Cours de Mathématiques

TS

Lycée Henri IV
Table des matières

I Les nombres complexes 7

1 Racines nième d’un nombre complexe non nul 7
1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Représentation graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Racines nième de l’unité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Equations du second degré à coefficients complexes. 9

2.1 Etude d’un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Généralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Linéarisation des polynômes trigonométriques. 9

3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Méthode générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Exercice résolu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.4 Exemple d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Calcul de cos nφ et sin nφ . 10

5 Formules trigonométriques. 11
5.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

II Les fonctions 13
1 Généralités 13
1.1 Image d’une partie A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2 Image réciproque d’une partie B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Egalité de deux fonctions. Comparaisons. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Restriction d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5 Prolongement d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Application injective ou injection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7 Application surjective ou surjection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Application bijective ou bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.9 Courbe représentative ou graphe d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.10 Changement d’origine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.11 Domaine d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.12 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.13 Fonction majorée, minorée, bornée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.14 Opérations sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.15 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Limite d’une fonction. Continuité 21

2.1 Limite finie en un point x0 de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Exemples de fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.4 Prolongement par continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Limite à droite en un point x0 de R. Limite à gauche en x0 . . . . . . . . . . . . . . . . . . . . . 23
2.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.2 Prolongement par continuité à gauche ou à droite . . . . . . . . . . . . . . . . . . . . . . . 24

1
3 Extension de la notion de limite 25
3.1 Limite finie d’une fonction en +∞ ou −∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Fonction de limite +∞ en x0 , à droite en x0 , à gauche en x0 . . . . . . . . . . . . . . . . . . . . . 26
3.3 Fonction de limite −∞ en x0 , à droite en x0 , à gauche en x0 . . . . . . . . . . . . . . . . . . . . . 26
3.4 Fonction de limite +∞ en +∞ (resp. en −∞) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5 Fonction de limite −∞ en +∞ (resp. en −∞) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6 Propriétés des limites infinies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4 Opérations sur les limites 28

III Dérivation 29
1 Dérivée en un point. Fonction dérivable 29
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.1.1 Développement limité d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.1.2 Fonction différentiable- Nombre dérivé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.2 Fonction dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2 Dérivée d’une fonction réciproque 30

3 Accroissements finis 31
3.1 Théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Inégalité des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4 Une application de l’inégalité des accroissements finis : demi-tangentes à une courbe . . . . . . 33

IV Equivalents et notations de Landau 35

1 Fonctions équivalentes 35

2 Fonctions négligeables 37

3 Fonctions dominées 38

V Fonctions uv 39
1 Présentation 39

2 Fonctions puissances 39

3 Fonctions exponentielles de base a 39

4 Autres fonctions 40

5 Exercices 40

VI Etude de fonctions 42
1 Plan d’étude d’une fonction 42

2 Etude des branches infinies d’une courbe 43

3 Exercices corrigés 44

4 Exercices 44

2
VII Intégration 49
1 Intégration des fonctions en escalier sur un segment [a; b] 49
1.1 Fonctions en escalier sur un segment [a; b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.1.1 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.2 Intégrale d’une fonction en escalier sur un segment [a; b] . . . . . . . . . . . . . . . . . . . . . . . 51
1.2.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1.2.2 Propriétés de l’intégrale d’une fonction en escalier . . . . . . . . . . . . . . . . . . . . . . . 52

2 Intégrale d’une fonction continue 55

2.1 Intégrale d’une fonction continue et monotone sur [a; b] . . . . . . . . . . . . . . . . . . . . . . . . 55
2.1.1 Fonctions en escalier minorant f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.1.2 Fonctions en escalier majorant f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.1.3 Conclusion et généralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Lien entre intégrale et primitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4 Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.4.1 Etude d’un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.4.2 Formule d’intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.5 Formule de changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

3 Intégrale généralisée : recherche d’un équivalent simple d’une série de Riemann 64

4 Exercices 64

5 Les intégrales au baccalauréat 74

VIII Lois de probabilités continues 76

1 Densité de probabilité 76

2 Loi de probabilité 77
2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.3 Fonction de répartition d’une variable aléatoire à densité . . . . . . . . . . . . . . . . . . . . . . . 78
2.4 Densité de αX + β . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3 Espérance mathématique. Variance. Ecart-type 80

3.1 Espérance mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2 Variance. Ecart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

4 Lois usuelles 82
4.1 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.2 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.3 Lois normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.3.1 Loi normale centrée réduite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.3.2 Lois normales N (m; σ2 ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

IX Mesures algébriques 89
1 Définition 89

2 Propriétés 89

3
3 Barycentres 90
3.1 Barycentre d’un système de deux points pondérés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2 Barycentre d’un système de trois points pondérés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.4 Barycentre d’un système de n points pondérés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4.1 Fonction vectorielle de Leibniz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.5 Coordonnées barycentriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.5.1 Dans le plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.5.2 Dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.6 Ensembles de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Xn
3.6.1 Etude de f(M) = αi MAi 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
i=1
MA
3.6.2 Etude de g(M) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
MB
4 Théorème de Thalès 96
4.1 Enoncé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

5 Théorème de Thalès et projection 97

5.1 Définition et propriétés d’une projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.2 Autre version de l’énoncé du théorème de Thalès - réciproque . . . . . . . . . . . . . . . . . . . . 97

6 Exercices d’application 98

X Les matrices 99
1 Généralités sur les matrices 99

2 Opérations sur les matrices 100

2.1 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
2.2 Multiplication d’une matrice par un réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
2.3 Addition de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
2.4 Multiplication de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

3 Exercices 104

4 Matrices carrées inversibles 105

4.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.2 Inverse d’une matrice carrée de taille 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

XI Les groupes 107

1 Définitions et propriétés 107

2 Sous-groupes 108

3 Morphisme de groupes 109

4 Noyau et image d’un morphisme de groupes 112

4
5 Groupes et géométrie plane 112
5.1 Transformations du plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.2 Isométries planes a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3 Similitudes directes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

6 Exercices 116

XII Suites récurrentes linéaires d’ordre 2 118

1 Quelques propriétés 118

2 Expression de un en fonction de n 118

3 Exemples 119

XIII Les symboles Σ et Π 120

1 Définition des notations 120

2 Propriétés 120

3 Changement d’indice 120

4 Applications 121

5 Exercices 121

XIV Exercices de dénombrement 123

1 Ensembles finis. 123

2 Applications d’un ensemble fini dans un autre. Combinaisons, Arrangements. 123

3 Dénombrement et probabilités. 125

XV Espaces vectoriels 127

1 Quelques ensembles importants 127

2 Loi de composition interne- loi de composition externe 127

2.1 Loi de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2.1.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2.2 Loi de composition externe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
2.2.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

3 Espaces vectoriels 128

3.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
3.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

4 Sous-espace vectoriel 130

5 Familles libres-Familles liées 131

5.1 Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.2 Familles liées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
a. Pour un exposé plus complet sur les isométries du plan, on pourra étudier avec intérêt : www.capes-de-
maths.com/lecons/lecon42.pdf

5
6 Familles génératrices-Bases 133
6.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

7 Espaces vectoriels de dimension finie 134

7.1 Caractérisations et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7.2 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

8 Applications linéaires 134

8.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.2 Image directe et réciproque d’un sous-espace vectoriel. Image et noyau d’une application linéaire135
8.3 Détermination d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.4 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

XVI Diagonalisation des endomorphismes et des matrices carrées de R2 et de

R3 . 144
1 Valeur propre d’un endomorphisme. Espace propre. 144

2 Endomorphismes et matrices diagonalisables 147

3 Applications de la diagonalisation 148

3.1 Puissance d’une matrice diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

XVII Pot-pourri 150

6
Première partie
Les nombres complexes
1 Racines nième d’un nombre complexe non nul
1.1 Définition
n désigne un entier naturel supérieur ou égal à 2. z désigne un nombre complexe non nul de forme
exponentielle z = ρeiθ .

Théorème 1.1. L’équation d’inconnue Z :

Zn = z (1)

possède n solutions distinctes dans C.

√ θ 2kπ
De plus, ces solutions sont les nombres complexes de module nρ et d’arguments + où k décrit
n n
l’intervalle d’entiers [[0; n − 1]].

Démonstration . Le réel 0 ne peut être solution de cette équation car z est non nul. Sous couvert d’existence,
posons reiα une solution de (1). Nous avons alors :
 n
n inα iθ r = ρ
(1) ⇔ r e = ρe ⇔
nα ≡ θ[2π].
Ce qui donne :

rn = ρ
(1) ⇔ θ 2kπ
α = + avec k ∈ Z.
n n
θ 2kπ
Or la suite u : k 7→ + est n-périodique. Elle ne prend donc que n valeurs distinctes obtenues en prenant
n n
k dans l’intervalle d’entiers [[0; n − 1]].♦
Exercice 1. Montrer que l’on détermine ainsi les n valeurs distinctes de la suite u.

Définition 1.1. Les solutions de l’équation (1) sont appelées racines nième de z.
☞ Remarque Si n = 2, on parle de racines carrées. Si n = 3, on parle de racines cubiques.
Exercice 2. Déterminer les racines cubiques de -8.

1.2 Représentation graphique

Théorème 1.2. Les racines nième de z forment un polygone régulier à n cotés inscrit dans le cercle de
√
centre O et de rayon n ρ.

7
 √ i( nθ + 2nπ )
M1( ρe )
n

√ iθ
M0 ( nρe n )
b

M2
√ 4π
( n ρei( n + n ) )
θ

b
O

2π
n

b
M4(
√ i( nθ + 10nπ )
nρe )

√ 8π
M3( n ρei( n + n ) )
θ

Cas n = 5

1.3 Racines nième de l’unité

Définition 1.2. Les racines nième de l’unité sont les solutions de l’équation :

Zn = 1.

Ce sont donc les complexes ωk tels que :

2π
∀k ∈ [[0; n − 1]], ωk = eik n .

Proposition 1.1. :
1.
∀k ∈ [[0; n − 1]], ωk = ωn−k
2. On obtient les n racines nième d’un nombre complexe non nul en multipliant l’une d’entre elle par
les racines nième de l’unité.
3. ∀k ∈ [[0; n − 1]], ωk = ωk1
X1
n−
4. ωk = 0.
k=0

5. n étant un nombre entier supérieur ou égal à 2 fixé, l’ensemble des racines nième de l’unité , noté
Un forme un groupe pour la multiplication. C’est-à-dire :
• 1 ∈ Un
• ∀(k, k ′ ) ∈ [[0; n − 1]], ∃k ′′ ∈ [[0; n − 1]], ωk ωk ′ = ωk ′′
1
• ∀ωk ∈ Un , ∈ Un .
ωk

8
 2iπ
Exemple 1.1. : Les racines cubiques de l’unités sont les nombres 1, j = e 3 , j2 .
On a donc 1 + j + j2 = 1 + j + j = 0.

2 Equations du second degré à coefficients complexes.

2.1 Etude d’un exemple
Définition 2.1. On appelle racine carrée du nombre complexe z = −3 + 4i tout nombre complexe δ tel que
δ2 = −3 + 4i .
On pose δ = x + iy avec (x; y) ∈ R2 .

1. Expliquer pourquoi x2 + y2 = 5
2. Résoudre le système  2
 x − y2 =−3
x2 + y2 = 5

xy = 2
En déduire toutes les racines carrées de -3 +4i.
3. Déterminer la forme canonique du trinôme z2 + z + 1 + i. En déduire une factorisation en utilisant les
résultats de la question 2.
4. Résoudre dans C l’équation z2 + z + 1 + i = 0.

2.2 Généralisation
En admettant que tout nombre complexe possède une racine carrée , proposer et démontrer une méthode de
résolution des équations du second degré à coefficients complexes.

3 Linéarisation des polynômes trigonométriques.

3.1 Définition
On peut chercher à transformer un polynôme trigonométrique P en sin x et cos x en une somme de termes
du type sin nx et cos nx (n ∈ N). On dit alors qu’on linéarise le polynôme P.
Exemple : Linéarisation de cos2 x :

1 1
∀ x ∈ R , cos 2x = 2 cos2 x − 1 ⇔ ∀ x ∈ R , cos2 x = + cos 2x.
2 2

3.2 Méthode générale

Il est possible de linéariser n’importe quel polynôme trigonométrique en appliquant les formules d’Euler :

eix + e−ix eix − e−ix

∀ x ∈ R, cos x = et ∀ x ∈ R , sin x = .
2 2i
La formule du binôme de Newton appliquée à (eix + e−ix )n et à (eix − e−ix )n permet le développement de
l’expression ainsi obtenue . En ordonnant convenablement les termes du développement, l’expression obtenue
peut être écrite sous la forme d’une combinaison linéaire d’expressions de la forme (eikx + e−ikx ) et
(eikx − e−ikx ) avec 1 ≤ k ≤ n. La linéarisation s’obtient alors en réutilisant les formules d’Euler :

∀ x ∈ R, eikx + e−ikx = 2 cos kx et ∀ x ∈ R, eikx − e−ikx = 2i sin kx.

9
3.3 Exercice résolu
Linéariser l’expression : cos2 x sin4 x.

1 ix 1
∀ x ∈ R, cos2 x sin4 x = 2
(e + e−ix )2 4 4 (eix − e−ix )4
2 2 i
1 2ix − 2
∀ x ∈ R, cos2 x sin4 x = (e −e ix )2 (eix − e−ix )2
26
1 4ix
∀ x ∈ R, cos2 x sin4 x = (e + e−4ix − 2)(e2ix + e−2ix − 2)
26
1 6ix
∀ x ∈ R, cos2 x sin4 x = (e − e2ix − 2e4ix − e−2ix + e−6ix − 2e−4ix + 4)
26
1 6ix
∀ x ∈ R, cos2 x sin4 x = (e + e−6ix − 2(e4ix + e−4ix ) − (e2ix + e−2ix ) + 4)
26
1
∀ x ∈ R, cos2 x sin4 x = (2 cos 6x − 4 cos 4x − 2 cos 2x + 4)
26
1
∀ x ∈ R, cos2 x sin4 x = (cos 6x − 2 cos 4x − cos 2x + 2)
32

3.4 Exemple d’application

La linéarisation permet de trouver les primitives des polynômes trigonométriques :
Etant donné un polynôme trigonométrique P, une primitive de P est une fonction F définie et
dérivable sur R telle que F ′ = P.
Exemple : Cherchons une primitive sur R du polynôme trigonométrique tel :

∀ x ∈ R, P(x) = cos2 x sin4 x.

La linéarisation obtenue dans la précédente section nous permet d’écrire :

1 1 1 1
∀ x ∈ R, P(x) = cos 6x − cos 4x − cos 2x +
32 16 32 16
Sachant que : ∀ n ∈ N∗ , ∀ x ∈ R, (sin nx) ′ = n cos(nx) et (cos nx) ′ = −n sin(nx),
P admet pour primitive la fonction F définie sur R par :

1 1 1 1
∀ x ∈ R, F(x) = sin 6x − sin 4x − sin 2x + x.
192 64 64 16

4 Calcul de cos nφ et sin nφ .

Rappelons la formule de Moivre :

∀ φ ∈ R, ∀ ∈ Z, (cos φ + i sin φ)n = cos nφ + i sin nφ.

Elle permet de trouver l’expression de cos nφ et de sin nφ en fonction de cos φ et de sin φ.

Exemple : n=2

∀ φ ∈ R, (cos φ + i sin φ)2 = cos2 φ − sin2 φ + 2i sin φ cos φ = cos 2φ + i sin 2φ

Donc :
∀ φ ∈ R, cos 2φ = cos2 φ − sin2 φ
et
∀ φ ∈ R, sin 2φ = 2 sin φ cos φ.
Exercice 3. 1. Calculer cos 5φ et sin 5φ en fonction de cos φ et sin φ .

2. En déduire que :
1 − 10 tan2 φ + 5 tan4 φ
cotan 5φ = ·
5 tan φ − 10 tan3 φ + tan5 φ

10
5 Formules trigonométriques.
Les formules de trigonométrie vues en 1ère S, et bien d’autres, peuvent être rapidement démontrées en
utilisant les complexes.

5.1 Exemples
Exemple n˚1 Soit à démontrer que :

1
∀ (x; y) ∈ R2 , cos x cos y = (cos(x + y) + cos(x − y)).
2
On utilise la même méthode vue dans 1.
1  ix  
∀ (x; y) ∈ R2 , cos x cos y = e + e−ix eiy + e−iy
4
1  i(x + y) 
2
∀ (x; y) ∈ R , cos x cos y = e + ei(x − y) + ei(y − x) + e−i(x + y)
4
1  i(x + y) 
2
∀ (x; y) ∈ R , cos x cos y = e + e−i(x + y) + ei(x − y) + e−i(x − y)
4
2 1
∀ (x; y) ∈ R , cos x cos y = (2 cos(x + y) + 2 cos(x − y))
4

Ce qui donne la formule demandée :

1
∀ (x; y) ∈ R2 , cos x cos y = (cos(x + y) + cos(x − y)).
2

Exemple n˚2 Soit à démontrer que :

p+q p−q
∀ (p; q) ∈ R2 , cos p + cos q = 2 cos cos ·
2 2
Cette égalité est une conséquence de l’exemple 1 précédent mais peut être démontrée directement :

1 ip
∀ (p; q) ∈ R2 , cos p + cos q = (e + e−ip + eiq + e−iq ).
2
Or :
p+q p−q p−q  p+q
       
i i −i i  
2 2 2 2 p−q
∀ (p; q) ∈ R2 , eip + eiq = e e +e  = 2e cos
 
2

Par conséquent :
p+q p+q
1 i( ) p−q i(− ) −p + q
∀ (p; q) ∈ R2 , cos p + cos q = (2e 2 cos( ) + 2e 2 cos( ))(1)
2 2 2
   
p−q −p + q
La fonction cosinus étant paire : cos = cos nous avons :
2 2

p+q p+q
 
i( ) i(− )
 
p−q
(1) ⇔ ∀ (p; q) ∈ R2 , cos p + cos q = cos e 2 +e 2 
2
   
2 p−q p+q
(1) ⇔ ∀ (p; q) ∈ R , cos p + cos q = cos 2 cos .
2 2

Ce qui prouve l’égalité.

11
5.2 Exercices
1
Exercice 4. Démontrer que : ∀ x ∈ R, sin 3x cos 5x = (sin 8x − sin 2x).
2
Exercice 5. 1. Factoriser f(x) = sin x + sin 2x + sin 3x + sin 4x.
2. En déduire le signe de f(x) sur ] − π; π].

Exercice 6. Montrer que :

1
∀ x ∈ R, cos x sin4 x = (cos 5x − 3 cos 3x + 2 cos x).
16
Exercice 7. Aix Marseille 1987
Calculer Z π4 Z x 
5
I= sin t cos tdt dx.
0 0

12
Deuxième partie
Les fonctions
1 Généralités

Définition 1.1. Une relation de R dans R est une fonction si tout réel x est relié à au plus un élément
y de R : y est alors noté f(x), et l’on écrit :

R −→ R
f:
x 7−→ f(x)

☞ Remarque : On parle de la fonction f et non de la fonction f(x) : en effet f(x) est un réel et non pas
une fonction.
L’ensemble des réels x ayant une image par f est appelé ensemble de définition de f, souvent noté D ou
Df .
Si f est définie sur R, f est une application de R dans R. Réciproquement : Etant donné un réel y, s’il
existe un réel x tel que y = f(x), x est alors appelé antécédent de y par la fonction f.

Exemple 1.1. La fonction partie entière Cette fonction associe à tout réel x le plus grand entier
inférieur à x, notée E ou ⌊·⌋.
∀n ∈ Z, ∀x ∈ [n; n + 1[, E(x) = n.
Conséquences :
∀x ∈ R, E(x) 6 x < E(x) + 1.
et :
∀x ∈ R, ∀n ∈ Z, E(x + n) = E(x) + n.
Courbe représentative :

−3 −2 −1 0 1 2 3 4 5 6

−1

−2

13
1.1 Image d’une partie A

Définition 1.2. Soit A ⊂ R. On appelle image de A par la fonction f l’ensemble des réels f(x) lorsque x
décrit A.
On note cet ensemble f(A) :

f(A) = {f(x), x ∈ A} = {y ∈ R/∃x ∈ A, y = f(x).}

Exemple 1.2. :
R −→ R
f: et A = [−1; 4[.
x 7→ x2
Alors f(A) = [0; 16[.
Si A = Df , f(Df ) est appelé l’image de f et est noté Im f. Il s’agit donc de l’ensemble des réels ayant un
antécédent par f.

Exemple 1.3. :
R −→ R
f:
x 7→ x2
Alors : Im f = R+ .

1.2 Image réciproque d’une partie B

Définition 1.3. Soit B ⊂ R. On appelle image réciproque de B par f l’ensemble des antécédents par f
des éléments de B. On le note f−1 (B) :

f−1 (B) = {x ∈ R, /f(x) ∈ B}.

Exemple 1.4. Si B = {α} , alors f−1 (B) = {x ∈ R/f(x) = α} est l’ensemble des antécédents du réel α par
f: √ √
Si f est la fonction carré définie sur R, f−1 ({3}) = {− 3; 3}.

Exemple 1.5.
R −→ R
f:
x 7→ x2
Si B =]1; 4], alors f−1 (B) = [−2; −1[∪]1; 2].

Exemple 1.6. Si f est la fonction partie entière : ∀x ∈ R − Z, f−1 (x) = ∅.

☞ Remarque : la notation f−1 (B) ne signifie pas que f est bijective , ni que la fonction f−1 existe.

1.3 Egalité de deux fonctions. Comparaisons.

Définition 1.4. Deux fonctions f et g sont égales si et seulement si :

• Df = Dg
• ∀x ∈ Df , f(x) = g(x).

14
 Définition 1.5. De même : la relation f 6 g signifie que :
• Df = Dg
• ∀x ∈ Df , f(x) 6 g(x).

1.4 Restriction d’une fonction

Définition 1.6. Soit A une partie de l’ensemble de définition Df d’une fonction f. On appelle restriction
de f à A l’application g définie sur A par :

∀x ∈ A, g(x) = f(x).

g est notée f/A .

☞ Remarques :
• f = f/A ⇔ A = Df .
• La restriction d’une fonction à son ensemble de définition est une application.

1.5 Prolongement d’une fonction

Définition 1.7. Si une partie A de R contient l’ensemble de définition d’une fonction f, on appelle
prolongement de f à A toute application g définie sur A telle que :

g/Df = f.

Exemple 1.7. 
 R −→ R
f: x2
 x 7−→
|x|
f est définie sur R∗ .
Tout prolongement g de f à R est défini par :

 ∀x ∈ R∗− , g(x) = −x
g: ∀x ∈ R∗+ , g(x) =x où a est un réel quelconque.

g(0) =a
☞ Remarque : Si a = 0, le prolongement obtenu donne une fonction g continue sur R : la fonction g est
appelée prolongement par continuité de f.

1.6 Application injective ou injection

Définition 1.8. Une fonction f est injective si et seulement si tout réel admet au plus un antécédent
par f, c’est-à-dire : si :
∀(x; x ′ ) ∈ Df2 , f(x) = f(x ′ ) =⇒ x = x ′
ou bien :
∀(x; x ′ ) ∈ Df2 , x 6= x ′ =⇒ f(x) 6= f(x ′ )

15
 
R −→ R
Exemple 1.8. La fonction f : est injective.
x 7−→ x3
En effet : ∀(x; x ′ ) ∈ R2 , : f(x) = f(x ′ ) ⇔ x3 = x ′3 ⇔ (x − x ′ )(x2 + xx ′ + x ′2 ) = 0
Or ∀(x; x ′ ) ∈ R2 − {(0; 0)}, x2 + xx ′ + x ′2 6= 0, donc : ∀(x; x ′ ) ∈ R2 , : f(x) = f(x ′ ) ⇔ x − x ′ = 0.

R −→ R
Contre-exemple : f : n’est pas injective car 5 6= −5 et f(5) = f(−5).
x 7−→ x2

1.7 Application surjective ou surjection

Définition 1.9. Une fonction f définie sur Df est surjective de Df sur un ensemble B si tout réel de B
admet au moins un antécédent par f, c’est-à-dire :

∀y ∈ B, ∃x ∈ Df , y = f(x).

R −→ R
Exemple 1.9. La fonction f : est une surjection de R sur R+ car : ∀y ∈ R+ , ∃x ∈ R, y = x2 .
x 7−→ x2
☞ Remarque : Une application f est toujours surjective de Df sur Im f.

1.8 Application bijective ou bijection

Définition 1.10. Une fonction f définie sur Df est bijective de Df sur un ensemble B si tout réel de B
possède un unique antécédent par f, c’est-à-dire :

∀y ∈ B, ∃!x ∈ Df , y = f(x).

R −→ R
Exemple 1.10. La fonction f : est une bijection de R+ sur R+ car :
x 7−→ x2
√
∀x ∈ R+ , ∃!x ∈ R+ , y = x2 avec x = y.

Théorème 1.1. f est une bijection de A sur B si et seulement si f est injective et surjective.

Propriété 1.1. Si f est une application bijective de A sur B, on peut définir une application de B dans
A, notée f−1 , appelée application réciproque de f, par :

B −→ A
f −1 :
y 7−→ f−1 (y) = x avec y = f(x)

Définition 1.11. Une application telle que f = f−1 est appelée application involutive ou involution.

16
1.9 Courbe représentative ou graphe d’une fonction

Définition 1.12. La courbe représentative C ou Cf d’une fonction f dans un repère cartésien (O;~i;~j) est
l’ensemble des points M de coordonnées (x; f(x)) dans ce repère lorsque x décrit l’ensemble de définition
de f.

C = {M(x; f(x))(O;~i;~j) /x ∈ Df }

−−→
Proposition 1.1. : ∀M ∈ C, ∃x ∈ Df , OM = x~i + f(x)~j.

Proposition 1.2. : Si f est bijective de A vers B, le graphe de f−1 est, dans un repère orthonormé, l’image
de la courbe de f par la réflexion d’axe la droite d’équation y = x, appelée première bissectrice.
Conséquence : le graphe d’une involution est symétrique par rapport à la première bissectrice.

Exemple 1.11. graphe de la fonction inverse.

1.10 Changement d’origine

Théorème 1.2. Soit R = (O;~i;~j) un repère donné et soit Ω le point de coordonnées (a; b) dans ce repère
−−→
( on a donc OΩ = a~i + b~j).
Soit R ′ = (Ω;~i;~j) un nouveau repère.
Donnons-nous un point M dont les coordonnées dans R sont (x; y) et dont les coordonnées dans R ′
sont (X; Y).
Les formules de changement d’origine sont :

x= X+a
y= Y+b

−−→ −−→ −→ −−→

Démonstration . OM = x~i + y~j et ΩM = X~i + Y~j. Or OM
~ =−
OΩ + ΩM donc : x~i + y~j = a~i + b~j + X~i + Y~j. ♦
Equation d’une courbe dans les deux repères
Soit Cf la courbe représentative d’une fonction f dans le repère (O;~i;~j).
M(x; y) ∈ Cf ⇔ y = f(x) ⇔ Y + b = f(X + a) ⇔ Y = F(X) où F est une nouvelle fonction.
Y = F(X) est l’équation de la courbe Cf dans le repère (Ω;~i;~j).
F est la fonction dont le graphe est Cf dans le repère (Ω;~i;~j).

1.11 Domaine d’étude

Soit f une fonction définie sur un ensemble D.

17
 Définition 1.13.
• f est paire si et seulement si :
i) ∀x ∈ D, −x ∈ D (D est symétrique par rapport à 0).
ii) ∀x ∈ D, f(−x) = f(x).
Cf est invariante par la réflexion d’axe (Oy) dans un repère orthogonal.
On étudie alors f sur D ∩ [0; +∞[.
• f est impaire si et seulement si :
i) ∀x ∈ D, −x ∈ D (D est symétrique par rapport à 0).
ii) ∀x ∈ D, f(−x) = −f(x). Cf est globalement invariante par la symétrie de centre O quel que soit le
repère.
On étudie alors f sur D ∩ [0; +∞[.
• La droite d’équation x = a est un axe de symétrie de la courbe Cf dans un repère orthogonal si et
seulement si la fonction F définie ci-dessus est paire. Le point Ω est un centre de symétrie de Cf si et
seulement si la fonction F définie ci-dessus est impaire.
Autre méthode : La droite d’équation x = a est axe de symétrie de Cf si et seulement si :

∀x ∈ D, 2a − x ∈ D et ∀x ∈ D, f(2a − x) = f(x).

Le point Ω(a; b) est centre de symétrie de Cf si et seulement si :

∀x ∈ D, 2a − x ∈ D et ∀x ∈ D, f(a − x) + f(a + x) = 2b.

• f est périodique de période T 6= 0 si et seulement si :

∀x ∈ D, x + T ∈ D et x − T ∈ D, et ∀x ∈ D, f(x + T ) = f(x).

Cf est alors globalement invariante par les translations de vecteur kT~i, pour tout k de Z.
Il existe alors une période T strictement positive : f est dite T -périodique.
On étudie alors f sur D ∩ [0; T [.
On appelle période fondamentale la plus petite période strictement positive.

Exemple 1.12. Les fonctions cos et sin ont pour période fondamentale 2π.

Exercice 8. Soit ω et φ deux réels donnés de R∗ × R. Quelle est la période fondamentale des fonctions
x 7→ sin(ωx + φ) et x 7→ cos(ωx + φ) ?

1.12 Changement de base

On note (O;~i;~j) un premier repère, et soient ~I = a~i + b~j et ~I = c~i + d~j deux vecteurs du plan avec (a, b, c, d)
un élément de R4 .
Ces deux vecteurs du plan forment une nouvelle base du plan si et seulement si ils ne sont pas colinéaires,
ce qui est équivalent au fait que leurs coordonnées ne sont pas proportionnelles, ce qui est équivalent aussi
à ad − bc 6= 0. Un point M a pour coordonnées (x; y) dans le repère (O;~i;~j) et (X; Y) dans le repère (O; ~I; ~I).
On a alors :

Théorème 1.3. 
x= aX + cY
y= bX + dY

Exemple 1.13. On suppose que le repère (O;~i;~j) est orthonormé direct, et que le repère (O; ~I; ~J) est
déduit du précédent par la rotation de centre O est d’angle θ[2π].
Dans ce cas : ~I = cos θ~i + sin θ~j et ~I = − sin θ~i + cos θ~j.
Equation d’une courbe dans deux repères.

18
Soit Cf la courbe représentative de f dans le repère (O;~i;~j). M(x; y) ∈ Cf ⇔ y = f(x) ⇔ bX + cY = f(aX + cY).
Suivant l’expression de f, il peut ne pas être possible d’exprimer Y en fonction de X.

Exemple 1.14. Soit f : x 7→ x2 . Soit Cf sa courbe représentative dans le repère (O;~i;~j). Posons : ~I = ~i +~j
et ~I = −~i + ~j.
Ces deux nouveaux vecteurs ne sont pas colinéaires, et :

M(x; y) ∈ Cf ⇔ y = x2 ⇔ X + Y = (X − Y)2 ⇔ Y 2 − (2X + 1)Y + X2 − X = 0.

La parabole d’équation y = x2 dans le premier repère a pour équation Y 2 − (2X + 1)Y + X2 − X = 0 dans
le second. Dans ce cas, elle n’est plus la courbe représentative d’une fonction et correspond à la réunion
de courbes de deux fonctions.

1.13 Fonction majorée, minorée, bornée

Définition 1.14. Soit A une partie de R.

• A est majorée par le réel M si : ∀x ∈ A, x 6 M. M est un majorant de A.
• A est minorée par le réel m si : ∀x ∈ A, m 6 x. m est un minorant de A.
Tout réel supérieur à M est majorant de A ; tout réel inférieur à m est minorant de A.
• M est le maximum de A si M est un majorant de A et appartient à A : on le note max A.
• m est le minimum de A si m est un minorant de A et appartient à A : on le note min A.
Un ensemble majoré n’a pas toujours de maximum.
• On appelle borne
 supérieure de A le plus petit des majorants
 de A, on le note sup A.
∀x ∈ A, x 6 r ∀x ∈ A, x 6 r
r = supA ⇔ ⇔
∀s ∈ R, [(∀x ∈ A, x 6 s) =⇒ r 6 s] ∀ε > 0, ∃x ∈ A, r − ε < x 6 r
• On appelle 
borne inférieure de A le plus grand des minorants
 de A, on le note inf A.
∀x ∈ A, x > r ∀x ∈ A, x > r
r = infA ⇔ ⇔
∀s ∈ R, [(∀x ∈ A, x > s) =⇒ r > s] ∀ε > 0, ∃x ∈ A, r 6 x < r + ε
√ √
Exercice 9. Soit A = {x ∈ R+ /x2 < 2}. Montrer que A est majorée par 2, que 2 est la borne supérieure
de A mais que A n’a pas de maximum.

☞ Remarque : Si max A existe, alors max A = sup A.

Théorème 1.4. • Toute partie non vide et majorée de R possède une borne supérieure.
• Toute partie non vide et minorée de R possède une borne inférieure.

Définition 1.15. Soit f une fonction définie sur un ensemble D. Soit A une partie de D.
• f est majorée sur A si {f(x), x ∈ A} est majoré, c’est-à-dire si :∃M ∈ R, ∀x ∈ A, f(x) 6 M.
• f est minorée sur A si {f(x), x ∈ A} est minoré, c’est-à-dire si :∃m ∈ R, ∀x ∈ A, f(x) > m.
• f est bornée sur A si {f(x), x ∈ A} est borné, c’est-à-dire si :∃M ∈ R, ∃m ∈ R, ∀x ∈ A, m 6 f(x) 6 M.
Dans ce cas : ∃k ∈ R, ∀x ∈ R, |f(x)| 6 k.
• f admet un maximum relatif (ou local ) en x0 de D s’il existe un voisinage V de x0 , tel que : ∀x ∈
V, f(x) 6 f(x0 ).
• f admet un minimum relatif (ou local ) en x0 de D s’il existe un voisinage V de x0 , tel que : ∀x ∈
V, f(x0 ) 6 f(x).

19
1.14 Opérations sur les fonctions

Définition 1.16. Soient f et g deux fonctions définies sur le même ensemble D.

Somme La fonction f + g est définie sur D par : ∀x ∈ D, (f + g)(x) = f(x) + g(x).
Produit La fonction f × g est définie sur D par : ∀x ∈ D, (f × g)(x) = f(x) × g(x).
Produit par un scalaire Soit λ un réel. La fonction λf est définie sur D par : ∀x ∈ D, (λf)(x) = λ × f(x).
Inverse On appelle zéro d’une fonction f tout réel x de D tel que f(x) = 0.
Soit A l’ensemble des zéros de f. (A = f−1 (0)).
1 1 1
 
La fonction est définie sur D − A par : ∀x ∈ D − A, (x) = ·
f f f(x)
g g g(x)
Quotient La fonction est définie sur D − A par : ∀x ∈ D − A, (x) = ·
f f f(x)
Composée ou produit de composition
Soit f une fonction définie sur Df telle que g soit définie sur f(Df ) (donc : f(Df ) ⊂ Dg ).
On définit la fonction g ◦ f par : ∀x ∈ Df , (g ◦ f)(x) = g[f(x)].
Le produit de composition n’est pas une opération commutative car en général : g ◦ f 6= f ◦ g.
Par contre, ce produit est associatif :
Si h ◦ (g ◦ f) existe, alors : h ◦ (g ◦ f) = (h ◦ g) ◦ f = h ◦ g ◦ f.
☞ Remarque : Si f est bijective de A sur B, f−1 ◦ f = IdA et f ◦ f−1 = IdB .
f est une involution de A si et seulement si : f ◦ f = IdA .

1.15 Exercices
Exercice 10. Montrer qu’un application strictement monotone sur un intervalle I est injective de I dans R.
ax + b
Exercice 11. Montrer que la fonction f : x 7→ , où a, b,c et d sont des réels tels que : • c 6= 0
cx + d
• ad − bc 6= 0
est bijective d’un ensemble A sur un ensemble B à déterminer. Expliciter alors (f/A )−1 .

Exercice 12. Soit f : x 7→ x2 + 4x− 3. Montrer que f/]−∞;−2] et f/[−2;+∞[ sont des bijections sur des ensembles
à définir. Préciser dans chaque cas l’application réciproque de ces restrictions.
x
Exercice 13. Soit f : x 7→ · Déterminer son ensemble de définition et son image.
|x − 1| − 3
1
Même question avec f : x 7→ ·
sin πx
Exercice 14. Préciser si les fonctions suivantes sont injectives, surjectives, bijectives de A sur B à détermi-
ner. √ √
f : x 7→ x + 3; g : x 7→ x2 + 2x; h : x 7→ |x − 1| + |x + 2| + 3x − 1·
Exercice 15. Montrer que la fonction sinus est T -périodique si et seulement si cos T = 1 et sin T = 0.

Exercice 16. Montrer que la fonction f : x 7→ x − E(x) est 1-périodique et que l’ensemble de ses périodes est
Z.
Exercice 17. On appelle fonction caractéristique d’une partie A de R l’application χA définie par :

∀x ∈ A, χA (x) = 1
∀x ∈/ A, χA (x) = 0

Montrer que l’ensemble des périodes de la fonction caractéristique de Q est Q.

2 √
Exercice 18. Soit C la courbe d’équation x2 − √ y − y2 + 3x + y + 1 = 0 dans un repère (O;~i;~j). On
3
considère le repère (O; ~I; ~J) déduit du premier repère par la rotation de centre O et d’angle θ[2π].
1. Exprimer ~I et ~J en fonction de ~i et ~j, puis les coordonnées (x; y) d’un point M dans le premier repère
en fonction des coordonnées (X; Y) du point M dans le second repère.

20
 2. Justifier que l’équation de C dans le second repère est :
1 1 2 √
     
X2 cos 2θ − √ sin 2θ +Y 2 − cos 2θ + √ sin 2θ +XY − √ cos 2θ − 2 sin 2θ +X( 3 cos θ+sin θ)+
√ 3 3 3
Y(− 3 sin θ + cos θ) + 1 = 0.
3. En déduire
√ que cette équation peut se mettre sous la forme aXY + bX + cY + d = 0 si et seulement si
tan 2θ = 3.
En déduire dans ce cas une valeur de θ et l’équation de C dans le repère (O, ~I, ~J).
4. Reconnaître C et montrer qu’elle a un centre de symétrie dont on donnera les coordonnées dans le
premier repère.
 x
x 7→ si x est pair
Exercice 19. Soit f et g deux applications de N dans N définies par f : x 7→ 2x et g : 2
x 7→ 0 si x est impair
1. f est-elle injective ? est-elle surjective de N sur N ?
2. g est-elle injective ? est-elle surjective de N sur N ?
3. Déterminer g ◦ f.
En déduire que g ◦ f = IdN n’implique pas que f est bijective , ni que f−1 = g.
4. Montrer que si f est une application de A dans B, g une application de B dans A telles que g ◦ f = IdA
et f ◦ g = IdB , alors f est bijective de A sur B et f−1 = g.

Exercice 20. Soit f : x 7→ |x − 3| + |x + 3| − x2 . Montrer que f est paire, majorée et non minorée.
16 2 38 47
Exercice 21. Montrer que la courbe d’équation d’équation y = 9x5 + 15x4 + 12x3 + x + x+ admet
3 9 27
un centre de symétrie.

Exercice 22. Etudier les fonctions suivantes et tracer leur courbe représentative :
1
 
f : x 7→ (−1)E(x) (x − E(x)), g : x 7→ E(x2 ) et f : x 7→ E ·
x

2 Limite d’une fonction. Continuité

2.1 Limite finie en un point x0 de R
2.1.1 Définitions
Soit f une fonction définie au moins sur un ensemble D de la forme ]x0 − h; x0 + h[ ou ]x0 − h; x0 [ ou
]x0 − h; x0 [∪]x0 ; x0 + h[ ou [x0 ; x0 + h[ ou ]x0 − h; x0 [ ou ]x0 ; x0 + h[ où h est un réel strictement positif.

Définition 2.1. Un tel ensemble D est appelé voisinage de x0 .

Un intervalle I est par conséquent un voisinage du réel x0 s’i est de la forme : ]x0 − h; x0 + h[ ou ]x0 − h; x0 [
ou [x0 ; x0 + h[ ou ]x0 − h; x0 [ ou ]x0 ; x0 + h[ où h est un réel strictement positif.

Définition 2.2. On dit que f a pour limite le réel ℓ en x0 si |f(x) − ℓ| peut être rendu aussi petit que l’on
veut lorsque x se rapproche de x0 , c’est-à-dire lorsque |x − x0 | est suffisamment petit. Autrement dit :

∀ε > 0, ∃α > 0, ∀x ∈ D, |x − x0 | < α =⇒ |f(x) − ℓ| < ε.

