Université de Cocody

UFR: SCIENCES MEDICALES

&
UFR: Maths-Info.
Année universitaire : 2023-2024

BIOMATHEMATIQUES
1ère Année

Enseignant : Dr Codjia Adolphe

 1 Fonctions
d’une variable réelle

1.1 Fonctions usuelles

1.2 Limites et dérivées
PLAN

1.3 Modéliser un phénomène biologique par une fonction

1.4 Étude de quelques situations biologiques
1.5 Courbes paramétrées du plan

➤ Décrire un phénomène par une fonction (observation en continu).

➤ Revoir les fonctions les plus utilisées en biologie.
OBJECTIFS

➤ Savoir calculer, utiliser et interpréter une dérivée.

➤ Étudier divers éléments d’une courbe (tangentes, extrémums, branches
infinies).
➤ Savoir construire une courbe paramétrée.

1.1 FONCTIONS USUELLES

1.1.1 Introduction
La biologie ne s’intéresse pas seulement aux descriptions et classifi-
cations des différents organismes ; mais aussi aux dépendances entre
les différentes propriétés de ces organismes.
Ces dépendances peuvent être qualitatives (couleur, sexe, état
solide, liquide ou gazeux) ou quantitatives. À la base des dépendances
quantitatives, se trouvent les fonctions.
De façon générale, une fonction est la donnée de deux ensembles A
et B (non vides) et d’une relation f, qui à tout élément x de A, associe
un et un seul élément, noté f(x), de B.
Les éléments de A sont appelés des objets, antécédents ou variables
et ceux de B, des images ou valeurs de f.
4 Chapitre 1 • Fonctions d’une variable réelle

Notations : f : A → B ou, lorsque A et B sont sous-entendus,

x → f ( x ).
Dans la première partie, nous nous intéresserons exclusivement
aux fonctions réelles de variable réelle, c’est-à-dire à celles dont la
variable x et l’image f(x) sont des nombres réels. Nous en rappellons
ici les plus importantes.

1.1.2 Fonctions polynomiales

Elles sont définies sur R par une expression de la forme :

f ( x ) = a0 + a1 x + a2 x 2 + " + a p x p avec a p ≠ 0.

où a0 , a1 , …, a p sont des nombres fixés.

Le nombre entier p est appelé degré de la fonction polynomiale f.
Les représentations graphiques des fonctions polynomiales de
degré 2 sont des paraboles.

1.1.3 Valeur absolue

Il s’agit de la fonction qui à tout réel x associe le nombre, noté x ,
défini par :

x = x si x
0 et x = − x si x  0.

Ainsi, par exemple, la fonction x 6 x −1 prend la valeur :

x − 1 = x − 1 si x
1 et x − 1 = −( x − 1) = − x + 1 si x  1.

1.1.4 Fonctions rationnelles

f(x)
Elles sont de la forme x → ---------- où les fonctions f et g sont polyno-
g(x)
miales. Le domaine de définition d’une telle fonction est l’ensemble
des x tels que g( x ) ≠ 0 .
Par exemple, les fonctions rationnelles définies par :

2x −1 x2 + 2 2x −1
, ,
x2 + 1 x − 3 x + 12
2
x − 2x + 1
2

sont définies respectivement sur R, \ {1, 2} et \ {1}.

 1.1 • Fonctions usuelles 5

1.1.5 Fonctions exponentielles et logarithmiques

• Fonction logarithme népérien

La fonction logarithme népérien est notée ln. Elle est définie sur
]0; +∞[ par :

{ ln1 = 0 ;
1
∀x > 0 (ln x )′ =
x
⋅
Cette fonction est strictement croissante et
lim ln x = −∞ ; lim lln x = +∞.
x → 0+ + x →+∞∞

L’unique solution de l’équation ln x = 1 est notée e ( e ≈ 2, 718 ).

En outre, la fonction logarithme népérien vérifie les propriétés
suivantes :
∀ a > 0 ∀b > 0 ∀r ∈ _

ln (ab) = ln a + ln b ; ln () a
b
= ln a − ln b ; ln ( ar ) = r ln a .

Figure 1.1 Fonction logarithme népérien. Figure 1.2 Fonction exponentielle.

• Fonction exponentielle
C’est la fonction réciproque de la fonction ln. Elle est notée exp, ou
x
x → e . Elle est définie sur R, à valeurs dans ]0, +∞[ et vérifie les
 6 Chapitre 1 • Fonctions d’une variable réelle

propriétés suivantes :
∀x ∈ \ (e x )′ = e x ; lim e x = 0 ; lim e x = 0 0; ; lim e x = +∞.
x →−∞ x →−∞ x →+∞

∀ a ∈ \ ∀b ∈ \ ∀r ∈ _
1 ea
e a + b = e a × e b ; e ra = (e a )r ; e − a =
a
; e a−b = b ⋅
e e
La fonction exponentielle est strictement croissante.

• Logarithme de base a
La fonction logarithme de base a (a > 0 et a ≠ 1), est définie par :
ln x
∀x > 0 log a ( x ) = ⋅
ln a
1 1
Sa dérivée est : (log a x )′ = × ⋅
ln a x
Ses propriétés algébriques sont les mêmes que celles de la fonction ln.
Si a = 10, loga est le logarithme décimal. On le note log.

• Exponentielle de base a
La fonction exponentielle de base a (a > 0), est la fonction définie par :
∀x ∈ \ exp a ( x ) = a x = e x ln a .
Pour a ≠ 1, c’est la fonction réciproque de la fonction loga.
y = ax ⇐
⇔ ln y = x ln a ⇔ x = log a ( y).
Sa dérivée est : (a x )′ = ln a × a x .
Remarquez bien qu’ici, la variable est en exposant.
Ses propriétés algébriques sont les mêmes que celles de la fonction
exp.

1.2 LIMITES ET DÉRIVÉES

1.2.1 Limites remarquables d’une fonction

Le calcul des limites des fonctions courantes utilise souvent celles qui
suivent (où m ∈ N*) :
1 1
lim l x m = +∞, lim m = +∞ lim l m = 0,
x →+∞ x→0 x x →+∞ x
1.2 • Limites et dérivées 7

ex
lim l x m e x = +∞ , ml
lim = +∞, lim x m e − x = 0 ,
x →+∞ ∞ xm
x →+∞ x →0

ln( x )
lim l x m ln( x ) = +∞ , ml
lim = 0, lim x m ln( x ) = 0 ,
x →+∞ ∞
x →+∞ xm x→0

sin x ex −1 ln(1 + x )
lim = 1, lim = 1, lim = 1.
x→0 x x→0 x x→0 x

1.2.2 Dérivée d’une fonction

• Définition
Soit f : [ a, b] → \ une fonction définie sur l’intervalle [a,b]. Elle est
dérivable en x0 ∈ ]a, b[ si le quotient :
f ( x0 + h ) − f ( x0 )
h
admet une limite quand h tend vers 0.
df
Cette limite, quand elle existe, est notée f ′( x0 ), ou ( x ).
dx 0
Lorsque f est dérivable en tout point x de ]a,b[, on dit que f est déri-
vable et on note f ′ la fonction dérivée ainsi définie sur l’intervalle ]a,b[.
Dans les sciences expérimentales, la variation h de la variable x est souvent
notée ∆x.

• Règles de calcul
Pour deux fonctions f et g convenablement définies et λ un nombre
réel, on a :
[ f ( x ) + g( x )]′ = f ′( x ) + g′( x ) [ f ( x )g( x )]′ = f ′( x )g( x ) + f ( x )g′( x )

[λ f ( x )]′ = λ f ′( x ) [ ]
f ( x)
g( x )
=
f ′( x )g( x ) − f ( x )g ′( x )
g2 ( x )
( g D f )′( x ) = g ′( f ( x )) f ′( x )

• Signification géométrique de la dérivée

Rappelons que l’équation de la droite qui passe par deux points
(a, f(a)) et (b, f(b)), avec a ≠ b, est :
f (b) − f ( a )
y = f ( a) + ( x − a).
b−a
8 Chapitre 1 • Fonctions d’une variable réelle

En fixant les nombres x0 et h, l’équation de la droite Dh qui passe

par les points ( x0 , f ( x0 )) et ( x0 + h, f ( x0 + h)) est :
f ( x0 + h) − f ( x0 )
y = f ( x0 ) + ( x − x0 ).
h
On remarque alors que lorsque h tend vers 0, la position limite de
la droite sécante Dh est la tangente à ce graphe au point (a, f(a)). Elle
a donc pour équation :
y = f ( x0 ) + f ′( x0 )( x − x0 ).

• Signe de la dérivée et sens de variation d’une fonction

Soit f : [ a, b] → \ une fonction dérivable sur l’intervalle ]a,b[.
➤ Si f ′(x) > 0 pour tout x ∈ ]a, b[, alors f est croissante sur [a,b] ;
➤ Si f ′(x) < 0 pour tout x ∈ ]a, b[, alors f est décroissante sur [a,b] ;
➤ Si f ′(x) = 0 pour tout x ∈ ]a, b[, alors f est constante sur [a,b].

• Dérivées successives
Supposons que la fonction f :]a, b[→ \ est dérivable et soit
f ′ :]a, b[→ \ , la fonction dérivée.
➤ Si la fonction f ′ est continue, on dira que f est continûment déri-
vable.
➤ Si la fonction f ′ est dérivable, on dira que f est deux fois dérivable
et on note f ′ ′ la dérivée seconde : f ′′ = ( f ′ )′ .
Si de plus f ′ ′ est continue, on dira que f est deux fois continûment
dérivable.
➤ Ainsi, de proche en proche, on définit la dérivée n-ième de f
comme étant la dérivée de la fonction f ( n −1). On la note f ( n ).

1.2.3 Application à l’étude des extrémums

• Définitions
➤ La fonction f, définie sur Df , admet un maximum (resp. minimum)
global en x0 ∈ Df si :
pour tout x ∈ D f f ( x )  f ( x0 ) (resp. f ( x )
f ( x0 )).
➤ La fonction f admet un maximum (resp. minimum) local en x0 ∈ Df ,
s’il existe un intervalle ouvert I, contenant x0, tel que :
pour tout x ∈ I ∩ D f f ( x )  f ( x0 ) (resp. f ( x )
f ( x0 )) .
Un maximum ou un minimum local est dit extrémum local.
1.2 • Limites et dérivées 9

• Recherche des maximums et des minimums

Soit f : [ a, b] → \ une fonction dérivable sur l’intervalle ]a,b[.
➤ Si la fonction f admet un extrémum en x0 ∈ ]a, b[, alors f ′( x0 ) = 0.
➤ Réciproquement, si en un point x0 ∈ ]a, b[ , f ′( x0 ) = 0 et si la
dérivée f ′ change de signe en passant par x0, alors la fonction f
admet un extrémum en x0.
Cet extrémum est un minimum si f ′ est négative avant x0 et un
maximum si f ′ est positive avant x0.
➤ Si la dérivée f ′ s’annule en x0 sans changer de signe, alors la fonc-
tion f admet un point d’inflexion.

• Terminologie

Lorsque la fonction f traduit mathématiquement l’évolution d’un

phénomène (économique, démographique…), on parle de pic ou de
creux pour désigner un maximum ou un minimum local de f.

1.2.4 Étude des branches infinies

Pour terminer l’étude d’une fonction, il nous reste à étudier les bran-
ches infinies.
La représentation graphique d’une fonction f comporte une bran-
che infinie au voisinage de x0, fini ou infini, si la distance du point
( x , f ( x )) à l’origine tend vers l’infini lorsque x se rapproche de x0 :

lim x02 + f ( x )2 = +∞.

x → x0

Trois cas peuvent en résulter.

• x0 est fini et lim f ( x ) = ±∞ ; dans ce cas, la droite x = x0 est une
x → x0
asymptote verticale.
• x0 est infini et lim f ( x ) = c ; dans ce cas, la droite y = c est une
x → x0
asymptote horizontale.
• x0 est infini et lim f ( x ) = ±∞ ; dans ce cas, on doit affiner l’étude.
x → x0

f ( x)
➤ Si la limite lim = a est finie, alors :
x →±∞
x
– ou bien, la limite lim f ( x ) = b existe et la droite d’équation
x →±∞
y = ax + b est une asymptote oblique,
– ou bien, cette limite est infinie et l’on dit alors que la droite d’équa-
tion y = ax définit une direction asymptotique.
 10 Chapitre 1 • Fonctions d’une variable réelle

f ( x)
➤ Si la limite lim , est infinie, alors la branche de la courbe est
x →±∞ x
appelée branche parabolique.

1.3 REPRÉSENTER UN PHÉNOMÈNE BIOLOGIQUE

PAR UNE FONCTION
Le vocabulaire de ce paragraphe est celui qui est en usage en statisti-
ques. En particulier, le mot variable fait référence à une variable aléa-
toire et non au vocabulaire des fonctions.

1.3.1 Variable à expliquer et variable explicative

Certaines expériences conduisent à considérer en même temps deux
caractères numériques X et Y et à être dans le cas où :
➤ la variable X est contrôlée par l’expérimentateur, c’est-à-dire que
ses valeurs xi sont supposées connues sans erreur, et donc reproduc-
tibles à l’identique ;
➤ la variable Y est liée à X et ses valeurs yi fluctuent quand on repro-
duit le même xi.
On dit que Y est la variable à expliquer et X la variable potentielle-
ment explicative, ou susceptible d’expliquer Y.

1.3.2 Ajustement

• Généralités
On considère une famille de couples de points d’origine expérimentale
( x1 , y1 ), …, ( x n , yn ). On reporte ces points dans un repère orthonormal.
L’allure du nuage obtenu, ou des considérations sur le phénomène
étudié, peuvent suggérer un type de relation fonctionnelle entre x et y,
par exemple :
y = ax + b ; y = ax b ; y = a ln x + b …
Après avoir choisi un modèle, une distance entre les points expéri-
mentaux donnés et une courbe du type choisi, on détermine les
valeurs des paramètres qui rendent la distance minimum.

• Ajustement par une droite

Quand les points expérimentaux sont à peu près alignés, on retient
comme modèle y = ax + b.
Dans la méthode des moindres carrés, on choisit de rendre minimum
la distance S, somme des carrés des écarts verticaux (voir fig. 1.3).
1.3 • Représenter un phénomène biologique par une fonction 11

y = ax + b
y
Mp

axi + b
yi Mi

M1

xi x
p
S= Σ ni (yi – axi – b) 2
i =1

Figure 1.3

La droite d’équation y = ax + b qui rend S minimum est celle qui

passe par le point moyen M ( x , y) et dont la pente est égale à :
Cov( X , Y )
a= ⋅
V (X)
Cette droite s’appelle la droite de régression de Y par rapport à X.
La covariance de X et de Y est définie par :

1 n
( )
n
1
Cov( X , Y ) = ∑
n i =1
( xi − x )( yi − y) =
n
∑x i yi − x y.
i =1

La deuxième expression se retient par :

moyenne des produits – produit des moyennes.

• Qualité de l’ajustement
Après obtention de la droite de régression de Y par rapport à X, on
peut écrire :
1 p
V (Y ) = V (aX + b) + ∑ n ( y − axi − b)2
n i =1 i i

égalité que l’on interprète par :

variance de Y = variance expliquée + variance résiduelle.
On constate que :
variance expliquée V (aX + b) V ( X ) (Cov( X , Y ))2
= = a2 = = r2 .
variance totale V (Y ) V (Y ) V ( X ) V (Y )
 12 Chapitre 1 • Fonctions d’une variable réelle

Le coefficient de détermination r2 est une mesure de la qualité de

l’ajustement affine. Plus il est proche de 1, meilleur est le modèle affine.
Mais n’oubliez pas qu’un modèle a un domaine de validité biologi-
que limité, à ne pas confondre avec le domaine de définition mathé-
matique de la fonction du modèle.

• Régressions exponentielles ou logarithmiques

Le modèle y = ax b se ramène à ln y = ln a + b ln x , soit à une régres-
sion affine entre ln x et ln y.
Le modèle y = aα ln x + β se ramène à une régression affine entre
ln x et y.
Beaucoup de calculatrices contiennent ces modèles.

1.4 COURBES PARAMÉTRÉES DU PLAN

1.4.1 Définition et exemples

• Définition
Soit D une partie de R, f et g deux fonctions définies sur D et à
valeurs dans R. L’ensemble des points du plan
M (t ) = ( f (t ), g(t )) avec t ∈D
est appelé courbe paramétrée.

• Droite dans le plan

Une droite D du plan peut être définie par une équation cartésienne
ax + by + c = 0
où a et b ne sont pas simultanément nuls. Le couple (a,b) est alors un
vecteur normal à D et (–b,a) un vecteur directeur de D.
Si (α, β) est un point de D, une équation paramétrique de D est :

{x (t ) = α − bt
y(t ) = β + at
t ∈\

Ce même objet géométrique qu’est la droite est donc décrit de deux

manières différentes.
Réciproquement, la courbe définie par

{ x (t ) = −1 + 2t
y(t ) = −t
t ∈\

est la droite passant par le point (–1;0) et de vecteur directeur (2;–1).

1.4 • Courbes paramétrées du plan 13

• Cercle dans le plan

Un cercle dans le plan est caractérisé par la donnée de son centre (a,b)
et de son rayon r. Une équation cartésienne est :
( x − a)2 + ( y − b)2 = r 2.
Si l’on pose x (t ) = a + r cos t et y(t ) = a + r sin t , on obtient une
représentation paramétrée du même cercle.
Réciproquement, la courbe définie par

{
x (t ) = −1 + 2 cos t
y(t ) = 2 sin t
t ∈[0, 2π [

est le cercle de centre (–1;0) et de rayon 2.

Dans la représentation graphique d’une courbe paramétrée, on ne

tient compte que des variations des coordonnées x et y en fonction
du paramètre t, qui est absent du plan.

1.5.2 Tangente en un point

• Soit C la courbe paramétrée définie par t 6 ( x (t ), y(t )) sur un inter-
valle ouvert I. Soit t0 ∈ I et M 0 = ( x (t0 ), y(t0 )) le point correspondant.
Si le couple ( x ′(t0 ), y ′(t0 )) n’est pas nul, c’est un vecteur directeur
de la tangente T à la courbe C en M0.
Cette tangente admet donc pour équation paramétrée :

{ X (t ) =
Y (t ) =
x (t0 ) + x ′(t0 )(t − t0 )
y(t0 ) + y ′(t0 )(t − t0 )
t ∈\

• Par exemple, le cercle centré à l’origine (0;0) et de rayon 1 admet

une représentation paramétrée :
x (t ) = cos t ; y(t ) = sin t t ∈[0, 2π [

➤ Au point M
tangente est : 4
= ()(π 2, 2
2 2 ) une équation paramétrée de la

{
π
X (t ) =
2
2
−
2
2
t− ( )
4
π
2
2
+
2
2
Y (t ) =t−
4 ( )
Nous pouvons en déduire une équation cartésienne de cette
tangente en éliminant le paramètre t :
X +Y = 2 .
14 Chapitre 1 • Fonctions d’une variable réelle

π
➤ Au point M
() = (0;1), une équation paramétrée de la tangente est :

{
2
π
( )
X (t ) = − t −
2
Y (t ) = 1
Nous pouvons en déduire une équation cartésienne de cette
tangente :
Y = 1.
➤ Au point M (π ) = (−1; 0) , une équation paramétrée de la tangente est :

{
X (t ) = −1
Y (t ) = t − π
Nous pouvons en déduire une équation cartésienne de cette
tangente :
X = −1 .

1.4.3 Branches infinies

L’étude des branches infinies ressemble à celle des graphes des fonc-
tions réelles d’une variable réelle. Ainsi, l’existence d’une asymptote
• horizontale d’équation y = k correspond à l’existence d’une limite
→ y(t ) et d’une limite infinie de la fonction
finie k de la fonction t 6
t6→ x (t ) ;
• verticale d’équation x = k correspond à l’existence d’une limite
→ x (t ) et d’une limite infinie de la fonction
finie k de la fonction t 6
t6→ y(t ) ;
• oblique d’équation y = ax + b si la limite du rapport y(t ) est égale
à a et celle de l’expression y(t ) − ax (t ) à b. x (t )
1.4 • Courbes paramétrées du plan 15

1.4.4 Simulation de contours de feuilles simples

et de fleurs
• Les feuilles simples
Le principe consiste à faire varier l’abcisse en fonction de t avec une
fonction puissance dont l’exposant est entre 0,1 et 5.
Si la puissance est inférieure à 1, la largeur maximale de la feuille est
située après la moitié de la longueur. La largeur maximale est d’autant
plus proche de la base du limbe que la puissance dépasse 1.
L’ordonnée est donnée par une sinusoïde fonction de t.
Il faut une deuxième courbe y2 (t ) symétrique par rapport à l’horizon-
tale du premier tracé.
Voici deux exemples :
x = 100 + 2t 2 ,4
y1(t ) = 200 + 40sin
sintt
y2 (t ) = 200 − 40 sin
sintt

x = 100 + 2t 0 ,5
y1(t ) = 200 + 40sinsintt
y2 (t ) = 200 − 40 sin sintt
16 Chapitre 1 • Fonctions d’une variable réelle

• Les fleurs à symétrie rayonnée

Pour obtenir une fleur à partir du cercle
x = cos t ; y = sin t
il faut échancrer plus ou moins profondément de manière à obtenir des
lobes.
Il est nécessaire de fixer deux paramètres :
a qui varie entre 50 et 300 et qui va réaliser l’échancrure,
b qui varie entre 3 et 10 et qui indique le nombre de pétales.
La forme générale des représentations paramétrées est :

{
x (t ) = [250 + a sin(bt )]cos(t )
y(t ) = [250 + a sin(bt )]sin(t )
Voici deux exemples :

a = 220 et b = 6

a = 50 et b = 5
Mots clefs 17

Vitesses de croissance
Lorsqu’une croissance est très forte, on dit qu’elle est exponentielle
et lorsqu’elle est très lente, on dit qu’elle est logarithmique. Cela
s’explique par les limites :
ex xm
lim = ∞, lim = ∞,
x →+∞ x m x →+∞ ln x

c’est-à-dire que la croissance de la fonction exponentielle

l’emporte sur celle de toute fonction polynomiale et que la crois-
sance de la fonction polynomiale l’emporte sur celle de la fonction
logarithmique.
Il s’ensuit qu’une croissance moyenne, ou intermédiaire, est poly-
nomiale.

