Documente Academic
Documente Profesional
Documente Cultură
Mathmatiques :
rsums du cours
re
e
ECE 1 et 2 annes
Cours
Exemples
Applications
Conseils
Mathmatiques :
rsums du cours
ECE 1re et 2e anne
Gabriel Baudrand
Professeur agrg de mathmatiques en classes
prparatoires au lyce Madeleine Michelis (Amiens)
Introduction
1.
2.
3.
4.
5.
6.
7.
Ensembles, applications
Notions de logique
Signes S , P
Dnombrement Formule du binme
quations, inquations
Polynmes
Manipulation des ingalits
1
1
5
9
12
18
22
25
Analyse
29
1 tude de fonctions
1. Recherche de limites
2. Continuit
3. Calcul diffrentiel
4. Fonctions usuelles
5. Fonctions de deux variables
31
32
42
47
53
56
61
61
66
71
76
82
3 Calcul intgral
1. Primitives
2. Intgrale dfinie
3. Intgrales gnralises
4. Sries et intgrales
85
85
87
98
104
Algbre linaire
107
109
109
III
2. Calcul matriciel
3. Un exemple despace vectoriel
114
125
131
131
138
142
144
148
6 Diagonalisation
1. Thorie du changement de base
2. Diagonalisation
3. Autres rductions Applications
153
153
156
165
Probabilits
173
175
175
182
186
189
197
197
200
206
208
217
217
221
227
230
Informatique
235
10 lments dalgorithmique
1. Le langage PASCAL
2. Exemples dalgorithmes
237
237
245
Index
IV
253
Mode demploi
MODE DEMPLOI
MODE DEMPLOI
Dans le texte, les renvois commencent toujours par le numro du chapitre ( 2.3 renvoie au chapitre 2 paragraphe 3).
VII
Introduction
Techniques de base
1. Ensembles, applications
1.1 Vocabulaire de la thorie des ensembles
x E : x est lment de E , ou x appartient E .
On ne cherche pas dfinir les notions primitives dlment, dappartenance,
densemble.
On peut distinguer deux faons de dfinir un ensemble :
Par extension : on donne la liste des lments de lensemble. On notera
en particulier, avec n N :
0, n = {0 ; . . . ; n}
Par comprhension : on donne une proprit caractristique P des lments de lensemble. Llment x appartient lensemble E si, et seulement si, il vrifie la proprit P, ce que lon note P (x). Par exemple, a, b
tant deux rels :
[a, b] = {x | x R ; a x b}
Ici la proprit P (x) est : x R et a x b .
On rencontre des variantes de notation :
[a, b] = {x R | a x b} = {x R ; a x b} . . .
Certains ensembles ont des notations rserves :
: lensemble vide (il ne contient aucun lment).
N : lensemble des entiers naturels. N = {0 ; 1 ; 2 ; . . .}.
N : lensemble des entiers naturels non nuls.
Z : lensemble des entiers relatifs.
Q : lensemble des nombres rationnels.
1
Introduction
Ai = {x ; pour tout i I, x Ai }
iI
Techniques de base
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
AB=AB
A=A ;
A= ;
AB=AB
AE =E ;
AE =A
iI
iI
AB AB=B AB=A
Introduction
Exemple important
Soit E un ensemble (non vide). Lapplication
IdE : E E, x IdE (x) = x
est appele lapplication identit de E. (Cest dailleurs une bijection.)
Proprits
Proposition 1. Une application est bijective ssi elle est injective et
surjective.
Proposition 2. Soit f une bijection de E sur F. Lapplication, note
f 1 de F dans E qui tout lment y de F associe lunique lment x
de E tel que f (x) = y est une bijection de F sur E, appele bijection
rciproque de f :
f 1 : F E, y f 1 (y) = x tel que f (x) = y
Proposition 3. Une application f de E dans F est bijective ssi il
existe une application g de F dans E, telle que f g = IdF et
g f = IdE .
On a alors g = f 1 .
Il faut bien comprendre que lensemble de dpart et darrive sont
essentiels dans la dfinition de lapplication ou de la fonction f . Ainsi,
les applications
f1 : R R, x x2 ;
f2 : R R+ , x x2 ;
f3 : R+ R+ , x x2
sont diffrentes. f1 nest ni injective ni surjective (les nombres ngatifs
nont pas dantcdent par f1 , les nombres positifs en ont deux), f2
est surjective mais pas injective, f3 est bijective.
La proposition 2 est essentielle, elle permet de dfinir de nouvelles
fonctions.
La bijection rciproque de f3 est la fonction racine carre.
Le logarithme nperien est une bijection de R+ sur R. Sa bijection
rciproque est la fonction exponentielle. La proposition 3 donne alors:
Pour tout rel positif x, eln x = x ; pour tout rel y, ln (ey ) = y.
4
Techniques de base
2. Notions de logique
2.1 Gnralits
Une proprit est une affirmation dont la valeur de vrit vrai (V) ou
faux (F) peut dpendre de un ou plusieurs arguments, numriques ou
autres. On notera P (x) si la valeur de vrit de la proposition P dpend
de la valeur de largument (ou variable) x. On dit alors que x est une
variable libre pour la proprit P.
x tant un nombre entier, la proprit P (x) : x est un nombre premier est vraie si x = 2, fausse si x = 4.
2.2 Quantificateurs
Dfinitions
Soit P (x) une proprit, avec x appartenant un ensemble de rfrence E.
Quantificateur existentiel. La proprit
x E, P (x)
est vraie si, et seulement si, il existe x appartenant E tel que la proprit
P (x) soit vraie. On lit il existe x appartenant E tel que P (x) , ou
pour quelque x appartenant E, P (x) .
Quantificateur universel. La proprit
x E, P (x)
est vraie si, et seulement si, pour tout x appartenant E, la proprit
P (x) est vraie. Lire quel que soit x appartenant E, P (x).
Exemples
Lensemble de rfrence est N. Soit les proprits
P1 : x N, x 0
; P2 (y) : x N, x y ;
P3 : x N, y N, x < y ; P4 : y N, x N, x < y.
P1 est vraie (tout entier naturel est suprieur ou gal 0).
P2 (y) est vraie si y = 0, fausse dans tous les autres cas.
P3 est vraie : tout entier naturel admet un entier qui lui est suprieur.
P4 est fausse : il nexiste pas dentier naturel suprieur tous les autres.
noter que lordre des quantificateurs a de limportance.
Dans P3 , ni x ni y ne sont des variables libres. P3 est une proprit de N,
pas de x, ni de y, qui sont ici des variables muettes. On pourrait crire
P3 sous la forme : a N, b N, a < b.
5
Introduction
Techniques de base
Les rgles de calcul ci-dessus sont utiles pour montrer quune proprit est fausse. Par exemple, pour montrer quune proprit universelle
(x, P (x)) est fausse, il suffit de donner un contre-exemple, cest--dire
une valeur de x telle que P (x) est fausse.
Utilisation
La plupart des thormes et propositions du cours se prsentent comme
des implications (vraies !) P implique Q , ou comme des quivalences.
Le vocabulaire impliqu est dusage constant et doit tre bien compris.
En particulier, on notera quune condition ncessaire peut ne pas tre
suffisante, et quune condition suffisante peut ne pas tre ncessaire :
( 2.4) Pour quune srie soit convergente, il est ncessaire, mais pas
suffisant, que son terme gnral tende vers 0. En dautres termes, si le
terme gnral ne tend pas vers 0, alors la srie ne converge pas, mais si
le terme gnral tend vers 0, la srie peut ne pas converger.
( 6.2) Pour quune matrice soit diagonalisable, il est suffisant, mais pas
ncessaire, quelle soit symtrique.
noter le lien avec le vocabulaire des ensembles. Avec A, B inclus dans
lensemble de rfrence E, si on a
A = {x|P (x)} ; B = {x | Q (x)}, alors
A B = {x | P (x) ou Q (x)} ; A B = {x|P (x) et Q (x)}
A = {x | non (P (x))}
A B si et seulement si P (x) Q (x).
Ce quon a appel ici proprits correspond ce quon appelle en
langage PASCAL les variables boolennes, dont le contenu est TRUE
(vrai) ou FALSE (faux). Les oprateurs logiques OR, AND, NOT correspondent aux oprateurs sur les proprits vus ici. Mais attention linstruction IF . . . THEN. . . nest pas un oprateur logique : THEN est
suivie dune instruction, pas dune variable boolenne.
Introduction
Le raisonnement par rcurrence doit tre considr comme un vritable guide de rdaction. Celui-ci doit tre suivi scrupuleusement
et rdig soigneusement. Cela nempche pas que le cas chant la
rdaction puisse tre rapide et synthtique.
Voici quelques situations typiques o on fait un raisonnement par
rcurrence qui ne prsente aucune difficult :
( 4.2.4) Soit A M3 (R), Xn M3,1 (R) telles que
n N, Xn+1 = AXn . On montre alors par rcurrence :
n N, Xn = An Xn
( 2.3) Soit (un )nN une suite telle que n N, un+1 = f (un ), et
u0 = a, avec a tel que f (a) = a. On montre alors par rcurrence :
n N un = a
Pour tablir lhrdit, il faut souvent utiliser une ide ou une proprit
mise en vidence dans une question prcdente. Cest le cas pour le
premier exemple ci-dessus (la proprit qui permet dtablir lhrdit
est Xn+1 = AXn ), et dune manire tout fait typique pour ltude de
suites rcurrentes grce la formule des accroissements finis (cf 2.3.3 ).
Le raisonnement par rcurrence est susceptible de nombreuses variations : linitialisation peut tre faite avec n = 1. Lhrdit permet de
passer de n 1 n (n N ). . .
Parfois linitialisation devra porter sur les proprits P (0) , P (1) , P (2),
par exemple, et pour obtenir lhrdit on supposera quil existe n N
tel que P (n) , P (n + 1) , P (n + 2) sont vraies (rcurrence sur plusieurs
gnrations). Ou bien on supposera quil existe n N tel que, pour tout
k {0 ; ; n}, P (k) est vraie (rcurrence forte).
Techniques de base
3. Signes S , P
3.1 Dfinitions
Soit I un sous-ensemble fini de N ou de N N. Les symboles
xi ;
xi
iI
iI
xi = x1 + x2 + + xn
xi = x0 + x1 + + xn
i=0
Introduction
iI
axi = a
iI
iI
xi
iI
i=p
i=0
Dmonstration. La premire proprit est une consquence de la commutativit de laddition. La deuxime proprit est une mise en facteur
commun. Pour les proprit suivantes, on compte combien la somme
contient de termes tous gaux a.
Si les xi sont des rels positifs, les yi des rels quelconques :
xi =
ln xi ; exp
yi =
exp (yi )
ln
iI
iI
iI
iI
xi,j =
xi,j =
xi,j
(i,j)I
{i ; j,(i,j)I } {j ; (i,j)I }
{j ; i,(i,j)I } {i ; (i,j)I }
n
i
n
n
xi,j =
xi,j
i=1
j =1
j =1
i=j
i=1
i=1
Techniques de base
n
n
n
n
n
n
x i yj =
xi
yj =
xi
yj
i=1
j =1
i=1
j =1
n
j =1 ,
i=1
j =1
, une
i=1
k=
k=1
k2 =
n (n + 1) (2n + 1)
6
k3 =
n2 (n + 1)2
4
xk =
1 xn+1
si x = 1
1x
k=1
n
k=1
n
k=0
n (n + 1)
2
11
Introduction
Techniques de base
n (n 1) . . . (n k + 1) =
n!
(n k)!
Soit n N ; le nombre de suites n lments distincts de lensemble E n lments, ou permutations de E, est gal n!.
Introduction
Techniques de base
Proprits de nombres
n
k
Soit n, k N, 0 k n 1. Alors :
n n
n n
n
n
;
=
=1 ;
=
=n ;
=
0
n
1
n1
nk
k
n n n + 1
+
=
.
(formule de Pascal)
k
k+1
k+1
Ces formules se dmontrent en utilisant les factorielles, ou bien par
des
n considrations de dnombrement : il est vident par exemple que
k + 1 l0 = 1. Pour la formule de Pascal, considrer les parties
n+1
ments de lensemble {a1 , a2 , . . . , an , b} : il y en a k+1 , et celles qui
contiennent b sont au nombre de nk , celles qui ne contiennent pas b
n
sont au nombre de k+1 .
Elles permettent de construire de proche en proche
le triangle de Pascal, ou figure en ligne n et colonne k le nombre nk :
HH
k
n HHH
0
1
2
3
4
5
6
1
1
1
1
1
1
1
1
2
3
4
5
6
1
3
6
10
15
1
4
10
20
1
5
15
1
6
+,--)--.
/0123
{initialisation de la premire colonne et de la diagonale}
) )
{initialisation du reste du tableau par la formule de Pascal}
* 4)*4)*4)*4
15
Introduction
*
5
)*5
{criture}
036-
n
k , mentionnons :
n s n n k
n1
=
;
;
k1
s
k
k
sk
n
i
n+1
;
=
k
k+1
i=k
p
n
n
m
n+m
n 2
2n
;
=
=
k
pk
p
k
n
k=0
k=0
n
n
=
k
k
Les deux premires galits stablissent trs facilement avec les factorielles. La premire est frquemment utilise.
La troisime se dmontre par rcurrence sur n: la proprit est vraie
pour n = 0. On la suppose vraie pour n fix dans N ; pour k 0 ; n,
on a alors
n+1
i
i=k
n
i
i=k
n+1
+
k
k
=
n+1
n+1
n+2
+
=
k+1
k
k+1
Techniques de base
n
n
k=0
ank (1)k bk
Avec a = b = 1, on obtient
n
n
k=0
= 2n
ce qui dmontre que le nombre de parties dun ensemble n lments est gal 2n .
17
Introduction
Avec a = 1, b = 1, on obtient :
n
(1)k
n
k=0
=0
5. quations, inquations
Rsoudre une quation dinconnue x R, cest dterminer lensemble
des nombres rels par lesquels on peut remplacer linconnue x de faon
obtenir une galit vraie.
Dfinitions analogues pour un inquation, un systme dquations.
Techniques de base
signe de (a)
b/a
+
signe de a
2a
4a2
Soit D = b2 4ac (discriminant).
Si D < 0, P (x) est de la forme a B2 + C avec C > 0 : P (x) ne
sannule pas, ne se factorise pas dans R, est toujours du signe de a.
2
Si D = 0, alors P (x) = a x + 2ab , admet 2ab pour racine double, se
factorise dans R, est du signe de a en dehors de la racine.
Si D > 0, P (x) est de la forme a B2 C 2 = a (B C) (B + C). On
obtient
P (x) = a (x x1 ) (x x2 )
b D
b + D
avec x1 =
; x2 =
2a
2a
P (x) admet les deux racines distinctes x1 et x2 , est factorisable dans R,
est du signe de a lextrieur des racines , du signe de a lintrieur.
On voit donc que pour un polynme du second degr, P (x) est factorisable par x a ssi a est racine de P (x). Ce rsultat se gnralise aux
polynmes de degr suprieur, voir le 6 de cette introduction.
19
Introduction
0 x + 1 0 et x = 1 x ] 1, +[ \ {1}
x1
Problmes irrationnels, avec prsence dun (ou plusieurs) radicaux. On
isole le radical, puis on lve au carr, mais attention aux quivalences :
A = B A = B2 et B 0 ;
A B 0 A B2 et B 0
20
Techniques de base
x = 1 ou x2 + 1 = 1
x = 1 ou x2 + 1 = 1 x = 1 ou x = 0
1 x2 + 1
0
f (x) x (x + 1)
x2 + 1
(x + 1) 1 x2 + 1 0
1 x2 + 1 0 x2 + 1 1 x 2 + 1 1 x R
e2x 3 ex +2 = 0 y = ex et y2 3y + 2 = 0
ex = 1 ou ex = 2 x = 0 ou x = ln 2
ex ex > 0 ex > ex x > x x > 0.
Dautres techniques sont parfois ncessaires, en particulier ltude dune
fonction :
Pour tout x R, ex x + 1. En effet, avec g (x) = ex x 1, on a
g (x) = ex 1, donc
x
g (x)
g (x)
0
0
0
+
+
do la conclusion
(ltude des limites est inutile).
Introduction
6. Polynmes
6.1 Dfinitions
Un polynme, ou fonction polynme, est une application P de R
dans R dfinie par :
P (x) = a0 + a1 x + + an xn
o les ai sont des nombres rels.
Le plus grand entier i tel que ai = 0 est appel le degr de P. On note
i = d (P). Si tous les ai sont nuls, P est le polynme nul, on convient
que son degr est .
On dit que le rel a est une racine de P ssi P (a) = 0.
On dit que le polynme P est factorisable (ou divisible) par le polynme Q ssi il existe un polynme R tel que P (x) = Q (x) R (x).
6.2 Proprits
Proprits algbriques
Si P et Q sont des polynmes, alors P + Q et PQ sont des polynmes,
et on a :
d (PQ) = d (P) + d (Q) ; d (P + Q) Max (d (P) , d (Q)) ;
Les rsultats sur le degr sont valables mme si un des polynmes est nul,
avec la convention + b = .
La compose de deux polynmes est un polynme, et on a, avec P et
Q non nuls : d (P Q) = d (P) d (Q).
La drive dun polynme de degr n, n 1, est un polynme de
degr n 1.
Thorme de factorisation des polynmes
Le polynme P (x) est factorisable par x a ssi a est racine de P :
P (x) = (x a) Q (x) avec Q polynme P (a) = 0
22
Techniques de base
Si P (x) = (x a) Q (x), il est vident que P (a) = 0. On admet la rciproque (si P (a) = 0, alors P (x) est factorisable par x a).
Voici quelques utilisations et consquences de ce thorme :
Rsolution dquations ou dinquations de degr 3. La mise
en vidence dune racine a par lnonc, ou lexistence dune racine
vidente a (le plus souvent 0, 1 ou 1), permet une mise en facteur par
x a, donc de faire baisser le degr .
Soit P (x) = x3 + 5x2 7x + 1. Rsoudre dans R :
P (x) = 0 ;
P (x) 0
P (x) = 0 x 1, 3 + 10, 3 10
P (x) 0 x 3 10, 3 + 10 [1, +[
Mthode de Horner pour calculer P (a). On considre
P (x) = an xn + + a1 x + a0
Le polynme Q (x) = P (x) P (a) admet a pour racine, donc
an xn + . . . a1 x + a0 P (a) = (x a) bn1 xn1 + + b1 x + b0
= bn1 xn + (bn2 abn1 ) xn1 + + (b0 ab1 ) x ab0
Par identification, on obtient le systme dquations
bn1 = an
ab
0
1 = a1
ab0 = a0 P (a)
23
Introduction
a2
+ab2
= b1
a1
+ab1
= b0
a0
+ab0
= P (a)
La mthode de Horner se prte particulirement bien une programmation informatique et savre trs conome en temps de
calcul. Les variables dentre sont (degr du polynme, de type
entier), (suite des coefficients du polynme par degrs croissants, de type tableau), , de type rel. La variable de sortie
est , de type rel.
&
(
)
&)7&
+,--.
/0123
,.
&
7&,.
