vecteurs colonnes constituant la matrice de u.

Exemples
1. Déterminer la dimension puis une base de Ker(f ), Ker(g), Ker(g ◦ f ) et Ker(f ◦ g) (applications
précédemment définies).
2. Soit u ∈ L(R5 , R4 ) définie par la matrice dans les bases canoniques B5 de R5 et B4 de R4 . Déterminer
une base de Ker(u) et Im(u).
35.4. EXERCICES 471

35.3.3 Applications linéaires particulières

Propositions
Soit u ∈ L(E, F ).

– u est injective si et seulement si rg Mat(B,B0 ) (u)
= dim(E).
– u est surjective si et seulement si rg Mat(B,B0 ) (u)
= dim(F ).
– u est bijective si et seulement si rg Mat(B,B0 ) (u) = dim(E) = dim(F ) donc si et seulement si
Mat(B,B0 ) (u) ∈ GLdim(E) (K).

Preuves
On utilise le théorème du rang puisque le rang de la matrice de u est égal à la dimension de l’image de
u.

Exemple
Soit u : R2 → R2 , (x, y) 7→ (2x − 3y, 3x − 4y).
1. Justifier que u est linéaire et préciser sa matrice dans la base canonique de R2 .
2. En déduire que u est inversible et exprimer u−1 (x, y).

35.4 Exercices
1. Soit U ∈ Mn,1 (K) et V ∈ Mp,1 (K). Déterminer le rang de U t V .
 
1 −1
2. Soit A = ∈ M2 (C) et u : M2 (C) → M2 (C), M 7→ u(M ) = AM − M A.
−1 1
(a) Montrer que u est linéaire.
(b) Déterminer sa matrice dans la base canonique B = (E1,1 , E1,2 , E2,1 , E2,2 ) de M2 (C).
(c) Quel est le rang de u ?
(d) Déterminer une base de Ker(u) et de Im(u).
3. Soit f : C4 [X] → C4 [X], P 7→ f (P ) = P (X + 1) − P (X).
(a) Vérifier que f est linéaire et déterminer sa matrice dans la base canonique.
(b) f est-elle injective ? surjective ? Donner la dimension du noyau et de l’image de f .
(c) Déterminer une base de Ker(f ) et Im(f ).
(d) Déterminer le polynôme f 2 (1 + X + X 2 + X 3 + X 4 ).
4. Soit B = (1, X, X 2 ) la base canonique de R2 [X] et p la projection sur F = Vect(1 + X + X 2 )
parallèlement à G = Vect(1 + X, X + X 2 ).
(a) Vérifier que p est bien définie.
(b) Préciser la matrice de p dans la base B 0 = (1 + X + X 2 , 1 + X, X + X 2 ).
(c) Déterminer la matrice de p dans la base canonique.
5. Soit p un projecteur de rang m ≥ 1 d’un espace vectoriel E de dimension n > m. Montrer qu’il
existe une base B de E telle que :

MatB (p) = diag(1, . . . , 1, 0, . . . , 0)

6. Dans R3 muni de sa base canonique B, déterminer la matrice de la projection sur le plan d’équation
x + y + z = 0 parallèlement à la droite définie par les équations x = y2 = z3 .
472 CHAPITRE 35. MATRICE D’UNE APPLICATION LINÉAIRE

7. Soit E = F ⊕ G où F et G sont deux sous espaces non réduits au vecteur nul. Soit s la symétrie par
rapport à F dans la direction de G. Montrer qu’il existe une base B de E telle que :
MatB (s) = diag(1, . . . , 1, −1, . . . , −1)
8. Soit B = (~e1 , . . . , ~en ) la base canonique de Rn (avec n ≥ 2).
(a) Justifier l’existence d’un unique endomorphisme ϕ de Rn tel que :
∀i ∈ J1, n − 1K, ϕ(~ei ) = ~ei+1 et ϕ(~en ) = ~e1
(b) Déterminer la matrice A de ϕ dans la base canonique.
(c) i. Justifier que ϕ est un automorphisme de Rn et préciser ϕ−1 .
ii. En déduire A−1 .
(d) i. Calculer Ak pour tout entier naturel k.
n
!
X
ii. En déduire ϕk ai~ei pour tout entier naturel k et tout n-uplet de réels (a1 , . . . , an ).
i=1