B
S
U
MOTS CLEFS

➤ Fonctions exponentielles et logarithmes

➤ Dérivée
➤ Extrémum
➤ Branche infinie
➤ Courbe paramétrée

EXERCICES
1.1 Expliciter l’écriture de la fonction : x 6 x − x − 2 .
2

1.2 Calculer les limites suivantes :

sin 2 x tan x 1 − cos x
1. lim 2. lim 3. lim
x →0 3x x →0 x x→0 x2
1.3 Montrer que la fonction continue x → 6| x | n’est pas dérivable en
x 0 = 0.
1.4 Étudier les variations de la fonction f :]0,∞[→ \ définie par
f ( x ) = x ln x .
1.5 Pour quelles valeurs des paramètres α et β, la fonction
f : \ → \ définie par f ( x ) = x 3 + α x + β est-elle croissante ?
→ x m e x où m ∈ ` ∗.
1.6 Calculer la dérivée troisième de la fonction x 6
18 Chapitre 1 • Fonctions d’une variable réelle

1.7 Soit f la fonction définie sur \ 5 {–1} par :

x2 − x −1
f ( x) = ⋅
x +1
1. Étudiez l’existence et la nature des extrémums de f.
2. Étudiez les branches infinies de f.
1.8 Dans le plan rapporté à un repère orthonormal, on considère la
courbe :

{
t2
x (t ) =
t −9 2
t ∈ \ 5 {−3, 3}
t (t + 2)
y(t ) =
t +3
Étudier les branches infinies de cette courbe.
1.9 Amplitude d’habitat
On a mesuré l’amplitude d’habitat y (c’est-à-dire la variation d’alti-
tude que peut supporter une espèce), ainsi que l’altitude moyenne (x
en m) pour des espèces de reptiles dans une zone de moyenne monta-
gne (de 150 m à 950 m).
À partir des résultats observés pour 16 espèces, on a obtenu la courbe
d’ajustement polynomial d’ordre 2 :
y = −0, 00108 x 2 + 1,145 x − 59, 66.
Comme le coefficient de détermination r 2 ≈ 0, 866 est assez voisin de
1, ce modèle est acceptable.
Quelle est l’altitude moyenne d’une espèce dont l’amplitude d’habitat
est maximale ?
1.10 Mort d’un insecte
L’injection de spores bactériennes dans le corps d’un insecte entraîne
une mortalité dont le pourcentage augmente en fonction du temps
écoulé.
1. Pour une expérience, le temps étant mesuré en jours à partir de
l’instant de l’injection, la mortalité M : a été modélisée par la fonction :
M = –0,2083t5 + 3,6742t4 – 21,913t3 + 46,25t2 + 9,5455t – 37,143
avec un coefficient de détermination r2 ≈ 0,9942 très proche de 1, ce
qui permet de valider le modèle sur l’intervalle [1;6]. On suppose que,
→ M (t ) est strictement croissante.
sur cet intervalle, la fonction t 6
Au bout de combien de temps obtient-on une mortalité de 50 % ?
Exercices 19

2. Même question pour une autre expérience modélisée (avec r2 ≈

0,9994) sur [1;6] par :
M = 0,25t5 – 5,2652t4 + 42,19t3 – 160,42t2 + 301,91t – 178,57,
la fonction étant aussi supposée strictement croissante.
1.11 Aire d’échantillonnage
On a quantifié le nombre d’espèces d’insectes sur des surfaces de x m2
dans une pelouse à Fétuque et dans une pelouse à Brachypode. Les
nombres moyens cumulés d’espèces (richesse spécifique) observés
sont indiqués dans le tableau suivant :

nombre cumulé moyen d’espèces d’insectes

unités de surface pelouse à Fétuque pelouse à Brachypode
9 3,25 1,79
18 5,6 3,34
27 7,42 4,72
36 8,79 6,1
45 9,7 7,21
54 10,46 8,21
63 11 9

La relation entre le nombre moyen cumulé d’espèces y et la surface

d’échantillonnage x est logarithmique :
y = 4, 0898 ln x − 5, 9356 pour la pelouse à Fétuque ;
y = 3, 7737 ln x − 7,1206 pour la pelouse à Brachypode.
1. Calculez la surface nécessaire à échantillonner dans chacune des
deux pelouses pour espérer trouver une espèce supplémentaire.
2. Même question pour 5 espèces supplémentaires.
1.12 Croissance bactérienne
On a cultivé la bactérie Salmonella anatum dans un bouillon nutritif
ordinaire. Avec des comptages au cours des 8 premières heures, on a
modélisé l’évolution de l’effectif y (en nombre de bactéries par mL)
en fonction du temps x (en heures) par la fonction exponentielle :
y = 2240 e1,035 x .
1. Quel effectif (en nombre de bactéries par mL) pouvez-vous prévoir
à 9 h dans l’hypothèse où le milieu n’est pas limitant ?
20 Chapitre 1 • Fonctions d’une variable réelle

2. Quelles sont les vitesses de croissance aux temps 3 h ? 5 h ? 8 h ?

1.13 Biodiversité
Un échantillonnage de peuplements d’insectes dans deux milieux A et
B a donné les résultats suivants :

Nombre d’individus Nombre d’individus

dans le milieu A dans le milieu B
Espèce 1 54 122
Espèce 2 18 35
Espèce 3 5 2

Pour comparer la biodiversité des deux milieux, on utilise l’indice de

Shannon qui mesure la « quantité d’information » :
n
H ′ = −∑ i log 2 i
i N
n
N ( )
où ni le nombre d’individus de l’espèce i, N le nombre total d’indivi-
ln x
dus et log2 ( x ) = le logarithme à base 2 de x.
ln 2
Calculez l’indice de Shannon pour les deux milieux.
1.14 Richesse insulaire
On cherche à savoir si le nombre d’espèces d’oiseaux (richesse insu-
laire) sur les îles Salomon peut être expliqué par la surface et la distance
inter-îles. Les données sont rassemblées dans le tableau suivant :

surface (miles2) distance (miles) nombre d’espèces

0,06 6,7 9
11,8 8,4 37
4,3 12,2 32
28,1 17,8 43
68 28,8 45
1,6 36,4 13
14,3 38,9 29
7,6 97,6 20
264 104,4 42
0,5 108,5 6
3,7 147 9
Exercices 21

1. On modélise la richesse insulaire y en fonction de la surface x par

une fonction logarithmique :
y = 5, 4933 ln( x ) + 15, 912.
Pour observer 50 espèces, quelle est la surface nécessaire prédite par
ce modèle ?
2. On appelle résidu de régression la différence entre la richesse
prédite par le modèle en fonction de la surface et la richesse réelle.
Pour chaque surface, déterminez le résidu de régression.
Est-il raisonnable d’exprimer le résidu de régression en fonction de la
distance inter-îles par un modèle affine ? Si oui, lequel ?
Conclusions ?
1.15 Chats des îles
Plusieurs couples de chats ont été introduits aux îles Kerguelen au
début des années 1950 pour éradiquer les lapins introduits auparavant
et qui étaient devenus nuisibles pour la végétation locale.
La population des chats a varié selon le tableau suivant (où on a
rajouté le logarithme des effectifs) :

années x effectifs y ln(y)

1959 10 2,30
1960 15 2,71
1961 23 3,14
1962 36 3,58
1963 56 4,03
1964 86 4,45
1965 132 4,88
1966 203 5,31
1967 313 5,75
1968 480 6,17
1969 740 6,61
1970 1140 7,04

Pouvait-on prévoir l’effectif de 1140 observé réellement en 1970 à

partir des données précédentes ?
22 Chapitre 1 • Fonctions d’une variable réelle

1.16 Courbes paramétrées et Ammonites

On considère la courbe paramétrée définie par :

{ x (t ) = t b sin t
y(t ) = t b cos t

1. Tracez l’arc de courbe correspondant à t ∈[0, 2π ] dans les cas

particuliers b = 1, b = 2 et b = 5.
Dans le cas général, pour quelles valeurs de t a-t-on y = 0 ? Calculez
les distances à l’origine selon l’axe des abscisses pour chacun des
demi-tours.
2. En partant du nouveau système d’équations :

{ x (t ) = abt sin t
y(t ) = a bt cos t
reprenez les mêmes questions dans le cas général, après avoir effectué
le tracé dans le cas particulier a = 2 et b = 0,5.
3. Chez de nombreuses Ammonites, le rapport entre les diamètres
opposés successifs est relativement constant. Parmi les deux systèmes
d’équations étudiés dans les questions précédentes, quel est le modèle
qui permet la meilleure approximation de cette propriété ?

SOLUTIONS

1.1 Le trinôme x 2 − x − 2 = ( x + 1)( x − 2) a deux racines réelles

distinctes. Comme le coefficient de x2 est positif, il est positif à l’exté-
rieur des racines et négatif entre les racines. En distinguant deux cas,
on peut donc expliciter l’écriture de f ( x ) = x 2 − x − 2 .
Si x ∈] − ∞, −1] ∪ [2, +∞[ , on a : f ( x) = x 2 − x − 2.
Si x ∈[ −1, 2], on a : f ( x) = − x 2 + x + 2 .
1.2 On peut obtenir les trois limites demandées avec la seule infor-
sin u
mation lim = 1.
u→0 u
sin 2 x sin 2 x 2 sin 2 x 2
1. On a : = × d’où : lim = .
3x 2x 3 x → 0 3x 3
tan x sin x 1 tan x
2. On a : = × et cos 0 = 1; d’où : lim = 1.
x x cos x x→0 x
Solutions 23

x
3. De la formule de trigonométrie 1 − cos x = 2 sin 2 ( ) on déduit :
2 ()
1 − cos x 2 sin 2 ( 2x ) 1 − cos x 1
= d’où : lim = ⋅
x2 4( 2x )2 x→0 x2 2

Vous pouvez retenir les résultats des deux dernières questions.

1.3 Dire que la fonction définie par f ( x ) = | x | est dérivable en 0,

f ( x ) − f (0)
c’est dire que la limite lim existe.
x→0 x−0
Distinguons deux cas : x < 0 et x > 0.

f (x) −x f (x) x
lim− = lim− = −1 ; lim+ = lim+ = 1.
x→0 x x →0 x x →0 x x →0 x

Comme les limites à gauche et à droite sont différentes, la limite

n’existe pas et la fonction n’est pas dérivable en 0.
1.4 La fonction f est définie et dérivable sur ]0; +∞[ et on a :
1
f ′( x ) = ln x + x ×
= 1 + ln x.
x
Sachant que la fonction exponentielle est strictement croissante, le
signe de f ′(x) se précise par les équivalences logiques :
⇔ ln x > – 1 ⇔ x < e −1
f ′( x ) > 0 ⇐
Le tableau de variation de f est donc :
x 0 e–1 +∞
f’(x) – 0 +
f(x) P N
Les informations sur f peuvent se compléter par :

lim f ( x ) = 0 ; f (e −1 ) = − e −1 ≈ −0, 37 ; f (1) = 0 ; lim f ( x ) = +∞.

x →0+ x →+∞

1.5 La fonction f est croissante si on a toujours :

f ′( x ) = 3 x 2 + α 艌 0.
Cette condition exige α ≥ 0, et il n’y a aucune condition sur β.
1.6 On peut calculer les dérivées de proche en proche. Mais il faut
∗
discuter suivant les valeurs de m ∈ ` car, en dérivant xm, on ne peut
pas obtenir une puissance négative.
24 Chapitre 1 • Fonctions d’une variable réelle

➤ Si m = 1

f ′( x ) = ( x + 1) e x

f ′′( x ) = ( x + 2) e x
f (3) ( x ) = ( x + 3) e x
➤ Si m = 2

f ′( x ) = ( x 2 + 2 x ) e x

f ′′( x ) = ( x 2 + 4 x + 2) e x
f (3) ( x ) = ( x 2 + 6 x + 6) e x
➤ Si m ≥ 3

f ′( x ) = [ x m + m x m −1 ]e x

f ′′( x ) = [ x m + 2 m x m −1 + m (m − 1) x m − 2 ]e x
f (3) ( x ) = [ x m + 3m x m −1 + 3m (m − 1) x m − 2 + 3m (m − 1)(m − 2) x m −3 ]e x
1.7 1. La fonction est dérivable sur \ 5{−1} et on a :
(2 x − 1)( x + 1) − ( x 2 − x − 1) x ( x + 2)
f ′( x ) = = ⋅
( x + 1)2 ( x + 1)2
Le tableau de variation de f est donc :

x –∞ –2 –1 0 +∞
f’(x) + 0 – || – 0 +
|| +∞ +∞
f(x) N P || P N
–∞ –∞ ||

La fonction admet
➤ pour x = –2 un maximum local avec f(–2) = –5 ;
➤ pour x = 0 un minimum local avec f(0) = –1.
2. Le tableau ci-dessus montre que x = –1 est asymptote verticale à la
courbe C représentative de f.
Il reste à étudier ce qui se passe lorsque x tend vers –∞ et vers +∞.
x2 − x − 1 x2
lim f ( x ) = lim = lim =1
x →±∞ x →±∞ x2 + x x →±∞ x 2
Solutions 25

−2 x − 1 −2 x
lim [ f ( x ) − x ] = lim = lim = −2
x →±∞ x →±∞ x +1 x →±∞ x
La droite d’équation y = x –2 est donc asymptote à C lorsque x tend
vers −∞ et lorsque x tend vers +∞.
1
Le signe de f ( x ) − ( x − 2) = donne la position :
x +1
– la courbe est au-dessous de l’asymptote lorsque x tend vers –∞ ;
– la courbe est au-dessus de l’asymptote lorsque x tend vers +∞.

x 2 − x − 1 ( x + 1)( x − 2) + 1 1
Avec f ( x ) = = = x−2+
x +1 x +1 x +1
on obtient directement toute l’étude précédente.

1.8 • Lorsque t tend vers –∞ ou vers +∞, on a :

lim x (t ) = 1 et lim y(t ) = lim t = ±∞.
t →±∞ t →±∞ t →±∞

Dans les deux cas, la droite x = 1 est asymptote à la courbe.

• Lorsque t tend vers 3, on a :
5
lim x (t ) = ±∞ et lim y(t ) = ⋅
t →3 t →3 2
5
Dans ce cas, la droite y = est asymptote à la courbe.
2
• Lorsque t tend vers –3, x(t) et y(t) tendent vers l’infini et l’on a :
y(t ) t (t + 2) (t − 3)(t + 3) (t + 2)(t − 3)
lim = lim × = lim = −2.
t →−3 x (t ) t →−3 t + 3 t 2 t →−3 t

t (t + 2) 2t 2 t (t − 2)
puis, de y(t ) + 2 x (t ) = + =
t +3 (t − 3)(t + 3) t −3
5
on déduit : lim[ y(t ) + 2 x (t )] = −
t →−3 2
5
Dans ce cas, la droite y = −2 x − est asymptote à la courbe.
2
1.9 La fonction du modèle a pour dérivée :
y ′( x ) = −0, 00216 x + 1,145.
26 Chapitre 1 • Fonctions d’une variable réelle

Elle s’annule pour x = x0 ≈ 530 .

Comme y ′(x) > 0 pour x < x0 et y ′(x) < 0 pour x > x0, il s’agit bien d’un
maximum.
L’espèce de reptile dont l’altitude moyenne est de 530 m est celle qui
supporte les plus grandes variations d’altitude.
1.10 1. On a M (1) ≈ 0, 21 < 50 et M (6) ≈ 93, 94 > 50.
La fonction M est continue et strictement croissante. Il existe donc
une valeur de t ∈[1; 6] unique telle que M (t ) = 50 .
On peut l’obtenir par des encadrements successifs :
M (2) ≈ 43, 77 ; M (3) ≈ 63, 09 ; M (2, 21) ≈ 49, 98.
On peut donc estimer que le temps attendu pour observer 50 % de
mortalité est de 2,21 jours.
2. On a M (1) ≈ 0, 06 < 50 ettM (6) ≈ 84, 41 > 50.
La fonction M est continue et strictement croissante. Il existe donc
une valeur de t ∈[1; 6] unique telle que M (t ) = 50 .
On peut l’obtenir par des encadrements successifs :
M (2) ≈ 44, 60 ; M (3) ≈ 55, 94 ; M (2, 4) ≈ 50, 02.
On peut donc estimer que le temps attendu pour observer 50 % de
mortalité est de 2,40 jours.
1.11 1. • Pour espérer trouver une espèce supplémentaire, dans la
pelouse à Fétuque, il faut passer de y = 11 à y = 12, soit échantillon-
ner une surface x telle que :
12 = 4, 0898 ln( x ) − 5, 9356

On en déduit : x = exp (
12 + 5, 9356
4, 0898 )
≈ 80, 27

Par précaution (aucun modèle n’est parfait), on échantillonnera donc

81 m2.
• Pour espérer trouver une espèce supplémentaire, dans la pelouse à
Brachypode, il faut passer de y = 9 à y = 10, soit échantillonner une
surface x telle que :
10 = 3, 7737 ln( x ) − 7,1206

On en déduit : x = exp (
10 + 7,1206
3, 7737 )
≈ 93, 39

Par précaution, on échantillonnera donc 94 m2.

Solutions 27

2. • Pour espérer trouver cinq espèces supplémentaires, dans la pelouse

à Fétuque, il faut passer de y = 11 à y = 16, soit échantillonner une
surface x telle que :
16 = 4, 0898 ln( x ) − 5, 9356

On en déduit : x = exp ( 16 + 5, 9356

4, 0898 )
≈ 213, 47

Par précaution, on échantillonnera donc 214 m2.

• Pour espérer trouver cinq espèces supplémentaires, dans la pelouse
à Brachypode, il faut passer de y = 9 à y = 14, soit échantillonner une
surface x telle que :
14 = 3, 7737 ln( x ) − 7,1206

On en déduit : x = exp ( 14 + 7,1206

3, 7737 )
≈ 269, 54

Par précaution, on échantillonnera donc 270 m2.

1.12 1. On va supposer que le modèle, qui a été validé au cours des 8
premières heures, est encore valable à 9 heures. C’est une hypothèse
raisonnable si le milieu nutritif est suffisant.
Dans ce cas, en remplaçant x par 9, on obtient :

y = 2240 e1,035× 9 = 24871451

soit environ 25 millions de bactéries par mL.
2. La dérivée de y en fonction de x est :

y ′( x ) = 2240 × 1, 035 e1,035 x = 2318, 4 e1,035 x .

Les vitesses de croissance demandées (en bactéries par mL et par
heure) sont donc :

y ′(3) ≈ 51722 ; y ′(5) ≈ 409885 ; y ′(8) ≈ 9144 220.

1.13 • Pour le milieu A, l’effectif total est N = 77. L’indice de Shannon

pour les insectes étudiés dans le milieu A est donc :

H′1 = − [ ( )
1 54
ln 2 77
log
54
77
+
18
77
log
18
77
+
5
77 ( )
log
5
77 ( )] ≈ 1,105.
28 Chapitre 1 • Fonctions d’une variable réelle

• Pour le milieu B, l’effectif total est N = 159. L’indice de Shannon

pour les insectes étudiés dans le milieu B est donc :

H′2 = − [
1 122
ln 2 159
log( )
122
+
35
159 159
log
35
+( )
2
159 159
log
2
159 ( )]
≈ 0, 853.
• Plus l’indice de Shannon est bas, plus la distribution des espèces est
déséquilibrée. Les résultats obtenus permettent donc de dire que la
biodiversité des insectes étudiés est plus grande dans le milieu A que
dans le milieu B.
1.14 1. Le modèle fourni dans l’énoncé a été obtenu par ajustement,
avec un coefficient de détermination r2 ≈ 0,713. Il est donc acceptable
car assez proche de 1. Mais comme y = 50 est en dehors du domaine
des valeurs observées, le résultat devra être considéré de façon
prudente.
En remplaçant y par 50 dans le modèle, on obtient :
50 − 15, 912
ln x = ≈ 6, 2 puis x ≈ 495.
5, 4933
2. Pour chaque île, on peut calculer le nombre d’espèces prédit par le
modèle (on va retenir des nombres théoriques avec deux décimales,
bien que ce ne soit pas possible sur le plan concret) et le résidu de régres-
sion qui est la différence entre valeur réelle et valeur fournie par le
modèle.

nombre d’espèces observées nombre d’espèces prédites résidus

9 0,46 8,54
37 29,47 7,53
32 23,92 8,08
43 34,24 8,76
45 39,09 5,91
13 18,49 –5,49
29 30,53 –1,53
20 27,05 –7,05
42 46,54 –4,54
6 12,10 –6,10
9 23,10 –14,10
Solutions 29

En reportant sur un graphique, les distances inter-îles en abscisses

et les résidus de régression en ordonnées, on obtient :

Les points paraissent alignés. Il semble donc raisonnable de chercher

la droite des moindres carrés qui exprime les résidus y en fonction des
distances x.
On obtient :
y = −0,1469 x + 8,1004
avec un coefficient de détermination r2 ≈ 0,82 suffisamment proche de
1 pour accepter ce modèle.
En conclusion, la richesse spécifique augmente linéairement avec le
logarithme de la surface des îles, et décroît linéairement avec la distance
inter-îles une fois que l’effet surface a été enlevé par le calcul des
résidus.
1.15 On trace d’abord le graphique avec les années en abscisses et
les effectifs en ordonnées.
30 Chapitre 1 • Fonctions d’une variable réelle

L’allure de ce graphique suggère une croissance exponentielle des

effectifs en fonction de la durée. Pour en avoir une confirmation (au
moins visuelle), traçons le graphique avec les années en abscisses et
les logarithmes des effectifs en ordonnées.

L’alignement des points désormais obtenus suggère un modèle du

type ln y = ax + b. La méthode des moindres carrés appliquée à x et
ln y donne le modèle :
ln y = 0, 4321x − 844, 22.
En remplaçant x par 1970 dans ce modèle, on obtient y ≈ 1115, ce qui
est peu différent du nombre observé 1140.
1.16 1. On a :
x ′(t ) = b t b −1 sin t + t b cos t = t b −1 (b sin t + t cos t )
y ′(t ) = b t b −1 cos t − t b sin t = t b −1 (b cos t − t sin t )
Le signe de x ′(t) et de y ′(t) quand t varie de 0 à 2π dépend de b.
Pour les valeurs de b indiquées, et avec un traceur de courbes, on
obtient :

b=1
Solutions 31

b=2

b=5

D’une façon générale, on a y = 0 (c’est-à-dire que le point correspon-

π
dant est sur l’axe des abscisses) quand cos t = 0 , soit tk = + kπ
2
avec k entier.
Pour ces valeurs de t, on a sin t = 1 et la distance à l’origine est :
x (tk ) = (tk )b .

2. On a :
x ′(t ) = b ln a a bt sin t + abt cos t = a bt (b ln a sin t + t cos t )
y ′(t ) = b ln a a bt cos t − a bt sin t = abt (b ln a cos t − t sin t )

Pour a = 2 et b = 0, 5, on obtient la courbe :

32 Chapitre 1 • Fonctions d’une variable réelle

D’une façon générale, on a y = 0 (c’est-à-dire que le point correspon-

π
dant est sur l’axe des abscisses) quand cos t = 0, soit t = + kπ avec
2
k entier.
Pour ces valeurs de t, on a sin t = 1 et la distance à l’origine est :

x (tk ) = a ( 2 ) .
b π + kπ

3. Calculons les rapports entre les valeurs successives des distances

obtenues.
Dans le premier cas, les rapports successifs sont égaux à :

( )(
b
π
+ (k + 1)π b b
(tk +1 )b
(tk )b
= 2
π
+ kπ
=
2k + 3
2k + 1 ) (
= 1+
2
2k + 1
. )
2
Cette suite est décroissante et tend vers 1 quand k tend vers l’infini.
Dans le second cas, les rapports successifs sont constants et égaux à
a bπ .
C’est donc la deuxième situation qui rend le mieux compte de la
forme de l’enroulement des Ammonites.
Dans le cas du Nautile, le rapport observé entre les diamètres succes-
1+ 5
sifs est très voisin du nombre d’or Φ = ≈ 1, 62.
2
Pour b = 0,5, une bonne modélisation devrait donc vérifier :
ln Φ
a 0 , 5π = Φ ⇐
⇔ ln a = ⇔ a ≈ 1, 36
0, 5π
 2 Équations
différentielles

2.1 Un outil : le calcul de primitives

2.2 Généralités sur les équations différentielles
PLAN

2.3 Équations différentielles du premier ordre

2.4 Équations différentielles linéaires du second ordre à coefficients
constants

➤ Savoir calculer les primitives des fonctions courantes.

OBJECTIFS

➤ Modéliser des phénomènes qui dépendent du temps, en reliant

les grandeurs et leurs vitesses d’évolution.
➤ Savoir résoudre des équations différentielles de type courant.

2.1 UN OUTIL : LE CALCUL DE PRIMITIVES

2.1.1 Définition et premières propriétés

• Définition
On appelle primitive d’une fonction continue f toute fonction F déri-
vable, dont la dérivée est f, soit :
F ′(t ) = f (t )
La recherche de primitive est donc l’« opération réciproque » de la
dérivation.

• Théorème
Deux primitives de f diffèrent d’une constante. Autrement dit, si F est
une primitive de f sur un intervalle I, toutes les primitives de f sur I
sont de la forme : x 6 F ( x ) + C où C est une constante quelconque.

On note F (t ) = ∫ f (t ) dt une primitive quelconque de f.

 34 Chapitre 2 • Équations différentielles

2.1.2 Intégration par parties

• Théorème
u et v étant des fonctions continûment dérivables, on a :

∫ u′(t ) v(t ) dt = u(t ) v(t ) − ∫ u(t ) v′(t ) dt.

• Cas classiques d’utilisation
P étant un polynôme et α ≠ 0 ,
➤ pour ∫ P(t )sin (α t + β ) dt , on pose v(t ) = P (t ) et u′(t ) =
sin (α t + β ) ;
➤ pour ∫ P(t )cos(α t + β ) dt , on pose v(t ) = P (t ) et u′(t ) =
cos (α t + β ) ;
➤ pour ∫ P(t )eα t +β
dt , on pose v(t ) = P (t ) et u′(t ) = eα t + β ;

➤ pour ∫ P(t ) ln t dt , on pose v(t ) = ln t et u′(t ) = P(t ) .

➤ pour calculer I = ∫ e cos β t ou J = ∫ e sin β t , on peut faire deux
α t α t

intégrations par parties « sans changer d’avis », c’est-à-dire en

posant les deux fois v(t ) = eα t , ou les deux fois v(t ) = cos β t ou
sin β t .
Mais il est plus rapide d’utiliser l’exponentielle complexe :

I = Re ( ) ( )
∫ e(α + iβ )t dt = Re
e ( α + iβ ) t
α + iβ
="

2.1.3 Intégration par changement de variable

Soit u une fonction admettant une dérivée continue. Alors :

∫ f (u(t )) u′(t ) dt = ∫ f (u) du.

2.2 GÉNÉRALITÉS SUR LES ÉQUATIONS DIFFÉRENTIELLES
On appelle équation différentielle d’ordre n ( n ∈ ` ), toute relation du
type :
R(t , x(t ), x ′(t ), …, x ( n ) (t )) = 0 (E)
qui relie une fonction (inconnue) x dépendant de la variable t, et ses
dérivées successives x ′, x ′′, …, x ( n ) .
 2.3 • Équations différentielles du premier ordre 35

On appelle solution de l’équation différentielle (E), toute fonction

x, n fois dérivable sur un intervalle ouvert I et qui vérifie, sur I, la rela-
tion (E).
Résoudre (E) dans I, c’est rechercher l’ensemble de ses solutions
dans I.
La courbe représentant une solution de (E) est aussi appelée courbe
intégrale de (E).
On appelle problème de Cauchy la donnée d’une équation différen-
tielle et de conditions imposées.

2.3 ÉQUATIONS DIFFÉRENTIELLES DU PREMIER ORDRE

2.3.1 Équations à variables séparables

Elles sont de la forme :
g( x(t )) x ′(t ) = f (t )
où f et g sont des fonctions données dont on connaît des primitives F
et G. La solution x d’une telle équation vérifie l’égalité :
G( x(t )) = F (t ) + C .
On peut l’expliciter si G admet une fonction réciproque.

2.3.2 Équations linéaires du premier ordre

• Définition
Les équations linéaires du premier ordre sont de la forme :
a ( t ) x ′ ( t ) + b( t ) x ( t ) = c ( t )
Elles sont homogènes (ou sans second membre) si c(t) = 0. En
supposant que a(t) ne s’annule pas sur I, on peut les réécrire sous la
forme :
x ′(t ) = α (t ) x(t ) + β (t ) ( E)
où α et β sont des fonctions continues sur I.

• Théorème (principe de superposition)

La solution générale de l’équation différentielle (E) est somme d’une
de ses solutions particulières et de la solution générale de l’équation
différentielle homogène associée x ′(t ) = α (t ) x(t ).
36 Chapitre 2 • Équations différentielles

• Résolution de l’équation homogène

On note γ une primitive de α et K une constante quelconque.
La solution générale de l’équation homogène x ′(t ) = α (t ) x(t ) est :
x (t ) = K e γ ( t ) .

• Résolution de l’équation complète

Après avoir résolu l’équation homogène associée, considérons une
fonction auxiliaire K(t) telle que x(t ) = K (t ) eγ ( t ) soit solution de (E).
En calculant x ′(t ), en reportant dans l’équation x(t) et x ′(t ), et en
simplifiant, il reste : K ′(t ) = β (t )e − γ ( t ).
On en déduit K(t) par primitive, puis x(t) en reportant dans la forme
de départ.