5
7&,.4&7&
5
7&
036On compte avec cette mthode n additions et n multiplications,
comparer avec la programmation directe du calcul de P (a), qui
multiplications et n additions.
conduirait 1 + 2 + + n = n(n+1)
2
Mthode de Horner pour factoriser par x a. Dans le cas o a
est une racine de P, la mthode de Horner continue de sappliquer, elle
aboutit au rsultat 0, mais elle donne aussi les coefficients du polynme
Q (x) tel que P (x) = (x a) Q (x).
Exemple prcdent : P (x) = x3 + 5x2 7x + 1, racine 1 :
7
1
+6
+(1)
1
= 1
=0
2
Do le rsultat P (x) = (x 1) x + 6x 1 .
On dit que a est une racine dordre de multiplicit n du polynme
P ssi P (x) = (x a)n Q (x), avec Q (x) polynme nayant pas a pour
racine.
24
5
+1
=6
Techniques de base
Une racine simple est une racine dordre de multiplicit 1, une racine
double est une racine dordre de multiplicit 2. La somme des ordres de
multiplicit des racines dun polynme de degr n est au plus gale n.
Un polynme de degr n 1 admet au plus n racines. Preuve par
la contrapose, savoir : si un polynme admet plus de n racines, alors
il nest pas degr n. Daprs le thorme de factorisation des polynmes,
si le polynme admet les racines x1 , . . . , xn+1 , il est alors factorisable par
(x x1 ) . . . (x xn+1 ), et par consquent il est de degr > n.
ab
a b
a b a+c b+c;
a + a b + b
En particulier, a b et c 0 a b + c et a c b.
n
n
Gnralisation : i 1, n, ai bi
ai
bi
i=1
i=1
ab
c0
ac bc
0ab
0 a b
;
ab
c0
ac bc
0 aa bb
a b a b
0<ab
1
1
a
b
Introduction
Diffrence, quotient
a b x y a b
b y b
b y b
Pour encadrer un quotient de nombres positifs :
0 < a x a
a
x
a
0 < a x a
1
1
1
0<
0<
0<byb
b
y
b
b
y
b
Pour majorer un quotient de nombres positifs, on majore le numrateur et on minore le dnominateur.
(a) f
(a) f
(a) f
(a) f
(b)
(b)
(b)
(b)
Dans les deux derniers cas, il y a quivalence car f est une bijection, et
f 1 a mme sens de variation que f .
Une fonction croissante conserve le sens des ingalits, une fonction
dcroissante le renverse.
0 a b a2 b2
0ab a b
0 a b ar br pour tout nombre rel r positif
26
Techniques de base
0 < a b ln a ln b ; a b ea eb
1
1
0<a<b > >0
a
b
Attention la fonction x x2 :
0 a b a2 b2 , mais a2 b2 a2 b2 ,
cest--dire seulement : a2 b2 |a| |b|
Si a 0, b 0, alors a2 b2 a b (et il y a quivalence).
On notera en particulier, avec b 0:
x2 b b x b ; x2 b x b ou x b
noter galement, avec n entier 2 :
0 x 1 0 xn x x 1
x 1 xn x x 1
| |
i=1
Introduction
|A| B B A B
|A| B A B ou A B
28
Partie 1
Analyse
tude de fonctions
Vocabulaire de base
Soit f une fonction numrique de la variable relle, cest--dire une
fonction de R dans R.
Soit D une partie non vide de R.
On dit que f est dfinie sur D ssi f est une application de D dans R.
Soit f une application dfinie sur D.
On dit que f est
paire ssi x D, x D et f (x) = f (x) ,
impaire ssi x D, x D et f (x) = f (x).
Soit I un intervalle non vide inclus dans D.
On dit que f est
croissante, resp. dcroissante sur I ssi, pour tout a, b dans I :
a b f (a) f (b) ,
resp.
a b f (a) f (b)
resp.
x I, f (x) m
Partie 1 Analyse
1. Recherche de limites
1.1 Dfinitions
Soit I un intervalle de R, x0 I, f une fonction dfinie sur D, avec
D = I ou D = I \ {x0 }, et un nombre rel. On pose
lim f = ssi :
x0
> 0, a > 0,
> 0, a > 0,
lim f = + ssi :
x0
A R, a > 0,
x0
xx0
xx0 ,x>x0
x0
32
x+
lim ex = 0 ; lim ex = +
x+
Dans la suite du paragraphe, x0 , , sont des nombres rels. b, b , b sont mis
la place dun des symboles x0 , x+0 , x
0 , +, .
Limite dune somme, dun produit, dun quotient
Thorme. Soit f et g telles que
lim f = ,
b
lim g =
b
lim ( f + g) = +
Alors :
RS
0
0
FI
0
= 0
RS
RS
FI
0
+
FI
FI
+
+
+
+
FI
Limite dune fonction compose
lim f (x) = b ; lim g (y) = b lim g f (x) = b
xb
yb
x0
x0
xb
1
= + et
x
1
= et
x
lim ey = +
y+
lim ey = 0
33
Partie 1 Analyse
1.3 Ngligeabilit
Dans la suite du chapitre, on parlera de proprits vrifies au voisinage
!
!
de b, cest--dire sur un ensemble non vide du type [a, x0 [ x0 , a si
b = x0 , un intervalle (non vide) [a, +[ si b = +, ou ] ; a] si
b =
Dfinition. On dit que f est ngligeable devant g en b , et on note
f = (g), ssi
b
lim
xb
f (x)
=0
g (x)
34
x+ xa
+
ex
lim a = +
et donc xa = (ex )
x+ x
+
1
lim (xa ln x) = 0
et donc ln x = a
x0
0
x
Mmorisez soigneusement ces limites, elles sont dusage constant.
Elles nont pas tre justifies, elles font partie des connaissances de
base. Au besoin, vous voquerez les ngligeabilits classiques .
Vous pouvez retenir aussi, pour n N : lim xn ex = 0.
x
a
x
On a aussi : lim
= 0 ...
x+
ex
1.4 quivalence
Dfinition. On dit que f est quivalente g en b, et on note f g,
b
ssi
f (x)
=1
xb g (x)
lim
ln (1 + h) h ;
0
ex 1 x
0
u1 u2 v1 v2 ;
u2 v2
u2
v2
35
Partie 1 Analyse
u
= 1 + . Les proprits
v
suivantes sont des consquences directes de la dfinition.
x+
Utilisation
uv
b
lim v =
lim u = ; u R lim u =
b
= x2 0, donc lim f = 0 ;
En effet x
x0
0
e 1 0 x
3
3
x
x
x 0 (ngligeabilit classique), donc lim f = 0.
x
+
+
e 1
e x+
Avec f (x) =
36
lim ex ln (1 + ex ) = 1 car ex ln (1 + ex ) ex ex = 1.
x
On a utilis lim e = 0 et ln (1 + y) y.
x
=
0 : ne pas
2
2
x+ 1 + x2
+
1+x
x
x x0
chercher dquivalent ln en +.
ln (1 + x)
lim
= 0 : ne pas utiliser 1 + x x : les quivalents ne
x+
+
x
passent pas aux logarithmes. Le mieux est dcrire :
%
!
ln x 1 + 1x
ln x + ln 1 + 1x
ln (1 + x)
=
=
x
x
x
1
ln x ln 1 + x
+
=
x
x
lim
x0
x0
Rciproquement, lim u = R u .
b
Partie 1 Analyse
Proprits
Soit le DL dordre n de f en 0 : f (x) = Pn (x) + xn (x), avec Pn
polynme de degr n. Alors, si lim u = 0, on a :
0
+ x3 (x) ; ex = 1 +
+
+ x4 (x)
2
3
2
6
Dans le dveloppement du produit de deux DL, on ncrit pas les
termes qui sont absorbs par le terme en xn (x) dont lordre est le
plus petit.
ex
1
x2
x
2
=e
= 1+
+ x (x) 1 + x + x2 + x2 (x)
1x
1x
2
x2
= 1 + x + x2 + x2 (x) +
2
ln (1 x) = x
x3 x4
2 , 2 ,...
Utilisation
On utilise les DL dans la recherche des limites quand les quivalents
savrent inoprants.
1
Prouvons que lim f = , avec, pour x R :
0
2
ex 1 x
f (x) =
x2
Il sagit dune forme indtermine ; on ne peut utiliser lquivalent
ex 1 x car a ne passe pas dans les sommes : le numrateur serait
0
+ x2 (x) 1 x
=
x2
Ce qui permet de conclure.
f (x) =
1+x+
x2
2
+ x2 (x)
1
= + (x)
x2
2
Voir dautres utilisations, 2.3.2 (thorme de prolongement de la drive), 2.4.4 (tude des branches infinies).
39
Partie 1 Analyse
Limite de f (x) = ln ex ex x en +. Il y a forme indtermine,
on ne peut utiliser dquivalents (qui ne passent ni dans les logarithmes
ni dans les sommes), et un DL ne semble pas trs naturel. Lide est
dutiliser x = eln x , puis les rgles de calcul pour les logarithmes :
ex ex
2x
=
ln
1
e
f (x) = ln ex ex ln ex = ln
ex
tend vers 0 quand x tend vers +.
&
Limite de f (x) = 4 + (x + 1)2 (x + 1) en +. Lutilisation dun
DL est possible, mais la technique de la quantit conjugue est plus
rapide :
&
&
2
2
(x
(x
(x
(x
4 + + 1) + 1)
4 + + 1) + + 1)
&
f (x) =
4 + (x + 1)2 + (x + 1)
4 + (x + 1)2 (x + 1)2
4
=&
=&
2
4 + (x + 1) + (x + 1)
4 + (x + 1)2 + (x + 1)
tend vers 0 quand x tend vers +.
Limites en + et de f (x) = x+1
. Lutilisation des quivax2 +1
lents est possible. On peut aussi mettre le terme dominant en facteur
lintrieur du radical :
x+1
x+1
x+1
= '
='
x2 + 1
1
1
2
x 1+ 2
|x|
1+ 2
x
x
x0+
x0
(asymptote horizontale).
Si f (x) = ax + b + (x) et lim = 0, la droite dquation y = ax + b
f (x)
=0:
x x
Si lim
f (x)
= :
x
1
1
(x)
a = 1, b a = 0, c b = 0 ; donc f
= x + 1 + x1
2
Partie 1 Analyse
Au voisinage de +, Cf est au-dessus de D car 1x x1 est ngligeable
1
, qui donne donc le signe de f (x) (x 1) pour les grandes
devant 2x
valeurs de x.
2. Continuit
2.1 Dfinitions
Soit I un intervalle de R, et soit x0 I.
Soit f une fonction dfinie sur I. On dit que f est continue en x0 ssi
lim f = f (x0 )
x0
lim f = 0 = f (0) .
0
x1
Partie 1 Analyse
y f 1 (y) = x
tel que
f (x) = y
x0
ln x = y
f (x)
0
Partie 1 Analyse
f (x)
0
2
)
&
4!
8 9
:
9
:
;-
5
9
&&
< = ) &
> &
< :
5
9= ) &
> &
?>:
5
9= %- &
>:
036-
46
t[a ; b]
2
5
0
3
3
8
5
3
En supposant f continue, limage de lintervalle [2 ; 5] est lintervalle [3 ; 8] Sans cette supposition, on pourrait affirmer seulement
f ([2 ; 5]) [3 ; 8].
3. Calcul diffrentiel
3.1 Dfinitions Oprations
Dfinitions
Soit f une fonction dfinie sur lintervalle I, et x0 I.
f est dite drivable en x0 ssi il existe un nombre rel not f (x0 ) tel
que :
f (x) f (x0 )
= f (x0 )
lim
xx0
x x0
f est dite drivable sur I ssi f est drivable en tout point de I. La
fonction
f : I R, x0 f (x0 )
Partie 1 Analyse
avec lim h = 0
0
drive
x b
x 0
x x
x xr
x nx
commentaire
sur R
n 1
sur R si n N , R si n Z
x rxr 1
x ln |x|
x ex
x e
1
x
x
sur R
(au) = au ;
(uv) = u v + uv
1
pour x > 0
f (x) = x ; f (x) =
2 x
49
Partie 1 Analyse
1
3
3 1
3
x, x 0.
f (x) = x x = xx 2 = x 2 ; f (x) = x 2 =
2
2
f (x) =
(ur ) = u rur 1 ;
u
u
; (eu ) = u eu
u = ; ln |u| =
2 u
u
Utilisation de la drive de ur :
1
f (x) =
= (1 x)2 ;
(1 x)2
2
(1 x)3
On utilise le b) et le c) pour montrer quune fonction est drivable (et
calculer sa drive) sur un intervalle. En un point, on peut tre amen
revenir la dfinition :
ln x
si x > 0 ; f (0) = 1.
f (x) =
x ln x
Sur ]0 ; + [, f est drivable car cest le quotient de deux fonctions
drivables avec le dnominateur qui ne sannule pas.
f (x) = (1) (2) (1 x)3 =
En 0,
f (0)
f (x)f (0)
x0
= =
1
xln x
x0
fd (0)
= 0.)
Applications
Application au sens de variations dune fonction
Soit f drivable sur lintervalle I.
Si f 0 (resp. f 0) sur I, alors f est croissante (resp. dcroissante)
sur I .
Si f > 0 (resp. f < 0) sur I sauf en un nombre fini de points, alors
f est strictement croissante (resp. strictement dcroissante) sur I .
Application aux tangentes une courbe
Si f est drivable en x0 , alors la courbe reprsentative Cf admet une
tangente au point dabscisse x0 . Cette tangente a pour coefficient
directeur f (x0 ) et a pour quation y f (x0 ) = f (x0 ) (x x0 ).
50
1
1
1
f (x) = , donc
f (x) pour tout x [n ; n + 1] .
x
n+1
n
On applique la formule, on vrifie que a marche, puis on rdige.
Exemple de rdaction : soit f (x) = ln x, x > 0. x [n ; n + 1],
1
(x) = 1 1 ,
n+1 f
x
n
donc, daprs la formule des accroissements finis :
1
(n + 1 n) ln (n + 1) ln (n)
n+1
1
ln (n + 1) ln (n)
n+1
1
(n + 1 n)
n
1
n
Partie 1 Analyse
x + x2 (x)
1 + (x)
= 22
= 2
x (1 + x)
1+x
ex x + 1
ln x x 1
4. Fonctions usuelles
4.1 Fonctions exponentielle et logarithme nprien
Dfinitions. ln est la primitive de la fonction x 1x sur ]0 ; + [ qui
sannule en 1:
( x
1
1
x > 0, ln (x) = , et ln 1 = 0 ; ou bien x > 0, ln x =
dt
x
1 t
exp est la bijection rciproque de la fonction ln :
exp : R R+ , y exp (y) = x
tel que
ln x = y
Partie 1 Analyse
Proprits
Visibles sur le graphique (fig. 1) :
ln est une bijection continue strictement croissante de R+ sur R.
ln 1 = 0 ; ln x < 0 0 < x < 1 ; ln x > 0 x > 1.
ln x
lim ln x = ; lim ln x = + ; lim
= 0.
x+
x+ x
x0
exp est une bijection continue strictement croissante de R sur R+ .
a > 0, lim xa ln x = 0 ;
x0
ln est C sur R+
lim
ex
= +.
x+ xa
exp est C sur R. x R, exp (x) = exp (x) ; ex 1 x.
a > 0, lim
ln 1 = 0 ; ln e = 1
ln (ab) = ln a + ln b
1
ln
= ln a
a
a
ln
= ln a ln b
b
ln (ax ) = x ln a
e0 = 1 ; e 1 = e
ex+y = ex ey
1
ex
ex
exy = y
e
(ex )y = exy
e x =
x R+ , p Z, q N : x q = q xp = q x
q
1
1
1
En particulier, x 2 = x ; x 3 = 3 x ; x 2 = 1x
x R+ ,
rR:
xr = er ln x
Rgles de calcul
chaque fois que toutes les critures sont bien dfinies :
1
xr
xr+r = xr xr ; xr = r ; xr r = r ; (xr )r = xrr
x
x
r
x r
r
1
1
xr
xx = xr xr ;
= r ;
=
x
x
x
xr
tude
Avec n N : x xn est C sur R, de drive x nxn1 , paire si
n est pair, impaire si n est impair. Avec p N :
x
x
2p
+
0
0
2p1
0
Avec r R \ Z, x xr est dfinie sur R+ , prolongeable par continuit en 0 si r 0. Ce prolongement est de classe C1 si r 1.
Dans le cas gnral (r R), les proprits de croissance et de limite de la
fonction R+ R+ , x xr se voient sur le graphique (fig. 2).
y
y = exp (x)
1
0
y=x
y = ln(x)
1
55
Partie 1 Analyse
y
r>1
r=1
0<r<1
1
r<0
0
n+
Ces dfinitions nont pas tre mmorises. Le fait que tel ensemble
soit ouvert, ferm ou born devrait vous tre prcis.
Problme de loptimisation. Soit D une partie de R2 , et soit f une
fonction de D dans R. On cherche dterminer les extrema locaux,
ou relatifs, de f sur D, cest--dire les valeurs f (M0 ) de f telles que :
a > 0, [M D et d (M0 , M) a f (M0 ) f (M)]
(maximum local), ou
a > 0, [M D et d (M0 , M) a f (M0 ) f (M)]
(minimum local).
Si lingalit a lieu pour tout (x, y) D, on parle dextremum, de maximum, de minimum global, ou absolu.
Pour laide la mmorisation, les rsultats pour les fonctions dune
variable sont :
Si f est continue sur lintervalle ferm born [a ; b], alors f admet un
minimum et un maximum (globaux).
Si f est de classe C1 sur lintervalle ouvert I, et si f (x0 ) est un extremum
local, alors f (x0 ) = 0.
Si f est de classe C2 sur lintervalle ouvert I, si f (x0 ) = 0 et si
f (x0 ) > 0 (resp. f (x0 ) < 0), alors f (x0 ) est un minimum local (resp.
un maximum local). (Attention au sens des ingalits.)
Drives partielles
Drives partielles dordre 1. Par dfinition, sous rserve de limite
finie :
f
f (x, y0 ) f (x0 , y0 )
(x0 , y0 ) = lim
xx0
x
x x0
f
f (x0 , y) f (x0 , y0 )
(x0 , y0 ) = lim
y
y
y
y y0
0
On note aussi, respectivement : fx (x0 , y0 ) , fy (x0 , y0 ).
57
Partie 1 Analyse
Pratiquement, pour calculer fx (x, y), on calcule la drive de f considre comme une fonction de x, la variable y tant considre comme une
constante, et de mme pour fy (x, y) :
f (x, y) = xy2 +
fx (x, y) = y2 +
x
+ x3 ey + y pour
y
(x, y) R R
x
1
+ 3x2 ey ; fy (x, y) = 2xy 2 x3 ey + 1
y
y
fyx (x, y) = 2y
1
3x2 ey ;
y2
1
3x2 ey
y2
fy2 (x, y) = 2x +
2x
+ x3 ey
y3
5.2 Proprits
Dfinitions. Soit D une partie non vide, ouverte ou ferme, de R2 , et
f : D R.
On dit que :
f est continue en M0 D ssi
> 0, a > 0, M D et d (M0 , M) < a d ( f (M0 ) , f (M)) <
f est continue sur D ssi f est continue en tout point de D.
f est de classe C1 sur D ssi les drives partielles dordre 1 de f existent
et sont continues sur D.
f est de classe C2 sur D ssi les drives partielles dordre 2 de f existent
et sont continues sur D.