On note alors lim f(x) = ℓ ou lim f(x) = ℓ ou f(x) −→ ℓ

x→x0 x0 x→x0

2.1.2 Propriétés

√
Théorème 2.1. Les fonctions x 7→ xn avec n ∈ N∗ et x 7→ x ont pour limite 0 en 0.

21
 Proposition 2.1. 1. Si f a une limite en x0 , cette limite est unique.
2. Si lim f(x) = ℓ alors lim |f(x)| = |ℓ| .
x0 x0
x2 − 1
La réciproque est fausse ! Soit f : x 7→ · f est définie sur D = R−{1} et ∀x ∈ D, |f(x)| = |x + 1| .
|x − 1|
Donc lim |f| = 2 mais f n’a pas de limite en 1.
1
3. Si f a une limite finie en x0 , f est bornée au voisinage de x0 .
4. Si f a une limite finie ℓ non nulle en x0 , f garde un signe constant au voisinage de x0 qui est le
signe de ℓ.
☞ Remarque fondamentale :
Il n’est pas nécessaire que f soit définie en x0 pour avoir une limite finie en x0 .

x2
Exemple 2.1. f : x 7→ : f n’est pas définie en 0 mais lim f = 0.
x 0
Par contre, si f est définie en x0 et si f possède une limite finie ℓ en x0 , alors nécessairement : ℓ = f(x0 ).
On dit alors que f est continue en x0 .

Théorème 2.2. Théorèmes de comparaison

1. Théorème des gendarmes S’il existe deux fonctions g et h de même limite finie ℓ en x0 , et si :

∀x ∈ D, g(x) 6 f(x) 6 h(x),

alors f a une limite finie en x0 et : lim f = ℓ.

x0
2. Si f et g sont deux fonctions telles que :

∀x ∈ D, f(x) < g(x) et lim f = ℓ et lim g = ℓ ′ ,

x0 x0

alors ℓ 6 ℓ ′ .
☞ Remarquer qu’il y a affaiblissement des inégalités : l’inégalité concernant les fonction est stricte ;
alors que celle concernant les limites est faible.

2.1.3 Exemples de fonctions continues

√
1. La fonction f : x 7→ x est continue en tout point de R+ .
√
(a) Si x0 = 0, lim x = 0 = f(0) : f est continue en 0.
0
(b) Soit x0 > 0. f est définie sur un intervalle I de la forme ]x0 − h; x0 + h[, h étant un réel strictement
positif.
x0 3x0
 
x0
Par exemple, f est définie sur ; en ayant posé h = ·
2 2 2
|x − x0 | |x − x0 |
∀x ∈ I, |f(x) − f(x0 )| = √ √  < √  ·
x + x0  x 0

|x − x0 | √ √
Or : lim √  = 0, donc lim x = x0 = f(x0 ).
x0  x  x0
0
2. La fonction f : x 7→ sin x est continue en tout point de R.
(a) Soit x0 = 0. i π πh
∀x ∈ − ; , 0 6 |sin x| 6 |x| .
2 2
Donc lim sin x = 0 = f(0) : f est continue en 0.
0

22
 (b) Soit x0 6= 0. f est définie sur un intervalle I de la forme ]x0 − h; x0 + h[, h étant un réel strictement
positif.    
 x + x0 x − x0   x − x0 
∀x ∈ I, |f(x) − f(x0 )| = 2 cos
 sin 6 2 sin
 .
2 2  2 
 
x − x0 
Or, lim sin = 0 car la fonction sinus est continue en 0. Donc : lim sin x = sin x0 = f(x0 ).

x0 2  x0

3. Une fonction polynôme f : x 7→ an xn + an−1 xn−1 + · · · + a1 x + a0 , avec an 6= 0 est continue en tout

point de R.
Soit x0 ∈ R. f est définie sur un intervalle I de la forme ]x0 − h; x0 + h[, h étant un réel strictement
positif fixé.
∀x ∈ R, |f(x) − f(x0 )| = |(x − x0 )g(x)|, où g est une fonction polynôme de degré n − 1. Posons par
exemple :
g : x 7→ an xn−1 + bn−1 xn−2 + · · · + b2 x + b1 .
Il existe deux réels m et M tels que :
• ∀x ∈ I, |x| 6 m
• et, via l’inégalité triangulaire :
∀x ∈ I, |g(x)| 6 |an ||xn−1 | + |bn−1 ||xn−2 | + · · · + |b2 ||x| + |b1 | 6 M.
Donc : ∀x ∈ I, 0 6 |f(x) − f(x0 )| 6 M|x − x0 | et par conséquent : lim f(x) = f(x).
x0
☞ Remarques : m = |x0 + h|. Le réel M est fonction de m et des coefficients de g.

2.1.4 Prolongement par continuité

Définition 2.3. Si f n’est pas définie en x0 et si f possède une limite finie ℓ en x0 , on peut alors prolonger
f en x0 en définissant la fonction g par :

∀x ∈ Df , g(x) = f(x) et g(x0 ) = ℓ.

g est continue en x0 car : lim g = lim f = ℓ = g(x0 ).

x0 x0
g est le prolongement par continuité de f en x0 .

sin x
Exemple 2.2. La fonction f : x 7→ définie sur R∗ se prolonge par continuité en 0. En effet :
h πi x
∀x ∈ 0; , sin x 6 x 6 tan x , donc :
2h
i π x 1 i π πh x 1
∀x ∈ 0; ,16 6 et par parité : ∀x ∈ − ; ,16 6 .
2 sin x cos x 2 2 sin x cos x
sin x
Par conséquent : lim = 1.
0 x
sin x
Le prolongement par continuité en 0 de la fonction f : x 7→ est la fonction g définie par :
x
sin x
∀x ∈ R∗ , g(x) = et g(0) = 1.
x

2.2 Limite à droite en un point x0 de R. Limite à gauche en x0

2.2.1 Définitions

Définition 2.4. On dit que f a pour limite à droite en x0 le nombre réel ℓ si la restriction de f à
D∩]x0 ; +∞[ a pour limite ℓ en x0 .
On note alors lim+ f(x) = ℓ ou lim f(x) = ℓ ou f(x) −→+ ℓ ou lim f(x) = ℓ.
x→x0 x+0
x→x0 x → x0
x > x0

23
☞ Remarque importante Si f est définie en x0 , on n’a pas nécessairement ℓ = f(x0 ).

Définition 2.5. • Si f est définie en x0 et si lim

+
f = f(x0 ), on dit que f est continue à droite de x0 .
x0
• Si f est définie en x0 et si lim
+
f 6= f(x0 ), on dit que f n’est pas continue à droite de x0 .
x0

Définition 2.6. On dit que f a pour limite à gauche en x0 le nombre réel ℓ si la restriction de f à
D∩] − ∞; x0 [ a pour limite ℓ en x0 .
On note alors lim− f(x) = ℓ ou lim f(x) = ℓ ou f(x) −→− ℓ ou lim f(x) = ℓ.
x→x0 x−
0
x→x0 x → x0
x < x0

Exemple 2.3. f : x 7→ ⌊x⌋ : lim− f(x) = 0 6= f(1). La fonction partie entière n’est donc pas continue à
x→1
gauche de 1.

Définition 2.7. • Si f est définie en x0 et si lim

−
f = f(x0 ), on dit que f est continue à gauche de x0 .
x0
• Si f est définie en x0 et si lim
−
f 6= f(x0 ), on dit que f n’est pas continue à gauche de x0 .
x0

2.2.2 Prolongement par continuité à gauche ou à droite

x2 − 1
Exemple 2.4. Soit f : x 7→ · La fonction f est définie sur R − {1}.
|x − 1| 
f(x) = −x − 1 si x < 1
Ecrivons f(x) sans employer les valeurs absolues :
f(x) = x + 1 si x > 1
lim f = −2 et lim f = 2.
1− + 1
Il est donc possible de définir :
• le 
prolongement par continuité à gauche g1 de f :
 g1 (x) = −x − 1 si x < 1 
g1 (x) = −x − 1 si x 6 1
g1 : g1 (x) = x + 1 si x > 1 que l’on peut aussi écrire g1 :
 g1 (x) = x + 1 si x > 1
g1 (1) = −2
• le 
prolongement par continuité à droite g2 de f :
 g2 (x) = −x + 1 si x < 1 
g2 (x) = −x − 1 si x < 1
g2 : g2 (x) = x + 1 si x > 1 que l’on peut aussi écrire g2 :
 g2 (x) = x + 1 si x > 1
g2 (1) = 2

Théorème 2.3. Si f n’est pas définie en x0 :

lim f = ℓ ⇔ lim f = lim f = ℓ.

x0 −
x0 +
x0

24
 Théorème 2.4. Si f est définie en x0 :
• si lim
+
f 6= lim
−
f, f n’a pas de limite en x0 .
x0 x0
• si lim
+
f = lim
−
f = ℓ 6= f(x0 ), f n’a pas de limite en x0 .
x0 x0
• si lim
+
f = lim
−
f, = f(x0 ), f a une limite en x0 qui est égale à f(x0 ) et donc est continue en x0 .
x0 x0

Définition 2.8. On dit qu’une fonction f est continue sur un intervalle I si elle est continue en tout point
de I.

3 Extension de la notion de limite

3.1 Limite finie d’une fonction en +∞ ou −∞
3.1.1 Définitions
Soit f une fonction définie au moins sur un intervalle de la forme ]a; +∞[ avec a > 0 (resp. sur ] − ∞; b[
avec b < 0).

Définition 3.1. f a pour limite le réel ℓ en +∞ (resp. vers −∞) si le réel |f(x) − ℓ| peut être rendu aussi
petit que l’on veut lorsque x tend vers +∞ (resp. vers −∞), c’est-à-dire si :

∀ε > 0, ∃A > 0, ∀x ∈]a; +∞[, [x > A =⇒ |f(x) − ℓ| < ε].

resp :
∀ε > 0, ∃A > 0, ∀x ∈] − ∞; b[, [x < −A =⇒ |f(x) − ℓ| < ε].
On note alors :
• Pour les limites en +∞ : lim f(x) = ℓ ou lim f(x) = ℓ ou f(x) −→ ℓ.
x→+∞ +∞ x→+∞
• Pour les limites en −∞ : lim f(x) = ℓ ou lim f(x) = ℓ ou f(x) −→ ℓ.
x→−∞ −∞ x→−∞

☞ Remarque Nous avons les définitions équivalentes :

f a pour limite le réel ℓ en +∞ (resp. vers −∞) si :

∀ε > 0, ∃A > 0, ∀x ∈]a; +∞[, [x > A =⇒ |f(x) − ℓ| 6 ε].

resp :
∀ε > 0, ∃A > 0, ∀x ∈] − ∞; b[, [x < −A =⇒ |f(x) − ℓ| 6 ε].

Théorème 3.1.
1
• Les fonction x 7→ avec n ∈ N∗ ont pour limite 0 en +∞ et en −∞.
xn
1
• La fonction x 7→ √ a pour limite 0 en +∞.
x

Démonstration . Claire ♦

25
3.1.2 Propriétés

Théorème 3.2. Théorème de comparaison S’il existe un réel A strictement positif, un réel ℓ et une
fonction φ de limite nulle en +∞ (resp. en −∞) tels que :

∀x ∈]a; +∞[, [x > A =⇒ |f(x) − ℓ| < φ(x)]

resp :
∀x ∈] − ∞; b[, [x < −A =⇒ |f(x) − ℓ| < φ(x)]
alors f a pour limite ℓ en +∞ (resp. en −∞).

sin x
Exemple 3.1. Soit f : x 7→ · La fonction sinus n’a pas de limite ni en +∞ ni en −∞ mais :
x
1
∀x ∈ R∗ , |f(x)| 6 ·
|x|

Ceci permet de conclure que f possède une limite en +∞ ainsi qu’une limite en −∞ avec :

lim f = 0 et lim f = 0.
−∞ +∞

Théorème 3.3.
1. Une fonction croissante et majorée sur ]a; +∞[ avec a > 0 possède une limite finie en +∞
2. Une fonction décroissante et minoré sur ]a; +∞[ avec a > 0 possède une limite finie en +∞
3. Une fonction croissante et minorée sur ] − ∞; b[ avec b < 0 possède une limite finie en −∞
4. Une fonction décroissante et majorée sur ] − ∞; b[ avec b < 0 possède une limite finie en −∞

3.2 Fonction de limite +∞ en x0 , à droite en x0 , à gauche en x0

Soit f une fonction définie au moins sur un ensemble D de la forme ]x0 − h; x0 + h[ ou ]x0 − h; x0 [ ou
]x0 − h; x0 [∪]x0 ; x0 + h[ ou [x0 ; x0 + h[ ou ]x0 − h; x0 [ ou ]x0 ; x0 + h[ où h est un réel strictement positif, sauf
en x0 .

Définition 3.2. 1. On dit que f a pour limite +∞ en x0 si f(x) peut être rendu aussi grand que l’on
veut lorsque |x − x0 | est suffisamment petit, c’est-à-dire si :

∀A > 0, ∃α > 0, ∀x ∈ D, [|x − x0 | < α =⇒ f(x) > A]

On note alors lim f = +∞ ou lim f(x) = +∞ ou f(x) −→ +∞.

x0 x→x0 x→x0
2. On dit que f admet +∞ pour limite à droite en x0 (resp. à gauche de x0 ) si la restriction de f à
]x0 ; +∞[ (resp.à ] − ∞; x0 [) a pour limite +∞ en x0 .
On note alors pour la limite à droite en x0 :
lim f(x) = +∞ ou lim f(x) = +∞ ou f(x) −→+ +∞ ou lim f(x) = +∞.
x→x+ 0
x+
0
x→x0 x → x0
x > x0

3.3 Fonction de limite −∞ en x0 , à droite en x0 , à gauche en x0

Soit f une fonction définie au moins sur un ensemble D de la forme ]x0 − h; x0 + h[ ou ]x0 − h; x0 [ ou
]x0 − h; x0 [∪]x0 ; x0 + h[ ou [x0 ; x0 + h[ ou ]x0 − h; x0 [ ou ]x0 ; x0 + h[ où h est un réel strictement positif, sauf
en x0 .

26
 Définition 3.3. 1. On dit que f a pour limite −∞ en x0 si f(x) peut être rendu aussi petit que l’on
veut lorsque |x − x0 | est suffisamment petit, c’est-à-dire si :

∀A > 0, ∃α > 0, ∀x ∈ D, [|x − x0 | < α =⇒ f(x) < −A]

On note alors lim f = −∞ ou lim f(x) = −∞ ou f(x) −→ −∞.

x0 x→x0 x→x0
2. On dit que f admet −∞ pour limite à droite en x0 (resp. à gauche de x0 ) si la restriction de f à
]x0 ; +∞[ (resp.à ] − ∞; x0 [) a pour limite ∞ en x0 .
On note alors pour la limite à droite en x0 :
lim f(x) = −∞ ou lim f(x) = −∞ ou f(x) −→+ −∞ ou lim f(x) = −∞.
x→x+ 0
x+
0
x→x0 x → x0
x > x0
et pour la limite à gauche : lim− f(x) = −∞ ou lim f(x) = −∞ ou f(x) −→− −∞ ou lim f(x) = −∞.
x→x0 x−
0
x→x0 x → x0
x < x0

Théorème 3.4. f admet −∞ pour limite à droite en x0 si et seulement si −f admet +∞ pour limite à
droite en x0 .

3.4 Fonction de limite +∞ en +∞ (resp. en −∞)

Soit f une fonction définie au moins sur un intervalle de la forme ]a; +∞[ avec a > 0 (resp. sur ] − ∞; b[
avec b < 0).

Définition 3.4. On dit que f a pour limite +∞ en +∞ (resp. en ] − ∞[) si f(x) peut être rendu aussi
grand que l’on veut lorsque x est suffisamment grand (resp. petit), c’es-à-dire si :

∀A > 0, ∃B > 0, ∀x > a, [x > B =⇒ f(x) > A]

resp :
∀A > 0, ∃B > 0, ∀x < b, [x < −B =⇒ f(x) > A]
Les notations suivent ici aussi le même modèle que précédemment : lim f(x) = +∞...
x→+∞

√
Théorème 3.5. Les fonctions x 7→ xn , n ∈ N∗ et x 7→ x ont pour limite +∞ en +∞.

3.5 Fonction de limite −∞ en +∞ (resp. en −∞)

Soit f une fonction définie au moins sur un intervalle de la forme ]a; +∞[ avec a > 0 (resp. sur ] − ∞; b[
avec b < 0).

Définition 3.5. On dit que f a pour limite −∞ en +∞ (resp. en −∞) si f(x) peut être rendu aussi petit
que l’on veut lorsque x est suffisamment grand (resp. petit), c’es-à-dire si :

∀A > 0, ∃B > 0, ∀x > a, [x > B =⇒ f(x) < −A]

resp :
∀A > 0, ∃B > 0, ∀x < b, [x < −B =⇒ f(x) < −A]

Théorème 3.6. f admet −∞ pour limite en +∞ si et seulement si −f admet +∞ pour limite en +∞.

27
3.6 Propriétés des limites infinies

Théorème 3.7. Théorèmes de comparaison

1. S’il existe une fonction g telle que :
• il existe un voisinage de x0 (ou de −∞ ou de +∞) sur lequel on ait : f > g ou f > g
• lim g = +∞ (resp. lim g = +∞ )
x0 −∞
Alors f a pour limite +∞ en x0 ( ou en −∞ ou en +∞).
2. S’il existe une fonction g telle que :
• il existe un voisinage de x0 (ou de −∞ ou de +∞) sur lequel on ait : f < g ou f 6 g
• lim g = −∞ (resp. lim g = −∞
x0 −∞
Alors f a pour limite −∞ en x0 ( ou en −∞ ou en +∞).

Théorème 3.8. 1. Une fonction croissante et non majorée sur ]a; +∞[, a > 0 a pour limite +∞ en
+∞.
2. Une fonction croissante et non majorée sur ]a; b[ admet +∞ à gauche en b
3. Une fonction décroissante et non minorée sur ]a; +∞[, a > 0 a pour limite −∞ en +∞
4. Une fonction décroissante et non minorée sur ]a; b[ admet −∞ pour limite à gauche en b

4 Opérations sur les limites

Les tableaux suivants sont valables pour les limites en x0 , à droite et à gauche en x0 , en +∞ et en −∞.
Somme
lim f ℓ ℓ ℓ +∞ −∞ +∞
lim g ℓ′ +∞ −∞ +∞ −∞ −∞
lim (f+g) ℓ + ℓ ′ +∞ −∞ +∞ −∞ ?

Produit
lim f ℓ ℓ>0 ℓ>0 ℓ<0 ℓ<0 ℓ=0 ℓ=0 +∞ −∞ +∞
lim g ℓ′ +∞ −∞ +∞ −∞ +∞ −∞ +∞ −∞ −∞
lim (fg) ℓℓ ′ +∞ −∞ −∞ +∞ ? ? +∞ +∞ −∞

Inverse
lim f ℓ 6= 0 0 et f > 0 0 et f < 0
1 1
lim +∞ −∞
f ℓ

Quotient
lim f ℓ ℓ 6= 0 ℓ 6= 0 ±∞ 0 ε∞ ε∞
ε ∈ {−1; 1} ε ∈ {−1; 1}
lim g ℓ 6= 0
′
0 et g > 0 0 et g < 0 ±∞ 0 0 et g > 0 0 et g < 0
au voisinage au voisinage au voisinage au voisinage
de x0 de x0 de x0 de x0
f ℓ
lim +∞ si ℓ > 0 −∞ si ℓ > 0 F.I F.I ε∞ −ε∞
g ℓ′
−∞ si ℓ < 0 +∞ si ℓ < 0

28
Troisième partie
Dérivation
Dans tout ce qui suit, f désigne une fonction définie sur un intervalle I voisinage d’un réel x0 , contenant
x0 .

1 Dérivée en un point. Fonction dérivable

1.1 Définitions
1.1.1 Développement limité d’ordre 1

Définition 1.1. Une fonction f admet un développement limité d’ordre 1 au point x0 s’il existe un réel
A et une fonction ε définie sur I tels que :

∀x ∈ I, f(x) = f(x0 ) + A(x − x0 ) + (x − x0 )ε(x), avec lim ε(x) = 0.

x→x0

Ce qui peut s’écrire aussi en posant x = x0 + h :

f(x0 + h) = f(x0 ) + Ah + hε(h)avec lim ε(h) = 0.
h→0

Définition 1.2. L’application affine x 7→ f(x0 ) + A(x − x0 ) est appelée fonction tangente à f en x0 .

Exemple 1.1. • f : x 7→ x2 admet un développement limité à l’ordre 1 en 2 , car :

∀x ∈ R, f(x) − f(2) = (x − 2)(x + 2) soit : ∀x ∈ R, f(x) = f(2) + 2(x − 2) + (x − 2)x.
Donc ici : A = 2 et ε : x 7→ x. La fonction tangente correspondante est
• Toute fonction affine f : x 7→ ax + b possède un développement limité d’ordre 1 en tout point x0 de R :
∀x ∈ R, f(x) = f(x0 ) + a(x − x0 ).
Donc ici : A = a et√ ε : x 7→ 0.
• La fonction x 7→ x ne possède pas de développement
√ limité à l’ordre 1 en 0.
x
En effet, nous aurions : ∀x ∈]0; +∞[, ε(x) = ·
x
1
Or lim+ ε(x) = lim √ = +∞, ce qui contredit donc la définition de ε.
x→0 x→0+ x
☞ Remarque : Exemple d’un  développement d’ordre 2
1 − cos x 1
∀x ∈ R∗ , ε(x) = −
Soit ε la fonction définie par x2 2
ε(0) = 0
1 − cos x 1
Cette fonction possède une limite nulle en 0 car lim 2
= · Elle est donc continue en 0 et :
x→0 x 2
1
∀x ∈ R, cos x = 1 − x2 + x2 ε(x) avec lim ε(x) = 0.
2 x→0

Cette égalité est le développement limité d’ordre 2 de la fonction cosinus en 0, car l’exposant de (x − x0 )
dans le dernier terme est égal à 2.

1.1.2 Fonction différentiable- Nombre dérivé

Définition 1.3. Une fonction f est différentiable-ou dérivable- en x0 si et seulement si la fonction

f(x) − f(x0 )
x 7→ possède une limite finie en x0 .
x − x0

29
 Théorème 1.1. La fonction f est différentiable en x0 si et seulement si elle y admet un développement
limité d’ordre 1.

Démonstration . Si f est dérivable en x0 , alors :

∀x ∈ I, f(x) = f(x0 ) + A(x − x0 ) + (x − x0 )ε(x), avec lim ε(x) = 0.
x→x0

f(x) − f(x0 ) f(x) − f(x0 )

soit : = A + ε(x) et donc : lim = A. ♦
x − x0 x→x0 x − x0

1.2 Fonction dérivée

Définition 1.4. On dit qu’une fonction f est dérivable sur un intervalle ouvert I si et seulement si elle
est dérivable en tout point de I.
On appelle alors fonction dérivée de f et on note f ′ , l’application de I vers R, qui à tout réel x de I associe
le nombre dérivé au point x :

f′ : I→R
x 7→ f ′ (x)
df
Notation différentielle : On note aussi : f ′ = ·
dx

Définition 1.5. On dit qu’une fonction f est dérivable sur un intervalle [a; b] si et seulement si elle est
dérivable sur ]a; b[, dérivable à droite au point a et dérivable à gauche au point b.

Exemple 1.2. • Toute fonction polynomiale est dérivable sur R.

• Les fonctions cosinus et sinus sont dérivables sur R.
• La fonction valeur absolue est dérivable sur R∗+ et sur R∗− .
• La fonction racine carrée est dérivable sur ]0; +∞[.
• Une fonction rationnelle est dérivable sur tout intervalle sur lequel elle est définie.

Théorème 1.2. Toute fonction dérivable continue sur un intervalle I y est continue.

☞ Remarque : La réciproque est fausse ! La fonction valeur absolue est continue sur R mais n’y est pas
dérivable !

2 Dérivée d’une fonction réciproque

Nous admettrons le théorème suivant :

Théorème 2.1. Soit f une fonction dérivable et strictement monotone sur un intervalle ]a ;b[.
Sa fonction réciproque f−1 est dérivable en tout point y0 = f(x0 ) de f <]a; b[> tel que f ′ (x0 ) 6= 0 et :

1
(f−1 ) ′ (y0 ) = ·
f ′ (f−1 (y0 ))
☞ Remarque Si f ′ (x0 ) = 0, alors f−1 n’est pas dérivable en y0 mais la courbe représentative de f−1 possède
une demi-tangente parallèle à l’axe des ordonnées au point de coordonnées (y0 ; f−1 (y0 ).
Afin d’étudier l’ensemble de dérivabilité de f−1 il convient donc dans l’ordre :
• De résoudre l’équation f ′ (x) = 0.
• De déterminer l’mage par f des solutions ainsi trouvées.
f−1 est alors dérivable sur l’intervalle f <]a; b[> dont on aura exclu les images trouvées ci-dessus.

30
3 Accroissements finis
3.1 Théorème de Rolle

Théorème 3.1. Soit f une fonction définie sur intervalle [a ;b] avec a < b, telle que :
• continue sur [a ;b] ;
• dérivable sur ]a ;b[ ;
• f(a)= f(b).
Alors, il existe un réel c de ]a ;b[ tel que f’( c) =0.

f(a) = f(b)

a c1 c2 b

☞ Remarque : Ce théorème assure l’existence mais pas l’unicité d’un tel réel comme le montre la figure
ci-dessus.

3.2 Inégalité des accroissements finis

Théorème 3.2. Soit f une fonction dérivable sur un intervalle I. S’il existe deux réels m et M tels que
m 6 f ′ 6 M sur I, alors pour tous réels a et b de I avec a 6 b :

m(b − a) 6 f(b) − f(a) 6 M(b − a).

Démonstration . Soit g la fonction définie sur I par g(x) = Mx − f(x). Alors g est dérivable sur I et pour tout
x de I : g ′ (x) = M − f ′ (x). La fonction g ′ est donc positive sur I.
La fonction g est donc croissante sur I :

∀(a, b) ∈ I2 , a 6 b =⇒ g(a) 6 g(b).

Ce qui implique :
∀(a, b) ∈ I2 , a 6 b =⇒ Ma − f(a) 6 Mb − f(b),
et donc finalement :
∀(a, b) ∈ I2 , a 6 b =⇒ f(a) − f(b) 6 M(b − a).
L’autre inégalité se démontre de même en utilisant la fonction h définie sur I par h(x) = mx − f(x). ♦

31
Corollaire Soit f une fonction dérivable sur un intervalle I. S’il existe un réel M tel que |f ′ | 6 M sur I,
alors :
∀(a, b) ∈ I2 , |f(a) − f(b)| 6 M |b − a| .
Remarquons que l’inégalité est vraie, que a 6 b ou a > b.

Exemple 3.1.
∀(a, b) ∈ R2 , |sin a − sin b| 6 |b − a| .

3.3 Exercices
Exercice 23. Soit f une fonction définie sur R.
On sait seulement que f(0) = 0 et que :

1
∀x ∈ R, f ′ (x) = .
x2 + 1
1. Dresser le tableau de variation de f. En déduire le signe de f.
2. Montrer que :
∀x ∈ R, 0 6 f ′ (x) 6 1.
3. Soit x un réel positif. En utilisant l’inégalité des accroissements finis sur [0; x], montrer que 0 6 f(x) 6 x.
√
Exercice 24. Appliquer l’inégalité des accroissements finis à la √ fonction x 7→ x sur l’intervalle [10000; 10001]
et en déduire un majorant de l’erreur commise en remplaçant 10001 par 100.

Exercice 25. Montrer en utilisant l’inégalité des accroissements finis :

1 √ √ 1
∀n ∈ N, √ 6 n+1− n 6 √ ·
2 n+1 2 n

Exercice 26. f est une fonction définie et dérivable sur un intervalle [b; +∞[ tel que :

∃a > 0, ∀x > b, f ′ (x) > a.

1. Montrer que pour tout x de [b; +∞[ : f(x) > a(x − b) + f(b).
2. En déduire la limite de f en +∞.
1
Exercice 27. Soit u la suite définie sur N par u0 = 2 et ∀n ∈ N, un+1 u
=e n.
1
1. Soit f l’application de R∗+ dans R par f(x) = e x .
(a) Déterminer f ′ et f ′′ .
(b) Etudier le sens de variation de f.
3
2. Montrer que l’équation f(x) = x admet une solution unique L strictement positive. Justifier que L ∈] ; 2[.
2
3. (a) Tracer, dans un repère orthonormé, la courbe représentative C de f.
(b) Représenter graphiquement les premiers termes de la suite u.
4. (a) Montrer que : ∀n ∈ N, un ∈ [ 32 ; 2].
2 1
(b) Montrer que : ∀x ∈ [ 32 ; 2], 49 e 3 6 f ′ (x) 6 − 41 e 2 .
(c) En déduire qu’il existe k dans ]0; 1[, tel que : ∀x ∈ [ 32 ; 2], |f ′ (x)| 6 k.
(d) Montrer que, pour tout entier naturel n , on a : |un+1 − L| 6 k |un − L| .
(e) Montrer que la suite u converge vers L.
(f) Montrer, en utilisant les variations de f, que les réels |un+1 − L| et |un − L| sont de signes
contraires. En déduire que pour tout n entier naturel, L est compris entre un et un+1 .
En justifiant la méthode utilisée, donner une valeur approchée de L à 10−2 près.

32
3.4 Une application de l’inégalité des accroissements finis : demi-tangentes à une
courbe

Théorème 3.3. Soit f une fonction définie et continue sur un intervalle [a ;b] (a<b) et dérivable sur ]a ;b[.
Si f ′ admet une limite finie à droite ℓ en a, alors f est dérivable à droite en a et :

fd′ (a) = ℓ

Démonstration . f ′ admet une limite ℓ à droite de a, donc :

∀ε > 0, ∃α > 0, ∀x ∈]a; b[, |x − a| < α =⇒ |f ′ (x) − ℓ| < ε.

Posons alors b ′ = inf (a; b − a). f ′ est alors bornée sur ]a; b ′ [ par ℓ − ε et ℓ + ε.
Il est donc possible d’appliquer l’inégalité des accroissements finis à la fonction f sur tout intervalle [a, x] où x
appartient à ]a; b ′ [. Ce qui donne :

f(x) − f(a)
∀x ∈]a; b ′ [, ℓ − ε < < ℓ + ε.
x−a
Au final nous avons donc :
 
′
 f(x) − f(a)
′
∀ε > 0, ∃b > 0, ∀x ∈]a; b[, |x − a| < b =⇒ 

 − ℓ < ε.
x−a

c’est-à-dire :
f(x) − f(a)
lim = ℓ.
x→a+ x−a
c’est ce qu’il fallait démontrer. ♦

Exemple 3.2. f est la fonction définie sur R+ par x 7→ x2 − 4.

 

Nous avons :
• ∀x ∈ [0; 2], f(x) = 4 − x2 et : ∀x ∈ [0; 2[, f ′ (x) = −2x. Donc : lim− f ′ (x) = −4.
x→2
• ∀x ∈ [2; +∞[, f(x) = x2 − 4 et : ∀x ∈ [2; +∞[, f ′ (x) = 2x. Donc : lim+ f ′ (x) = 4.
x→2
La courbe représentative de f admet donc au point A(2; 0) une demi-tangente à gauche de coefficient
directeur −4 et une demi-tangente à droite de coefficient directeur 4 .
A est un point anguleux.

33
☞ Remarque importante La réciproque fausse, c’est-à-dire que f peut être dérivable en a sans que f ′ ne
possède une limite en a.


1
f(x) = x2 sin si x 6= 0
Exemple 3.3. Soit la fonction définie sur R par x
f(0) = 0
f est continue sur R. Pour s’assurer de sa continuité en 0, qui seule pose problème, nous pouvons ☞
remarquer que : ∀x ∈ R∗ , |f(x)| 6 x2 , ce qui implique que f a une limite égale à 0 en 0.
D’autre par , f est dérivable sur R∗ et :

1 1
∀x ∈ R∗ , f ′ (x) = 2x sin − sin ·
x x
1 1
La fonction x 7→ 2x sin possède une limite nulle en 0, alors que x 7→ sin n’en possède pas. Par
x x
conséquent, f ′ n’a pas de limite en 0.
Par contre :
 f(x) − f(0)  f(x) − f(0)
 
 x − 0  6 |x| =⇒ x→
  lim = 0.
0 x−0
Par conséquent f est dérivable en 0 en f ′ (0) = 0.
Nous admettrons le théorème suivant, analogue au théorème précédent :

Théorème 3.4. Soit f une fonction définie et continue sur un intervalle [a ;b] (a<b) et dérivable sur ]a ;b[.
Si ′ admet une limite infinie à droite en a, alors f est dérivable à droite en a et :

f(x) − f(a)
lim = lim+ f ′ (x).
x→a+ x−a x→a

Interprétation graphique
La courbe représentative de f possède au point A(a; f(a)) une demi-tangente parallèle à l’axe des ordonnées.
En particulier, f n’est pas dérivable au point a.

−4 −3 −2 −1 0 1 A2 3 4 5 6 7

34
Quatrième partie
Equivalents et notations de Landau
Dans tout ce qui suit, a désigne un réel fixé ou +∞ ou −∞.
f désigne une fonction définie sur un voisinage D de a. Les notions introduites dans cette partie sont
valables aussi pour une suite u car il s’agit d’une fonction de N vers R. Dans ce cas, nous aurons forcément
a = +∞.

1 Fonctions équivalentes

Définition 1.1. Soient f et g deux fonctions définies sur D. Supposons de plus que g ne s’annule pas
au voisinage de a, sauf éventuellement en a.
On dit alors que f et g sont équivalentes en a si :

f(x)
lim = 1.
x→a g(x)

On note alors f ∼ g ou plus simplement f ∼ g s’il n’y a pas d’ambiguité.

a

√
Exemple 1.1. • x 1 + x ∼ x
0
• n2 + n + 1 ∼ n2 .
+∞

☞ Remarques
• Si f et g sont continues et équivalentes en a, alors f(a) = g(a).
• Aucune fonction n’est équivalente à la fonction nulle.
• Les équivalences ainsi écrites permettent de déterminer des limites.
Les exemples suivants sont à connaître.

Exemple 1.2. • sin x ∼ x.

0
x2
• cos x − 1 ∼ − ·
0 2
• tan x ∼ x.
0
• ln(1 + x) ∼ x.
0
• ex ∼ 1 + x.
0
√ p
• Si n et p sont deux entiers naturels non nuls et α un réel fixé : n xp + α ∼ x n .
+∞

Théorème 1.1. La relation ∼a est une relation d’équivalence, c’est-à-dire qu’elle est :
• Réflexive : f ∼ f.
• Symétrique : si f ∼ g, alors g ∼ f.
• Transitive : si f ∼ g et si g ∼ h alors f ∼ h.
Les équivalents sont compatibles avec la multiplication et les quotients dans le sens suivant :

35
 Théorème 1.2. Si f1 ∼ g1 et f2 ∼ g2 , alors :
a a
• f1 f2 ∼ g1 g2
a
• ∀n ∈ N∗ , fn n
1 ∼ g1
a
f1 g1
• ∼ ·
f2 a g2
1 1
• ∼ ·
f1 a g1

Exercice 28. Montrer que ef ∼ eg ⇔ lim f − g = 0 .

a

Par contre, cette relation n’est pas compatible avec l’addition. Ceci signifie que si f1 ∼ g1 et f2 ∼ g2 , alors
a a
nous n’avons pas forcément f1 + f2 ∼ g1 + g2 . Il est plus utile d’utiliser les notations de Landau (cf.infra).
a
Exercice corrigé Déterminer un équivalent aux expressions suivantes quand x → +∞.

√
x2 + 3 p p p p
a) √
4
b) x2 + 3 + x2 − 3 c) x2 + 3 − x2 − 3
x3 + 5
Correction
a) D’une part : p √ √
x2 + 3 ∼ x2 ∼ x (attention ! x2 =| x |),
et d’autre part : √
4
p
4
x3 + 5 ∼ x3 .
Par conséquent : √
x2 + 3 x
√
4
∼ 3
3
x + 5 x4
Soit :
√
x2 + 3 1
√
4
∼ x4 .
3
x +5
b) Cette question montre que si l’addition n’est pas compatible avec l’addition, il se peut quand même que
cela donne le bon résultat. Nous serions ainsi tenter d’écrire :
p p
x2 + 3 + x2 − 3 ∼ 2x.

Pour confirmer ou infirmer ceci, il suffit de déterminer, si elle existe :

√ √
x2 + 3 + x2 − 3
lim ·
+∞ 2x
Or : √ √ !
√
r r
x2 + 3 + x2 − 3 1 3 3
∀x > 3, = 1+ 2 + 1− 2 .
2x 2 x x
Ceci permet donc d’écrire :
√ √
x2 + 3 + x2 − 3
lim = 1.
+∞ 2x
En conclusion nous pouvons donc affirmer que :
p p
x2 + 3 + x2 − 3 ∼ 2x.
c) Si nous essayions de reprendre la méthode précédente, nous trouverions la fonction nulle, ce qui n’est
pas possible en vertu d’une remarque écrite plus haut.
L’idée est de transformer l’écriture en introduisant l’expression conjuguée :
√ p p 6
∀x > 6 , x2 + 3 − x2 − 3 = √ √ ·
x2 + 3 + x2 − 3

36
En reprenant le résultat de la question b), ceci nous permet d’obtenir :
p p 3
x2 + 3 − x2 − 3 ∼ ·
x
n
X
Exercice corrigé Montrer que k! ∼ n!
k=1
Correction
Un petit calcul montre que le résultat énoncé est équivalent à montrer que :
n
1 X
lim | k! − 1 |= 0·
+∞ n!
k=1
n n−1 n−2
1 X 1 X 1 X 1 1 1 n−2 1
Et : | k! − 1 |= k! = k! + 6 (n − 2)(n − 2)! + = + −→ 0.
n! n! n! n n! n n(n − 1) n
k=1 k=1 k=1
Ce qui implique le résultat demandé.

2 Fonctions négligeables

Définition 2.1. Soient f et g deux fonctions définies sur D. Supposons de plus que g ne s’annule pas
au voisinage de a, sauf éventuellement en a.
On dit alors que f est négligeable devant g au voisinage de a si :

f(x)
lim = 0.
x→a g(x)

On note alors f = oa (g) ou plus simplement f = o(g) s’il n’y a pas d’ambiguité. On le lit souvent " f est
un petit o de g"
Cette notation est due à E. Landau. Il serait plus logique d’appeler oa (g) l’ensemble des fonctions négligeables
devant g au voisinage et ensuite d’écrire f ∈ oa (g)..... mais l’usage en a voulu autrement. Il faut donc bien
comprendre qu’il s’agit simplement d’une notation. Le symbole " = " n’est donc pas à proprement parler une
égalité de fonction.
☞ Remarques
• f = oa (1) ⇔ lim f(x) = 0.
x→a
• f ∼a g ⇔ f − g = oa (g) ⇔ f = g + o(g).

Théorème 2.1.
∀n ∈ N∗ , ln x = o+∞ (xn ).

∀n ∈ N∗ , xn = o+∞ (ex ).
x2 = o0 (x).

Théorème 2.2. Soit f une fonction dérivable en un réel x0 . Alors :

f(x) = f(x0 ) + f ′ (x0 )(x − x0 ) + o(x − x0 ).

Cette égalité n’est qu’une réécriture de la dérivabilité d’une fonction vue par ailleurs.

37
 Théorème 2.3. Soient f1 et f2 deux fonctions négligeables devant une fonction g. Alors f1 + f2 et f1 − f2
sont négligeables devant g. Autrement dit :

f1 = o(g) et f2 = o(g) =⇒ f1 + f2 = o(g)

f1 = o(g) et f2 = o(g) =⇒ f1 − f2 = o(g)

On remarque ici l’un des pièges de cette notation de Landau. En effet, nous remarquons que o(g)−o(g) = o(g)
et non o(g) − o(g) = 0. Ceci n’est en rien choquant car il faut toujours garder à l’esprit que ces égalités n’en
sont pas vraiment et qu’elles n’ont été introduites que par commodité.
Nous serions certainement moins émus si nous avions pris l’autre notation évoquée plus haut :

f1 ∈ o(g) et f2 ∈ o(g) =⇒ f1 − f2 ∈ o(g)

Autrement dit : si deux fonctions appartiennent à l’ensemble des fonctions négligeables devant g, il en est
de même pour leur somme et leur différence. Mais quand nous utiliserons cette notation de Landau dans
les développements limités, nous serons vite convaincus que nos illustres prédécesseurs avaient fait le bon
choix.

Théorème 2.4. Si f = o(g) et si h est une fonction ne s’annulant pas au voisinage de a, sauf éventuel-
lement en a alors fh = o(gh).
De plus :
∀λ ∈ R, λf = o(g).
Ceci permet donc d’écrire indifféremment 2o(x) , o(8x) ou o(x). C’est bien sûr la dernière notation qui sera
retenue. De même, il n’y a pas de différence entre xo(ln2 x) et o(x ln2 x) et l’on préfère privilégier la notation
dans laquelle toutes les fonctions sont incluses dans le o.