9. Soit E le sous espace vectoriel de A(R, R) engendré par la famille de fonctions B = (1, sin, cos).
(a) Déterminer la dimension de E.
(b) Soit ϕ l’application définie sur E par :
∀u ∈ E, ϕ(u) = u0
i. Montrer que ϕ est un endomorphisme de E.
ii. Déterminer la matrice de ϕ dans la base B.
10. Soit ϕ : Rn [X] → Rn [X], P (X) 7→ ϕ(P ) = P (X + 1).
(a) Prouver que ϕ ∈ GL(Rn [X]) et préciser ϕ−1 .
(b) Déterminer la matrice A de ϕ dans la base canonique B de Rn [X].
(c) Déduire de ce qui précède que A est inversible et préciser A−1 .
(d) Soit (a0 , . . . , an ) ∈ Rn+1 . On pose :
p  
X p
∀p ∈ J0, nK, bp = ak
k
k=0

i. Déterminer un lien entre les deux matrices lignes (a0 , . . . , an ) et (b0 , . . . , bn ).

ii. En déduire l’expression de ak en fonction de (b0 , . . . , bk ) pour tout entier k ∈ J0, nK.
11. Soit E = R3 [X]. Soit f l’application qui, à un polynôme P de E, associe le polynôme :
f (P ) = P (X + 1) + P (X)
(a) Prouver que f est un endomorphisme de E.
(b) Déterminer la matrice M de f dans la base canonique B de E.
(c) Prouver que f est bijectif.
(d) Déterminer la matrice de f −1 dans B.
(e) Soit P (X) = a0 + a1 X + a2 X 2 + a3 X 3 un élément de E.
i. Expliciter le polynôme Q = f −1 (P ) en fonction de (a0 , a1 , a2 , a3 ).
ii. Pour tout entier naturel n non nul, on pose :
n
X
S(n) = (−1)k P (k)
k=1

Exprimer simplement S(n) en fonction de (−1)n , Q(n + 1) et Q(1).

iii. En déduire l’expression de S(n) en fonction n et de (a0 , a1 , a2 , a3 ).
Chapitre 36

Réduction des endomorphismes et des matrices

carrées

Dans ce chapitre, E désigne un K-espace vectoriel de dimension finie égale à n (n ≥ 1) et u désigne un

endomorphisme de E.

36.1 Exemples
Soit B = (~e1 , ~e2 ) la base canonique de R2 et soit u ∈ L(R2 ).
 
−1 0
1. On suppose que MatB (u) = . Préciser les images des vecteurs de cette base par u.
0 4
      
1 1 0 1 1
2. On suppose que MatB (u) = . Vérifier que B = , est une base de R2
1 1 1 B −1 B
puis déterminer MatB0 (u).
   
1 1 x1
3. On suppose que MatB (u) = . Déterminer tous les vecteurs ~x = et tous les réels
0 1 x2 B
λ tels que :
u(~x) = λ~x
Peut-on extraire de la famille de tous ces vecteurs une base de R2 .
L’objectif de ce chapitre est de rechercher, lorsque cela est possible, une base de vecteurs tels que l’endo-
morphisme soit représenté par une matrice diagonale dans cette base.