Lensemble des fonctions continues (resp. de classe C1 , de classe C2 ), sur
D est not C0 (D) (resp. C1 (D) , C2 (D)).
58
alors
2f
2f
(x, y) =
(x, y)
y x
x y
q = fy ;
r = fx2 ;
s = fyx = fxy ;
t = fy2
Partie 1 Analyse
1 2
rh + 2shk + tk2
2
+ h2 + k2 (h, k) ,
60
Suites et sries
numriques
1. Gnralits
1.1 Dfinitions
Une suite numrique est une application de N, ou dune partie de N,
dans R.
Si u est une suite numrique, au lieu de u (n), on prfre crire un (lire
u indice n ). un est appel le terme de rang n de la suite u.
La suite u elle-mme est note (un )nN (si elle est dfinie sur N), ou
simplement (un ) si il ny a pas dambigut sur lensemble de dpart.
Une suite est un cas particulier de fonction numrique ; on retrouve le
mme vocabulaire, et en adaptant les dfinitions on a :
La suite u = (un )nN est dite
croissante, resp. dcroissante ssi
n N, un un+1 , resp. n N, un un+1 ;
monotone ssi u est croissante ou dcroissante ;
majore par M, resp. minore par m ssi
n N, un M, resp. n N, un m ;
Partie 1 Analyse
(un ) converge vers ssi, pour tout > 0, il ny a quun nombre fini
de termes de la suite en dehors de lintervalle ] , + [.
Si (un ) converge vers et si a < < b, alors, pour tous les termes de
la suite partir dun certain rang : a < un < b.
Si une suite est dcroissante et minore par m, alors elle est convergente,
et sa limite vrifie m. Si une suite dcroissante nest pas convergente, alors lim un = .
n+
Soit x un nombre rel fix dans ]0, 1[, et soit (un ) la suite dfinie par
n N, un =
1 + xk
k=0
n+1
La suite (un ) est croissante
car, pour tout n N, un 0 et 1+x 1,
n+1
un
donc un+1 = un 1 + x
La suite (un ) est majore. Pour tout n N, un > 0, et on a
ln (un ) =
n
k=0
ln 1 + x
n
k=0
xk =
1 xn+1
1
1x
1x
n N, un e 1x
1
Appliquer la dfinition.
Montrer que un+1 un 0 ; utiliser si un se prsente sous forme
de somme, voir 2.4.3 sries .
Si les termes de la suite (un ) sont positifs, montrer que uun+1
1;
n
utiliser si un se prsente sous forme de produit, comme dans
lexemple prcdent : avec x > 0, on a
n
un+1
n N, un =
1 + xk > 0 ;
= 1 + xn+1 > 1
u
n
k=0
donc la suite (un ) est (strictement) croissante.
Pour une suite du type un+1 = f (un ) ( 2.2.3) ou pour une suite
dfinie implicitement ( 2.2.5), voir les techniques spcifiques
dans les paragraphes suivants.
Pour montrer quune suite est majore (par exemple), on fera
grand usage des manipulations des ingalits, voir le 8 de lintroduction.
Suites adjacentes
Dfinition. Les deux suites (un )nN et (vn )nN sont dites adjacentes ssi
une des suites est croissante, lautre dcroissante, et
lim (un vn ) = 0
n+
Thorme. Si deux suites sont adjacentes, alors elles sont convergentes et elles ont mme limite.
63
Partie 1 Analyse
64
n+
lim 1r
n+ n
= 0;
lim ln (n) = +
Avec x > 1 :
n+
lim xn = +
n+
lim xn = 0
n+
Ngligeabilits classiques
lim ln(n)
a
n+ n
n
lim xa
n+ n
a n
= 0;
= +
lim n x = 0
n+
n+
lim (un + vn ) = + ;
n+
lim
n+
un
vn
=
n+
si de plus = 0
Limite de f (un )
n+
En particulier :
Si lim un = R et si f est continue en , alors
n+
n+
n n0, , un vn wn ;
n n0 |un | vn ;
n+
n+
n+
n+
lim vn = 0 lim un =
n+
n+
65
Partie 1 Analyse
En effet,
Sn = u1 + u2 + + un
= un + un1 + + u1 ,
et donc 2Sn = (u1 + un ) + (u1 + r + un r) + + (un + u1 )
= n (u1 + un )
k=
n (n + 1)
2
De faon gnrale, la somme de termes successifs dune suite arithmtique est gale au nombre de termes multipli par la moyenne
arithmtique des termes extrmes.
Le sens de variations et la limite dune suite arithmtique de raison r ne
pose aucun problme : Si r > 0, la suite est strictement croissante, tend
vers + ; Si r < 0, la suite est strictement dcroissante, tend vers .
La suite est constante si r = 0 ;
xk = 1 + x + + xn =
1 xn+1
1x
67
Partie 1 Analyse
2 = 2 1;
=2 1
2
2
k=1
k=0
68
n+1
1
1
n+1
n
n
k
e
1
e
1
k
e =
=
=
1
1
e
e
1
e
k=0
k=0
1
e
2 n+1
n
n
2 k 1 x
1 x2n+2
x2k =
x =
=
1 x2
1 x2
k=0
k=0
2 n
n
n
2n
2 k
2k+1
21 x
31 x
x
=x
x = xx
=
x
1 x2
1 x2
k=1
k=1
Veillez ne pas confondre par exemple les sommes nk=1 4k (suscep
tible dtre calcule avec lidentit gomtrique), et nk=1 k4 (qui ne
se calcule pas de manire simple).
On mmorise les rsultats du thorme 3 en prenant des cas particuliers :
1
1
x = 2, x = , x = , x = 2.
2
2
Dans le thorme 3, vous retiendrez particulirement les deux premiers rsultats. Ils se dmontrent en utilisant les logarithmes ; par
exemple :
Si 0 < |x| < 1, |xn | = |x|n = enln|x| 0 car ln|x| < 0.
x+
= a + b.
Partie 1 Analyse
!" {criture de ui avec son rang i}
{on prpare lventuelle itration suivante}
#$
70
1
un
Partie 1 Analyse
u2(n+1)+1 = f f (u2n+1 )
n+
n+
f est continue en
Remarque. Ce thorme donne une condition ncessaire, mais non
suffisante, pour que (un ) converge vers . Le problme est que est
inconnue, donc on ne sait pas a priori si f est continue en ! On a
nanmoins dans cette direction :
On suppose que f continue sur R. Alors, si (un ) converge vers , est
un point fixe de f .
On suppose que f continue sur lintervalle I = [a, b], et que tous les
termes de la suite (un ) appartiennent I. Alors, si (un ) converge vers ,
est un point fixe de f .
En effet, a un b pour tout n, donc si (un ) converge vers , alors
a b (passage la limite dans les ingalits). appartient donc I,
f est continue en , et est un point fixe de f . On peut faire le mme
raisonnement avec tout intervalle I ferm.
3.2 Exemples
Une grande varit de situations est possible. Vous rpondrez aux
questions poses, en cherchant comprendre leur enchanement
logique. Donnons quelques indications gnrales :
On montre que la suite (un ) est majore, ou minore, ou borne, en
gnral par rcurrence, en utilisant les points fixes de f .
Lnonc propose souvent ltude du signe de f (x) x, qui fournit
les points fixes de f (avec f (x) x = 0), ou les intervalles I tels
72
x 0, f (x) x ; n N, un 0, donc :
n N, un+1 = f (un ) un ,
donc (un ) est dcroissante.
La suite (un ) est dcroissante et minore par 0, elle est donc convergente. Sa limite vrifie 0, et est un point fixe de f , car f est continue sur lintervalle [0, +[ (attention considrer lintervalle ferm).
Or f (x) = x x = 0, donc = 0.
u0 = a 0 ; n N, un+1 = f (un ), avec f (x) = x ln (1 + x).
On tablit par rcurrence : n N, un 0.
f est continue sur [0, +[, et les points fixes de f sont 0 et e 1.
Donc, si (un ) converge, alors sa limite est 0 ou e 1.
f est croissante sur [0, +[ et n N, un 0, donc (un ) est monotone.
Si u0 > e 1, alors ln (1 + u0 ) > ln (1 + e 1) = 1, par consquent
u1 = u0 ln (1 + u0 ) > u0 . La suite (un ) est donc croissante.
On a donc, pour tout n N, un u0 > e 1 : (un ) ne peut pas
converger ni vers e 1, ni vers 0, elle est donc divergente, et puisquelle
est croissante : lim un = +.
n+
ln 2
1 ln2
73
Partie 1 Analyse
Do la conclusion.
0 < k < 1, donc lim kn = 0, donc par passage la limite :
n+
lim un =
n+
%
!
3, un , la formule des accroissements
3 un et 0 f 12 sur
finis donne alors :
1
n N , 0 f (un ) f
3
un 3 , donc
2
1
n N , 0 un+1 3
un 3
2
On obtient par rcurrence :
n N , 0 un
Et comme lim
1 n 1
n+ 2
3
n 1
1
u1 3
2
=0:
lim un =
n+
75
Partie 1 Analyse
En prenant u0 = a = 1, on obtient
n2
n 1
1
1
n N , 0 un 3
2 3
2
2
&
4&&!
&;- $
5
) {le terme qui convient est affich avec son rang}
036-
4. Sries numriques
4.1 Dfinitions
Soit (un )nN une suite numrique. La srie de terme gnral un , n N,
est la suite des sommes partielles (Sn )nN , avec
n
Sn =
uk
k=0
La srie est dite convergente ssi la suite (Sn )nN est convergente ; la
limite S de (Sn ) est alors appele la somme de la srie, et on note :
n
+
uk =
uk
S = lim
n+
k=0
k=0
On adaptera sans peine ces dfinitions au cas o la suite (un ) est dfinie
sur N , par exemple.
On abrgera srie de terme gnral un , n N en srie nN un ,
sans prjuger de la convergence de la srie, et on veillera ne pas
76
confondre cette notation avec la notation +n=0 un , qui est rserve aux
+
+
sries convergentes. (Par contre on a n=0 un =
k=0 uk , n ayant le
statut de variable muette.)
On ne change pas la nature dune srie si on en change un nombre fini
de termes, mais la valeur de la somme peut changer.
xk =
k=0
1
1x
kxk1 =
k=1
1
(1 x)2
k (k 1) xk2 =
k=2
2
(1 x)3
Sn (x) =
1 x n+ 1 x
n+1
car |x| < 1, donc x
tend vers 0. Et le rsultat est tabli.
n 1
:
Pour la srie nx
(1 x)
n
k=1
kxk1 =
n
k=1
kxk1
n
k=1
kxk =
n 1
i=0
(i + 1) xi
ixi
i=1
77
Partie 1 Analyse
k1
kx
k=1
=1+
n 1
i=1
x
k=0
n
1 (n + 1) xn + nxn+1
1
kxk1 =
fn (x) =
2
n
(1 x)
(1 x)2
k=1
78
1
na , n
N , est convergente
En particulier, la srie nN 1n (srie harmonique) est divergente, car
n 1
lim
k=1 k = + comme on la montr au 2.1.3.
n+
+ n
x
n= 0
n!
xn
n! , n
N, est conver-
= ex
nN un
En effet, si
un converge alors par dfinition lim Sn = S R, avec
n+
n
Sn = k=0 uk ; donc un = Sn Sn1 tend vers 0 quand n tend vers +.
Il sagit dun critre ngatif, il sert le plus souvent montrer quune srie
nest pas convergente. On la utilis plusieurs fois dans le 4.2.
Attention, si le terme gnral tend vers 0, on ne peut rien dire : la srie
de terme gnral n12 converge, la srie de terme gnral 1n diverge.
79
Partie 1 Analyse
en
n2
en
en
n 1, 2 0, 2
n
n
n+
1
1
,
et
converge (srie de Riemann) .
n2
n2
n 1
un
n n0
un est absolument
|un |
n= n0
(aun + bvn ) = a
n= n0
un + b
n= n0
vn
n= n0
nx = x
n
n= 1
nxn1
n= 1
nxn =
x
(1 x)2
2 n
Montrons que la srie
n1 n x est convergente et calculons sa
somme. On peut montrer quil sagit dune srie convergente en utilisant les critres de convergence des sries terme positifs :
1
2 n
2 n
n 1, n x 0 ; n x = 2 car lim n4 xn = 0 car |x| < 1 ;
n+
n
n
est convergente (srie de Riemann) ; donc la srie n1 n2 x
est convergente, mais cela ne permet pas de calculer sa somme. Pour ce
1
n 2 n2
81
Partie 1 Analyse
nx =
2 n
(n (n 1) + n) xn
n= 1
+
2
=x
n (n 1) xn2 + x
n= 2
nxn1
n= 1
On a donc une combinaison linaire de sries convergentes (sries gomtriques drives premires et secondes, de raison x ]1, 1[), dont
les sommes sont connues ; la srie est donc convergente, et tous calculs
faits on trouve
+
x (x + 1)
n2 xn =
(1 x)3
n= 1
On peut aussi obtenir la somme dune srie quand les sommes partielles
se prtent des simplifications ( dominos , tlscopage ).
1
Montrons que la srie
k2 k(k1) est convergente, et calculons sa
somme, en revenant la dfinition. La somme partielle de rang n est :
n
n
1
1
1
=
Sn =
k (k 1)
k1 k
k=2
k=2
1
1 1
1
1
1
= 1
+
+
=1
2
2 3
n1 n
n
Par consquent la srie est convergente, et
+
k=2
1
=1
k (k 1)
x
fn+1 (x)
un+1
0
un
>0
u5
1
un = n
n
n
n+
1
n6
83
Calcul intgral
1. Primitives
Dfinition. Soit f une fonction dfinie sur lintervalle I. On dit que
F : I R est une primitive de f sur I ssi
x I, F (x) = f (x)
Proprits
Si f est continue sur lintervalle I, alors f admet des primitives
sur I.
Soit F et G deux primitives de f sur I. Alors il existe k R tel que
x I, G(x) = F(x) + k
Soit f continue sur lintervalle I, x0 I, y0 R. Alors il existe
une unique primitive F de f sur I tel que F(x0 ) = y0 .
85
Partie 1 Analyse
primitive
x ax
x xr
1
x
x ex
x ln |x|
xr+1
r+1
x ex
commentaire
sur R
sur tout intervalle o la fonction x xr
est continue, et donc sur :
R si r est un entier naturel
R+ et R si r est un entier relatif < 1
R+ si r est un rel positif non entier
R+ si r est un rel ngatif non entier
sur R+ et R
sur R
Exemples :
x2
2
1
1
+
1
Sur R+ , une primitive de x est x 2 x
x
Sur R, une primitive de x x est x
x = x 2 est x
x 2 +1
2
= x x
1
3
2 +1
Vous devriez retenir sans peine les trois premires formules (dusage
primitive
U
V
aU + bV
u f (u)
F(u)
86
commentaire
u continue sur lintervalle I
v continue sur I
sur I, avec a, b constantes I
sur I, avec u C1 (I) et f continue sur
u(I), de primitive F
u
Une primitive de est 2 u.
u
u
Une primitive de
est ln |u|.
u
Une primitive de u eu est eu .
Ici aussi formules demploi trs frquent, mettre en parallle respectivement avec les primitives des fonctions xr , x, x12 , 1x , 1x , ex .
2. Intgrale dfinie
2.1 Dfinition, interprtation graphique
Soit : f une fonction continue, positive et croissante sur lintervalle I ;
a, x, x0 I tels que a x0 < x ; F(x) laire du domaine plan limit
par laxe des abscisses, les droites dquation t = a, t = x et la courbe
reprsentative de f .
y
Partie 1 Analyse
Par consquent
f (x0 )
F(x) F(x0 )
f (x)
x x0
Interprtation en termes daire. Soit f une fonction continue et positive ou nulle sur lintervalle [a, b].
Le plan est rapport au repre orthogonal O ; i, j .
*b
Alors lintgrale a f (t) dt est gale laire du domaine plan limit par
laxe des abscisses (Ox), les droites dquation y = a, y = b, et la courbe
dquation y = f (x). Cette aire est exprime en units daire (u.a), aire
du rectangle de cots i , j .
Attention aux hypothses a b et f 0. Si elles ne sont pas vrifies, le
rsultat ne subsiste pas, voir 3.3.4.
88
et dt = et 0 = e1 e0 = 1
e
0
u
u
Une primitive de u e est e . Ici u = t , u = 1 , et = u eu , do
le rsultat.
,
+
( 1
1 1
x
1 2
dx =
ln x + 1
= ln 2
2
2
2
0 x +1
0
Une primitive de uu2 est 1u . On commence par crire x21+1 dans le crochet, on drive mentalement, et on ajuste la constante multiplicative.
( 1
1
x
dx =
x2 + 1 = 1
0
x2 + 1
0
+2
,1
( 1
t
t
1
1
2 3t
3t
+
+ 2e 1 dt =
+ ln (2t + 1) + e t
2 2t + 1
4 2
3
0
0
On trouve une primitive dune somme en prenant une somme de primitives, une primitive de au (a constante) en multipliant une primitive
3
de u par a. Tous calculs fait on trouve ln33 + 2e3 13
12 .
Intgration par parties
Soit I un intervalle, a et b deux lments de I, u et v deux fonctions
de classe C1 sur lintervalle I.
Alors
(
(
b
u (t)v(t) dt
89
Partie 1 Analyse
Disposition pratique :
( 1
( 1
% !1
tet dt = tet 0
et dt
0
u = 1
v = et
u=t
v = et
Changement de variable
Soit I un intervalle, a et b deux lments de I, u une fonction de
classe C1 sur lintervalle I, f une fonction continue sur lintervalle
u(I).
Alors
( b
( u(b)
u (t)f (u(t) dt =
f (y) dy
a
u(a)
Grce la notation diffrentielle de la drive ( dy
dt pour y (t) ), on utilise
facilement cette formule, quil est inutile de retenir telle quelle.
( 1
1+ x+1
I=
dx
x+1
0
1
1
dy
=
= , donc dx = 2y dy, puis
Soit y = x + 1 ;
dx
2y
2 x+1
90
1+y
I=
2ydy =
y2
1
I = ln 2 + 2 2 2
2
2
+ 2 dy = [2 ln y + 2y]1 2
y
f (y) dy =
f (y) dy
91
Partie 1 Analyse
Relation de Chasles
( c
( c
( b
f (t) dt =
f (t) dt + f (t) dt ;
a
Linarit
( b
f (t) dt =
f (t) dt + b
f (t) dt 0
g(t) dt
Positivit, croissance
f (t) dt
a
f (t) dt
g(t) dt
a
Tous ces rsultats sont des consquences faciles de la dfinition de lintgrale. Par exemple, pour la positivit :
*b
Si a b et f 0 sur [a, b], alors a f (t) dt = F (b) F (a) 0,
*b
Et dans tous ces cas, la valeur absolue de a f (t) dt est gale laire du
domaine plan limit par Cf et les droites
(Ox), (x = a), (x = b).