Remarque
Mettre la constante d’intégration dans le calcul de primitive ci-dessus revient à
additionner la solution de l’équation homogène associée. Inutile de faire les deux
opérations.

2.3.3 Exemples d’application

• Évolution d’une population de bactéries

On considère une population de bactéries et on désigne par x(t) son
effectif à l’instant t.
Lorsqu’elle est isolée, et en milieu nutritif suffisant, cette population
a un taux de croissance constant égal à a > 0 , c’est-à-dire que sa vitesse
de croissance est proportionnelle à l’effectif avec le coefficient a.
La présence d’une toxine, en quantité notée y(t), diminue la vitesse
de croissance de la population, de façon proportionnelle à la quantité
de toxine, avec un coefficient b > 0 .
L’évolution de l’effectif des bactéries est donc régie par l’équation
différentielle :
x ′(t ) = a x(t ) − b y(t ).
Si l’introduction de la toxine se fait à vitesse constante c, à partir de
t = 0 , on a y(t ) = c t . Vous pouvez alors résoudre l’équation différen-
tielle.

La solution générale est x(t ) = λ e at +

bc 1
a a ( )
+t .
2.3 • Équations différentielles du premier ordre 37

Il reste alors à préciser la constante λ apparue dans la résolution

mathématique, en connaissant la quantité initiale x0 = x(0) de bacté-
bc
ries, soit λ = x0 − 2 ⋅
a

• Modèle continu de Verhulst

C’est l’un des premiers modèles qui décrit l’évolution d’une popula-
tion (bactéries, animaux...). La version simplifiée de ce modèle
consiste à considérer les taux de natalité, n, et de mortalité, m, cons-
tants.
En notant x(t) le nombre d’individus de la population considérée, à
l’instant t, le modèle est une équation différentielle linéaire d’ordre 1 :
x ′(t ) = n x(t ) − m x(t ) = (n − m) x(t ).
dont la solution générale est :
x(t ) = x(0) e( n − m )t .
La prolifération, la constance ou l’extinction de la population
dépendent du signe positif, nul ou négatif de la quantité n – m.
En fait, ce modèle est un cas particulier d’un modèle plus général
où les taux de natalité et de mortalité dépendent de l’effectif de la
population x(t) à l’instant t :
x ′(t ) = [ n( x(t )) − m( x(t ))]x(t ).
Pierre-François Verhulst (1804-1849) a étudié particulièrement les
cas où la fonction n est constante ( n( x ) = a ) et la fonction x 6 m( x )
de la forme : m( x ) = b x p avec p = 1, 2, …. Lorsque p = 1, on obtient
l’équation logistique :
x ′(t ) = (a − b x(t )) x(t )

dont la solution générale est :

Kx(0) a
x (t ) = où K = ⋅
x(0) + ( K − x(0)) e − at b
Nous remarquons alors, qu’en fonction de la condition initiale x(0)
(supérieure, égale ou inférieure au rapport k), la fonction décroît, est
constante ou croît.
Dans tous les cas, elle se rapproche de la position stable x = K.
38 Chapitre 2 • Équations différentielles

Figure 2.1

• Modèle continu de Gompertz

Au départ, Gompertz (1779-1865) a introduit son modèle pour
améliorer celui de Malthus en démographie.
Reprenant le schéma général de la loi d’évolution d’une
population :
x ′(t ) = n( x(t )) − m( x(t )) x(t ),
il a considéré la fonction n, constante (comme dans le modèle de
Verhulst) et m, une fonction logarithmique :
dx(t ) K
= r x(t )[ln K − ln( x(t ))] = r x(t ) ln
dt x (t )
où r et k sont des constantes positives.
Sa solution générale est x(t ) = K exp[ −e − rt −C ] où C est la constante
d’intégration.
Pour expliquer sa démarche, il écrivait en 1825 : « Il est possible
que la mort soit la conséquence de deux causes qui généralement
coexistent ; l’une, le hasard, sans disposition préalable à la mort ou à
 2.4 • Équations différentielles linéaires du second ordre à coefficients constants 39

la détérioration ; l’autre, une détérioration, ou une inaptitude

croissante à résister à la destruction ».
Le modèle de Gompertz est maintenant utilisé dans de nombreux
domaines. Il sert à décrire la croissance d’organes, des ailes
d’oiseaux, des tumeurs cancéreuses...

2.4 ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND

ORDRE À COEFFICIENTS CONSTANTS

2.4.1 Théorèmes généraux

• Définition
Les équations linéaires du second ordre à coefficients constants sont
de la forme :
a x ′′(t ) + b x ′(t ) + c x(t ) = f (t ) ( E)
où a, b et c sont des constantes et a ≠ 0.
Elles sont homogènes (ou sans second membre) si f (t ) = 0 .

• Théorème (principe de superposition)

La solution générale de l’équation différentielle (E) est somme d’une
de ses solutions particulières et de la solution générale de l’équation
différentielle homogène associée.

2.4.2 Résolution de l’équation homogène

La fonction x(t ) = ert (avec r ∈ ^ ) est solution de :
a x ′′(t ) + b x ′(t ) + c x (t ) = 0 (E h )
si, et seulement si, r vérifie l’équation caractéristique :
ar 2 + br + c = 0
Les racines r1 et r2 de cette équation du second degré dépendent du
signe du discriminant ∆ = b 2 − 4 ac .
• Si ∆ > 0 , les racines sont réelles et distinctes. La solution générale
de (Eh) est de la forme :
x(t ) = K1 e r1t + K 2 e r2 t .
• Si ∆ = 0 , la racine r0 est double. La solution générale de (Eh) est de
la forme :
x(t ) = ( K1t + K 2 ) e r0 t .
40 Chapitre 2 • Équations différentielles

• Si ∆ < 0 , les racines r1 = α + iβ et r2 = α − iβ sont complexes et

conjuguées. La solution générale de (Eh) est de la forme :
x(t ) = eα t [ K1 cos(β t ) + K 2 sin(β t )]

Obtenir une équation différentielle

à partir d’observations
Les équations différentielles apparaissent souvent lorsqu’on cher-
che un modèle mathématique rendant compte d’un phénomène
expérimental qui varie dans le temps ou dans l’espace.
Si la variable est le temps mesuré (ou pensé) de façon continue, la
dérivée première est une vitesse et la dérivée seconde une accéléra-
tion. Mais en biologie, seule la vitesse est accessible et on part sou-
vent d’une relation entre la quantité mesurée et sa vitesse
d’évolution, ce qui permet d’écrire une équation différentielle.
Si le temps est mesuré à intervalles de temps réguliers, on modélise
alors la quantité étudiée par une suite (un) qui dépend du temps n
(cf. chap. 3). On a alors une relation entre les valeurs successives de
la suite, ce qui est analogue à une équation différentielle.
Une telle démarche repose sur des réflexions préalables : on
dégage les paramètres et les inconnues significatifs, on justifie les
approximations et les hypothèses simplificatrices faites et on déli-
mite avec soin le cadre précis de validité du modèle.
Évidemment, les résultats fournis par le modèle mathématique doi-
vent être confrontés aux mesures expérimentales pour valider la
démarche.
Un modèle mathématique ne peut que décrire de manière appro-
chée les phénomènes expérimentaux. Son domaine de validité doit
être précisé avec soin. Plusieurs modèles peuvent exister pour
décrire un même phénomène : ainsi la dynamique newtonnienne
décrit correctement les phénomènes mécaniques à l’échelle de la
Terre, mais se révèle très insuffisante à l’échelle de l’Univers.

B
S
U
MOTS CLÉS

➤ Primitive
➤ Équation différentielle
➤ Modèle continu de Verhulst
➤ Modèle continu de Gompertz
Exercices 41

EXERCICES
1 + 2t t+2
2.1 Calculez F (t ) = ∫ dt et G(t ) = ∫ dt .
(1 + t + t )
2 2
t +1

2.2 Calculez ∫ t 3 ln t dt .
t
2.3 Calculez F (t ) = ∫ dt.
cos2 t
2.4 1. Déterminez les réels a et b tels que :
1 a b
∀x ∈ \ 5 {−1,1} = + ⋅
x −1 x +1 x −1
2

dx
2. Utilisez le changement de variable u = cos x pour calculer
∫ sin x ⋅
2.5 Calculez F (t ) = ∫ e 2 t cos3t dt .
2.6 Résolvez l’équation différentielle x ′(t ) = x 2 (t ) .
2.7 Résolvez l’équation différentielle (1 + t 2 ) x ′(t ) − tx(t ) = 0 .
2.8 Résolvez l’équation différentielle x ′(t ) + x(t ) = e2 t .
2.9 Résolvez l’équation différentielle tx ′(t ) + x(t ) = 3t 2 sur un inter-
valle ne contenant pas 0.
2.10 Résolvez l’équation différentielle x ′′(t ) − 3 x ′(t ) + 2 x(t ) = 0 .
2.11 Résolvez l’équation différentielle x ′′(t ) − x ′(t ) + x(t ) = 0 .
2.12 Résolvez l’équation différentielle x ′′(t ) − 6 x ′(t ) + 9 x(t ) = 0 .
2.13 Modèle continu de Gompertz
Résolvez l’équation différentielle du modèle continu de Gompertz :

x ′(t ) = r x(t ) ln ( )
K
x (t )
.

2.14 Le sel a dissout (c’est pas cher)

Le sel se dissout dans l’eau en ions Na+ et Cl– à une vitesse propor-
tionnelle à sa masse. S’il y avait au départ 25 kg de sel et s’il en restait
15 kg après 10 h :
1. Combien en reste-t-il après 4 h ?
2. Au bout de combien d’heures ne reste-t-il plus que 0,5 kg ?
42 Chapitre 2 • Équations différentielles

2.15 Vitesse de refroidissement d’un corps

On admet que la vitesse de refroidissement d’un corps est proportion-
nelle à la différence des températures de ce corps et du milieu
ambiant.
Dans une pièce où la température ambiante est maintenue à 20 °C, un
objet chauffé à 100 °C voit sa température chuter à 60 °C en dix
minutes.
On note T(t) la température (en °C) de l’objet à l’instant t (en min).
1. Établissez l’équation différentielle vérifiée par la fonction T.
2. En combien de temps la température de ce corps atteindra-t-elle
25 °C ?
2.16 Le stress chez les rongeurs
La croissance d’une population de rongeurs se fait avec un taux cons-
tant a > 0 tant que l’effectif x(t) est en dessous d’un seuil K.
Lorsque l’effectif atteint la valeur K, les femelles sont en situation de
stress et on observe une décroissance dont le taux –A (avec A > 0) est
proportionnel à l’effectif x(t).
Lorsque l’effectif a décru jusqu’à la valeur k, il n’y a plus de stress et
le processus de croissance initiale se rétablit.
L’effectif oscille donc entre la valeur maximale K et la valeur mini-
male k.
1. Établissez les équations différentielles des phases de croissance et
de décroissance.
2. Déterminez la période du cycle entre deux moments où l’effectif
est k (de k à K, puis de K à k).
2.17 Évolution du taux d’alcoolémie
On suppose que l’évolution du taux d’alcoolémie (en grammes par
litre de sang) d’une personne qui a absorbé à l’instant t = 0 une quan-
tité x0 d’alcool peut être modélisée par une fonction x : [0, +∞[ → \
qui dépend du temps t (exprimé en heures) et qui vérifie l’équation
différentielle :
x ′(t ) = − x(t ) + a e − t (E)
où le paramètre a dépend de la personne.
1. Déterminez la solution générale de cette équation différentielle,
puis la solution qui vérifie x(0) = x0 .
2. Que devient le taux x(t) lorsque le temps est suffisamment grand ?
3. On suppose que a = 4 et x0 = 2 . Déterminez le taux maximal
d’alcoolémie ainsi que le temps au bout duquel il est atteint.
Exercices 43

4. On suppose que a = 1. Calculez le taux initial x0 qui permettrait que

le taux d’alcoolémie redescende à moins de 0,4 g.L–1 au bout de deux
heures.
2.18 Effort de pêche
On suppose qu’une population N de poissons croît en fonction du

temps t selon l’équation de Verhulst

dN
dt
désigne la quantité de poissons à l’équilibre.
(
= r N (t ) 1 −
K )
N (t )
où K

L’effort de pêche est cp où c est une constante, la natalité n et la

mortalité naturelle m.
Le coefficient de variation peut s’écrire : r = n − m − cp .
Comme la mortalité naturelle est négligeable par rapport aux pertes
dues à la pêche, le coefficient r peut s’écrire de façon simplifiée
r
r = n − cp . On notera b = ---- . L’équation de Verhulst devient donc :
K
dN b
= (n − cp)( N − N 2 ).
dt r
1. a) Quelle relation y a-t-il entre l’effectif à l’équilibre et l’effort de
pêche ?
b) À partir de quel effort de pêche y a-t-il risque d’extinction ?
2. On a intérêt à effectuer des prélèvements qui permettent la plus
grande vitesse de renouvellement de la population.
dN
a) Quelle est la valeur de N qui maximise ?
dt
b) Quelle est la vitesse de prélèvement qui permet d’obtenir un stock
stationnaire à partir du moment où l’on a atteint la valeur de N de la
question précédente ?
2.19 Catalyse enzymatique
La vitesse de transformation d’un substrat (S) en produit (P) est favo-
risée par la présence d’une enzyme E qui joue pour des systèmes
biochimiques le rôle de catalyseur. Le mécanisme de la catalyse enzy-
matique se décompose généralement en deux étapes successives.
➤ La fixation réversible du substrat (S) sur l’enzyme (E) pour former
un complexe (ES) :
k1

E + S ← → ES
k2
où k1 et k2 sont les constantes de vitesse des deux réactions élémentai-
res de cette étape.
44 Chapitre 2 • Équations différentielles

➤ La réaction de décomposition du complexe (ES) en produit (P) :

k3
ES  → E+P
où k3 la constante de vitesse de l’étape.
À partir de ce mécanisme, il est possible de déterminer la fonction qui
donne la concentration en produit (P) en fonction du temps :
t 6 [ P ](t ) .
Cette fonction vérifie l’équation différentielle du second ordre :

d 2 [ P ](t ) d[ P ](t )
2
+λ =µ (CE)
dt dt
où λ = k2 + k3 + k1[ S ]0 et µ = k1k3 [ E ]0 [ S ]0 .
Ici, [E]0 et [S]0 désignent respectivement les concentrations initiales
en substrat et en enzyme.
1. Trouvez une solution particulière (de la forme p(t ) = Ct , avec C
constante) de l’équation différentielle (CE).
2. Exprimez la solution générale de l’équation (CE).

3. Sachant les valeurs initiales [ P ]0 = 0 et

[ ]
d[ P ](t )
dt 0
= 0,

trouvez la loi d’évolution de la concentration du produit (P).

2.20 Ordre d’une réaction chimique
Dans une réaction chimique, l’évolution de la concentration C(t)
d’une substance, en fonction du temps t, est souvent modélisée par
une équation différentielle :
C ′(t ) = − kC n (t )
où k est une constante positive appelée constante de réaction et n est
un entier égal à 0, 1 ou 2 appelé ordre de la réaction.
1. Résolvez cette équation différentielle pour chacune des trois
valeurs de n avec une concentration initiale C0 pour t = 0.
2. On considère maintenant la réaction d’hydrolyse du saccharose
donnant un mélange de glucose et de fructose en supposant que
l’évolution de la concentration de saccharose est modélisée par une
équation du type précédent.
Pour déterminer l’ordre de cette réaction, on utilise le fait que la solu-
tion de saccharose dévie la lumière polarisée à droite et que le
mélange de glucose et de fructose la dévie à gauche.
On mesure la rotation α de la lumière polarisée qui varie d’une valeur
α0 positive pour t = 0 à une valeur α ∞ négative quand t tend vers +∞ .
Solutions 45

On admet que la concentration C(t) en saccharose est proportionnelle

à chaque instant t à l’angle γ = α − α ∞ .
On obtient les résultats suivants, où t est exprimé en minutes et α en
degrés :

t 0 7 18 27 37 56 102 ∞

α 24,09 21,40 17,73 15,00 12,40 7,80 0,30 –10,74

a) Déterminez les droites de régressions linéaires de γ = α − α ∞ , de

1
ln γ et de par rapport à t.
γ
b) Déduisez-en l’ordre de la réaction et déterminez la constante de
réaction k.

SOLUTIONS

u ′ (t )
2.1 • Avec u(t ) = 1 + t + t 2 , on reconnaît la forme qui est la
u 2 (t )
1
dérivée de − ⋅ Par conséquent :
u(t )
1 + 2t 1
F (t ) = ∫ dt = − ⋅
(1 + t + t )
2 2
1+ t + t2
t+2 1
• On peut écrire : = 1+ ce qui entraîne :
t +1 t +1
t+2
G (t ) = ∫ dt = t + ln | t + 1 | .
t +1
2.2 Effectuons une intégration par parties en posant :
1
u ′ (t ) =
u(t ) = ln t t
soit
v ′ (t ) = t 3 v(t ) =
1 4
t
4
46 Chapitre 2 • Équations différentielles

On a donc :
1 4 1 1 1
∫t ln t dt = t ln t − ∫ t 3 dt = t 4 ln t − t 4 .
3

4 4 4 16
1
2.3 Si vous n’avez pas oublié que est la dérivée de tan t, alors
cos2 t
vous savez qu’une intégration par parties va réussir :
u(t ) = t
u ′ (t ) = 1
1 soit
v ′ (t ) = v(t ) = tan t
cos2 t
On a donc :
sin t
F (t ) = t tan t − ∫ tan t dt = t tan t − ∫ dt = t tan t + ln | cos t | .
cos t
2.4 1. En multipliant les deux membres par x + 1, puis en remplaçant
1
x par –1, on obtient a = − ⋅
2
En multipliant les deux membres par x – 1, puis en remplaçant x
1
par 1, on obtient b = ⋅ Donc :
2
1 1 1 1 1
=− + ⋅
x −1 2 x +1 2 x −1
2

2. Commençons par un calcul formel (comme si on écrivait au

brouillon) :
dx du du du
du = − sin x dx ;
=− 2 =− = 2 ⋅
sin x sin x 1 − cos x u − 1
2

Retrouvons du sens mathématique :

dx du 1 du 1 du
∫ sin x = ∫ u−1
=− ∫
2
+ ∫
2 u +1 2 u −1
1 1 1 u −1
= − ln u + 1 + ln u − 1 = ln
2 2 2 u +1
1 cos x − 1
= ln .
2 cos x + 1
Solutions 47

2.5 • Avec deux intégrations par parties

Un premier calcul :

u(t ) = e 2 t u ′ (t ) = 2 e 2 t
soit 1
v ′(t ) = cos3t v(t ) = sin3t
3
1 2
donne : F (t ) = e 2 t sin 3t − ∫ e 2 t sin 3t dt .
3 3
Un second calcul :

u(t ) = e 2 t u ′ (t ) = 2 e 2 t
soit 1
v ′(t ) = sin3t v(t ) = − cos3t
3
1 2
donne : ∫ e 2 t sin 3t dt = − e 2 t cos3t + ∫ e 2 t cos3t dt .
3 3
1 2 4
On obtient en reportant : F (t ) = e 2 t sin 3t + e 2 t cos3t − F (t ),
3 9 9
et donc :
3 2t 2
F (t ) = e sin 3t + e 2 t cos3t .
13 13

• Avec l’exponentielle complexe

e2t cos 3t est la partie réelle de e(2+3i)t dont une primitive est
1
e(2 + 3i)t . On a donc :
2 + 3i

F (t ) = Re [ 2 − 3i 2 t
13 ] [
e (cos3t + i sin 3t ) = e 2 t
2
13
3
cos3t + sin 3t .
13 ]
2.6 Il s’agit d’une équation différentielle du premier ordre, à varia-
bles séparables, qui peut s’écrire :
x ′ (t )
= 1.
x 2 (t )
En intégrant, on obtient :
1 1
− =t+K soit x (t ) = −
x (t ) t+K
48 Chapitre 2 • Équations différentielles

où K est une constante réelle quelconque. La valeur de K ne peut

s’obtenir qu’avec une information supplémentaire, par exemple la
valeur initiale x(0).
2.7 Il s’agit d’une équation différentielle du premier ordre, linéaire et
homogène. On peut l’écrire sous la forme :
t
x ′(t ) =
x(t ).
1+ t2
t
Avec les notations du cours, on a α (t ) = qui admet pour primi-
1+ t2
1
(
tive γ (t ) = ln(1 + t 2 ) = ln 1 + t 2 .
2
)
La solution générale de l’équation proposée est donc :
x(t ) = keγ ( t ) = K 1 + t 2 où K est une constante réelle quelconque.

2.8 Il s’agit d’une équation différentielle linéaire du premier ordre.

L’équation homogène associée :
x ′(t ) + x(t ) = 0
a pour solution générale : x(t ) = Ke − t où K est une constante réelle
quelconque.
Considérons une fonction auxiliaire x(t) telle que x(t ) = K (t )e − t soit
solution de l’équation complète. On a alors x ′(t ) = K ′(t )e − t − K (t )e − t ,
puis en reportant dans l’équation différentielle proposée :
K ′(t )e − t − K (t )e − t + K (t )e − t = e 2 t
soit K ′(t )e − t = e 2 t puis K ′(t ) = e 3t .
1
En intégrant, on obtient : K (t ) = e3t + K et en reportant dans x(t), la
3
solution générale est :
1
x ( t ) = e 2 t + Ke − t avec K ∈ \.
3
2.9 Il s’agit d’une équation différentielle linéaire du premier ordre.
L’équation homogène associée :
tx ′(t ) + x(t ) = 0
Solutions 49

s’écrit sur un intervalle ne contenant pas t = 0 :

1
x ′ ( t ) = − x (t )
t

1 1
La fonction α (t ) = − admet pour primitive : γ (t ) = − ln t = ln ⋅
t t
La solution générale de l’équation homogène est donc :
1
A ln
|t |
x ( t ) = Ke =
t
où A = K ou A = –K suivant l’intervalle, est une constante réelle quel-
conque.
1
Considérons une fonction auxiliaire K(t) telle que x(t ) = K (t ) soit
t
1 1
solution de l’équation complète. On a alors x ′(t ) = K ′(t ) --- − K (t ) ---2 ,
t t
puis en reportant dans l’équation différentielle proposée :

K ′(t ) = 3t 2 puis K (t ) = t 3 + K .
La solution générale de l’équation proposée est donc :
K
x (t ) = t 2 + avec K ∈ \.
t
2.10 Il s’agit d’une équation différentielle linéaire du second ordre à
coefficients constants. Son équation caractéristique

r 2 − 3r + 2 = 0
admet deux racines réelles distinctes r1 = 1 et r2 = 2.
La solution générale de l’équation différentielle est donc :
x(t ) = K1 e t + K 2 e 2 t .

2.11 Il s’agit d’une équation différentielle linéaire du second ordre à

coefficients constants. Son équation caractéristique
r2 − r + 1 = 0
1 3
admet deux racines complexes conjuguées r1 = +i et
2 2
1 3
r2 = −i .
2 2
50 Chapitre 2 • Équations différentielles

La solution générale de l’équation différentielle est donc :

1t

[ ( )
x(t ) = e 2 K1 cos
2
3
t + K 2 sin ( )]
2
3
t .

2.12 Il s’agit d’une équation différentielle linéaire du second ordre à

coefficients constants. Son équation caractéristique

r 2 − 6r + 9 = 0
admet une racine réelle double r0 = 3.
La solution générale de l’équation différentielle est donc :
x(t ) = ( K1t + K 2 ) e 3t .

2.13 L’équation du modèle peut s’écrire :

x ′ (t )
x (t ) [ ( )]
= r ln
K
x (t )
= r[ln K − ln( x(t ))]

En considérant la nouvelle fonction inconnue u(t ) = ln( x(t )) , l’équa-

tion devient :
u ′ (t )
u′(t ) = r[ln K − u(t )] soit =r
ln K − u(t )
puis, par calcul de primitives :
− ln ln K − u(t ) = rt + C .
D’après l’équation différentielle du modèle, ln K − u(t ) est du signe de
x ′(t ) , donc positif puisque la population est croissante. On a donc :
ln K − u(t ) = e − (rt +C ) d’où ln( x(t )) = u(t ) = ln K − e − (rt +C ) puis :
x(t ) = K exp[e − (rt +C ) ].

2.14 Soit x(t) la quantité de sel (en kg) à l’instant t
0 . Comme le

sel se dissout dans l’eau à une vitesse proportionnelle à sa masse,
on a :
x ′(t ) = − k x(t ) avec k > 0.
La solution générale de cette équation différentielle est x(t ) = K e − kt ;
et on a les informations :
x(0) = K = 25 ; x(10) = K e −10 k = 15,
Solutions 51

ce qui donne K = 25 et :
15 1
e −10 k = ⇔ –10k = ln(0, 6) ⇔ k = – ln(0, 6) ≈ 0, 051.
⇐
25 10
1. On demande :
x(4) = 25e −4 k ≈ 20, 4.

2. On demande t tel que :

x(t ) = 25e − kt = 0, 5 ⇐
⇔ kt = – ln ( )
0, 5
25
⇔ t ≈ 76, 6 .