3 Fonctions dominées

Définition 3.1. Soient f et g deux fonctions définies sur D. Supposons de plus que g ne s’annule pas
au voisinage de a, sauf éventuellement en a.
On dit alors que f est dominée par g au voisinage de a si :

f
La fonction est bornée au voisinage de a.
g

On note alors f = Oa (g) ou plus simplement f = O(g) s’il n’y a pas d’ambiguité. On le lit souvent " f est
un grand O de g"
Il s’agit de la seconde notation de Landau.

Théorème 3.1.
f1 = O(g) et f2 = O(g) =⇒ f1 + f2 = O(g)
f1 = O(g) et f2 = O(g) =⇒ f1 − f2 = O(g)

Théorème 3.2.
f = o(g) =⇒ f = O(g)

f = O(g) et g = O(h) =⇒ f = O(h).

f1 = O(g) et f2 = O(h) =⇒ f1 f2 = O(gh)

38
Cinquième partie
Fonctions uv
1 Présentation
L’objet de cette section est de définir sous forme de questions les fonctions de la forme uv où u et v désignent
deux fonctions définies sur un intervalle I de R. Nous connaissons déjà les fonctions puissances de la forme
x 7→ xn , n désignant un nombre entier relatif non nul.
En partant de la propriété :
∀a > 0, a = eln a
et en la généralisant, nous obtenons la définition suivante :

Définition 1.1. Soient u et v deux fonctions définies sur un intervalle I de R,

u étant strictement positive sur I.
La fonction uv est définie par :

∀x ∈ I, (uv )(x) = u(x)v(x) = ev(x) ln u(x) .

2 Fonctions puissances

Définition 2.1. Soit α un réel donné. La fonction fα est la fonction définie sur R∗+ par :

∀x ∈ R∗+ , fα (x) = xα = eα ln x .

1. Etude de fα .
Suivant les valeurs de α, étudier :
• la continuité de fα (est-elle prolongeable par continuité en 0 ?) ;
• sa dérivabilité (on déterminera l’expression de fα′ (x)) ;
• les variations de fα ;
• sa limite en +∞ (on étudiera en particulier les branche infinies). Construire la courbe representative
de fα .
2. Montrer que pour tout α différent de 0, fα admet une fonction réciproque à déterminer.

3 Fonctions exponentielles de base a

Définition 3.1. a étant un réel strictement positif, on appelle fonction exponentielle de base a, la
fonction fa définie sur R par :

∀x ∈ R, fa (x) = ax = ex ln a .

1. Faire l’étude complète de fa sur R (cf. question 2.2).

2. Règles de calculs
Pour tous a et b réels strictement positifs et pour tous x et y réels, démontrer les égalités suivantes :
ax 1 ax  a x
ax+y = ax ay ax−y = y a−x = x (ax )y = axy =
a a bx b
ax
3. Déterminer la limite en +∞ du quotient α , a étant un réel strictement positif et α étant un réel
x
quelconque.

39
4 Autres fonctions
Etudier les fonctions suivantes
1. f : x 7→ xx . Justifier la notation 00 = 1.
2. f : x 7→ (ln x)x .

5 Exercices
Exercice 29. Déterminer les limites suivantes :
1. lim (ln(x + 1))x 1
3. lim (cos x) sin x
x→0
x+2 x→0
x+3 (ln x)n

2. lim 4. lim, n et p étant des rationnels positifs.
x→+∞ x−1 x→+∞ epx

1
ln(1 + x) x

Exercice 30. Soit f la fonction définie par : f(x) = 1 − .
ln x
1. Quel est l’ensemble de définition de f ?
2. Etudier la limite de f en 1.
3. Montrer que ln f(x) = x1 (ln(1 + h(x)), avec :

ln(1 + x)
h(x) = .
ln x1

4. Etudier la limite de h en 0. En déduire la limite en 0 de ln f(x) puis celle de f.

Exercice 31. 1. Démontrer que, quels que soient les réels positifs a et b, et quel que soit l’entier naturel
non nul p :

Xp
1 1 p−k k−1
(a − b) = (a p − b p )( a p b p ).
k=1

2. Soit f la fonction définie par : " 1 #

1 p
f(x) = x 1 − −1 .
x
Etudier la limite de la fonction f en +∞.
3. Soit, pour n entier naturel supérieur à 2, la fonction fn définie par :
√ √ √
( cos x − 1)( 3 cos x − 1) . . . ( n cos x − 1)
fn (x) = ·
x2n−2
Donner la limite de cette fonction en 0.

Exercice 32. Soit f la fonction définie par :

1
f(x) = |x| x−1 .

1. Indiquer les intervalles sur lesquels f est continue.

2. Quelle est la limite de f en 0 ?
3. Quelle est la limite de f en 1 ? Soit F le prolongement par continuité de f sur R∗ .
4. Quelles sont les limites de f en +∞ et en −∞ ?
5. Quelle est la dérivée de F ?
6. Etudier les variations de f.
7. Construire la courbe de F dans un repère orthonormé.

40
Exercice 33. Gabon 1976
Soit f la fonction définie sur R par :
1
f(x) = (−x)− x si x 6 −1 f(x) = ax + b si x > −1.

Comment peut-on choisir les réels a et b pour la fonction f soit :

1. continue en −1 ?
2. dérivable en −1 ?
Pour les valeurs trouvées en 2. on étudiera la fonction f et l’on tracera sa courbe représentative dans
un plan orthonormé.

41
Sixième partie
Etude de fonctions
1 Plan d’étude d’une fonction
Voici le plan d’étude d’une fonction f donnée par l’expression explicite de l’image f(x).
1. Détermination de l’ensemble de définition.
Si l’ensemble de définition n’est pas indiqué dans l’énoncé, il est nécessaire d’énoncer clairement toutes
les contraintes d’existence du réel f(x).
En Terminale, trois problèmes peuvent se présenter :
• ln u(x) existe ⇔ u(x) > 0
p
• u(x) existe ⇔ u(x) > 0.
1
• existe ⇔ u(x) 6= 0.
u(x)
Rédaction
f est définie pour tout x tel que : ......

1 3x √
Exemple 1.1. Si f(x) = ln(x + ) + 2 + 4 cos2 x − 1.
2 x −4
f est définie pour tout x tel que :

 1
 x+ > 0
2
 x − 4 6= 0 (1)
2

4 cos2 x − 1 > 0
Or :

 
1  1

 
 x > −
 x > −  2
 2 
(1) ⇔ x 6= 2 ⇔ x 6= 2

 −1 1 

[ π π 2π 4π

 cos x 6 ou cos x >  x ∈

 [− + 2kπ, + 2kπ] ∪ [ + 2kπ, + 2kπ]
2 2 3 3 3 3
k∈Z

Conclusion
1 π 2π 4π [ h π i  2π 4π
     
π
Df = − , ∪ π, − + 2kπ, + 2kπ ∪ + 2kπ, + 2kπ .
2 3 3 3 3 3 3 3
∗ k∈N
Ne pas hésiter à construire une droite graduée, surtout lorsque l’ensemble à déterminer est un peu
difficile à visualiser, comme ici :
π π
− 2π 4π
3 3 B
3 3

−1 1 0 1 2 3 4
−
2

2. Domaine d’étude.
• Si f est T -périodique, il suffit d’étudier la fonction sur un intervalle de longueur T .
• Si f est paire ou impaire, il suffit d’étudier la fonction sur Df ∩ R+ .
Le but est bien entendu de trouver l’ensemble d’étude le plus petit possible.

Exemple 1.2. f : x 7→ 4 sin3 x − 3 sin(2x).

f est définie sur R. Elle est impaire et 2π-périodique. Il est donc possible de l’étudier sur [0; π].

3. Dérivabilité- Calcul de la dérivée-Etude du signe de la dérivée sur le domaine d’étude. Calcul des
minima et maxima éventuels.

42
 4. Etude des limites de f aux bornes du domaine d’étude. Recherche des asymptotes éventuelles. Etude
des branches infinies de la courbe le cas échéant (cf. infra).
5. Construction d’un tableau de variations sur le domaine d’étude.

2 Etude des branches infinies d’une courbe

lim f = +∞
+∞

f(x)
f(x) f(x) f(x) n’a pas de
lim =0 lim = +∞ lim =a x
+∞ x +∞ x +∞ x limite quand x
a 6= 0 tend vers + ∞

direction direction direction

asymptotique asymptotique asymptotique

xx’ yy’ y=ax

f (x) − ax
n’a pas de limite
lim f (x) − ax = b lim f (x) − ax = +∞ quand x tend vers
+∞ +∞

+∞

branche branche asymptote branche

on ne peut
asymptotique asymptotique oblique parabolique pas conclure
xx’ yy’ y=ax+b y = ax

x 7→ ln x x 7→ ex 3x2 +2x−5 x 7→ x + ln x x 7→ x + cos x

x 7→ x+1

43
3 Exercices corrigés
Exercice 34. Faire l’étude complète des fonctions suivantes :

x2 + 4
• f(x) = √
x + 2 + x2 + 4
sup(−x3 + x2 + 5x, 2x3 + x)
• g(x) =r
1 + cos 2x
•h(x) =
1 + cos x
x
• φ(x) = tan + sin x.
2

4 Exercices
Faire l’étude complète des fonctions suivantes :
Exercice 35. f(x) = x3 + 3x − 2; g(x) = 41 x4 − 2x2 + 2. h(x) = x2 + |x − 1| ;
x2 + 4x + 3
 2
2x − 3 |x + 1| − 2x  x − 2x 

Exercice 36. f(x) = ; g(x) = . h(x) = 2 ; φ(x) =  .
3x + 3 |x − 1| x + 6x + 8 x−1 
x3 −3x + 2 1 1 √
Exercice 37. f(x) = ; g(x) = ; h(x) = x 3 + ; φ(x) = x + x − 1.
x2
− 4x + 5 x2
− 3x + 2 x
r r
3
r
2
√
1 1 x (x + 1) x2 − 3x + 2

−x
Exercice 38. f(x) = x + ; g(x) = ; h(x) = ; φ(x) = .
x x x+1 x−1 x+1
 2 
x + x + 1
2
p
Exercice 39. f(x) = |2 − x|; g(x) = x − 6x + 5; h(x) = ·
|x| + 1
x2 − 1
r
√
Exercice 40. f(x) = (1 − x) x + 1; g(x) = x ; h(x) = (−1)E(x) (x − E(x)); φ(x) = E(2x) − x;
x2 + 1
1 √ 1√ 2 2x 3
Exercice 41. f(x) = · g(x) = 2x − 1 + x − 4; h(x) = x + 3 + 6x + 24x; φ(x) = ·
x − E(x) 2 (2x − 1)3
1
Exercice 42. f(x) = (x + 1)2 +
p
; g(x) = 3 (x − 1)2 (x + 2);
p
p x +√ 2
h(x) = x + x(2 − x); φ(x) = sin x + 3 cos x.
cos 3x
Exercice 43. f(x) = cos2 x. g(x) = 2 cos 3x + 1; h(x) = 3 sin 2x + 2 cos 3x − 3; φ(x) = ·
1 + cos 2x
cos 3x cos3 x 1 − 2 sin x cos 2x
r
Exercice 44. f(x) = ; g(x) = ; h(x) = ; φ(x) = ·
(cos x − 1)2 (cos x − 1)2 1 + 2 sin x sin x
1 sin x + cos x
Exercice 45. f(x) = sin2 x − 2 cos x; g(x) = x − sin x; h(x) = ; φ(x) = ·
sin x sin 2x
4 cos x − 3 tan x
Exercice 46. f(x) = ; h(x) = cos2 x + sin x cos x; φ(x) = ·
2 cos x 1 − 2 sin x
Exercice 47. f(x) = tan x + cos x.
Exercice 48. Résoudre :

1. ln(150 − 25x − x2 ) = 3 ln(5 − x). 8. ln(x2 − 1) > ln(x − 2) + ln(x − 3).


2. 2 ln(3x − 5) + ln(10x − 4) = ln(5x − 2). x2 + y2 = 4a2
 9.
xy + x + y = 2 ln x + ln y = 2 ln 3a − 3 ln 2
3. √
ln(x + 1) + ln(y − 1) = 1 10. ln x > 2.kk (ln x)4 − 34(ln x)2 − 225 = 0.
4. ln(150 − 25x − x2 ) = 3 ln(5 − x). 11. 2(ln x)3 − 3(ln x)2 − 3 ln x + 2 = 0.
√
5. ln x > 2. 12. (ln x)2 − (ln x2 ) − 3 = 0.

6. ln |2x + 1| > 1. 5x + 4y = 7
 13.
(ln x)(ln y) = −10 ln x + ln y = ln 3 − ln 5
7. √ √
ln x + ln y = 3 14. x x = ( x)x .

44
 r Trouver les ensembles de définition des fonctions suivantes :
Exercice 49.
ln x − 1
1. x 7→ · 2. x 7→ ln(ln(ln x))).
ln x + 1
Exercice 50. Calculer les dérivées des fonctions suivantes après avoir donné leurs ensembles de définition :
 x   x π 
f(x) = x ln x; g(x) = ln tan  ; h(x) = ln tan( + ) ·
 
2 2 4
Quelles primitives peut-on ainsi trouver ?

Exercice 51. Démontrer :

x2
∀x > 0, x− < ln(1 + x) < x.
2
Exercice 52. Montrer que pour tout n entier strictement positif :

1 1
< ln(n + 1) − ln n < .
n+1 n
Aide : On pourra utiliser l’inégalité des accroissements finis.

En déduire que :
n
X 1
1. La suite u de terme général un = a pour limite +∞.
k
k=1
2. La suite v de terme général vn = un − ln n est minorée et décroissante. En déduire qu’elle converge
vers un réel noté γ.
Ecrire un algorithme ( avec Algobox ) et le tester pour conjecturer une valeur approchée de γ à 0,01
près.
Cette limite est-elle rationnelle ? (Bon courage.......)
ln 2
Exercice 53. Démontrer que est irrationnel.
ln 5
Exercice 54. Déterminer les limites suivantes :
x ln x ln x − 1
1. lim+ (a 6= 0). 2. lim ·
x→0 ln(1 + ax) x→e x − e

1
Exercice 55. Etudier la fonction f définie par : f(x) = ·
ln |x + 1|
Exercice 56. Partie A
1. f est une application dérivable de R∗+ dans R ; a est un réel strictement positif donné.
Soit ga l’application de R∗+ dans R définie par :

x 7→ f(ax) − f(x).

Montrer que ga est dérivable sur R∗+ et déterminer sa dérivée.

2. On se propose de déterminer l’ensemble F des applications f de R∗+ dans R, dérivables sur R∗+ vérifiant
l’équation fonctionnelle suivante :

∀(x, y) ∈ R∗+ × R∗+ , f(xy) = f(x) + f(y). (1)

(a) Vérifier que, pour tout réel k, la fonction k.ln appartient à F.

(b) Si f est un élément de F montrer que f(1)=0.
(c) Si f est un élément de F que peut-on dire de toute fonction ga introduite au 1˚) ? En déduire que :

∀a ∈ R∗+ , af ′ (a) − f ′ (1) = 0.

(d) Conclure alors que f est une fonction de la forme :

x 7→ k ln x.

(k désignant une constante réelle) puis donner F.

45
Partie B Soit A l’ensemble des couples de réels (a, α) où a est strictement positifs et α un réel. On définit
une opération ⋆ de la façon suivante :

(a, α)⋆(b, β) = (ab, aβ + bα).

1. Montrer que A muni de cette opération est un groupe abélien.

2. f est une application de R∗+ dans R . On définit sur R∗+ à valeurs dans A, l’application φ par :
φ(a) = (a, f(a)).
A quelle condition H sur f cette application φ définit-elle un morphisme de groupe de (R∗+ , ×) dans
(A, ⋆).
3. (a) f étant de dérivable sur R∗+ et vérifiant H, soit h l’application de R∗+ dans R définie par :

f(x)
∀x > 0, h(x) = ·
x
Montrer que h est un élément de F.
(b) Montrer que l’ensemble des applications de R∗+ dans R,dérivable sur R∗+ et vérifiant H est l’en-
semble des applications :
x 7→ kx ln x (k ∈ R).
Exercice 57. Soient u et v les suites définies par :
n
1

un = 1 + et vn = ln un .
n
1. Démontrer que la suite u converge et déterminer sa limite.
2. En déduire que u converge. Quelle est sa limite ?
Exercice 58. Soit a et b deux réels tels que 0<a<b.
Soit f la fonction définie par :
ln(ax + 1)
f(x) = ·
ln(bx + 1)
1. Trouver l’ensemble de définition de f.
2. Calculer f’(x).
3. On pose :
g(x) = a(bx + 1) ln(bx + 1) − b(ax + 1) ln(ax + 1).
Calculer g’(x) et en déduire le sens de variations de f.
a  b 
4. Démontrer que : ln + 1 ln + 1 < (ln 2)2 .
b a
Exercice 59. Démontrer que pour tout entier n supérieur à 8 :
√ √
n+1 n
n > (n + 1)
√
Exercice 60. Déterminer la limite et le plus grand terme de la suite u définie par : un = n
n.
Exercice 61. [83] Soit fa : x 7→ ln(x2 + a) où a est un réel donné.
1. Déterminer, suivant les valeurs de a l’ensemble de définition de fa ainsi que les limites de cette fonction
aux bornes de son ensemble de définition.
2. Etudier suivant les valeurs de a les variations de fa sans utiliser la dérivée de cette dernière. Dresser
les différents tableaux de variation de fa suivant les valeurs de a.
 a
3. Montrer que pour tout x positif, fa (x) = ln x2 + ln 1 + 2 .
x
fa
En déduire lim ·
x→+∞ x

Exercice 62. [Bac C-Lyon 1973]

Résoudre
 le système :
2 logx y + 2 logy x = −5
xy = e

46
Exercice 63. [85 suite]
1
Soit u la suite définie sur N par u0 = 2 et ∀n ∈ N, un+1 = e un .
1
1. Soit f l’application de R∗+ dans R par f(x) = e x .
(a) Déterminer f’ et f”.
(b) Etudier le sens de variation de f.
2. Montrer que l’équation f(x) = x admet une solution unique L strictement positive. Justifier que L ∈] 32 ; 2[.
3. (a) Tracer, dans un repère orthonormé, la courbe représentative C de f.
(b) Représenter graphiquement les premiers termes de la suite u.
4. (a) Montrer que : ∀n ∈ N, un ∈ [ 32 ; 2].
2 1
(b) Montrer que : ∀x ∈ [ 32 ; 2], − 49 e 3 6 f ′ (x) 6 − 41 e 2 .
(c) En déduire qu’il existe k dans ]0; 1[, tel que : ∀x ∈ [ 32 ; 2], |f ′ (x)| 6 k.
(d) Montrer que, pour tout entier naturel n , on a : |un+1 − L| 6 k |un − L| .
(e) Montrer que la suite u converge vers L.
(f) Montrer, en utilisant les variations de f, que les réels un+1 − L et un − L sont de signes contraires.
En déduire que pour tout n entier naturel, L est compris entre un et un+1 .
En justifiant la méthode utilisée, donner une valeur approchée de L à 10−2 près.
Z1
Exercice 64 (85 INTEGRALE Somme riemann SUITE). 1. Calculer xe−x dx.
0
Xn
k −k
2. n étant un entier naturel non nul, on pose : S(n) = e n . Montrer que S(n) a une limite lorsque
n2
k=1
l’on fait tendre n vers +∞. Préciser cette limite.

Exercice 65. [dijon sept 1979]

1. (a) Etudier les variations de la fonction f de R∗ dans R par :

1 x
f : x 7→ f(x) = e
x
Construire sa courbe dans un repère orthonormé.
(b) Déduire de l’étude précédente, suivant les valeurs du paramètre réel a, le nombre de racines réelles
de l’équation :
1 − axe−x = 0.

2. On se propose d’étudier la famille de fonctions gm de la variable réelle x, définies sur ]0; +∞[ dans R
par :
gm : x 7→ gm (x) = xm e−x .
où m désigne un paramètre réel strictement positif.
Le plan est muni d’un repère orthonormé (on prendra 5 cm en abscisse et 10 cm en ordonnée).
(a) Etudier la limite de gm en 0.
(b) Soit la famille de fonctions fm de [0; +∞[ dans R définies par :
fm (x) = gm (x) si x>0 et fm (0) = 0.
On désigne par Cm la courbe représentatitve de fm . Montrer que les fonction fm sont continues
en 0.
(c) Calculer la limite de fm en +∞. En déduire que les courbes Cm possèdent une asymptote com-
mune.
(d) Etudier les variations de fm .
(e) En considérant la définition de la dérivée à droite, étudier la tangente à Cm en 0 (on sera amené
à distinguer les cas suivants : 0<m<1 , m=1 et m>1).
(f) Etudier les cas particulier m=1 ; m=0,5 et m=2. Tracer les courbes correspondantes. Montrer que
toutes les courbes Cm passent par un point fixe autre que l’origine.

Exercice 66. [ Bac C et E, Amiens 1982]

47
 1. Soit φ l’application de R∗ dans R définie par :

1
 
1
∀x ∈ R∗, φ(x) = 1+ e x + 1.
x

Déduire de l’étude des variations de φ dans R∗ , celle du signe de φ(x) dans R∗ .

2. Soit f l’application de R dans R définie par :
 x
∀x ∈ R∗ , f(x)= 1 ·
1 + ex
f(0) = 0

(a) Etudier la continuité et la dérivabilité de f en 0.

(b) Déterminer le tableau de variations complet de f dans R.
(c) Soit C la courbe représentative de f dans un repère orthonormé.
x
Etudier la limite de f(x) − quand x tend vers +∞ et quand x tend vers −∞.
2
Montrer que C admet une asymptote et construire C.
Montrer que C se trouve tout entière au-dessus de son asymptote.

Exercice 67. [Bac C, Caen, 1982, partiel]

Soit λ un réel non nul, on considère la fonction fλ , définie de R dans R par :

fλ (x) = x + λ(x + 1)e−x .

On désigne par Cλ la courbe représentative de la fonction fλ dans un plan affine euclidien rapporté à un
repère orthonormé (O,~i,~j).
1. Déterminer fλ′ et fλ′′ les dérivées première et seconde de fλ .
2. Discuter, suivant le réel λ, le nombre de solutions de l’équation d’inconnue x :

fλ′ (x) = 0.

Préciser la position de ces solutions par rapport à 0 et 1 (on distinguera les 4 cas : λ<0, 0<λ<e, λ=e,
λ>0).
3. Déduire de ce qui précède, le sens de variations de fλ suivant les valeurs du réel λ.
4. Etudier les limites de fλ en +∞ et en −∞.
Préciser les branches infinies de la Cλ .
5. Montrer qu’il existe un unique point commun A à toutes les courbes Cλ .
6. Soit Iλ le point de Cλ dont l’abscisse est 1. Ecrire une équation de la tangente Dλ à Cλ au point Iλ .
Montrer que les droites Dλ ont un point commun B.
7. On se propose de construire avec précision les courbes C−1 , Ce , C4 .
Les courbes seront tracées sur une même figure sur papier millimétré en prenant 2 cm comme unité.
(a) On prend λ = −1. Montrer que l’équation d’inconnue x, f−
′
1 (x) = 0 n’a qu’une seule solution notée
x1 comprise entre - 0,57 et - 0,56.
Construire la courbe C−1 .
(b) Construire la courbe Ce .
(c) Montrer que l’équation d’inconnue x, f4′ (x) = 0 a deux solutions : x1 , comprise entre 0,35 et 0,36
et x2 comprise entre 2,15 et 2,16.
Tracer C4 .

48
Septième partie
Intégration
Sauf mention contraire, (a, b) désigne un couple de réels tels que a < b. Le plan est muni d’un repère
orthogonal (O, I, J).

1 Intégration des fonctions en escalier sur un segment [a; b]

1.1 Fonctions en escalier sur un segment [a; b]

Définition 1.1. Soit [a; b] un intervalle de R. On appelle subdivision de [a; b] toute famille finie de réels
σ = (ai )06i6n telle que :
a = a0 < a1 < · · · < an = b.
Les réels (ai )06i6n sont appelés les points de la subdivision σ.
Le segment [a; b] est ainsi découpé en n intervalles [a; a1], [a1 ; a2 ], · · · , [an−1 ; b].

Exemple 1.1. • σ = (a, b) est une subdivision de [a, b].

•σ = (a, b) est une subdivision de [a; b].

a b
• [a; b] = [0; 1] :

3 4 5 4 9
p(σ ′ ) = 1 σ′
10 10 10 10 10

σ
0 1 2 3 4 5 6 7 8 9 10
=1
10 10 10 10 10 10 10 10 10 10

1 2 3 4 5 6 7 8 9 1
 
σ= 0, , , , , , , , , , 1 : σ est une subdivision à pas constant égal à ·
10 10 10 10 10 10 10 10 10 10
3 4 5 9
 
σ ′ = 0, , , , , 1
10 10 10 10
σ ′ est une subdivision dont le pas p(σ ′ ) est défini par p(σ ′ ) = max (ai+1 − ai ).
06i6n−1
4
Ici : p(σ ) =
′
·
10
σ et σ sont deux subdivisions du même segment. Tous les points de σ ′ sont des points de σ :
′

la subdivision σ est dite plus fine que σ ′ .

• Toute subdivision de [a; b] à pas constant est de la forme σ = (ai )06i6n avec :

b−a
∀i ∈ [[0; n]], ai = a + i ·
n

49
 Définition 1.2. Une fonction f : [a; b] −→ R est dite en escalier si et seulement s’il existe une subdivision
σ = (ai )06i6n telle que pour tout i de [[0; n − 1]] , f restreinte à ]ai ; ai+1 [ est constante :

∀i ∈ [[0; n − 1]], ∃ ci ∈ R, ∀x ∈]ai ; ai+1 [, f(x) = ci .

Définition 1.3. Une telle division σ est dite adaptée à f.

Exemple 1.2. Dans cet exemple, il est possible de prendre σ = (−2, 1, 4, 6). Dans ce cas : n = 3,
c0 = −1 c1 = 3, c2 = 2.



 −1 si −2 ≤ x ≤ 1 4

 3
 si 1<x<4
2 si 4<x<6 3


 2 , 5 si x=4 5


−1 si x=6 2
2

−3 −2 −1 0 1 2 3 4 5 6 7

−1

−2

Bien entendu, toute subdivision de [−2, 6] plus fine que σ est aussi adaptée à f (par exemple : σ ′ =
(−2, 1, 2, 3, 4, 6)).
Par contre, la subdivision σ = (−2, 0, 4, 6) n’est pas adaptée car f n’est pas constante sur l’intervalle ]0 ;4[.

1.1.1 Propriétés

Propriété 1.1. Soit E l’ensemble des fonctions en escalier sur un segment [a; b] donné. Alors :
•1[a;b] : x 7→ 1 appartient à E .

2 f+g ∈ E
• ∀(f, g) ∈ E ,
fg ∈ E
• ∀λ ∈ R, ∀f ∈ E, λf ∈ E.
• ∀f ∈ E, |f| ∈ E.

Démonstration . :
• Il suffit de prendre la subdivision σ = (a, b).
• Soient σ = (ai )06i6n et σ ′ = (αi )06i6m deux subdivisions adaptées respectivement à f et g. Nous allons
construire une subdivision σ ′ = (βi )06i6p adaptée à f + g et à fg.
Par définition, il est nécessaire de poser : β0 = a0 = α0 = a.
Ensuite il est possible d’ordonner par ordre strictement croissant les valeurs des points des deux subdivisions
σ et σ ′ . Cette nouvelle suite de points est finie et permet de définir une nouvelle subdivision σ ′′ adaptée à f et
g, et plus fine que σ et σ ′ .

50
 Exemple 1.3.
]β0 ; β1 [ = ]0; 1[ σ
]β1 ; β2 [ = ]1; 2[
]β2 ; β3 [ = ]2; 3[
]β3 ; β4 [ = ]3; 4[ σ′

σ ′′
0 1 2 3 4

Si σ = (0, 1, 2, 4) et σ ′ = (0, 2, 3, 4), alors σ ′′ = (0, 1, 2, 3, 4).

f et g étant constantes sur les intervalles ]βi ; βi+1 [, où i appartient à [[0; p − 1]], il en est de même pour les
fonctions f + g et fg qui sont donc des éléments de E .
•Toute subdivision σ = (ai )06i6n adaptée pour f l’est aussi pour λf :

∀i ∈ [[0; n − 1]], ∃ ci ∈ R, ∀x ∈]ai ; ai+1 [, λf(x) = λci .

• Toute subdivision σ = (ai )06i6n adaptée pour f l’est aussi pour |f| :
∀i ∈ [[0; n − 1]], ∃ ki ∈ R+ , ∀x ∈]ai ; ai+1 [, |f(x)| = ki . ♦

Propriété 1.2. Si f est un élément de E et si [α; β] est inclus dans [a; b], alors f est une fonction en
escalier sur [α; β].

Démonstration . Soit σ = (ai )06i6n une subdivision adaptée à f sur [a; b].
a
Il faut construire une subdivision σ ′ adaptée à f sur [α; β]. Il existe une famille finie, éventuellement vide
(ai )p6i6q de points de σ, telle que :

α 6 ap < · · · < aq 6 β.
La subdivision σ ′ = (α, ap , · · · , β) convient. ♦

☞ Remarque Une fonction en escalier sur [a; b] y possède un nombre fini de points de discontinuité, lesquels
appartiennent à l’ensemble des points communs à toute subdivision adaptée à f.
De plus, f n’en possède aucun si et seulement si elle est constante sur [a; b].

1.2 Intégrale d’une fonction en escalier sur un segment [a; b]

1.2.1 Définitions et exemples

Définition 1.4. Soit f une fonction en escalier sur [a; b] et soit une subdivision σ = (ai )06i6n adaptée
à f telle que :

∀i ∈ [[0; n − 1]], ∀x ∈]ai ; ai+1 [, f(x) = ci .

n−1
X Zb
• Le réel I(f) = (ai+1 − ai )ci est appelé intégrale de f sur [a; b] et est noté : I(f) = f(x)dx,
i=0 a
qui se lit : " somme de a à b de f(x)dx" ou " intégrale de a à b de f(x)dx".
• a est la borne inférieure de l’intégrale et b est la borne supérieure de l’intégrale.

a. Ce qui se produit lorsque α et β sont compris entre deux points consécutifs de σ : σ ′ =[α; β] convient.

51
☞ Remarques
• x est une variable muette : elle peut être remplacée par tout autre lettre. Ainsi :
Zb Zb Zb
f(x)dx = f(t)dt = f(u)du = · · ·
a a a

• I(f) ne dépend pas des valeurs prises par f en ses points éventuels de discontinuité.
Exemples à connaître :
• Si f est une fonction nulle sur [a; b] sauf en un nombre fini de points (ai )06i6n de [a; b] en lesquels elle
des valeurs quelconques, alors :
Zb
f(x)dx = 0.
a
Zb
• Si f est constante égale à k sur [a; b], alors f(x)dx = k(b − a).
 a

 −1 si −2 ≤ x ≤ 1

 3 si 1 < x < 4
 Zb
• f(x) = 2 si 4 < x < 6 f(x)dx = −1 × (1 − (−2)) + 3 × (4 − 1) + 2 × (6 − 4) = 10.



 2 , 5 si x = 4 a

−1 si x = 6
Démonstration . : laissée en exercice. ♦

Interprétation graphique
◮ Cas d’une fonction positive sur [a; b].
Dans ce cas : ∀i ∈ [[0; n − 1]], ci > 0.
Zb
De la définition de l’intégrale, il vient alors : f(x)dx > 0.
a

Zb
Propriété 1.3. L’intégrale f(x)dx est égale à l’aire du domaine (D) compris entre la courbe représen-
a
tative de f, l’axe x Ox, et les droites d’équations x = a et x = b.
′

Cette aire est exprimée en unité d’aire (souvent notée u.a) correspondant à l’aire du rectangle formé par
les points O, I, J et K de cordonnées (1; 1).

Démonstration . : D est la réunion de n rectangles d’aires (ai+1 − ai )ci . ♦

◮ Cas d’une fonction négative sur [a; b]. Dans ce cas : ∀i ∈ [[0; n − 1]], ci 6 0.
Zb
Ceci entraine que l’intégrale f(x)dx est un réel négatif. Cette intégrale correspond à l’aire algébrique
a
limitée par la courbe représentative de f, l’axe x ′ Ox, et les droites d’équations x = a et x = b.
◮ Cas d’une fonction de signe quelconque sur [a; b].
Zb
L’intégrale f(x)dx est égale à la somme des aires algébriques (positives ou négatives) des rectangles
a
(Ri )(16i6n) .

Définition
Za 1.5. Soit f une fonction en escalier sur [a, b]. Par définition :
i) f(x)dx = 0.
Zaa Zb
ii) f(x)dx = − f(x)dx.
b a

1.2.2 Propriétés de l’intégrale d’une fonction en escalier

Rappel : E désigne l’ensemble des fonctions en escalier sur un segment [a; b] donné.

52
 
 E
−→ R
Zb
Propriété 1.4. L’application : est linéaire, c’est-à-dire :
 f 7−→ f(x)dx
Zb Zb a Z
b
2
• ∀(f, g) ∈ E , f(x) + g(x)dx = f(x)dx + g(x).
a Z Z a a
b b
• ∀f ∈ E, ∀λ ∈ R, λf(x)dx = λ f(x)dx.
a a

Démonstration . :
• Il existe une subdivision σ = (αi )06i6n adaptée simultanément à f, g et à f + g telle que :
∀i ∈ [[0; n − 1]], ∃ (γi , δi ) ∈ R2 , ∀x ∈]αi ; αi+1 [, f(x) = γi et g(x) = δi .
σ est adaptée à f + g donc :
Zb Zb n−1
X
f(x) + g(x)dx = (f + g)(x)dx = (αi+1 − αi )(γi + δi )
a a i=0
Zb n−1
X n−1
X
f(x) + g(x)dx = (αi+1 − αi )γi + (αi+1 − αi )δi
a i=0 i=0
| {z } | {z }
I1 I2
Zb Zb
Mais σ est adaptée à f, donc I1 = f(x)dx, et σ est adaptée à g, donc I2 = g(x)dx.
a a
• Soit σ = (ai )06i6n adaptée à f. Elle l’est aussi pour λf :

∀i ∈ [[0; n − 1]], ∃ ci ∈ R, ∀x ∈]ai ; ai+1 [, λf(x) = λci .

Zb X1
n− n−1
X Zb
Ainsi : λf(x)dx = (ai+1 − ai )λci = λ (ai+1 − ai )ci = λ f(x)dx ♦
a i=0 i=0 a

Propriété 1.5. Propriété : Relation de Chasles

Soit f un élément de E . Pour tout réel c de [a; b] :

Zb Zc Zb
f(x)dx = f(x)dx + f(x)dx.
a a c

Démonstration . :
Si c est égal à a ou b, l’égalité est triviale.
Si c ∈]a; b[
Lemme : Il est possible de construire une subdivision σ = (ai )06i6n adaptée à f sur [a; b] contenant c,
c’est-à-dire telle que :
∃ k ∈ [[0; n]], c = ak .
Démonstration . : laissée en exercice. ♦
Les points (ai )16i6k (resp.(ai )k6i6n ), forment une subdivision adaptée à f sur [a; c] (resp. sur [c; b]). La suite
de la démonstration est laissée en exercice. ♦

Propriété 1.6. Croissance de l’intégrale

Soient f et g deux élément de E . Soient a et b deux réels tels que a 6 b.
Zb
• Si ∀x ∈ [a; b], f(x) > 0, alors f(x)dx > 0.
a Z Zb
b
• Si ∀x ∈ [a; b], f(x) 6 g(x), alors f(x)dx 6 g(x).
a a

53
☞ Remarque importante : La condition a 6 b est essentielle pour appliquer ces propriétés.
Démonstration . :
• Ce point a été vu lors de l’interprétation graphique de l’intégrale.
• La fonction φ = g − f appartient à E et est positive sur [a; b].Par linéarité de l’intégrale :
Zb Zb Zb
φ(x)dx > 0 ⇒ g(x)dx > f(x)dx. ♦
a a a

Propriété 1.7. intégrale et valeur absolue

Pour toute fonction f de E (avec a 6 b),
Z  Z
 b  b
 f(x)dx 6 |f(x)| dx.
 
 a  a

Démonstration . Par propriété de la valeur absolue :

− |f| 6 f 6 |f|

La croissance de l’intégrale, avec a 6 b permet ainsi d’écrire :

Zb Zb Zb
− |f(x)| dx 6 f(x)dx 6 |f(x)| dx.
a a a
Z  Z
 b  b
a
Ce qui revient à :  f(x)dx 6 |f(x)| dx.♦
 
 a  a

Zb
Corollaire : Si |f| est majorée par M sur [a; b], alors : |f(x)| dx ≤ (b − a)M.
a

a. Vous aurez remarqué qu’il est fait aussi usage de la linéarité de l’intégrale pour faire apparaître le signe - devant l’intégrale dans
le premier membre de l’intégrale.

54
2 Intégrale d’une fonction continue
Ici commence le programme officiel du cours de TS.

2.1 Intégrale d’une fonction continue et monotone sur [a; b]

L’intégrale d’une fonction en escalier positive sur [a; b] étant égale à "l’aire sous la courbe" ; l’idée pour
définir l’intégrale d’une fonction continue sur [a; b] est de l’encadrer par une suite de fonctions en escalier
sur [a; b]. Dans ce qui suit, nous supposerons que f est croissante sur [a; b].

2.1.1 Fonctions en escalier minorant f

Soit σ = (ai )0≤i≤n une subdivision quelconque du segment [a; b]. Soit gσ la fonction en escalier sur [a; b]
définie par :
∀ k ∈ [[1; n]], ∀ t ∈ [ak−1 , ak [, gσ (t) = f(ak−1 ) et gσ (b) = f(an−1 ).

cas d’une subdivision

n=6

gσ

Propriété 2.1. gσ minore f, c’est-à-dire : ∀t ∈ [a; b], gσ (t) 6 f(t).

Démonstration . La fonction f est croissante sur [a; b], donc a fortiori sur les intervalles [ak−1 , ak [.
Par conséquent :
∀t ∈ [a; b[, ∃ k ∈ [[1; n]], t ∈ [ak−1 , ak [et : gσ (ak−1 ) ≤ f(ak−1 ) ≤ f(t).
De plus, gσ (b) ≤ f(b). Ceci prouve que f est minorée par gσ . ♦

Propriété 2.2. Pour une subdivision donnée σ de [a; b], la fonction gσ définie précédemment est la
meilleure fonction minorante de f en ce sens :
Si φ est une fonction en escalier sur [a; b] pour laquelle σ est adaptée. Si de plus, φ minore f alors :
φ 6 gσ .

55
Démonstration . : laissée en exercice. ♦

Corollaire Avec les notations précédentes :

Zb Zb
φ(x)dx ≤ gσ (x)dx.
a a

Démonstration .
∀x ∈ [a; b], φ(x) ≤ gσ (x) (1)
L’encadrement cherché est obtenu en utilisant la croissance de l’intégrale à (1), qui peut être appliquée car
a < b. ♦

Propriété 2.3. Quelle que soit la subdivision σ adaptée à f :

Zb
gσ (x)dx ≤ (b − a)f(b).
a

Démonstration . f étant croissante sur [a; b] : ∀x ∈ [a; b], gσ (x) ≤ f(x) ≤ f(b).
L’inégalité voulue est obtenue en utilisant la croissance de l’intégrale. ♦
Rb
Lorsque σ parcourt toutes les subdivisions adaptées à f, l’ensemble { a gσ (x)dx} forme une partie non vide
et majorée de R : elle possède donc une borne supérieure, notée I− .

2.1.2 Fonctions en escalier majorant f

Soit σ = (ai )0≤i≤n une subdivision quelconque du segment [a; b]. Il est possible de définir de manière
analogue la fonction hσ en escalier sur [a; b] dont un exemple est représenté ci-dessous :

cas d’une subdivision

n=6

hσ

En adaptant les résultats de la section précédente a , on obtient le résultat suivant :

a. travail laissé en exercice.

56
 Rb
Théorème 2.1. Lorsque σ parcourt toutes les subdivisions adaptées à f, l’ensemble { a hσ (x)dx} possède
une borne inférieure, notée I+ .