36.2 Valeur propre, vecteurs propres et sous espaces propres d’un

endomorphisme
Définitions
– On appelle valeur propre de l’endomorphisme u tout scalaire λ ∈ K tel que :

∃~x ∈ E − {~0E } / u(~x) = λ~x

– Un tel vecteur ~x est alors appelé vecteur propre de u associé à la valeur propre λ.
– L’ensemble des valeurs propres de u s’appelle le spectre de u, on le note Sp(u).
– On appelle sous espace propre de u associé à la valeur propre λ l’ensemble constitué du vecteur
nul et des vecteurs propres associés à λ, c’est à dire l’ensemble :

Eλ (u) = {~x ∈ E | u(~x) = λ~x} = Ker(u − λIdE )

473
474 CHAPITRE 36. RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES

Exemples
Préciser les valeurs propres, des vecteurs propres et les sous-espaces propres des endomorphismes du
§1.

Théorèmes
Soit λ ∈ K. Les propositions qui suivent sont toutes équivalentes :
– λ est valeur propre de u,
– u − λIdE n’est pas injectif,
– u − λIdE n’est pas bijectif,
– rg(u − λIdE ) < n = dim(E),
– dim(Eλ (u)) = dim(E) − rg(u − λIdE ) 6= 0
En particulier : u ∈ GL(E) si et seulement si 0 ∈ Sp(u).

Preuves
s

Exemples
1. Déterminer le spectre et une base des sous espaces propres des endomorphisme représentés dans la
base canonique de R3 par les matrices suivantes :
     
1 0 −2 2 3 1 1 2 3
A =  0 3 −3  B= 0 2 3  C= 1 2 3 
−2 4 0 0 0 2 1 2 3

2. Déterminer les valeurs propres et les sous espaces propres de u ∈ L(R2 ) défini par :
       √ 
1 1 0 − 3
u = √ et u =
0 3 1 1

3. Déterminer les valeurs propres et les sous espaces propres de u ∈ L(C2 ) défini par :
       √ 
1 1 0 − 3
u = √ et u =
0 3 1 1

36.3 Endomorphismes diagonalisables

Propositions
– Des vecteurs propres de u associés à des valeurs propres deux à deux distinctes de u forment une
famille libre.
– Alors u admet au plus n = dim(E) valeurs propres distinctes.

Preuves
– Récurrence. Initialisation pour k = 2 valeurs propres distinctes.
– Toute famille libre dans E admet au plus n vecteurs.

Définitions
On dit que l’endomorphisme u est diagonalisable dans K si et seulement si E admet une base constituée
de vecteurs propres de u.
36.4. MATRICES CARRÉES DIAGONALISABLES 475

Exemples

Les endomorphismes qui précédent sont-ils diagonalisables ?

Conséquences
– Si u est diagonalisable alors il est représenté par une matrice diagonale dans une base de vecteurs
propres et la diagonale de cette matrice est constituée des valeurs propres de u.
– Si u admet n valeurs propres deux à deux distinctes alors u est diagonalisable et ses sous espaces
propres sont tous de dimension 1.

Preuves

C’est évident.

36.4 Matrices carrées diagonalisables

Définitions

Soit A ∈ Mn (K) et λ ∈ K.
– On dit que λ est une valeur propre de la matrice A si et seulement si :

∃X ∈ Mn,1 (K) / X 6= 0, AX = λX

– La matrice colonne X est alors appelée vecteur propre de la matrice A.

– On appelle sous espace propre de la matrice A associé à la valeur propre λ le sous ensemble de
Mn,1 (K) constitué du vecteur nul et des vecteurs propres associés à λ que l’on note aussi :

Eλ (A) = {X ∈ Mn,1 (K) | AX = λX}

– On appelle spectre de la matrice A l’ensemble Sp(A) constitué des valeurs propres de A.

– On dit que la matrice A est diagonalisable dans K si et seulement si Mn,1 (K) admet une base
constituée de vecteurs propres de A.
Comme on peut identifier (au sens d’isomorphisme d’espaces vectoriels) les ensembles Mn (K) avec L(E)
et Mn,1 (K) avec E (une base de E étant préalablement choisie), alors on peut aussi écrire :

Eλ (A) = Ker(A − λIn )

Propositions

Soit A ∈ Mn (K) et u ∈ L(E) représenté par A dans une base quelconque B de E. Alors :
– λ ∈ Sp(A) si et seulement si λ ∈ Sp(u).
– X ∈ Mn,1 (K) est un vecteur propre de A si et seulement si X ∈ E (vu comme les coordonnées dans
la base B) est un vecteur propre de u.
– ∀λ ∈ Sp(A) = Sp(u), Eλ (A) = Eλ (u).
– A est diagonalisable dans K si et seulement si u l’est aussi.