2.15 1. Dans une pièce où la température ambiante est maintenue à

20 °C, les hypothèses formulées s’écrivent :
(E) T ′(t ) = − k[T (t ) − 20] avec k > 0
et on sait que :
T (0) = 100 et T (10) = 60.
2. Il faut d’abord résoudre l’équation différentielle (E) qui peut
s’écrire :
T ′(t ) + kT (t ) = 20 k .
Elle est linéaire. L’équation homogène associée
T ′(t ) + kT (t ) = 0
a pour solution générale T (t ) = K e − kt et il existe une solution particu-
lière constante égale à 20.
La solution générale de (E) est donc :
T (t ) = K e − kt + 20.
Les conditions connues donnent :

{ 100 = T (0) = K + 20
60 = T (10) = K e −10 k + 20
⇐
⇔
{ K = 80

e −10 k =
1
2
1
soit k = ln 2
10
On cherche t tel que T (t ) = 25 , soit :
1
80 e −10 k + 20 = 25 ⇐
⇔ e −10 k = 0, 0625 ⇔ t = – ln(0, 0625) = 40
k
Selon le modèle utilisé, la température du corps atteindra donc 25 °C
au bout de 40 minutes.
52 Chapitre 2 • Équations différentielles

2.16 1. Dans la phase de croissance, on a l’équation : x ′(t ) = a x(t ) ,

à condition que x(t )  K .
Dans la phase de décroissance, on a l’équation : x ′(t ) = − A x(t ) ,
à condition que K  x(t )  k .
2. • L’équation différentielle de la phase de croissance a pour solution
générale x(t ) = λ1 e at .
L’effectif varie entre la valeur k à l’instant t0 et la valeur K à l’instant
t1. On a donc :
k = λ1 e at0 et K = λ1 e at1 .
On en déduit :

ln
()
k
λ1
= at0 et ln
()
K
λ1
= at1 .

d’où :

t1 − t0 =
1
a [ ( ) ( )] ( )
ln
K
λ1
− ln
k
λ1
=
1
a
ln
K
k
.

• L’équation différentielle de la phase de décroissance a pour solution

générale x(t ) = λ 2 e − At .
L’effectif varie entre la valeur K à l’instant t1 et la valeur k à l’instant
t2. On a donc :
K = λ 2 e − At1 et k = λ 2 e − At2 .
On en déduit :

ln
( )
K
λ2
= − At1 et ln
( )
k
λ2
= − At2 .

d’où :

t2 − t1 = −
1
A [ ( ) ( )]
ln
k
λ2
− ln
K
λ2 () =−
1
A
ln
k
K
.

• La durée de temps correspondant à un cycle complet est donc :

t2 − t0 = (t2 − t1 ) + (t1 − t0 ) =
( )()
1 1
+
a A
ln
K
k
⋅
Solutions 53

2.17 1. • L’équation différentielle (E) étant linéaire, on considère

d’abord l’équation homogène associée
x ′(t ) = − x(t )
dont la solution générale est x(t ) = K e − t avec K réel quelconque.
Pour résoudre l’équation proposée, considérons une fonction auxi-
liaire K(t) telle que x(t ) = K (t ) e − t soit solution. On a alors :

x ′(t ) = K ′ (t ) e − t − K (t ) e − t
puis, en reportant et en simplifiant : K ′(t ) = a soit K (t ) = at + K .
La solution générale de (E) est donc :
x(t ) = (at + K ) e − t .
• En situation expérimentale, on n’a pas une infinité de solutions,
mais une seule obtenue avec une (ou des) condition. Ici, on connaît
x0 = x(0) = K . La solution cherchée est donc définie par :
x(t ) = (at + x0 ) e − t .

2. Lorsque t tend vers l’infini, on sait que lim t e − t = 0 ; ce qui

t →+∞
entraîne que x(t) tend vers 0.

Ce résultat est conforme à l’observation : avec le temps, l’effet d’une absorption

unique d’alcool finit par disparaître.

3. Avec a = 4 et x0 = 2, la fonction s’écrit :

x(t ) = (4t + 2)e − t .

La dérivée x ′(t ) = (−4t + 2) e − t est positive pour 0 艋 t < 0, 5 , nulle

pour t = 0, 5 , négative pour t > 0, 5 . La fonction passe donc par un
maximum pour t = 0, 5 , dont la valeur est :
x(0, 5) = 4 e −0 ,5 ≈ 2, 4.

4. Avec a = 1, la fonction s’écrit :

x (t ) = (t + x0 ) e − t .
On veut x(2) = 0, 4 = (2 + x0 ) e −2 , ce qui donne la valeur initiale :
x0 = 0, 4 × e −2 − 2 ≈ 0, 96 g.L−1 .
54 Chapitre 2 • Équations différentielles

2.18 1. a) Comme on a r = n − cp = bK , on en déduit :

n − cp cp n
K= =− + ⋅
b b b
La relation liant la densité d’équilibre et l’effort de pêche est donc
linéaire et décroissante.
n
b) Il y a extinction, théoriquement, avec K = 0, ce qui donne p = ⋅
c
En fait, on n’observe pas souvent d’extinction pour un tel effort de pêche. Il existe
d’autres modèles dans lesquels la relation entre K et p est une fonction exponen-
tielle décroissante.

2. a) En dérivant l’équation de Verhulst, on a :

d2 N
dt 2
= (n − cp)
dN
dt
1−
2b
r(N (t ) .
)
La vitesse de renouvellement de la population est maximale quand
cette dérivée est nulle (en étant positive avant et négative après), soit
pour :
r K
N (t ) =
= ⋅
2b 2
C’est donc lorsque l’effectif de la population est égal à la moitié de la
capacité d’accueil K que la vitesse de renouvellement est la plus forte.
b) On se situe au niveau d’effectif optimum pour le renouvellement
K
de la population, c’est-à-dire à l’instant t1 tel que ⋅
2
Le stock sera stationnaire pour t
t1 si la vitesse de prélèvement est
égale à la vitesse de croissance de la population en l’absence de prélè-
vement, c’est-à-dire en reportant dans dans la première écriture de
l’équation de Verhulst :
dN
dt
(t1 ) = r
K
2
1−(K 1
2 K
K
=r ⋅
4 )
Cette quantité s’appelle MSY (maximum sustainable yield).
En fait, on serait mal avisé de récolter au niveau du MSY, car de faibles fluctua-
tions pourraient entraîner l’extinction.
Il faut en outre éviter que l’exploitation ne porte sur des classes non encore
matures, ce qui pourrait altérer le potentiel de reproduction de l’espèce.

2.19 1. Considérons une fonction de la forme p(t ) = Ct où C est une

constante. On a alors C ′(t ) = C et C ′′(t ) = 0 .
Solutions 55

Cette fonction est donc solution de l’équation différentielle (CE) si, et

seulement si, λC = µ .
L’équation (CE) admet donc pour solution particulière :
µ
p(t ) = t.
λ
2. L’équation (CE) étant linéaire, cherchons la solution générale de
l’équation homogène associée :
d 2 [ P ](t ) d[ P ](t )
2
+λ =µ
dt dt
Il s’agit d’une équation différentielle du second ordre à coefficients
constants. On considère donc l’équation caractéristique :
r 2 + λr = 0
qui admet deux racines réelles distinctes r1 = 0 et r2 = −λ .
La solution générale de l’équation homogène est donc :
K1 + K 2 e − λt (avec K1 et K2 constantes)
et la solution générale de l’équation complète (CE) :
µ
[ P ](t ) = K1 + K 2 e − λt + t.
λ
3. Les conditions initiales permettent d’écrire :

{ 0 = [ P ](0) = K1 + K 2

0=
d[ P ]
dt
(0) = − K 2 λ +
µ
λ
ce qui donne successivement :
µ µ
K2 = puis K1 = − ⋅
λ2 λ2
La loi d’évolution de la concentration du produit (P) est donc :
µ µ − λt µ
[ P ](t ) = − + e + t.
λ2 λ2 λ
2.20 1. L’équation différentielle du premier ordre :
C ′(t ) = − k C n (t )
56 Chapitre 2 • Équations différentielles

peut aussi s’écrire :

C ′ (t )
= −k
C n (t )
ce qui permet de calculer les primitives de chacun des deux membres.
• Cas n = 0
L’équation C ′(t ) = − k conduit à C (t ) = − kt + K où K est un constante
quelconque.
Connaissant la concentration initiale C0 = C (0) = K , on a donc :
C (t ) = − kt + C0
• Cas n = 1
C ′ (t )
L’équation = − k conduit à : ln[C (t )] = − kt + K
C (t )
K − kt
puis à : C (t ) = e e .
Connaissant la concentration initiale C0 = C (0) = e K , on a donc :
C (t ) = C0 e − kt .

• Cas n = 2
C ′(t ) 1
L’équation = − k conduit à : − = − kt + K
C 2 (t ) C (t )
1
puis à : C (t ) =
kt − K
1
Connaissant la concentration initiale C0 = C (0) = − , on a donc :
K
1
C (t ) = ⋅
1
kt +
C0

2.

Pour la régression linéaire, c’est-à-dire la problématique, la déter-

mination de la droite des moindres carrés, la méthode de calcul avec
une calculatrice, la mesure de la qualité du modèle à l’aide du coef-
ficient de corrélation r ou du coefficient de détermination r2, voir :
– dans ce livre chap. 1, paragraphe 3.2
– dans le Mini-manuel Probabilités et statistique (F. Couty,
J. Debord, D. Fredon) chap. 2, paragraphe 2.3.
Solutions 57

Dans chacun des cas étudiés dans la question précédente, on peut

écrire une expression affine :
n=0 C (t ) = − kt + C0

n =1 ln[C (t )] = − kt + ln(C0 )
1 1
n=2 = kt +
C (t ) C0
Comme C(t) est proportionnelle à γ, la régression sera linéaire (on
devrait dire affine)
de γ par rapport à t dans le cas n = 0 ;
de ln γ par rapport à t dans le cas n = 1 ;
1
de --- par rapport à t dans le cas n = 2.
γ
Les calculs préliminaires donnent :

t 0 7 18 27 37 56 102

γ 34,83 32,14 28,47 25,74 23,14 18,54 11,04

ln γ 3,55 3,47 3,35 3,25 3,14 2,92 2,40

1
--- 0,0287 0,0311 0,0351 0,0389 0,0432 0,0540 0,0906
γ

Pour la droite de régression de γ par rapport à t, on obtient :

γ = −0, 2307 t + 32, 9843 avec r 2 ≈ 0, 9707.
Pour la droite de régression de ln γ par rapport à t, on obtient :

ln γ = −0, 0113 t + 3, 5517 avec r 2 ≈ 0, 9999.

1
Pour la droite de régression de --- par rapport à t, on obtient :
γ
1 −4
= 6, 05 × 10 t + 0, 0246 avec r 2 ≈ 0, 9710.
γ
b) Les valeurs de r2 sont toutes voisines de 1. Mais la meilleure est
celle qui correspond à n = 1.
Par identification, on obtient alors la constante de réaction :
k = 0, 0113 .
 3 Suites réelles

3.1 Généralités
PLAN

3.2 Suites récurrentes d’ordre 1 du type un+1 = f(un)

3.3 Suites récurrentes linéaires d’ordre 2

➤ Décrire un phénomène par une suite (observation à intervalles de temps

OBJECTIFS

réguliers).
➤ Connaître les diverses propriétés mathématiques d’une suite.
➤ Étudier des exemples de modélisation discrète de croissances.

3.1 GÉNÉRALITÉS

3.1.1 Définition et exemples

• Définition
Les observations sur des caractères biologiques sont souvent accom-
pagnées de prises de mesure, à intervalles de temps réguliers ou non.
À ces instants, lorsqu’on mesure un paramètre quantitatif, on obtient
des valeurs u0, u1, u2, ..., et de façon générale la valeur un à l’instant n.
On dit qu’on a défini une suite numérique car à chaque entier n ∈ `
on a associé un nombre un unique.
On note (un), sans omettre les parenthèses, la suite de terme
général un.

• Exemples et terminologie
➤ La suite est stationnaire si on a un+1 = un à partir d’un certain rang.
➤ Soit a et r deux nombres réels. La suite (a + nr) est appelée suite
arithmétique de raison r et de premier terme a.
Elle est caractérisée par le fait que la différence de deux termes
consécutifs est constante et égale à r.
3.1 • Généralités 59

➤ Soit a et r deux nombres réels. La suite (arn) est appelée suite

géométrique de raison r et de premier terme a.
Elle est caractérisée par le fait que si r ≠ 0, le rapport de deux
termes consécutifs est constant et égal à r.

3.1.2 Convergence des suites numériques

➤ La suite (un) est dite convergente s’il existe un nombre λl ∈\ qui
vérifie :
∀ ε > 0 ∃ n0 ∈ ` ∀ n
n0 , | un − l | < ε .
Le nombre l est appelé limite de la suite (un) et on note : l = lim un .
n→∞
Cette définition signifie que lorsque n croît, le terme général de la
suite s’approche aussi près que l’on veut du nombre l.
➤ La suite (un) tend ou diverge vers +∞ (respectivement −∞ ) si :

∀ A > 0 ∃n0 ∈ ` ∀ n
n0 un > A (respectivement un < − A).

3.1.3 Opérations sur les suites convergentes

Soit (un) et (vn) deux suites convergeant respectivement vers u et v ;
alors :
➤ la suite somme (un + vn) converge vers la somme des limites u + v ;
➤ la suite produit (unvn) converge vers le produit des limites uv ;
un
➤ si les nombres vn et v ne sont pas nuls, la suite quotient  -----
u  v n
converge vers le quotient --- ·
v
➤ pour tout nombre λ ∈\, la suite (λ un ) converge vers λ u.

3.1.4 Suites bornées

➤ On dit que la suite (un) est majorée (resp. minorée) s’il existe un
nombre M (resp. m) tel que pour tout n ∈ `, on a un  M (resp.
m  un ).
Une suite est dite bornée si elle est à la fois majorée et minorée.
➤ Une suite (un) est bornée si, et seulement si, il existe une constante
positive C telle que | un |  C pour tout n ∈ `.
➤ Toute suite convergente est bornée.
La réciproque de cette proposition n’est pas vraie puisque la suite
(–1)n est bornée sans être convergente.
60 Chapitre 3 • Suites réelles

3.1.5 Monotonie et convergence des suites numériques

• Définitions
La suite (un) est dite croissante si, pour tout n ∈ `, on a un +1
un et
décroissante si, pour tout n ∈ `, on a un +1  un .
Une suite croissante ou décroissante est dite monotone.

• Théorème
Une suite croissante et majorée est convergente.
Une suite décroissante et minorée est convergente.

3.1.6 Comparaison des suites convergentes

• Ordre
Soit (un) et (vn) deux suites convergentes telles que un  vn à partir
d’un certain rang ; alors, on a : lim un  lim vn .
n→∞ n →∞

Attention, le passage à la limite transforme l’inégalité stricte en inégalité large.

• Théorème d’encadrement
Soit (un), (vn) et (wn) trois suites numériques telles que un  wn  vn
pour tout n.
Si (un) et (vn) convergent vers la même limite l, alors la suite (wn)
converge et a pour limite l.

• Suites adjacentes
Les suites (un) et (vn) sont adjacentes si :
(un ) est croissante; ( vn ) est décroissante; lim ( vn − un ) = 0.
n→+∞

Si deux suites sont adjacentes, elles convergent et ont la même limite.

Variante
Si (un) croissante, (vn) décroissante et si un  vn pour tout n, alors ces suites conver-
gent vers des limites l1 et l2 qui vérifient l1  l2.
Si de plus l1 = l2, elles sont adjacentes.

3.1.7 Suites extraites

• Définition
Une suite (vn) est dite extraite d’une suite (un) si elle est définie par
vn = uh ( n ) où h est une application strictement croissante de N dans N.
 3.2 • Suites récurrentes d’ordre 1 61

On dit aussi que (vn) est une sous-suite de (un).

Par exemple, (u2n) et (u2n+1) sont des suites extraites de la suite (un),
les fonctions d’extraction étant respectivement définies par h(n) = 2n
et h(n) = 2n + 1.

• Propriété
Si une suite (un) converge vers la limite l, alors toute suite extraite est
aussi convergente et converge vers l.
Cette propriété entraîne que si deux suites extraites de (un) ont des
limites distinctes, alors (un) ne converge pas.
En revanche, si deux suites extraites d’une suite (un) ont la même
limite l, on ne peut en général rien dire de la nature de (un) sauf si leurs
valeurs recouvrent tous les un ; auquel cas, (un) converge vers l.

3.2 SUITES RÉCURRENTES D’ORDRE 1 DU TYPE un+1 = f(un)

3.2.1 Généralités

• Définition
Une suite (un) est récurrente d’ordre p si la connaissance du terme un
dépend des p termes précédents.
En particulier, une suite récurrente d’ordre 1 est la donnée du
premier terme u0 et d’une relation de récurrence un+1 = f(un).
Pour étudier une telle suite, on détermine d’abord un intervalle I
contenant toutes ses valeurs. On considère alors la fonction f de I dans I.

• Limite éventuelle
Si (un) converge vers l et si la fonction f est continue en l, alors f(l) = l.

• Cas où la fonction f est croissante

Si f est croissante sur I, alors la suite (un) est monotone. Elle est crois-
sante ou décroissante selon les cas où u0  u1 ou u0
u1.

• Cas où la fonction f est décroissante

Si f est décroissante sur I, alors les suites extraites (u2n) et (u2n+1) sont
monotones, l’une croissante, l’autre décroissante.

Cherchez à étudier si elles sont adjacentes ou non ...

62 Chapitre 3 • Suites réelles

3.2.2 Exemples de modélisation à l’aide de suites

récurrentes
• Déplacement d’un animal à vitesse constante sur une ligne
droite
Si un animal se déplace dans un espace représenté par une droite, et que
la distance parcourue entre deux relevés consécutifs est toujours a, alors :
un +1 = un + a.
La fonction f est définie par f(x) = x + a, et les un sont les termes
d’une suite arithmétique de raison a.

• Marquage d’animaux
On considère une population de N individus et à chaque étape n, on
marque k individus qu’on relâche ensuite. Si l’on désigne par un le
nombre d’individus marqués jusqu’à l’étape n, ce nombre est appro-
ché par la loi :
u0 = 0 ; un +1 = k + un 1 −
N
k
( )
Nous n’avons pas un+1 = un + k car parmi les individus capturés à l’étape n, il peut y en
avoir de déjà marqués.
La fonction associée à cette suite récurrente est définie par :
f ( x) = k + x 1 −
k
N( )
.

• Croissance exponentielle d’une population

Considérons une population de bactéries dont l’effectif double tous les
jours. Si un désigne la taille de la population au jour n, on a un+1 = 2un
et f(x) = 2x.
Plus généralement, pour étudier l’accroissement d’une population,
un + 1 – un
on considère le taux d’accroissement ----------------------
-
un
Dans l’exemple des bactéries, ce taux est constant et égal à 1.
En général, si le taux est constant et égal à a, la suite (un) vérifie la
relation de récurrence : un+1 = (1 + a)un.
C’est donc une suite géométrique de raison 1 + a.
• Croissance d’une population avec facteur limitant
(modèle discret logistique)
Ici, l’accroissement de la population entre deux relevés est encore
proportionnel à la taille de la population (supposée reproductrice en
 3.3 • Suites récurrentes linéaires d’ordre 2 63

totalité), mais s’annule lorsqu’une valeur d’équilibre, K, appelée

capacité du milieu, est atteinte. Cet accroissement est positif tant que
la taille de la population est inférieure à la capacité K, négatif si la
population dépasse en nombre la capacité du milieu.
Le modèle le plus simple décrit la situation où le taux de fertilité est
proportionnel à la différence entre la population effective et la popu-
u −u K − un
lation maximale permise par l’habitat K, soit : n +1 n = a ·
un K
u
( )
D’où : un +1 − un = a un 1 − n , et :
K

( u
un +1 = un 1 + a − a n .
K )
relation qui correspond à la fonction : f ( x ) = x 1 + a −
ax
K (
·
)
• Croissance d’une population avec facteur limitant
(modèle discret de Gompertz)
L’idée est la même que dans le modèle logistique ; on cherche ici un
paramètre positif a tel que :
K
un +1 − un = a un ln ⋅
un
La présence du logarithme exprime l’effet de tassement du taux
un + 1 – un
d’accroissement ----------------------
- lorsqu’on s’approche de la taille maximale K.
un

(
La relation un +1 = un 1 + a ln
K
un )
correspond à la fonction :

(
f ( x ) = x 1 + a ln
K
x).

3.3 SUITES RÉCURRENTES LINÉAIRES D’ORDRE 2

3.3.1 Généralités
Une telle suite est déterminée par une relation du type :
(1) ∀n ∈ ` aun + 2 + bun +1 + cun = 0
(où a ≠ 0, b, c ≠ 0 sont des constantes réelles), et la connaissance des
deux premiers termes u0 et u1.
Pour déterminer l’ensemble des suites réelles qui vérifient la
relation (1), on considère l’équation caractéristique :
ar 2 + br + c = 0 (E )
équation du second degré dont le discriminant est ∆ = b 2 − 4 ac .
64 Chapitre 3 • Suites réelles

3.3.2 Forme générale des solutions

• Si ∆ > 0, (E) a deux racines distinctes r1 et r2. Toute suite vérifiant
(1) est alors du type :
un = K1 r1n + K 2 r2n .
Les constantes K1 et K2 s’expriment ensuite en fonction de u0 et u1.
b
• Si ∆ = 0, (E) a une racine double r0 = − ⋅ Toute suite vérifiant (1)
est alors du type : 2a
un = ( K1 + K 2 n) r0n .
Les constantes K1 et K2 s’expriment ensuite en fonction de u0 et u1.
• Si ∆ < 0 , (E) a deux racines complexes conjuguées r1 = α + iβ et
r2 = α − iβ que l’on écrit sous forme trigonométrique r1 = ρ e iθ et
r2 = ρ e − iθ .
Toute suite vérifiant (1) est alors du type :
un = ρ n ( K1 cos nθ + K 2 sin nθ ) = ρ n A cos (nθ − ϕ ).
Les constantes (K1 et K2, ou A et ϕ), s’expriment ensuite en fonc-
tion de u0 et u1.

Suites arithmétiques et suites

géométriques dans l’histoire

• C’est en cherchant à transformer les suites arithmétiques en suites

géométriques que le baron écossais John Napier, ou Neper, (1550-
1617) invente les logarithmes dits népériens.
Il conseille le mathématicien Henry Briggs pour établir les premières
tables de logarithmes décimaux. Ces tables ont eu un tel succès que
l’astronome Johannes Kepler a dédié un de ses livres à Napier.
• L’anglais Thomas Robert Malthus (1766-1834) a marqué l’histoire
de la pensée économique. En 1798, il développe dans son livre Essai
sur le principe de population sa doctrine connue sous le mot de mal-
thusianisme.
Il pose le principe que la population croît selon une progression géo-
métrique et les ressources selon une progression arithmétique.
Comme une suite géométrique croissante est plus rapide qu’une suite
arithmétique croissante, cela entraînerait un déséquilibre qui con-
duirait l’humanité vers la famine. Il évoque le rétablissement de
l’équilibre par des moyens destructifs (épidémies, guerres) et pré-
ventifs (contrôle des naissances).
La suite de l’histoire n’a pas validé le modèle!
Mots clefs 65

B
S
U
MOTS CLEFS

➤ Suite convergente
➤ Suite récurrente
➤ Modélisation discrète

EXERCICES
n
n
3.1 Étudiez la convergence de la suite de terme général un = ∑ ⋅
p =1 n +p
2

3.2 Étudiez la convergence, et la limite éventuelle, de la suite définie

par : un = n a n + b n où a et b sont des réels donnés strictement positifs.
n
1
3.3 Pour tout n ∈ `* on pose Sn = ∑ ⋅
k =1 k
En raisonnant par l’absurde et en considérant les deux suites extraites
(Sn) et (S2n), montrez que la suite (Sn) est divergente.
3.4 Soit u0 et v0 deux nombres réels tels que 0 < u0 < v0. On définit les
suites (un) et (vn) par les relations de récurrence :
2 un vn u +v
∀n ∈ ` un +1 = ; vn +1 = n n ⋅
un + vn 2
Démontrez que les suites (un) et (vn) sont adjacentes, puis exprimez
leur limite en fonction de u0 et de v0.
π-
--

3.5 Pour tout n ∈ `, on pose I n = ∫ (tan x )n dx.

44

00
1. Montrez que la suite (In) est décroissante et convergente.
1
2. Montrez que, pour tout n ∈ `, I n + 2 + I n = et déduisez-
n +1
en lim I n .
n→∞

3.6 Suite de Fibonacci

Soit (un) la suite de nombres réels définie par :
∀n ∈ ` un + 2 = un +1 + un et u0 = u1 = 1.
un +1 u
On considère également les suites vn = et wn = n + 2 ⋅
un un
Calculez les limites des suites (un), (vn) et (wn) quand n tend vers l’infini.
66 Chapitre 3 • Suites réelles

3.7 Les couples de lapins

Un couple de lapins produit chaque mois un nouveau couple qui ne
devient productif qu’à partir du deuxième mois de son existence.
En supposant une fidélité des couples et pas de mortalité, combien
obtient-on de couples de lapins au bout d’un an en partant d’un couple ?
3.8 Croissance logistique
Soit un l’effectif d’une population à la génération n. Cette population
suit une croissance logistique si le passage de la génération n à la
génération suivante obéit à une formule du type :

( )
un
un +1 = a un 1 −
K
.

1. Interprétez les constantes a et K lorsque l’effectif est très inférieur

à K, ou au contraire très voisin de K.
2. Qu’arrive-t-il si un devient double de K ? Même question si
un = 1,5K ?
3. En partant de u1 = 100 et en choisissant K = 1000, visualisez et
commentez l’évolution de la population suivant diverses valeurs de a :
a = 1, 2 ; a = 1, 8 ; a = 2, 2 ; a = 2, 8.
4. Avec K = 100 et u1 = 10, représentez la génération des premières
valeurs de un en s’appuyant sur la représentation graphique de la fonc-
tion f du modèle :
a) avec a = 1,2 ;
b) avec a = 2,8.

SOLUTIONS

3.1 Pour tout p de 1 à n, on a :

n n n

2
2
n + n n + p n +1
2

ce qui entraîne pour tout n :

n2 n2

un
2 ⋅
n +n2
n +1
n n2
Les suites définies par vn = et wn = 2 sont convergentes
n +1 n +1
et ont la même limite 1.
D’après le théorème d’encadrement, la suite (un) est donc convergente
et tend vers 1.
Solutions 67

3.2 Supposons a
b. Dans la somme an + bn, nous allons mettre an

en facteur, qui est le terme dominant si a > b.