Si f change de signe, par exemple
1
comme dans le figure ci-contre, on a
*b
2
f (t) dt = Aire 1 Aire 2
a
Vous serez amen utiliser les proprits de positivit et de croissance de lintgrale en appliquant le principe :
Pour majorer, minorer, encadrer une intgrale, on majore, minore,
encadre la fonction intgrer, en veillant ce que les bornes soient
dans le bon sens . Exemple :
* 1 tn
1
Avec In = 0 1+t
2 dt, on a 0 In n+1 . En effet :
* 1 tn
*1 n
tn
1
n
t [0, 1] , 0 1+t
2 t , donc 0 0 1+t2 dt 0 t dt = n+1
Sauf si lnonc vous le demande, ne cherchez pas calculer les
valeurs des intgrales qui vous sont proposes. Ce travail est en effet
inutile pour utiliser les proprits ci-dessus.
Intgrale fonction de sa borne suprieure
Thorme. Soit I un intervalle, a un lment de I, f une fonction
continue sur I.
Alors lintgrale
( x
f (t) dt
a
*x
existe pour tout x I et dfinit une fonction x w(x) = a f (t) dt
de classe C1 sur I, de drive x f (x). Plus prcisment, w est la
primitive de f sur I qui sannule en a.
En effet, lintgrale existe puisque x et a appartiennent un mme intervalle o f est continue. Les autres proprits dcoulent de la dfinition
de lintgrale.
*
Avec f continue sur I, lcriture f (x) dx dsigne une primitive de f
sur I (attention, x nest plus une variable muette). On peut alors utiliser
le thorme ci-dessus pour dterminer une primitive de f en utilisant le
calcul intgral (changement de variable, intgration par parties).
93
Partie 1 Analyse
v = 1 ;
u =
1 14x4
16x4 + 1 x4 + 1
1
w est donc strictement croissante sur 0, 14 4 , strictement dcrois
1
sante sur 14 4 , + .
* 2x
Pour la limite en +, on encadre lintgrale x f (t) dt, et pour cela
on encadre la fonction f sur [x, 2x]. Or f est dcroissante sur [0, +[,
x R, w (x) = 2f (2x) f (x) =
94
x
+1
+1
et par consquent, lim w = 0. w tant impaire, la limite de w en
w(x)
16x4
x4
ba
f
lim
n+
n k=1
n
ba
a+k
n
(
=
f (t) dt
a
ak+1
ak
f (t) dt dn f (ak ) +
M 2
d
2 n
95
Partie 1 Analyse
t)
u = f (n+1) , v = (xn!t) , u = f (n+2) , v = (x(n+1)!
. u et v sont de classe
1
C sur I, et on obtient la formule lordre n + 1. Le thorme est ainsi
dmontr.
n
n+1
Ingalit de Taylor-Lagrange
Thorme. Soit I un intervalle, a un lment de I, n N, f une
fonction de classe Cn+1 sur I. Alors, pour tout x appartenant I :
f (x)
n
(x a)k
k!
k=0
(k)
(a) M
|x a|n+1
(n + 1)!
n
xk
k=0
k!
M
|x|n+1
(n + 1)!
k
avec M majorant de ex sur I. Ceci montre que g(x) = ex nk=0 xk!
est une fonction ngligeable devant xn quand x tend vers 0, car
g(x)
xn
|x|
. On a donc bien, pour tout n N :
M (n+1)!
ex =
n
xk
k=0
k!
+ (xn )
97
Partie 1 Analyse
Dveloppement en srie de ex . Appliquons lingalit de TaylorLagrange avec f (x) = ex , a = 0. Si x 0, |f (n+1) (t)| = et est major par
ex sur [0, x], donc
ex
n
xk
ex
xn+1
(n + 1)!
k!
xn
Et il suffit de montrer que n! converge vers 0 pour conclure. Or,
pour x 0 fix, il existe n0 N tel que nx0 12 . Donc, pour tout
n > n0 , on a 0 xn 12 , donc
n n0
xn
xn 0
xn n 0
xn 0
1
=
0
0
n+
n!
n0 ! (n0 + 1) . . . n
n0 !
2
k=0
+ n
x
n= 0
n!
La formule de Taylor avec reste intgral applique la fonction exponentielle permet dtablir :
n
xk
x
;
x [0, +[ , n N, e
k!
k=0
x ], 0] , p N ,
2p1
2p
xk
xk
x
e
.
k!
k!
k=0
k=0
3. Intgrales gnralises
Si la fonction f est continue sur le segment [a, b], on sait dfinir lintgrale
*b
a f (t) dt. Cette dfinition peut tre dans certains cas tendue.
xa, x>a
xb, x<b
*b
et on dit alors que lintgrale gnralise (ou impropre) a f (t) dt est
convergente. Dans le cas contraire, on dit quelle est divergente.
On dfinit de mme, avec f continue sur [a, b[ :
( b
( x
f (t) dt = lim
f (t) dt sous rserve de limite finie
99
Partie 1 Analyse
Critres de convergence
Intgrales de Riemann
( 1
1
dt est convergente ssi a < 1
a
t
0
*1
0
dt est convergente. La
% !1
1
dt = 2 t x = 2 2 x 2
x0
t
x
*1 1
*1 1
Lintgrale 0 t dt est donc convergente, et 0 t dt = 2.
1
f g
+
f (t) dt et
g(t) dt sont
a
t+1
dt. La fonction t t+1
est positive et continue sur
t
t
*
t+1
1
Intgrale
X +
* +
et on dit alors que lintgrale gnralise (ou impropre) a f (t) dt
est convergente. Dans le cas contraire, on dit quelle est divergente.
On dfinit de mme, avec f continue sur ], b] :
( b
( b
f (t) dt = lim
f (t) dt sous rserve de limite finie
100
Intgrale
* +
0
(x2 +1)2
dx. La fonction x
(x2 +1)2
[0, +[, et
+
,X
( X
x
1
1
1
1
1
+
= 2
2 dx = 2
X
2
2
x
+
1
2
2
2 X +1
x +1
0
0
Lintgrale est donc convergente, et
( +
x
1
2 dx =
2
2
x +1
0
Critres de convergence
Intgrales de Riemann
( +
1
Lintgrale
dt converge ssi a > 1
ta
1
+
t
1
1
1a
tend vers
g(t) dt convergente
a
a
( +
0* f g sur [a, +[
g(t) dt divergente
+
f (t) dt divergente
a
a
101
Partie 1 Analyse
f 0, g 0 sur [a, +[
f g
f (t) dt et
a
g(t) dt de
a
f 0, g 0 sur [a, +[
( +
f = (g)
f (t) dt convergente
+
* +
a
g(t)
dt
convergente
a
*x
Pour dmontrer le premier critre, on considre w(x) = a f (t) dt.
Sur [a, +*[, w est croissante,
car w (x) = f (x) 0, et majore, car
* +
x
w(x) a g(t) dt a g(t) dt = M R. w admet donc une limite
finie en +, ce quil fallait dmontrer.
*b
On a les critres analogues pour les intgrales f (t) dt.
Fonctions de signe quelconque
* +
Dfinition. On dit que lintgrale a f (t) dt est absolument conver* +
gente ssi lintgrale a |f (t)| dt est convergente.
Thorme. Si lintgrale
alors elle est convergente.
* +
a
*b
On a le thorme analogue pour lintgrale f (t) dt.
* +
* +
Remarque. On a alors a f (t) dt a |f (t)| dt, et de mme pour
*b
f (t) dt.
102
Lintgrale
* +
1
t2
Utilisation de la parit
* +
Soit f une fonction dfinie sur R et telle que 0 f (t) dt converge.
* +
Si f est paire, alors f (t) dt converge, et
( +
( +
f (t) dt = 2
f (t) dt
* +
f (t) dt converge, et
f (t) dt = 0
* +
Intgrale exp t2 /2 dt. f : t exp t2 /2 est continue et
positive ou nulle sur [0, +[, ngligeable devant t12 quand t tend vers
* +
* +
+. 1 t12 dt est convergente, donc 0 exp t2 /2 dt est conver
* +
gente. f est paire, donc lintgrale exp t2 dt est convergente,
* +
* +
et exp t2 dt = 2 0 exp t2 dt
Partie 1 Analyse
+
convergente : la fonction t tn et est positive
* + 1et continue sur R ,
1
ngligeable en + devant t2 , et lintgrale 1 t2 dt est convergente.
Pour le calcul, on utilise la dfinition pour dterminer I0 :
( X
!X
%
et dt = et 0 = eX + 1 I0 = 1,
X +
*X
puis une intgration par parties portant sur lintgrale 0 tn et dt avec
X > 0 ; u = tn , v = et , u = ntn1 , v = et ; u, v de classe C1 .
En passant la limite X + dans la relation trouve, on obtient
In = nIn1 , n N , et finalement, par rcurrence : n N, In = n!.
Utilisation dun changement de variable affine. On admet le
rsultat :
( +
t2
e 2 dt = 2p ( retenir, voir 9.2.3)
Soit y =
t m
s .
En dehors de ce cas (changement de variable affine), tous les techniques de calcul dintgrale seront pratiques sur des intgrales dfinies.
4. Sries et intgrales
Comparaison dune srie et dune intgrale gnralise
Thorme. Si f est une fonction continue, positive* et dcroissante
+
sur [1, +[, alors la srie nN f (n) et lintgrale 1 f (t) dt sont
de mme nature, divergente ou convergente.
104
k=1
1 + t k=0
1+t
n
En intgrant sur lintervalle [0, x], et en utilisant les proprits de lintgrale (linarit, calculs dintgrales, intgrale et valeur absolue), on
obtient :
( x
( x
( x
n
(t)n+1
1
(1)k
dt
dt
tk dt =
1
+
t
0 1+t
0
0
k=0
ln (1 + x)
n
k=0
(1)k
xk+1
k+1
tn+1
dt
1+t
tn+1 dt =
xn+2
n+2
+
(1)k
k=0
k+1
105
Partie 2
Algbre linaire
Systmes linaires
Calcul matriciel
1. Systmes linaires
1.1 Gnralits
Dfinitions. Un systme dquations linaires est un systme dquations du type
a1,1 x + a1,2 y = b1 L1
On rsout le systme form par
a2,1 x + a2,2 y = b2 L2
L1 , L2 , puis on reporte dans L3 .
a3,1 x + a3,2 y = b3 L3
On rsout
a1,1 x + a1,2 y + a1,3 z = b1
a1,1 x + a1,2 y = b1 a1,3 z
a2,1 x + a2,2 y + a2,3 z = b2
a2,1 x + a2,2 y = b2 a2,3 z
109
= b1
a1,1 x + a1,2 y + a1,3 z = b1 a1,1 x
a2,2 y + a2,3 z = b2 2
a2,2 y
= b2
(2)
a3,3 z = b3
a3,3 z = b3
Il est toujours possible dobtenir un systme triangulaire (2) quivalent au systme de dpart (1) en effectuant les oprations lmentaires sur les lignes :
Li Lj : change de la ligne Li et de la ligne Lj .
Li aLi + bLj : on remplace la ligne Li par aLi + bLj .
b peut tre nul, mais ATTENTION ! a doit tre non nul !
Les coefficients diagonaux a1,1 , a2,2 , a3,3 du systme triangulaire
obtenu (2) sont appels pivots du systme (1). On rsout ce systme de proche en proche.
Exemple :
2x1 4x2 + x3 = 5
x1 + x2 + x3 = 2
x1 + 4x2 x3 = 2
L2 2L2 L1
L3 2L3 + L1
2 est le premier pivot. On limine linconnue du pivot des autres quations en effectuant Li 2Li + bL1 .
2x1 4x2 + x3 = 5
6x2 + x3 = 1
L3 3L3 2L2
4x2 x3 = 1
6 deuxime pivot. L3 3L3 2L2 prfrable L3 6l3 4L2 .
2x1 4x2 + x3 = 5
6x2 + x3 = 1
5x3 = 5
On a obtenu un systme triangulaire. 5 est le dernier pivot. On trouve
x3 = 1, puis x2 = 0, puis x1 = 3.
Lensemble des solutions est {(3, 0, 1)}.
110
y + a1,3 z = 0
a1,1 x + a1,2 y + a1,3 z = lx
a1,1 l x + a1,2
2,1
a3,1 x + a3,2 y + a3,3 z = lz
a3,1 x + a3,2 y + a3,3 l z = 0
111
lx + y + z = 0
x ly + z = 0
(4)
x + y lz = 0
L 1 L2
1x ly + z = 0
lx + y + z = 0
L2 L2 + lL1
x + y lz = 0
L 3 L3 L1
ly +
z=0
x
2
(5)
1 l y + (1 + l) z = 0
(1 + l) y (l + 1) z = 0
De mme, on ne peut pas prendre 1 l2 comme pivot. On a alors le
choix entre trois possibilits :
Premire possibilit : on effectue sur le systme (5) lopration lmentaire L2 L3 :
ly +
z=0
x
(1 + l) y (l + 1) z = 0
1 l2 y + (1 + l) z = 0
Puis on effectue L3 L3 (1 l) L2 :
ly +
z=0
x
(1 + l) y
(l + 1) z = 0
(1 + l) (2 l) z = 0
On a obtenu un systme triangulaire, et on peut commencer la discussion. Soit Sl lensemble des solutions.
/ {1, 2}, le systme est de Cramer, donc Sl = {(0, 0, 0)}.
Si l
Si l = 1 : (3) x + y + z = 0 x = y z.
Donc
(x, y, z) S1 (x, y, z) = (y z, y, z)
= y (1, 1, 0) + z (1, 0, 1) .
Donc
112
S1 = {y (1, 1, 0) + z (1, 0, 1) ; y, z R} .
x 2y + z = 0
x 2y = z
x=z
Si l = 2 : (4)
3y 3z = 0
y= z
y=z
Donc (x, y, z) solution (x, y, z) = (z, z, z) = z (1, 1, 1).
Dans les cas o Sl nest pas rduit la solution nulle, on a bien obtenu
les solutions comme combinaisons linaires de solutions fixes.
Deuxime possibilit : on effectue sur le systme (5) lopration
L3 L3 + L2 :
ly +
z=0
x
2
1 l y + (1 + l) z = 0
2 + l l2 y
=0
z
ly = 0
x +
(l + 1) z + (1 + l) y = 0
(1 + l) z + 1 l2 y = 0
puis on effectue lopration lmentaire L3 L3 + L1 pour obtenir un
systme triangulaire, que lon rsout comme prcdemment.
Afin dallger lcriture et les calculs, on peut adopter une notation
simplifie pour les systmes homognes : on ne garde que les coefficients des inconnues que lon crit dans une matrice (voir suivant),
le reste (emplacement des inconnues, seconds membres) tant sans
changement dtape en tape. Pour le systme tudi en exemple on
crira donc :
l 1 1
1 l 1
L1 L2
1
1
l
1 l 1
L2 L2 + lL1
l 1 1
L3 L3 L1
1 1 l
1 l
1
0 1 l2 1 + l
0 1 + l (l + 1)
etc. Les oprations indiques se font sur les lignes des matrices.
113
Une fois le systme triangulaire ou chelonn obtenu, il est prfrable de retourner la notation traditionnelle.
On se gardera dutiliser cette notation si on a choisi de permuter
la place des inconnues. Toute manipulation sur les colonnes dune
matrice est exclue.
2. Calcul matriciel
2.1 Dfinitions
Dfinitions gnrales. Une matrice (on prcise quelquefois matrice
relle) est un tableau de nombres rels. Exemple dune matrice 3 lignes
et 2 colonnes :
colonnes
Les nombres du tableau sont
appels les coefficients, ou
termes de la matrice. Le terme
3 2
en deuxime ligne et premire
0
7
lignes
colonne est gal 0.
4
4
Pour n, p appartenant N , on note Mn,p (R) lensemble des matrices
n lignes et p colonnes. La matrice ci-dessus appartient M3,2 (R) .
La matrice nulle On,p est la matrice de Mn,p (R) dont tous les termes
sont nuls.
Une matrice appartenant M1,p (R) sappelle matrice-ligne.
Une matrice appartenant Mn,1 (R) sappelle matrice-colonne.
Lensemble Mn,n (R) est simplement not Mn (R). Ses lments sont
appels matrices carres dordre n.
1
1 2 3
(1 2 3) M1,3 (R) ; 2 M3,1 (R) ; 4 5 6 M3 (R) .
3
7 8 9
Matrices carres. Soit M = ai,j 1i,jn une matrice carre dordre n :
ai,j dsigne le coefficient en i-me ligne et j-me colonne.
La suite des nombres ai,i 1in est la diagonale de la matrice M :
a1,1 a1,2 a1,3
a2,1 a2,2 a2,3
a3,1 a3,2 a3,3
diagonale
114
a1,1 0
0
Une matrice diagonale D est une
0 a2,2 0
matrice carre dont tous les termes en
D=
0
0 a3,3
dehors de la diagonale sont nuls.
Une matrice triangulaire suprieure
est une matrice carre TS dont tous les
TS = 0
0 0
termes sous la diagonale sont nuls.
Une matrice triangulaire infrieure
0 0
est une matrice carre TI dont tous les
TI = 0
termes au dessus de la diagonale sont
nuls.
Une matrice triangulaire est une matrice triangulaire suprieure ou
infrieure.
Une matrice symtrique est une matrice carre ai,j 1i,jn telle que,
pour tout i, j appartenant {1, . . . , n} : aj,i = ai,j .
1 2 3
2 4 5
S=
est une matrice symtrique.
3 5 6
Avec M =
1 2 3
4 5 6
7 8 9
, tM =
1 4 7
2 5 8
3 6 9
Dfinitions. Soit A = ai,j 1in , B = bi,j 1in deux matrices appar1jp
1jp
115
AB Mn (R) ; BA Mn (R)
A (BC) = (AB) C ;
A (B + C) = AB + AC ; (A + B) C = AC + BC ;
x (AB) = (xA) B = A (xB) ;
In A = AIn = A ;
en gnral, AB = BA ;
on ne peut pas simplifier :
AB = AC nimplique pas B = C, mme si A = On .
AX Mn,1 (R) ;
In X = X ;
A (X + Y ) = AX + AY ; (A + B) X = AX + BX ;
A (xX) = (xA) X = x (AX).
117
oprations lmentaires
Explication. Soit A = ai,j 1i,j3 (on se place dans M3 (R) pour fixer
les ides). Daprs le thorme prcdent, A est inversible ssi pour chacun
des trois systmes suivants il y a une solution unique :
0
0
a1,1 x + a1,2 y + a1,3 z = 1
a2,1 x + a2,2 y + a2,3 z = 0 , resp. 1 , resp. 0
1
0
a3,1 x + a3,2 y + a3,3 z = 0
2 1
Avec A =
dans M2 (R):
1 1
x
b1
2x + y = b1
=
A
y
b2
x + y = b2
x = b1 b2
y = b1 + 2b2
x
1 1
b1
=
,
y
1
2
b2
1 1
1
donc A est inversible, et A =
.
1
2
1
0 0
l1
sont non nuls, et on a alors D1 = 0 l12 0 (vident).
0 0 l13
121
Mais attention, (AB)n nest pas gal en gnral An Bn , car la multiplication des matrices nest pas commutative.
l1 0 0
0 l2 0
0 0 l3
, on a, si n N :
ln1 0 0
Dn = 0 ln2 0 . Il ny a pas de formule simple ds que la matrice
0 0 ln3
nest plus diagonale.
Pour calculer la puissance n-me dune matrice, on utilise souvent des
proprits de rcurrence.
1 1 1
La matrice B = 1 1 1 vrifie B2 = 3B. On en dduit alors
1 1 1
par rcurrence : n N , Bn = 3n1 B.