Preuves

s
476 CHAPITRE 36. RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES

36.5 Réduction
36.5.1 Matrice de passage
Définition
On considère deux bases ? = (b1, ?,bn) et ? ? = (b1 ?, ?,bn ?) de E. On appelle matrice de passage de la
base ? (dite ancienne base) à la base ? ? (dite nouvelle base) la matrice P ?, ? ? ? ?n( ?) dont les colonnes sont
les coordonnées des vecteurs de ? ? exprimées dans la base ?.

Exemple
1. Dans ?3[X], on considère la base canonique ? et la famille ? ? = (1,X ?1,(X ?1)2,(X ?1)3). a. Vérifier
que ? ? est une base de ?3[X]. b. Déterminer les matrices de passage de ? à ? ? puis de ? ? à ?. c. Que
constate-t-on ?

Propositions
Soit P la matrice de passage d’une base ? à la base ? ? de E. La matrice P est la matrice de l’application
identique dans les bases ? ? et ?. La matrice P est inversible et son inverse P ?1 est la matrice de passage de
la base ? ? à la base ?, autrement dit : [ P ?, ? ? ? ] ?1 = P ? ?, ? Si x ?E a pour coordonnées la matrice colonne
X dans ? et la matrice colonne X ? dans ? ? alors : X = P X ? et donc X ? = P ?1 X Soit M (resp. N) la matrice
de u dans la base ? (resp. ? ?). Alors : N = P ?1 M P. Réciproquement : Toute matrice inversible est une
matrice de passage entre deux bases de E.

Preuves
s

Exemple
Vérifier le dernier point sur la matrice C de l’exemple initial.

36.5.2 Matrices semblables

Définition
On dit que deux matrices M et N de ?n( ?) sont semblables si et seulement s’il existe une matrice
P ? ? ?n( ?) telle que N = P ?1 M P.

Exemples
1. Montrer que et sont semblables. Montrer que et sont semblables.

Théorème
Soit M et N deux matrices de ?n( ?) semblables. Alors, les matrices M et N représentent le même endo-
morphisme dans deux bases différentes. Par conséquent, elles admettent le même rang, les mêmes valeurs
propres et les mêmes sous espaces propres.

Preuves
s
36.6. APPLICATION : PUISSANCES D’UNE MATRICE 477

36.5.3 Théorème fondamental de la réduction

Théorème
Soit M la matrice de u dans une base ? de E. On suppose que u est diagonalisable et on pose : Sp(u) =
{ ?1, ?, ?n} (les ?i ne sont pas nécessairement deux à deux distincts), D = diag( ?1, ?, ?n), ? ? = (x1, ?,xn) une
base de vecteurs propres de u (où xi est un vecteur propre associé à la valeur propre ?i), P = P ?, ? ?. Alors :
D = P ?1 M P.

Preuve
s

Exemples
Déterminer, si possible, deux matrices réelles P (inversible) et D (diagonale) telles que : A = PDP ?1
dans les cas suivants : (i) (ii) .

36.6 Application : puissances d’une matrice

Proposition
Soit M ? ?n( ?) une matrice diagonalisable dans ?. Alors, il existe une matrice inversible P et une matrice
diagonale D telles que : ?k ? ?, M k = P D k P ?1.

Preuve
s

Exemples
Calculer An pour les exemples précédents.