[ ( ( ) )] [ ( )]
n n
1 1 b 1 b
ln (un ) = ln (a n + b n ) = ln a n 1 + = ln a + ln 1 +
n n a n a

[ ( )]
n
1 b
Comme a
b, on a lim ln 1 + = 0. On en déduit :
n→+∞ n a

lim ln (un ) = ln a , puis lim un = a.

n→+∞ n→+∞

3.3 Supposons que la suite (Sn) converge vers l. Alors les deux suites
extraites (Sn) et (S2n) convergent vers l et, par conséquent, (S2n – Sn)
converge vers 0. On a :
1 1 1
S2 n − Sn = + + "+ ⋅
n +1 n + 2 2n

1
Chacun des n termes de cette somme est minoré par ⋅
2n
1
On a donc S2 n − Sn
, ce qui est incompatible avec la convergence
2
de (S2n – Sn) vers 0. La suite (Sn) est donc divergente.

Comme (Sn) est croissante, elle tend donc vers +∞.

3.4 Par une récurrence immédiate, on obtient un > 0 et vn > 0 ; la suite

(vn) est donc bien définie puisque le dénominateur de un+1 ne s’annule
pas.
Pour tout n ∈ ` , on calcule :

un + vn 2 un vn (un − vn )2
vn +1 − un +1 = − =
0
2 un + vn 2 (un + vn )
ce qui prouve que un  vn pour tout n ;
u (v − u )
puis un +1 − un = n n n
0 ce qui prouve que (un) est croissante ;
un + vn
u −v
puis vn +1 − vn = n n  0 ce qui prouve que (vn) est décroissante.
2
Comme (un) est majorée par v0, elle converge vers une limite l1.
Comme (vn) est minorée par u0, elle converge vers une limite l2.
68 Chapitre 3 • Suites réelles

D’après les opérations algébriques sur les suites convergentes, on en

déduit alors :
l1 + l2
l2 = soit l1 = l2 = l.
2
On remarque que
∀n ∈ ` un +1 vn +1 = un vn = " = u0 v0 .

On a donc l 2 = u0 v0 , soit l = u0 v0 puisque l  0.

Attention à ne pas dire que (un) est majorée par vn. Un majorant d’une suite doit en
majorer tous les termes.

3.5 1. Pour x ∈ 0,
n ∈` : 4 [ ]π
on a tan x ∈[0,1], ce qui entraîne pour tout

∀x ∈ 0, [ ] π
4
0
(tan x )n +1
(tan x )n

et par conséquent :
π
--π- π
---
0
∫ (tan x )n +1 dx
∫ (tan x )n dx.
44 44

00 00

Ces inégalités montrent que la suite (In) est décroissante et minorée

par 0. Elle est donc convergente.
2. Pour tout n ∈ `, on a :
π π
---π ---π

I n + 2 + I n = ∫ [(tan x )n + 2 + (tan x )n ] dx = ∫ (tan x )n (1 + tan 2 x ) dx.

44 44

00 00

Si on pose u( x ) = tan x, on a u′( x ) = 1 + tan 2 x et l’intégrale précé-

dente s’écrit :

[ ]
π
π-π
(tan x )n +1
4
--
1
I n+2 + I n = ∫ [u( x )] u′( x ) dx = = ⋅
44 n
00 n +1 0
n +1
On en déduit que lim[ I n + 2 + I n ] = 0 .
n→∞
Comme (In+2) est une suite extraite de (In), on a lim I n + 2 = lim I n , ce
n→∞ n →∞
qui permet de conclure :
lim I n = 0.
n→∞

3.6 • La suite (un) est linéaire d’ordre 2 à coefficients constants.

Solutions 69

Son équation caractéristique r2 – r – 1 = 0 a deux racines réelles

distinctes
1− 5 1+ 5
r1 = et r2 = ⋅
2 2
Toute suite (un) vérifiant la relation de récurrence
∀n ∈ ` un + 2 − un +1 − un = 0

est donc de la forme un = K1r1n + K 2r2n .

Les conditions initiales permettent de calculer K1 et K2 :

{
1 − r1 5 + 5
K1 = =
{ u0 = 1 = K1 + K 2
u1 = 1 = K1r1 + K2r2
⇔
⇔
K2 =
r2 − r1 10
r2 − 1 5 − 5
=
r2 − r1 10
La suite (un) est donc définie par :

( ) ( )
n n
5 + 5 1− 5 5 − 5 1+ 5
∀n ∈ ` un = +
10 2 10 2

( )
n
1− 5 1− 5
Comme ≈ −0, 6 < 1, on a lim = 0.
2 n →∞ 2

( )
n
− 5
1+ 1+ 5
Comme ≈ 1, 6 > 1, on a lim = +∞.
2 n→∞ 2
On obtient donc lim un = +∞ .
n→∞
D’après ce qui précède, on a :

un +1 K1r1n +1 + K 2r2n +1
vn = = ⋅
un K1r1n + K 2r2n

1+ 5
Comme lim r1n = 0 , on a donc : lim vn = r2 = ⋅
n→+∞ n→+∞ 2

Cette valeur est un nombre irrationnel, noté Φ (lire phi) par référence
au sculpteur et architecte grec Phidias, encore appelé nombre d’or.
70 Chapitre 3 • Suites réelles

Le rapport des longueurs Φ est aussi appelé « divine proportion » et

se retrouve dans de nombreuses constructions architecturales.
u u u
• On a wn = n + 2 = n + 2 × n +1 ⋅
un un +1 un

( )
2
1+ 5 3+ 5
Donc lim wn = Φ = 2
= = 1 + Φ.
n→+∞ 2 2
3.7 Au premier mois, il y a naissance du couple fondateur ; le
nombre de couples est donc 1.
Au deuxième mois, le couple fondateur n’est pas encore adulte ; le
nombre de couples est donc 1.
Au troisième mois, on a le couple fondateur et le premier couple de
descendants ; le nombre de couples est donc 2.
Au quatrième mois, on a les mêmes et le deuxième couple de descen-
dants du couple fondateur ; le nombre de couples est donc 3.
Au cinquième mois, on a les mêmes, le troisième couple de descen-
dants du couple fondateur et le premier couple de descendants issus
du couple né le troisième mois ; le nombre de couples est donc 5.
On retrouve ainsi la série de Fibonacci 1, 1, 2, 3, 5, 8, 13, 21, 34, 55,
89, 144, 233 ... Au bout de douze mois, il y aura 144 couples.

Cet énoncé a été publié en 1202 par Fibonacci.

3.8 1. • Lorsque l’effectif un de la population est très inférieur à la

u
capacité limite K, le rapport n devient négligeable. Il en résulte que
K
la variation devient un +1 − un = a un . Cela revient à une croissance
exponentielle et signifie que a est la différence : natalité – mortalité.
• Lorsque l’effectif de la population est très voisin de K, la quantité
u
1 − n devient proche de 0. Il en résulte que un+1 – un devient proche
K
de 0 ; et donc que la population est stabilisée à un effectif de K.
2. • Si un est double de K, la variation un+1 – un devient égale à –aun. Si
le facteur a est peu différent de 1, la population disparaît à la généra-
tion suivante.
u
• Si un = 1,5K, la variation un+1 – un devient égale à − a n ⋅
2
Si a est peu différent de 1, l’effectif de la population est divisé par 2.
Si a est peu différent de 2, la population disparaît.
Solutions 71

3. • Pour a = 1,2, la population se stabilise à 1000 individus en moins

de 10 générations.

• Pour a = 1,8, la population atteint rapidement la valeur K, en moins

de 5 générations, mais avec de légères oscillations qui s’amortissent.

• Pour a = 2,2, on a des oscillations autour de K, qui s’amortissent

très lentement. L’interprétation est que le milieu d’accueil est endom-
magé par un effectif trop important, ce qui entraîne une surmortalité
temporaire. L’effectif étant inférieur à K, le milieu peut se régénérer,
ce qui permet à la population de reprendre. En dépassant à nouveau K,
le milieu est à nouveau endommagé, et ainsi de suite.
Les ajustements entre effectif maximum et milieu se font toujours
avec un décalage du fait que le temps mesuré ici est une variable
discrète (valeurs séparées).
72 Chapitre 3 • Suites réelles

• Pour a = 2,8, les fluctuations deviennent chaotiques. Ce régime ne

se confond pas avec un régime aléatoire dans lequel il n’y a aucune
prévisibilité. Ici, les chutes d’effectif sont d’autant plus violentes que
la population a dépassé K, et a donc épuisé les ressources. Le risque
d’extinction de la population est très fort, comme dans la
génération 18.

Dans le graphe suivant, a est inchangé mais l’effectif initial est 99. On
voit que de légères modifications initiales ont des répercussions
profondes dans un régime chaotique.

4. Avec K = 100, on trace d’abord la représentation graphique de la

fonction f définie par :

(
f ( x) = a x 1 −
x
100).

On reporte sur l’axe des abscisses u1 = 10. La valeur u2 = f(u1) est

l’ordonnée du point correspondant sur la courbe.
L’horizontale y = u2 coupe la première bissectrice d’équation y = x en
un point d’abscisse u2. On revient ainsi sur l’axe des abscisses, et on
recommence.
Solutions 73

a) Pour a = 1,2, on obtient :

b) Pour a = 2,8, on obtient :

 4 Fondements du calcul
matriciel

4.1 Espaces vectoriels usuels

PLAN

4.2 Matrices
4.3 Déterminants

➤ Acquérir des notions de base de calcul matriciel.

OBJECTIFS

➤ Utiliser le calcul matriciel dans la dynamique des populations.

Les représentations vectorielles et le calcul matriciel s’appliquent à de

nombreux domaines de la biologie. C’est le cas, par exemple, de la
dynamique des populations (matrices de Leslie), la biochimie (proprié-
tés géométriques de certaines molécules), l’analyse des données statis-
tiques et la résolution des systèmes différentiels linéaires.

4.1 ESPACES VECTORIELS USUELS

4.1.1 Espaces vectoriels

• Notion
Un espace vectoriel est un ensemble non vide où l’on a défini une
« addition » et une « multiplication par un nombre » réel (ou
complexe). On ne donne pas la définition mathématique rigoureuse
car elle sort largement du cadre de ce manuel.
On appelle vecteur tout élément d’un espace vectoriel et scalaires
les nombres par lesquels on peut multiplier les vecteurs.
4.1 • Espaces vectoriels usuels 75

• Exemples fondamentaux
➤ Dans R2, un vecteur est un couple et dans R3, un vecteur est un
triplet. De manière générale, dans le cas de Rn, un vecteur est un n-
uplet et les opérations définies sur cet ensemble sont :
( x1 , …, xn ) + ( y1 , …, yn ) = ( x1 + y1 , …, xn + yn ),
λ ( x1 , …, xn ) = (λ x1 , …, λ xn ).
En biologie, plusieurs situations peuvent être modélisées par des
vecteurs de Rn. Ainsi :
– Lorsque l’on veut suivre les variations de la population d’une
espèce (ours, hannetons, …), on décompose cette dernière en 2,
3, …, ou n classes d’âge qui définissent alors, un couple, un triplet
et de manière générale, un n-uplet.
– Les molécules évoluent dans un espace de dimension trois et pour
repérer ses atomes, on utilise les trois coordonnées de l’espace.
– Selon les études ou relevés statistiques dans des enquêtes, nous
manipulons des vecteurs avec autant de composantes que de para-
mètres quantifiés.
➤ L’ensemble F (I, R) des fonctions définies sur un même intervalle I
et à valeurs dans R, muni des opérations usuelles f + g et λf.
Les fonctions considérées comme vecteurs se rencontrent souvent
dans la résolution des équations et systèmes différentiels.

4.1.2 Sous-espaces vectoriels

• Définition
Soit E un espace vectoriel ; une partie non vide F de E est un sous-
espace vectoriel si elle vérifie la propriété suivante :
∀ u, v ∈ F ∀ λ , µ ∈ K alors λu + µ v ∈ F .

• Premiers exemples
➤ Dans tout espace vectoriel E, {0} et E sont des sous-espaces vecto-
riels de E.
➤ Dans R2, la droite {( x, y ) ∈ \ ; 2 x − 3 y = 0} est un sous-
2

espace vectoriel alors que la droite {( x, y) ∈ \ 2 ; 2 x − 3 y = 1} ne

l’est pas.
➤ Dans R2, une parabole ne peut pas définir un sous-espace vectoriel.
 76 Chapitre 4 • Fondements du calcul matriciel

4.1.3 Bases d’un espace vectoriel, dimension

• Combinaisons linéaires
On appelle combinaison linéaire des vecteurs v1 , …, v p de l’espace
vectoriel E tout vecteur de E de la forme λ1v1 + " + λ p v p , où λ1 , …, λ p
sont des scalaires.
On note Vect (v1 , …, v p ) l’ensemble de toutes les combinaisons
linéaires de la famille (v1 , …, v p ) . C’est un sous-espace vectoriel de E.

• Bases d’un espace vectoriel

➤ Une famille de vecteurs (v1 , v2 , …, v p ) est une base de l’espace
vectoriel E si tout vecteur de E s’écrit de façon unique comme
combinaison linéaire de cette famille.
➤ Par exemple, la famille de vecteurs e1 = (1, 0, 0) , e2 = (0,1, 0) et
e3 = (0, 0,1) forme une base de R3. On l’appelle base canonique
de R3.

• Dimension d’un espace vectoriel

➤ Si (v1 , v2 , …, v p ) est une base de l’espace vectoriel E, l’entier
naturel p est appelé dimension de E.
Par convention, l’espace vectoriel {0} a pour dimension 0.
➤ Par exemple, Rn est de dimension n ; les solutions d’une équation
différentielle homogène du second ordre dont le coefficient de y′′
ne s’annule pas sur un intervalle I forment un espace vectoriel de
dimension 2.

4.2 MATRICES

4.2.1 Généralités

• Définition
Une matrice à n lignes et m colonnes est un tableau

( )
a11 … a1m
A= # #
an1 … anm
dont les éléments (ou coefficients) sont des nombres. Dans la notation
du coefficient aij, le premier indice est le numéro de la ligne et le
deuxième indice, celui de la colonne.
4.2 • Matrices 77

On dit que la matrice est de format (n, m). L’ensemble des matrices
de ce même format se note Mnm.

• Matrices particulières
➤ Une matrice est nulle si tous ses coefficients sont nuls.
➤ Une matrice est carrée si elle a autant de lignes que de colonnes.
➤ Une matrice carrée est diagonale si les éléments qui sont en dehors
de la diagonale principale sont nuls : aij = 0 si i ≠ j .
Pour simplifier, on la note : diag (a11 , …, ann ) .
➤ Une matrice carrée est triangulaire supérieure (respectivement
inférieure) si les éléments qui sont en dessous (respectivement au-
dessus) de la diagonale principale sont nuls : aij = 0 si i < j (respec-
tivement i > j).
➤ Une matrice colonne possède une seule colonne (m = 1) et une
matrice ligne possède une seule ligne (n = 1).

• Représentation d’un vecteur dans une base

Soit E un espace vectoriel de dimension n et v = (v1 , …, vn ) une base.
Pour tout vecteur x de E, il existe n scalaires uniques x1 , …, xn tels que
x = x1v1 + " + xn vn .
On appelle représentation matricielle du vecteur x dans la base v, la
matrice colonne

()
x1
X= # .
xn
Nous verrons plus loin comment sont reliées deux représentations
matricielles d’un même vecteur par rapport à deux bases.

4.2.2 Opérations sur les matrices

• Transposition d’une matrice

➤ Définition
On appelle transposée d’une matrice A la matrice, notée t A, et obte-
nue à partir de A en échangeant les lignes et les colonnes.
Ainsi, si la matrice A a m lignes et n colonnes, la matrice t A a n
lignes et m colonnes.
78 Chapitre 4 • Fondements du calcul matriciel

➤ Exemples

( ) ( )
1 4
1 2 3
t
= 2 5
4 5 6
3 6
La transposée d’une matrice colonne (respectivement ligne) est

()
x1
une matrice ligne (respectivement colonne) : ( x1 , …, xn ) = #t

xn

• Somme et multiplication par un scalaire

➤ Somme de deux matrices
Soit A et B deux matrices de même format (n, m). La somme
C = A + B est la matrice de format (n, m) définie par :
cij = aij + bij pour tout i et pour tout j.
➤ Multiplication d’une matrice par un réel
Soit A une matrice de format (n, m) et λ un réel. La matrice B = λ A
est la matrice de format (n, m) définie par :
bij = λ aij pour tout i et pour tout j.

• Produit de deux matrices

➤ Introduction
Considérons un système de deux équations linéaires à deux
inconnues :

{ a11 x1 + a12 x2
a21 x1 + a22 x2
= b1
= b2
La régularité de son écriture nous suggère de la simplifier en intro-

duisant les matrices colonnes X = () ()x1

x2
b
et B = 1 et la matrice :
b2

A=
( )
a11 a12
a21 a22
.

En convenant du mode d’écriture du système de départ :

AX = B,
on définit la multiplication de A par X.
4.2 • Matrices 79

Cette écriture sous forme de tableaux fut introduite pour la première fois par Carl
Friedrich Gauss (1777-1855) lorsqu’il étudia les transformations linéaires. Elle est
indissociée de l’opération qui en résulte, c’est-à-dire du produit de deux matrices
que nous allons définir.
➤ Définition
Pour A = (aij ) ∈ Mnm et B = (bij ) ∈ Mmp, on définit le produit
AB = C = (cij ) ∈Mnp par :
m
cij = ai1b1 j + ai 2 b2 j + " + aim bmj = ∑ aik bkj
k =1

Le produit de deux matrices n’est possible que si le nombre de colonnes de la première est
égal au nombre de lignes de la seconde.
➤ Exemples

– Pour les matrices A =

−4 1
produits AB et BA sont possibles :
( )
2
3
−1
7 et B = ( 4 0 −3
–55 2 1 ) les deux

( ) ( )
13 2 −7
20 −7
AB = −23 −14 −2 et BA = .
– 20 – 8
−21 −2 13
– Le produit d’une matrice ligne et d’une matrice colonne donne une
matrice à une ligne et une colonne :

()
y1
( x1 , …, xn ) # = ( x1 y1 + " + xn yn ).
yn
– Le produit de deux matrices diagonales de même format est une
matrice diagonale :
diag (a11 , …, ann ) × diag (b11 , …, bnn ) = diag ( a11 b11 , …, ann bnn ).
➤ Propriétés
Comme pour les nombres et quand les produits sont définis, on a :
– ( A1 + A2 ) B = A1 B + A2 B, A( B1 + B2 ) = AB1 + AB2 ;
– Si 0 est la matrice nulle (avec les dimensions adéquates), alors
quelle que soit la matrice A, A0 = 0 et 0A = 0.
– Pour deux matrices quelconques A et B telles que le produit AB soit
possible, on a : t(AB) = tB tA.
80 Chapitre 4 • Fondements du calcul matriciel

➤ Remarques
À la différence des nombres :
– Si A et B sont deux matrices carrées de même format, en général,
AB ≠ BA (on dit que le produit matriciel n’est pas commutatif) ;
– Il est faux de croire que si AB = 0, alors A = 0 ou B = 0.

• Formule du binôme
À la condition que AB = BA, on a (comme pour les nombres) :

()
n
n
∀n ∈ ` ( A + B)n = ∑ Ak B n − k .
k =0 k

• Matrices inversibles
➤ Matrice unité
On appelle matrice unité d’ordre n, la matrice diagonale ne
comportant que des 1, notée : I n = diag (1, …,1) .
Quelle que soit la matrice A, carrée d’ordre n, on a : I n A = AI n = A .
On retrouve la propriété du nombre 1 pour les nombres.
Remarquons aussi que si X est une matrice colonne de n lignes,
In X = X .
➤ Matrice inversible
Soit une matrice A ∈Mn. S’il existe une matrice C ∈Mn vérifiant
AC = CA = I n , la matrice C est unique et est appelée l’inverse de A.
On la note C = A−1 .
Reprenons le système d’équations linéaires déjà rencontré
AX = B .
Si A est inversible, ce système devient A−1 AX = A−1 B , c’est-à-dire,
I 2 X = X = A−1 B et la résolution est achevée.
Nous verrons plus loin (cf. déterminants) comment caractériser le
fait que A est inversible. Dans ce cas, le calcul de A–1 se fait en résol-
vant un système linéaire, comme ci-dessus.
➤ Propriétés des matrices inversibles

( A−1 )−1 = A ; (t A)−1 = t t ( A−1 ) ; ( AB)−1 = B −1 A−1

➤ Cas d’une matrice diagonale
Une matrice diagonale D = diag (d11 , …, dnn ) est inversible si, et
seulement si, tous ses coefficients diagonaux sont non nuls et alors :

D −1 = diag
( 1 ,..., 1
d11 dnn
.
)
4.2 • Matrices 81

4.2.3 Un exemple en dynamique des populations :

les matrices de Leslie
Pour étudier l’évolution de la population d’une espèce animale dans
un territoire déterminé, on décompose cette dernière en classes d’âge
et périodiquement (tous les jours, tous les mois ou tous les ans…), on
compte le nombre d’individus femelles dans chaque classe.
Prenons l’exemple des ours. Ils vivent en moyenne entre 14 et
20 ans, et ils sont matures (prêts à la reproduction) à 4 ans. On
décompose cette population en cinq classes d’âge, et on note avec la
même lettre le nombre d’individus dans les âges correspondants :
B (bébés) : de 0 à 1 an ; N (nourrissons) : de 1 à 2 ans ;
J (juvéniles) : de 2 à 3 ans ; I (immatures) : de 3 à 4 ans et
A (adultes) : au-delà de 4 ans.
La répartition de la population est représentée par un vecteur
colonne de 5 lignes. La somme des composantes B + N + J + I + A
donne l’effectif total de la population des ours dans le territoire consi-
déré.
Supposons que les taux de survie (soit 1–taux de mortalité) des
nourrissons, bébés, juvéniles, immatures et adultes sont respective-
ment de 0,89, 0,73, 0,56, 0,76 et 0,92 et que le taux de fécondité est
de 0,38 environ. On suppose aussi qu’approximativement, il y a
autant de mâles que de femelles.
Étudions maintenant l’évolution de cette population, à intervalles de
temps réguliers (tous les ans, dans notre cas).
Supposons qu’à l’instant initial t = 0, la population existante se répar-

()
tit selon le quintuplet :
N0
B0
V0 = J0
I0
A0
 82 Chapitre 4 • Fondements du calcul matriciel

()( )
À l’instant t = 1 an, on a :
N1 0, 38 A0
B1 0,89 N0
V1 = J1 = 0,73 B0
I1 0,56 J0

( )( )
A1 0,76 I0 + 0,92 A0

0 0 0 0 0, 38 N0
0, 89 0 0 0 0 B0
= 0 0, 73 0 0 0 J0 = AV0 .
0 0 0, 56 0 0 I0
0 0 0 0 , 76 0, 92 A0
où A est la matrice carrée d’ordre 5 ci-dessus.

()
À l’instant t = 2 ans le vecteur de répartition est :
N2
B2
V2 = J2 = AV1 = A2V0 .
I2
A2
D’année en année, on définit, par récurrence, une suite de vecteurs
(Vn) par la donnée de la distribution initiale V0 et la relation
Vn = AVn −1 = AnV0 .
Nous verrons plus loin une méthode d’analyse de l’évolution des
puissances de la matrice A.

4.3 DÉTERMINANTS
4.3.1 Déterminants d’ordres 2 et 3
• Déterminants d’ordre 2

Le déterminant d’une matrice carrée A =

( a11 a12
a21 a22 )
est le nombre :

a11 a12
det( A) = = a11a22 − a12 a21 .
a21 a22
4.3 • Déterminants 83

C’est aussi le déterminant des deux vecteurs colonnes (ou vecteurs

lignes).

• Déterminants d’ordre 3

➤ Définition

Le déterminant d’une matrice carrée A = a21 a22

( a11

a31
a12

a32
a13
a23
a33
) est le

nombre calculé selon la formule suivante :

a11 a12 a13

det A = a21 a22 a23
a31 a32 a33

= a11 ( a22 a33 − a23 a32 ) − a12 (a21a33 − a23 a31 ) + a13 (a21a32 − a22 a31 )

C’est aussi le déterminant des trois vecteurs colonnes (ou vecteurs

lignes).
➤ Propriétés des déterminants d’ordres 2 et 3
– Un déterminant change de signe lorsqu’on permute deux colonnes
ou deux lignes.
Cela entraîne qu’un déterminant est nul lorsque deux vecteurs sont
égaux.
– La valeur du déterminant ne change pas si on écrit les vecteurs en
lignes ou en colonnes, c’est-à-dire :

det A = det(t A).

– Un déterminant d’ordre 3 peut se décomposer en déterminants
d’ordre 2 suivant la première, la deuxième ou la troisième ligne, selon
84 Chapitre 4 • Fondements du calcul matriciel

la règle de signes suggérée par :

x1 y1 z1
y z2 x2 z2 x2 y2
x2 y2 z2 = + x1 2 − y1 + z1
y3 z3 x3 z3 x3 y3
x3 y3 z3

y1 z1 x1 z1 x1 y1
= − x2 + y2 − z2
y3 z3 x3 z3 x3 y3

y1 z1 x1 z1 x1 y1
= + x3 − y3 + z2
y2 z2 x2 z2 x2 y2

4.3.2 Déterminants d’ordre n

Les propriétés énoncées au paragraphe précédent peuvent servir à
généraliser par récurrence la notion de déterminant à une famille
quelconque de n vecteurs (pris dans Rn) ou à une matrice carrée
d’ordre n.

• Définition
On appelle déterminant d’une matrice carrée A = (α ij ) , le nombre
noté det A et obtenu par récurrence sur l’ordre n, de la manière
suivante :
– si n = 1 : la matrice u = (α) a un seul coefficient et son déterminant
est égal à α ;
– pour n > 1 on pose :
det A = α11 ∆11 + " + (−1)1+ j α1 j ∆1 j + " + (−1)1+ n α1n ∆1n

où ∆1j désigne le déterminant de la matrice carrée d’ordre n – 1 obte-

nue à partir de A en supprimant la première ligne et la j-ième colonne.
Cette formule de calcul est le développement par rapport à la
première ligne.