2.1.3 Conclusion et généralisation

Théorème 2.2. I+ = I−
Zb Zb
Démonstration . Montrons que pour tout ε > 0, il existe σ telle que : hσ (x)dx − gσ (x)dx < ε.
a a
Zb n
X Zb n
X
Or : hσ (x)dx = f(xk )(xk − xk−1 ) et gσ (x)dx = f(xk−1 )(xk − xk−1 ).
a k=1 a k=1
Zb Zb n
X
Par suite : hσ (x)dx − gσ (x)dx = [f(xk ) − f(xk−1 ].[xk − xk−1 ].
a a k=1
ε
Désignons par σε une subdivision telle que : ∀k, |xk − xk−1 | < ·
f(b) − f(a)
Zb Zb Xn Z b Zb
ε
Alors : hσ (x)dx − gσ (x)dx < . [f(xk ) − f(xk−1 ], soit : hσ (x)dx − gσ (x)dx < ε.
a a f(b) − f(a) a a
k=1
le réel ε étant arbitrairement petit, I+ = I− . ♦

Zb
Définition 2.1. Le nombre I+ = I− est l’intégrale de f sur [a; b]. Il est noté : f(x)dx.
a

Zb
Propriété 2.4. f(x)dx correspond à l’aire du domaine du plan, exprimée en unité d’aire, de
a
la partie du plan délimité par la courbe représentative de f, l’axe des abscisses ; et les droites
d’équation x = a et x = b.

Démonstration . admise♦

Généralisation
Il est possible de reprendre la méthode qui vient d’être détaillée pour une fonction positive et croissante sur
[a; b] pour toute fonction f continue sur le segment [a; b], ce qui donne la définition suivante :
Zb
Soit f une fonction continue sur [a; b], le réel noté f(x)dx est égal à l’aire algébrique comprise entre la
a
courbe représentative de f et l’axe des abscisses.

57
 Rb
a
f(x)dx

a b
intégrale d’une fonction

positive

La courbe est au-dessus de l’axe des abscisses :

l’aire est comptée positivement

La courbe est en-dessous de l’axe des abscisses :

l’aire est comptée négativement

L’intégrale est égale à la somme

des deux aires comptées algébriquement

2.2 Lien entre intégrale et primitive

Soit f une fonction continue, positive et strictement croissante sur un intervalle [a; b] représentée par la
courbe C . Pour t appartenant à [a; b], on note S(t) l’aire a du domaine hachuré D sous la courbe.

Propriété 2.5. D est la partie du plan délimitée par la courbe représentative de f, l’axe des abscisses,
et les droites d’équation x = a et x = b :

a6 x 6b
M(x; y) ∈ D ⇔
0 6 y 6 f(x)

Propriété 2.6. Si f est continue sur [a; b], il en est de même pour S.

a. aire géométrique - et donc algébrique- car C est au-dessus de l’axe des abscisses.

58
 C

S(t)

a b
x=t

Théorème 2.3. La fonction S est la primitive de f sur [a; b] qui s’annule en a.

Démonstration . (cf. graphiques ci-dessous)

Soit t0 un réel fixé dans l’intervalle [a ;b[. Nous allons montrer que S est dérivable à droite en t0 .
Soient Rinf le rectangle ABCD et Rsup le rectangle AB ′ C ′ D.
L’aire de Rinf est égale à (t − t0 )f(t0 ) et l’aire de Rsup est égale à (t − t0 )f(t).
L’aire S(t) − S(t0 ) est comprise entre les aires de Rinf et de Rsup , donc :
(t − t0 )f(t0 ) 6 S(t) − S(t0 ) 6 (t − t0 )f(t).
Par conséquent (t − t0 < 0) :

S(t) − S(t0 )
f(t0 ) 6 6 f(t).
t − t0
f étant continue en t0 : lim+ f(t) = f(t0 ), donc :
t→t0
S(t) − S(t0 )
lim = f(t0 )
t→t+
0
t − t0
On démontre de même que S est dérivable à gauche en t0 , élément de ]a; b] et que :

S(t) − S(t0 )
lim− = f(t0 )
t→t0 t − t0

Par conséquent : ∀t0 ∈]a; b[, Sd′ (t0 ) = Sg′ (t0 ).

De plus S est continue sur [a; b]. Par conséquent S est dérivable sur [a; b] et S ′ = f.
Pour finir la démonstration, il suffit de remarquer que S(a) = 0. ♦

59
 B’ C’
S(t) − S(t0 ) b f(t) b b

Rsup
B C
b
f(t0 ) b b

Rinf

O A D
b
a b

t0
b

t b a
b

t
b

b
t0

Conséquence
Zb
f(x)dx = S(b).
a

Théorème 2.4. Soit f une fonction continue sur [a, b]. Soit F l’une de ses primitive sur [a; b]. Alors :
Zb
f(x)dx = F(b) − F(a).
a

Le réel F(b) − F(a) est souvent noté [F(x)]b

a (cf. exemples ci-dessous).

Démonstration . Il existe un réel k tel que F = S + k. Par conséquent :

F(b) − F(a) = (S(b) + k) − (S(a) + k) = S(b) car S(a) = 0. ♦
☞ Remarque
• Cette dernière égalité peut servir de définition à l’intégrale d’une fonction continue sur un segment.
• Dans le programme de TS, on ne considère que l’intégrale d’une fonction continue sur un segment.
Exemples
Z :
π
• sin xdx = [− cos x]π
0 = − cos π − (− cos 0) = 1 − (−1) = 2.
0
• Le plan est muni d’un repère orthogonal (O,~i,~j) avec k~ik=2 cm et k~jk= 3 cm. Déterminer l’aire A en cm2
de la partie du plan définie par : 
06 x 62
0 6 y 6 e−x
Dans un premier temps, il faut déterminer A en unité d’aire. La fonction x 7→ e−x étant positive et 0<2 :
Z2
A = e−x dx = [−e−x ]20 = 1 − e−2 .
0

Une unité d’aire étant égale à 2 × 3 = 6cm2 , l’aire recherchée est égale à 6(1 − e−2 )cm2 .

2.3 Propriétés
Toutes les propriétés prouvées pour les intégrales de fonctions en escalier sont encore vraies.
Dans tout ce qui suit, toutes les fonctions introduites sont continues sur un intervalle I quelconque. F
désigne une primitive quelconque de f sur I, G désigne une primitive quelconque de g sur I.

60
 Relation de Chasles Pour TOUS réels a, b et c de I :
Zb Zc Zb
f(x)dx = f(x)dx + f(x)dx.
a a c

Zc Zb Zb
Démonstration . f(x)dx + f(x)dx = F(c) − F(a) − (F(c) − F(b)) = F(b) − F(a) = f(x)dx. ♦
a c a

Propriété 2.7. Linéarité de l’intégrale

Pour TOUS réels a, b de I, pour tous réels α et β :
Zb Zb Zb
αf(x) + βg(x)dx = α f(x)dx + β g(x)dx.
a a a

Démonstration . αF + βG est une primitive sur I de αf + βg donc :

Zb
αf(x) + βg(x)dx = (αF(b) − βG(b)) − (αF(a) − βG(a)) = α(F(b) − F(a)) + β(G(b) − G(a))
a Z Zb
b
= α f(x)dx + β g(x). ♦
a a

Propriété 2.8. Positivité de l’intégrale

Zb
• Si f est positive sur [a; b] et si a ≤ b, alors : f(x)dx ≥ 0.
Zab
• Si f est négative sur [a; b] et si a ≤ b, alors : f(x)dx ≤ 0.
a

Zb Za
Propriété 2.9. • f(x)dx = − f(x)dx.
Za a b

• f(x)dx = 0.
a

Zb
Démonstration . • f(x)dx = F(b) − F(a) = −(F(a) − F(b)).
Za a

• f(x)dx = F(a) − F(a) = 0. ♦

a

Propriété 2.10. Croissance de l’intégrale

• Si a et b sont deux réels tels que a 6 b ;
• Si ∀x ∈ [a; b], f(x) 6 g(x) ;
Zb Zb
alors f(x)dx 6 g(x)dx.
a a

Propriété 2.11. Intégrale et valeur absolue

Si a 6 b, alors pour toute fonction f continue sur [a; b] :
Z  Z
 b  b
 f(x)dx 6 |f(x)| dx.
 
 a  a

61
 Théorème 2.5. Théorème fondamental
Z x
La fonction définie sur I : x 7→ f(t)dt est la primitive de f sur I qui s’annule en a.
a

Propriété 2.12. Inégalité de la moyenne

Si f est bornée par m et M (i.e m ≤ f ≤ M) et si a ≤ b, alors :
Zb
m(b − a) ≤ f(x)dx ≤ M(b − a).
a

Démonstration . Il suffit d’utiliser la croissance de l’intégrale sur l’encadrement m ≤ f ≤ M. ♦

Définition 2.2. Valeur moyenne de f

Si a < b, la valeur moyenne de la fonction f sur [a; b] est le réel noté µ défini par :
Zb
1
µ= f(x)dx.
b−a a

Interprétation en physique :
Si f est la vitesse instantanée d’un mobile en mouvement, on sait que la fonction d : t 7→ d(t) ou d(t) est la
Zb
1 d(b) − d(a)
distance parcourue à l’instant t, est une primitive de f. Alors le réel f(t)dt peut s’écrire : .
b−a a b−a
Ce nombre correspond à la vitesse moyenne du mobile sur l’intervalle de temps [a; b], c’est-à-dire la vitesse
constante qu’il faudrait donner au mobile pour qu’il parcoure la même distance pendant la même durée.

2.4 Intégration par parties

Cette partie n’est plus au programme de la Terminale S depuis la rentrée 2012. Elle l’est tout de même pour
vous.

2.4.1 Etude d’un exemple

Ze
Posons : I = ln xdx.
1

Pour calculer I, il faut trouver une primitive de la fonction ln ...

De la formule : (FG) ′ = fG + Fg, nous pouvons affirmer que FG est une primitive de fG + Fg, ce qui revient
à dire que :
Zb Zb
b
f(x)G(x)dx = [(FG)(x)]a − F(x)g(x)dx
a a

(Ceci est licite car fG et gF sont continues sur [a; b]).

1
Posons donc : f(x) = 1 et G(x) = ln x, cela donne : F(x) = x et g(x) = et :
x
Ze
1
I= [x ln x]e1 − x. dx
1 x

Le miracle se réalise devant nos yeux puisque nous obtenons :

Ze
I = [x ln x]e1 − 1dx
1

Ce qui tout calcul fait nous donne la valeur exacte

Zx de I : I = 1.
Mieux, en reprenant cette méthode avec I = ln tdt, nous obtenons que la primitive de ln sur ]0; +∞[
1
s’annulant en 1 est x 7→ x ln x − x + 1.

62
Commentaire : cette méthode, dite d’intégration par parties, est motivée par le fait qu’il n’existe pas pas
de formule générale donnant les primitives de fg connaissant F et G. Elle permet de trouver beaucoup de
primitives, mais ne fonctionne pas à tout coup car la nouvelle intégrale obtenue n’est pas toujours aussi
2
agréable que dans cet exemple. Par exemple, elle est inopérante pour la fonction x 7→ ex pour laquelle il est
possible de montrer que les primitives ne peuvent pas s’exprimer à l’aide des fonctions classiques que nous
connaissons.

2.4.2 Formule d’intégration par parties

Théorème 2.6. Si u et v deux fonctions dérivables sur [a; b], et si les fonctions u ′ et v ′ sont continues
sur [a; b], alors :
Zb Zb
u(x)v ′ (x)dx = [u(x)v(x)]b
a − u ′ (x)v(x)dx.
a a

Démonstration .
Zb Zb Zb Zb
′ ′
u(x)v (x)dx + u (x)v(x)dx = u(x)v (x) + u (x)v(x)dx = (uv) ′ (x)dx = [u(x)v(x)]b
′ ′
a.
a a a a

☞ Remarques
• L’hypothèse u, u ′ , v et v ′ continues sur [a; b] est primordiale pour appliquer ce théorème. Il faut absolument
le mentionner pour pour pouvoir l’appliquer !
• Par contre, l’ordre des bornes d’intégration peut être quelconque.

2.5 Formule de changement de variables

Théorème 2.7. Soient u : I → J une fonction dérivable sur I et de dérivée continue sur I. Soit f une
fonction continue sur J.
Zb Z u(b)
Alors pour tous réels a et b de I : ′
f(u(t))u (t)dt = f(x)dx.
a u(a)

Démonstration . F(u) est une primitive de u ′ .f(u) donc.... ♦

Exemples :
Exemple 1
Z e
dt
Calcul de
1 t + t ln t
a dt
On utilise le changement de variable x = ln t. On écrit alors dx = .
t
Pour t = 1 , x = 0 et pour t = e, x = 1.
Ze Z1
dt dx
On obtient alors : = = ln 2.
1 t + t ln t 0 x+1
Exemple 2
Soit f une fonction continue sur [a; b] telle que : ∀x ∈ [a; b], f(a + b − x) = f(x).
Zb Z
a+b b
• Montrer que xf(x)dx = f(x)dx.
a 2 a
Application (nécessitant la connaissance Z π de la fonction arctan) :
x sin x
• En déduire la valeur de l’intégrale I = 2
dx.
0 1 + cos x

a. Voir explications en classe

63
3 Intégrale généralisée : recherche d’un équivalent simple d’une sé-
rie de Riemann
α désigne un réel donné de ]1; +∞[. Le but de cet exercice est de montrer que la suite S définie par :
n
X 1
Sn =
kα
k=1

est convergente et de donner un équivalent simple de son reste de rang n.

1. En utilisant la méthode des rectangles, montrer que :
Z k+1 Zk
dt 1 dt
∀k > 2, α
6 α 6 ·
k t k k−1 tα

2. En déduire que :
Z m+1 m Zm
dt X 1 dt
∀n > 1, ∀m > n + 1, α
6 α
6 α
·
n+1 t k n t
k=n+1
Z +∞
dt
3. Montrer l’existence de l’intégrale : α
·
1 t
+∞
X 1
4. Montrer que S est croissante et qu’elle est convergente. Sa limite sera notée ·
kα
k=1
+∞
X 1
5. Justifier l’existence de Rn = appelé reste de la série de rang n, où n désigne un entier naturel
kα
k=n+1
donné.
6. Justifier l’encadrement suivant :
Z +∞ Z +∞
dt dt
∀n > 1, 6 Rn 6 ·
n+1 tα n tα

7. En déduire que :
1 1
Rn ∼ ·
α−1n 1
α−

Rappel : Suites équivalentes. Si la suite v ne s’annule pas à partir d’un certain rang, alors :
un
un ∼ vn ⇔ → 1.
vn

4 Exercices
Exercice 68. Intégrales de Wallis. Intégrale de Gauss. Formule de Stirling.
Partie A : Intégrales de Wallis
Pour tout entier naturel n, on pose :
Zπ
Wn = 2 sinn tdt.
0

1. Calculer I0 et I1 .
2. Montrer que la suite W est décroissante et strictement positive.
3. Montrer que pour tout entier naturel n, on a :

(n + 2)Wn+2 = (n + 1)Wn .

4. En déduire que pour tout entier naturel n, on a :

(a)
Wn n+2
16 6 ·
Wn+1 n+1

64
 (b)
(2p)!π 22p (p!)2
∀p ∈ N, I2p = et ∀p ∈ N, I2p+1 = ·
22p+1 (p!)2 (2p + 1)!
 
Wn
5. Montrer que la suite converge et déterminer sa limite.
Wn+1 n∈N
6. On pose pour tout entier n : un = (n + 1)Wn+1 Wn . Montrer que la suite u est constance et déterminer
un pour tout entier n.
2
√
7. Déduire des questions précédentes la limite de la suite (nWn )n∈N , puis celle de ( nWn )n∈N .
(2n n!)2
r
π
8. En déduire que lim √ = ·
n→+∞ (2n)! 2n + 1 2
Partie B : Calcul de l’intégrale de Gauss
1. Démontrer que pour tout x de ] − 1, +∞[ on a :
ln(1 + x) 6 x.

2. En déduire que pour tout entier naturel n non nul, on a :

n −n
√ t2 t2
 
−t2
∀t ∈ [0, n], 1 − 6e 6 1+ .
n n
3. Montrer que pour tour entier naturel n non nul, on a :
Z √n  n Z π2
t2 √
1− dt = n sin2n+1 udu.
0 n 0
√
On pourra poser t = n cos u.
4. Montrer que pour tout entier naturel n non nul, on a :
Z √n  −n Z π2
t2 √
1+ = n sin2n−2 udu.
0 n π
4
√
On pourra poser t = n cotan u.
5. En déduire que pour tout n non nul, on a :
Z √n
√ 2 √
nW2n+1 6 e−t dt 6 nW2n−2 .
0
Z +∞
2
6. Démontrer la convergence de l’intégrale de Gauss définie par e−t dt et en donner sa valeur.
0
Partie C : Formule de Stirling
n!  e n
On considère la suite (an ) définie pour tout n de N∗ par : an = √ ·
n n
1. Soient f et g les applications définies sur ]0; 1[ par :
3x − 2x3 1 1+x 1 1+x x3
   
f(x) = 2
− ln et g(x) = ln −x− ·
3(1 − x ) 2 1−x 2 1−x 3
Etudier les variations de f et g sur ]0; 1[, ainsi que leur valeur en 0.
En déduire que, pour tout x de ]0; 1[, on a :
x3 1 1+x x3
 
x+ < ln <x+ ·
3 2 1−x 3(1 − x2 )
2. Démontrer que, pour tout entier naturel non nul n :
1 1 + un 1
   
an
ln = ln − 1 où un = ·
an+1 2un 1 − un 2n + 1
En déduire que, pour tout entier naturel non nul n :
1 1
 
an
< ln < ·
12(n + 1)(n + 2) an+1 12n(n + 1)

65
 3. Soit (xn )n>1 et (yn )n>1 les deux suites définies par :

1 1
xn = ln an − et yn = ln an − ·
12n 12(n + 1)

Montrer que ces deux suites convergent vers une même limite
En déduire que la suite (an ) converge vers une limite ℓ.
Montrer que : √
a 2n I 2n 2 n
lim = lim ·
n→+∞ a2 n n→+∞ π
√
En déduire que ℓ = 2π.
4. En déduire la Formule de Stirling : √
n! ∼ nn e−n 2πn.
Exercice 69. Noyau de Dirichlet
Pour tout entier n > 1, on note Dn le noyau de Dirichlet, défini par :
n
1 X
∀x ∈ R, Dn (x) = + cos kx.
2
k=1

1. Démontrer que, pour tout entier n > 1 et tout réel x 6≡ 0[2π], on a :

1
  
sin n+ x
1 2
Dn (x) = x ·
2 sin
2

2. Pour tout entier naturel n > 1, on note Ln l’intégrale :

Zπ
Ln = xDn (x)dx.
0
Zπ
(a) Calculer l’intégrale x cos(kx)dx pour tout entier k > 1.
0
(b) En déduire que :
n n
π2 X 1 X 1
Ln = − 2
+ (−1)k 2 ·
4 k k
k=1 k=1

3. On note f le prolongement par continuité en 0 de la fonction définie sur l’intervalle ]0; π] par :
x
x 7→ x·
sin
2
Démontrer que la fonction f est de classe C1 sur l’intervalle [0; π].
4. Soit φ : [0; π] → R une fonction de classe C1 sur l’intervalle [0; π]. Démontrer que :
Zπ
lim φ(x) sin(λx)dx = 0.
λ→+∞ 0

5. Démontrer que : lim Ln = 0.

n→+∞
Z1
Exercice 70 (85 EXP SUITE). 1. Calculer xe−x dx.
0
n
X k −k
2. n étant un entier naturel non nul, on pose : S(n) = e n.
n2
k=1
Montrer que S(n) a une limite lorsque l’on fait tendre n vers +∞. Préciser cette limite.

66
Exercice 71. [85 INTEGRALE] Pour tout entier naturel n on pose :
Z π4
dx
In = 2n+1 x
0 cos
1. Montrer qu’il existe des réels a et b tels que :
h πi 1 a cos x b cos x
∀x ∈ 0, , = + ·
4 cos x 1 − sin x 1 + sin x
En déduire le calcul de I0 .
2. Montrer, par une intégration par parties, que :
2n
∀n ∈ N∗ , 2nIn = (2n − 1)In−1 + √ .
2
En déduire le calcul de I2 .
Exercice 72 (83 INTEGRALES). 1. Pour tout entier n strictement positif, on pose :
Z1
1 t
In = n+1 (1 − t)n e 2 dt.
2 n! 0

2. Calculer I1 .
1
3. Démontrer que : ∀n ∈ N∗ , In+1 = In − ·
2n+1 (n
+ 1)!
n
√ X 1
4. En déduire par récurrence que : ∀n ∈ N∗ , e = + In ·
2k k!
k=0
1
5. Montrer qu’il existe une constante A telle que 0 6 In 6 A.
t
2n n!
( On pourra étudier la fonction t 7→ (1 − t)e
sur [0 ;1]).
2

n
X 1
6. En déduire la limite de la suite u telle que un = .
2k k!
k=0

Exercice 73 (Dijon bac E, 1974). Le but du problème est la détermination d’un encadrement de π en
calculant de deux façons l’intégrale :
Z 2− √ 3
dx
I= ·
0 1 + x2
Partie A : Méthode donnant la valeur exacte de I.
θ π √
1. Calculer tan θ en fonction de tan . En déduire que tan = 2 − 3.
i π πh 2 12
2. Soit f l’application de − ; dans R définie par f(x) = tan x. Démontrer que f admet un application
i 2 π2 π h
réciproque F de R dans − ; .Dresser le tableau de variations de F.
2 2
3. Déterminer F’.
En déduire que :
π
I=
12
Partie B : Méthode donnant un encadrement de I.
√ 3 √ √
1. (a) Calculer (2 − 3) et (2 − 3)4 en fonction de 3.

(b) Vérifier que pour tout x réel :

1 2 x4
= 1 − x + ·
1 + x2 1 + x2
√
2. Calculer en fonction de 3:
Z 2− √ 3
J= 1 − x2 dx.
0

67
 3. On désigne par K l’intégrale :
Z 2−√3
x4
K= dx.
0 1 + x2
(a) Démontrer que pour tout x réel positif :
x4 x3
2
6 ·
1+x 2
(b) En déduire que :
97 √
06K6 − 7 3.
8
4. Trouver une relation simple entre I, J et K. En déduire :
√ 20 131 √
4 3− 6I6 − 3 3.
3 24
√
Sachant que 1, 73205 6 3 6 1, 73206, déterminer le meilleur encadrement de π possible en utilisant
les données du problème.
Zb
Exercice 74. Soit f une fonction continue à dérivée continue sur [a ;b]. On pose : I = f(t) sin(nt)dt.
a
Montrer à l’aide d’une intégration par parties que la suite (In ) tend vers 0.
Exercice 75. Liban 1978 Zx
2
L’objet de ce problème est de calculer lim e−t dt
x→+∞ 0
Z π4
x
1. Soit f l’application de R dans R définie par : f : x 7→ f(x) = e− cos2 t dt.
0
Montrer que : ∀x ≥ 0, f(x) ≤ e−x .
Calculer lim f(x).
x→+∞
2. (a) Montrer que pour tout réel b strictement positif :
1 b 2
∀x ∈ R, x ≤ b =⇒ ex − 1 − x ≤ e x .
2

Montrer que pour tout réel b strictement positif :

1 −b 2
∀x ∈ R, x ≥ −b =⇒ ex − 1 − x ≥ e x .
2
(b) Montrer que pour tout réel a, il existe une application φa de R dans R, continue en a, telle que
φa (a) = 0, et : " Zπ
− a2
#
4 e cos t
∀x ∈ R, f(x) − f(a) = (x − a) − 2
dt + φa (x) .
0 cos t

En déduire que f est dérivable, et donner l’expression de f ′ .

2
3. Soit P une primitive sur R de l’application u :7→ ei−u (onh ne cherchera pas à la calculer).
π π
A tout réel x, on associe l’application Qx de I = − ; dans R définie par
2 2
t :7→ Qx (t) = P(x tan t), où x est un paramètre.
dQx
Montrer que Qx est dérivable sur I, et expliciter sa dérivée, c’est-à-dire ·
dt
Prouver que :
Zx Z π4 −x2 tan2 t
2 e
∀x ∈ R e−u du = x dt
0 0 cos2 t
4. Soit g l’application de R dans R telle que : ∀x ∈ R, g(x) = f(x2 ).
Montrer que : Z x
2 2
∀x ∈ R, g ′ (x) = −2e−x e−t dt.
0
Z x 2
2
Que peut-on dire de la fonction h : R −→ R définie par : h(x) = g(x) + e−t dt ?
Zx 0
2
Calculer lim e−t dt
x→+∞ 0

68
 Z x2
1
Exercice 76 (exo 7). Soit F(x) = dt.
x ln t
1. Quel est l’ensemble de F ?
Z x2
1
2. Déterminer lim+ F(x) en comparant F à H(x) = dt.
x→1 x t ln t
Exercice 77. Soit la suite numérique (In )n∈N∗ définie pour tout n de N∗ par :
Z1
1
In = (1 − x)n ex dx.
n! 0

1. Calculer I1
2. Par intégration par parties, exprimer In en fonction de In−1 pour n > 2.
n
X 1
En déduire que : In = e − pour n > 1.
p!
p=0

3. Majorer la fonction x 7→ (1 − x)n ex sur l’intervalle [0 ;1].

En déduire de la suite (In )n∈N∗ et montrer que :

1 1 1
 
e = lim 1+ + + ···+ .
n→+∞ 1! 2! n!

Exercice 78. Espagne 87.

Pour tout entier naturel non nul n, on note fn la fonction définie sur [0; +∞[ par :

xn e−x
fn (x) = ·
n!
On appelle Cn la courbe représentative de fn dans un repère (unités : 2 cm en abscisses et 10 cm en
ordonnées).
Partie A
1. Etablir le tableau de variations de fn sur [0; +∞[.
2. Pour tout entier n > 2, étudier la position relative de Cn et Cn−1 et vérifier que le point An (n; fn (n))
appartient à Cn−1 .
3. Construire dans un même repère C1 C2 et C3 . On placera les tangentes en O à ces trois courbes.
Partie B Le but de cette partie est d’étudier la suite u définie sur N∗ par un = f(n).
1. (a) En utilisant les résultats de la partie précédente, démontrer que la suite u est décroissante.
(b) Cette suite est-elle convergente ?
2. (a) Soit g la fonction définie sur l’intervalle [0; 1] par :

t2
g(t) = ln(1 + t) − t + ·
4
En utilisant les variations de g, démontrer que pour tout t de [0; 1] on a :

t2
ln(1 + t) 6 t − ·
4

(b) En déduire que pour tout entier naturel n > 0, on a :

n
1

1
1+ 6 e1− 4n ·
n

3. (a) Démontrer que pour tout entier n > 0 on a :

un+1 1
6 e− 4n ·
un

69
 (b) En déduire que pour tout entier naturel n > 2, on a :
n−1
!
X 1
−1− 41
k
un 6 e k=1 ·

4. (a) Démontrer que pour tout entier n > 2, on a :

Zn n−1
dt X 1
6 ·
1 t k
k=1

(b) En déduire que pour tout entier n > 2, on a :

1
un 6 e−1− 4 ln n ·

(c) Quelle est la limite de la suite u ?

Partie C Pour tout entier n > 0 et pour tout réel a positif ou nul, fixé, on pose :
Za
In (a) = fn (t)dt.
0

1. Calculer I1 (a).
2. Démontrer que pour tout entier n > 0 et tout réel t positif ou nul, on a :
tn
0 6 fn (t) 6 ·
n!
En déduire un encadrement de In (a).
3. (a) Démontrer que pour tout entier n > 0, on a :
1  e n
< ·
n! n
(b) Déterminer alors une nouvelle majoration de In (a), puis la limite de In (a) quand n tend vers
+∞.
4. (a) Etablir pour tout entier n > 2 une relation entre In (a) et In1 (a) .
(b) En déduire que pour tout entier naturel n > 2 on a :
n
!
X ak
−a
In (a) = 1 − e 1+ ·
k!
k=1

Cette égalité est-elle vraie pour n = 1 ?

5. Démontrer que pour tout a de [0; +∞[, on a :
an
 
a
ea = lim 1 + + ··· + ·
n→+∞ 1! n!

Exercice 79. Dans tout le problème, n désigne un entier naturel non nul.
A tout entier n, on associe la fonction fn définie sur ] − 1; +∞[ par :

fn (x) = xn ln(1 + x).

Le problème est consacré à l’étude de la famille des fonctions fn et à celle d’une suite liée à ces fonctions
fn .
On désigne par Cn la courbe représentative de fn dans le repère orthonormal (O,~i,~j) d’unités graphique 2
cm.
I. Etude des fonctions fn .
1. Soit hn la fonction définie sur ] − 1; +∞[ par :
x
hn (x) = n ln(1 + x) + ·
1+x
Etudier le sens de variation de hn . En utilisant la valeur de hn (0), déterminer le signe de hn sur
] − 1; +∞[ .

70
 2. (a) Pour tout x appartenant à ] − 1; +∞[ vérifier que :

f1′ (x) = h1 (x),

et que pour tout n strictement supérieur à 1,

fn′ (x) = xn−1 hn (x).

(b) On suppose n impair. Pour tout x de appartenant à ] − 1; +∞[ justifier que fn′ (x) et hn (x) sont de
même signe.
Dresser alors le tableau de variations de la fonction fn lorsque n est impair, en précisant ses
limites en −1 et +∞.
(c) On suppose n pair. Dresser de même le tableau de variations de fn en précisant ses limites en −1
et +∞.
3. (a) Etudier la position relative des courbes C1 et C2 .
(b) Tracer ces deux courbes.
II. Etude d’une suite.
Dans cette partie, u désigne la suite définie pour n supérieur ou égal à 1 par :
Z1
un = xn ln(1 + x)dx.
0

1. Etude de la convergence.
(a) Démontrer que :
ln 2
0 6 un 6 .
n+1
(b) En déduire que la suite u est convergente et donner sa limite.
(c) A l’aide de l’encadrement obtenu précédemment, déterminer un entier n0 tel que pour tout n > n0 ,
on ait :
ln 2
0 6 un 6 .
100
2. Calcul de u1 .
(a) En remarquant que pour tout x appartenant à [0; 1], on a :

x2 1
=x−1+ .
1+x x+1
Calculer : Z1
x2
dx.
0 1+x
(b) Calculer u1 au moyen d’une intégration par parties.
3. Calcul de un .
Pour tout x de [0; 1] et pour tout n > 2, on pose :

Sn (x) = 1 − x + · · · + (−1)n xn . (1)

(a) Démontrer que :

1 (−1)n+1 xn+1
∀n > 2, ∀x ∈ [0; 1], Sn (x) = − · (2)
1+x 1+x
(b) En déduire que :
n Z 1 n+1
X (−1)p x
∀n > 2, = ln 2 − (−1)n+1 dx.
p+1 1
0 +x
p=0

(c) En utilisant une intégration par parties, montrer que :

 
n+1 n
ln 2 (−1) ln 2 −
X (−1) 
p
un = − .
n+1 n+1 p+1
p=0

71
 4. Application
Soit E l’ensemble des points M(x; y) du plan vérifiant :

06x61 et f2 (x) 6 y 6 f1 (x).

Calculer u2 et en déduire l’aire de E en cm2 .

Exercice 80. [BordeauxC 1991]

Le problème a pour objet :
• Dans la partie A. d’étudier la fonction f définie sur l’intervalle [0 ;1] par :

−x2 ln x
f(x) = si x 6= 0, et f(0) = 0.
1+x
Z1
• Dans la partie B. de calculer une valeur approchée de l’intégrale I = f(t)dt.
0
• Partie A. Etude et représentation graphique de f. le plan est rapporté au repère orthogonal (O,~i,~j)
(unités graphiques : 10 cm sur x ′ x et 20 cm sur y ′ y)
On désigne par C la courbe représentative de f dans ce repère.
I. Etude d’une fonction auxiliaire.
Soit u la fonction définie sur ]0; 1] par :
1+x
u(x) = + ln x.
2+x
1. Montrer que la fonction u est strictement croissante sur ensemble de définition. Donner son tableau
de variations en précisant la limite en 0 et la valeur en 1.
2. En déduire que u s’annule pour un unique nombre réel β compris entre 0 et 1.
Monter que :
0, 54 < β < 0, 55.

II. Etude et représentation graphique de f.

1. (a) Etudier la limite de f en 0.
(b) Montrer que la fonction f est continue sur [0; 1].
2. (a) Etudier la dérivabilité de f en 0.
(b) Calculer f ′ (x) pour x > 0 et vérifier que f ′ (x) et −u(x) ont le même signe.
3. Donner le tableau de variations de f.
4. Construire la courbe C en précisant les tangentes aux points d’abscisses respectives 0 et 1.
• Partie B. Justifier l’existence de l’intégrale I. (On ne cherchera pas à déterminer une primitive de f).
I. Etude d’une intégrale auxiliaire.
Soit n > 1 un entier naturel. On désigne par gn la fonction numérique définie sur [0; 1] par :

gn (t) = −tn ln t si t > 0 et gn (0) = 0.

1. Démontrer que gn est continue sur [0; 1].


 tn+1 ln t tn+1
Gn (t) = − + si t > 0
2. Soit Gn la fonction définie sur [0; 1] par : n+1 (n + 1)2 .

Gn (0) = 0

(a) Montrer que Gn est une primitive de gn sur [0; 1].

(b) En déduire la valeur de l’intégrale :
Z1
In = gn (t)dt.
0

II. Etude de I.
1. Soit t un nombre réel et n un entier naturel supérieur ou égal à 1.
(a) Calculer le produit :
Pn (t) = (1 + t)(1 − t + t2 + · · · + (−1)n tn ).

72
 (b) En déduire que pour tout nombre t différent de 1 :

1 tn+1
= 1 − t + t2 + · · · + (−1)n tn + (−1)n+1 ·
1+t 1+t

(c) Montrer que pour tout réel t de [0; 1] :

gn+2 (t)
f(t) = g2 (t) − g3 (t) + · · · + (−1)n+1 gn+1 (t) + (−1)n ,
t+1
puis que :
Z1
n+1 n gn+2 (t)
I = I2 − I3 + · · · + (−1) In+1 + (−1) dt·
0 t+1
(d) Montrer que :
Z1
gn+2 (t) 1
06 dt 6 ·
0 t+1 (n + 3)2
2. Soit n > 1 un entier naturel. On pose :
1 1 1
Sn = − 2 + · · · + (−1)n+1 ·
32 4 (n + 2)2
(a) Montrer que lim Sn = I.
n→+∞
(b) Montrer que S8 6 I 6 S9 .
(c) En déduire une valeur approchée de I à 5.10−3 près.

Exercice 81. Pour tout entier naturel n, on pose :

Z π2 Z π2
2n
an = cos t dt et bn = t2 cos2n t dt.
0 0

1. (a) Calculer a0 et b0 et montrer que :

∀n ∈ N, an > 0.
(b) Montrer que :
2n + 1
∀n ∈ N, an+1 = an ·
2n + 2
2. (a) Montrer que : h πi π
∀t ∈ 0; , t 6 sin t.
2 2
(b) En déduire que :
π2
∀n ∈ N, 0 6 bn 6 (an − an+1 )·
4
(c) En déduire :
bn
lim = 0·
n→+∞ an
3. (a) Montrer que :
Z π2
∀n ∈ N, an+1 = (2n + 2) t sin t cos2n+1 t dt.
0

En déduire que :
an+1
∀n ∈ N, = (2n + 1)bn − (2n + 2)bn+1 ·
n+1
(b) En déduire que :
1
 
bn bn+1
∀n ∈ N, 2 − = ·
an an+1 (n + 1)2
4. Prouver que :
+∞
X 1 π2
= ·
k2 6
k=1

73
5 Les intégrales au baccalauréat
Exercice 82. Pondichery avril 2012 On considère les suites (In ) et (Jn ) définies pour tout entier naturel
n par :
Z 1 −nx Z 1 −nx
e e
In = dx et Jn = 2
dx.
0 1+x 0 (1 + x)

1. Sont représentées ci-dessous les fonctions fn définies sur l’intervalle [0 ; 1] par

e−nx
fn (x) =
1+x
pour différentes valeurs de n :

0. 9

0. 8

0. 7
f0
0. 6

0. 5
f1
0. 4

0. 3 f3 f2

0. 2

0. 1

.2−0.1 0. 1 0. 2 0. 3 0. 4 0. 5 0. 6 0. 7 0. 8 0. 9 1 . 0 1 . 1

(a) Formuler une conjecture sur le sens de variation de la suite (In ) en expliquant la démarche.
(b) Démontrer cette conjecture.
2. (a) Montrer que pour tout entier n > 0 et pour tout nombre réel x de l’intervalle [0 ; 1] :

e−nx e−nx
06 6 6 e−nx .
(1 + x)2 1+x

(b) Montrer que les suites (In ) et (Jn ) sont convergentes et déterminer leur limite.
3. (a) Montrer, en effectuant une intégration par parties, que pour tout entier n > 1 :

1 e−n
 
In = 1− − Jn .
n 2

(b) En déduire lim nIn .

n→+∞

Exercice 83. Amérique du Nord mai 2012

Soit f une fonction définie et dérivable sur [0 ; 1] telle que :

1
f(0) = 0 et f′ (x) = pour tout x de [0 ; 1].
1 + x2
On ne cherchera pas à déterminer f.
Partie A
1. Déterminer le sens de variation de f sur [0 ; 1].
h πi
2. Soit g la fonction définie sur 0 ; par g(x) = f (tan(x)).
4

74
 h πi h πi
(a) Justifier que g est dérivable sur 0 ; , puis que, pour tout x de 0 ; , g′ (x) = 1.
4 4
h πi π
(b) Montrer que, pour tout x de 0 ; , g(x) = x, en déduire que f(1) = .
4 4
π
3. Montrer que, pour tout x de [0 ; 1], 0 ≤ f(x) 6 .
4
Z1 Z1
Partie B Soit (In ) la suite définie par I0 = f(x)dx et, pour tout entier naturel n non nul, In = xn f(x)dx.
0 0
π 1
1. Montrer à l’aide d’une intégration par parties que, I0 = − ln(2).
4 2
2. (a) Montrer que, pour tout entier naturel non nul n, In > 0.
π
(b) Montrer que, pour tout entier naturel non nul n, In 6 ·
4(n + 1)
(c) En déduire la limite de la suite (In ).

75
Huitième partie
Lois de probabilités continues
Le plan est muni d’un repère orthonormé.
1 Densité de probabilité
Dans tout ce qui suit, I désigne un intervalle quelconque de R.

Définition 1.1. :
• Soit f une fonction continue sur un intervalle de la forme [a; +∞[, sauf éventuellement en un nombre
fini de points. Z x
Si la fonction x 7→ f(t)dt possède une limite finie L quand x tend vers +∞, on pose alors :
a
Z +∞ Zx
L= f(t)dt = lim f(t)dt.
a x→+∞ a

• Soit f une fonction continue sur un intervalle de la forme ] − ∞; a], sauf éventuellement en un nombre
fini de points. Z a
Si la fonction x 7→ f(t)dt possède une limite finie L ′ quand x tend vers −∞, on pose alors :
x
Za Za
L′ = f(t)dt = lim f(t)dt.
−∞ x→−∞ x

Exemples  Z +∞
1 si t ∈ [−1; 1]
• f(t) = Alors : f(t)dt = 2.
0 sinon −∞
Notation et définition : f = 1[−1;1] est la fonction indicatrice, ou caractéristique de [-1 ;1].
 −t Z +∞
e si t > 0
• f(t) = Alors : f(t)dt = 1.
0 sinon −∞
☞ Remarque : f(t) = e 1R+ (t).
−t
Z +∞
• f(t) = 1R+ e−t + 1R− et . Alors : f(t)dt = 2.
−∞

Définition 1.2. Une fonction f est une densité de probabilité sur I si :

• f est continue sur I, sauf éventuellement en un nombre fini de points de cet intervalle
• fZ est positive sur I : ∀t ∈ I, f(t) > 0
• f(t)dt = 1.
I

Exemples 
e−t si t > 0
• La fonction f définie par f(t) = est une densité de probabilité sur R car :
0 sinon
1) f est continue sur R∗
2) fZ est positive sur R
+∞
3) f(t)dt = 1.
−∞ Z
☞ Remarque : f est aussi une densité de probabilité sur R+ car f(t)dt = 1.
 R+
1
si t ∈ [−1; 1]
• La fonction f définie par f(t) = 2 est une densité sur R, mais aussi sur [−1; 1].
0 sinon

76
Exercice 84. n désigne un entier naturel non nul. Trouver la valeur du réel a, si cela est possible, pour que
la fonction
 a f définie par
si t > 1
f(t) = tn soit une densité de probabilité sur R.
0 sinon

kex si x < 0,
Exercice 85. Calculer la valeur de k pour que la fonction f(t) = soit une densité sur
| x − 2 | e−x sinon
R.