36.7 Exercices
1. Soit f : ?3[X] ? ?3[X] définie par : f (P) = P(X+1) ? P(X).
(a) Vérifier que f ? ?( ?3[X]) et préciser sa matrice dans la base canonique.
(b) Déterminer ses sous-espaces propres. f est-il diagonalisable ?
2. Déterminer toutes les matrices semblables à 0n, à In.
3. Soit E un espace de dimension finie n.
(a) Un projecteur de E est-il diagonalisable ? Quel est son spectre ?
(b) Mêmes questions avec une symétrie.
4. Les matrices suivantes sont-elles diagonalisables dans ? : , .
5. Soit tr : ?n( ?) ? ? définie par : .
(a) Montrer que cette application (appelée trace) est linéaire puis que tr(AB) = tr(BA).
(b) Montrer que deux matrices semblables ont la même trace. La réciproque est-elle vraie ?
(c) Soit M une matrice diagonalisable. Exprimer sa trace en fonction de ses valeurs propres.
6. On considère la matrice définie par :
478 CHAPITRE 36. RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES

(a) Est-elle diagonalisable dans ? ?

(b) Lorsque 1 est valeur propre de A, déterminer un base du sous-espace propre qui lui est associé.
7. On définit trois suites réelles u, v et w par : et ?n ? ?, . Exprimer un, vn et wn en fonction de n.
Index

11A , 64 U(Ja, bK), 291

Apn , 139 P(E), 56
Cnp , 140 ¬, 34
E(X), V (X), σ(X), 282 ∈,
/ 55
Ei,j , 107 ∼, 97
F1 + · · · + Fp , 186 ⊂, 55
F1 ⊕ · · · ⊕ Fp , 188 ⊃, 55
In , 108 Card(E), 136
[a, b], 56 Ent(x), 84
⇔, 36 IdE , 60
Π, 50, 58 Im(u), 197
⇒, 35 Im(z), 245
Σ, 47, 49, 50 Ker(u), 196
R̄, 73 Mat(B,B0 ) (u), 467
∩, 57, 59 Re(z), 245
◦, 61 Sp(u), 473
{, 58 Vect(~x1 , . . . , ~xp ), 180
∪, 57, 59 diag(a1 , . . . , an ), 108
∅, 55 max(A) et min(A), 83
∃, 38 sup(A) et inf(A), 82
∀, 37 ×, 58
,→, 291 maxf et minf , 236
[a,b] [a,b]
∈, 55 lim un , 78
(np), 140 n→+∞

bxc, 84 ∼ , 97
n→+∞
Ja, bK, 56 o (un ), 95
n→+∞
C, 245 lim f (x), 216
D, 55 x→+∞
lim f (x), 217, 218
K, 261 x→x0
K[X] et Kn [X], 261 lim f (x), 219
x→x+
N, 55 0
lim f (x), 219
Q, 55 x→x−
0
R, 82 ∼ g(x), 226
x→+∞
Z, 55
o (g(x)), 225
A(E, F ), 60 x→+∞
B(n, p), 292, 293 ∼ g(x), 226
x→x0
C n (I) et C ∞ (I), 234, 324, 327 o (g(x)), 225
x→x0
Dn (I), 324, 326 ∨, 34
GL(E), 201 ∧, 34
GLn (R), 114 f|A , 61
H(N, n, p), 294 mr (X) et µr (X), 283, 446
L(E), 195
L(E, F ), 195 Adjacentes, 82
Mn (R), 108 Affixe, 245
Mn,p (R), 107 Analyse/Synthèse (méthode), 116, 128