• Notation
Le déterminant de la matrice A est noté :
α11 " α1n
det A = # #
α n1 " α nn
4.3 • Déterminants 85

• Transposée

det A = det(t A).

Les propriétés concernant les colonnes de A s’appliquent donc

aussi aux lignes. Dans les deux cas, on parlera de rangées.

• Opérations sur les rangées

➤ On ne change pas la valeur d’un déterminant en ajoutant à une de
ses lignes (resp. colonnes) une combinaison linéaire des autres
lignes (resp. colonnes).

Cette propriété est très utilisée pour faire apparaître des 0 sur une
colonne (resp. ligne).

➤ Multiplier une ligne (ou une colonne) d’un déterminant par un

scalaire, c’est multiplier le déterminant par ce scalaire. On utilise
surtout cette propriété pour factoriser un terme dans une rangée.
➤ Pour n’importe quelle rangée, on a la propriété de linéarité (donnée
ici sur la première colonne) :
det(C1 + C ′1, C2 , …, Cn ) = det(C1 , C2 , …, Cn ) + det(C ′1, C2 , …, Cn )
➤ L’échange de deux lignes (ou de deux colonnes) transforme det A
en – det A.
➤ Le calcul d’un déterminant peut se faire en développant par rapport
à n’importe quelle rangée.

• Autres propriétés
➤ Si deux rangées sont proportionnelles, le déterminant est nul.
➤ Le déterminant du produit de deux matrices carrées A et B, d’ordre
n est égal au produit de leurs déterminants :
det( AB) = det A × det B.
➤ Une matrice A est inversible si, et seulement si, det A ≠ 0 .
1
➤ Si A est une matrice inversible, alors : det( A−1 ) =
⋅
det A
➤ Une famille de n vecteurs de Rn est une base si, et seulement si, son
déterminant est non nul.
86 Chapitre 4 • Fondements du calcul matriciel

➤ Le système linéaire AX = 0 (où A est une matrice carrée d’ordre n

et X, une matrice colonne de n lignes) admet des solutions X non
nulles si, et seulement si, det A = 0.

Les matrices de fabrication

(pour comprendre le produit de matrices)
Supposons un atelier qui utilise quatre facteurs de production : du
travail t, de l’énergie e, et des matières premières a et b.
Il sort de l’atelier trois produits semi-finis A, B, C.
On peut déterminer les quantités de facteurs nécessaires pour la
fabrication d’une unité de A, de B, de C, et reporter ces valeurs en
ligne. On obtient ainsi, par exemple, la matrice :
t e a b

( )
1000 200 50 80 A
M = 1500 100 50 60 B
800 250 60 70 C
On peut y lire que la production d’une unité de A nécessite
1 000 unités de travail, 200 unités d’énergie, 50 unités de a, 80 uni-
tés de b, et de même pour B et C.
La matrice introduite s’appelle matrice de fabrication, ou matrice
des coefficients techniques. Ses coefficients représentent les rap-
ports entre les quantités de facteurs de production employées et les
quantités produites. Ils restent fixes tant que la technique de pro-
duction reste inchangée.
Pour comprendre le produit de deux matrices, supposons qu’un
deuxième atelier utilise les produits semi-finis A, B, C pour fabri-
quer des produits finis α, β, γ selon la matrice des coefficients
techniques :
A B C

( )
4 10 8 α
N= 3 5 3 β
8 6 2 γ

Il est facile de répondre directement au problème : quelles quanti-

tés de facteurs primaires t, e, a, b, entrent dans la fabrication d’une
unité de α, de β, de γ ?
Mots clés 87

Les calculs correspondent au produit matriciel NM, dans cet ordre.

facteurs primaires N produits semi-finis N produits finis

NM

Comme dans la composée f D g de deux fonctions f et g, on effec-

tue d’abord g, puis f.
Par exemple, dans une unité de α, il intervient :
4 unités de A qui comportent 4 × 1000 unités de travail,
et 10 unités de B qui comportent 10 × 1500 unités de travail,
et 8 unités de C qui comportent 8 × 800 unités de travail.
Dans une unité de α, on a donc :
4 × 1000 + 10 × 1500 + 8 × 800
unités de travail.
Dans le produit matriciel NM, on a ainsi multiplié la première ligne
de la matrice N par la première colonne de la matrice M.
Vous pouvez vérifier que le calcul des autres termes de la matrice
de fabrication qui relie les entrées t, e, a, b et les sorties α, β, γ cor-
respond bien au produit matriciel NM tel qu’il a été défini dans le
cours.

B
S
U
MOTS CLÉS

➤ Espace vectoriel
➤ Matrice
➤ Matrice de Leslie
➤ Déterminant

EXERCICES

( ) ( )
4 2
−2 5 3
4.1 Soit A = −1 0 et B = .
1 6 –4
1 −3
88 Chapitre 4 • Fondements du calcul matriciel

Peut-on effectuer les opérations : A + B ? AB ? BA ?

Si oui, calculez le résultat.
4.2 Si A ≠ 0 , l’égalité AB = AC entraîne-t-elle B = C ?

4.3 Soit A = ( )
5 −4
4 –3
. Calculez An pour n ∈` (vous pouvez utiliser
la formule du binôme, ou un raisonnement par récurrence).

( )
13 −8 −12
4.4 On considère la matrice A = 12 −7 −12
6 −4 −5

1. Démontrez que A est inversible en calculant son déterminant.

2. Calculez A–1, puis An avec n ∈` .

( )
0 1 1
4.5 Soit A = 1 0 1 . Calculez A2 et déduisez-en A–1.
1 1 0

( )
1 0 −1
4.6 Soit A = 0 1 0 .
−1 2 1
Démontrez qu’il existe deux suites (αn) et (βn) (définies par récur-
rence) telles que :
∀n 艌 1 A n = α n A + β n A2 .
Calculez ensuite les valeurs de αn et de βn.
4.7 Montrez, sans le développer, que le déterminant suivant est nul :
1 1 1
D= a b c .
b+c c+a a+b
Exercices 89

x 2 1 −3
2 x −3 1
4.8 On considère le déterminant P( x ) = .
1 −3 x 2
−3 1 2 x
Utilisez les propriétés des déterminants pour obtenir P(x) sous la
forme d’un produit.
4.9 En utilisant les propriétés des déterminants, écrivez sous forme
d’un produit la valeur de :
a+b b+c c+a
D = a +b b + c
2 2 2 2 c + a2 .
2

a3 + b3 b3 + c3 c3 + a3
Vous pouvez introduire les matrices colonnes :

() () ()
a b c
A = a2 ; B = b2 ; C = c2 .
a3 b3 c3

4.10 La vie des insectes

Une certaine espèce d’insectes se comporte de la manière suivante.
En moyenne, la moitié d’entre eux meurent à la fin de la première
année de vie.
2
Parmi ceux qui survivent, les meurent au bout de la deuxième
année de vie. 3
Ceux qui survivent encore meurent au bout de leur troisième année de
vie, mais auparavant chaque femelle donne naissance en moyenne à 6
individus femelles de la même espèce.
L’année 2008 + n (avec n ∈` ), on note :
xn le nombre d’individus dans leur première année de vie,
yn le nombre d’individus dans leur deuxième année de vie,
zn le nombre d’individus dans leur troisième année de vie.
1. Déterminez la matrice carrée A telle que :

( ) ()
xn +1 xn
yn +1 = A yn .
zn +1 zn
90 Chapitre 4 • Fondements du calcul matriciel

2. Calculez A2 et A3. Que pouvez-vous dire sur l’évolution de la popu-

lation de ces insectes à partir de ces premiers calculs ?
4.11 Cycle annuel de la cigogne blanche d’Alsace (Lebreton 1980)
À l’année n, on structure la population en désignant par Z1, Z2, Z3 et Z4
les effectifs des femelles d’un an, de deux ans, de trois ans, et d’au
moins quatre ans.
Les individus de moins de trois ans ne se reproduisent pas. Parmi les
Z3 femelles, une fraction u3 se reproduit. À partir de quatre ans, tous
les individus se reproduisent.
Le nombre de poussins produits par couple est a, et on supposera que
le sex-ratio est équilibré (égalité des nombres de mâles et de femel-
les).
Avant la mauvaise saison, on a cinq classes d’âge Ai où A1 désigne le
nombre de nouveau-nés. Les chances de survie des Ai jusqu’à l’année
n + 1 sont désignées par qi.
1. Représentez le diagramme du cycle de vie de l’année n à l’année
n + 1 en enchaînant la préreproduction, la reproduction et la mauvaise
saison.
2. Écrivez, en fonction de u3, de a et des qi, la matrice de Leslie qui
représente le passage d’une année à l’année suivante.
4.12 Mammifères domestiques
Une population de mammifères domestiques est élevée en liberté sur
une propriété de plusieurs hectares. La reproduction a lieu une fois
par an.
Aucune des femelles nées dans l’année ne se reproduit.
La survie des nouveau-nés est de 80 %.
2
Parmi les femelles de deux ans, ont une portée d’un petit, le reste
3
n’en a pas. Ces femelles ont un taux de survie de 90 %.
À partir de trois ans, toutes les femelles se reproduisent et ont en
moyenne 2,2 petits par portée. Leur survie est également de 90 %.
1. Établissez la matrice de Leslie correspondante.
2. Pour une population initiale de 300 individus femelles (150 de
l’année, 70 de 1 an et 80 de 2 ans au moins), tracez le graphique des
variations de la structure de la population des femelles au cours des
dix premières années.
3. Quel est le taux d’accroissement annuel ?
Solutions 91

4. Quel est le taux d’accroissement annuel si aucune femelle ne se

reproduit à l’âge d’un an ?

SOLUTIONS

4.1 • Les matrices A et B ne sont pas de même format. Leur somme

est donc impossible.
• Le nombre de colonnes de A est égal au nombre de lignes de B. Le
produit AB existe donc et on a :

( )
−6 32 4
AB = 2 −5 −3
−5 −13 15
• Le nombre de colonnes de B est égal au nombre de lignes de A. Le
produit BA existe donc et on a :

BA =
( −10 −13
– 6 14 )
4.2 Si A est inversible, on a bien :
AB = AC ⇒ A−1 ( AB) = A−1 ( AC ) ⇒ B = C .
Mais il est possible d’avoir A ≠ 0 et A non inversible, par exemple

A=
( )
1 0
0 0
. Si B =
3 2
1 6 ( )
et C =
3 2
4 –5 ( )
on a alors AB = AC =
( )
3 2
0 0
bien que B ≠ C .

4.3 On peut décomposer :

A=
( ) ( )
1 0
0 1
+
4 −4
4 –4
= I 2 + B,

et observer que B2 = 0 .
Comme I 2 B = BI 2 , on peut appliquer la formule du binôme, ce qui
donne pour n ∈N* :

An = I 2 + nB =
( 4 n + 1 −4 n
4n –4 n + 1 )
.

Pour n = 0 , la formule est encore vraie.

92 Chapitre 4 • Fondements du calcul matriciel

Vous pouvez aussi utiliser un raisonnement par récurrence.

13 −8 −12
4.4 1. On a : det A = 12 −7 −12 .
6 −4 −5
On peut calculer directement ce déterminant d’ordre 3 avec la règle
de Sarrus. On peut aussi commencer par simplifier son écriture avec
des transformations qui ne changent pas sa valeur.
Si on remplace C1 par C1 + C2 + C3, le déterminant est inchangé.
Si on remplace C2 par –C2 et C3 par –C3, le déterminant change deux
fois de signe, donc est inchangé. On a donc :
1 8 12
det A = 0 7 12 = 35 + 96 − 84 − 48 = −1.
1 4 5
Comme le déterminant de A n’est pas nul, la matrice A est inversible.
2. On peut calculer A–1 en résolvant un système, ce qui correspond à :
AX = Y ⇐
⇔ X = A−1Y

{
13 x1 −8 x2 −12 x3 = y1
12 x1 −7 x2 −12 x3 = y2
6 x1 −4 x2 −5 x3 = y3

{
13 x1 −8 x2 −12 x3 = y1
⇔
⇐ 5 x2 –12 x3 = –12 y1 +13 y2
4 x2 −7 x3 = 6 y1 −13 y3

{
13 x1 −8 x2 −12 x3 = y1
⇐
⇔ 5 x2 –12 x3 = –12 y1 +13 y2
13 x3 = 78 y1 −52 y2 −65 y3

{
x1 = 13 y1 −8 y2 −12 y3
⇔
⇐ x2 = 12 y1 – 7 y2 –12 y3
x3 = 6 y1 −4 y2 −5 y3

On obtient ainsi la matrice A–1 et l’on s’aperçoit que A–1 = A, ce qui

entraîne que A2 = I3.
Solutions 93

Il est alors facile d’en déduire An avec n ∈` car :

si n est pair ( n = 2 p ), alors An = ( A2 ) p = I 3 ,
si n est impair ( n = 2 p + 1), alors An = ( A2 ) p A = I 3 A = A .

( )
2 1 1
4.5 On obtient A = 1 2 1 = A + 2 I 3 .
2

1 1 2

On en déduit A2 − A = 2 I 3 , puis A
( )
A − I3
2
= I3 .

( )
−1 1 1
A − I3 1
−1
A est donc inversible et A = = 1 −1 1 .
2 2
1 1 −1

4.6 On calcule successivement :

( ) ( )
2 −2 −2 4 −6 −4
A =
2
0 1 0 A =
3
0 1 0
−2 4 2 −4 8 4

et on observe que A3 = −2 A + 3 A2 .
La relation annoncée est donc vérifiée : pour n = 1 avec α1 = 1 et
β1 = 0 ; pour n = 2 avec α 2 = 0 et β 2 = 1 et pour n = 3 avec α 3 = −2
et β3 = 3 .
Pour n 艌 1 , supposons que An = α n A + β n A2 . On en déduit :

(
An +1 = A An = α n A2 + β n A3 = α n A2 + β n −2 A + 3 A2 )
= −2β n A + (α n + 3β n ) A2 .
Les suites (αn) et (βn) sont donc bien définies par les valeurs initiales
déjà citées et les relations de récurrence :
α n +1 = −2β n et β n +1 = α n + 3β n .
On obtient un système analogue à un système différentiel que l’on
peut résoudre avec diverses méthodes (cf. chap. 5). Ici, nous allons
utiliser une méthode de substitution.

α n + 2 = −2β n +1 = −2(α n + 3β n ) = −2α n − 6

( )
α n +1
−2
= −2α n + 3α n +1 .
94 Chapitre 4 • Fondements du calcul matriciel

Pour étudier les suites qui vérifient la relation de récurrence

un + 2 − 3un +1 + 2un = 0
on considère l’équation caractéristique : r 2 − 3r + 2 = 0 = (r − 1)(r − 2),
qui admet deux racines réelles distinctes r1 = 1 et r2 = 2 .
La solution générale de l’équation de récurrence est
un = K1 1n + K 2 2 n .
L’utilisation des conditions initiales donne :

{ 1 = α1 = K1 + 2 K 2
0 = α 2 = K1 + 4 K2
⇐
⇔
{ K1 = 2

K2 = −
1
2
On obtient donc : α n = 2 − 2 n −1 puis β n = 2 n −1 − 1 .
4.7 En remplaçant la ligne L3 par L3 + L2, la valeur du déterminant est
inchangée. On obtient ainsi :
1 1 1
D= a b c
a+b+c a+b+c a+b+c
La première ligne et la troisième ligne sont proportionnelles. Le
déterminant est donc nul.
4.8 On remarque d’abord que la somme des termes de chaque ligne
est constante. On peut donc penser à remplacer la colonne C1 par
C1 + C2 + C3 + C4 :
x 2 1 −3
x x −3 1
P( x ) =
x −3 x 2
x 1 2 x
puis à mettre en facteur x dans la première colonne :
1 2 1 −3
1 x −3 1
P( x ) = x
1 −3 x 2
1 1 2 x
Solutions 95

On peut utiliser la colonne de 1 pour faire apparaître des 0 en retran-

chant la première ligne à chacune des autres :
1 2 1 −3
0 x − 2 −4 4
P( x ) = x
0 −5 x − 1 5
0 −1 1 x+3
puis développer par rapport à la première colonne :
x−2 −4 4
P( x ) = x −5 x −1 5
−1 1 x+3
On additionne la dernière colonne à chacune des autres, avec l’idée de
faire apparaître des 0 :
x+2 0 4
P( x ) = x 0 x+4 5
x+2 x+4 x+3
On peut mettre en facteur x + 2 dans la première colonne et x + 4 dans
la deuxième colonne :
1 0 4
P( x ) = x( x + 2)( x + 4) 0 1 5
1 1 x+3
Pour aligner des 0, on retranche la première ligne à la dernière :
1 0 4
P( x ) = x( x + 2)( x + 4) 0 1 5
0 1 x −1
Le développement par rapport à la première colonne permet de
conclure :
P( x ) = x( x + 2)( x + 4)( x − 6).
4.9 En introduisant les matrices colonnes indiquées, le déterminant
s’écrit :
D = det( A + B, B + C , C + A).
Si on développe ce déterminant en utilisant la linéarité par rapport à
chaque colonne, on obtient D comme somme de 8 déterminants.
 TRAVAUX DIRIGES
Consigne : Cocher la ou les bonne(s) réponse(s) après avoir détaillé les calculs sur le brouillon.

1 Un peu de notions de base...

1 1
1. La somme + est égale à :
2 5
1 1 7
  
7 10 10
2 5
2. L’équation = admet comme solution :
x 2
 x=5 4 5
 x=  x=
5 4
π 
3. sin est égal à :
3
√
 0 3 1
 
2 2
π 
4. cos est égal à :
6
√
 0 3 1
 
2 2

5. cos(−x) est égal à :

 cos(x)  − cos(x)  sin(x)

6. −x2 + 14x − 49 est égal à :

 −(x − 7)2  (−x − 7)2

 (7 − x)2  (−7 + x)2

7. (2x + 4)2 − (3x − 2)2 est égal à :

 −5x2 + 12  −5x2 + 20
 (−x + 6)(5x − 2)  (−x + 6)(5x + 2)

8. (x3 − 1)2 est égal à :

 x9 − 2x3 + 1  x2 − 3x3 + 6
 x6 − 2x3 + 1  6 − 3x − x2

4
 9. Soit f une fonction polynôme du second degré dont le signe est donné par le tableau ci-dessous :

x −∞ −1 2 +∞

f (x) − 0 + 0 −

On peut en déduire que :

 Le discriminant ∆ est positif
 Le discriminant ∆ est négatif
 On ne peut déduire aucune information concernant le discriminant
10. Soient P (x) = (x2 + x + 1)(x − 1) et x réel,
 Le polynôme P n’a pas de racine
 Le polynôme P admet une unique racine
 Le polynôme P a exactement deux racines
 Le polynôme P a exactement trois racines
11. L’ensemble S des solutions de l’équation x2 = 9 est
 
 S = {3} 9
 S=
2
 S = {−3, 3}  S=∅

12. L’ensemble S des solutions de l’équation (x + 2)(x − 3) = 0 est

 S = {3}  S = {−2, 3}
 S = {−3, 2}  S=∅

13. L’ensemble des solutions de l’inéquation x2 + x + 1 < 0 est :

 S=R  S =] − ∞, −1[∪]1, +∞[

 S=∅  S =] − 1, 1[

14. Les solutions de l’équation x2 − 2x − 6 = −x2 − 8x + 30 sont :

 Aucune solution  x = −12 et x = 6

 x = −6 et x = 3  x = −24 et x = 12
4
15. Les solutions de l’équation 2x + 3 = − sont :
x
 Aucune solution  x = −12 et x = 6
 x = −1 et x = 3  x = −24 et x = 12

16. Pour quelle(s) valeur(s) de m l’équation x2 + mx + m = 0 admet-elle une unique solution ?

 Pour m = 2
 Pour m = 0 et m = 4
 Pour aucune valeur de m
x2 − 3x + 2
17. L’ensemble des solutions de l’inéquation ≥ 0 est :
x2 + x + 1

5
  S =] − 1, 0[∪]1, 2[  S =] − ∞, 1] ∪ [2, +∞[  S =] − 1, 1[

2 Fonctions : Domaines de définition, limites, dérivées et primitives

Dans tout ce qui suit, a désigne un réel quelconque.
18. Si lim f (x) = 3 alors
x→a
1 1 1 1
 lim =0  lim = +∞  lim =
x→a f (x) x→a f (x) x→a f (x) 3

19. Si lim f (x) = +∞ alors

x→a
1 1 1
 lim =0  lim = +∞  lim = −∞
x→a f (x) x→a f (x) x→a f (x)

20. Si lim f (x) = −∞ alors

x→a
1 1 1
 lim =0  lim = +∞  lim = −∞
x→a f (x) x→a f (x) x→a f (x)

21. Si lim f (x) = 0 et f (x) < 0, pour tout x de Df alors

x→a
1 1 1
 lim =0  lim = +∞  lim = −∞
x→a f (x) x→a f (x) x→a f (x)

22. Si lim f (x) = −3 et lim g(x) = +∞ alors

x→a x→a
 lim f (x)g(x) = −3
x→a
 lim f (x)g(x) = +∞
x→a
 lim f (x)g(x) = −∞
x→a
 On ne peut pas conclure pour la limite du produit
23. Si lim f (x) = 0 et lim g(x) = +∞ alors
x→a x→a
 lim f (x)g(x) = −0
x→a
 lim f (x)g(x) = +∞
x→a
 lim f (x)g(x) = −∞
x→a
 On ne peut pas conclure pour la limite du produit
24. Si lim f (x) = 5 et lim g(x) = +∞ alors
x→a x→a
 lim (f (x) + g(x)) = −5
x→a
 lim (f (x) + g(x)) = +∞
x→a
 lim (f (x) + g(x)) = −∞
x→a
 On ne peut pas conclure pour la limite de la somme
25. Si lim f (x) = −∞ et lim g(x) = +∞ alors
x→a x→a
 lim (f (x) + g(x)) = 0
x→a
 lim (f (x) + g(x)) = +∞
x→a
 lim (f (x) + g(x)) = −∞
x→a
 On ne peut pas conclure pour la limite de la somme
5x2 − 1
26. lim est égale à :
x→+∞ x3 + 1

6
  +∞  0
 5  −∞

5x2 − 1
27. lim est égale à :
x→+∞ x2 + 1

 +∞  0
 5  −∞

5x3 − 1
28. lim est égale à :
x→+∞ x2 + 1

 +∞  0
 5  −∞
5x − 1
29. lim est égale à :
x→1− x−1
 +∞  0
 5  −∞

2 +1
30. lim e−x est égale à :
x→+∞

 +∞  0
 1  −∞
5ex − 1
31. lim est égale à :
x→+∞ ex + 1

 +∞  0
 5  −∞

32. Le domaine de définition Df de la fonction définie par f (x) = ln(1 − x) est égal à

 R  ]1, +∞[
 ] − ∞, 1[  [1, +∞[
√
33. Le domaine de définition Df de la fonction définie par f (x) = x2 + 1 est égal à

 R  ] − 1, +∞[
 ] − ∞, −1[  [−1, +∞[

34. La fonction définie par f (x) = 2x + 5 admet pour dérivée la fonction f 0 définie par :

 f 0 (x) = x2 + 5x  f 0 (x) = 2x
 f 0 (x) = 2 + 5  f 0 (x) = 2
 π
35. La fonction définie par f (x) = cos 3x + admet pour dérivée la fonction f 0 définie par :
4

7
  π
 f 0 (x) = sin 3x +  f 0 (x) = cos(3)
4  π
 f 0 (x) = sin(3)  f 0 (x) = −3 sin 3x +
4
1
36. La fonction définie sur ] , +∞[ par f (x) = ln(4x − 2) admet pour dérivée la fonction f 0 définie par :
2
1 1 2
 f 0 (x) =  f 0 (x) =  f 0 (x) =
x−1 4x − 2 2x − 1
37. Parmi les limites suivantes, lesquelles sont correctes ?

x3 − 2x − 1 cos x
 lim =0  lim xe−x = +∞
 lim =0 x→+∞ x x→+∞
x→0
√ x−3
x+4−2 sin x
 lim =0  lim =1
x→0 x x→+∞ x
38. Parmi les limites suivantes, lesquelles sont correctes ?

ln(1 + x) ln(1 + x2 ) ln(1 + x2 )

 lim =1  lim =1  lim =1
x→0 x x→0 x2 x→0 ln(1 + x)
ln(1 + x2 ) ln(1 + x) 1
 lim =0  lim 2
=
x→0 x x→0 x 2
39. Soit f une fonction définie et dérivable sur R dont la tableau de variations est :

x −∞ 0 2 +∞

4 5
f (x)
−∞ −1

alors lesquelles des assertions suivantes sont vraies ?

 f (4) = 0
 Pour tout x ∈ R, f (x) ≤ 5
 L’équation f (x) = 0 admet exactement 2 solutions
 L’équation f (x) = 4 admet exactement 2 solutions
 Les données ne permettent pas de connaître le signe de f (1)f (3)
ax2 + bx + c
40. Soit f une fonction numérique de la forme f (x) = où (a, b, c) ∈ R3 , définie sur R \ {−2} dont
x+2
le tableau de variations est :

x −∞ −3 −2 −1 +∞

f 0 (x) + 0 − − 0 +

−2 +∞ +∞

f (x)

−∞ −∞ 2

8
 alors lesquelles des assertions suivantes sont vraies ?

 f (−2) = −3  f (0) > 0  b2 − 4ac > 0

 a>0  c>0
2ex
41. Soit f la fonction définie sur R par f (x) = , alors :
ex + 1
2
 Pour tout x ∈ R, f (x) =
1 + e−x
 lim f (x) = +∞
x→+∞
 lim f (x) = 0
x→−∞
 Pour tout x ∈ R, f 0 (x) < 0
 f 0 (0) = 1
42. Soit pour tout x de R, f (x) = ln(x2 + 1) − x, alors :