Attention, la formule nest pas valable pour n = 0. Dune manire
gnrale, le calcul de A0 demande une attention particulire.
1 1 1
La matrice A = 1 0 0 vrifie A3 = A2 + 2A. On montre
1 0 0
alors, par rcurrence : n N , An = an A + bn A2 : la proprit est
vraie pour n = 1, avec a1 = 1, b1 = 0, et si An = an A + bn A2 , alors
122
Soit calculer A , avec n
n
On dcompose
N ,
et A =
1 1 1
0 1 1 .
0 0 1
0 1 1
0 0 1
A = I3 + N, avec N = 0 0 1 . N 2 = 0 0 0 , N 3 = O3 ,
0 0 0
0 0 0
k
3 k3
donc pour tout k 3, N = N N
= O3 . La formule du binme,
applicable car I3 et N commutent, fournit alors
n
n n k k
n
n
A = (I3 + O3 ) =
I3 N
k
k=0
n
n
n
0
1
=
N +
N +
N2
0
1
2
1 n n(n+1)
2
An = 0 1
n .
0 0
1
On vrifie que a marche avec n = 1. La formule est valable aussi
avec n = 0.
Remarque. Une matrice N telle que N k = On pour quelque k est une
matrice nilpotente. Une matrice triangulaire dont tous les lments de la
diagonale sont nuls est toujours une matrice nilpotente.
Application ltude de suites
un
vn , avec n N. On suppose quil existe A M3 (R)
Soit Xn =
wn
telle que n N, Xn+1 = AXn . On montre alors, par rcurrence :
n N, Xn = An X0 . Et le calcul de An permet alors de dterminer
lexpression de un , vn , wn pour tout n N. (On a aussi, par rcurrence :
Xn = An1 X1 si les suites sont dfinies sur N .)
un+1 = 6un vn
Xn+1 = AXn avec
vn+1 = un + 4vn
6 1
un
, Xn =
A=
.
1
4
vn
124
126
1
0
0
f (aX) = af (X) .
est linaire (vident daprs les rgles de calcul sur les matrices), et on
vrifie facilement que pour tout
j {1, . . . , n}, la j-me colonne de
la matrice A est gale f Ej , o (E1 , . . . , En ) est la base canonique
de Mn,1 (R).
Rciproquement, on a :
Soit f : Mn,1 (R) Mn,1 (R) linaire. Alors il existe une unique
matrice carre A Mn,1 (R) telle que
X Mn,1 (R) , f (X) = AX
Si X, X Ker (f ), alors f X + X = f (X) + f X car f est linaire,
donc f X + X = O, donc X + X Ker (f ).
Si X Ker (f ) et a R, alors f (aX) = af (X) car f est linaire, donc
f (aX) = O, donc aX Ker (f ).
Limage de f est lensemble f Mn,1 (R) . On le note Im (f ) :
n
i=1
xi f (Ei )
i=1
1 1 1
1
1
1 ,
0
A1 = 1 1 1 . ; Ker (f1 ) = S1 = Vect
;
1 1 1
0
1
1
Im (f1 ) = Vect (G1 , G1 , G1 ), avec G1 = 1 . De faon vidente,
1
(G1 , G1 , G1 ) nest pas une base de Im (f1 ), et (G1 ) en est une.
Dans les autres cas ( l
/ {1 ; 2}), Ker (fl ) = {O}. Pour Im (f ) :
le systme homogne (1) admet une solution unique (la solution O).
Or on a vu que cette proprit (le systme est de Cramer) dpendait
uniquement des pivots du systme, et pas des seconds membres (voir
4.1.3). Cela veut dire que pour tout (a, b, g) R3 , le systme
lx + y + z = a
x ly + z = b
x + y lz = g
129
Espaces vectoriels
applications linaires
v E,
u + v E,
a R,
a u E,
0 u = 0E , a 0E = 0E , et a u = 0E a = 0 ou u = 0E .
Attention, quant A et B sont deux matrices carres dordre n, le
produit AB peut tre nul sans que A ou B ne le soit.
G RN ;
la suite nulle (n N, un = 0) appartient G ;
si (un ) , (vn ) sont deux suites appartenant G et a un nombre rel,
alors (un ) + (vn ) = (un + vn ) et a (un ) = (aun ) appartiennent G. En
effet, pour tout n de N :
un+2 + vn+2 = 2un+1 + 3un + (2vn+1 + 3vn )
= 2 (un+1 + vn+1 ) + (un + vn )
u1 = 1 u1 + 0 u2 + + 0 up par exemple.
0E appartient bien sr Vect u1 , . . . , up : 0E = 0 u1 + + 0 up
134
Dfinitions. Soit p N , E un ev et F = u1 , . . . , up une famille de
vecteurs de E. On dit que la famille F est :
gnratrice de E ssi tout vecteur de E est combinaison linaire des
lments de F :
p
u E, a1 , . . . , ap Rp , u =
ai ui
i=1
Quand une famille est libre, on dit que les vecteurs qui la composent
sont linairement indpendants. Une famille lie est une famille non
libre. cause du thorme de la dimension, il est important de reconnatre les familles libres. Dans ce sens on a :
(u) est une famille libre ssi u = 0E .
Les vecteurs u, v de lev E sont dits colinaires ssi u = 0E ou v = lu,
avec l R. (u, v) est une famille libre ssi u et v ne sont pas colinaires.
Soient u = (2 ; 1 ; 3) , v = (4 ; 2 ; 6) , w = (4 ; 2 ; 6). u, v sont
colinaires (v = 2u), ils ne forment donc pas une famille libre. (u, w)
et (v, w) sont des familles libres.
Soient F = (u, v, w) une famille de trois vecteurs. Si deux dentre eux
sont colinaires, alors la famille F est lie, mais la rciproque est fausse.
La famille (u, v, w) est donc libre, et de cardinal 3 ; R3 est de dimension 3, il en rsulte que (u, v, w) est une base de R3 .
On utilisera cette mthode quand on na aucun renseignement sur
la famille (u, v, w) ; le rsultat peut provenir dautres considrations
(matrices inversibles, thorie du changement de base, endomorphismes
diagonalisables, voir plus loin).
Ne confondez pas dimension et cardinal : dans un espace vectoriel
de dimension n, toutes les bases ont le mme cardinal, mais ne parlez
pas de cardinal dun espace vectoriel, ni de dimension dune base.
Dans un ev E de dimension n, une famille libre a au plus n lments. Si
elle a moins de n lments, on peut la complter de faon obtenir une
base (thorme de la base incomplte). Si elle a exactement n lments,
cest une base de E.
Dans un ev E de dimension n, une famille gnratrice a au moins n
lments. Si elle a plus de n lments, on peut en extraire une sousfamille libre de cardinal n (ou de cardinal maximal si n nest pas connu),
qui est alors une base de E. Si elle a exactement n lments, cest une
base de E.
137
2. Applications linaires
2.1 Dfinition, exemples
Dfinitions. Soit E, F deux ev. Une application f : E F est dite
linaire ssi :
u, v E, f (u + v) = f (u) + f (v) ;
u E, a R, f (a u) = a f (u).
Soit f : E F linaire.
Si f est bijective, on dit que f est un isomorphisme de E sur F.
Si F = E, on dit que f : E E est un endomorphisme de E.
Si f : E E est bijective, on dit que f est un automorphisme de E.
Si F = R, on dit que f : E R est une forme linaire.
Pour prouver que f : E F est linaire, on utilise la dfinition.
Pour prouver que f linaire est : un isomorphisme, il suffit de prouver quelle est bijective ; un endomorphisme : f (E) E ; un automorphisme : f (E) E et f bijective.
Premires proprits. Pour f : E F linaire :
f (0E ) = 0F ;
u E, f (u) = f (u) ;
p
p
u1 , . . . , up E, f
i=1 ai ui =
i=1 ai f (ui )
Cette dernire proprit est une proprit caractristique des applications
linaires : f est une application linaire ssi limage par f dune combinaison linaire est la combinaison linaire des images.
Premiers exemples
Lapplication nulle E F, u 0F est linaire.
Lapplication identique IdE : E E, u u est linaire. Cest
dailleurs un automorphisme de E.
La transpose dune matrice carre (voir 4.2.1) dfinit une endomorphisme de Mn (R) :
t
M + M =t M + t M ; t (aM) = a t M .
Les applications linaires de R dans R sont les applications x ax.
Les formes linaires de R3 dans R sont les applications
(x, y, z) ax + by + cz
138
En effet, si u =
xi ei , alors
i=1
f (u) = f
p
xi e i
i=1
p
j =1
i=1
ai,j xj
xi f (ei ) =
i=1
p
i=1
n
xi
ai,j ej
j =1
ej
do la conclusion, avec M = ai,j 1ip .
1jn
x
Avec u = xe1 + ye2 + ze3 , on a X = Mat (u, B ) = y .
z
x
1 3 5
x + 3y + 5z
y =
Y = MX =
2 4 6
2x + 4y + 6z
z
On a donc f (u) = (x + 3y + 5z, 2x + 4y + 6z), ce que confirme le calcul direct f (u) = x f (e1 ) + y f (e2 ) + z f (e3 ) = . . .
Soit la forme linaire f : R3 R, (x, y, z) x + 2y + 3z.
Avec B = (e1 , e2 , e3 ) base canonique de R3 , C = (1) base canonique de
R, on a f (e1 ) = 1, f (e2 ) = 2, f (e3 ) = 3, donc
x
Mat ( f, B , C ) = 1 2 3 ; f (x ; y ; z) = 1 2 3 y
z
en identifiant M3,1 (R) et R3 , M1,1 (R) et R.
Cas des endomorphismes
Dans le cas, le plus frquent, o f est un endomorphisme de E, on note
simplement Mat ( f, B ) au lieu de Mat ( f, B , B ). Cette matrice est appele
matrice de f dans la base B , ou relativement la base B .
De mme, la matrice colonne Mat (u, B ) est appele matrice de u dans la
base B .
Pour f endomorphisme de E, avec B base de E :
Mat ( f (u), B ) = Mat ( f, B ) Mat (u, B )
Ainsi, dans toute base B dun espace vectoriel E de dimension n, on a
Mat (IdE , B ) = In . Si X = Mat (u, B ), alors In X = X, ce qui correspond
bien IdE (u) = u.
Ne pas confondre le vecteur u E (qui peut tre un polynme,
une fonction, une matrice. . . ) avec la matrice colonne Mat (u, B )
des coordonnes de u dans la base B , sauf si E est lespace vectoriel
Rn et B sa base canonique.
Le polynme P = a + bX + cX2 a pour coordonnes (a, b, c) dans
la base canonique B = 1, X, X 2 de R2 [X], mais nest pas gal au
vecteur (a, b, c) de R3 .
140
141
142
On a de plus le
Thorme 2
Si f, g L (E), alors f g L (E, F), et
Mat ( f g, B ) = Mat ( f, B ) Mat (g, B )
Mat (IdE , B ) = In
f L (E, F) est bijective ssi A = Mat ( f, B ) est inversible, et on a
alors :
Mat f 1 , B = A1 = [Mat ( f, B )]1
Remarques
Ces rsultats sont cohrents avec les proprits des bijections rciproques. Si f : E E est bijective, on sait que f f 1 = f 1 f = IdE ,
ce qui correspond , avec A = Mat ( f, B ) :
A A 1 = A 1 A = In
Soit Aut (E) lensemble des automorphismes de E. On a les proprits : IdE Aut (E) ; si f, g Aut (E), alors f g Aut (E), et
( f g)1 = g1 f 1 . La composition des automorphismes est associative (( f (g h) = ( f g) h), mais pas commutative (f g = g f en
gnral). On rsume ces proprits en disant que Aut (E) est un groupe
(non commutatif) pour la composition des applications. Aut (E) est aussi
not GL (E) ( groupe linaire de E ).
Une application
Puissance n-me dun endomorphisme. Soit f L (E), et soit p N .
On pose
f p = f f (p termes)
Si f nest pas lendomorphisme nul, on pose f 0 = IdE . On a alors :
Mat ( f p , B ) = [Mat ( f, B )]p
Remarque. Soit A = Mat ( f, B ). Si f est bijective (ce qui est quivalent
A inversible), on peut dfinir Ak et f k avec k entier ngatif. En
p
effet,
si A est inversible et p N, alors Ap est inversible, et (Ap )1 = A1
p
(car Ap A1 = In ). En posant
p
p
Ap = (Ap )1 = A1 ; f p = ( f p )1 = f 1 ,
on a alors, maintenant pour tout p Z : Mat ( f p , B ) = [Mat ( f, B )]p .
143
Rciproquement, supposons
Ker ( f ) = {0E } . Alors
f (u) = f u f (u)
f u = 0
f u u = 0F
u u Ker ( f )
u u = 0E
u = u : f est injective.
Par dfinition, Im ( f ) F, et f (0E ) = 0F , donc 0F Im ( f ).
Si v, v Im ( f ) et a R, alors
v + v = f (u) + f u = f u + u Im ( f )
a v = a f (u) = f (a u) Im ( f )
La quatrime proprit est vidente.Pour la cinquime,
il suffit dcrire :
p
p
v Im ( f ) v = f (u) = f
ai ei =
ai f (ei )
i=1
i=1
4.2 Applications
Caractrisation des isomorphismes
Soit f : E E un endomorphisme. On a alors les quivalences :
f bijective f injective Ker ( f ) = {0E }
f surjective Im ( f ) = E
Soit f : E F linaire. On a les quivalences :
f bijective f injective ( Ker ( f ) = {0E }) et dim (E) = dim (F)
145
146
1/ 2 0
0 1/2
0 1/2 1/2 0
A=
.
0 1/2 1/2 0
1/ 2 0
0 1/2
f (M) =
147
5. Deux applications
5.1 Application aux suites rcurrentes linaires
On va utiliser les outils dalgbre linaire rencontrs jusquici (sousespaces vectoriels, isomorphisme, dimension, bases) pour tablir le thorme sur les suites rcurrentes linaires deux termes (voir 0.4.4) :
Soit a, b R, (un )nN telles que n N, un+2 = aun+1 + bun
On considre lquation caractristique (1) r 2 = ar + b.
Si lquation (1) a deux racines r1 , r2 , alors il existe a, b N tels
que :
n N, un = ar1 n + br2 n
Si lquation (1) a une racine double r1 , alors il existe a, b N
tels que :
n N, un = ar1 n + bnr1 n
148
un = ar1 n + br2 n ,
tel que
k
k
Xi
i
i=0
1
2
0
...
1
1
..
2
.
0
...
A=
2
..
..
.
.
0
..
..
.
.
0
0
0
...
...
...
..
n
0
n
1
2
..
n
n
150
et par consquent :
0
1
2
...
0
0
0
1
2
0
...
1
1
..
2
1
0
...
A = .
2
..
..
.
.
0
..
..
.
.
0
0
0
...
...
...
..
n
(1)
0
n
(1)n1
1
n 2 n
(1)
2
..
n
n
n
1 0 0 0 0
1
0
0
0 0
1 1 0 0 0
1
1
0
0 0
1
t
1
0 0
A = 1 2 1 0 0 ; tA
= 1 2
1 3 3 1 0
1
3 3
1 0
1 4 6 4 1
1 4
6 4 1
On vrifie que a marche (le produit des deux matrices est gal I4 ).
151
Diagonalisation
Les matrices carres avec lesquelles les calculs sont les plus simples
sont les matrices diagonales. On a vu en effet que, si p N et
p
l1 0 0
l1 0 0
p
p
0 l2 0 , alors D =
0 l2 0 , ceci restant
D =
p
0 0 l3
0 0 l3
valable avec p = 1 (cest--dire avec D est inversible) ssi tous les li
sont non nuls.
Le problme de la diagonalisation peut se poser de la manire suivante :
soit f un endomorphisme de lev E de dimension n, B une base de E,
A = Mat ( f, B ) la matrice de f dans la base B . Trouver, si elle existe, une
base B de E dans laquelle la matrice de f soit diagonale.
Le 2 est lobjet de cette tude. Auparavant, on doit savoir passer
dune base une autre, cest lobjet du 1. Les rsultats seront donns
dans le cadre abstrait de lev E de dimension n, muni dune base B . Dans
les exemples des deux premiers paragraphes, on aura toujours E = R3 ,
B la base canonique de R3 .
u2 = (2, 2, 0) ,
u3 = (3, 3, 3)
1
e2 = u1 + u2 ;
2
1
1
e3 = u2 + u3
2
3
154
Chapitre 6 Diagonalisation
P tant une matrice inversible fixe, on vrifie sans peine que lapplication fP de Mn (R) dans Mn (R) dfinie par fP (M) = P 1 MP est un
1
1
automorphisme,
dont la rciproque
est f
P (N) = PNP . Il vrifie de
plus : fP MM = fP (M) fP M pour tout M, M .
2. Diagonalisation
2.1 Valeurs propres, vecteurs propres
Soit f L (E), B une base de E, A la matrice de
Supposons quil existe une base C = (u1 , . . . , un ) de
matrice D de f soit diagonale :
l1 0 . . . . . .
..
.
0 l2
. .
.
.
.
.
.
D = Mat ( f, C ) = .
.
. ..
.
.. ..
..
.
.
0 ... ... 0
f dans la base B .
E dans laquelle la
0
..
.
..
.
0
ln
Par contre, 0 peut tre valeur propre. Cest le cas ssi f nest pas injectif.
Soit A une matrice de Mn (R), X une matrice colonne de Mn,1 (R),
non nulle, et l R, tels que AX = lX.
On dit alors que l est une valeur propre de A, et que X est un vecteur
propre de A pour la valeur propre l (ou : associ la valeur propre l).
On dit aussi : X est un vecteur-colonne propre, ou une matrice colonne
propre.
156
Chapitre 6 Diagonalisation
Proposition et dfinition
Soit l une valeur propre de f .
Alors lensemble
Fl = {u E | f (u) = l u}
est un sev de E, non rduit au vecteur 0E , appel le sous-espace
propre de f associ la valeur propre l.
En effet :
u Fl f (u) lu = 0E ( f l IdE ) (u) = 0E
u Ker ( f l IdE )
157
Dterminons les valeurs propres et vecteurs propres de f L R3
dont la matrice dans la base canonique de R3 est :
1 0 1
A= 0 2 0
1 0 1
Chapitre 6 Diagonalisation
Chapitre 6 Diagonalisation
Soit f un endomorphisme de E, ev de dimension n. f est diagonalisable ssi la somme des dimensions des sous-espaces propres de f est
gale n.
Proprit admise.
On a les thormes analogues pour la matrice A de Mn (R) :
Les vecteurs colonnes propres de A associs des valeur propres distinctes
de A forment une famille libre de Mn,1 (R).
Si A admet n valeur propres distinctes, alors A est diagonalisable.
A est diagonalisable ssi la somme des dimensions des sous-espaces propres
de A est gale n.
1 1 1
0 2 2 dans la base canonique
0 0 3
de R3 . f admet 3 valeurs propres distinctes, les rels 1, 2, 3. (En effet, l
est valeur propre de f ssi A lI3 nest pas inversible.) Donc f est diagonalisable. En rsolvant les systmes triangulaires (A lI3 ) X = 0 avec
l = 1, 2, 3, on touve respectivement les sep Vect (u1 ) , Vect (u2 ) , Vect (u3 ),
avec
Soit f L R3 de matrice A =
de
0
2
0
vecteurs propres de f .