479
480 INDEX

Angle, 27 Coordonnées, 185

Angle orienté, 27 Coplanaires, 182
Antécédent, 60 Corrélées, 308
Appartient à, 55 Cosinus, 27, 28
Application, 60 Couple aléatoire, 303
Application composée, 61 Covariance, 308
Application identique, 60, 195 Cramer, 128
Application linéaire, 195
Application réciproque, 63 Définie-positive, 456
Approximation affine, 322 Définition, 39
Argument, 250 Dérivabilité, 322, 324
Arithmético-géométrique, 77 Développement limité, 222, 322, 376
Arrangement, 138 De Morgan (lois de), 35
Associativité, 57, 61, 109, 111 Degré, 261
Asymptote, 223 Demi tangente, 323
Automorphisme, 201 Diagonale, 108
Diagonalisable, 474, 475
Base, 184 Dichotomie, 83, 235, 236
Base canonique, 110, 184, 263, 387 Différence, 58, 109
Bayes, 165 Différence symétrique, 65
Bijection, 63 Dimension, 401, 402
Bilinéaire, 456 Discontinuité en un point, 217
Binôme de Newton, 113, 141, 200 Discret, 441
Borne inférieure, 82 Disjoints (ensembles), 57
Borne supérieure, 82 Disjonction, 34
Boule fermée, 457 Distance euclidienne, 457
Boule ouverte, 457 Distributivité, 57, 109, 111
Branche parabolique, 224 Divisible, 268
Division euclidienne, 266
Cardinal, 136 Droite vectorielle, 180
cercle trigonométrique, 27
Chaîne de Markov simple, 172 Ecart type, 282, 445
Changement de variable, 48 Egalité (applications), 60
Coefficient de corrélation, 310 Elément, 55
Coefficient dominant, 261 Elément neutre, 57, 61, 109, 111
Colinéaires, 182 Endomorphisme, 195
Combinaison, 140 Endomorphisme nilpotent, 391
Combinaison linéaire, 126, 179 Ensemble, 55
Commutant (matrices), 116 Ensemble dénombrable, 135
Commutativité, 57, 109, 110 Ensemble des parties, 56
Complémentaire, 58 Ensemble fini/infini, 135
Complexes, 245 Ensembles égaux, 56
Composée de polynôme, 264 Equation caractéristique, 77
Concaténation, 189 Equation différentielle, 365
Condition initiale, 361, 366 Equiprobable, 150
Conjonction, 34 Equivalence, 36
Conjugué, 247 Equivalente, 97, 226
Contient, 55 Espérance, 282, 445
Continûment dérivable, 324 Espace probabilisé, 151, 434
Continuité, 217, 234, 462 Espace probabilisable, 151, 433
Contraposée, 36 Espace vectoriel, 175
Convergence absolue, 420 Et, 34
Convexe, 459 Evénément contraire, 433
INDEX 481