1  lim f (x) = +∞
 Pour tout x de R, f 0 (x) = −1 x→−∞
x2 +1
 f est décroissante sur R  Il existe un unique a de R tel que f (a) = 0
 lim f (x) = −∞
x→+∞

43. Soit f une fonction continue sur R vérifiantf (0) =0 et f (1) = 4.
1
On pose g la fonction définie par g(x) = f x + − f (x) − 2. Alors :
2
 
 g est continue sur R  Il existe c ∈ R tel que f c+
1
− f (c) = 2
 g(0) < 0 2
 
1
 g (0) g ≤0  Pour tout x ∈ R, f (x) = 4x
2

44. Soit f une fonction définie sur R par f (x) = 4 cos2 (x) − 3.
 Il suffit d’étudier f sur [0, π]
 Pour tout x ∈ R, f (x − π) = f (x)
 f est dérivable sur R et pour tout x de R, f 0 (x) = −4 sin(2x)
π
 f est décroissante sur [0, ]
2
π
 f est décroissante sur [− , 0]
2  
3−x
45. Soit f la fonction définie sur ] − 3, 3[ par f (x) = ln
3+x
 f (0) = 0
 Pour tout x ∈] − 3, 3[, f (−x) = −f (x)
1 1
 Pour tout x ∈] − 3, 3[, f 0 (x) = −
3−x 3+x
 f est croissante sur ]0, 3[
 f est décroissante sur ] − 3, 0[
4ex
46. Soient f et g les fonctions définies sur R par f (x) = 1 − et g(x) = e2x − 1, alors :
e2x + 1
 Pour tout x ∈] − ∞, 0], g(x) ≤ 0

9
  Pour tout x ∈ [0, +∞, [, f 0 (x) ≥ 0
 lim f (x) = 1
x→−∞
 lim f (x) = lim f (x)
x→+∞ x→−∞
 f est décroissante sur ] − ∞, 0]
x+3
47. Soit f la fonction numérique définie sur R \ {−1} par f (x) = , alors
x+1
 f est continue sur ] − ∞, −1[
2
 Pour tout x ∈ R \ {−1}, f 0 (x) =
(x + 1)2
 lim f (x) = 1
x→−∞
 L’équation f (x) = 0 admet une unique solution dans R \ {−1}
 f est décroissante sur ] − 1, +∞, [
48. Soit pour tout x dans R, f (x) = 1 − cos(2x) et g(x) = sin2 (x) alors :
π 
 f =2 g(x)
2  lim 2 = 1
x→0 x
 Pour tout x ∈ R, f 0 (x) = sin(2x)
f (x)
 Pour tout x ∈ R, f 0 (x) = 2g 0 (x)  lim 2 = 2
x→0 x

49. Soit f la fonction numérique définie sur [1, +∞[ par f (x) = ln(2x) + 1 − x alors :

 f (1) > 0  lim f (x) = −∞

x→+∞
1−x
 Pour tout x ∈ [1, +∞[, f 0 (x) =  Il existe un unique a ∈ [1, +∞[, a = ln(2a) + 1
x
 f est strictement décroissante sur [1, +∞[

50. Soit une primitive F de la fonction f définie sur R par f (x) = cos(3x) + x alors :
1 x2
 F (x) = − sin(3x) +
3 2
 F (x) = −3 cos(3x) + 1
x2
 F (x) = sin(3x) +
2
1 x2
 F (x) = sin(3x) +
3 2
2
51. Soit une primitive F de la fonction f définie sur ]1, +∞[ par f (x) = alors :
x−1
 F (x) = 2 ln(x − 1)
 F (x) = − ln(x − 1)
2x
 F (x) = 2
x
−x
2
−2
 F (x) =
(x − 1)2
52. Soit f la fonction définie sur R par f (x) = xe−2x . Alors :
 Pour tout x ∈ R, f 0 (x) + 2f (x) = e−2x
Z 1
 −2e−2x dx = e−2 − 1
0

10
 Z 1  Z 1 
1 −2x
 f (x) dx = f (0) − f (1) + e dx
0 2 0
1
1 − 2e−2
Z
 f (x) dx =
0 2
Z 1 Z 1
1
 f (x) dx = e−2x dx
0 2 0
53. Cocher la ou les bonne(s) réponse(s).
Z 18 Z 2
2 24 dx 1
 (x + 1) dx = 0  3
=1−
−18 1 x 4
Z 5 Z 1 √
1
 (x3 + x)15 dx = 0  √ dx = ln( 2)
−5 0 x+1
Z 1
x
 dx = ln(2)
0 x2 + 1

54. Soit f une fonction continue sur R, de valeur moyenne 4 sur [−2, 2]. Alors on peut affirmer que :
Z 2
 f (x) dx = 2
−2
 Pour tout x ∈ [−2, 2], f (x) ≥ 0
 f n’est pas une fonction impaire
 Il existe a ∈ [−2, 2], f (a) = 4
 La valeur moyenne de f 2 (f 2 : x 7→ (f (x))2 ) sur [−2, 2] est 16
55. Soit f la fonction définie sur [−1, 1] par f (x) = x3 − 3x + 2. Alors :
 f est croissante sur [−1, 1]
 Pour tout x ∈ [−1, 1], f (x) ≥ 0
 Pour tout a ∈ [0, 4], l’équation f (x) = a admet une unique solution sur [−1, 1]
 Pour tout x ∈ [−1, 1], si f (x) ≤ 2 alors x ≤ 0
1 27
 Pour tout x ∈ [−1, 1], si x ≥ − alors f (x) ≤
2 8
56. Soit m ∈ R et fm (x) la fonction définie sur R par fm (x) = x2 + 2mx + 9.
 f5 (x) = (x + 1)(x + 9)
 Pour tout m ∈ R, la courbe de fm passe par le point I (0, 9)
 Pour tout m ∈ R, pour tout x ∈ R, fm (x) ≥ 0
 Pour tout m ∈ R, l’équation fm
0 (x) = 0 admet une seule solution.

 Pour tout m ∈ R, pour tout x ∈ R, fm+1 (x) ≥ fm (x)

3 Fonctions exponentielles et logarithmes

57. exp(0) est égal à :

 0  e
 1  n’existe pas

11
58. exp(1) est égal à :

 0  e
 1  n’existe pas
 
1
59. ln est égal à :
e
 −1  1
 0  −e

60. Parmi les propositions suivantes quelles sont celles qui sont correctes ?

 ex+y = ex + ey  ex+y = ex .ey

 ex.y = ex + ey  ex.y = ex .ey

61. Parmi les propositions suivantes quelles sont celles qui sont correctes ?
a
 ln(a + b) = ln(a). ln(b)  ln(ab) = ln(a). ln(b)  ln = ln(a) − ln(b)
b

62. ln(x2 ) est égal à :

 (ln x)2  2 ln |x|

 2 ln x  x ln 2

63. Parmi les propositions suivantes quelles sont celles qui sont correctes ?

√
 
1  eln 2 .eln 5 = 7  e− ln 3 = −3
 exp ln 8 = 2 2
2

64. Soit n un entier relatif, ln(en ) − 2e + ln(1) est égale à :

 en − 2e + e  en − 2e  n − 2e

65. L’équation ex = 1 a pour solution

 x=0  x=1  x=e

66. Si x est un réel tel que x > 1 alors ln(x2 − 1) est éagal à :

 ln(x2 )  ln(x − 1) + ln(x + 1)

 2 ln x  2 ln(x − 1)

4 Suites numériques
67. Soit (un ) une suite géométrique de raison q > 1 et de premier terme u1 = 2.
Xn
Pour tout n ∈ N∗ , on pose Sn = u1 + u2 + · · · + un = uk . Alors :
k=1
 u16 = q 10 u6

12
  u5 u7 = u3 u9
 Si q = 2 alors S3 = 14
 Pour tout n ∈ N∗ , Sn est un entier naturel pair
 Pour tout n ∈ N∗ , S2n = (1 + q n )Sn
68. Pour toute suite réelle (un ), on a :
 Si lim un = 1 alors un = 1 à partir d’un certain rang
n→+∞
1
 Si lim un = alors un ≥ 0 à partir d’un certain rang
n→+∞ 2
 Si pour tout n ∈ N, un > 0 et (un ) converge alors lim un > 0
n→+∞
1
 Si (un ) est une suite arithmétique de raison − alors lim un = 0
3 n→+∞
1
 Si (un ) est une suite géométique de raison − alors lim un = 0
3 n→+∞

5 Logique et raisonnement
69. Pour tous réels non nuls a, b, c et d on a :

 Si a < b alors a2 < b2 1 1

 Si a < 0 < b alors <
b a
 Si a2 < b2 alors a < b
c d
 Si a < b et c < d alors ac < bd  Si ac < bd alors <
b a

70. Soient a, b, c et d quatre entiers naturels non nuls. On a :

a
a
 = b
bc c
a c a+c
 + =
b d b+d
a
ac
 = cb
bd
d
a+b a
 =
d+b d
ab a
 =
c b
c
71. Cocher la ou les bonne(s) réponse(s).
 « Il existe x ∈ R, il existe y ∈ R, x < y » est une proposition vraie
 « Pour tout x ∈ R, pour tout y ∈ R, x < y » est une proposition vraie
 « Pour tout x ∈ R, il existe y ∈ R, x < y » est une proposition vraie
 « Il existe x ∈ R, pour tout y ∈ R, x < y » est une proposition vraie
 « Pour tout x ∈ R, il existe y ∈ R, x < y » est équivalent à « Il existe x ∈ R, pour tout y ∈ R, x < y »

13
6.1 Primitives
Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
p
ƒ Si u est une fonction dérivable, strictement positive, alors u est une primitive de
u0
p .
2 u
u0
ƒ Si u est une fonction dérivable, alors arctan(u) est une primitive de .
1 + u2
ƒ Si u est une fonction dérivable, alors eu est une primitive de eu .
ƒ Si u est une fonction dérivable et ne s’annulant pas, alors ln(u) est une primitive de
u0
.
u

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
2
ƒ F (x) = x 2 + e x est une primitive de f (x) = 2x + e2x sur R.
e2x
ƒ F (x) = x 2 + est une primitive de f (x) = 2x + e2x sur R.
2
ƒ F (x) = x 2 e x est une primitive de f (x) = 2xe x sur R.
ƒ F (x) = (2x − 2)e x est une primitive de f (x) = 2xe x sur R.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :

62
 p 1
ƒ F (x) = x + 1 + e x est une primitive de f (x) = p + e x sur ] − 1, +∞[.
x +1
p 1
ƒ F (x) = 2 x + 1 + e x est une primitive de f (x) = p + e x sur ] − 1, +∞[.
x +1
1
ƒ La primitive de f (x) = p + e x sur ] − 1, +∞[ qui s’annule en 0 est F (x) =
p x +1
x + 1 + e x − 2.
1
ƒ La primitive de f (x) = p + e x sur ] − 1, +∞[ qui s’annule en 0 est F (x) =
p x +1
2 x + 1 + e x − 3.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
ƒ F (x) = (x + 1)2 + cos(2x) est une primitive de f (x) = 2x + 2 − 2 sin(2x) sur R.
ƒ F (x) = x 2 + 2x − cos(2x) est une primitive de f (x) = 2x + 2 − 2 sin(2x) sur R.
ƒ F (x) = 2x 2 cos(x 2 ) est une primitive de f (x) = 4x sin(2x) sur R.
ƒ F (x) = −2x cos(2x) + sin(2x) est une primitive de f (x) = 4x sin(2x) sur R.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
ƒ Une primitive de f (x) = e−x cos x sur R est F (x) = e−x cos x.
1
ƒ Une primitive de f (x) = e−x cos x sur R est F (x) = e−x (cos x + sin x).
2
1
ƒ Une primitive de f (x) = e−x cos x sur R est F (x) = e−x (sin x − cos x).
2
1  π
ƒ Une primitive de f (x) = e−x cos x sur R est F (x) = p e−x sin x − .
2 4

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies. Sur ]0, +∞[, on a :
Z 
2 −2
‹
ƒ +e 2x
dx = 2 + 2e2x + k, où k ∈ R.
x x
Z 
2 1
‹
ƒ + e2x dx = ln(x 2 ) + e2x + k, où k ∈ R.
x 2
Z 
1 p
‹
ƒ p − sin x dx = x + cos x + k, où k ∈ R.
2 x
Z 
1 p
‹
ƒ p − sin x dx = x − cos x + k, où k ∈ R.
2 x

63
Question
Parmi les affirmations suivantes, cocher celles qui sont vraies. Sur ] − 1, +∞[, on a :
Z
dx −3
ƒ = + k, où k ∈ R.
(x + 1)3 (x + 1)4
Z
dx −1
ƒ = + k, où k ∈ R.
(x + 1)3 2(x + 1)2
Z
dx
ƒ = ln(x + 1) + k, où k ∈ R.
x +1
Z
dx −1
ƒ = + k, où k ∈ R.
x + 1 (x + 1)2

Question
Parmi les assertions suivantes, cocher celles qui sont vraies :
1
ƒ Une primitive de cos(πx) + sur ]0, +∞[ est sin(πx) + ln x.
x
1 sin(πx)
ƒ Une primitive de cos(πx) + sur ]0, +∞[ est + ln(πx).
x π
1
ƒ La primitive de cos(πx) + sur ]0, +∞[ qui s’annule en 1 est sin(πx) + ln x.
x
1 sin(πx)
ƒ La primitive de cos(πx) + sur ]0, +∞[ qui s’annule en 1 est + ln x.
x π

Question
On note par F une primitive de f (x) = xe x sur R. Parmi les affirmations suivantes, cocher
celles qui sont vraies :
ƒ F (x) = x ln x + k, où k ∈ R.
x2 x
ƒ F (x) = e + k, où k ∈ R.
2
Z
ƒ F (x) = xe x − e x dx.

ƒ F (x) = (x − 1)e x + k, où k ∈ R.

Question
On note par F une primitive de f (x) = ln x sur ]0, +∞[. Parmi les affirmations suivantes,
cocher celles qui sont vraies :
ƒ F (x) = e x + k, k ∈ R.
Z
ƒ F (x) = x ln x − dx.

ƒ F (x) = x ln x − x + k, k ∈ R.

64
 1
ƒ F (x) = + k, k ∈ R.
x

6.2 Primitives
Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
Z 2
x dx 1
ƒ Sur ] − 1, +∞[, on a : = ln(1 + x 3 ) + k, où k ∈ R.
1+ x 3 3
Z 2
x dx x3
ƒ Sur ] − 1, +∞[, on a : = + k, où k ∈ R.
1 + x3 3(1 + x 3 )
p
Z
1
ƒ Sur ]1, +∞[, on a : x − 1dx = p + k, où k ∈ R.
x −1
p
Z
2
ƒ Sur ]1, +∞[, on a : x − 1dx = (x − 1)3/2 + k, où k ∈ R.
3

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z
ƒ 4x 3 (2 + x 4 )3 dx = x 4 (2 + x 4 )3 + k, où k ∈ R.

(2 + x 4 )4
Z
ƒ 4x 3 (2 + x 4 )3 dx = + k, où k ∈ R.
4
Z Z Z
6xdx dx
ƒ = 6 xdx × = 3x 2 × ln(1 + 3x 2 ) + k, k ∈ R.
1 + 3x 2 1 + 3x 2
Z
6xdx
ƒ = ln(1 + 3x 2 ) + k, où k ∈ R.
1 + 3x 2

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z
p 2
ƒ 4x 2x 2 + 1dx = (2x 2 + 1)3/2 + k, où k ∈ R.
3
Z
p 2
ƒ 2x 2 + 1dx = (2x 2 + 1)3/2 + k, où k ∈ R.
3
Z
3xdx p
ƒ p = 3x 2 + 2 + k, où k ∈ R.
3x 2 + 2
Z
dx p
ƒ p = 3x 2 + 2 + k, où k ∈ R.
2 3x 2 + 2

65
Question
Parmi les assertions suivantes, cocher celles qui sont vraies :
ƒ Les primitives de 16x 3 (x 4 + 1)3 sur R sont données par F (x) = x 4 (x 4 + 1)4 + k, k ∈ R.
ƒ Les primitives de 16x 3 (x 4 + 1)3 sur R sont données par F (x) = (x 4 + 1)4 + k, k ∈ R.
4x 3 p
ƒ Les primitives de p sur R sont données par F (x) = 2 x 4 + 1 + k, k ∈ R.
x4 + 1
4x 3 x4
ƒ Les primitives de p sur R sont données par F (x) = p + k, k ∈ R.
x4 + 1 x4 + 1

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z 
1
‹
ƒ e +
3x
dx = e3x + arctan(2x) + k, k ∈ R.
1 + 4x 2
Z 
1 e3x arctan(2x)
‹
ƒ e +
3x
dx = + + k, k ∈ R.
1 + 4x 2 3 2
Z 
4 e3x
‹
ƒ e +
3x
dx = + 4 arctan x + k, k ∈ R.
1 + x2 3
Z 
4
‹
ƒ e +
3x
dx = e3x + 4 arctan x + k, k ∈ R.
1+ x 2

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z Z
ln x dx
ƒ Sur ]0, +∞[, on a : dx = ln x = ln x × ln x + k, k ∈ R.
x x
Z
ln x 1
ƒ Sur ]0, +∞[, on a : dx = ln x × ln x + k, k ∈ R.
x 2
Z
dx
ƒ Sur ]1, +∞[, on a : = ln(ln x) + k, k ∈ R.
x ln x
Z
dx
ƒ Sur ]1, +∞[, on a : = ln(x ln x) + k, k ∈ R.
x ln x

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z
dx −1
ƒ Sur ]1, +∞[, on a : 2
= + k, k ∈ R.
x ln x ln x
Z
dx
ƒ Sur ]1, +∞[, on a : 2
= ln(x ln2 x) + k, k ∈ R.
x ln x

66
 Z Z p
dx dx 1 ln x
ƒ Sur ]1, +∞[, on a : p = × p = + k, k ∈ R.
2x ln x x 2 ln x 2
Z
dx p
ƒ Sur ]1, +∞[, on a : p = ln x + k, k ∈ R.
2x ln x

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
Z
p x2
ƒ x x 2 + 1 dx = (1 + x 2 )3/2 + k, k ∈ R.
2
Z
p 1
ƒ x x 2 + 1 dx = (1 + x 2 )3/2 + k, k ∈ R.
3
Z
x dx x2 1
ƒ p = p + k, k ∈ R.
x2 + 1 2 x2 + 1
Z
x dx p
ƒ p = x 2 + 1 + k, k ∈ R.
x2 + 1

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
Z
xdx
ƒ = arctan(x) + k, où k ∈ R.
1 + x2
Z
2 x2 2
ƒ xe(1+x ) dx = e(1+x ) + k, où k ∈ R.
2
Z
xdx p
ƒ = ln 1 + x 2 + k, où k ∈ R.
1 + x2
Z
2 1 2
ƒ xe(1+x ) dx = e(1+x ) + k, où k ∈ R.
2

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
Z Z
ƒ Le changement de variable u = x(1 + x ) donne 4
4x (1 + x ) dx =
3 4 3
4u3 du.
Z Z
ƒ Le changement de variable u = 1 + x donne 4
4x (1 + x ) dx =
3 4 3
u3 du.
Z Z
dx
du
ƒ Le changement de variable u = 2x donne .=
1 + 4x 2
1 + u2
Z Z
dx 1 du
ƒ Le changement de variable u = 2x donne = .
1 + 4x 2 2 1 + u2

67
Question
On note par F une primitive de f (x) = x ln x sur ]0, +∞[. Parmi les affirmations suivantes,
cocher celles qui sont vraies :
x2
ƒ F (x) = ln x + k, où k ∈ R.
2
Z
x2 1
ƒ F (x) = ln x − xdx.
2 2
x2 x
ƒ F (x) = ln x − + k, où k ∈ R.
2 2
x2 x2
ƒ F (x) = ln x − + k, où k ∈ R.
2 4

Question
Parmi les égalités suivantes, cocher celles qui sont vraies :
Z
1
ƒ x cos(1 + x 2 )dx = sin(1 + x 2 ) + k, où k ∈ R.
2
Z Z Z
ƒ e x sin (2 + e x ) dx = e x dx × sin (2 + e x ) dx.
Z
x2
ƒ x cos(1 + x 2 )dx = sin(1 + x 2 ) + k, où k ∈ R.
2
Z
ƒ e x sin (2 + e x ) dx = − cos (2 + e x ) + k, où k ∈ R.

Question
p
Le changement de variable u = x donne :
Z p Z
sin( x) sin(u)
ƒ p dx = du.
x u
Z p
sin( x)
ƒ p dx = cos(u) + k, k ∈ R.
x
Z p Z
sin( x)
ƒ p dx = 2 sin(u)du.
x
Z p
sin( x)
ƒ p dx = −2 cos(u) + k, k ∈ R.
x

Question
1
Le changement de variable u = donne :
x
Z Z
sin(1/x)
ƒ dx = − sin(u)du.
x2
 Z
sin(1/x)
ƒ dx = cos (1/x) + k, k ∈ R.
x2
Z Z
ƒ sin(1/x)dx = sin(u)du.
Z
ƒ sin(1/x)dx = − cos(u) + k, k ∈ R.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
Z
1
ƒ cos x sin xdx = sin2 x + k, où k ∈ R.
2
Z
1
ƒ cos x sin xdx = cos2 x + k, où k ∈ R.
2
Z
1
ƒ cos x sin2 xdx = sin3 x + k, où k ∈ R.
3
Z
1
ƒ cos2 x sin2 xdx = sin4 x + k, où k ∈ R.
4

Question
Parmi les assertions suivantes, cocher celles qui sont vraies :
Z Z
ƒ Le changement de variable u = cos x donne cos xdx =
3
u3 du.
Z Z
ƒ Le changement de variable u = sin x donne cos xdx =
3
(1 − u2 )du.
Z Z
ƒ Le changement de variable u = sin x donne sin xdx =
3
u3 du.
Z Z
ƒ Le changement de variable u = cos x donne sin xdx =
3
(u2 − 1)du.
Question
p p n2 + 1
 ‹
Soit un = n + 1 − n et vn = cos 2 π . Quelles sont les bonnes réponses ?
n −1
ƒ lim un = 1 et lim vn = −1
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = −1
n→+∞ n→+∞
ƒ lim un = 1 et lim vn = 1
n→+∞ n→+∞
ƒ lim un = 0 et lim vn n’existe pas
n→+∞ n→+∞

Question
Soit un = 3n − 2n et vn = 3n − (−3)n . Quelles sont les bonnes réponses ?
ƒ lim un = +∞ et lim vn = +∞
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = 0
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = −∞
n→+∞ n→+∞
ƒ lim un = +∞ et lim vn n’existe pas
n→+∞ n→+∞

Question
1 1 n
‹  ‹
Soit un = n ln 1 + et vn = 1 + . Quelles sont les bonnes réponses ?
n n
ƒ lim un = +∞ et lim vn = 1
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = 1
n→+∞ n→+∞
ƒ lim un = 1 et lim vn = 1
n→+∞ n→+∞
ƒ lim un = 1 et lim vn = e
n→+∞ n→+∞

Question
cos n 2n + cos n
Soit un = et vn = . Quelles sont les bonnes réponses ?
2n + 1 2n + 1
ƒ lim un et lim vn n’existent pas
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = +∞
n→+∞ n→+∞

60
 ƒ lim un = 0 et lim vn = 1
n→+∞ n→+∞
ƒ lim un = 1 et lim vn = 1
n→+∞ n→+∞

Question
1 1 1
Soit un = 1 + + 2 + · · · + n . Quelles sont les bonnes réponses ?
2 2 2
ƒ La suite (un ) est divergente.
ƒ La suite (un ) est strictement croissante.
ƒ lim un = +∞
n→+∞
ƒ lim un = 2
n→+∞

Question

Soit un = ln 1 + ne−n . Quelles sont les bonnes réponses ?
ƒ La suite (un ) est bornée.
ƒ lim un = +∞
n→+∞
ƒ lim un = 0
n→+∞
ƒ La suite (un ) est divergente.

Question
n
Soit un = 3 + cos n. Quelles sont les bonnes réponses ?
ƒ La suite (un ) est bornée.
ƒ lim un = 1
n→+∞
ƒ La suite (un ) est croissante.
ƒ La suite (un ) est divergente.

Question
2n+1 − 3n+1 n22n − 3n
Soit un = et vn = 2n . Quelles sont les bonnes réponses ?
2n + 3n n2 + 3n
ƒ lim un = −3 et lim vn = 1
n→+∞ n→+∞
ƒ lim un = +∞ et lim vn = +∞
n→+∞ n→+∞
ƒ lim un = −3 et lim vn = +∞
n→+∞ n→+∞
ƒ lim un = −∞ et lim vn = 1
n→+∞ n→+∞

61
Question 
1 n (−1)n n
‹  ‹
Soit un = 1 − et vn = 1 + . Quelles sont les bonnes réponses ?
n n
ƒ lim un = e−1
n→+∞

ƒ lim vn = e−1
n→+∞
ƒ La suite (un ) est divergente.
ƒ La suite (vn ) est divergente.