2 Loi de probabilité
2.1 Définition

Définition 2.1. Soit f une densité de probabilité sur I. Soit X une variable aléatoire à valeurs dans I.
X suit une loi de probabilité de densité f sur I si pour tout intervalle J inclus dans I :
Z
P(X ∈ J) = f(t)dt.
J

2. 0

P(a 6 X 6 b) 1 .5

x=a 1 .0 x=b

0. 5

−1 . 5 −1 . 0 − 0. 5 0. 5 1 .0

2. 5

2. 0

P(a 6 X) 1 .5

x=a
1 .0

0. 5

− 2. 0 −1 . 5 −1 . 0 − 0. 5 0. 5 1 .0 1 .5 2. 0

− 0. 5

Exemples 
4t3 si t ∈ [0; 1]
• La fonction f définie par f(t) = est une densité de probabilité sur R et :
0 sinon
P(−2 6 X 6 3) = 1.
∀[a; b] ⊂ [0; 1], P(a 6 X 6 b) = b4 − a4 .

77
 
e−t si t > 0
• Soit X une variable aléatoire de densité fX (t) =
0 sinon
∀[a; b] ⊂ R+, P(a 6 X 6 b) = e−a − e−b .

☞ Remarques importantes :
• Soient f et g deux densités de probabilités sur I ne différant qu’en un nombre fini de points.
Si f est une densité de probabilité d’une variable aléatoire X, alors il en est de même pour g.
Le cours d’intégration assure en effet que :
Z Z
∀J ⊂ I, f(t)dt = g(t)dt.
J J

• Deux variables aléatoires ayant la même loi ne sont pas forcément égales.

2.2 Propriétés

Théorème 2.1. Soit X une variable aléatoire à densité sur I. Soient J et K deux intervalles inclus dans I.
• P(X ∈ I) = 1.
• ∀x ∈ I, P(X = x) = 0
• ∀[a; b] ⊂ I, P(a < X < b) = P(a 6 X 6 b) = P(a < X 6 b) = P(a 6 X < b).
• ∀a ∈ R, P(X > a) = P(X > a).
• Si P(X ∈ J) 6= 0, alors :

P[(X ∈ J) ∩ (X ∈ K)]
P(X∈J) (X ∈ K) = ·
P(X ∈ J)
• P[(X ∈ J) ∪ (X ∈ K)] = P(X ∈ J) + P(X ∈ K) − P[(X ∈ J) ∩ (X ∈ K)].
• Si de plus, J et K sont disjoints :

P[(X ∈ J) ∪ (X ∈ K)] = P(X ∈ J) + P(X ∈ K).

2.3 Fonction de répartition d’une variable aléatoire à densité

Définition 2.2. Soit X une variable aléatoire à densité sur I.

La fonction de répartition de X est la fonction F définie sur R par :

∀x ∈ R, F(x) = P(X 6 x).

Zx
Autrement dit, si f est définie sur R : F(x) = f(t)dt.
−∞

Propriété 2.1. i) F est croissante sur R.

ii) lim F(x) = 1 et lim F(x) = 0.
x→+∞ x→−∞

Démonstration . Propriété : La relation de Chasles est encore licite pour une fonction continue sur I, sauf
éventuellement en un nombre fini de valeurs.
i) Soit ] − ∞; x] ⊂] − ∞; y].
Zx Zx Zy Zy
F(x) = f(t)dt 6 f(t)dt + f(t)dt 6 f(t)dt 6 F(y).
−∞ −∞ x −∞

F est donc croissante sur R.

ii) Par définition : Zx
lim f(t)dt = 1,
x→+∞ −∞

78
ce qui se réécrit :
lim F(x) = 1.
x→+∞

ZD’autre
+∞
part, soit
Z x x un réel Zquelconque
+∞
donné. La relation de Chasles nous permet d’écrire :
f(t)dt = f(t)dt + f(t)dt = 1. Soit :
−∞ −∞ x
Zx Z +∞
f(t)dt = 1 − f(t)dt.
−∞ x

En faisant tendre x vers −∞, nous obtenons :

lim F(x) = 0.
x→−∞

Théorème 2.2.
∀(a; b) ∈ R2 , a 6 b, P(a 6 X 6 b) = F(b) − F(a).

Démonstration .
Zb Za Za Zb Za Zb
F(b) − F(a) = f(t)dt − f(t)dt = f(t)dt + f(t)dt − f(t)dt = f(t)dt.
−∞ −∞ −∞ a −∞ a

Théorème 2.3. Soit X une variable aléatoire à densité de probabilité la fonction f sur I. Soit F sa fonction
de répartition.
Alors pour tout x où f est continue, F est dérivable en x et :

F ′ (x) = f(x).

2.4 Densité de αX + β
Exemples 
1 si t ∈ [0; 1]
• U est une variable aléatoire ayant pour densité : fX (t) =
0 sinon
On définit la variable aléatoire Y par Y = 2U − 3.
Les valeurs prises par Y sont les réels de l’intervalle [−3; −1]. En effet, U est à valeurs dans [0 ;1] et
l’application t 7→ 2t − 3 réalise une bijection de [0; 1] dans [−3; −1].
Soit [a; b] un intervalle inclus dans [−3; −1]. Nous avons :
Z b+2 3
a+3 b+3 b−a
P(a 6 Y 6 b) = P(a 6 2U − 3 6 b) = P(a + 3 6 2U 6 b + 3) = P( 6U6 )= 1dt = ·
2 2 a+3
2
2

1
si t ∈ [−3; −1]
Ceci montrer que Y a pour densité la fonction fY (t) = 2
0 sinon
 −t
e si t > 0
• X est une variable aléatoire de densité : fX (t) =
0 sinon
Soit Y la variable aléatoire définie par Y = −X.
X est à valeurs positives, donc Y est à valeurs négatives.
Donc :
◮Si [a; b] est inclus dans R+ , alors P(Y ∈ [a; b]) = 0.
Z −a
−
◮ Si [a; b] est inclus dans R , alors P(Y ∈ [a; b]) = P(X ∈ [−b; −a]) = e−t dt. Via le changement de
−b
variable u = −t dans cette dernière intégrale, nous obtenons :
Zb
P(Y ∈ [a; b]) = eu du.
a

79
 
et si t 6 0
Y a donc pour densité fY (t) = Ceci permet donc d’écrire : ∀t ∈ R, fY (t) = fX (−t).
0 sinon

Théorème 2.4. Soit X une variable aléatoire à densité fX sur I. Soient (α; β) élément de R∗ × R. La
variable aléatoire Y = αX + β est une variable à densité admettant pour densité la fonction g définie par :

1
 
y−β
∀y ∈ R, g(y) = f ·
|α| α

Démonstration . Supposons α > 0.

y−β
∀y ∈ R, Y 6 y ⇔ αX + β 6 y ⇔ X 6 ·
α 
y−β
Par conséquent : ∀y ∈ R, FY (y) = FX ·
α
y−β
Si fX est continue en y, alors FX l’est en et dans ce cas :
α
1
 
y−β
FY′ (y) = FX′ · FX′ coĺıncide avec fX sur I privé des points pour lesquels fX n’est pas continue et qui
α α
sont en nombre fini.
1
 
y−β
De plus, y 7→ fX est à valeurs positives. Il s’agit donc d’une densité de Y .
α α
Supposons maintenant que α < 0.  
y−β
∀y ∈ R, P(Y 6 y) ⇔ P (αX + β 6 y) ⇔ P X > ·
α 
y−β
On en déduit donc que : ∀y ∈ R, FY (y) = 1 − FX ·
α
Un raisonnement analogue au cas précédent permet de conclure qu’une densité de Y est la fonction :

1 1
   
y−β y−β
fY : y 7→= − fX = fX ·
α α |α| α

3 Espérance mathématique. Variance. Ecart-type

3.1 Espérance mathématique

Définition 3.1. Soit X une variable aléatoire continue de densité de probabilité f sur I. L’espérance
mathématique de X, notée E(X) ou µ, est, s’il existe, le réel défini par :
Z
E(X) = tf(t)dt.
I
Z
☞ Remarque : En toute rigueur, il faut s’assurer que l’intégrale généralisée |tf(t)|dt est convergente, ce
I
qui le cas lorsque I est un segment et dans le cas des lois usuelles que nous étudierons cette année. Pour
ceux que cela intéresse, vous pourrez rechercher des renseignements sur la loi de Cauchy, qui ne possède
pas d’espérance mathématique.
Exemple
Soient
 a et b deux réels tels que : a < b. Soit f la fonction définie par :
 1
t 7→ si t ∈ [a; b]
f: b−a .
 0 sinon
Zb
t a+b
E(X) = dt = ·
a b−a 2

80
 Définition 3.2. Une variable aléatoire X est dite centrée si E(X) = 0.

Propriété 3.1. : Linéarité de l’espérance.

Soient X et Y deux variables aléatoires à densité. Soient λ et µ deux réels donnés.
Si les variables X, Y possèdent une espérance, alors il en est de même pour λX + µY et :

E(λX + µY) = λE(X) + µE(Y).

Démonstration . Admise♦

Théorème 3.1. : Théorème de transfert.

Soit φ une fonction continue sur I, changeant un nombre fini de fois de signe sur I.
Soit f une fonction de densité sur I.
Sous couvert d’existence de l’intégrale ci-dessous, l’espérance de la variable φ(X) est donnée par :
Z
E(φ(X)) = φ(t)f(t)dt.
I

ExempleZ
E(X2 ) = t2 f(t)dt.
I

3.2 Variance. Ecart-type

Définition 3.3. Soit X une variable aléatoire continue possédant une espérance.
On dit que X possède une variance, notée V(X), si et seulement si la variable aléatoire (X − E(X))2
possède une espérance. On a dans ce cas :

V(X) = E[(X − E(X))2 ].

Théorème 3.2. V(X) > 0.

Démonstration . Admise♦

Théorème 3.3. Théorème de Koenig-Huygens

En reprenant les notations et les hypothèses de la définition précédente, nous avons :

V(X) = E(X2 ) − E(X)2 .

Démonstration .

V(X) = E(X2 − 2XE(X) + E(X)2 ) = E(X2 ) − 2E(X)E(X) + E(X)2 = E(X2 ) − E(X)2 .

♦

Propriété 3.2. Soit X une variable aléatoire à densité possédant une variance.
Alors pour tout couple (a; b) de R∗ × R, la variable aléatoire aX + b possède une variance et :

V(aX + b) = a2 V(X).

81
Démonstration . En exercice. Utiliser la linéarité de l’espérance.♦

Définition 3.4. Soit X une variable aléatoire continue possédant une variance.
L’écart-type σX de X est le réel défini par :
p
σX = V(X).

Définition 3.5. Une variable X est dite réduite si σX = 1.

Exemple : Inégalité de Bienaymé-Tchebycheff

Soit X une variable aléatoire réelle. Soit a un réel donné strictement positif. Alors :
Var(X)
P(|X − E(X)| > a) 6 ·
a2
Ceci signifie que plus σ - et donc Var(X) - est petit plus les grandes valeurs de |X − E(X)| sont improbables,
et donc moins X est dispersée autour de son espérance.

4 Lois usuelles
4.1 Loi uniforme

Définition Soient a et b deux réels tels que a < b.

La variable aléatoire réelle X suit la loi uniforme sur l’intervalle [a; b] si elle a une densité f constante
sur [a; b] et nulle en dehors. On a alors :

1
∀t ∈ R, f(t) = 1[a;b]
b−a

Propriété 4.1. La fonction de répartition F de X est affine par morceaux :


 0x −
 si x 6 a
a
F(x) = si a < x 6 b .
 b−a

1 si b < x

β−α
Théorème 4.1. • Si [α; β] ⊂ [a; b], P(X ∈ [α; β]) = ·
b−a
• Pour tout intervalle J de R :
L([a; b] ∩ J)
P(X ∈ J) = ,
L([a; b])
où L(J) est égal à la longueur de l’intervalle J.

Représentations graphiques :

82
 P(X ∈ [α; β])
1 Courbe de la fonction de répartition
b−a
1

a α b a b
β

Théorème 4.2. Espérance mathématique et variance

a+b (b − a)2
E(X) = , V(X) = ·
2 12

Démonstration . L’espérance ne pose pas de problème et est laissée en exercice.

Pour calculer la variance on utilise la formule de Koenig-Huygens :
V(X) = E(X2 ) − E(X)2 .
Zb
1 1 b3 − a 3 a2 + ab + b2
Par le théorème de transfert : E(X2 ) = t2 dt = = ·
b−a a 3 b−a 3
a2 + 2ab + b2
D’autre part, E(X)2 = ·
4
2
(b − a)
Tout calcul fait : V(X) = ·
12
♦

4.2 Loi exponentielle

Les lois exponentielles sont souvent utilisées pour modéliser des temps d’attente : prochaine désintégration
d’un atome de radium, la durée entre deux orages, deux crues...

Définition 4.1. Soit λ un réel strictement positif.

La variable aléatoire réelle X suit la loi exponentielle de paramètre λ si elle a pour densité

f : t 7→ λe−λt 1R+ (t).

Théorème 4.3. • Si [a; b] ⊂ R+ , P(X ∈ [a; b]) = e−λa − e−λb ·

• ∀x ∈ R , P(X > x) = e
+ −λx
.
• La fonction de répartition F est donnée par :

∀x ∈ R, F(x) = (1 − e−λx )1R+ (x).

Démonstration . : Facile, laissée en exercice. ♦

Représentations graphiques :

83
 N
L
M

Fonction de répartition
λ Densité f : t 7→ λe−λt 1R+ (t) 1
b

b b

a a

Théorème 4.4. Espérance mathématique et variance

1 1
E(X) = , V(X) = ·
λ λ2

Démonstration .
Z•xPour calculer l’espérance Zmathématique,
x
une intégration par parties donne :
1 1 1
λte dt = [−te ]0 − −e dt = −xe−λx − [ e−λt ]x0 = −xe−λx − e−λx + .
−λt −λt x −λt
0 0 λ λ λ
1
En faisant tendre x vers +∞, on obtient : E(X) = ·
λ
• Pour calculer la variance on utilise la formule de Koenig-Huygens :
V(X) = E(X2 ) − E(X)2 .
En utilisant le théorème de transfert :
Z +∞
2
E(X ) = λt2 e−λt dt.
0
2
Une double intégration par parties donne : E(X2 ) = 2 ·
 2 λ
2 1 1
D’autre part, E(X) = = 2·
λ λ
La conclusion est alors immédiate. ♦

Théorème 4.5. Soit X une variable aléatoire à densité, suivant une loi exponentielle de paramètre λ.
Pour tout (t, h) de (R+ )2 : P(X>t) (X > t + h) = P(X > h).
On dit que X suit une loi de durée de vie sans vieillissement , ou que X est sans mémoire.

Exemple 4.1. Soit X une variable aléatoire modélisant la durée de vie d’un composant électronique.
Si celui-ci est encore en fonctionnement à l’instant t, la probabilité pour qu’il fonctionne encore dans h
heures est la même qu’au début de sa vie ( donc à t = 0).

P[(X > t + h) ∩ (X > t)] P(X > h) e−λ(t+h)

Démonstration . P(X>t) (X > t+h) = = = = e−λh = P(X > h).♦
P(X > t) P(X > t) e−λt

84
 Théorème 4.6. Les lois exponentielles sont les seules lois continues sans mémoire.

4.3 Lois normales

4.3.1 Loi normale centrée réduite

Définition 4.2. On dit que la variable aléatoire X suit la loi normale centrée réduite N (0; 1) si elle a
pour densité la fonction f définie sur R par :

1 t2
f(t) = √ e− 2 .
2π
Z +∞ √
t2
☞ Remarque Il est en effet possible de démontrer que e− 2 dt = 2π.
−∞

Représentation graphique

P(a 6 X 6 b)

x=a x=b

1 t2
y = √ e− 2
2π

−1 . 5 −1 . 0 − 0. 5 0 0. 5 1 .0 1 .5

Théorème 4.7. Soit F la fonction de répartition de X.

∀x ∈ R, F(−x) = 1 − F(x).

Z −x. En 2utilisant le changement

Démonstration Z +∞ de variable
Z +∞u-t, nous avons : Z
x
1 −t 1 −u2 1 −t2 1 −t2
F(−x) = √ e 2 dt = √ e 2 du = √ e 2 dt − √ e 2 dt = 1 − F(x).♦
2π −∞ 2π x 2π −∞ 2π −∞

Rappel
∀[a; b] ⊂ R, P(X ∈ [a; b]) = F(b) − F(a).

85
Le calcul de P(X ∈ [a; b]) se fait à partir d’une table indiquant les valeurs approchées de la fonction de
t2
répartition F dont le calcul direct est impossible (la fonction t 7→ e− 2 n’ayant pas de primitive exprimable à
l’aide des fonctions usuelles).
t 0.000 0.0100 0.0200 0.0300 0.0400 0.0500 0.0600 0.070 0.0800 0.0900
0.0000 0.5000 0.5040 0.5080 0.5120 0.5159 0.51994 0.5239 0.5279 0.5319 0.5359
0.1000 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2000 0.5793 0.5831 0.587 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6140
0.3000 0.6179 0.6217 0.6255 0.6293 0.6330 0.6368 0.6406 0.6443 0.6480 0.6517
0.4000 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5000 0.6915 0.6950 0.6984 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6000 0.7257 0.7290 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7000 0.7580 0.7611 0.7642 0.7673 0.770 0.7734 0.7764 0.7794 0.7823 0.7852
0.8000 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9000 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1,000 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1,100 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1,200 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1,300 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1,400 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1,500 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1,600 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9345
1,700 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1,800 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1,900 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2,000 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2,100 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2,200 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2,300 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9816
2,400 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2,500 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2,600 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2,700 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2,800 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2,900 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986

Valeurs pour les grandes valeurs :

3,00 3,10 3,20 3,30 3,40 3,50 3,60 3,8 4,00 4,50
0,99865 0,99903 0,99931 0,99952 0,99966 0,99977 0,99984 0,99993 0,99997 0,999997
Exemples
• Pour déterminer F(0,45) il suffit de regarder la case située à l’intersection de la ligne 0.4 et 0.05 : on lit
ainsi F(0, 45) ≃ 0, 6736.
• Pour déterminer F(-0,45), il suffit d’appliquer la formule F(−0.45) = 1 − F(0.45) ≃ 0.3264.
• Et donc par conséquent, P(−0, 45 < X < 0, 45) = 0, 6736 − 0, 3264 = 0, 3472.

Théorème 4.8. Si X suit la loi normale N (0, 1), alors :

E(X) = 0 et V(X) = 1.

Zx
t2 1 t2
Démonstration . • La fonction t 7→ te− 2 étant impaire, il en résulte que l’intégrale √ te− 2 dt est
Z +∞ 2π −x
1 t2
nulle quelle que soit la valeur de x. Par conséquent , E(X) = √ te− 2 dt = 0.
2π −∞
• Par application du théorème de Koenig-Huygens (l’espérance de X est nulle) et du théorème de transfert, et

86
sous couvert de la convergence de l’intégrale suivante, nous avons successivement que :
Z +∞
1 2 t2
V(X) = E(X ) = √ t2 e− 2 dt.
2π −∞
Zx
1 t2
Posons maintenant pour tout x > 0 : I(x) = √ e− 2 dt.
−x 2π
− t2
2 √
Posons alors : u(t) = e et v (t) = 2π. En appliquant la formule d’intégration par parties, il vient :
′

x Zx
−t2

t t2 t2
I(x) = √ e− 2 − √ e− 2 dt.
2π −x −x 2π

En faisant alors tendre x vers +∞, nous obtenons finalement :

Z +∞
t2 t2
√ e− 2 dt = 1.
−∞ 2π
♦

Théorème 4.9. Soit X une variable aléatoire suivant la loi normale N (0; 1).
Pour tout α ∈]0; 1[, il existe un unique réel positif uα tel que P(−uα 6 X 6 uα ) = 1 − α.
Valeurs approchées à connaître :
u0,05 ≃ 1, 96 et u0,01 ≃ 2, 58.
Interprétation graphique : L’aire hachurée est approximativement égale à 0.95 u.a.

P(−1.96 6 X 6 1.96) ≃ 0.95

x = −1.96 x = 1.96

− 2. 5 − 2. 0 −1 . 5 −1 . 0 − 0. 5 0 0. 5 1 .0 1 .5 2. 0 2. 5 3 .0 3 .5 4.0

4.3.2 Lois normales N (m; σ2 )

Définition 4.3. Soit (σ; m) un couple de réels strictement positifs.

On dit que la variable aléatoire X suit la loi normale N (m; σ2 ), ou loi gaussienne, si elle a pour densité
la fonction f définie sur R par :
(t − m)2
1 −
f(t) = √ e 2σ2 .
σ 2π

87
 σ

σ′

m m’ m
σ constant σ < σ′
m < m′

Interprétation graphique de m et de σ

La courbe représentative est symétrique par rapport à la droite d’équation x = m.

σ caractérise la dispersion de la distribution. Plus il est grand, plus la distribution est étalée de part et
d’autre de m.
Le théorème suivant permet de préciser le lien entre une loi N (m; σ2 ) et la loi N (0; 1) :

X−m
Théorème 4.10. Si X suit la loi N (m; σ2 ), alors suit la loi N (0; 1).
σ

Z m+bσ (t − m)2
1
 
X−m −
Démonstration . P ∈ [a; b] = P(X ∈ [m + aσ; m + bσ]) = √ e 2σ2 dt.
σ m+aσ σ 2π
t−m 1
Effectuons le changement de variable défini par u = : du = dt et :
 Zb σ σ
1

X−m u2
P ∈ [a; b] = √ e− 2 du. ♦
σ a 2π
Conséquences

Théorème 4.11. Si X suit la loi N (m; σ2 ), alors : E(X) = m et V(X) = σ2 .

Exercice 86. X suit la loi normale N (6, 25). Donner une valeur approchée de P(X 6 8, 5).
X−6
Solution suit la loi normale N (1; 0).
5
X−6 1
 
Nous avons donc : P(X 6 9) = P 6 ≃ 0, 6915.
5 2

Valeurs à connaître
Si X suit la loi normale N (m; σ2 ), alors :
• P(X ∈ [m − σ, m + σ]) ≃ 0, 68 ;
• P(X ∈ [m − 2σ, m + 2σ]) ≃ 0, 954 ;
• P(X ∈ [m − 3σ, m + 3σ]) ≃ 0, 997.

88
Neuvième partie
Mesures algébriques
1 Définition

−→
Définition 1.1. Soient A et B deux points d’un axe (O,~i). La mesure algébrique du vecteur AB relati-
vement au vecteur unitaire ~i de cet axe est le réel noté AB défini par :

AB = xB − xA .

A O I B
b b b

→
~i = −
OI

Exercice 87. Soient (O, I) et (O ′ , I ′ ) deux repères de la droite (AB). Montrer qu’il existe deux réels α et β
avec α non nul, tels que tout point M de (AB) d’abscisse x dans le repère (O, I) a pour abscisse x ′ = ax + b
dans le repère (O ′ , I ′ ).

2 Propriétés
A, B et C désignent trois points quelconques d’un même axe (O,~i). Les démonstrations sont laissées en
exercice ( utiliser les abscisses).

Propriété 2.1.
• BA = −AB
2
• AB = AB2
• Relation de Chasles : AB + BC = AC
• AB = OB − OA
• AB est indépendant de l’origine choisie sur l’axe
• AB = 0 ⇔ A = B
−→
• AB = AB~i
OM
• xB =
OI

Propriété 2.2. Quotient de mesures algébriques

AB
Soient A, B, C et D quatre points alignés distincts deux à deux. Alors le quotient ne dépend pas du
CD
repère choisi sur la droite (AB).

Démonstration . Soient (O, I) et (O ′ , I ′ ) deux repères de la droite (AB). D’après l’exercice précédent, il existe
α et β réels que tout point M de (AB) d’abscisse x dans le repère (O, I) a pour abscisse x ′ = ax + b dans le
repère (O ′ , I ′ ). Il en résulte donc que :

AB(O ′ ,I ′ ) b′ − a′ (αb + β) − (αa + β) b−a AB(O,I)

= ′ ′
= = =
CD(O ′ ,I ′ ) d −c (αd + β) − (αc + β) d−c CD(O,I)

♦
Cette dernière propriété est fondamentale pour énoncer le théorème de Thalès (cf. infra)

89
3 Barycentres
Dans cette section, nous nous placerons, sauf mention contraire, indifféremment dans le plan ou dans
l’espace qui seront notés E.

3.1 Barycentre d’un système de deux points pondérés

3.1.1 Définitions

Théorème 3.1. Soit {(A, α), (B, β)} un système de deux points pondérés tels que α + β 6= 0. Il existe un
unique point G tel que :
−→ −→
αGA + βGB = ~0.

Définition 3.1. G est appelé barycentre du système {(A, α), (B, β)}.

Démonstration . Il suffit d’utiliser la relation de Chasles :

−→ −→ −→ −→ −→ β −→
αGA + βGB = ~0 ⇔ (α + β)GA = βBA ⇔ AG = AB.
(α + β)

Cette dernière égalité prouve l’existence et l’unicité de G a .♦

Définition 3.2. Si α = β 6= 0, G est appelé isobarycentre de A et de B.

Propriété 3.1. L’isobarycentre de deux points A et B est le milieu du segment [AB].

☞ Remarques
1. Si A et B sont confondus et si α + β 6= 0 , alors G existe et est confondu avec A et B.
2. Si α = 0 et β 6= 0, alors G existe et est confondu avec B.
3. Si α 6= 0 et β = 0, alors G existe et est confondu avec A.
4. Si α + β = 0, nous avons dans ce cas :
−→ −→ −→ − →
αGA + βGB = ~0 ⇔ αBA = 0 .

• Si α = 0 ou si A et B sont confondus, l’égalité précédente est équivalente à ~0 = ~0. Dans ce cas, tout
−→ −→
point M vérifie l’égalité αGA + βGB = ~0.
−→ − → −→ −→
• Si α 6= 0 et si A 6= B, alors αBA 6= 0 . Dans ce cas, il n’existe aucun point G tel que αGA + βGB = ~0.

3.1.2 Propriétés
Soit {(A, α), (B, β)} un système de deux points pondérés tels que α + β 6= 0. Soit G le barycentre de ce
système.

Propriété 3.2. Pour tout point M, on a :

−−→ −−→ −−→
αMA + βMB = (α + β)MG.

a. Rappelons cette propriété essentielle, vraie dans le plan et l’espace :

−→
Soit ~
u un vecteur donné et soit A un point quelconque. Il existe alors un unique point B tel que AB = ~
u

90
 Propriété 3.3. • Si A et B appartiennent à un plan muni d’un repère quelconque, alors :

αxA + βxB αyA + βyB

xG = et yG = ·
α+β α+β
•Si A et B appartiennent à l’espace muni d’un repère quelconque, alors :

αxA + βxB αyA + βyB αzA + βzB

xG = et yG = et zG = ·
α+β α+β α+β
xG (reps. yG ; resp zG ) est donc la moyenne pondérée des réels xA et xB (resp. de yA et yB ; resp. de zA
et zB ) affectés des coefficients α et β.

Propriété 3.4. Position de G

Ici, A et B sont distincts.
• G appartient à la droite (AB)
• Si α et β sont de même signe, alors G appartient au segment [AB]. Dans ce cas, G est plus près du
point ayant le plus grand poids en valeur absolue que de l’autre point.
• Si α et β sont de signes contraires, alors G est à l’extérieur de [AB].
Plus précisément :
G appartient à (xA] si |α| > |β| :

b
G b
A b
B
x x’

G appartient à [Bx ′ ) si |α| < |β| :

b
A b
B b
G
x x’

Propriété 3.5. homogénéité du barycentre

Soit k un réel non nul. Alors G est aussi barycentre du système {(A, kα), (B, kβ)}.
Exemple : les systèmes {(A, −4), (B, −8)} ; {(A, 4), (B, 8)} ; {(A, 1), (B, 2)} ont le même barycentre.

Propriété 3.6. Soient A et B deux points distincts.

• L’ensemble des barycentres des points A et B est la droite (AB).
• Le segment [AB] est l’ensemble des barycentres de A et B affectés de coefficients positifs ou nuls. C’est
aussi l’ensemble des barycentres des systèmes {(A, t), (B, 1 − t)} lorsque t varie dans [0; 1].

91
3.2 Barycentre d’un système de trois points pondérés
3.2.1 Définitions

Théorème 3.2. Soit {(A, α), (B, β); (C, γ)} un système de trois points pondérés tels que α + β + γ 6= 0.
Il existe un unique point G tel que :
−→ −→ −→
αGA + βGB + γGC = ~0.

G est appelé barycentre du système {(A, α), (B, β), (C, γ)}.

Définition 3.3. Si α = β = γ 6= 0, G est appelé isobarycentre des points A,B et C.

3.3 Propriétés
Soit {(A, α), (B, β); (C, γ)} un système de trois points pondérés tels que α + β + γ 6= 0. Soit G le barycentre
de ce système.

Propriété 3.7. Pour tout point M, on a :

−−→ −−→ −−→ −−→
αMA + βMB + γMC = (α + β + γ)MG.

Propriété 3.8. Si A , B et C appartiennent à un plan muni d’un repère quelconque, alors :

αxA + βxB + γxC αyA + βyB + γyC

xG = et yG = ·
α+β+γ α+β+γ
Si A,B et C appartiennent à l’espace muni d’un repère quelconque, alors :

αxA + βxB + γxC αyA + βyB + γyC αzA + βzB + γzC

xG = et yG = et zG = ·
α+β+γ α+β+γ α+β+γ

xG (resp. yG ; resp. zG ) est donc la moyenne pondérée des réels xA , xB et xC (resp. de yA , yB et yC ;

resp. de zA , zB et zC ) affectés respectivement des coefficients α,β et γ.

Propriété 3.9. Position de G

• Si A = B = C, alors G est confondu avec ces trois points.
• Si A,B et C sont alignés, alors G appartient à la droite (AB).
• Si Si A,B et C ne sont alignés, alors G appartient au plan (ABC).
Ce dernier cas -quoique vrai dans le plan- n’a de réel intérêt que dans l’espace : A,B,C et G sont coplanaires.

Propriété 3.10. homogénéité du barycentre

Soit k un réel non nul. Alors G est aussi barycentre du système {(A, kα), (B, kβ); (C, kγ)}.

Théorème 3.3. Théorème du barycentre partiel- ou d’associativité du barycentre

Soit {(A, α), (B, β); (C, γ)} un système de trois points pondérés tels que α + β + γ 6= 0, de barycentre G.
Si α + β 6= 0, et si G ′ est le barycentre de {(A, α), (B, β)}, alors G est le barycentre du système {(G ′ , α +
β), (C, γ)}.
Conséquence

92
L’isobarycentre de trois points A,B et C est le centre de gravité du triangle (ABC).

Propriété 3.11. Soient A, B et C trois points non alignés. L’ensemble des barycentres des points A, B
et C est le plan (ABC).

3.4 Barycentre d’un système de n points pondérés

3.4.1 Fonction vectorielle de Leibniz
Soit E l’ensemble des vecteurs formés par les points de E.

3.4.2 Définition

Définition 3.4. Soit n un entier supérieur ou égal à 1, et (Ai ; αi )16i6n un système de n points pondérés
de E.
La fonction vectorielle de Leibniz f associée au système (Ai ; αi )16i6n est l’application définie par :

 E −→ E

n
f: −−−→ X −−−→
 M 7→ f(M) =
 αi MAk .
i=1

3.4.3 Propriétés

Propriété 3.12. • Pour tout couple de points M et M ′ , on a :

n
!
−−−→ −−−→ X −−−→
′
f(M) − f(M ) = αi MM ′ .
i=1

n
X
• Donc si la somme αi est nulle, la fonction f est constante.
i=1

Théorème 3.4. Soit n un entier supérieur ou égal à 1, et (Ai ; αi )16i6n un système de n points pondérés
de E.
n
X
On suppose que la somme αi est non nulle.
i=1
La fonction vectorielle de Leibniz f associée au système (Ai ; αi )16i6n est une bijection de E sur E , c’est-
à dire : −−−→ →
∀−→
u ∈ E, ∃! M ∈ E, f(M) = − u.
n
X
−−→ − → −−→ − →
En particulier, il existe un unique point G tel que f(G) = 0 , c’est-à-dire tel que αi GAk = 0 .
i=1

Définition 3.5. G est appelé barycentre du système (Ai ; αi )16i6n .

93
 Propriété 3.13.
n
−−→ 1 X −−−→
∀M ∈ E, MG = n ( αi )MAi
X
i=1
αi
i=1

Propriété 3.14. Si E est muni d’un repère dans lequel les points (Ai ; αi )16i6n ont pour coordonnées
(xi ; yi ) (ou (xi ; yi ; zi ) si E représente l’espace) ; alors G a pour coordonnées :
n
X n
X n
X
αi xi αi yi αi zi
i=1 i=1 i=1
xG = n ; yG = n et éventuellement zG = n ·
X X X
αi αi αi
i=1 i=1 i=1

Propriété 3.15. Homogénéité du barycentre

Soit n un entier supérieur ou égal à 1, et (Ai ; αi )16i6n un système de n points pondérés de E possédant
un barycentre G. Soit k un réel non nul.
Alors, G est barycentre du système (Ai ; kαi )16i6n .

Propriété 3.16. Associativité du barycentre

Soit n et p des entiers tels que p > 3 et 2 > p > n − 1.
Soit (Ai ; αi )16i6n un système de n points pondérés de E possédant un barycentre G.
Xp
On suppose de plus que la somme αi est non nulle ; soit G ′ le barycentre du système (Ai ; αi )16i6p .
i=1
p
X
Alors G est le barycentre du système {(G ′ , αi ); (Ap+1 , αp+1 ); · · · ; (An , αn )}.
i=1

3.5 Coordonnées barycentriques

3.5.1 Dans le plan
Donnons-nous trois points A, B et C non alignés dans le plan et rappelons la dernière propriété du paragraphe
2.2 :
Soient A, B et C trois points non alignés. L’ensemble des barycentres des points A, B et C est le plan (ABC).
Ceci signifie que pour tout point M du plan , il existe un triplet (α; β; γ) de R3 tel que M est le barycentre
{(A, α), (B, β); (C, γ)}.

Définition 3.6. Le triplet (α; β; γ) est appelé coordonnées barycentriques de M.

Un point donné possède donc une infinité de coordonnées barycentriques en vertu de la propriété
d’homogénéité du barycentre.
Il est possible de contourner ce problème grâce à la définition suivante :

Définition 3.7. Tout point M possède un unique triplet de coordonnées barycentriques dont la somme
est égale à 1. Ces coordonnées sont les coordonnées barycentriques normalisées de M.

94
3.5.2 Dans l’espace
Cette partie est laissée en exercice au lecteur et n’est qu’une réécriture de ce qui précède. Il convient de
prendre pour base quatre points A, B, C et D non coplanaires.

3.6 Ensembles de niveau

Définition 3.8. Soit f une application de E dans R et k un réel.

On appelle ensemble de niveau k l’ensemble des antécédents de k par f.

n
X
3.6.1 Etude de f(M) = αi MAi 2
i=1

Nous reprenons ici les notations de la partie précédente.

Lemme
Xn n
−−−→ X −−−→
∀(M, M ′ ) ∈ E2 , f(M) = ( αi )MM ′2 + 2MM ′ · ( αi M ′ Ai ) + f(M ′ ) (1)
i=1 i=1

Démonstration . Laissée en exercice. Utiliser les égalités suivantes :

−→ −→ −→ −→ −→ −→ −→ −→ −→
AB2 = AB2 = (AC + CB)2 = AC2 + 2AC · CB + CB2 = AC2 + 2AC · CB + CB2
♦

n
X
Théorème 3.5. Cas αi 6= 0
i=1
Soit G le barycentre du système (Ai ; αi )16i6n
L’égalité (1) donne la formule de Leibniz :

Xn
∀M ∈ E, f(M) = ( αi )MG2 + f(G).
i=1

Dans le plan :
L’ensemble de niveau k de f est soit l’ensemble vide, soit réduit à {G}, soit un cercle de centre G.
Dans l’espace :
L’ensemble de niveau k de f est soit l’ensemble vide, soit réduit à {G}, soit une sphère de centre G.

n
X
Théorème 3.6. Cas αi = 0
i=1
n
X −−−→ − →
• Si αi M ′ Ai = 0 , l’ensemble de niveau k de f est soit l’ensemble vide, soit E .
i=1
n
X −−−→ − →
• Si αi M ′ Ai 6= 0 , l’ensemble de niveau k de f est :
i=1
n
X −−−→
dans le plan : une droite orthogonale à αi M ′ Ai ;
i=1
n
X −−−→
dans l’espace : un plan orthogonal à αi M ′ Ai .
i=1

MA
3.6.2 Etude de g(M) =
MB
Soit A et B deux points distincts.

95
 Théorème 3.7. 1. Si k < 0
L’ensemble de niveau k de f est vide
2. Si k = 1
L’ensemble de niveau k de f est alors :
• dans le plan : la médiatrice de [AB].
• dans l’espace : le plan médiateur de [AB].
3. Si k ∈ R − {1}
Soit G1 le barycentre de {(A, 1), (B, k)} et G2 le barycentre de {(A, 1), (B, −k)}.
L’ensemble de niveau k est alors :
• dans le plan : le cercle de diamètre [G1 G2 ].
• dans l’espace : la sphère de diamètre [G1 G2 ].

4 Théorème de Thalès
4.1 Enoncé
d2

b
A

d2
A
b B
′ b
C d1 A′
d1 A
b
B
b
b
b

B′ B′
b b

C′
b
C′ b

C
b

Si les droites d1 et d2 sont coupées respectivement en A, B, C et en A ′ , B ′ , C ′ par des droites parallèles,

alors :
AB A ′B ′
= ′ ′·
AC AC
d2

b
A

d1 A′
b

B
b

C′
b

C
b

96
Dans le cas où les droites d1 et d2 sont sécantes en B, nous pouvons écrire, :

BC BC ′ CC ′
= = ·
BA BA ′ AA ′

5 Théorème de Thalès et projection

5.1 Définition et propriétés d’une projection

d1 A B
M
b b
b

d2

A′

B′
b

M′
b

Soient d1 et d2 deux droites du plan et soit une direction de droite δ, distincte de celle de d2 . A tout
point M de d1 , on peut associer le point M ′ , intersection de d2 avec la droite de direction δ passant par M.
L’application p : M 7→ M ′ est appelée projection de d1 sur d2 parallèlement à δ : M ′ est appelé le projeté de
M.

Propriété 5.1. • Lorsque d1 est de direction δ, tous les points de d1 ont la même image par p qui est
l’intersection de d1 et d2 . Dans ce cas la projection p est dite constante.
• Lorsque d1 n’est pas de direction δ, deux points distincts de d1 ont des projetés distincts. De plus, tout
point de d2 possède un unique antécédent par p. On dit alors que p réalise une bijection de d1 sur d2 .

5.2 Autre version de l’énoncé du théorème de Thalès - réciproque

Pour tout point M de d1 et tout point M ′ de d2 :
−−−→
1. Si M ′ est le projeté de M, l’abscisse de M ′ dans le repère (A ′ ; A ′ B ′ ) est égale à celle de M dans le
−→
repère (A; AB).
−−−→ −→
2. Réciproquement, si M et M ′ ont la même abscisse dans les repères respectifs (A ′ ; A ′ B ′ ) et (A; AB),
alors M ′ est le projeté de M. En particulier, cela signifie que les droites (AA ′ ), (BB ′ ) et (CC ′ ) sont
parallèles.

97
6 Exercices d’application
Exercice 88. Soit ABC et A ′ B ′ C ′ deux triangles d’un plan (P) tels que les droites (AA ′ ), (BB ′ ) et (CC ′ )
soient concourantes en un point I.
On suppose que les droites (BC) et (B ′ C ′ ) se coupent en A1 , (CA) et (C ′ A ′ ) en B1 , (AB) et (A ′ B ′ ) en C1 .
On se propose de démontrer que les points A1 , B1 et C1 sont alignés.
1. Montrer qu’il existe des couples de coefficients (α, α ′ ), (β, β ′ ) et (γ, γ ′ ) tels que I soit le barycentre de :
• {(A, α); (A ′ , α ′ )} et α + α ′ = 1
• {(B, α); (B ′ , α ′ )} et β + β ′ = 1
• {(C, γ); (C ′ , γ ′ )} et γ + γ ′ = 1
→
− →
− −→ −→ −→
2. Montrer alors que : βIB − γIC = γ ′ IC ′ − β ′ IB ′ = (β − γ)IA1 .
−→ −→ −→ − →
En déduire que : (β − γ)IA1 + (γ − α)IB1 + (α − β)IC1 = 0 .
3. Conclure.