Evénement, 149, 151, 433 Formule de Pascal, 141

Evénement élémentaire, 149, 151, 433 Formule de Vandermonde, 141
Evénement certain, 149, 151, 435 Formule des probabilités composées, 164, 436
Evénement contraire, 151 Formule des probabilités totales, 165, 436
Evénement impossible, 149, 151, 435 Formule du binôme de Newton, 113, 141, 200
Evénement presque certain, 435 Formule du crible (ou de Poincaré), 137, 151
Evénement presque impossible, 435 Formule sans nom, 141
Evénements incompatibles, 151, 433 Fréquence, 149
Evénements indépendants, 166, 437
Evénements mutuellement indépendants, 168, 437 Groupe des unités, 255
Evaluation, 262 Groupe linéaire, 114, 201
Eventualité, 149, 151 Homogène, 125
Expérience aléatoire, 149, 150 Homomorphisme, 195
Exponentielle, 22 Hyperplan, 197
Factorielle, 50 Hypothèse, 39
Famille échelonnée en degré, 393 Image, 60
Famille de parties, 59 Image d’une application linéaire, 197
Famille génératrice, 183 Image directe, 60
Famille génératrice et minimale, 391 Image réciproque, 60
Famille liée, 182 Imaginaire pur, 245
Famille libre, 182 Implication, 35
Famille libre et maximale, 391 Inégalité de Bienaymé-Tchebychev, 284, 446
Fermé, 458 Inégalité de Cauchy-Schwarz, 309, 457
Fonction équivalente, 226 Inégalité de Markov, 284
Fonction bornée, 19 Inégalité triangulaire, 20, 249
Fonction concave, 341 Inclusion, 55
Fonction continue, 217, 234, 462 Inconnue, 39, 125
Fonction continue par morceaux, 354 Indépendance, 305, 444
Fonction convexe, 341 Indépendance linéaire, 182
Fonction croissante, 19 Indépendance mutuelle, 311
Fonction décroissante, 19 Indice de nilpotence, 391
Fonction dérivée, 324 Injection, 62
Fonction dérivable, 322 Intégrale sur un segment, 348, 354
Fonction de répartition, 280 Intersection, 57, 59
Fonction de transfert, 278, 305, 311 Intervalle, 56
Fonction en escalier, 347 Inverse, 21, 114, 129
Fonction génératrice, 296 Irréductible, 268
Fonction impaire, 19 Isomorphisme, 201
Fonction indicatrice, 64
Fonction majorée, 19 Ligne de niveau, 462
Fonction minorée, 19 Limite, 78, 216–218
Fonction monotone, 19 Limite à droite, 219
Fonction négligeable, 225 Limite à gauche, 219
Fonction périodique, 19 Linéaire, 195
Fonction paire, 19 Linéarisation, 252
Fonction polynôme, 262 Linéarité, 48
Forme algébrique, 245 Logarithme néperien, 22
Forme exponentielle, 251 Loi binomiale, 293
Forme linéaire, 195 Loi conditionnelle, 305, 443
Forme trigonométrique, 250 Loi conjointe, 303, 443
Formule de Bayes, 165, 436 Loi d’un vecteur aléatoire, 303, 311
Formule de Koenig-Huygens, 283 Loi d’une variable aléatoire, 279, 443
482 INDEX

Loi de Bernoulli, 292 Partie d’un ensemble, 55

Loi géométrique, 448 Partie entière, 84
Loi hypergéométrique, 294 Partie imaginaire, 245
Loi marginale, 304, 443 Partie majorée, 82
Loi sans mémoire, 448 Partie minorée, 82
Loi uniforme, 291 Partie réelle, 245
Partition, 59
Majorant, 19, 74, 82 Pascal, 141, 142
Matrice élémentaire, 107 Permutation, 140
Matrice antisymétrique, 112 Pivot de Gauss, 128
Matrice associée, 125 Point d’inflexion, 341
Matrice carrée, 108 Point fixe, 86
Matrice colonne, 107 Polynôme, 261
Matrice d’une application linéaire, 467 Polynôme annulateur, 117
Matrice de covariance, 310, 312 Polynôme dérivé, 264
Matrice diagonale, 108 Polynôme unitaire, 261
Matrice ligne, 107 Polynôme d’interpolation de Lagrange, 411
Matrice nulle, 107 Presque sûrement, 435
Matrice rectangulaire, 107 Primitive, 266
Matrice stochastique, 172 Primitive d’une fonction, 361
Matrice symétrique, 112 Probabilité, 149, 151, 434
Matrice triangulaire inférieure, 108 Probabilité conditionnelle, 163, 436
Matrice triangulaire supérieure, 108 Probabilité uniforme, 150, 152
Matrice unité, 108 Probabilités composées, 164
Maximum, 83 Probabilités totales, 165
Minimum, 83, 236
Produit, 50, 75, 109, 110, 246, 262, 263
Minorant, 19, 74, 82
Produit cartésien, 58
Modèle, 149, 151
Produit par un réel, 246
Module, 249
Produit scalaire euclidien, 456
Moment et moment centré, 283, 446, 447
Projecteur, 205, 389
Monôme, 261
Prolongement, 61
Monotone, 74
Prolongement par continuité, 217, 462
Multiplicité, 270
Proposition, 34
Négation, 34 Propriété, 39
Négligeable, 95, 225 Puissance, 20
Nature, 78 Puissances, 113, 246
Nombre dérivé, 322
Quantificateur existentiel, 38
Nombre dérivé à gauche et/ou à droite, 323
Quantificateur universel, 37
Norme, 456
Quotient, 247, 266
Noyau, 196
Occurrence, 138 Réciproque, 36
Opérations élémentaires, 127 Récurrence, 39
Opposé, 109 Récurrence à plusieurs pas, 40
Ordre, 108 Résoudre un système, 125
Ordre d’une racine, 270 Réunion, 57, 59
Ou, 34 Racine carrée, 21
Ouvert, 458 Racine carrée d’un complexe, 248
Racines de l’unité, 252
p-liste, 138 Raison d’une suite, 75, 76
p-uplet, 138 Raisonnement par contraposition, 36
Période, 19 Raisonnement par l’absurde, 34
Paramètre, 39, 41 Rang, 406, 469
INDEX 483