Question
2n2 + 1
Soit un = . Quelles sont les bonnes réponses ?
n2 + 1
ƒ ∀" > 0, ∀n ∈ N, |un − 2| < "
ƒ ∃" > 0, ∀n ∈ N, |un − 2| < "
ƒ ∀n ∈ N, n > 10 ⇒ |un − 2| < 10−2
ƒ ∀" > 0, ∃n0 ∈ N, ∀n ∈ N, n > n0 ⇒ |un − 2| < "

Question
4n − 1
Soient un = n2 + 4n − 1 − n et vn = p . Quelles sont les bonnes réponses ?
n2 + 4n − 1 + n
ƒ lim un = +∞ et lim vn = 0
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = 2
n→+∞ n→+∞
ƒ lim un = 2 et lim vn = 2
n→+∞ n→+∞
ƒ lim un = +∞ et lim vn = 0
n→+∞ n→+∞

Question
1 1
Soit un = 1 + + + · · · + . Quelles sont les bonnes réponses ?
22 32 n2
1
ƒ Pour tout n ¾ 1, on a un ¶ 2 − .
n
ƒ La suite (un ) est divergente.
ƒ lim un = +∞
n→+∞
ƒ La suite (un ) est convergente et lim un ¶ 2.
n→+∞

Question
2nπ 3
‹  ‹
Soit un = sin et vn = sin . Quelles sont les bonnes réponses ?
3 2nπ

62
 ƒ La suite (un ) diverge et la suite (vn ) converge.
ƒ Les suites (un ) et (vn ) sont divergentes.
ƒ La suite (un ) n’a pas de limite et lim vn = 0.
n→+∞
ƒ lim un = 0 et lim vn = 0
n→+∞ n→+∞

Question
1 1 1 1 1
Soit un = + + + · · · + et vn = u n + . Quelles sont les bonnes réponses ?
12 22 32 n2 n
ƒ Si les limites existent, alors lim un < lim vn .
n→+∞ n→+∞
ƒ Les suites (un ) et (vn ) sont divergentes.
ƒ Les suites (un ) et (vn ) sont adjacentes.
ƒ Les suites (un ) et (vn ) convergent vers la même limite finie.

Question
1
Soit (un ) une suite réelle. On suppose que |un+1 −1| ¶ |un −1| pour tout n ¾ 0. Que peut-on
2
en déduire ?
ƒ La suite (un ) est convergente et lim un = 0.
n→+∞
ƒ La suite (un ) est divergente.
1
ƒ Pour tout n ¾ 1, |un − 1| ¶ n |u0 − 1|.
2
ƒ lim un = 1
n→+∞

Question p
Soit (un ) une suite réelle. On suppose que un ¾ n pour tout n ¾ 0. Que peut-on en déduire ?
ƒ La suite (un ) n’est pas majorée.
ƒ La suite (un ) est croissante.
ƒ La suite (un ) est convergente.
ƒ lim un = +∞
n→+∞

Question
n
X 1
Soit un = . Quelles sont les bonnes réponses ?
k=1
k(k + 1)
ƒ La suite (un ) est croissante non majorée.
ƒ La suite (un ) est divergente.
1
ƒ Pour tout n ¾ 1, un = 1 − .
n+1
ƒ (un ) est convergente et lim un = 1.
n→+∞

63
Question
an − bn na2n − b2n
Soient a et b deux réels tels que a > b > 0. On pose un = et vn = .
an + bn a2n + b2n
Quelles sont les bonnes réponses ?
ƒ Les suites (un ) et (vn ) sont divergentes.
ƒ lim un = 1 et (vn ) est divergente.
n→+∞
ƒ lim un = 1 et lim vn = +∞
n→+∞ n→+∞
ƒ lim un = 0 et lim vn = +∞
n→+∞ n→+∞

Question
1 2 3 (−1)n−1 n
Soit un = − + − ··· + . Quelles sont les bonnes réponses ?
n n n n
ƒ La suite (un ) est monotone.
ƒ Les suites (u2n ) et (u2n+1 ) convergent vers la même limite.
ƒ La suite (un ) est divergente.
1
ƒ lim un =
n→+∞ 2

Question
n 2n 2n+1
X (−1)k X (−1)k X (−1)k
On considère les suites de termes généraux un = , vn = et w n = .
k=1
k k=1
k k=1
k
Quelles sont les bonnes réponses ?
ƒ Les suites (vn ) et (w n ) sont convergentes.
ƒ La suite (un ) est convergente.
ƒ La suite (un ) est divergente.
ƒ L’une au moins des suites (vn ) ou (w n ) est divergente.

Question
Soit a > 0. On définit par récurrence une suite (un )n¾0 par u0 > 0 et, pour n ¾ 0, un+1 =
u2n + a2
. Que peut-on en déduire ?
2un
ƒ Le terme un n’est pas défini pour tout n ∈ N.
ƒ ∀n ∈ N∗ , un ¾ a, et (un )n¾1 est décroissante.
|u1 − a|
ƒ Pour tout n ∈ N, |un+1 − a| ¶ .
2n
ƒ La suite (un ) est divergente.

64
Question
Soient (un ) et (vn ) deux suites réelles. On suppose que (vn ) est croissante non majorée et
que vn < un pour tout n ¾ 0. Que peut-on en déduire ?
ƒ lim vn < lim un
n→+∞ n→+∞
ƒ La suite (un ) est divergente.
ƒ lim vn ¶ u0
n→+∞
ƒ lim un = +∞
n→+∞

Question
1
Soit (un ) une suite croissante. On suppose que un+1 − un ¶ pour tout n ¾ 0. Que peut-on
2n
en déduire ?
ƒ (un ) est divergente.
ƒ (un ) est bornée et u0 ¶ un ¶ u0 + 2.
ƒ (un ) est convergente et u0 ¶ lim un ¶ u0 + 2.
n→+∞
ƒ lim un = +∞
n→+∞

Question
Soit (un )n¾0 la suite définie par u0 ¾ 0 et un+1 = ln(1 + un ). Que peut-on en déduire ?
ƒ Une telle suite (un ) n’existe pas.
ƒ ∀n ∈ N∗ , un ¾ 0, et (un ) est décroissante
ƒ lim un = +∞
n→+∞
ƒ lim un = 0
n→+∞

Question
1 1
Soit (un ) une suite croissante. On suppose que 0 ¶ un+1 ¶ un + n pour tout n ¾ 0. Quelles
2 2
sont les bonnes réponses ?
ƒ (un ) est majorée.
ƒ (un ) est divergente.
ƒ (un ) est convergente et 0 ¶ lim un ¶ 2.
n→+∞
ƒ un = 0 pour tout n ¾ 1.

65
Question
On considère les équations différentielles :

(E1 ) : y 0 − 2 y = 0 et (E2 ) : y 0 + 2x y = 0.

Parmi les affirmations suivantes cocher celles qui sont vraies :

ƒ [Faux] La solution générale de (E1 ) sur R est : y = ke−2x , k ∈ R.
ƒ [Vrai] La solution générale de (E1 ) sur R est : y = ke2x , k ∈ R.
2
ƒ [Vrai] La solution générale de (E2 ) sur R est : y = ke−x , k ∈ R.
2
ƒ [Faux] La solution générale de (E2 ) sur R est : y = ke x , k ∈ R.
Explications: Une primitive de −2 est −2x, donc la solution générale de (E1 ) sur R est :

y = ke2x , k ∈ R.

Une primitive de 2x est x 2 , donc la solution générale de (E2 ) sur R est :

2
y = ke−x , k ∈ R.

Question
On considère les équations différentielles :
y
(E1 ) : (1 + x 2 ) y 0 − y = 0 et (E2 ) : y 0 − = 0.
1 + x2
Parmi les affirmations suivantes cocher celles qui sont vraies :
y
ƒ [Faux] Si y est une solution de (E1 ), alors z = est une solution de (E2 ).
1 + x2
ƒ [Vrai] (E1 ) est (E2 ) ont les mêmes solutions.
ƒ [Vrai] La solution générale de (E1 ) sur R est : y = kear c t an(x) , k ∈ R.
ƒ [Faux] La solution générale de (E2 ) sur R est : y = k arctan(x), k ∈ R.

148
Explications: En divisant (E1 ) par 1+x 2 , on obtient (E2 ) : (E1 ) et (E2 ) ont les mêmes solutions.
−1
Une primitive de est − arctan x, donc la solution générale de (E1 ) sur R est : y =
1 + x2
kear c t an(x) , k ∈ R.

Question
On considère l’équation différentielle (E) : y 0 − y = e t . Parmi les affirmations suivantes
cocher celles qui sont vraies :
ƒ [Vrai] La fonction y0 = te t est une solution de (E).
ƒ [Faux] La fonction y1 = e−t est une solution de (E).
ƒ [Faux] La fonction y = (1 − t)e t est l’unique solution de (E) telle que y(1) = 0.
ƒ [Vrai] La fonction y = (1 + t)e t est l’unique solution de (E) telle que y(0) = 1.
Explications: On vérifie que y0 = te t est une solution de (E). On vérifie aussi que y = (1+t)e t
est une solution de (E) et en plus y(0) = 1. Cette dernière est donc l’unique solution de (E)
telle que y(0) = 1.

Question
On considère l’équation différentielle (E) : y 0 − 2x y = 4x. Parmi les affirmations suivantes
cocher celles qui sont vraies :
2
ƒ [Faux] La solution générale de l’équation homogène sur R est : y = ke−x , k ∈ R.
ƒ [Vrai] La fonction y = −2 est une solution particulière de (E).
2
ƒ [Vrai] La solution générale de (E) sur R est : y = ke x − 2, k ∈ R.
ƒ [Faux] E admet une unique solution sur R vérifiant y 0 (0) = 0.
2
Explications: La solution générale de l’équation homogène est : Y = ke x , k ∈ R, et y0 = −2
2
est une solution particulière. Donc la solution générale de (E) sur R est : y = ke x −2, k ∈ R.
Toute solution de (E) vérifie y 0 (0) = 0.

Question
On considère l’équation différentielle (E) : y 0 + y = e x . Parmi les affirmations suivantes
cocher celles qui sont vraies :
ƒ [Faux] La solution générale de l’équation homogène est y = ke x , k ∈ R.
ƒ [Faux] La fonction y0 = e x est une solution particulière de (E).
e x − e−x
ƒ [Vrai] La solution de (E) vérifiant y(0) = 0 est y = .
2
e x + e−x
ƒ [Vrai] La solution de (E) vérifiant y (0) = 0 est y =
0
.
2

149
Explications: La solution générale de l’équation homogène est y = ke x , k ∈ R. On cherche
une solution particulière sous la forme y0 = ae x . La solution générale de (E) est y = ke−x +
ex
, k ∈ R. La condition y(0) = 0 donne k = −1/2, et la condition y 0 (0) = 0 donne k = 1/2.
2

Question
On considère l’équation différentielle (E) : x 2 y 0 −(2x−1) y = x 2 sur R. Parmi les affirmations
suivantes cocher celles qui sont vraies :
ƒ [Vrai] La fonction y = x 2 est une solution de (E) sur R.


ƒ [Faux] La fonction y = x 2 1 − e1/x est une solution de l’équation homogène.
ƒ [Faux] La fonction y = 2x 2 e1/x est une solution de (E) sur ]0, +∞[.


ƒ [Vrai] La fonction y = x 2 1 − e1/x est une solution de (E) sur ]0, +∞[.
Explications: La fonction y0 = x 2 est continue, dérivable sur R
et elle vérifie (E) ; c’est une
solution de (E) sur R. De même, la fonction y = x 2 1 − e1/x est continue, dérivable sur
]0, +∞[ ; c’est une solution de (E) sur ]0, +∞[.

Question

On considère l’équation différentielle (E) : 1 + cos2 x y 0 + y sin(2x) = 0. Parmi les affir-
mations suivantes cocher celles qui sont vraies :
sin(2x)
ƒ [Faux] A(x) = ln(1 + cos2 x) est une primitive sur R de a(x) = .
1 + cos2 x
ƒ [Vrai] Toute solution de (E) vérifie y 0 (0) = 0.
ƒ [Faux] (E) n’admet pas de solution vérifiant y(0) = 0.
ƒ [Vrai] La solution générale de (E) est : y = k + k cos2 x, k ∈ R.
Explications: Toute solution y de (E) vérifie y 0 (0) = 0 car ,en posant x = 0 dans (E), on
−u0
obtient y 0 (0) = 0. La relation sin(2x) = 2 sin x cos x montre que a(x) est de la forme
u
avec u = 1 + cos2 x. Donc toute primitive de a est de la forme

A(x) = − ln(1 + cos2 x) + C, C ∈ R.

La solution générale de (E) est y = k(1 + cos2 x), k ∈ R.

Question
On considère l’équation différentielle (E) : (1 + x 2 ) y 0 − y = 1. Parmi les affirmations sui-
vantes cocher celles qui sont vraies :
ƒ [Faux] La solution générale de l’équation homogène est : y = ke− arctan x , k ∈ R.
ƒ [Vrai] La solution générale de (E) est : y = −1 + kearctan x , k ∈ R.

150
 ƒ [Vrai] L’unique solution de (E) vérifiant y(0) = 0 et y = −1 + earctan x .
ƒ [Faux] (E) n’admet pas de solution vérifiant y 0 (0) = 0.
Explications: Les solutions sur R de l’équation homogène sont les fonctions Y = kearctan x ,
k ∈ R, et y0 = −1 est une solution particulière. Les solutions de (E) sont donc les fonctions

y = −1 + kearctan x , k ∈ R.

La condition y(0) = 0 donne k = 1. Par ailleurs, y = −1 est une solution de (E) vérifiant
y 0 (0) = 0.

Question p
On considère l’équation différentielle (E) : 1 − x 2 y 0 − y = 1 sur ] − 1, 1[. Parmi les affir-
mations suivantes cocher celles qui sont vraies :
ƒ [Vrai] La solution générale de l’équation homogène est : y = kearcsin x , k ∈ R.
ƒ [Faux] La solution générale de (E) est : y = 1 + kearcsin x , k ∈ R.
ƒ [Faux] La solution de (E) vérifiant y(0) = 0 est y = 1 − earcsin x .
ƒ [Vrai] (E) admet une unique solution vérifiant y 0 (0) = 0 et c’est y = −1.
Explications: La solution générale de l’équation homogène sur ] − 1, 1[ est : Y = kearcsin x ,
k ∈ R. La fonction y0 = −1 est une solution particulière. Donc la solution générale de (E)
est :
y = −1 + kearcsin x , k ∈ R.
La condition y(0) = 0 donne k = 1, d’où y = −1 + earcsin x . Et la condition y 0 (0) = 0 donne
k = 0, d’où y = −1.

Question p
On considère l’équation différentielle (E) : 1 + x 2 y 0 − x y = x. Parmi les affirmations
suivantes cocher celles qui sont vraies :
2
ƒ [Faux] La solution générale de l’équation homogène est : y = ke1+x , k ∈ R.
p
1+x 2
ƒ [Vrai] La solution générale de (E) est : y = −1 + ke , k ∈ R.
ƒ [Vrai] Toute solution y de (E) vérifie y 0 (0) = 0.
ƒ [Faux] (E) admet une unique solution vérifiant y 0 (0) = 0.
p
2
Explications: La solution générale de l’équation homogène est Y = ke 1+x , k ∈ R, et y0 = −1
est une solution particulière. En posant x = 0 dans (E), on obtient y 0 (0) = 0, donc toute
solution de (E) vérifie y 0 (0) = 0.

Question
On considère l’équation différentielle (E) : (1 + x 2 ) y 0 + 2x y = 2x. Parmi les affirmations
suivantes cocher celles qui sont vraies :

151
 k
ƒ [Vrai] La solution générale de l’équation homogène est : y = , k ∈ R.
1 + x2
x2
ƒ [Vrai] La solution de (E) vérifiant y(0) = 0 est y = .
1 + x2
ƒ [Faux] (E) n’admet pas de solution vérifiant y 0 (0) = 0.
ƒ [Faux] (E) admet une unique solution vérifiant y 0 (0) = 0.
k
Explications: La solution générale de l’équation homogène est : Y = , k ∈ R, et y0 = 1
1 + x2
est une solution particulière. La solution générale de (E) est :
k
y =1+ , k ∈ R.
1 + x2
La condition y(0) = 0 donne k = −1. Par ailleurs, en posant x = 0 dans (E), on obtient
y 0 (0) = 0. Donc toute solution de (E) vérifient la condition y 0 (0) = 0.

Question
xy 1
On considère l’équation différentielle (E) : y 0 − = p . Parmi les affirmations
1+ x 2
1 + x2
suivantes cocher celles qui sont vraies :
p
ƒ [Vrai] La solution générale de l’équation homogène est : y = k 1 + x 2 , k ∈ R.
p
ƒ [Vrai] La fonction y = arctan x. 1 + x 2 est une solution de E.
ƒ [Faux] (E) possède une seule solution sur R.
p
ƒ [Faux] La solution de (E) vérifiant y(0) = 0 est y = x 1 + x 2 .
p
Explications: La solution générale
p de (E) est y = (k+arctan x) 1 + x 2 , k ∈ R. Celle vérifiant
y(0) = 0 est y = arctan x. 1 + x . 2

Question
On considère l’équation différentielle (E) : x 2 y 0 − y = 1 sur R. Parmi les affirmations sui-
vantes cocher celles qui sont vraies :
ƒ [Vrai] La fonction y = −1 + e−1/x est une solution de (E) sur ]0, +∞[.
ƒ [Faux] La fonction y = 1 − e−1/x est une solution de (E) sur ] − ∞, 0[.
ƒ [Faux] La fonction y = 2e−1/x est une solution de (E) sur R.
ƒ [Vrai] La solution de (E) sur ]0, +∞[ vérifiant y(1) = −1 est constante.
Explications: La fonction y = −1 + e−1/x est une solution de (E) sur ]0, +∞[. Par contre
y = 1 − e−1/x n’est pas une solution de (E) sur ] − ∞, 0[. Toute solution de (E) sur R vérifie
y(0) = −1, donc y(x) = 2e−1/x ne peut être une solution de (E) sur R. La solution générale
de (E) sur ]0, +∞[ est y = −1 + ke−1/x , k ∈ R. Donc, si y(1) = −1, alors k = 0.

Question
On considère l’équation différentielle (E) : t 2 y 0 = y. Parmi les affirmations suivantes, cocher
celles qui sont vraies :

152
 ƒ [Vrai] (E) est une équation linéaire homogène du premier ordre.
ƒ [Faux] La fonction y = e1/t est une solution de (E) sur ]0, +∞[.
ƒ [Vrai] La solution générale de (E) sur ]0, +∞[ est y = ke−1/t , k ∈ R.
ƒ [Faux] La fonction nulle est l’unique solution de (E) sur R.
Explications: Une primitive de −1/t 2 est 1/t, donc la solution générale de (E), sur ]0, +∞[
(ou sur ] − ∞, 0[) est
y = ke−1/t , k ∈ R.
Si y est une solution de (E) sur R, alors y(0) = 0 et

k1 e−1/t si t > 0
y(t) =
k2 e−1/t si t < 0.

La continuité en 0 implique que k2 = 0. Ainsi

(?) y(t) = k1 e−1/t si t > 0 et y(t) = 0 si t ¶ 0.

De plus, une telle fonction est dérivable en 0. Réciproquement, toute fonction définie par
(?) est une solution de (E) sur R.

153
Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 −2 y 0 + y = 0 sont les fonctions
y = (k1 + k2 x)e x , k1 , k2 ∈ R.
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 − 2 y 0 + y = 0 sont les
fonctions y1 = e x et y2 = xe x .
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 + 4 y 0 + 4 y = 0 sont les
fonctions y1 = e2x et y2 = 2e2x .
ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 + 4 y 0 + 4 y = 0 sont les
fonctions y = (k1 + k2 x)e−2x , k1 , k2 ∈ R.
Explications: L’équation caractéristique r 2 − 2r + 1 = 0 admet 1 comme racine double. Donc
la solution générale de y 00 − 2 y 0 + y = 0 est y = (k1 + k2 x)e x , k1 , k2 ∈ R.
L’équation caractéristique r 2 + 4r + 4 = 0 admet −2 comme racine double. Donc la solution
générale de y 00 + 4 y 0 + 4 y = 0 est y = (k1 + k2 x)e−2x , k1 , k2 ∈ R.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 + y = 0 sont les fonctions
y1 = sin(x) et y2 = cos(x).
ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 + y = 0 sont les fonctions
y = k1 cos(x) + k2 sin(x), k1 , k2 ∈ R.
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 + 4 y = 0 sont les fonctions
y1 = sin(2x) et y2 = cos(2x).
ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 + 4 y = 0 sont les fonctions
y = k1 cos(2x) + k2 sin(2x), k1 , k2 ∈ R.
Explications: Les solutions de l’équation caractéristique r 2 + 1 = 0 sont ±i. Donc la solution
générale de y 00 + y = 0 est y = k1 cos(x) + k2 sin(x), k1 , k2 ∈ R.
Les solutions de l’équation caractéristique r 2 + 4 = 0 sont ±2i. Donc la solution générale de
y 00 + 4 y = 0 est y = k1 cos(2x) + k2 sin(2x), k1 , k2 ∈ R.

Question
Parmi les affirmations suivantes, cocher celles qui sont vraies :
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 − 2 y 0 + 2 y = 0 sont les
fonctions y = k1 cos(x) + k2 sin(x), k1 , k2 ∈ R.

157
 ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 − 2 y 0 + 2 y = 0 sont les
fonctions y = e x [k1 cos(x) + k2 sin(x)], k1 , k2 ∈ R.
ƒ [Vrai] Les solutions sur R de l’équation différentielle y 00 + 2 y 0 + 5 y = 0 sont les
fonctions y = e−x [k1 cos(2x) + k2 sin(2x)], k1 , k2 ∈ R.
ƒ [Faux] Les solutions sur R de l’équation différentielle y 00 + 2 y 0 + 5 y = 0 sont les
fonctions y1 = e−x cos(2x) et y2 = e−x sin(2x).
Explications: Les solutions de l’équation caractéristique r 2 − 2r + 2 = 0 sont 1 ± i. Donc la
solution générale de y 00 − 2 y 0 + 2 y = 0 est :

y = e x [k1 cos(x) + k2 sin(x)], k1 , k2 ∈ R.

Les solutions de l’équation caractéristique r 2 + 2r + 5 = 0 sont −1 ± 2i. Donc la solution

générale de y 00 + 2 y 0 + 5 y = 0 est :

y = e−x [k1 cos(2x) + k2 sin(2x)], k1 , k2 ∈ R.

Question
On considère les équations différentielles :

(E1 ) : y 00 − 4 y = 4x et (E2 ) : y 00 + 2 y 0 + y = x + 2.

Parmi les affirmations suivantes, cocher celles qui sont vraies :

ƒ [Vrai] La solution générale de (E1 ) est : y = −x + k1 e2x + k2 e−2x , k1 , k2 ∈ R.
ƒ [Faux] Les solutions de (E1 ) sont les fonctions y = −x + e2x et y2 = −x + e−2x .
ƒ [Faux] La solution générale de (E2 ) est : y = x + ke−x , k ∈ R.
ƒ [Vrai] La solution générale de (E2 ) est y = x + (k1 x + k2 )e−x , k1 , k2 ∈ R.
Explications: Les solutions de l’équation caractéristique associée à (E1 ) sont ±2 et y0 = −x
est une solution particulière de (E1 ). Donc la solution générale de (E1 ) est :

y = −x + k1 e2x + k2 e−2x , k1 , k2 ∈ R.

L’équation caractéristique associée à (E2 ) admet −1 comme racine double et y0 = x est une
solution particulière de (E2 ). Donc la solution générale de (E2 ) est :

y = x + (k1 x + k2 )e−x , k1 , k2 ∈ R.

Question
Sur R, on considère les équations différentielles :

(E1 ) : y 00 − y 0 − 2 y = 2 et (E2 ) : y 00 + y = x.

Parmi les affirmations suivantes, cocher celles qui sont vraies :

158
 ƒ [Vrai] Les solutions de (E1 ) sont les fonctions y = −1 + k1 e2x + k2 e−x , k1 , k2 ∈ R.
ƒ [Faux] Les solutions de (E1 ) sont les fonctions y1 = −1 + e2x et y2 = −1 + e−x .
ƒ [Vrai] Les solutions de (E2 ) sont les fonctions y = x + k1 cos(x)+ k2 sin(x), k1 , k2 ∈ R.
ƒ [Faux] Les solutions de (E2 ) sont les fonctions y = x + cos(x) et y2 = x + sin(x).
Explications: Les solutions de l’équation caractéristique associée à (E1 ) sont 2 et −1 et y0 =
−1 est une solution particulière de (E1 ). Donc la solution générale de (E1 ) est

y = −1 + k1 e2x + k2 e−x , k1 , k2 ∈ R.

Les solutions de l’équation caractéristique associée à (E2 ) sont ±i et y0 = x est une solution
particulière de (E2 ). Donc la solution générale de (E2 ) est

y = x + k1 cos(x) + k2 sin(x), k1 , k2 ∈ R.

Question
On considère les équations différentielles :

(E1 ) : y 00 − y = 3 + e2x et (E2 ) : y 00 − y = 2 + e x .

Parmi les affirmations suivantes, cocher celles qui sont vraies :

ƒ [Vrai] (E1 ) admet une solution particulière sous la forme y0 = a + be2x avec a, b ∈ R.
ƒ [Faux] (E2 ) admet une solution particulière sous la forme y0 = a + be x avec a, b ∈ R.
ƒ [Faux] La solution générale de (E1 ) est : y = −3 + e2x + k1 e x + k2 e−x , k1 , k2 ∈ R.
x x

ƒ [Vrai] La solution générale de (E2 ) est : y = −2 + k1 + e + k2 e−x , k1 , k2 ∈ R.
2
Explications: Les solutions de l’équation caractéristique sont ±1. Donc (E1 ) admet une so-
lution particulière sous la forme y0 = a + be2x , car 2 n’est pas une racine de l’équation
caractéristique, et (E2 ) admet une solution particulière sous la forme y0 = a + bxe x car 1
est une racine simple de l’équation caractéristique.

Question
On considère les équations différentielles :

(E1 ) : y 00 − 4 y 0 + 4 y = 4 + 2e2x et (E2 ) : y 00 − 4 y 0 + 4 y = 8 + e x .

Parmi les affirmations suivantes, cocher celles qui sont vraies :

ƒ [Faux] (E1 ) admet une solution particulière sous la forme y0 = a + be2x avec a, b ∈ R.
ƒ [Vrai] (E2 ) admet une solution particulière sous la forme y0 = a + be x avec a, b ∈ R.


ƒ [Vrai] La solution générale de (E1 ) est y = 1 + k1 + k2 x + x 2 e2x , k1 , k2 ∈ R.
ƒ [Faux] La solution générale de (E2 ) est y = 1 + e x + (k1 + k2 x) e2x , k1 , k2 ∈ R.

159