Exercice 89. Première partie

^ et (∆a ) la bissectrice
Soit ABC un triangle non isocèle. On appelle (Da ) la bissectrice intérieure de l’angle A
^
extérieure de A.
On note Ia le point d’intersection de (Da ) et de (BC), A ′ le pied de la hauteur issue de A, HB et HC les
projections respectives de Ia sur [AC] et [AB]. On note BC = a, AC = b et AB = c.
1. Exprimer de deux façons différentes les aires des triangles ABIa et ACIa . Montrer que Ia B et Ia C sont
respectivement proportionnelles à c et b dans le même rapport.
2. Montrer que Ia est barycentre des points B et C affectés respectivement des coefficients b et c.
3. Montrer que (∆a ) coupe (BC) en un point Ja extérieur à [BC]. Montrer que Ja es barycentre du système
{(B, b); (C; −c)}.
Deuxième partie
MB c
1. Soit (Ca ) l’ensemble des points tels que : = ·
MC b
Montrer que (Ca ) est le cercle de diamètre [Ia Ja ], et qu’il passe par A. On notera Ωa son centre et on
l’appellera cercle d’Appolonius relatif au sommet A.
2. Montrer la relation suivante : Ωa B × Ωa C = Ωa Ia 2 = Ωa Ja 2 .
3. On définit de même (Cb ) et (Cc ). Dans la suite, on suppose que a < b < c.
(a) Montrer que les cercles (Ca ) et (Cb ) sont sécants. On appelle K et L leurs d’intersection.
(b) Montrer que les points K et L appartiennent à (Cc ). En déduire que le trois cercles d’Appolonius
sont sécants en K et L.
(c) Montrer alors que Ω1 , Ω2 et Ω3 sont alignés.

Exercice 90. Dans le plan on considère un triangle ABC rectangle en A. Soit a un réel strictement positif.
On suppose que AB = a et AC = 2a. Soit I le milieu de [AC].
1. Soit J le barycentre de {(A, 3); (C; −1)}. Montrer que A est le milieu de [IJ].
2. Déterminer le point G barycentre des points A, B et C affectés des coefficients 3,2 et -1.
3. Déterminer l’ensemble des points tels que :

3AM2 + 2BM2 − CM2 = 6a2 .

☞ On pourra remarquer que I appartient à cet ensemble.

98
Dixième partie
Les matrices
1 Généralités sur les matrices

Une matrice A de taille n × p ( ou de format (n, p)) est un tableau de nombres réels composé de n
lignes et p colonnes.
Une matrice s’écrit donc sous la forme :
 
a11 a12 . . . . . . a 1p
 a21 a22 . . . . . . a 2p 
 
... ... ... ... ... 
 
A= 
... ... ... ... ... 
 . . . . . . . . . aij ... 
 
... ... ... ... ... 
an1 an2 . . . . . . anp

Les nombres aij (1 6 i 6 n, 1 6 j 6 p) sont appelés les coefficients de la matrice.

Le coefficient aij est à l’intersection de la ième ligne et de la jème colonne.
L’ensemble des matrices à coefficients réels de taille n × p est noté Mn,p (R).

☞ Remarque : Une matrice de taille n × p contient np coefficients.

3 4 −2 0
 

Exemple 1.1. • A 0 1 5 −3 est une matrice de taille 3 × 4. a23 = 5 ; a32 = 0 ; a12 = 4 · · ·
 1 0 0 1
3 0 1

4 1 0
•B−2 5 0  est une matrice de taille 4 × 3. a23 = 0 ; a32 = 5 ; a42 = 3 · · ·


 0  3 −1
0 0
•O est la matrice nulle de M2,2 (R).
0 0

Cas particuliers
• Si n = p, A est une matrice carrée de taille -ou d’ordre- n.

1 0 0 0
 
3 4 0
 
0 1 0 0
Exemple 1.2. • A 0 5 −3 est une matrice carrée de dimension 3 × 3. • I4 = 
0 0 1 0

1 0 1
0 0 0 1
est la matrice identité de taille 4.
L’ ensemble des matrices carrées à coefficients réels d’ordre n est noté Mn (R).
• Si p = 1, A est une matrice colonne (ou vecteur colonne).

99
 3
 

Exemple 1.3. A 0 .

1
• Si n = 1, A est une matrice ligne (ou vecteur ligne).
Exemple :

A 3 4 0 3 1 .

Définition 1.1. Deux matrices A = (aij ) et B = (bij ) sont égales si elles ont la même dimension n × p
et si :
∀(i; j) ∈ [[1, n]] × [[1, p]], aij = bij .

2 Opérations sur les matrices

2.1 Transposition

Définition 2.1. La transposée d’une matrice A de taille (n ;p) est la matrice de taille (p ;n) notée t A ou
At obtenue en échangeant les lignes et les colonnes de A.
Si B =t A, alors, ∀(i; j) ∈ [[1, p]] × [[1, n]], bi;j = aj;i .
Exemples
3 0 1
 
3 4 −2 0 4 1 0 3
   

• Si A= 0 1 5 −3 ,  −2 5 0 • Si A=  1  , alors : t A = 3 1 1
 
alors : t A = 


1 0 0 1 0 −3 1 1


3 4 −2
 
• Si A=  4 3 5 , alors : t A = A.
−2 5 0

Définition 2.2. Une matrice A égale à sa transposée est appelée matrice symétrique.
Une telle matrice est nécessairement carrée.

Exercice 91. Donner un exemple de matrice antisymétrique, c’est-à-dire telle que t A = −A.

2.2 Multiplication d’une matrice par un réel

Définition 2.3. Soit A = (aij ) une matrice de taille n × p et soit λ un réel quelconque. La matrice
M = λA = (mij ) est la matrice de taille n × p définie par :

∀(i; j) ∈ [[1, n]] × [[1, p]], mij = λaij .

Exemple
3 4 −2 0 9 12 −6 0
   
Si A= 0 1 5 −3, alors : 3A= 0 3 15 − 9
1 0 0 1 3 0 0 3
Propriétés
∀(A, B) ∈ Mn,p (R)2 , ∀(λ, µ) ∈ R2 :
•1A = A

100
•λ(µA) = (λµ)A
•(λ + µ)A = λA + µA
•λ(A + B) = λA + λB

2.3 Addition de deux matrices

Définition 2.4. Soient A = (aij ) et B = (bij ) deux matrices de même taille n × p.

La matrice C = A + B est la matrice de taille n × p de coefficients cij définis par :

∀(i; j) ∈ [[1, n]] × [[1, p]], cij = aij + bij .

4 6 3 1 4+3 6+1 7 7
     
Exemple 2.1. +
−1 3 5 −3 −1 + 5 3−3 4 0

• L’addition de deux matrices n’ayant pas la même taille n’a pas de sens !

Propriété 2.1. ∀(A, B, C) ∈ M3n,p (R) :

• La matrice nulle O est l’élément neutre de l’addition : O + A = A + O = A
•A + B = B + A : l’addition des matrices est commutative.
•(A + B) + C = A + (B + C) : l’addition des matrices est associative.

Démonstration . Laissée en exercice

Exercice 92. Montrer que M2,2 (R) est un R-espace vectoriel de dimension 4 dont on donnera une base.

2.4 Multiplication de deux matrices

Définition 2.5. Soit A une matrice de taille n × m et soit B une matrice de taille m × p .
Le produit de A par B, noté A · B ou AB, est la matrice de taille n × p construite de la manière suivante :
Exemple : Calcul de c22

101
 B : m lignes p colonnes
 
 b11 b12 ... b1 p 
 
 
 
 b21 b22 ... b 2p 
b 12  
1
×  
a2 .. .. ..
 
b 22 ..

+
 
×
 . . . . 
2
 
a2  

+
..
 
bm 1 bm 2 ... bmp

.+
 
2
bm
×
 a 2m
  
 a11 a12 ... a 1m   c11 c12 ... c1p 
   
   
   c
 a21
 a22 ... a 2m 
  21 c22 ... c2p 

   
 
.. .. ..
 
.. .. .. .. ..
   
. . . . . . . .
   
   
   
 

 an1
  cn1 cn2 ... cnp
an2 ... anm  

A : n lignes m colonnes C = AB : n lignes p colonnes

Généralisation : Calcul de cij

 
 b11 ... b1 j ... b1 p 
 
 
.. .. .. .. ..
 
. . . . .
 
 
 
1 j
b  
×  bk1 ... bkj ... bkp
 
1

a i  
+
..

 
.+

.. .. .. .. ..
 
j
bk .
 
×

 . . . . 

a ik
 
+

 
..

 bm 1 ... bmj ... bmp 

.+

 b mj
×

 a11 ... a1k . . . a1m a im  c11 ... c1j ... c1q 
  
  
.. .. .. .. .. .. .. .. ..
 
..

.
 
. . . . . . . . .
  
  
  

 ai1 ... aik . . . aim  ci1 ... cij ... ciq
  
  
  
 
.. .. .. .. .. .. ..
... .

..  
. . . . . .

. . . . 
 
  
 



ank . . . anm  cn1 ... cnk ... cnq
 
 an1 ... 

Pm
cij = k=1 aik bkj

Exemples
1 2 5 1 1 7 8 6
       
• Si A= et B = , alors AB= et BA=
3 −4 −2 3 23 −9 7 −16
Calcul de AB

102
 
1
2
 

 c11 = 1 × 5 + 2 × −2 = 1
3
−4 
c21 = 3 × 5 + (−4) × (−2) = 23
5 1 1 7  c12 = 1 × 1 + 2 × 3 = 7
  


−2 3 23 −9 c22 = 3 × 1 + (−4) × 3 = −9

Calcul de BA :

1 2
 

 c11 = 5 × 1 + 1 × 3 = 8
3 −4 
c21 = −2 × 1 + 3 × 3 = 7

5 1

8 6
 
 c12 = 5 × 2 + 1 × −4 = 6

−2 3 7 −16 c22 = −2 × 2 + 3 × −4 = −16

−1 −3 −7
   
• Si A= 3 7 , alors AB= −17 et BA=
et B =



−2 −6 −14
Calcul de AB : Taille de la matrice produit : (1, 2✁)(2✁, 1) = (1, 1)

−1
 
−2
c11 = 3 × −1 = −3 + 7 × −2 = −17
−17


3 7

Calcul de BA : Taille de la matrice produit : (2, 1✄ )(1✄ , 2) = (2, 2)


3 7


 c11 = −1 × 3 = −3

c21 = −2 × 3 = −6
−1 −3 −7 c12 = −1 × 7 = −7
  



−2 −6 −14 c22 = −2 × 7 = −14

4 5 5 10
     
• Si A= et B = , alors AB= . Le produit BA n’est pas défini.
−3 2 −2 −19

5
 
−2 
c11 = 4 × 5 + 5 × (−2) = 10
10
 
4 5

c21 = −3 × 5 + 2 × (−2) = −19
−3 2 −19

Propriété 2.2. • ∀(A, B, C) ∈ Mn,m (R) × Mm,r (R) × Mr,p (R) : A(BC) = (AB)C : le produit matriciel
est associatif. • ∀(A, B, C) ∈ Mn,m (R) × Mn,m (R) × Mm,p (R) :

(A + B)C = AC + BC
• ∀A ∈ Mn (R) :

In A = AIn = A : La matrice est l’élément neutre pour la multiplication dans Mn (R) :

(A + B)C = AC + BC

103
 • Le produit de matrices n’est pas commutatif en général : Si A et B sont des matrices carrées,
AB 6= BA.
• Par contre, la matrice identité d’ordre n, notée In ou Idn , commute avec toute matrice carrée d’ordre
n.
• O représentant la matrice nulle, AB = O n’implique pas A = O ou B = O.
1 0 0 0
   
Contre-exemple : A = et B = .
0 0 1 0

3 Exercices
Exercice 93. Matrice inversible
3 4
Soit A = .
2 3
4
     
x x
1) Résoudre l’équation matricielle A = , d’inconnue X = .
y − 3 y
3 −4
 
2) Soit A ′ = . Calculer AA ′ et A ′ A.
−2 3
4
 
3) Calculer la matrice produit A ′
. Que constate-t-on ?
−3
Exercice 94. Matrice
 nilpotente
0 1 1
Soit A = 0 0 −1.
0 0 0
1) Calculer A2 = AA, A3 = AAA, A4 = AAAA.
2) Calculer An pour n entier naturel quelconque (Par convention, A0 = I3 ).

Exercice 95. Puissance d’une matrice diagonale

Unematrice carrée est diagonale si tous ses coefficients sont nuls, sauf éventuellement ceux de la diagonale :
a11 0 . . . . . . . . . 0
.. .. .. .. 
 0 a22 . . . . 

 .. . . . .
 
 . 0 . . . . . . .
. 

A=  . ..  = Diag[a11 ; a22 ; · · · ; ann ].
.. .. ..
 
 .. . . aii . . 
 .
 
. . . . . . . . .

 . . . . . 0 
0 0 . . . . . . 0 ann
Montrer que pour tout entier naturel k, Ak = Diag[ak11 ; ak22 ; · · · ; aknn ].

104
4 Matrices carrées inversibles
4.1 Définition et exemples

Définition 4.1. Une matrice carrée A, de taille n, est inversible s’il existe une matrice carrée de taille
n, notée A−1 , telle que :
AA−1 = A−1 A = In .
A−1 est l’inverse de la matrice A.
L’ensemble des matrices carrées inversibles de taille n à coefficients réels s’appelle le groupe linéaire
et est noté GLn (R).

Théorème 4.1. Si A est inversible, alors A−1 est unique.

Démonstration . Soient M et N deux inverses de A :

M = MIn = M(AN) = (MA)N = In N = N. ♦
☞ Remarque : A−1 est inversible et son inverse est A.

3 4 1 5 −4
   
1 −1
Exemple 4.1. • I−= In • A = : A = .
n 0 5 15 0 3
1
 
0 0
3 0 0 3
 

1
0 5 0 : B−1 =  .
 
•B= 
0 0
0 0 4 5
1
 
0 0
4
3 4
 
•C= n’est pas inversible.
0 0
 
x y
Démonstration Supposons que C soit inversible, d’inverse :M = .
z t
3x + 4y 3y + 4t 1 0
   
CM = : cette matrice ne peut être égale à I2 = quelles que soient les valeurs
0 0 0 1
de x, y,z et t.
3 4
•D= n’est pas inversible.
6 8
• La matrice nulle d’ordre n n’est pas inversible.

Propriété 4.1. Si A et B appartiennent à GLn (R), alors AB appartient aussi à GLn (R) et :

(AB)−1 = B−1 A−1

Démonstration .
(AB)(B−1 A−1 ) = A(BB−1 )A−1 = AA−1 = In .
♦

Théorème 4.2. (GLn (R), ·) est un groupe, d’élément neutre In .

Démonstration . • La multiplication est une loi de composition interne : (A, B) ∈ GL2n (R) ⇒ AB ∈ GLn (R).
• La multiplication est associative.
• La multiplication a pour élément neutre la matrice identité In .
• Tout élément A de GLn (R) possède un élément symétrique pour la multiplication dans GLn (R), à savoir
A−1 , car : AA−1 = A−1 A = In . ♦

105
 Théorème 4.3. Soit A une matrice de GLn (R). Alors :

∀(B, C) ∈ M2n , AB = AC ⇒ B = C.

Démonstration . A est inversible, donc : AB = AC ⇒ A−1 (AB) = A−1 (AC) ⇒ (A−1 A)B = (A−1 A)C ⇒ B = C
♦
☞ Remarque : AB = AC ⇔ A(B − C) = O. Comme nous l’avons vu dans le paragraphe 2, cela n’implique
pas systématiquement que B − C = O. Ici cela est vrai car A est inversible.

Exercice 
96. Polynôme
 annulateur
1 0 2
Soit A = 0 −1 1  . Calculer A3 − A. En déduire que A est inversible et déterminer son inverse.
1 −2 0

4.2 Inverse d’une matrice carrée de taille 2

Théorème  
a b
Soit A = une matrice de taille 2.
c d  
 a b 
A est inversible si et seulement si le déterminant ∆ =   est non nul.
c d 
De plus si ∆ 6= 0 :

1
 
−1 d −b
A = .
∆ −c a

Définition : ∆ est le déterminant de la matrice A, il est noté det(A).

 
d −b
Démonstration . Posons B = .
−c a
AB = BA = ∆I2 .
1
 
d −b
Par conséquent, si ∆ 6= 0, A est inversible et A−1 = .
∆ −c a
Réciproquement, si A est inversible, alors :
B = BI2 = B(AA−1 ) = (BA)A−1 = ∆A−1
B n’étant pas la matrice nulle, ∆ 6= 0.♦
   
a b
☞ Remarque : A est donc inversible si et seulement si les vecteurs et ne sont pas colinéaires
c d
(autrement dit, ils forme une famille libre).

Exercice 97. Théorème de Cayley-Hamilton

Définition : La trace d’une matrice carrée A, notée Tr(A), est égale à la somme de ses coefficients diagonaux.
Montrer que pour toute matrice A d’ordre 2 :

A2 − Tr(A)A + det(A)I2 = O.

Exercice 
98. Groupe des matrices  de rotations

cos θ − sin θ
Soit R = M(θ) = /θ ∈ R .
sin θ cos θ
1) Montrer que : ∀(θ, θ ′ ) ∈ R2 , M(θ)M(θ ′ ) = M(θ + θ ′ ).
2) Montrer que : R est inclus dans GL2 (R) et déterminer l’inverse de M(θ).
3) Montrer que (R, ·) est un groupe abélien.

106
Onzième partie
Les groupes
1 Définitions et propriétés

Définition 1.1. Soit G un ensemble. ⋆ est une loi de composition interne sur G si :

∀(a; b) ∈ G2 , a ⋆ b ∈ G.
Exemples
• G = R, G = Z ou G = C : L’addition, le produit sont des lois de composition internes.
• G = R∗ : Le quotient est une loi de composition interne.
• G = {fonctions définies sur R} : L’addition, le produit, la composition sont des lois de composition internes.
Mais par exemple, le produit scalaire défini sur l’ensemble des vecteurs de R2 ou de R3 n’est pas une loi de
composition interne.

Définition Un ensemble non vide G muni d’une loi de composition interne ⋆ est un groupe si :
• ⋆ est associative :
∀(a, b, c) ∈ G3 , a ⋆ (b ⋆ c) = (a ⋆ b) ⋆ c.

• ⋆ admet un élément neutre, noté e :

∀a ∈ G, a ⋆ e = e ⋆ a = a.

• tout élément a de G possède un élément symétrique pour ⋆ :

∀a ∈ G, ∃ b ∈ G, a ⋆ b = b ⋆ a = e.
Cet élément est noté a−1 .

De plus, si ⋆ est commutative, le groupe G est commutatif, ou abélien :

∀(a, b) ∈ G2 , a ⋆ b = b ⋆ a.

Le groupe est alors noté (G, ⋆), ou s’il n’y a pas d’ambiguĺıté, simplement G.
Exemples
• (R, +), (Q, +), (C, +),(Z, +) sont des groupes abéliens infinis.
• (R∗ , ×), (C∗ , ×),(Z∗ , ×) sont des groupes abéliens infinis.
• ({−1; 1}, ×) est un groupe abélien d’ordre 2.
• Soit E l’ensemble des vecteurs de R2 (ou de R3 ).
(E, +) est un groupe abélien.
• (R[X], +) et (Rn [X], +) sont des groupes abéliens.
• Soit n un entier naturel non nul. Soit Un = {z ∈ C, zn = 1} l’ensemble des racines n-ièmes de l’unité.
(Un , ×) est un groupe abélien.
• (Mn (R), +), (Mn (C), +), (GLn (R), ×) sont des groupes (les deux premiers sont abéliens, mais pas le
dernier).
• L’ensemble des translations du plan (ou de l’espace) muni de la loi de composition interne ◦ est un groupe.
• n désigne un entier naturel strictement positif. G est constitué des restes possibles par la division eucli-
dienne par n. G est muni de la loi de composition interne, notée + associant à a + b le reste de la division
euclidienne de la somme a  + b parn.
Z ˙ 1 afin de ne pas
(G; +) est un groupe noté , + · Les éléments de G sont souvent notés 0̇, 1̇, · · · , n −
nZ
confondre les restes et les entiers correspondants.
Contre-exemples
• (N, +) n’est pas un groupe car aucun élément n’est symétrisable.
• (R, ×), (C, ×) ne sont pas des groupes car 0 n’est pas symétrisable.
• (Z, ×) n’est pas un groupe car seuls 1 et −1 sont symétrisables.

107
 Propriété 1.1. 1) Un groupe n’est jamais vide
2) L’élément neutre est unique
3) Dans un groupe, l’équation a ⋆ x = b possède une unique solution, à savoir x = a−1 ⋆ b
4)
 Dans un groupe, tout élément est simplifiable ou régulier :
a ⋆ x = a ⋆ y ⇒ x = y (a simplifiable à gauche)
x ⋆ a = y ⋆ a ⇒ x = y (a simplifiable à droite).

Démonstration . 1) G 6= ∅ car il contient l’élément neutre e.

2) Soient e et e ′ deux éléments de G : e ⋆ e ′ = e ′ car e est un élément neutre. De plus, e ′ ⋆ e = e car e ′ est
aussi un élément neutre. En conclusion e = e ′ .
3) a ⋆ x = b ⇒ a−1 ⋆ (a ⋆ x) = a−1 ⋆ b ⇒ (a−1 ⋆ a) ⋆ x = a−1 ⋆ b ⇒ e ⋆ x = a−1 ⋆ b ⇒ x = a−1 ⋆ b.
Réciproquement, a−1 ⋆ b est bien solution de a ⋆ x = b. ♦

Définition 1.2. L’ordre d’un groupe est le nombre de ses éléments.

Si le groupe possède une infinité d’éléments, il est dit alors d’ordre infini.

2 Sous-groupes

Définition
Soit (G, ⋆) un groupe. Soit H un sous-ensemble de G.
H est un sous-groupe de G, si (H, ⋆) est un groupe.

Propriété 2.1. (G, ⋆) et (H, ⋆) ont le même élément neutre e.

Exemples
• {e} et G sont des sous-groupes de (G, ⋆) (appelés sous-groupes triviaux de G).
• (R, +) est un sous-groupe de (C, +).
• (Q, +) est un sous-groupe de (R, +).
• Soit a un réel, et aZ = {ak/k ∈ Z}.
(aZ, +) est un sous groupe de (R, +).
• Soit U = {z ∈ C, |z| = 1}. (U, ×) est un sous-groupe de C.
Parmi les différentes caractérisations possibles des sous-groupes, l’une des plus simples est la suivante :

Théorème
Soit H un sous-ensemble d’un groupe G muni de la loi de composition interne ⋆.
(H, ⋆) est sous-groupe de (G, ⋆) si et seulement si :
• H 6= ∅
• ∀(x; y) ∈ H2 , x ⋆ y−1 ∈ H.

Démonstration . • Soit (H, ⋆) un sous-groupe de G. Puisque H est un groupe :

◮ H n’est pas vide.
◮ Soient x et y deux éléments de H. y−1 appartient par définition d’un groupe à H et donc x ⋆ y−1 appartient
aussi à H car ⋆ est une loi de composition interne.
• Réciproquement, soit H un sous-ensemble vérifiant les deux propriétés du théorème.
H étant non vide, il possède un élément x et donc x ⋆ x−1 = e appartient à H.
En posant x = e dans la deuxième propriété, nous obtenons : ∀y ∈ H, e ⋆ y−1 = y−1 ∈ H. Il nous reste à
montrer que ⋆ est une une loi de composition interne pour H et qu’elle est associative.
Soient x et y deux éléments quelconques de H. Nous venons de montrer que tout élément de H possède un
symétrique dans H par rapport à ⋆, donc il existe un élément z de H tel que y = z−1 et donc x ⋆ y = x ⋆ z−1
appartient à H. La loi ⋆ est donc interne pour H.

108
L’associativité est facile et est laissée en exercice (tout élément de H peut être vu comme un élément de G). ♦

Théorème
Soient H et K deux sous-groupes de (G, ⋆) .
H ∩ K est un sous-groupe de (G, ⋆).
☞ Remarque La réunion de deux sous-groupes n’est pas en général un sous-groupe.

3 Morphisme de groupes

Définition
On appelle morphisme du groupe (G, ⋆) vers le groupe (G ′ , ⊤) toute application f de G vers G ′ telle
que :
∀(x; y) ∈ G2 , f(x ⋆ y) = f(x)⊤f(y).

Définition 3.1. • Si f est bijective , on dit que f est un isomorphisme.

• Si (G, ⋆) = (G ′ , ⊤), on dit que f est un endomorphisme.
• Si f est un endomorphisme bijectif , on dit que f est un automorphisme .
Exemples
• Soit a un élément donné d’un groupe (G, ⋆).
Z −→ G
L’application f : n 7→ an = a| ⋆ ·{z
· · ⋆ a} est un morphisme de (Z, +) vers (G, ⋆).
n fois
• La fonction ln est un isomorphisme de (R∗+ , ×) vers (R, +).
• IdG est un automorphisme de de (G, ⋆).

Définition On dit que G et G ′ sont isomorphes s’il existe un isomorphisme de G vers G ′ .

Cette notion est fondamentale. Deux groupes isomorphes se "comportent" de la même manière, quelle que
soit la nature de leurs éléments et quelle que soit la loi de composition interne.
Par exemple, il n’existe qu’un seul groupe possédant un unique élément à un isomorphisme près. Il s’agit du
groupe (G = {e}, ⋆).
Exemples : (IdP , ◦),({0}, +), ({~0}, +).
De même, à un isomorphisme près, il n’existe qu’un seul groupe à deux éléments. Pour s’en convaincre, il
est possible de construire la table de la loi du groupe. Un tel groupe G est de la forme {e, a}. Le remplissage
de la table ci-dessous est simple, hormis la détermination de a ⋆ a. La loi ⋆ étant interne et G n’ayant que
deux éléments, nous n’avons que deux possibilités : a ⋆ a = a et a ⋆ a = e .
Si nous avions a ⋆ a = a, nous aurions a ⋆ a = a ⋆ e et donc a = e car tout élément d’un groupe est régulier.
Cela impliquerait donc que G ne possède qu’un seul élément, ce qui n’est pas le cas.
Par conséquent, a ⋆ a = e. a est donc sont propre symétrique (on dit que a est d’ordre 2).

⋆ e a
e e a
a a e

Exemples : ({IdP , SD }, ◦) ;({−1; 1}, ×).

109
 Règles Pour construire la table d’une loi d’un groupe, on pourra utiliser les deux règles importantes
suivantes (qu’il faut savoir expliquer rapidement) :
R1 : On ne peut avoir le même élément 2 fois dans une ligne (ni 2 fois dans une colonne).
En effet si si par exemple un élément c apparaissait 2 fois dans la ligne a, par exemple à la colonne b
et d, nous aurions ; a ⋆ b = a ⋆ d soit par simplification dans un groupe, b = d ce qui n’est pas possible.
R2 : Le groupe est commutatif si et seulement si la table correspondante est symétrique par rapport à
la diagonale principale.
Conséquence : Tout groupe d’ordre 2 est commutatif.
En effet, tous les groupes d’ordre 2 possèdent la même table qui est symétrique par rapport à la diagonale
principale.
Recherche des groupes d’ordre 3.
Soit (G = {e, a, b}, ⋆) un groupe d’ordre 3.
Si nous avions a ⋆ b = b, cela impliquerait que a = e par simplification, ce qui n’est pas possible. En
appliquant la règle R1, a ⋆ b 6= a, donc a ⋆ b = e et par suite a ⋆ a = b.
La dernière ligne s’obtient de la même manière.

⋆ e a b
e e a b
a a b e
b b e a

Remarquons que cette table est symétrique par rapport à la diagonale principale.

Conséquences
• Il n’existe qu’un groupe d’ordre 3, à un isomorphisme près.
• Tout groupe d’ordre 3 est abélien.
 
Z
Exemple : Table d’addition de ,+ ·
3Z
Z
= {0̇, 1̇, 2̇}. Son élément neutre est 0̇.
3Z

+ 0̇ 1̇ 2̇
0̇ 0̇ 1̇ 2̇
1̇ 1̇ 2̇ 0
2̇ 2̇ 0̇ 1̇

Recherche des groupes d’ordre 4.

Ici, les choses se compliquent un tout petit peu.
Soit (G = {e, a, b, c}, ⋆) un groupe d’ordre 4.

⋆ e a b c
e e a b c
a a ? ? ?
b b ? ? ?
c c ? ? ?

Nous allons considérer deux cas qui peuvent sembler artificiels au premier abord :
Ou bien il existe un élément qui n’est pas son propre symétrique, ou bien tous les éléments sont leur
propre symétrique.
Tout groupe est nécessairement dans l’une de ces deux catégories.
• Supposons donc qu’il existe un élément - par exemple a- qui ne soit pas son propre symétrique. Notons b
son symétrique. Par conséquent : a ⋆ b = b ⋆ a = e.
Dans ce cas a ⋆ c ne peut ni égal à c ni égal à a (car sinon par simplification..) et donc a ⋆ c = b d’après la
règle R1. Et par suite a ⋆ a = c en utilisant cette même règle.
Déterminons b ⋆ b :
b ⋆ b 6= b (car sinon par simplification...)

110
b ⋆ b 6= a. En effet, b ⋆ b = a ⇒ a ⋆ (b ⋆ b) = a ⋆ a ⇒ (a ⋆ b) ⋆ b = c ⇒ b = c impossible.
En conclusion b ⋆ b = c et en utilisant la règle R1, b ⋆ c = a.
La dernière ligne est facile à compléter en utilisant R1 appliquée aux colonnes de la table.
⋆ e a b c
e e a b c
a a c e b
b b e c a
c c b a e
Ce groupe est abélien et possède un (unique) élément d’ordre 2.
• Supposons maintenant que tous les éléments sont leur propre symétrique.
Dans ce cas, la construction de la table est plus simple. Par exemple, a ⋆ b 6= e par unicité du symétrique,
a ⋆ b 6= a et a ⋆ b 6= b (car sinon par simplification...) donc a ⋆ b = c.
On obtient alors la table suivante :
⋆ e a b c
e e a b c
a a e c b
b b c e a
c c b a e

Conséquences
• Il existe deux groupes d’ordre 4 (à un isomorphisme près).
Le deuxième groupe est appelé le groupe de Klein.
• Tout groupe d’ordre 4 est abélien.
Exemples de groupes de Klein
• Le groupe multiplicatif{1, 3, 5, 7} muni de la loi de composition ⋆ associant au produit ab le reste de la
division euclidienne de ab modulo 8 est un groupe de Klein. Sa table est la suivante :
⋆ 1 3 5 7
1 1 3 5 7
3 3 1 7 5
5 5 7 1 3
7 7 5 3 1
• Le groupe des transformations du plan laissant globalement un rectangle non carré muni de la loi ◦.

D1
A B

⋆ Id SO SD1 SD2
Id Id SO SD1 SD2
O SO SO Id 7 SD1
SD1 SD1 SD2 Id SO
D2 SD2 SD2 SD1 SO Id

D C

111
 Propriétés
Soit f un morphisme du groupe (G, ⋆), d’élément neutre e vers le groupe (G ′ , ⊤) d’élément neutre e ′ .
• f(e) = e ′ .
• ∀x ∈ G, f(x−1 ) = [f(x)]−1
n n
• ∀x ∈ G, f( ⋆ xi ) = ⊤ f(xi )
i=1 i=1
• ∀x ∈ G, ∀p ∈ Z, f(xp ) = [f(x)]p .

4 Noyau et image d’un morphisme de groupes

Théorème et définitions Soit f un morphisme du groupe (G, ⋆), d’élément neutre e vers le groupe
(G ′ , ⊤) d’élément neutre e ′ .
• f(G) = {f(x), x ∈ G} = {y ∈ G ′ /∃x ∈ G, f(x) = y} est un sous-groupe de G ′ appelé image de f et noté
Imf.
• {x ∈ G, f(x) = e ′ } est un sous-groupe de G appelé noyau de f et noté Kerf.

Exemple 4.1. • Rappel : Pour tout nombre complexe z d’écriture algébrique z = a + ib, exp(z) = ea eib .
exp : C → C∗ est un morphisme du groupe (C, +) vers le groupe (C∗ , ×).
e = 0 et e ′ = 1.
Imf = C∗ car toute équation exp Z = z d’inconnue Z possède au moins une solution dans C, quel que
soit le nombre complexe z non nul.
Kerf = 2iπZ = {2ikπ/k ∈ Z}.
En effet, il suffit de résoudre dans C l’équation exp z = 1 qui est équivalente à ea eib = 1.

5 Groupes et géométrie plane

5.1 Transformations du plan

Définition Soit P le plan orienté, muni d’un repère orthonormé d’origine O.

On appelle transformation du plan toute bijection de P dans P , c’est-à-dire :

∀N ∈ P, ∃! M ∈ P, f(M) = N.
Exemples
1
• L’identité du plan IdP : Id−
P = IdP .
−1
• Les translations : tu
~ = t−~u
1
• Les réflexions par rapport à une droite D (ou symétrie axiale) : S−
D = SD .
−1
• Les rotations : R(Ω, θ) = R(Ω, −θ).
1
• Les symétries centrales par rapport à un point
 A : S−A = SA . (A noter que SA = R(A, π)).
1
• Les homothéties a H(Ω, k) : H−1 (Ω, k) = H Ω, .
k
Contre-exemple
Une projection orthogonale p sur une droite D , n’est pas une transformation du plan car elle n’est pas
bijective . Pour tout point N donné sur D, l’équation ponctuelle p(M) = N d’inconnue M possède une
infinité de solutions.

Propriété 5.1.
• Si f est une transformation, alors f−1 est définie et est une transformation du plan.
• Toute composée de deux transformations quelconques est une transformation du plan.

a. Rappel : k ∈ R∗ .

112
En effet, rappelons que si f et g sont deux bijections d’un ensemble E dans lui-même, il en est de même pour
f ◦ g et g ◦ f et que : (f ◦ g)−1 = g−1 ◦ f−1 .

Théorème 5.1.
• La composée de deux homothéties est soit une homothétie, soit une translation.
• La composée d’une homothétie et d’une translation est une homothétie.

Démonstration . Soient h et h ′ deux homothéties d’écritures complexes respectives : z ′ = eiθ z + b et

′
z ′ = eiθ z + b
′ ′
h ′ ◦ h a pour écriture complexe z ′ = eiθ (eiθ z + b) + b ′ soit z ′ = ei(θ +θ) z + b ′′ .
′
• Si ei(θ +θ) = 1, h ′ ◦ h est une translation.
′
• Si ei(θ +θ) 6= 1, h ′ ◦ h est une rotation d’angle θ ′ + θ.
Pour le second point du théorème, faire de même avec les écritures complexes d’une translation et d’une
homothétie.♦

Théorème 5.2.
• L’ensemble D des transformations de P muni de la loi de composition interne ◦ est un groupe non
commutatif.
• L’ensemble composé de toutes les homothéties et de toutes les translations du plan, muni de le loi ◦
est un groupe, appelé groupe des homothéties-translations.

5.2 Isométries planes a

Définition 5.1. Une isométrie f du plan P est une transformation du plan P qui conserve les distances :

∀(M, N) ∈ P 2 , f(M)f(N) = MN.

Exemples
• L’identité du plan IdP
• Les translations
• Les réflexions par rapport à une droite D (ou symétrie axiale)
• Les rotations
• Les symétries centrales par rapport à un point A.
• La composée d’une symétrie axiale par rapport à une droite ∆ et d’une translation de vecteur ~u qui dirige
∆ : cette isométrie s’appelle une symétrie glissée.

Théorème 5.3. • La composée de deux isométries est une isométrie.

• L’application réciproque d’une isométrie est une isométrie.
• Une isométrie conserve les angles géométriques.
• Une isométrie conserve le barycentre.
• Une isométrie conserve le parallélisme.
• Une isométrie conserve l’alignement.

Théorème 5.4. L’ensemble des isométries de P muni de la loi de composition interne ◦ est un groupe
non commutatif.

Définition 5.2.
• Une isométrie conservant les angles orientés est un déplacement ;
• Une isométrie ne conservant pas les angles orientés est un antidéplacement.

a. Pour un exposé plus complet sur les isométries du plan, on pourra étudier avec intérêt : www.capes-de-
maths.com/lecons/lecon42.pdf

113
 Théorème 5.5. L’ensemble des déplacements du plan muni de la loi ◦ est un groupe.

Classification des isométries du plan

Ensemble des points invariants Déplacements Antidéplacements

P IdP
Une droite ∆ s∆
Un unique point A R(A, θ), θ 6= 0
∅ ~,~
tu u 6= ~0 ~ ◦ s∆
tu

5.3 Similitudes directes

Le plan est muni d’un repère orthonormé.

Définition 5.3. On appelle similitude directe toute transformation f du plan ayant pour écriture com-
plexe :
z ′ = az + b,
avec (a; b) ∈ C∗ × C.
Une application du plan définie par cette écriture complexe est bien une transformation du plan car l’équation
az + b = z0 possède une solution complexe quel que soit le nombre complexe z0 car a est non nul (autrement
dit, tout point du plan possède un antécédent, qui est même unique, par une similitude donnée).
Exemples : IdP , les translations (si a = 1), les rotations (si |a| = 1 et a non réel, les homothéties (a réel
différent de 1) sont des similitudes.

Théorème 5.6. La transformation réciproque d’une similitude directe est une similitude directe.

En effet , puisque a est non nul :

1 ′ b
z ′ = az + b ⇔ z = z − ·
a a
1
La dernière égalité correspond à une écriture complexe associée à une similitude directe car est un nombre
a
complexe non nul.

Théorème 5.7. L’ensemble S des similitudes directes muni de la loi ◦ est un groupe.

Démonstration . Il suffit de montrer que S est un sous-groupe du groupe des transformations.

• S 6= ∅ car il contient, entre autres, toutes les translations du plan.
1
• Soient s1 et s2 deux éléments de S. Le théorème précédent permet d’affirmer que s− 2 est une similitude directe
et nous avons vu aussi que la composée de deux similitudes directes est une similitude directe. Par conséquent,
1
s1 ◦ s−
2 est un élément de S. ♦

Théorème 5.8. forme réduite d’une similitude directe

Toute similitude directe s est soit une translation, soit la composée d’une rotation et d’une homothétie
de même centre.
Autrement dit :
Toute similitude directe s qui n’est pas une translation peut s’écrire sous la forme réduite
s = h(Ω, k) ◦ r(Ω, θ) = r(Ω, θ) ◦ h(Ω, k), où k désigne un réel strictement positif. On dit alors que s est
une similitude directe de centre Ω, rapport k et d’angle θ.
☞ Remarque importante
L’écriture s = h ◦ r, où r désigne une homothétie et r une rotation, n’est pas unique. Par contre il y a unicité
de la décomposition sous la contrainte d’avoir le même centre pour h et r.

114
 Théorème 5.9.
• Ω est l’unique point fixe de s. Son affixe ω est solution de l’équation z = az + b.
• k = |a|
• θ est un argument de a.
L’écriture complexe de s peut alors s’écrire sous la forme :

z ′ − ω = keiθ (z − ω).

Propriété 5.2.
• Une similitude directe de rapport k multiplie les distances par k :

∀(M, N) ∈ P, s(M)s(N) = kMN.

• Une similitude directe de rapport k multiplie les aires par k2 .

• Une similitude directe conserve les angles orientés.
• Soient Ω, M et M ′ trois points distincts deux à deux, il existe une unique similitude directe s de centre
Ω transformant M en M ′ . De plus :

ΩM ′ −−→ −−−→
k= et θ = (ΩM, ΩM ′ ).
ΩM
• L’image d’une droite (resp. un segment, un cercle) par une similitude directe est une droite (resp. un
segment, un cercle).
• Toute similitude conserve l’alignement, l’orthogonalité et le parallélisme.

Théorème 5.10. Le groupe des homothéties-translations est un sous-groupe du groupe des similitudes
directes.

z ′ = az + b (a 6= 0)

a réel a complexe non réel

a=1 a 6= 1 |a| = 1 |a| 6= 1

Homothétie de Rotation Similitude directe de

Translation de vecteur centre Ω d’affixe ω
telle que de centre Ω centre Ω
~u d’affixe b. ω = aω + b d’affixe ω telle que d’affixe ω telle que
et de rapport a. ω = aω + b ω = aω + b
et d’angle d’angle θ = arg a
θ = arg a. et de rapport |a|.

Classification des similitudes directes

115
6 Exercices
Exercice 99. Soit G un groupe noté multiplicativement et tel que : :

∀(a; b) ∈ G2 , (ab)2 = a2 b2 .

Démontrer que ce groupe est abélien.

Exercice 100. Soient a et b deux éléments d’un groupe (G, .) non commutatif vérifiant les égalités suivantes :

a−1 .b.a = b−1 et b−1 .a.b = a−1 .

1. Montrer que a2 .b2 = b2 .a2 = e et que a2 = b2 .

2. En déduire que : a4 = b4 = e.
Exercice 101. Sur l’ensemble des réels, on considère la loi, notée ⋆, telle que :

∀(x; y) ∈ R, x ⋆ y = x + y − xy.