0
0 .
3
1 1 3
Daprs la thorie du changment de base, la matrice P = 0 1 4
0 0 2
est inversible, et A = PDP 1 .
1 0 1
3
Avec f L R de matrice A = 0 2 0 dans la base canonique
1 0 1
de R3 , on a trouv prcdemment :
0 vap de f , sep associ F0 = Vect ((1, 0, 1)).
2 vap de f , sep associ F2 = Vect ((1, 0, 1) , (0, 1, 0))
La somme des dimensions des sous-espaces propres de f est gale
1 + 2 = 3, donc f est diagonalisable.
161
1
est inversible, et A = PDP .
de
0
2
0
1
0
1
vec
0
0 .
2
0
1
0
Proprits diverses
Soit f un endomorphisme de lev E de dimension n. Alors f admet
au plus n valeurs propres distinctes.
A Mn (R) admet au plus n valeurs propres distinctes.
162
Chapitre 6 Diagonalisation
163
A3 A2 + A I3 = O3 .
A admet pour polynme annulateur le polynme
P (X) = X 3 X 2 + X 1
(En effet, 1 = X 0 . En remplaant X par A, on obtient A0 = I3 .)
Toute valeur propre de A est racine de P (X).
Or P (X) = (X 1) X 2 + 1 admet pour seule racine le nombre rel
1. On ne sait pas si 1 est effectivement valeur propre de A, mais on
peut dire que A nest pas diagonalisable : sinon, sa seule valeur propre
serait 1, on aurait donc A = PI3 P 1 = I, ce quon a suppos tre faux.
Remarquons dautre part que A est inversible et que le polynme annulateur permet dexprimer A1 en fonction de A :
A3 A2 + A I3 = O3 , donc
A3 A2 + A = I3 , A A2 A + I3 = I3 , donc A est inversible, et
A1 = A2 A + I3 .
1
1 1 3
1
1 2 2
1
Soit A =
. A = I4 , donc A2 + I4 = O4 .
0 1
0
1
1
1
0 2
A admet le polynme annulateur X 2 + 1, qui na pas de racine relle.
Donc A nadmet pas de valeur propre relle. A nest donc pas diagonalisable, et elle est inversible (sinon, elle aurait 0 pour valeur propre).
On peut prciser ce dernier rsultat en crivant :
A2 = I4 , donc A (A) = I4 , donc A est inversible, et A1 = A .
164
Chapitre 6 Diagonalisation
1 0 1
Soit A = 1 0 1 . A2 = O3 , A3 = O3 . A admet pour poly0 1 1
nme annulateur P (X) = X 3 , dont la seule racine est 0. Donc si l est
valeur propre de A, alors l = 0. Attention, cela ne prouve pas que 0
est effectivement valeur propre de A. Mais A nest pas inversible (sinon
on aurait A1 A3 = O3 A3 = O3 , A2 = O3 , or A2 = O3 ), donc 0 est
valeur propre de A, et cest la seule, donc A nest pas diagonalisable
(sinon aurait A = PO3 P 1 = O3 ).
On voit sur ces trois exemples lutilisation qui est faite dun polynme annulateur de A pour dterminer si A est inversible, et calculer ventuellement son inverse. On peut aussi utiliser un polynme
annulateur de A pour calculer An , cest ce quon a fait dans lexemple
2 du 4.2.4, o le polynme annulateur tait
P (X) = X 3 X 2 2X .
On rappelle que si A = Mat ( f, B ), alors An = Mat (f n , B ), avec
f 0 = IdE , et f n = f f (n termes). Un polynme annulateur
de A est donc aussi un polynme annulateur de f , et on peut dire :
Si lendomorphisme f admet un polynme annulateur P, alors toute
valeur propre de f est racine de ce polynme.
Dmontrons cette proprit. Soient P (X) = pk=0 ak X k un polynme
p
annulateur de f (donc k=0 ak f k (v) = 0E pour tout v), u = 0E et l R
tels que f (u) = l u. Alors
f 2 (u) = f ( f (u)) = f (lu) = lf (u) = llu = l2 u,
p
k
puis, par rcurrence : f k (u) = lk u, puis
k=0 ak l u = 0E , puis
p
k
k=0 ak l = 0 car u = 0E , P (l) = 0.
1 0 1
On a vu que lendomorphisme f de R3 de matrice A = 1 0 1
0 1 1
dans la base canonique B = (e1 , e2 , e3 ) ntait pas diagonalisable (voir
deuxime exemple du 6.2.2).
Soit 1 = e1 , 2 = f (1 ) , 3 = f (2 ), et C = (1 , 2 , 3 ).
1 = (1, 0, 0) , 2 = (1, 1, 0) , 3 = (1, 1, 1). La matrice de passage de
1 1 1
la base B la famille C est P = 0 1 1 . Elle est triangulaire sans
0 0 1
zros sur la diagonale, donc inversible, donc C est une base de R3 . La
0 0 0
matrice de f dans la base C est N = 1 0 0 , car
0 1 0
f (1 ) = 2 , f (2 ) = 3 , f (3 ) = 0. Daprs la thorie du changement
de base, on a A = PNP 1 . N nest pas diagonale, mais triangulaire
infrieure, et les proprits de f se voient clairement sur la matrice N :
Sa seule valeur propre est 0, f nest donc pas bijective. Et puisque
f (1 ) = 2 , f (2 ) = 3 , f (3 ) = 0, on a N 3 = O3 , f 3 = 0.
1
1
1
1 1
0 .
1
2 1
P=
Chapitre 6 Diagonalisation
3.2 Applications
Puissances dune matrice, utilisation en probabilits
Supposons la matrice carre A diagonalisable : A = PDP 1 , avec P
inversible et D diagonalisable. Alors, pour tout p N :
Ap = PDP 1 . . . PDP 1 (p facteurs)
= PDp P 1
(ce quon peut aussi tablir par rcurrence). Le calcul de Ap peut alors
tre effectu : on calcule Dp , puis P 1 , puis PDp P 1 .
%
!
Pour p 0, 1/2 on considre
0
p
1 2p
p
0
p
1 2p
p
,
A=
1 2p
p
0
p
p
1 2p
p
0
et
1
1
1
1
1 1
1 1
P=
1
1 1 1
1 1 1
1
On a P 2 = 4I4 , P 14 P = I4 , donc P est inversible et P 1 = 14 P.
On vrifie que les 4 vecteurs colonnes u1 , u2 , u3 , u4 de la matrice
A sont vecteurs propres de A pour les valeurs propres respectives
1, 1 4p, 2p 1, 2p 1. Ils constituent donc une base de M1,4 (R)
forme de vecteurs propres de A. A est donc diagonalisable, et
1
0
0
0
0
0
0 1 4p
.
A = PDP 1 , avec D =
0
0
2p 1
0
0
0
0
2p 1
n
Donc A = 14 PDP, An = 14 PDn P
Le calcul de An nest plus alors quune question de patience. (Dn est la
matrice diagonale dont les lments de la diagonale sont, dans lordre,
1, (1 4p)n , (2p 1)n , (2p 1)n .)
On est amen calculer la puissance n-me de certaines matrices, par
exemple en utilisant la mthode donne ci-dessus, pour une utilisation
en probabilits dont nous donnons les grandes lignes. Le vocabulaire est
donn titre dinformation, aucune connaissance spcifique nest exigible.
167
Chapitre 6 Diagonalisation
1
0
Le pion est sur le sommet 1 au dpart, donc C0 = , donc PC0 est
0
0
1
(1 4p)n
la premire colonne de P, puis Dn PC0 = (2p
, puis
1)n
n
(2p 1)
1
1
1
1
1
1
n
n
1 (1 4p) 1 1 1
1 1 (1 4p)
Cn = P (2p
1
n =
1
1)
1
1 (2p 1)n
4
4
n
(2p 1)
(2p 1)n
1 1 1
1
un+2
Avec Yn = un+1 , on vrifie que, pour tout n, Yn+1 = AYn . On en
un
1
n
n 1 1
dduit, par rcurrence, Yn = A Y0 . On a donc Yn = PT P
.
1
On achve les calculs, et la troisime ligne de la matrice obtenue donne,
pour tout n N : un = 9 8 2n + 6n 2n1 .
quation matricielle
Soit rsoudre un problme du type nk=0 ak X k = A, o la matrice
A = PDP 1 est diagonalisable, et X est une matrice dterminer. Lide
gnrale est la suivante : on pose Y = P 1 XP. On a alors X = PYP 1
et lquation propose est quivalente
n
n
k
ak PYP 1 = PDP 1 ,
k=0
P 1 = PDP 1 , puis nk=0 ak Y k = D. Le problme
puis P
k=0 ak Y
obtenu est plus simple rsoudre, car D est diagonale.
16
4 4
5 . A est diagonalisable, on a A = PDP 1 ,
Soit A = 18 4
30
8 7
1 0 1
0 0 0
1 et D = 0 1 0 .
avec P = 2 1
0 0 4
2 1 2
k
Chapitre 6 Diagonalisation
171
Partie 3
Probabilits
Probabilit
sur un ensemble fini
A B = {v ; v A et v B}
Lvnement contraire de lvnement A est A, il est dfini par :
A = {v ; v V et v
/ A}
Les vnements A, B sont dits incompatibles ssi leur intersection est
lensemble vide :
AB=
est lvnement impossible.
V est lvnement certain.
175
Partie 3 Probabilits
1.2 Proprits
P () = 0 ;
P A = 1 P (A) ;
Croissance
Si A B, alors
P (A) P (B) et P B \ A = P (B) P (A)
176
Additivit
Si A1 , . . . , An sont des vnements deux deux incompatibles, alors
n
n
P
Ak =
P (Ak )
k=1
k=1
+ P (A1 A2 A3 )
pour n vnements A1 , . . . , An , n 2 :
n
n
(1)k1
Ai =
P Ai1 Ai2 Aik
P
i=1
k=1
1i1 <<ik n
1.3 Exemples
Probabilit uniforme
Avec V fini non vide, lapplication P dfinie sur P (V) par
Card (A)
nombre de cas favorables
=
P (A) =
Card (V)
nombre de cas possibles
est une probabilit, la probabilit uniforme sur V.
On dit aussi quon est en situation dquiprobabilit.
En situation dquiprobabilit, on utilisera les formules de dnombrement vues au 4 de lIntroduction, en commenant par dterminer
Card (V).
177
Partie 3 Probabilits
Dans le cas de tirages dans une urne, modle auquel on peut toujours se
ramener dans le cas o V est fini, on a :
Tirage une une et avec remise de k boules dune urne de taille n :
Card (V) = nk
Tirage une une et sans remise de k boules dune urne de taille n :
Card (V) = n (n 1) . . . (n k + 1)
Tirage exhaustif des n boules de lurne :
Card (V) = n!
Tirage simultan de k boules de lurne de taille n :
n
Card (V) =
k
Tirage simultan et tirage une une sont identiques si on sintresse uniquement au rsultat obtenu, et pas lordre dapparition des
boules.
Dans le cas trs frquent de tirage avec remise, vous devez penser
lindpendance des tirages ( 7.1.6) ! Et la loi binomiale, 7.4.2.
Probabilit dfinie partir des vnements lmentaires
Si V = {v1 , . . . , vn }, la donne de n nombres rels p1 , . . . , pn tels que
i 1, n, pi 0 ;
n
pi = 1
i=1
On a pk = P {vk } . Avec pk =
uniforme.
1
Card(V) ,
on retrouve la probabilit
On rencontre la notation PB (A) = P A/B , dangereuse car elle laisse
penser que A/B serait un vnement.
Utilisation
Formule des probabilits composes
Si A est de probabilit non nulle :
P (A B) = P (A) PA (B)
Si A1 A2 An1 est de probabilit non nulle :
1
1
1
... =
2
n
n!
Ai = V.
iI
179
Partie 3 Probabilits
iI
Formule de Bayes
Avec Ai0 un des lments du sce (Ai )iI :
P Ai0 B
PAi0 (B) P Ai0
=
PB Ai0 =
P (B)
iI PAi (B) P (Ai )
Dmonstration. Formule des probabilits totales : B est la runion des
vnements deux deux incompatibles B Ai . Ladditivit de la probabilit donne le premier rsultat. En appliquant la formule des probabilits
composes chacune des probabilits P (B Ai ), on obtient le deuxime
rsultat.
Formule de Bayes : dfinition de la probabilit conditionnelle, puis formule des probabilits composes pour le numrateur, et formule des
probabilits totales pour le dnominateur. Remarquez que le numrateur est un des termes de la somme du dnominateur.
La formule de Bayes doit tre considre comme une consquence
facile de la formule de probabilits totales. Pour appliquer celle-ci,
lnonc doit fournir (par les conditions de lexprience alatoire)
les probabilits PAi (B) , P (Ai ), et vous devez reconnatre le systme
complet dvnements en jeu.
Un sac contient n jetons numrots de 1 n. On tire au hasard un
jeton. Si on a obtenu le jeton n i, on lance i fois une pice de monnaie
quilibre. On cherche la probabilit de lvnement B : on obtient
0 pile .
Le sce est (Ai )1in , avec Ai : obtenir le jeton n i ; en effet, quelle
que soit lissue de lexprience, un et un seul des vnements Ai se
180
i 1, n,
i
1
2
i
n
1
1
1
= 1
n
2
n
2
n
1
i=1
P (A1 B)
PA (B) P (A1 )
= 1
=
P (B)
P (B)
1
n
1
2 1
2
1.6 Indpendance
Dfinition
Deux vnements A, B sont dits indpendants ssi
P (A B) = P (A) P (B)
ce qui est quivalent PB (A) = P (A) si B est de probabilit non nulle.
Les vnements A1 , . . . , An sont dits indpendants, ou mutuellement indpendants, ssi
I 1, n,
iI
Ai
P (Ai )
iI
Exemples fondamentaux
Les rsultats successifs du jet dune pice de monnaie, dun d, etc.
sont des vnements indpendants.
Les rsultats successifs de tirages AVEC REMISE dune boule dans une
urne sont des vnements indpendants.
181
Partie 3 Probabilits
Proprits
Si les vnements A1 , . . . , An sont indpendants, alors il en est de
mme des vnements B1 , . . . , Bn , avec Bi = Ai ou Bi = Ai .
Les vnements et V sont indpendants de tout vnement A.
Si les vnements A1 , . . . , An sont indpendants, alors ils sont deux
deux indpendants. La rciproque est fausse.
Ne confondez pas indpendance et incompatibilit. Lindpendance
est une notion probabiliste, pas lincompatibilit. Si deux vnements sont incompatibles, ils ne sont pas indpendants, et sils sont
indpendants, ils ne sont pas incompatibles, moins que lun des
deux ne soit de probabilit nulle.
X 1 (x) = {v ; v V, X (v) = x}
est not, de faon plus parlante, (X = x).
On note de mme (X x) , (a X b). . .
X (V) est lensemble des valeurs prises par X.
Dterminer la loi de probabilit de X, cest dterminer X (V),
et, pour chaque xi X (V), dterminer la probabilit P (X = xi ).
Rciproquement, soit {(xi , pi ) ; i I } un ensemble fini de couples
de nombres rels. Pour vrifier que cet ensemble est la loi de probabilit dune v.a finie X, avec P (X = xi ) = pi , il suffit de vrifier :
i I, pi 0 ;
pi = 1 .
iI
182
2.2 Proprits
La somme, le produit, le quotient (si le dnominateur ne sannule pas)
de deux v.a dfinies sur le mme ensemble V est une v.a.
Si f est une fonction dfinie sur X (V), alors la compose f X est
une v.a dfinie sur V.
Lensemble des v.a dfinies sur V est un ev pour les oprations
X + Y (somme de deux v.a), aX (produit dune v.a par un nombre
rel). Voir 5.1.2.
(Xi = xi ) =
P (Xi = xi )
P
i=1
i=1
Proprits
Si les v.a X1 , , Xn sont indpendantes, alors elles sont indpendantes
deux deux. La rciproque est fausse.
Si X1 , , Xn sont indpendantes, alors toute fonction de X1 , , Xp
est indpendante de toute fonction de Xp+1 , , Xn , 1 p < n. En
particulier, si X, Y sont indpendantes, alors toute fonction de X est
indpendante de toute fonction de Y .
Partie 3 Probabilits
kP (X = k)
k=0
Proprits
Linarit de lesprance
Soit X et Y deux v.a dfinies sur V fini et a, b deux nombres rels.
Alors
E (X + Y ) = E (X) + E (Y )
E (aX + b) = aE (X) + b
Lesprance est donc une forme linaire sur lespace vectoriel des v.a
dfinies sur V fini, voir chapitre 5.
Thorme de transfert
Soit X une v.a dfinie sur V fini, et w une application dfinie sur
X (V). Alors
E (w (X)) =
w (xi ) P (X = xi )
xi X(V)
En particulier, pour r N ,
E (X r ) =
xi r P (X = xi )
xi X(V)
mr (X) = E
(X r )
Proprits
Pour toute v.a X sur V, V (X) 0.
Si V (X) = 0, alors X est une v.a certaine :
X (V) = {c } ;
P (X = c) = 1
V (aX + b) = a2 V (X)
Dmonstration : Avec Y = aX + b, on a Y E (Y ) = a (X E (X)),
donc (Y E (Y ))2 = a2 (X E (X))2 , donc
V (aX + b) = V (Y ) = E (Y E (Y ))2 = a2 E (X E (X))2
do le rsultat.
Thorme de Koenig-Huygens
Soit X une v.a dfinie sur V fini.
Alors
V (X) = xi X(V) xi 2 P (X = xi ) [E (X)]2
2
Dmonstration : on
dveloppe (xi E (X)) , puis on utilise les rgles de
calcul sur le signe .
Daprs le thorme de transfert, on a donc :
V (X) = E X 2 [E (X)]2
V (X + Y ) = V (X) + V (Y )
185
Partie 3 Probabilits
avec
E (XY ) =
xi yj P X = xi , Y = yj
xi X(V),yj Y (V)
i=1
i=1
1i<jn
P (X = xi ) , y = yj
probabilits totales. Avec le sce Y = yj yj Y (V) , on a
xi X (V) , P (X = xi ) =
P (X = xi ) Y = yj
xi X(V)
et de mme pour P Y = yj , avec le sce (X = xi )xi X(V) .
Pour yj fix, la loi conditionnelle de la variable X sachant Y = yj ,
note X / Y = yj , est donne par
P (X = xi ) Y = yj
P(Y =yj ) (X = xi ) =
P Y = yj
x i yj P X = x i , Y = y j
xi X(V),yj Y (V)
3.3 Covariance
Soit X, Y deux v.a finies. Pour calculer V (X + Y ), on peut utiliser le
thorme de Koenig-Huygens.
Lidentit remarquable (a + b)2 = a2 + 2ab + b2 , et la linarit de lesprance fournissent alors :
V (X + Y ) = V (X) + V (Y ) + 2 [E (XY ) E (X) E (Y )]
Ceci amne poser la dfinition suivante.
Dfinition. Soit X, Y deux v.a finies. La covariance de (X, Y ) est le
nombre rel
Cov (X, Y ) = E (XY ) E (X) E (Y )
187
Partie 3 Probabilits
Proprits
V (X + Y ) = V (X) + V (Y ) + 2Cov (X, Y ).