Rang d’un terme, 73 Système homogène, 125

Relation de Chasles, 48 Système linéaire, 125
Reste, 266 Système presque complet, 435
Restriction, 61 Système triangulaire, 125
Systèmes équivalents, 125
Série, 417
Série absolument convergente, 420 Télescopage, 49, 51
Série de Riemann, 419 Tangente, 29
Série exponentielle, 421 Tangente à une courbe, 322
Série géométrique, 420 Tangente verticale, 322
Série semi convergente, 420 Taux de variation, 321
Sà c rie alternà c e, 422 Taylor avec reste intà c gral, 373
Scalaire, 261, 385 Taylor-Lagrange, 374, 375
sens trigonométrique, 27 Taylor-Young, 375
Sinus, 27, 28 Terme, 73
Solution, 126 Terme dominant, 261
Solution d’un système, 125 Terme général, 73
Somme, 47, 75, 108, 246, 262 Théorème, 39
Somme d’une série, 417 Théorème de la bijection, 237
Somme de sous espaces vectoriels, 186 Théorème de Rolle, 329
Somme directe, 188 Théorème des accroissements finis, 329, 330
Somme double, 49, 50 Théorème des valeurs intermédiaires, 235
Somme partielle, 417 Transfert, 282
Sommes de Riemann, 352 Transposée, 112
Sous ensemble, 55 Transposition, 112
Sous espace propre, 204, 473, 475 Triangle de Pascal, 142
Sous espace vectoriel, 178 Tribu, 432
Spectre, 204, 473, 475 Tribu des boréliens, 434
Stationnaire, 73 Tribu engendrée par une famille, 434
Subdivision, 347 Tribus indépendantes, 437
Subdivision adaptée, 347
Subdivision régulière, 347 Univers, 149, 151
Suite, 73
Suite équivalente, 97 Valeur absolue, 20
Suite arithmético-géométrique, 77 Valeur moyenne d’une fonction, 350
Suite arithmétique, 75 Valeur propre, 204, 473, 475
Suite bornée, 74 Vandermonde, 141
Suite constante, 73 Variable, 39
Suite croissante, 74 Variable aléatoire centrée, 282, 445
Suite extraite, 81 Variable aléatoire centrée réduite, 282
Suite géométrique, 76 Variable aléatoire réelle, 277
Suite majorée, 74 Variable alà c atoire réelle, 441
Suite minorée, 74 Variable centrée réduite, 445
Suite monotone, 74 Variable muette, 47
Suite négligeable, 95 Variables muettes indépendantes, 49
Suite récurrente linéaire d’ordre 2, 77 Variables muettes liées, 50
Suite stationnaire, 73 Variance, 282, 445
Suites adjacentes, 82 Vecteur, 175
Supplémentaire (sous espace vectoriel), 189 Vecteur aléatoire, 311
Surjection, 62 Vecteur colonne, 107
Symétrie, 206, 389 Vecteur propre, 473, 475
Système complet d’événements, 151, 433 Vecteur unitaire, 456
Système de Cramer, 128 Vecteurs orthogonaux, 456
484 INDEX

Voisinage, 215

Wallis, 367