Cette loi confère-t-elle à R une structure de groupe ? Sinon, à quel ensemble en confère-t-elle une ?
Exercice 102. On désigne par V l’ensemble des vecteurs de l’espace rapporté à un repère orthonormé.
V est muni d’une opération interne, notée ⋆, qui aux deux vecteurs U(u ~ 1 ; u2 ; u3 ) et V(v
~ 1 ; v2 ; v3 ) associe le
vecteur
~ ⋆ V(u
U ~ 1 + v1 ; u2 + v2 ; u3 + v3 + u1 v2 ).

1. Montrer que (V, ⋆) est un groupe. Est-il abélien ?

~ 1 ; a2 ; a3 ) et ~B(b1 ; b2 ; b3 ). Déterminer les vecteurs X(x
2. On donne les vecteurs A(a ~ 1 ; x2 ; x3 ) et Y(y
~ 1 ; y2 ; y3 )
tels que :
~ ⋆X
A ~ =B ~ et ~ ⋆A
Y ~ = ~B

Exercice 103. Soit G un groupe et soit G ′ l’ensemble des éléments de G qui commutent avec tous les
éléments de G. Démontrer que G ′ , appelé centre de G, est un sous-groupe de G.
Exercice 104. Soit E = C∗ − {−1; 1}.
1 z−1 z+1
On pose e(z) = z, f(z) = − , g(z) = , h(z) = .
z z+1 1−z
1. Montrer que e, f, g et h sont des bijections de E dans E.
2. Soit G = {e, f, g, h}. Montrer que (G, ◦) est un groupe commutatif.
Exercice 105. A. Soit E = {1, 2, 3, 4, 5, 6}.
La permutation  E telle que : p(1) = 3, p(2) = 5, p(3) = 4, p(4) = 1, p(5) = 6 et p(6) = 2
des éléments de
1 2 3 4 5 6

se note .
3 5 4 1 6 2
On dit qu’une
 permutation opère  sur une partie E ′ de E si elle laisse invariants les éléments de E − E ′ .
1 2 3 4 5 6
Exemple : opère sur E ′ = {2, 4, 6}.
1 4 3 6 5 2
On désigne par G l’ensemble des permutations de E dans lui-même.
1. Quel est le cardinal de G ?
2. Montrer G muni de la loi ◦ est un groupe non commutatif. Montrer que deux permutations opérant
sur des parties disjointes de E commutent pour ◦.
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
     
3. Soient p1 = , p2 = et p3 = .
4 6 5 1 3 2 5 3 2 6 4 1 3 5 6 4 1 2
1 −1 −1 −1 1 −1
4. Former p−
1 , p1 ◦ p2 , p1 ◦ p2 . Vérifier que (p2 ◦ p1 ) = p−
1 ◦ p2 .

B Une permutation p de E est appelée cycle d’ordre n (1 6 n 6 6) si elle opère une partie à n éléments de
E et si composée 
avec elle-même n foiselle est égale à l’identité.
1 2 3 4 5 6
Par exemple p = est un cycle d’ordre 3, noté [1, 4, 2].
4 1 3 2 5 6
1. Décomposer p1 , p2 et p3 en produits -pour la loi ◦- de cycles opérant sur des parties disjointes de E.
2. Décomposer les cycles [1, 5, 4, 6] et [1, 3, 6, 2, 5] en produit de cycles d’ordre 2.

116
Exercice 106. Soit (G, ⋆) un groupe tel que :

∀x ∈ G, x2 = e.

Montrer que G est commutatif.

Exercice 107. On définit sur G =] − 1; 1[ la loi ⋆ définie par :

x+y
∀(x; y) ∈ G, x ⋆ y = ·
1 + xy

Montrer que (G, ⋆) est un groupe abélien.

Exercice 108. Soit a un élément d’un groupe (G, ×). Soit H un sous-groupe de G.
1. Montrer que aHa−1 = {axa−1/x ∈ H} est un sous-groupe de (G, ×).
2. A quelle condition aH = {ax/x ∈ H} est-il un sous-groupe de (G, ×) ?

Exercice 109. Soit ABC un triangle équilatéral du plan.

1. Déterminer l’ensemble des rotations qui laissent invariant ce triangle.
2. Montrer que c’est un groupe pour la loi ◦.

Exercice 110. Etudier le groupe des isométries laissant invariant un carré.

Exercice 111. Reconnaître les transformation complexes suivantes :

a) z ′ = 2z + 1 + i ;
b) z ′ = 2iz + 1 − 2i ;
c) z ′ = 2(1 + i)z + 1 − i.

Exercice 112. Le plan est muni d’un repère orthonormal (O, ~u,~v) direct. On désigne par s l’applica-
 ′ qui à tout point M de coordonnées (x; y) associe le point M de coordonnées (x ; y ) tel que :
tion ′ ′ ′

x = −x − y + 2
.
y′ = x − y − 1
1. Déterminer l’affixe z ′ de M ′ en fonction de l’affixe z de M.
2. Démontrer que s est une similitude directe . Préciser son angle, son rapport ainsi que son centre.
3. Soit g l’application qui à tout point M du plan associe l’isobarycentre G des points M, M ′ = S(M) et
M ′′ = s(M ′ ).
• Calculer, en fonction de l’affixe z de M, les affixes des points M ′′ et G.
• Démontrer que g est une similitude directe. Quel est son centre ?

Exercice 113. Déterminer les similitudes directes s involutives, c’est-à-dire telles que s2 = s ◦ s = IdP .

Exercice 114. 1. Résoudre dans C l’équation z3 = 216. Mettre les solutions sous forme exponentielles.
Soient A, B et C les points du plan d’affixes les solutions de cette équation (A est associé à la solution
réelle, B à celle de partie imaginaire positive).
√ √ √
2. Soient D, E et F d’affixes respectives 3 + i 3, −3 + i 3 et −2i 3.
• Montrer que D appartient à la droite (AB). Placer D.
• Sur quelle droite particulière se trouve E ? Placer E.
• Montrer que F appartient à la droite (AC). Placer F.
3. Montrer qu’il existe une unique similitude directe s unique qui transforme A en D et B en E et donner
son expression complexe.
Déterminer les éléments caractéristiques de s. Préciser s(C).

Beaucoup d’exercices corrigés sur les similitudes qui étaient au programme de TS jusqu’en 2012 dans les
annales disponibles sur le site de l’APMEP.

117
Douzième partie
Suites récurrentes linéaires d’ordre 2
Définition 0.1. Soit (a, b) un couple de R × R∗ .
Une suite u est récurrente linéaire d’ordre 2 si elle satisfait à la relation de récurrence suivante :

∀n ∈ N, un+2 = aun+1 + bun (E)

Exemple : suite de Fibonacci (cf. cours).

1 Quelques propriétés
Etant donné un couple (a, b) de R × R∗ , notons U l’ensemble des suites u vérifiant la relation (E).
1. U n’est pas vide.
Preuve : la suite nulle appartient à U qui n’est donc pas vide.
2. La donnée des deux premiers termes u0 et u1 définit une unique suite de U .
3. U est stable par combinaisons linéaires :
∀(α, β) ∈ R2 , (u, v) ∈ U ⇒ αu + βv ∈ U .
4. Une suite géométrique de raison q non nulle appartient à U si et seulement si q est solution de l’équa-
tion x2 = ax + b.

Preuve : D’après la propriété précédente, nous pouvons poser u0 = 1.

∀n ∈ N, qn+2 = aqn+1 + bqn ⇔ qn (q2 − aq − b) = 0 n⇔ q2 − aq − b = 0

q 6=0

Définition 1.1. : l’équation x2 = ax + b s’appelle équation caractéristique.

2 Expression de un en fonction de n
Soit ∆ le discriminant de l’équation caractéristique x2 = ax + b . Trois cas sont à distinguer :
1. ∆ > 0
L’équation caractéristique possède dans ce cas deux solutions réelles distinctes r1 et r2 et dans ce cas
u appartient à U si et seulement s’il existe (λ, µ) ∈ R2 tel que :

∀n ∈ N , un = λrn n
1 + µr2

2. ∆ = 0
L’équation caractéristique possède une solution double notée r. Dans ce cas u appartient à U si et
seulement s’il existe (λ, µ) ∈ R2 tel que :

∀n ∈ N , un = (λn + µ)rn

3. ∆ < 0
L’équation caractéristique possède deux solutions complexes conjuguées ω et ω. Posons r = |ω| et
θ = arg ω. Dans ce cas u appartient à U si et seulement s’il existe (λ, µ) ∈ R2 tel que :

∀n ∈ N , un = λrn cos(nθ) + µrn sin(nθ)

☞ Remarque : Dans les trois cas ci-dessus, le couple (λ, µ) est déterminé à partir des valeurs des deux
premiers termes de la suite u (cf. infra).

118
3 Exemples
Etudier les suites suivantes :
1. un+2 = −un+1 + 2un , u0 = 0, u1 = 3.
L’équation caractéristique est x2 + x − 2 = 0. Elle admet pour solutions les réels 1 et −2.
Par conséquent :
∀n ∈ N, un = λ + µ(−2)n .
En remplaçant n par 0 puis par 1, nous obtenons le système suivant :

λ + µ =0
λ − 2µ=3

Donc λ = 1 et µ = −1.
Conclusion : ∀ n ∈ N, un = 1 − (−2)n .
2. un+2 = 6un+1 − 9un , u0 = 5, u1 = 6.
L’équation caractéristique est x2 − 6x + 9 = 0. Elle admet pour solution double le réel 3.
Par conséquent :
∀n ∈ N, un = (λ + µn)3n .
En remplaçant n par 0 puis par 1, nous obtenons le système suivant :

λ =5
3(λ + µ)=6

Donc λ = 5 et µ = −3.
Conclusion : ∀ n ∈ N, un = 3n (−3n + 5).
3. un+2 = −9un , u0 = 5, u1 = 1.
L’équation caractéristique est x2 + 9 = 0. Elle admet pour solutions 3i et −3i.
Par conséquent :  π  π
∀n ∈ N , un = λ3n cos n + µ3n sin n
2 2
En remplaçant n par 0 puis par 1, nous obtenons le système suivant :

λ =5
3µ= 1

1
Donc λ = 5 et µ = ·
3  π 1  π
Conclusion : ∀n ∈ N, un = 5 · 3n cos n + · 3n sin n
2 3 2

119
Treizième partie
Les symboles Σ et Π
1 Définition des notations
a1 , · · · , an étant n nombres réels ou complexes, on pose :
n
X n
Y
ak = a1 + · · · + an et ak = a1 × · · · × an .
k=1 k=1

N.B : k est l’indice. Il peut être remplacé par toute autre lettre non utilisée par ailleurs (on parle d’ indice
muet). Ainsi :
Xn Xn Xn
ak = ai = aj .
k=1 i=1 j=1

3 3 3
!
X Y X
Exemple : aki = (ak1 ak2 ak3 ) = a1 a2 a3 + a21 a22 a23 + a31 a32 a33 .
k=1 i=1 k=1

2 Propriétés
1. Nombres de termes : Soient m et n deux entiers naturels tels que m 6 n.
n
X Yn
Les expressions ak et ak possèdent n-m+1 termes.
k=m k=m
2. Propriétés calculatoires :
n
X Xn n
X n
X n
X
(a) (αak ) = α ak et (ak + bk ) = ak + bk
k=1 k=1 k=1 k=1 k=1
n
! m
! n m
!
X X X X
(b) ak ci = ak ci
k=1 i=1 k=1 i=1
n n n n
! n
!
Y Y Y Y Y
(c) (αak ) = αn ak et (ak bk ) = ak bk
k=1 k=1 k=1 k=1 k=1
n
!
X
(d) n × min (ak ) 6 ak 6 n × max (ak )
16k6n 16k6n
k=1

3 Changement d’indice
n
X
Considérons la somme ak et effectuons le changement d’indice q = k + 1.
k=1
k allant de 1 à n, l’indice q prendra toutes les valeurs de 2 à n+1. Puisque k = q − 1, il vient :
n
X X1
n+
ak = aq−1 .
k=1 q=2

De même, en posant d’une part j = k − 1 et i = n − k d’autre part, on obtient les égalités suivantes :
n
X n−1
X n−1
X
ak = aj+1 = an−i .
k=1 j=0 i=0

120
4 Applications
1. Suites télescopiques
n
X n
X n
X X1
n+ n
X n
X n
X
ak+1 − ak = ak+1 − ak = ak − ak = ak + an+1 − ak − a1 = an+1 − a1 .
k=1 k=1 k=1 k=2 k=1 k=2 k=2

2. Somme des termes d’indices pairs, d’indices impairs

1
n 2 )
E( n 2 )
E( n−
X X X
ak = a 2k + a2k+1 .
k=0 k=0 k=0
| {z } | {z }
somme des termes d’indices pairs somme des termes d’indices impairs

n
X
3. Calcul de S = k.
k=1
n
X
Considérons la somme S ′ = (k + 1)2 − k2 .
k=1
• En développant l’expression ci-dessus, nous obtenons :
n
X n
X n
X
S′ = (2k + 1) = 2 k+ 1 = 2S1 + n (1).
k=1 k=1 k=1

• En scindant S’ en deux sommes et en effectuant un changement d’indice, nous obtenons d’autre part :
Xn n
X n+1
X n
X
S′ = (k + 1)2 − k2 = i2 − k2 = (n + 1)2 − 1 = n(n + 2) (2).
k=1 k=1 i=2 k=1
En combinant les égalités (1) et (2), nous obtenons :

n(n + 1)
2S + n = n(n + 2) soit : S= ·
2

5 Exercices
 
n
X n
X
Exercice 115. Factoriser puis calculer la somme S =  ij
i=1 j=1

n
Y k
Exercice 116. Simplifier ·
k+2
k=1
n
X n(n + 1)(2n + 1)
Exercice 117. 1. Démontrer que k2 = ·
6
k=1
n
X
Trouver une formule analogue pour k3 .
k=1
2. Déduire l’expression en fonction de n des sommes suivantes :
 
X n
X n
X X X
(a) (i + j)2 =  (i + j)2 . ii. ij. iii. min(i, j).
16i,j6n i=1 j=1 16i<j6n 16i<j6n

+∞
X 1
Exercice 118. Calcul de ·
k2
k=1
n
X 1
Le but de cet exercice est de montrer que la suite u définie pour tout n supérieur ou égal à 1 par est
k2
k=1
+∞
X 1
convergente et de déterminer sa limite, notée ·
k2
k=1
Partie A

121
 1. Démontrer que :
1 1 1
∀n ∈ N∗ , = − ·
n(n + 1) n n+1
2. En déduire une expression simple des termes de la suite (vn )n∈N∗ définie par :
n
X 1
∀n ∈ N∗ , vn = ·
k(k + 1)
k=1

(v est un exemple de suite télescopique).

Montrer que v est convergente et déterminer sa limite.
3. (a) Montrer que la suite (un )n∈N∗ est strictement croissante.
(b) Montrer que :
1 1
∀n ∈ N∗ , 2
< ·
n n(n + 1)
En déduire une majoration de un pour tout entier naturel strictement positif, puis que (un )n∈N∗
converge vers un réel l inférieur ou égal à 2.
Partie B : Détermination de l
h πi
1. Soit α un réel appartenant à l’intervalle 0; et n = 2p + 1 un entier naturel impair.
2
Calculer sin(nα) en fonction de sin(α) et de cos α.
En déduire que :
      
n n n
∀n ∈ N, n impair ⇒ sin(nα) = sinn α cotn−1 α − cotn−3 α + cotn−5 α + · · · ·
1 3 5
n
X 2p + 1
 
2. Démontrer que les racines du polynôme P tel que P(X) = Xp−k sont les réels
2k + 1
k=1

kπ kπ
xk = cot2 = cot2
2p + 1 n

avec k ∈ [[1; p]].

1
3. En déduire une factorisation de P(X) et montrer que la somme des racines de P est égale à (n −
6
1)(n − 2).
1
h πi  
2
4. Sachant que : α ∈ 0; ⇒ (sin α < α < tan α) et = 1 + cot α ; montrer que :
2 sin2 α
p 
1 X n 2 1
(n − 1)(n − 2) < < (n − 1)(n + 1).
6 kπ 6
k=1

5. Déduire de cette double inégalité que :

+∞
X 1 π2
2
= .
k 6
k=1

122
Quatorzième partie
Exercices de dénombrement
1 Ensembles finis.
Exercice 119. Soit E et F deux ensembles finis non vides disjoints. On pose n= Card E et p= Card F.
Montrer qu’il existe une bijection de E ∪ F sur [[1; n + p]].
En déduire que Card (E ∪ F) = Card E + Card F.

Exercice 120. Dans une classe de 28 élèves sportifs, 20 pratiquent le football et 13 le rugby. Combien
d’élèves de cette classe pratiquent ces deux sports à la fois ?

Exercice 121. Un vendeur de chaines HI FI propose :

• 3 modèles de platines dont une de marque européenne,
• 4 modèles d’ampli-tuner dont 2 de marque européenne,
• 5 modèles d’enceintes dont 2 de marque européenne .
1. En supposant que tous ces matériels sont compatibles, combien de chaînes différentes peut-on lui
acheter ?
2. Combien y a-t-il de choix possibles pour un client désirant qu’au moins 2 des 3 composants de sa
chaîne soit de marque européenne ?
4
Exercice 122. Soit l’entier n = 2a 3b 5c 7d avec (a, b, c, d) ∈ (N∗ ) .
1. Quel est le nombre des diviseurs de n ?
2. Quel est le nombre de diviseurs de 169 047 648 ?

Exercice 123. Soit n un entier naturel donné.

1. Dénombrer le nombre de solutions dans N2 de l’équation x+y=n.
2. Même question pour l’équation x+2y=n (on distinguera les cas n pair et n impair).

2 Applications d’un ensemble fini dans un autre. Combinaisons, Ar-

rangements.
Exercice 124. Soit E = {x, y, z, t} et E ′ = {a, e, i, o, u}.
1. Déterminer le nombre d’applications de E dans E’, de E’ dans E’, de E dans E, de E’ dans E.
2. Peut-on définir une surjection de E dans E’, de E’ dans E’, de E dans E, de E’ dans E ? Si oui, donner
un exemple.
3. Mêmes questions pour une injection.
4. Mêmes questions pour une bijection.

Exercice 125. Combien existe-t-il de nombres entiers de quatre chiffres pris parmi 1,2,3,4 ? Quelle est leur
somme ? Mêmes questions pour les nombres entiers formés de quatre chiffres distincts pris parmi 1,2,3,4.

Exercice 126. Une assemblée de vingt personnes doit élire un bureau composé de quatre membres : un
président, une vice-président, un secrétaire et un trésorier. Quel est le nombre de bureaux possibles ?

Exercice 127. Quel est le nombre de mots de 6 lettres que l’ont peut former avec les lettres du mot CHAISE
ayant 6 lettres distinctes, puis au plus 6 lettres distinctes ?

Exercice 128. De combien de manières peut-on ranger cinq objets différents dans 3 boîtes ? (une boîte peut
contenir de 0 à 5 objets).

Exercice 129. Un numéro de téléphone comporte 7 chiffres. Déterminer le nombre de numéros de téléphone
possibles.

Exercice 130. On considère trois personnes voulant manger chacune un gâteau. Il y 5 gâteaux, combien y
a-t-il de choix possibles ?

123
Exercice 131. Quatre garçons et deux filles veulent s’asseoir sur un banc. Sachant que les deux filles veulent
rester l’une à côté de l’autre, déterminer le nombre de manières de les disposer.

Exercice 132. Quatre filles et trois garçons veulent s’asseoir sur un banc. Déterminer le nombre de dispo-
sitions possibles :
1. si les garçons sont les uns à côtés des autres ainsi que les filles.
2. dans le cas contraire.

Exercice 133. Dix coureurs courent pour trois médailles (or, argent, bronze). De combien de façons peut-on
attribuer ces médailles ?

Exercice 134. Quel est le nombre de poignées de mains échangées lorsque dix personnes se rencontrent et
se saluent ?

Exercice 135. De combien de manières peut-on constituer un comité comprenant 2 femmes et 3 hommes
dans une société contenant 15 femmes et 20 hommes ?

Exercice 136. Une "main" est un ensemble de 8 cartes d’un jeu de 32. Combien existe-t-il de mains :
1. contenant exactement 2 piques ?
2. contenant 3 piques, 2 carreaux, 2 trèfles ?
3. contenant 4 valets ?
4. contenant au moins 6 coeurs ?

Exercice 137. Combien de nombres distincts de 4 chiffres peut-on former en n’utilisant que 2,4,5,6,8 et 9 ?
Répondre à cette question en supposant que ces chiffres sont utilisés qu’une seule fois.

Exercice 138. Un jeu de cubes pour enfant comporte 12 cubes permettant de former 6 images.
De combien de façons peut-on disposer ces cubes, en tenant compte de la position de chaque cube, de la
face supérieure et de l’orientation de cette face ?
Exercice 139. Une association sportive compte dix coureurs de 100 m. Combien peut-on former d’équipes
de relais 4x100m ? (l’ordre des coureur est à considérer). Combien y a-t-il d’équipe comprenant un coureur
donné ?

Exercice 140. 1. Dans un lot de 20 pièces fabriquées, on en prélève 4. De combien de façons différentes
peut-on faire ce prélèvement ?
2. On suppose que sur ces 20 pièces, 4 sont mauvaises. De combien de façons différentes peut-on faire le
prélèvement dans les cas suivants :
(a) Les 4 pièces sont bonnes ;
(b) l’une au moins est mauvaise ;
(c) deux au moins sont mauvaises ?
Exercice 141. On considère un jeu de 52 cartes. dénombrer le nombre de mains de 13 cartes :
1. en tout,
2. comportant les 4 dames,
3. comportant le valet de carreau et le roi de coeur,
4. comportant 3 piques dont l’as,
5. comportant au moins 5 coeurs,
6. ne comportant aucun trèfle et comportant au moins 4 coeurs,
7. comportant 7 coeurs au plus.

Exercice 142. On range n dossiers numérotés 1,2,... ,n dans n tiroirs numérotés aussi de 1 à n (on dispose
un dossier et un seul par tiroir).
1. Dénombrer les différents rangements possibles .
2. Dénombrer les rangements suivants :
(a) le dossier numéroté i est dans le tiroir numéroté i
(b) les dossiers i et j sont respectivement dans les tiroirs i et j (i<j)

124
 (c) les dossiers i1 , · · · , in sont respectivement dans les tiroirs i1 , · · · , in avec
i1 < i2 < · · · < in
Exercice 143. Soit un ensemble E de cardinal n (n>2) et a un élément donné de E.
1. On classe les arrangements d’ordre p de E (1<p<n) selon le critère suivant :
• ceux contenant a
• ceux ne contenant pas a.
p−1
En déduire que Ap p
n = pAn−1 + An−1 .
Vérifier cette formule par le calcul.
2. En déduire une méthode de calculs des coefficients Ap
n en construisant le tableau suivant jusqu’à la
ligne 7 :
n p 1 2 3 4 ...
1 1
2 2 2
3 3 6 6
4 4 12 24 24

Exercice 144. Soit E un ensemble de cardinal n (n > 1), et a et b deux éléments de E. Soit p un entier
naturel tel que 2 6 p 6 n.
On classe les parties de E à p éléments de la façon suivante : celles qui ne contiennent ni a ni b ; celles
contenant un et un seul des

éléments a et b
; celles
contenant a et b.
n−2 n−2 n−2
En déduire la relation n 2


p = p + p−1 + p−2 .

Exercice 145. Déterminer le nombre de diagonales d’un polygone convexe à n côtés (n>3).
Pn
Exercice 146. Soit Pn = A1n + A2n + · · · + An
n . Montrer que la suite de terme général est croissante et
n!
majorée.
n   p+1
X n x
Exercice 147. Reconnaître la fonction polynôme x 7→ .
p p+1
p=0
n
X 1
 
n
En déduire la somme .
p+1 p
p=0

n  
X n
Exercice 148. Reconnaître la fonction polynôme x 7→ pxp+1 .
p
p=1
n
X  
n
En déduire la somme p .
p
p=1

3 Dénombrement et probabilités.
Exercice 149. Une urne contient 5 boules, 3 blanches numérotées 1,2, 3 et 2 noires numérotés 4 et 5. On
tire deux boules.
1. Proposer un univers correspondant à ce problème et vérifiant l’hypothèse d’équiprobabilité.
2. Déterminer les probabilités des événements suivants : A : " les 2 boules sont blanches" , B : "les 2
boules sont noires", C :" les deux boules sont de couleurs différente" et D :"les boules sont de même
couleur".
Exercice 150. Une boîte contient 10 piles électriques dont 5 sont défectueuses. On tire au hasard deux
piles. Calculer la probabilité pour que :
1. Aucune pile tirées ne soit défectueuse.
2. Exactement une pile est défectueuse.
3. Au moins une pile est défectueuse.
Exercice 151. Un ascenseur dessert 8 étages. Six personnes prennent cet ascenseur au rez-de-chaussée.
Trouver la probabilité de chacun des événements suivants : :

125
 1. Deux personnes au moins descendent au même étage.
2. Deux personnes au même étage, les autres descendent chacun à des étages différents et différents du
précédent.

Exercice 152. On tire cinq cartes, au hasard, d’un jeu de 32 cartes. Quelle est la probabilité d’avoir :
1. l’as de coeur
2. un as et un seul.
3. deux as exactement.
4. au moins un as.

Exercice 153. En jouant avec 3 dés discernables, de combien peut-on obtenir une somme de points égale à
7 ? et à 24 ? Quelle est la probabilité en jetant 3 dés pour que la somme soit multiple de 7 ?

Exercice 154. On tire successivement deux boules dans une urne qui contient a boules noires et b boules
blanches. Quelle est la probabilité pour que la seconde boule soit noire ? On envisagera les deux cas où les
tirages s’opèrent avec et sans remise.

Exercice 155. D’un jeu de 32 cartes, on tire quatre cartes une à une et on les dispose dans l’ordre où elle
apparaissent. Quelle est la probabilité pour que la dernière carte et celle-là seulement soit une dame ?
On reprend le tirage de quatre cartes en remettant la carte tirée dans le paquet après chaque tirage. Quelle
est la probabilité pour que la dernière carte et celle-là seulement soit une dame ?

126
Quinzième partie
Espaces vectoriels
1 Quelques ensembles importants
1. Soit n un entier naturel non nul. Un n-uplet est une collection ordonnée de n réels a .
Par exemple : (1, −1, 2, 0, 4) et (−1, 1, 2, 4, 0) sont deux 5-uplets différents ( les nombres qui les composent
sont identiques mais ils ne sont pas rangés dans le même ordre).
Ces n-uplets peuvent s’écrire en colonne ou en ligne.
Rn est l’ensemble de tous les n-uplets .


 x 
Par exemple, R3 = y /x ∈ R, y ∈ R, z ∈ R .
 
z
2. RN désigne l’ensemble des suites à valeurs réelles.
3. RR désigne l’ensemble des fonctions à valeurs dans R.
4. C0 [a; b] désigne l’ensemble des fonctions continues sur le segment [a; b].
5. Cn [a; b] désigne l’ensemble des fonctions f dérivables n fois sur le segment [a; b] et telles que f(n) est
continue sur [a; b].
6. C∞ [a; b] désigne l’ensemble des fonctions indéfiniment dérivables sur [a; b].
7. E = R[X] désigne l’ensemble des polynômes à coefficients réels.
Xn
Remarquons que si un polynôme P = ai Xi possède une infinité de racines, alors ce polynôme nul.
i=0
Dans ce cas, a0 = a1 = a2 = · · · = an = 0.
8. E = Rn [X] représente l’ensemble des polynômes à coefficients réels de degré inférieur ou égal à n b .

2 Loi de composition interne- loi de composition externe

2.1 Loi de composition interne

Définition 2.1. Soit E un ensemble. Une loi de composition interne sur E, notée ⋆ est une application
de E × E dans E :
(x; y) ∈ E × E 7→ x ⋆ y ∈ E.

2.1.1 Exemples
1. Les additions sur N, Z, Q, R et C sont des lois de compositions internes.
2. L’addition des vecteurs du plan (ou de l’espace) est une loi de composition interne.
3. L’addition est une loi de composition interne sur E = Rn [X].
En effet :
∀(P; Q) ∈ Rn [X]2 , deg(P + Q) 6 max(degP; degQ)
Exemple : Les polynômes P et Q tels que : P(X) = X3 + X et Q(X) = −X3 sont deux éléments de R3 [X].
Leur somme est le polynôme P + Q défini par (P + Q)(X) = X est aussi un élément de R3 [X].
4. La multiplication est une loi de composition interne sur E = R[X].
a. Un 1-uplet est un singleton, un 2-uplet est un couple, un 3-uplet est un triplet
b. Les polynômes constants sont de degré 0, hormis le polynôme nul auquel on affecte le degré −∞

127
2.2 Loi de composition externe

Définition 2.2. Soit E et K deux ensembles. Une loi de composition externe sur E, notée · est une
application de K × E dans E :
(λ, x) ∈ K × E 7→ λ · x ∈ E.
☞ Remarques
• Dans la suite de ce cours, on prendra K = R ou rarement K = C (ce sont les cas les plus répandus).
• On écrira plus simplement : λ · x = λx.
• Les éléments de K s’appellent des scalaires ou des opérateurs.

2.2.1 Exemples
1. K = R et E désigne l’ensemble des vecteurs du plan ( ou de l’espace).
La multiplication d’un vecteur de E par un réel est une loi de composition externe :

(λ, ~u) ∈ R × E 7→ λ~u ∈ E.

2. K = R et E = R[X] . La multiplication d’un vecteur de R[X] par un réel est une loi de composition
externe.
Prenons un exemple plus précis :
Si λ = 4 et si P est le polynôme défini par P(X) = 3X3 − 2X − 1, alors 4P est le polynôme défini par
4P(X) = 12X3 − 8X − 4.
3. K = N et E = R. L’application qui à tout réel x associe le réel xn est une loi de composition externe.

3 Espaces vectoriels
3.1 Définition et exemples

Définition 3.1. Soit E un ensemble muni d’une loi de composition interne notée + et d’une loi de
composition externe notée " · " .
(E, +, ·) est un espace vectoriel sur R si :
1. (E, +) est un groupe commutatif.
2. Pour tout x de E, 1 · x = x.
3. Pour tout couple (λ; µ) de R2 , et pour tout x de E :

λ · (µ · x) = (λµ) · x = µ · (λ · x).

4. Pour tout couple (λ; µ) de R2 , et pour tout x de E :

(λ + µ) · x = λ · x + µ · x.

5. Pour tout réel λ et pour tout couple (x; y) de E2 :

λ · (x + y) = λ · x + λ · y.

Définition 3.2. 1. Les éléments de l’espace vectoriel E sont appelés des vecteurs. Contrairement
aux vecteurs du plan, il n’est pas nécessaire de les faire surmonter d’une flèche.
2. L’élément neutre du groupe (E; +) est noté 0E ou s’il n’y pas pas de confusion possible, 0 : c’est le
vecteur nul de l’espace vectoriel E.

128
 Définition 3.3. Soit n un entier naturel non nul. Soient (x1 ; x2 ; · · · ; xn ) n vecteurs, non nécessairement
distincts, d’un espace vectoriel E. L’ensemble des combinaisons linéaires de ces n vecteurs est noté
Vect(x1 ; x2 ; · · · ; xn ) :
 n

X
Vect(x1 ; x2 ; · · · ; xn ) = x ∈ E/∃(ai )16i6n ∈ Rn , x = a i xi .
i=1

Cas particuliers :
• n = 1 et x1 6= 0E : l’ensemble Vect(x1 ) = {kx1 /k ∈ R} est appelé droite vectorielle
• n = 2. Soient x1 et x2 deux vecteurs non nuls et non colinéaires, c’est-à-dire tels qu’il n’existe pas de
réel k tel que x2 = kx1 . Alors Vect(x1 , x2 ) est appelé plan vectoriel.
Exemple Plaçons-nous dans R[X] :
Vect(1; X; X2 ) = {aX2 + bX + c/(a; b; c) ∈ R3 } = R2 [X].
☞ Remarques
1. Un espace vectoriel ne peut être vide : il contient en effet 0E .
2. S’il n’y a aucune confusion possible, on pourra simplement dire que E est un espace vectoriel sur R,
sans préciser les loi de composition.
3. On dit aussi que E est un R-espace vectoriel.
4. On obtient de même la définition d’un espace vectoriel sur C (resp. Q) en remplaçant dans la définition
R par C (resp. Q).
5. Tout espace vectoriel doit contenir le vecteur nul.
6. De même :
∀x ∈ E, −x ∈ E.
7. Les deux remarques précédentes permettent parfois de montrer rapidement que certains ensembles ne
sont pas des espaces vectoriels.

3.2 Exemples
1. R est un R-espace vectoriel.
2. C est un R-espace vectoriel.
3. L’ensemble des vecteurs du plan ainsi que l’ensemble des vecteurs de l’espace sont des R-espaces
vectoriels.
4. (Mn (R), +, ·), ensemble des matrices carrées d’ordre n à coefficients réels, est un R-espace vectoriel.
5. Tous les ensembles vus dans la première section sont des R-espaces vectoriels.

3.3 Propriétés

Propriété 3.1. Soit E un R-espace vectoriel. Soit (λ, x) un élément de R × E.

1. λ · x = 0E ⇔ λ = 0 ou x = 0E
2. Si λ 6= 0 et si λ · x = λ · y, alors x = y.
3. Si x 6= 0E et si λ · x = µ · x, alors λ = µ.
4. −x désignant le symétrique (ou opposé) de x par rapport à la loi de composition interne + :

∀x ∈ E, (−1) · x = −x.

129
4 Sous-espace vectoriel

Définition 4.1. Soit F un sous-ensemble d’un R-espace vectoriel (E, +, ·).

F est un sous-espace vectoriel de E si (F, +, ·) est un R-espace vectoriel .
Exemples triviaux
• {0E } est un sous-espace vectoriel de E.
• E est un sous-espace vectoriel de E.
En reprenant les mêmes notations, nous avons le théorème suivant qui est très important :

Théorème 4.1. F est un sous-espace vectoriel de E si et seulement si :

1. 0E ∈ F
2. ∀λ ∈ R, ∀(x; y) ∈ F2 , λ · x + y ∈ F.
Concrètement, un sous-ensemble F d’un espace vectoriel E est un sous-espace vectoriel de E s’il contient 0E
et s’il est stable par combinaison linéaire.
Ce théorème est fondamental. Montrer qu’un ensemble est un espace vectoriel est une question fréquente.
Pour ce faire, on n’utilise quasiment jamais la définition initiale qui est réservée pour les ensembles fonda-
mentaux énoncés dans la première section.
La méthode consiste donc à prouver que l’ensemble considéré est un sous-espace vectoriel d’un espace
vectoriel connu.
Voyons tout de suite des exemples pour mieux comprendre.
1. x1 ; x2 ; · · · ; xn désignent n vecteurs d’un espace vectoriel E.
 n

X
A = Vect(x1 ; x2 ; · · · ; xn ) = x ∈ E/∃(ai )16i6n ∈ Rn , x = ai xi est un espace vectoriel, appelé sous-
i=1
espace vectoriel engendré par la famille de vecteurs (x1 ; x2 ; · · · ; xn ).
• A est un sous-ensemble de E car chaque terme ai xi de la somme est un élément de E (· est une loi
externe). Cette somme appartient à E car l’addition est une loi de composition interne sur E.
• 0E ∈ A : il suffit de poser a1 = · · · = an = 0.
Xn n
X
• Soient x = ai xi et y = bi xi deux éléments de A. Soit λ un réel quelconque.
i=1 i=1

n
X n
X n
X
λx + y = λ a i xi + bi x i = (λai + bi )xi .
i=1 i=1 i=1

Le vecteur λx + y est donc combinaison linéaire de la famille (x1 ; x2 ; · · · ; xn ) : il appartient donc à A

qui est donc un espace vectoriel.
a + 2b −2b
 
−b
2. A tout couple (a, b) de réels, on associe la matrice M(a, b) définie par : M(a, b) =  2b a−b −4b  .
−b b a + 3b
On désigne par E l’ensemble de ces matrices où a et b décrivent R.
• E est est un sous-espace vectoriel de M(R; 3).
0 0 0
 

• M(0, 0) = 0 0 0 = 0M(R;3) est un élément de E.

0 0 0
a + 2b −2b a + 2b ′ −2b ′
 ′
−b ′
  
−b
• Soient M(a, b) =  2b a−b −4b  et M(a ′ , b ′ ) =  2b ′ a′ − b′ −4b ′  deux
−b b a + 3b −b ′
b ′
a ′ + 3b ′
éléments de E. Soit λ un réel quelconque.
λa + a ′ + 2(λb + b ′ ) −(λb + b ′ ) −2(λb + b ′ )
 

λM(a, b) + M(a ′ , b ′ ) =  2(λb + b ′ ) λa + a ′ − (λb + b ′ ) −4(λb + b ′ ) 

−(λb + b ) ′
λb + b ′
λa + a + 3(λb + b )
′ ′

Donc : λM(a, b) + M(a ′ , b ′ ) = M(λa + a ′ , λb + b ′ ) ∈ E.

130
 E est donc un sous-espace vectoriel de M(R; 3)
3. Soit E l’ensemble des fonctions solutions de l’équation différentielle y ′′ + ay ′ + by = 0. a et b étant
deux réels donnés.
Montrons que E est un sev (sous-espace vectoriel) de C∞ (R).
• On admettra que toute solution de cette équation est de classeC∞ . Donc E est inclus dans C∞ (R).
• La fonction nulle est solution de l’équation différentielle.
• Soient f1 et f2 deux solutions de l’équation différentielle. Soit λ un réel quelconque.
La fonction λf1 + f2 est aussi de l’équation différentielle (calculer (λf1 + f2 ) ′′ + a(λf1 + f2 ) ′ + b(λf1 + f2 )).
E est donc un espace vectoriel car sous-espace vectoriel de C∞ (R).
  
 x 
4. E = y ∈ R3 /x + 2y + z = 0 et x = 0 .
 
z
Montrons queE est un sev de R3 .
0
• 0R3 = 0 est un élément de E car ses coordonnées vérifient simultanément les deux égalités
0
définissant  E.   ′
x x
• Soit a = y et b = y ′  deux éléments de E et soit λ un réel quelconque.
z z′
λx + x ′
 

λa + b = λy + y ′ 

λz + z ′
Vérifions que les coordonnées de cet éléments vérifient les deux équations définissant E :
(a) λx + x ′ + 2(λy + y ′ ) + λz + z ′ = λ(x + 2y + z) + (x ′ + 2y ′ + z ′ ) = 0
(b) λx + x ′ = 0
E est donc un espace vectoriel .
Voyons à présent quelques exemples d’ensembles n’étant pas des espaces vectoriels.
1. E = {P ∈ R[X]/P ′ = 4}
Le polynôme nul n’appartient pas à E . D’où la conclusion.
2. E = {f ∈ C0 ([a; b])/∀x ∈ [a; b], f(x) > 0}.
Si f est un élément de E différent de la fonction nulle (prendre par exemple f : x 7→ 1), alors −f
n’appartient pas à E. D’où la conclusion.
 
x 2
3. E = ∈ R /xy = 0 .
y
1 0 1
    
et appartiennent à E. Par contre, leur somme n’est pas un élément de E. Nous avons
0 1 1
donc exhibé une combinaison linéaire de deux éléments de E n’appartenant pas à E qui ne peut donc
pas être un espace vectoriel.
π
4. E = {x ∈ R, cos x = 0}. est un élément de E. Si E était un espace vectoriel, alors tout réel de la forme
2 
π π 1
λ devrait vérifier cos λ = 0, ce qui n’est pas le cas (il suffit de poser λ = ).
2 2 2

5 Familles libres-Familles liées

Dans tout ce qui suit, E désigne un espace vectoriel et n un entier naturel non nul.

5.1 Familles libres

Définition 5.1. Une famille (x1 ; · · · ; xn ) de vecteurs de E est libre si et seulement si :

n
X
∀(ai )16i6n ∈ Rn , ai xi = 0E =⇒ a1 = · · · = an = 0.
i=1

131
 e3

P e2
e1

Visualisation dans R3 : Le vecteur e3 n’appartient pas au plan P : la famille (e1 ; e2 ; e3 ) est libre.

Exemples
1. Dans le plan muni d’un repère (O;~i;~j) :
• les vecteurs ~i et ~j forment une famille libre.
En effet : le vecteur a~i + b~j a pour coordonnées (a; b) et donc a~i + b~j = ~0 =⇒ a = b = 0.
• Plus généralement deux vecteurs ~ u et ~v non colinéaires forment une famille libre.
2. La famille de polynômes (1; X; X2 ; · · · ; Xn ) est libre quelle que soit l’entier naturel n.
Xn
Considérons en effet le polynôme P(X) = ai Xi .
i=0
Si P est le polynôme nul, alors a1 = a2 = · · · = an = 0. La famille considérée est donc libre.