Cov (X, Y ) est de signe de quelconque.
On a aussi Cov (X, Y ) = E ([X E (X)] [Y E (Y )]).
Si X, Y, Z sont des v.a sur V fini, et si a est un nombre rel, on a
Cov (X, X) = V (X) ;
Cov (X, Y ) = Cov (Y, X) ;
Cov (X + Y, Z) = Cov (X, Z) + Cov (Y, Z) ;
Cov (X, Y + Z) = Cov (X, Y ) + Cov (X, Z) ;
Cov (aX, Y ) = Cov (X, aY ) = a Cov (X, Y ).
La formule V (X + Y ) = V (X) + V (Y ) + 2Cov (X, Y ) permet le calcul
de Cov (X, Y ), si les variances de X, Y et X + Y sont connues :
Cov (X, Y ) =
1
(V (X + Y ) V (X) V (Y ))
2
Cov (X, Y ) = 0
V (X + Y ) = V (X) + V (Y )
Les rciproques sont fausses. La covariance de deux v.a finies non
indpendantes peut tre gale 0. On peut juste dire que si la covariance
de (X, Y ) est diffrente de 0, alors X, Y ne sont pas indpendantes.
Dmonstration. Le polynme en l
P (l) = V (lX + Y ) = l2 V (X) + 2lCov (X, Y ) + V (Y )
est positif ou nul ; son discriminant est donc ngatif ou nul ; on en dduit
[Cov (X, Y )]2 V (X) V (Y )
do le premier rsultat. Il y a galit ssi le polynme P admet une racine
)
l, ssi il existe c tel que lX + Y = c, avec l = Cov(X,Y
V(X) , do le
deuxime rsultat. Si X, Y sont indpendantes, alors Cov (X, Y ) = 0,
do le troisime rsultat.
Partie 3 Probabilits
Dautre part les situations qui amnent une loi binomiale sont trs
frquentes. Cest pourquoi il convient davoir lesprit et la loi et le
modle.
Dmontrons le rsultat sur lesprance (on note q = 1 p) :
n
n
n
E (X) =
kP (X = k) =
k
pk qnk
k
k=0
k=1
n
n 1
n 1 k n k
n 1 i+1 n1i
=
n
pq
=n
p q
k1
i
i=0
k=1
n 1
n 1 i n1i
= np
pq
= np(p + q)n1 = np
i
i=0
190
i=1
i=1
i=1
i=1
(Z = k) =
k
[(X = i) (Y = k i)]
i=0
191
Partie 3 Probabilits
i=0
n
i=0
n
i
m
ki
pk qn+mk
i=1
nk
N
X (V) 0, n ; k 0, n, P (X = k) =
n
n
avec la convention k = 0 si k < 0 ou k > n.
Modle. On prlve au hasard un chantillon de n individus dans
une population de taille N. Parmi ces N individus, une proportion
p prsente le caractre tudi C. X est le nombre dindividus de
lchantillon prsentant le caractre tudi.
Esprance
E (X) = np
192
Appelons individu-C un individu prsentant les caractre tudi. On trouve facilement la loi de X partir de son modle, par
des considrations de dnombrement : on est en situation dquiprobabilit, et il sagit
N dun tirage simultan de n individus parmi N,
donc Card (V) = n ; on constitue un chantillon ralisant lvnement (X = k) en choisissant. k individus-C parmi Np individus-C, puis
n k individus-non-C parmi N (1 p) individus-non-C, ce qui donne
Card ((X = k)).
H (N, n, p) est une loi de probabilit, par consquent
n
Np
N (1 p)
N
=
k
n
n
k
k=0
X=
Np
Xi
avec Xi B
i=1
i=1
1i<jNp
avec Cov Xi , Xj = E Xi Xj E (Xi ) E Xj . Tout est connu, hormis
E Xi Xj et le nombre de termes dans la somme double.
193
Partie 3 Probabilits
=
Cov Xi , Xj =
N (N 1)
N
N (N 1)
Np
et il y a 2 tels termes. En effet, il a autant de couples (i, j) tels
que 1 i < j Np quil y a de parties {i, j} deux lments dans
un ensemble Np lments.
Il ne reste plus qu achever les calculs, on trouve
V (X) = np (1 p)
N n
N 1
P (X = k) =
1
n
Esprance, variance
E (X) =
n+1
n2 1
; V (X) =
2
12
Pour le calcul de E (X), on utilise la formule nk=1 k = n(n+1)
2 . Pour le
calcul de V (X),
de Koenig-Huygens, puis, pour
on
utilise le thorme
le calcul de E X 2 , la formule nk=1 k2 = n(n+1)(2n+1)
.
6
Avec a, b N, a < b, on dit que Y suit la loi uniforme sur a, b
ssi, pour tout k a, b, P (Y = k) = 1n , avec n = b a + 1, nombre
dlments de lensemble a, b. La v.a X = Y a + 1 suit alors la loi
194
1
n
(b a) (b a + 2)
a+b
; V (Y ) =
2
12
Simulation informatique.
! " retourne un nombre alatoire suivant la loi uniforme sur {0, . . . , n 1}. On en dduit la
simulation dune v.a de loi uniforme sur {a, . . . ,b} :
)
4
(4
Soit X1 , , Xm des v.a suivant la loi uniforme sur 1, n, et indpendantes. Pour dterminer la loi du maximum M de ces variables, on
commence par dterminer la probabilit P (M k), pour 1 k m :
m
m
m
k
(Xi k) =
P (M k) = P
P (Xi k) =
n
i=1
i=1
m
k
k1 m
n
n
195
Variables alatoires
discrtes
1.1 Dfinitions
Tribu, espace probabilisable. Soit V un ensemble non vide quelconque. Une tribu sur V est un ensemble T de parties de V (cest--dire
un sous-ensemble de P (V) ) tel que :
VT ;
si A T , alors A T ;
si, pour tout n N , An T , alors
An T .
nN
Partie 3 Probabilits
P (V) = 1 ;
si les An sont deux deux incompatibles, alors :
P
An =
P (An ) (proprit de s additivit)
nN
nN
(croissance) si A B, alors
P (A) P (B) et
i=1
P B\A = P (B) P (A)
formule du crible.
On a de plus les proprits suivantes, dites proprits de limite
monotone :
si A0 A1 An , alors
+
P
An = lim P (An )
n= 0
n+
si A0 A1 An , alors
+
P
Ai = lim P (An )
n= 0
n+
Bn Bn+1 .
n+
k=0
P (A B)
P (B)
Partie 3 Probabilits
fini ou dnombrable.
On a, avec (Ai )iI systme (quasi-) complet dvnements, pour tout
vnement B :
P (B) =
P (B Ai ) =
PAi (B) P (Ai )
iI
iI
Quand V (ensemble des rsultats lmentaires de lexprience alatoire) est infini, on ne peut pas dfinir sans contradiction la probabilit P (A) pour tout lment A de P (V). Il faut se restreindre
un sous-ensemble T de P (V) convenablement structur. Dans la
pratique, cela ne pose pas de difficults.
La proprit de sadditivit demande la probabilit tend la proprit dadditivit des runions infinies. Elle comporte la somme
dune srie. La convergence de cette srie na pas tre tablie :
n
en effet les sommes partielles
P (Ak ) forment une suite croissante
k=0
k=0
2.2 Proprits
Ce sont les mmes que dans le cas fini :
La somme, le produit, le quotient (si le dnominateur ne sannule pas)
de deux vad dfinies sur le mme ensemble V est une v.a dfinie sur V.
Si w est une fonction valeurs dans R dfinie sur X (V), la compose
w X est une v.a dfinie sur V.
Lensemble des v.a dfinies sur V constitue un espace vectoriel pour les
oprations X + Y, aX.
Proprits.
Soit FX la f.r dune v.a X. Alors
FX est croissante sur R.
FX est continue droite en tout point de R.
lim FX (x) = 0 ; lim FX (x) = 1
x
x+
Partie 3 Probabilits
P (X = k) = FX (k) FX (k 1)
Soit FX la f.r dune v.a X. La v.a X est infinie discrte (resp. finie)
ssi FX est une fonction en escalier (cest--dire constante par intervalles),
telle que lensemble de ses points de discontinuit est dnombrable (resp.
fini). Cet ensemble est alors gal X (V).
(Xi = xi ) =
P (Xi = xi )
P
i=1
i=1
La suite (Xn )nN est une suite de v.a indpendantes ssi, pour tout
n N , les v.a X1 , X2 , , Xn sont indpendantes.
Proprit
Si (Xn )nN est une suite de v.a indpendantes, alors toute fonction de
X1 , X2 , , Xn est indpendante de toute fonction de Xn+1 , , Xn+p .
En particulier, si X et Y sont indpendantes, alors toute fonction de X
est indpendante de toute fonction de Y .
202
E (X) =
kP (X = k) ;
k=0
Partie 3 Probabilits
et la srie de terme gnral n , n N , est une srie de Riemann divergente. Par consquent, X nadmet pas desprance.
Variance, cart-type
Dfinitions
Soit X une v.a infinie discrte admettant une esprance E (X). Sous
rserve de convergence de la srie, la variance de X est dfinie par :
[xi E (X)]2 P (X = xi )
V (X) =
xi X(V)
Proprits
Pour toute v.a X admettant une variance, V (X) 0. Si V (X) = 0,
alors X est une v.a quasi-certaine : X (V) = {c } ; P (X = c) = 1.
Si X admet une variance, et a, b R, alors aX + b admet une
variance, et
V (aX + b) = a2 V (X)
204
a
,
n3
avec a =
+
1
n3
n= 1
V (X + Y ) = V (X) + V (Y )
dans le cas gnral :
avec
E (XY ) =
xi yj P X = xi , Y = yj
xi X(V),yj Y (V)
205
Partie 3 Probabilits
Xi admet une
i=1
i=1
i=1
1i<jn
En particulier,
E (XY ) =
x i yj P X = x i , Y = y j
xi X(V),yj Y (V)
sous rserve dexistence, cest--dire sous rserve de convergence absolue de la srie. Si X et Y admettent des variances, alors cette convergence
est acquise (admis).
3.2 Covariance
Pour dterminer la variance de X + Y , on fait les mmes calculs que dans
le cas fini, mais sous rserve dexistence. On admet que ces calculs sont
possibles si X et Y admettent des variances.
Dfinition. Soit X, Y deux vaid admettant des variances. La covariance
de (X, Y ) est le nombre rel
Cov (X, Y ) = E (XY ) E (X) E (Y )
avec E (XY ) =
x i yj P X = x i , Y = y j
xi X(V),yj Y (V)
Proprits. Ce sont les mmes que dans le cas fini, sous rserve dexistence. Pour mmoire :
Si X, Y sont deux vaid admettant des variances, alors X + Y admet une
variance, et
V (X + Y ) = V (X) + V (Y ) + 2Cov (X, Y )
Cov (X, Y ) est de signe de quelconque.
On a aussi Cov (X, Y ) = E ([X E (X)] [Y E (Y )]).
Si X, Y, Z admettent des variances et si a est un nombre rel, on a :
E (XY ) = E (X) E (Y )
Cov (X, Y ) = 0
207
Partie 3 Probabilits
V (X + Y ) = V (X) + V (Y )
Les rciproques sont fausses. La covariance de deux vad non indpendantes peut tre gale 0. On peut juste dire que si la covariance de
(X, Y ) est diffrente de 0, alors X, Y ne sont pas indpendantes.
Coefficient de corrlation linaire
Dfinition. Soit X, Y des vad admettant des variances, et non quasicertaines. Le coefficient de corrlation linaire est le nombre rel rX,Y
dfini par
Cov (X, Y )
rX,Y =
s (X) s (Y )
Proprits
|rX,Y | 1 ; si |rX,Y | = 1, alors il existe a, b rels tels que lvnement
Y = aX + b est quasi-certain, et a est du signe de r.
Si X, Y sont indpendantes, alors rX,Y = 0. La rciproque est fausse.
P (X = n) =
q p=p
qn = p
=1
1
q
n= 1
n= 1
n= 0
qn est donc convergente, de
car q ]0 ; 1[, la srie gomtrique
nN
1
somme
. Voir 2.4.2.
1q
La vrification faite que la loi gomtrique est bien une loi de probabilit est tout fait essentielle. Elle montre que dans une suite dpreuves
identiques et indpendantes, on est quasi-certain dobtenir le succs.
Les calculs de lesprance et de la variance de X suivant la loi G (p)
doivent tre parfaitement matriss. Il font appel aux calculs sur les sries
gomtriques et sries gomtriques drives ( 2.4.2). En voici les
grandes lignes. On note q = 1 p.
Pour E (X) : sous rserve de convergence (absolue) de la srie :
E (X) =
nP (X = n) =
n= 1
nqn1 p = p
n= 1
nqn1
n= 1
n 1
nqn1 =
n= 1
1
1
= 2
p
(1 q)2
+
n= 1
n (n 1) qn1 p = pq
n (n 1) qn2
n= 2
209
Partie 3 Probabilits
qn p = p
1
= 1.
1q
Pour le calcul de lesprance et de la variance, on peut procder directement, on peut aussi remarquer que la va Y = X + 1 suit la loi gomtrique de paramtre p : Y (V) = N , et, pour tout n dans N :
P (Y = n) = P (X = n 1) = qn1 p. On utilise alors les formules :
E (aX + b) = aE (X) + b, V (aX + b) = a2 V (X) pour trouver :
q
q
E (X) = ; V (X) = 2
p
p
Mentionnons quil sagit dune loi sans mmoire :
n, m N , P(X n) (X n + m) = P (X m) .
P (X = n) = qn +
k=0
qk1 p = qn + p
k=1
1 qn
=1
1q
k1
kq
k=1
qk = q
k=1
1 qn
1q
ln
n!
P (X = n) =
+
n= 0
e l
+ n
ln
l
= e l
= e l el = 1
n!
n!
n= 0
211
Partie 3 Probabilits
E (X) =
nP (X = n) =
n= 0
nel
n= 1
= e l l
+
k=0
+
ln
ln 1
= e l
l
(n 1)!
n!
n= 1
lk
= el lel = l
k!
n
((X = k) (Y = n k))
k=0
P (x = k) P (Y = n k) =
k=0
P (Z = n) = e(l+m)
n
k=0
e l
lk m mnk
e
(n k)!
k!
1 lk mnk
1
n!
= e(l+m) (l + m)n
n! k=0 k! (n k)!
n!
n
212
k=1
Aspect numrique
Soit X P (l), l > 0. On vrifie facilement que
n N, P (X = n + 1) =
l
P (X = n)
n+1
En effet,
n N,
l l ln
ln+1
l
= e l
P (X = n) =
e
(n + 1)!
n+1
n+1
n!
Grce cette formule, on peut crire un programme en langage PASCAL affichant les tables numriques de la loi de Poisson pour une valeur
donne par lutilisateur du paramtre l.
La valeur de l donn par lutilisateur est stocke dans la variable dentre
. Avec X P (l) , et F la f.r de X, le programme affiche les
valeurs successives de n, P (X = n) , F (n), tant que F (n) < 1 106 . Les
variables de sortie sont (.
&&
(
!))" !"
*!+" (*!+"
! (" {P (X = 0) = F (0) = el }
(,+$+-
l
./ {utilise P (X = n + 1) = n+1
P (X = n)}
(( {utilise F (n + 1) = F (n) + P (X = n + 1)}
! ("
#$
213
Partie 3 Probabilits
P(Z=n) (X = k) =
P(N =n)
n= 0
+
n= k
= p k e l
(X = k) P (N = n)
+
1 nk ln
n k nk l ln
pq e
= p k e l
q
k
(n k)!
n!
k!
1
k!
+
i=0
qi
li+k
1
= lk pk el
i!
k!
(lp)k
1
= (lp)k el eql = elp
k!
k!
214
n= k
+
i=0
(ql)i
i!
lim P (Xn = k) = el
n+
En effet, on a
lk
k!
k
l
l n k
n
P (Xn = k) =
1
k
n
n
k
l
n!
l n k
=
1
k! (n k)! nk
n
n+
nk
k!
Et dautre part :
l
l n k
1
= e(nk) ln(1 n ) el
n+
n
l
car lexposant est quivalent n n , sa limite est donc l.
Et on a la conclusion.
On dit que la suite (Xn ) converge en loi vers une v.a X de loi P (l).
(Voir 9.3.3.)
Pratiquement, cela veut dire que pour les grandes valeurs de n,
P (X = k) est une bonne approximation de P (Xn = k).
215
Variables alatoires
densit
Convergences,
approximations
estimation
1. Gnralits
1.1 Dfinitions
Densit de probabilit
Une densit de probabilit est une fonction f : R R telle que :
f 0 sur R ;
f est continue sur R priv dun nombre fini de points ;
( +
f (t) dt = 1.
Fonction de rpartition
Comme pour nimporte quelle v.a, la fonction de rpartition (f.r) de
X est la fonction FX dfinie par :
x R,
FX (x) = P (X x)
217
Partie 3 Probabilits
Indpendance
On dit que les vaac X et Y sont indpendantes ssi
x, y R,
P ((X x) (Y y)) = P (X x) P (Y y) ,
( +
f (t) dt = 1 P (X a) = 1 FX (a) .
P (X > a) =
a
f (t) = et si t 0.
0
( x
= lim
et dt
x+
%
!x
= limx+ et 0 = 1
Partie 3 Probabilits
Si x 0, F (x) =
et dt = 1 ex .
x 2
1e
si x 0
FM est continue sur tout R, de classe C1 sur ], 0[ et ]0, +[, donc
M est une variable alatoire densit. Pour avoir une densit fM de
M, on drive FM sur chacun des intervalles ] ; 0[, ]0 ; + [ et on
prolonge de manire arbitraire en 0. On a donc par exemple :
0
si x < 0
fM (x) =
2ex 1 ex si x 0
t f (t) dt
Linarit de lesprance. Soit X et Y des v.a quelconques (discrtes ou densit), admettant des esprances, et a, b deux rels. Alors
X + Y et aX + b admettent des esprances, et on a
E (X + Y ) = E (X) + E (Y ) ;
220
E (aX + b) = aE (X) + b
Variance
Soit X de densit f , admettant une esprance E (X). Par dfinition,
( +
(t E (X))2 f (t) dt = E [X E (X)]2
V (X) =
est convergente. On a alors V (X) = E X 2 [E (X)]2
1
si a x b
f (x) =
ba
0
sinon
Fonction de rpartition
xa
F (x) =
ba
1
si x a
si a x b
si x b
Esprance
E (X) =
a+b
2
221
Partie 3 Probabilits
0
si x a
a
xa
si a x b
FY (x) = FX
=
ba
ba
1
si x b
a
Car w : x xb
a est une bijection strictement croissante de R sur
(a)
R, avec w = 0 et w (b) = 1. On a bien Y U ([a, b]).
0
si x 0
1 eax si x 0
Esprance, variance
E (X) =
1
;
a
V (X) =
1
a2
Y =
ln (X)
a
10
si eax 0
ax
1e
si 0 eax 1
=
11
si eax 1
Or pour tout x R, eax > 0, et eax 1 x 0.
Par consquent : G (x) = 1 eax si x 0 ; G (x) = 0 si x 0.
On reconnat bien lexpression de la f.r dune v.a de loi E (a).
(a) (a > 0).
Si X U (]0 ; 1]), alors Y = ln(X)
a E
On utilise ce rsultat pour simuler une v.a suivant la loi E (a) :
&
( ( ?&
&)B)C
/0123
&
& B
( B8
CB!& 5
C036-
223
Partie 3 Probabilits
Si x 0, alors
( x
( 0
f (t) dt =
0 dt +
aeat dt
0
% at !x
ax
= 0 + e
=1e
0
(
F (x) =
0
0
2
On procde de mme pour le calcul de E X , pour obtenir V (X).
Remarques
Loi exponentielle et loi gomtrique. Soit X E (a), et T la v.a
dfinie sur N par :
n N , (T = n) = (n 1 X n)
P (Y > t) = elt
(lt)0
= elt ;
0!
P (Y t) = 1 elt
V (X) = s2
On a E (X ) = 0 ; V (X ) = 1.
Proposition 1. X N m, s2 si et seulement si la v.a centre
rduite X associe suit la loi normale N (0, 1), ou loi normale
centre rduite :
X m
N (0, 1)
X N m, s2 X =
s
Soit X N (0, 1).
X a pour densit la fonction w dfinie par w(t) =
consquent (intgrale de Gauss) :
( +
t2
e 2 dt = 2p
t
1 e 2
2p
et par
E (X ) = 0 ; V (X ) = 1.
225
Partie 3 Probabilits
Soit a, b, x R, avec a < b, et X N m, s2 . Alors
xm
P (X x) = F
s
P (a X b) = F
bm
s
F
am
s
Pour tout x R,
F (x) = 1 F (x) .
Les valeurs de F ; sont tabules (uniquement pour les valeurs positives,
ce qui est suffisant en utilisant le 2 de la proposition 2).
Pour toute v.a X N m, s2 :
P |X m| s = P (m s X m + s)
m+sm
msm
=F
F
s
s
= F (1) F (1) = 2F (1) 1 0,68
partir de la loi normale centre rduite, on peut retrouver la valeur
de certaines intgrales.
(
2 t2
t e
0
dt =
2p
. En effet, avec X N (0, 1), on a E (X ) = 0
2
et V (X ) = 1, donc
( +
t2
1
(t 0)2 e 2 dt = 1,
2p
donc
t2
t2 e 2 dt =
2p
3. Convergences et approximations
3.1 Ingalit de Bienaym - Tchebycheff
Thorme. Soit X une variable alatoire discrte ou densit, possdant une esprance E (X) et une variance V (X).
Alors :
V (X)
> 0, P |X E (X)|
2
La probabilit quune v.a s carte de plus de de sa valeur moyenne
est dautant plus faible que sa variance est petite et que est grand.
De faon quivalente, on a :
V (X)
> 0, P |X E (X)| < 1
2
n+
Dmonstration de la loi faible des grands nombres : on applique lingalit de Bienaym-Tchebycheff Zn , dont lesprance est gale m, et la
2
variance sn .
227
Partie 3 Probabilits
Thorme.
l Soit l > 0 fix, et soit, pour tout n N , Xn une v.a
de loi B n, n . Alors
k N,
lim P (Xn = k) = el
n+
lk
k!
On dit que la suite de v.a (Xn ) converge en loi vers une v.a de loi P (l).
Ce thorme a t dmontr 8.4.2.
Exemple 2 : Thorme de la limite centre
Thorme. Soit (Xn ) une suite de v.a indpendantes et de mme
loi, desprance m et de variance s2 positive.
Soit Sn la variable centre rduite associe
Sn = X1 + X2 + ... + Xn
Alors Sn converge en loi vers X de loi normale centre rduite,
cest--dire que lon a, pour tout a, b dans R tels que a < b :
( b 2
t
1
e 2 dt
lim P a Sn b =
n+
2p a
Thorme admis.
E (Sn ) = nm ; V (Sn ) = ns2 ; Le thorme de la limite centre signifie
donc, pour tout a, b dans R tels que a < b :
( b 2
t
Sn nm
1
b =
e 2 dt
lim P a
n+
s n
2p a
Soit Zn = 1n (X1 + X2 + + Xn ) = Snn .
On a daprs lgalit ci-dessus :
( b 2
t
Zn m
1
=
b
e 2 dt
lim P a
s
n+
2p a
n
s2
n ,
on obtient :
( b 2
t
1
lim P a Zn b =
e 2 dt
n+
2p a
228
Avec Zn v.a centre rduite associe Zn , la suite Zn converge elle
aussi vers X de loi normale centre rduite.
De faon gnrale, on dit que la suite de v.a (Xn ) converge en loi vers
la v.a X ssi, avec Fn f.r de Xn et F f .r de X :
lim Fn (x) = F (x)
n+
3.4 Approximations
1
Si le taux de sondage Nn est infrieur 10
, la loi hypergomtrique
(N,
H
n, p) peut tre approche par la loi binomiale B (n, p).
Si n est grand et p petit la loi binomiale B (n, p) peut tre approche
par la loi de Poisson P (np).
Si n est grand et p ni trop grand ni trop petit, la loi binomiale B (n, p)
peut tre approche par la loi normale N (np, np (1 p)).
Si l est grand, P (l) peut tre approche par N (l, l).
On donne ici des critres qualitatifs ( n grand . . . ), il existe des critres
plus prcis.
Si n est grand et p petit la loi binomiale B (n, p) peut tre approche par
la loi de Poisson P (np) : cela signifie que dans les conditions mention
1
1
, avec X N (l, l)
P (X = n) P n X n +
2
2
Dans tous les cas, on approche une loi par une autre loi ayant mme
esprance, et mme variance sil y a besoin dajuster deux paramtres.
Du thorme de la limite centre, on infre le rsultat suivant :
Soit (Xn ) une suite de v.a indpendantes et de mme loi, desprance m
et de variance s2 > 0, et soit
Sn
Sn = X1 + X2 + + Xn ; Zn =
n
229
Partie 3 Probabilits
Alors Sn suit approximativement la loi N nm, ns2 , et Zn suit approxi
2
mativement la loi N m, sn .
4. Estimation
Une exprience alatoire donne lieu une observation numrique. Cela dfinit
une variable alatoire X. Dans la pratique, la loi de X nest pas compltement connue, elle dpend dun paramtre que lon cherche estimer.
On lance une pice de monnaie. X = 1 si on obtient pile, 0 sinon.
X suit la loi de Bernoulli B (p). p (probabilit dobtenir pile ) est le
paramtre estimer.
Des vhicules se prsentent un page de faible trafic.
X, nombre de vhicules se prsentant durant un intervalle de temps de
10 mn, suit la loi de Poisson P (l). On cherche estimer l.
Une photocopieuse tombe en panne. On peut chercher modliser sa
dure de bon fonctionnement par une v.a X suivant la loi exponentielle
E (a). a est inconnu et on cherche lestimer.
Proprits
La moyenne empirique
1
Zn = (X1 + X2 + + Xn )
n
est un estimateur sans biais de E (X).
En effet, daprs la linarit de lesprance :
1
E (Zn ) = (E (X1 ) + E (X2 ) + + E (Xn ))
n
1
= nE (X) = E (X)
n
Avec r (Tn ) le risque quadratique et b le biais de Tn :
r (Tn ) = b2 + V (Tn )
Dmonstration :
(Tn u)2 = [Tn E (Tn ) + E (Tn ) u]2 = [Tn E (Tn ) + b]2
= (Tn E (Tn ))2 + 2b (Tn E (Tn )) + b2
Partie 3 Probabilits
1
000
i=1
Xi ;
Z1 000 =
1 000
S1 000
1
=
Xi
1 000
1 000 i=1
1
4
(tudier la fonction
p (1 p)
1
1
1
0,90 pour tout .
2
2
1 000
4 000
20
On a obtenu finalement
1
0,90
P |Z1 000 p| <
20
1
1
1
1
< 0,48 p <
20
20
20
1
1
0,48
< p < 0,48 +
20
20
233
Partie 4
Informatique
lments
dalgorithmique
10
1. Le langage PASCAL
1.1 Structure gnrale dun programme
1 ) En-tte du programme
Syntaxe
&
( ( ;
2 ) Dclaration des variables
?)(+
+
+
+,--.
(
+,--$)--$.
Commentaires
de type entier
? et (+ de type rel
et ( de type tableau ;
,., . . . , ,.
sont 10 variables de type entier ;
(,)., . . . , (,$)$.
sont 9 variables de type rel
de type boolen ; sa valeur est
(vrai) ou (faux)
Partie 4 Informatique
1.2 Variables
Une variable au sens informatique est un emplacement dans la mmoire
de lordinateur. Cet emplacement est cr quand la variable est dclare.
Si une variable de type
est dclare, un emplacement de 2
octets est rserv. Cet emplacement est destin recevoir une certaine
valeur entire appartenant 32768, 32767, appele le contenu (ou
valeur) de la variable . Ce contenu peut changer au cours de lexcution du programme.
Un algorithme informatique est une suite dinstructions destine produire un certain contenu pour une ou plusieurs variables de sortie,
partir du contenu dune ou plusieurs variables dentre.
Initialiser une variable, cest lui donner une premire valeur.
Une variable doit toujours tre initialise.
On initialise une variable dentre par lecture :
5
5
D D
et ont t initialiss
,. reoit la valeur 10,
...
,. reoit la valeur 1
238
entre(s)
rel/ entier
rel ou entier
rel ou entier
rel
rel/entier
sortie
rel/entier
rel
rel
entier
rel/entier
commentaire
: multiplication
division
sqrt : racine carre
partie entire
valeur absolue
Mentionnons aussi et ( , quotient et reste dans la division euclidienne. Entres et sorties sont de type entier.
Le contenu de 23 5 est 4, le contenu de 23 ( 5 est 3, car
23 = 5 4 + 3.
Oprateurs logiques
Entre(s) et sortie sont de type boolen (reoivent la valeur
ou
).
&
F
G
&
G
F
&
F
F
G
G
E
F
G
F
G
&
E
F
F
F
G
& E
F
G
G
G
Oprateurs relationnels
Les variables dentre sont de type rel ou entier. La variable de sortie
est de type boolen :
; ;8 pour = ; ; ; 8 ; ; pour ; 8 pour
La variable a le contenu
si le contenu de est gal au
contenu de , et le contenu si le contenu de nest pas gal au
contenu de .
Les oprateurs relationnels sont utiliss principalement dans les instructions conditionnelles :
< relation > < instructions > [ < instructions >]
5 < relation > < instructions >
Partie 4 Informatique
;
8
Si
a la valeur
, les instructions A sont excutes ; sinon les
instructions B sont excutes.
< instructions A >
< instructions B >
240
Variante :
GJK 6JL3FJ 6J Les instructions A sont excutes avec
de contenu , puis avec de contenu
< instructions A >
,. . . , puis une dernire fois avec
de contenu .
Si ;, les instructions A ne sont pas excutes.
Chacun des passages dans la boucle, cest--dire chacune des excutions
du groupe dinstructions A, est une itration.
Comme dans le cas de linstruction conditionnelle, si il ny a quune
seule instruction A, le
est inutile.
Partie 4 Informatique
&
(
{en-tte du programme}
)
{dclaration des variables du programme, dites globales}
{}
&
PMK ?)+
{en-tte de la procdure, avec x et y comme paramtres}
?
{dclaration des variables internes la procdure, dites locales}
? ? ? + + ? 5
?)+
{avant deffectuer ? +, on stocke le contenu de ? dans une variable
auxiliaire, sinon sont contenu est perdu}
{le
encadre le corps de la procdure}
{}
/0123
{dbut du programme principal}
5
DD
5
DD
{initialisation des variables dentre}
8
)
{si 8 , il y a appel de la procdure
, qui est alors excute
avec les paramtres ?)+ remplacs par les variables )}
5
)
{affichage du rsultat}
036- {fin du programme principal}
242
Partie 4 Informatique
Rcursivit
Dans le corps de la fonction &
prcdente, lintroduction de
la variable locale xpn est artificiel, mais obligatoire pour une fonction
dfinie de faon itrative.
Une autre possibilit est de dfinir une fonction &
de faon rcursive, trs proche de la dfinition mathmatique du nombre xn :
x0 = 1
si n 1 xn = xn1 x
valable pour tout n N et tout x R, avec la convention 00 = 1.
On crit :
&
?
&
&
&
?
Quelques remarques
On dfinit une fonction de la mme de la mme manire quon dfinit
une procdure ou un programme simple :
partie dclarative :
en-tte de la fonction, avec ses ventuels paramtres ;
dclaration des ventuelles variables locales ;
corps de la fonction.
Rciproquement, un programme simple peut toujours tre rcrit
pour obtenir une procdure ou une fonction suivant le cas (une fonction
si la sortie est une variable de type entier, rel, tableau ou boolen ; une
procdure si la sortie est plus complexe).
Pour une fonction, on fait toujours passer les paramtres en valeur
(absence du mot-cl PMK devant les paramtres) ;
Linstruction 5
est une commodit daffichage : elle produit
lcran une ligne vide.
Le langage PASCAL nest pas sensible la casse : il ne distingue pas
majuscule et minuscule. On peut utiliser cette proprit pour mettre en
valeur certaines instructions. Ici on a choisi de mettre en valeur le /0123
036 du programme principal et le mot-cl PMK devant les paramtres de
sortie dune procdure.
244
2. Exemples dalgorithmes
2.1 Algorithmes de base
Programmation dune suite un+1 = f (un )
Calcul et affichage des 100 premiers termes de la suite (un ) dfinie par
2
u0 = 1
avec f (x) = ex
n N, un+1 = f (un )
Linstruction cruciale est
&
(
{en-tte du programme}
{dclaration des variables globales}
?
?&??
{dclaration de la fonction f}
/0123
{dbut du programme principal}
{initialisation des variables}
5
)
{affichage du terme de rang 0 de la suite, avec son rang}
##
{le contenu un de u est remplac par f (un ) = un+1 }
5
)
{affichage du terme de rang n de la suite, avec son rang}
036{fin du programme principal}
Partie 4 Informatique
1
x
&
( ((
@)
?
!?
/0123
@
@@4
5
))@
036On pourra adapter ce programme dautres fonctions f , par exemple :
1
1
1
1
; f (x) = 2
; f (x) = 3
f (x) = 2 ; f (x) =
(x
x
x 1)
x 1
x
&
4 @@4!
@8M
5
@)
036-
246
n
xk
k=0 k! ,
premire mthode
&
?
&
&
&
?
@?
@
{ avec n = 0, le contenu de S1 doit tre x0 /0! = 1 }
@@?)4 &
?)!
?)
1=
x0
x1
x2
;
;
; ...
0!
1!
2!
247
Partie 4 Informatique
@?
@(( )&
& @(( {valeurs de
& &?!
x0
0!
et
k 1
0
xk
k=0 k! }
produit une addtion et une division et il y a tels appels. Les appels des
fonctions &
?) et
?) produisent eux-mme, pour
toute valeur de , chacun multiplications. On compte donc en tout :
additions ; divisions ;
4 4 4 --- 4 multiplications.
Pour S2, chaque passage dans la boucle
248
&
(&
PMK A
A
&
(
{resultat est un rel alatoire appartenant [0 ;1]}
;& 5
D@D
5
D0D
{la probabilit de
; & est p, probabilit du succs}
AA4
{numro du tirage en cours}
; &
{on continue jusquau succs}
L
A
On peut utiliser la procdure ainsi dfinie dans un programme principal, par exemple sous la forme :
/0123
(H
(-)C
5
C
036La variable C est une variable (dclare) du programme principal.
Lexcution du programme produira par exemple laffichage
EEEEEES7 (criture dans le corps de la procdure)
7 (criture dans le programme principal)
Partie 4 Informatique
(H
&
( {le paramtre inconnu de X}
@ {initialisation de la somme X1 + + Xn }
{1000 taille de lchantillon}
(&)A
@@4A
5
@! {valeur donne par lestimateur Z1000 }
5
!& {on compare la valeur de lesprance}
036-
250
+,--.
))(?)
(?
/0123
5
DD
5
D<
D))D(
,.
(?,.
(?
,.8(?
(?,.
(?
5
(?)(?
036-
<
D
251
Partie 4 Informatique
4! {
partie entire}
,.A
,.;A
))A
,.8?
))A
252
Index
A
accroissements finis 51
algorithme
du pivot 118
informatique 238
application
bijective 3
identit 4
injective 3
surjective 3
au voisinage de 34
automorphisme 138
B
biais 230
bijection 3
thorme de la) 44
rciproque 4
branches infinies 40
C
cardinal (dun ensemble) 12
changement de variable
dans une intgrale dfinie 90
dans une intgrale gnralise
104
coefficient de corrlation linaire
188
combinaison linaire 134
condition ncessaire 6
condition suffisante 6
253
Index
M
matrice de passage 153
matrices semblables 155
mthode
de dichotomie 46
de Horner 23
du pivot 110
moyenne 183, 202, 220
empirique 231
N
n-chantillon 230
ngligeabilit
fonctions 34
suites 66
gomtrique
identit 68
loi 208
srie 77
suite 67
I
ingalit(s)
de Bienaym - Tchebycheff
227
de Taylor-Lagrange 97
des accroissements finis 51
triangulaire 27
injection 3
intgrale de Gauss 225
intgration par parties 89
intervalle de confiance 232
isomorphisme 138
L
loi de probabilit 182
loi binomiale 190
loi conditionnelle 187
loi de Bernoulli 189
loi de Poisson 211
loi exponentielle 222
254
Pascal
formule de 15
triangle de 15
permutation 13
point dinflexion 53
point fixe 72
polynme
annulateur 164
degr 22
racine 22
thorme de factorisation des
22
Q
quasi-certain (vnement) 199
quasi-impossible (vnement) 199
R
risque quadratique 230
Index
S
segment 47
srie
calculs de sommes 81
critres de convergence 79
de Riemann 78
exponentielle 79
gomtrique et gomtrique
drive 77
si et seulement si 6
sous-espace propre 157
soustraction (informatique) 237
suites
un+1 = f (un ) 71
adjacentes 63
arithmtico-gomtriques 69
arithmtiques 66
gomtriques 67
linaires rcurrentes deux
termes 70
surjection 3
systme complet dvnements
179
T
thorme
de Koenig-Huygens 185,
204, 221
de la bijection monotone 44
de la dimension 135
de la limite centre 228
de transfert 184, 187, 206,
220
du prolongement de la
drive 51
V
valeur absolue 27
valeur propre 156
variable
au sens informatique 238
libre 5
muette 5
variance 184, 204
vecteur 131
vecteur propre 156
255
MATHMATIQUES :
rsums du cours
ECE 1re et 2e annes
Prparez efficacement les devoirs, les interrogations orales et les concours !
Avec les rsums du cours de mathmatiques,
rvisez en un clin doeil les notions incontournables de premire et de deuxime annes.
Tous les thormes, dfinitions et formules du
programme de mathmatiques sur les deux
annes.
Des exemples dtaills sur les applications cls
Des conseils, des rappels de mthode, les
erreurs viter.
GABRIEL BAUDRAND
est professeur agrg de
mathmatiques en
classes prparatoires au
lyce Madeleine
Michelis (Amiens).
MATHMATIQUES
Vous trouverez
galement
dans la collection
jintgre :
PHYSIQUE
CHIMIE
SCIENCES DE LINGNIEUR
INFORMATIQUE
ISBN 978-2-10-053972-7
www.dunod.com