Propriété 5.1. • Toute famille composée d’un seul vecteur non nul est libre.
• Si (x1 ; · · · ; xn ) est une famille libre, alors toute sous-famille est aussi libre.

5.2 Familles liées

Définition 5.2. Une famille (x1 ; · · · ; xn ) de vecteurs de E est liée si elle n’est pas libre.
n
X
Autrement dit il existe une famille de n réels (a1 ; a2 ; · · · ; an ) non tous nuls telle que ai xi = 0.
i=1
Si la famille contient au moins deux vecteurs, cela signifie qu’il existe un vecteur pouvant s’écrire comme
combinaison linéaire des autres vecteurs.

P e3 e2
e1

Visualisation dans R3 : Le vecteur e3 appartient au plan P : il peut donc s’exprimer comme

combinaison linéaire de e1 et e2 -la famille (e1 ; e2 ; e3 ) est liée.

132
Exemple Si 3x1 + 0x2 − 6x3 = 0E alors x1 = 2x3

Propriété 5.2. 1. la famille (0E ) est liée.

2. Toute famille comportant le vecteur nul est liée. Il suffit de prendre tous les ai nuls sauf celui
correspondant au vecteur nul, lequel coefficient pouvant prendre toute valeur réelle non nulle.
Exemple : Pour (0E ; x2 ; x3 ) : 2.0E + 0.x2 + 0.x3 = 0E (a1 = 2; a2 = a3 = 0 mais a1 aurait pu prendre
toute autre valeur réelle non nulle).
3. Si l’un des vecteurs d’une famille est combinaison linéaire d’autres vecteur de cette famille, alors
celle-ci est liée.
Exemple La famille (x1 ; x2 = 3x1 + 2x3 ; x3 ; x4 ; x5 ) est liée car −3x1 + x2 − 2x3 + 0x4 + 0x5 = 0E .
4. Si un même vecteur apparait au moins deux fois dans une famille, alors celle-ci est liée. Il s’agit
d’un cas particulier de la propriété précédente.
Exemple : La famille (x1 ; x2 ; x3 ; x1 ) est liée car 1.x1 + 0.x2 + 0.x3 + (−1).x1 = 0E .
5. Toute surfamille d’une famille liée est liée.
Exemple Si (x1 ; x2 ; x3 ) est liée il en est de même pour toute famille de la forme (x1 ; x2 ; x3 ; · · · ).

6 Familles génératrices-Bases
6.1 Définitions

Définition 6.1. Une famille de vecteurs (e1 ; e2 ; · · · ; en ) engendre l’espace vectoriel E si

Vect(e1 ; e2 ; · · · ; en ) = E, c’est-à-dire si :
n
X
∀x ∈ E, ∃(ai )16i6n ∈ Rn , x = ai ei .
i=1

On dit que la famille (e1 ; e2 ; · · · ; en ) est génératrice.

Définition 6.2. Une famille de vecteurs (e1 ; e2 ; · · · ; en ) est une base d’une espace vectoriel E si elle est
libre et si elle engendre E.
☞ Remarque On a bien sûr : E = Vect(e1 ; e2 ; · · · ; en ).

Définition 6.3. Les réels ai sont appelés les coordonnées de x dans la base (e1 ; e2 ; · · · ; en ).

Exemple 6.1. • Les vecteurs e1 (1; 0; 0), e2 (0; 1; 0) et e3 (0; 0; 1) forment une base de R3 qui est appelée
base canonique de R3 .
• Les polynômes 1,X,X2 ,..., Xn forment une base de Rn [X], appelée base canonique de Rn [X].
• Les np matrices Ei,j de Mn,p (R) pour lesquelles tous les coefficients sont nuls sauf ai,j = 1 forment
une base de Mn,p (R).

133
7 Espaces vectoriels de dimension finie

Définition 7.1. Soit n un entier naturel non nul.

Un espace vectoriel E est de dimension finie s’il possède une base constituée de n vecteurs.
Dans ce cas, on dit que E est un espace vectoriel de dimension n et on note dimE = n.
☞ Remarque : L’espace vectoriel {0} est de dimension 0, il est le seul espace à posséder cette dimension !

Exemple 7.1. • Si u est un vecteur non nul, alors E = Vect(u) est un espace vectoriel de dimension 1.
On dit que E est une droite vectorielle.
• Si u et v sont deux vecteurs non liés, alors E = Vect(u, v) est un espace vectoriel de dimension 2. On
dit que E est un plan vectoriel.
• dim Rn [X] = n + 1
• L’espace vectoriel réel C est de dimension 2 car (1; i) forme une base de C.
• dim Rn = n.
• dim Mn (R) = n2 .

7.1 Caractérisations et propriétés

Théorème 7.1. Soit E un espace vectoriel de dimension finie n.

• Une famille de n vecteurs est une base de E si et seulement si elle est libre.
• Une famille de n vecteurs est une base de E si et seulement si elle est génératrice.

Théorème 7.2. Soit F un sous espace vectoriel d’un espace vectoriel E de dimension finie n. Alors :
• F est un espace vectoriel de dimension finie et dim F6 n.
• F = E ⇔ dim F = n.

7.2 Rang

Définition 7.2. Le rang d’une famille finie F de vecteurs est la dimension de l’espace vectoriel qu’elle
engendre :
rg(F ) = dim Vect(F ).

Théorème 7.3. • Une famille finie d’un espace vectoriel E est génératrice si et seulement son rang est
égal à la dimension de E.
• Une famille finie est libre si son rang est égal à son nombre d’éléments.

8 Applications linéaires
Dans cette section, E et F désignent 2 espaces vectoriels.

134
8.1 Définition et propriétés

Définition 8.1. Une application de E dans F est linéaire si :

∀(x; y) ∈ E2 , ∀λ ∈ R, f(λx + y) = λf(x) + f(y).

Exemple 8.1. • IdE

R −→ R
•a∈Rf:
x 7−→ ax
R3 −→ R2
•f:
(x; y; z) 7−→ (4x + 3y − z; −x + 3y)
RR −→ R
•φ:
f 7−→ f(0)
• Soit E l’ensemble des fonctions dérivables sur un intervalle I :
E −→ RR
φ:
f 7−→ f ′

Propriété 8.1. Soit f une application de E dans F. f(0E ) = 0F

Cette proposition permet souvent de démontrer qu’une application n’est pas linéaire :

Exemple 8.2. Les applications suivantes, définies sur R2 ne sont pas linéaires :

f1 : (x, y) 7→ (x, x + y − 3) f2 : (x, y) 7→ (exy , x − y).

Théorème 8.1. Si S = (x1 ; · · · ; xn ) est une famille de générateurs de E, alors f(S) est un système de
générateurs de f(E).

Théorème 8.2. Si S = (x1 ; · · · ; xn ) est une famille liée de E, alors f(S) est une famille liée.

Théorème 8.3. Si (f(x1 ); · · · ; f(xn )) est une famille libre de F, alors (x1 ; · · · ; xn ) est une famille libre de
E.

l’image d’une famille libre par f n’est pas nécessairement une famille libre !

8.2 Image directe et réciproque d’un sous-espace vectoriel. Image et noyau d’une
application linéaire
Soit f une application de E dans F. Soit E ′ un sous-espace vectoriel de E et F ′ un sous-espace vectoriel de F.

Théorème 8.4. f(E ′ ) est sous-espace vectoriel de F.

Définition 8.2. f(E) est un sous-espace vectoriel de F, noté Im f.

135
 Théorème 8.5. f est surjective de E sur F ⇔ Im f = F.

☞ Remarque Si B est une base de E, alors f(B) est une famille génératrice de f(E) mais n’en est pas
nécessairement une base.

Théorème 8.6. f−1 (F ′ ) est sous-espace vectoriel de E.

Définition 8.3. f−1 (0E ′ ) est un sous-espace vectoriel de E, noté Ker f.

Exemples
Exercice 156. Soit f un endomorphisme de E. On note f ◦ f = f2 . Montrer que Kerf ⊂ Kerf2 . A-t-on égalité ?

Théorème 8.7. Soient E et F deux espaces vectoriels de même dimension finie, et f une application
linéaire de E dans F.
Les insertions suivantes sont équivalentes :
1. f est bijective.
2. ∀y ∈ F, ∃!x ∈ E : f(x) = y.
3. l’image d’une base de E par f est une base de F.
4. l’image de toute base de E par f est une base de F.
5. f est injective.
6. ker f = {0E }.
7. f est sujective
8. Im f = F.
9. Il existe une application linéaire g de F dans E telle que g ◦ f = IdE et f ◦ g = IdF

Finissons par un théorème fondamental :

Théorème du rang

Théorème 8.8. Soient E et F deux espaces vectoriels de dimensions finies. Soit f une application linéaire
de E dans F. Alors :
dim Im f + dim Ker f = dim E.

8.3 Détermination d’une application linéaire

Théorème 8.9. Soit B une base de E. Soit B ′ une base de F.

Une application linéaire de E dans F est entièrement déterminée par les images vus dans B ′ des vecteurs
de B par f.

Démonstration . Soit B = (ei )(16i6n) une base de E. Supposons connues les images de ces vecteurs par f en
posant : ∀ ∈ {1; 2; 3; · · · ; n}, f(ei ) = fi (les coordonnées des vecteurs fi étant lues dans la base B ′ ).
X n
Soit alors x = ai ei un vecteur quelconque de E. Par linéarité de f nous obtenons immédiatement :
i=1
n
X
f(x) = a i fi .
i=1
♦

136
Exemple 8.3. • R3 étant muni de sa base canonique, f est un endomorphisme de R3 tel que :

1 1 0
     

f(e1 ) = 2 f(e2 ) = 0 f(e3 ) = 2

3 0 0

2
 

Soit x 3 = 2e1 + 3e2 + e3 .

2
1 1 0 5
       

Alors f(x) = 2f(e1 ) + 3f(e2 ) + f(e3 ) = 2 2 + 3 0 + 2 = 6 .

3 0 0 6 B′
   
a1 a1 + a2
et plus généralement ∀x a2  , f(x) = 2a1 + 2a3  .
a3 3a1 B′

Exemple 8.4. • f est l’application linéaire de R5 [X] dans R4 [X] qui à tout polynôme de R5 [X] associe son
polynôme dérivé P ′ .
{1, X, X2 , X3 , X4 , X5 } est la base canonique de R5 [X] et écrire les égalités

f(1) = 0 f(X) = 1 f(X2 ) = 2X f(X3 ) = 3X2 f(X4 ) = 4X3 f(X5 ) = 5X4 ,

permet de déterminer le polynôme dérivée de tout polynôme de R5 [X] qui sera donc de degré maximal 4.

137
8.4 Matrice d’une application linéaire

Définition 8.4. Soient E et F deux espaces vectoriels de dimensions respectives n et p. Soient B =

(ei )16i6n une base de E et B ′ = (ei′ )16i6n une base de F. La matrice de f relativement à ces deux bases
est la matrice de Mp,n (R) dont les colonnes sont composées des coordonnées, lues dans la base B ′ , des
vecteurs f(ei ) pour i variant de 1 à n :

f(e1 ) f(e2 ) f(en )

 
 a11 a12 ... ... a 1n 
e1′  
 
 
e2′  a21
 a22 ... ... a 2n 

 
 
 
 
... ... ... ... ... 
 
 
 
... ... ... ... ... 
 
 
 
... ... ... ... ... 
 
 
 
... ... ... ... ... 
 
 
 
ep′ ap1 ap2 ... ... apn 

On a donc : f(e1 ) = a11 e1′ + a21 e2′ + · · · + ap1 ep′ et ainsi de suite.....

138
Exemple 8.5. Reprenons les deux exemples de la section précédente :
•
1 1 0
     

f(e1 ) = 2 f(e2 ) = 0 f(e3 ) = 2

3 0 0
 
 1 1 0
 
 
La matrice de f est  2 0 2
 

 
 
3 0 0
 

• f est l’application linéaire de R5 [X]

 dans R4 [X] qui à 
tout polynôme de R5 [X] associe son polynôme

0 1 0 0 0 0
 
 
0 0 2 0 0 0
 
 
 
dérivé P ′ . La matrice de f est M = 
0 0 0 3 0 .
0
 
 
0 0 0 0 4 0
 
 
 
0 0 0 0 0 5
 

 
x1
· · ·
Théorème 8.10. Reprenons les notations de la définition précédente. Soit x · · · un vecteur de E.


xn B
 
x1
· · ·
· · · la matrice colonne correspondant aux coordonnées de x.
Soit M la matrice associée à f et X =  

xn
Les coordonnées de f(x) dans la base B ′ sont données par la matrice colonne MX.

139
 R5 [X] −→ R4 [X]
Exemple 8.6. • Reprenons : f :
P 7−→ P ′
−5
 
2
−3
 
Soit P(X) = 5X5 + 4X3 − 3X2 + 2X − 5 . Ses coordonnées dans la base canonique sont 
 4 .

0
 

5
Par conséquent les coordonnées de f(P) dans la base canonique de R4 [X] sont données par le produit
matriciel :
0 1 0 0 0 0
 

0 0 2 0 0 0 −5
  
2
   
 2 
    −6

0 0 0 3 0 0 −3 =  16 

    
 4   
   0 

0 0 0 0 4 0 0

25
  
  5
 
0 0 0 0 0 5
Cette dernière matrice colonne correspond aux coordonnées du polynôme P ′ (X) = 25X4 + 16X2 − 6X + 2.
On retrouve bien l’expression du polynôme dérivé..... qui aurait pu être obtenue bien plus facilement en
dérivant directement !

3
 8.7. •
Exemple  Soit f l’endomorphisme de R muni de sa base canonique représenté par la matrice
1 1 0
M = 2 0 2 
3 0 0
Déterminons Kerf.
1 1 0    
 
 
0  x+y = 0  x = 0
   
x x   x
y ∈ Kerf ⇔ f < y >= 0R3 ⇔ 2 0 2 y = 0 ⇔ 2 2 0 y = 0
 
x + z = ⇔
 
0 3x = 0 z = 0
 
z z   z
3 0 0
Ker f = {0R3 }. f est donc injectif. En tant qu’endomorphisme de R3 , on en déduit que f est aussi un
isomorphisme.

140
 1 1 2
 
 
3
Exemple 8.8. • Soit f l’endomorphisme de R dont la matrice dans la base canonique est −2 0 −2 .
 

 
3 2 5
Déterminons une base de l’image de f.
Toutd’abord, il faut déterminer la dimension
 du noyaude  f: 
1 1 2 0 x + y + 2z = 0
    
x x x 
y ∈ Kerf ⇔ f < y >= 0R3 ⇔ −2 0 2 y = 0 ⇔ −2x − 2z = 0 ⇔

 z z 3 2 5 z 0 3x + 2y + 5z = 0
 x = −z
y = −z

y = −z
Le choix d’une valeur pour z détermine les valeurs de x et de y : il n’y a donc qu’un seul " degré de liberté".
Le noyau estdonc un espace vectoriel de dimension 1. Il s’agit d’une droite vectorielle, engendrée par
1
exemple par 1 ( en prenant z = −1).
1
Le théorème du rang permet d’affirmer que Imf est un espace vectoriel de R3 de dimension 2 (il s’agit
donc d’un plan). Pour trouver une base de cet espace vectoriel, il suffit de trouver 2 vecteurs formant une
famille libre- donc
 non
 colinéaires- appartenant à Imf. La matrice de f donne les images des vecteurs de
1 1
 

base : f(e1 ) = −2 et f(e2 ) = 0. Ces deux vecteurs ne sont pas colinéaires car leurs coordonnées
3 2
ne sont pas proportionnelles. Ce sont donc deux vecteurs de Imf et formant une famille libre d’un espace
vectoriel de dimension 2 : ils en
 forment
  donc une base.
1 1
Par conséquent : la famille < −2 ; 0 > est une base de Imf.
3 2
1 2 1 2
       

• Bien entendu la matrice permet de trouver d’autres bases : < −2 ; −2 > et < 0 ; −2 >
3 5 2 5

Théorème 8.11. Soient E, F et G trois espaces vectoriels munis respectivement des bases B1 , B2 et B3 .
Soient f : E −→ F, g : F −→ G deux applications linéaires de matrices respectives M(f)B1 ,B2 et M(g)B2 ,B3
relativement aux bases ci-dessus.
Alors g ◦ f est une application linéaire de E vers G et dont la matrice est :

M(g ◦ f)B1 ,B3 = M(g)B2 ,B3 M(f)B1 ,B2

Cas particulier

Théorème 8.12. Soit f un endomorphisme d’un espace vectoriel de dimension finie.

f est un endomorphisme si et seulement si sa matrice Mf est inversible et dans ce cas :
1
Mf−1 = M−
f .

Exercice 157. (Rennes 1976)

Soit A l’espace vectoriel des fonctions de [0; 2[ dans R, f1 ,f2 ,f3 et f4 les éléments de A définis par :

f1 (x) = 1 − x, f2 (x) = |1 − x|, f3 (x) = E(x), f(4 ) = xE(x).

1. Montrer que (f1 , f2 , f3 ) est un système libre. De quel sous-espace vectoriel est-il une base ?
2. Montrer que f4 appartient à Vect(f1 , f2 , f3 ) et calculer les composantes ( ie coordonnées) de f4 dans la
base (f1 , f2 , f3 )
Exercice 158. On considère C comme R espace vectoriel dans la base canonique B1 est (1, i).

141
 1. Montrer que B2 = (1, j) est une base de C.
2. Soit z un complexe dont les coordonnées dans B1 sont (a; b). Déterminer ses coordonnées dans B2 .
3. Soit f l’endomorphisme de C défini par :

f(a + ib) = (3a − 2b + i(−a + b)).

4. Déterminer la matrice M(f)B1 ,B2

5. Déterminer le noyau de f.
Exercice 159. On considère l’ensemble E des applications fa,b de R∗ vers R définies par :
b
∀x ∈ R∗ , fa,b (x) = a + où (a, b) ∈ R2 .
x
∗
1. Démontrer que E est un sous-espace vectoriel de RR .
2. Démontrer que (f1,0 , f0,1 ) est une base de E notée B.
3. Démontrer que (f1,1 , f3,2 ) est une base de E notée B ′ .
4. Déterminer les coordonnées de fa,b dans la base B ′ .
Exercice 160. Dans le plan vectoriel E muni de la base (~i,~j), on considère l’endomorphisme f défini par :

f(~i) = (m − 1)~i + ~j, f(~j) = −2~i + (m − 4)~j.

Discuter suivant les valeurs de m, la nature et la dimension de Ker f et Im f et vérifier dans chaque cas
que :
dim Ker f + dim Im f = dim E.
Exercice 161. E est un espace vectoriel réel de dimension 3. Soit u l’endomorphisme de E dont la matrice
représentative dans la base B = (~i,~j, ~k) de E est :

1 1 1
 

A = 1 1 1
1 1 1
1. Déterminer le noyau de u, sa dimension ainsi qu’une base de celui-ci.
2. Quelle est l’image de E par u ?
3. Calculer An si n appartient à N∗ .
Exercice 162. Soit f l’endomorphisme de R3 de matrice dans la base canonique de R3 est :

1 1 1
 

A = 1 1 1
1 1 1

1. Déterminer l’image d’un triplet quelconque (x, y, z).

2. Déterminer le noyau de f. En donner une base.
3. Déterminer l’image de f. En donner une base.
4. Déterminer Im f ∩ Ker f.
5. Démontrer que tout triplet est la somme d’un élément de Im f et Ker f.
Cette décomposition est-elle unique ?
Exercice 163. Soit f l’endomorphisme de R2 donné par sa matrice dans la base canonique :

1 2
 
M= .
1 0
1. Déterminer les réels α tels qu’il existe au moins un couple (x, y) différent de (0, 0) vérifiant f((x, y)) =
α(x, y).
2. Déterminer l’ensemble E1 des couples (x, y) et l’ensemble E2 des couples (x, y) qui vérifient respective-
ment :
f((x, y)) = −(x, y) et f((x, y)) = 2(x, y).

142
 3. On donne e~1 = (−1, 1) et e~2 = (2, 1).
(a) Soit (x, y) de R2 , exprimer (x, y) comme combinaison linéaire de (~
e1 , e~2 ). Montrer que (~
e1 , e~2 ) est
2
une base de R .
(b) Soit f(α~
e1 + βe~2 ) = α ′ e~1 + β ′ e~2 où α, β, α ′ , β ′ sont des réels. Calculer (α ′ , β ′ ) en fonction de α et
β.
(c) On pose f2 = f ◦ f et fn+1 = fn ◦ f pour n > 0. Exprimer f2 (α~
e1 + βe~2 ) , f3 (α~
e1 + βe~2 ) puis
e1 + βe~2 ) dans la base (~
fn (α~ e1 , e~2 ).
(d) En déduire l’expression de fn ((x, y)) dans la base canonique de R2 .
4. On considère la suite réelle u définie par la donnée de u0 et u1 et de la relation :

∀n ∈ N, un+2 = un+1 + 2un .

~ n = (un+1 , un ).
Pour tout entier n, on associe le couple X
(a) Démontrer que :
~ n) = X
∀n ∈ N, f(X ~ n+1 .

(b) En déduire que :

~ n = fn (X~0 ).
X
(c) En utilisant le 3), calculer un+2 en fonction de n, u0 et u1 .

Exercice 164. Soit f, g : R[X] −→ R[X] les applications définies par f(P) = XP et g(P) = P ′ .
1. Vérifier que f et g sont des endomorphismes de R[X].
(a) Montrer que g ◦ f − f ◦ g = IdR[X] .
(b) Montrer que : ∀n ∈ N∗ , g ◦ fn − fn ◦ g = nfn−1 .

143
Seizième partie
Diagonalisation des endomorphismes et des
matrices carrées de R2 et de R3.
1 Valeur propre d’un endomorphisme. Espace propre.
Dans toute la suite E désignera R2 , R3 ou tout espace vectoriel de dimension 2 ou 3. f désignera un
endomorphisme de E. Sauf cas contraire, toute matrice de f sera vue dans la base canonique de E.

Définition 1.1. Un réel λ est une valeur propre de f s’il existe un vecteur u non nul de E tel que :

f(u) = λu.

Un tel vecteur u est appelé vecteur propre associé à la valeur propre λ.

Définition 1.2. L’ensemble des valeurs propres de f s’appelle le spectre de f, noté Sp(f).

Exemple 1.1. Montrer que f représenté par

1 2
 
M=
1 2

a pour valeurs propres 0 et 3.

Solution
1. Pour λ = 0 il faut trouver un vecteur u non nul tel que f(u) = 0. Posons u(x; y).
 
x + 2y = 0 x = −2y
f(u) = 0 ⇔ ⇔
x + 2y = 0 x = −2y

−2
 
Comme nous le voyons, le choix est vaste car il suffit de prendre un vecteur non nul de Vect{ }.
1
−2
 
On peut donc prendre u = . Vous aurez remarqué que nous avons déterminé le noyau de f,
1
lequel n’est pas réduit à {0}.
2. Pour λ = 3 il faut trouver un vecteur u non nul tel que f(u) = 3u. Posons u(x; y).
 
x + 2y = 3x x = y
f(u) = 3u ⇔ ⇔
x + 2y = 3y x = y

1

Là encore le choix est vaste. Nous prendrons par exemple u = .
1

☞ Remarque fondamentale :
L’équation f(u) = 3u s’écrit : f(u) = 3IdE (u) soit : (f − 3IdE )(u)
 = 0.
1
Nous venons donc de déterminer Ker (f − 3IdE ) = Vect < >.
1

Exercice 165. Montrer que f n’a pas d’autres valeurs propres.

Nous obtenons alors la propriété suivante :

Propriété 1.1. Le réel λ est une valeur propre de f si et seulement si Ker (f − λIdE ) 6= {0}.
Ceci équivaut à dire que l’endomorphisme f − λIdE n’est pas injectif (et donc non bijectif ).

144
Cas particulier :

Propriété 1.2. Les propositions suivantes sont équivalentes :

1. 0 est valeur propre de f.
2. Ker f 6= {0}.
3. f n’est pas injectif.
4. f n’est pas bijectif .
☞ Remarque Un automorphisme ne peut avoir 0 pour valeur propre.

Définition 1.3. Soit λ une valeur propre de f. L’ensemble Eλ des vecteurs propres associés à λ est un
sous-espace vectoriel de E appelé espace propre associé à λ.
Explication Nous avons en effet Eλ = Ker (f − λIdE ).

Théorème 1.1. Les propositions suivanttes sont équivalentes :

1. λ une valeur propre de f.
2. rg(f − λIdE ) < dimE.
3. La matrice de f − λIdE n’est pas inversible.

Démonstration . f − λIdE est un endomorphisme de E. Appliquons le théorème du rang à celui-ci :

dimKer (f − λIdE ) + rg(f − λIdE ) = dim E.

λ est une valeur propre de f ⇔ Ker (f − λIdE ) 6= {0}.

λ est une valeur propre de f ⇔ dim(Ker (f − λIdE )) > 1.
Soit :
λ est une valeur propre de f ⇔ rg(f − λIdE )) 6 dim E − 1.
et donc :
λ est une valeur propre de f ⇔ rg(f − λIdE )) < dim E.
Dans ce cas, f − λIdE n’est pas bijectif , et donc sa matrice n’est pas inversible. ♦

Exercice 166. Montrer que f représenté par

1 2
 
M=
−1 −1

n’a pas de valeur propre réelle.

Solution Supposons que le réel λ soit une valeur propre de f. Soit u(x; y) un vecteur propre associé à cette
valeur propre.  
x + 2y = λx (1 − λ)x + 2y = 0 −(1 − λ)(1 + λ)y + 2y = 0
f(u) = λu ⇔ ⇔ ⇔ (1)
−x − y = λy x + (1 + λ)y = 0 x = −(1 + λ)y
 2
(λ + 1)y = 0
(1) ⇔
x = −(1 + λ)y

y = 0
Or λ étant réel, λ2 + 1 6= 0 et donc (1) ⇔
x = 0
Ceci contredit l’hypothèse selon laquelle u est un vecteur propre ( car le seul vecteur solution du problème
est le vecteur nul qui ne peut par définition être un vecteur propre !).
Donc cet endomorphisme n’a pas de valeur propre réelle.

On peut compléter cet exemple grâce à la proposition suivante :

Propriété 1.3. Un endomorphisme de E ne peut avoir plus de dim E valeurs propres distinctes.

Un endomorphisme de R3 ne saurait donc avoir plus de 3 valeurs propres distinctes.

L’exercice résolu permet d’obtenir une méthode de recherche des valeurs propres d’un endomorphisme.

145
Voyons quelques exemples.

Exemple 1.2. • f est représenté par

4 2
 
M=
1 2

(4 − λ)x + 2y = 0
λ valeur propre de f ⇔ ∃u(x, y) ∈ E − {0} f(u) = λu ⇔ (1)
x + (2 − λ)y = 0
Or il ne peut se passer que trois choses pour un système linéaire
• Soit il n’a pas de solution : ce qui ne peut être le cas ici car nous avons au moins le couple (0, 0) qui
convient.
• Soit il n’a qu’une seule solution qui est ici (0, 0). Dans ce cas le déterminant du système est non nul.
• Soit il a une infinité de solutions ( le déterminant correspondant est non nul). Dans ce cas, il existe alors
un vecteur non nul dont les coordonnées sont solutions du systèmes. Ce vecteur est donc un vecteurs
propre. Ceci implique au passage que l’ensemble des solutions du système a une structure d’espace
vectoriel car il correspond en fait à un sous-espace propre.
Bref, les valeurs propres de f sont les solutions de :
4 − λ 2 
 
 1 = 0.(2)
2 − λ


(2) ⇔ (4 − λ)(2 − λ) − 2 = 0
(2) ⇔ λ2 √
− 6λ + 6 = 0. √
λ1 = 3 + 3 et λ2 = 3 − 3 sont donc les deux valeurs propres de f.
En généralisant simplement à une matrice quelconque 2 × 2, nous obtenons :

 
a b
Théorème 1.2. Soit f un endomorphisme de E avec dim E = 2 et de matrice M =
c d
Les valeurs propres de f sont les solutions de :
 
a − λ b 
 = 0.
 c d − λ

Problème : les déterminants ne sont pas au programme de tous les classes préparatoires ! Par exemple, en
MPSI /PCSI vous allez apprendre à calculer des déterminants de taille quelconque, alors qu’en BCPST, vous
n’en verrez pas ( ou un peu suivant l’humeur de votre professeur).
Si tel est le cas, on recherche les valeurs de λ pour lesquelles l’endomorphisme f−λIdE a un rang strictement
inférieur à dim E, car dans ce cas, le noyau de f − λIdE (via le théorème du rang) n’est pas réduit au vecteur
nul et donc λ est une valeur propre.
Voyons un exemple lorsque E = R3 .

3 3 2
 
Exemple 1.3. A =  3 3 2 .
−1 −1 2
Il faut donc trouver les valeurs de λ pour lesquelles le noyau de f − λIdE n’est pas réduit à 0R3 .
Ceci
 revient dont à résoudre le système :
 (3 − λ)x + 3y + 2z = 0 L1  (3 − λ)x + 3y + 2z = 0 L1
3x + (3 − λ)y + 2z = 0 L2 ⇔ −λx + λy = 0 L2 ← L2 − L1 (1)
 
−x − y + (2 − λ)z=0 L3 −x − y + (2 − λ)z
 = 0 L3
 − 2 (6 − λ)y − 4z = 0 L 1  (6 − λ)(λ − 2)z − 4z = 0 L1
1er cas :λ 6= 0 (1) ⇔ x=y L2 ⇔ x =y L2
 
 − 2 y + (2 − λ)z = 0 L 3 − 2 y = −(2 − λ)z L3
2 2
 (−λ + 8λ − 16)z = 0 L1  (λ − 4) z = 0 L1
(1) ⇔ x =y L2 ⇔ x =y L2
 
−2y = −(2 − λ)z L3 −2y = −(2 − λ)z L3
Dans ce cas, seule λ = 4 est une valeur propre.
☞ Remarque : 4 est solution double de l’équation −λ2 + 8λ − 16 = 0. On dit que la valeur propre 4 est de

146
multiplicité 2. 
 0 =0 L1
Cherchons l’espace propre correspondant : x =y L2

y = −z L3
1
 

Il n’y a qu’un seul degré de liberté. E4 est donc une droite vectorielle. Par exemple E4 = Vect <  1  > .
−1
2 ème cas :λ = 0 Reprenons le système
  de départ :
 3x + 3y + 2z = 0 L1  x = −y L1
3x + 3y + 2z = 0 L2 ⇔ x = −y L2
 
−(3x + 3y) + 2z = 0 L3 z=0 L3
1
 

0 est donc valeur propre et E0 = Vect < −1 > .

0

2 Endomorphismes et matrices diagonalisables

Définition 2.1. Un endomorphisme f de E est diagonalisable si et seulement si il existe une base de E

constituée de vecteurs propres de f.
1 −2
  
Reprenons l’exemple de la section précédente. Nous avions trouvé deux vecteurs propres de f : et .
1 1
Ces deux vecteurs foment une famille libre car ils ne sont pas colinéaires. Ils forment donc une famille
libre de 2 vecteurs de E qui est de dimension 2 : ils en forment donc une base. Par conséquent, f est
diagonalisable.
Voyons
 àprésent le dernier
 exemple de la précédente section. Les vecteurs propres sont tous colinéaires à
1 1
e1 = −1 ou à e2 =  1 . Une base de R3 est nécessairement composée de 3 vecteurs. Toute famille de
0 −1
3 vecteurs propres est de la forme (k1 e1 ; k2 e2 ; k3 e1 ) ou (k1 e1 ; k2 e2 ; k3 e2 ). Or, ces familles sont liées : elles ne
peuvent pas former de base de R3 .
f n’est donc pas diagonalisable.

Théorème 2.1. Un endomorphisme f de E est diagonalisable si et seulement si la somme des dimensions

des espaces propres de f est égale à la dimension de E.

Théorème 2.2. Un endomorphisme f de E représenté par un matrice A est diagonalisable si et seulement

si il existe une matrice diagonale D et une matrice inversible P telles que :

A = PDP−1 .

De plus D est composée des valeurs propres de f et P est composée des coordonnées des vecteurs propres
formant une base de E.
On dit alors que la matrice A est diagonalisable.

147
 Exemple 2.1.
0 0 1
 

A = 1 1 −1  .
0 0 1
Cherchons les valeurs propres de l’endomorphisme
  f associée canoniquement
 àA:
 −λx + z = 0 L1  −λx + z = 0 L1  z = λx L1
x + (1 − λ)y − z = 0 L2 ⇔ x + (1 − λ)y − z = 0 L2 ⇔ (1 − λ)(x + y) = 0 L2
  
(1 − λ)z = 0 L3 (1 − λ)z = 0 L3 λ(1 − λ)x = 0 L3
Les seules valeurs propres sont λ = 0 et λ = 1 (voir plus de détail en classe ou à faire en exercice).
Détermination
 de E0 :
 z=0 L1
x = −y L2

0x = 0 L
 3
1
E0 = Vect < −1 > .
0 
 z=x L1
Détermination de E1 : 0=0 L2

0=0 L3    
1 1
E1 est donc le plan vectoriel de base < 1 , 0 >.
1 1
dim E0 +  dim E1 = 3 = dim E . L’endomorphisme est donc diagonalisable ( tout comme la matrice A).
0 0 0 1 1 1
  

Ici : D = 0 1 0 P = −1 1 0 (en utilisant par exemple la méthode de Gauss).

0 0 1 0 1 1
1 0 −1
 

Le calcul de l’inverse de P donne : P−1 =  1 1 −1.

−1 −1 2
On a alors :
A = PDP−1 .

Exercice 167. Soit f un endomorphisme de E tel que f3 + f2 = 0. Montrer que Sp(f) ⊂ {−1; 0}.
Solution
Soit λ une valeur propre (si elle existe !) et soit u un vecteur propre associé à cette valeur λ.
f(x) = λx donc f2 (x) = f(λx) = λf(x) = λ2 x. Et de même : f3 (x) = λ3 x.
Or par hypothèse, f3 (x) + f2 (x) = 0. Ceci implique que : λ3 x + λ2 x = 0.
Or x est différent de 0 donc λ est solution de λ3 + λ2 = 0.
Cette équation ne possède que deux solutions, à savoir 0 et −1, ce qui donne bien le résultat.

3 Applications de la diagonalisation
3.1 Puissance d’une matrice diagonalisable

Théorème 3.1. Soit A une matrice diagonalisable, avec A = PDP−1 , où D est la matrice diagonale
composée des valeurs propres de A.
Alors :

∀n ∈ N, An = PDn P−1 .

Exercice 168. 1. Montrer qu’une matrice carrée A est inversible si et seulement si 0 n’en est pas valeur
propre.
2. Montrer qu’une matrice diagonale est inversible si et seulement si tous ses coefficients diagonaux sont
non nuls.

148
3. Soit A une matrice inversible diagonalisable. Démontrer que la formule du théorème précédent est
alors valable lorsque n appartient à Z.

Exemple 3.1. Soit

0 −1 3
 

A= 1 2 −1  .
−1 −1 4
1 1 1 1 0 −1
   

Les valeurs propres sont 1, 2 et 3. On obtient alors P = −1 1 0 et P−1 =  1 1 −1.

0 1 1 −1 −1 2
On obtient alors :

1 1 1 1 0 0 1 0 −1
   
∀n ∈ N, An = −1 1 0 0 2n 0   1 1 −1
0 1 1 0 0 3n −1 −1 2
Soit :
−3n + 2n + 1 −3n + 2n 2.3n − 2n − 1
 
n
∀n ∈ N, A =  2n − 1 2n −2n + 1  .
−3n + 2n −3 + 2n
n
2.3n − 2n
0 n’étant pas valeur propre, la matrice A est inversible et donc :

−3 + 2n + 1 −3n + 2n 2.3n − 2n − 1
 n 
n
∀n ∈ Z, A =  2n − 1 2n −2n + 1  .
−3 + 2
n n
−3 + 2n
n
2.3n − 2n

149
Dix-septième partie
Pot-pourri
Merci à Mathman
iz − 2 + 4i
Exercice 169. f : C 7→ C, f(z) = ·
z−i
1. Déterminer le domaine définition D de f.
2. Montrer que si z est dans D , f(f(z)) = z. déterminer f−1 la fonction réciproque de f.
3. On pose : w = z − i et r = f(z) − i.
Montrer qu’il existe a, b dans Z tels que w.r = a + ib.
4. En déduire que l’image d’un cercle de centre i de rayon R est un cercle de même centre de rayon R ′ à
déterminer.
Exercice 170. 1. Déterminer les matrices A de M(2, R) telles que pour tout X dans R2 , t X.A.X = 0 où
t
X est la transposée de X.
2. Même question avec A dans M(3, R) telles que pour tout X dans R3 , t X.A.X = 0.
Exercice 171. Soit la suite X la suite définie par :
1
X(0) = 5 et pour tout entier n : X(n + 1) = X(n) + ·
X(n)
1. Etudier la convergence de la suite (X(n)).
2. Montrer que 45 < X(1000) < 45, 1.
Exercice 172. Montrer qu’il existe une infinité d’entiers relatifs (x, y, y, t) tels que : x3 + y3 + z3 + t3 = 0.
Exercice 173. Pour A et B dans M2 R, montrer que : det(A + B) + det(A − B) = 2det(A) + 2det(B).
1 − cos(ax)
Exercice 174. "a" désigne un réel non nul. Calculer la limite de f(x) = quand x tend vers 0.
x2
Exercice 175. n est un entier naturel non nul fixé.
1 − sink (x)
f(x) = g(x, 1).g(x, 2) . . . g(x, n) avec g(x, k) = ·
cos2 (x)
π
Calculer limite de f en ·
2
Exercice 176 ( fonctions convexes). Partie A
Soit f une fonction définie et continue sur un intervalle I.
On dit que f est convexe sur I si :
 
2 x+y f(x) + f(y)
∀(x; y) ∈ I , f 6 ·
2 2

1. (a) Montrer que les fonctions f1 : x 7→ x2 et f2 : x 7→ ex sont des fonctions convexes sur R.
(b) La fonction f3 : x 7→ ln x est-elle convexe sur ]0; +∞[ ?
2. On considère la fonction h définie sur [0; π] par h(x) = − sin x.
(a) Montrer que h est convexe sur [0; π].
(b) Montrer que :  
2 x+y h(x) + h(y)
∀(x; y) ∈ [0; π] , x 6= y ⇒ h < ·
2 2
3. Soit f une fonction deux fois dérivable sur R vérifiant :

∀x ∈ R, f ′′ (x) > 0.

(a) Soit x0 un réel fixé et g la fonction définie sur R par :

   
x + x0 f(x) + f(x0 )
g(x) = f − ·
2 2

Montrer que g est dérivable sur R et calculer g ′ (x).

150
 (b) Montrer que si x < x0 , g ′ (x) > 0 et si x > x0 , g ′ (x) < 0.
En déduire que : ∀x ∈ R, g(x) 6 0, et que f est une fonction convexe sur R.
Partie B
On considère la fonction ϕ définie sur [0; 2π] par :
x x
ϕ(x) = sin + 2 sin ·
2 4
1. Etudier les variations de ϕ sur [0; 2π].
2. En déduire l’inégalité : √
3 3
∀x ∈ R, ϕ(x) 6 ·
2
Partie C
Soit O un point donné du plan et R un réel strictement positif donné. Soit Γ le cercle de centre O et de
rayon R.
Soit A un point fixé de Γ et α, β, γ trois réels positifs vérifiant α + β + γ = 2π.
−−→ −→
On désigne par B et C les points de Γ tels que α, β, γ soient des mesures respectives des angles (OA, OB),
−→ −→ −→ −−→
(OB, OC), (OC, OA).
1. Calculer en fonction de R, α et β le périmètre P du triangle ABC.
2. Montrer, en utilisant les parties A et B que :
√
P 6 2Rϕ(α + β) 6 3R 3.
√
et que si α 6= β, P < 3R 3.
3. Pour quelles positions des points B et C le triangle ABC a-t-il un périmètre maximal ?

Exercice 177. Partie A

1. Comment choisir le triplet (a, b, c) de R3 pour que P : x 7→ ax2 + bx + c vérifie :

∀x ∈ R, xP ′ (x) − 2P(x) = 0 ?

f(x)
2. Soit f une fonction dérivable sur ]0; +∞[ et soit g la fonction définie sur ]0; +∞[ par g(x) = ·
x2
• Vérifier que g est dérivable sur ]0; +∞[ ;
• Démontrer que f vérifie la relation :

∀x ∈ ]0; +∞[, xf ′ (x) − 2f(x) = ln x (1)

ln x
si et seulement si g est une primitive de la fonction x 7→ sur ]0; +∞[.
x3
ln x
3. Déterminer toutes les primitives de x 7→ sur R∗+ .
x3
4. En déduire l’ensemble des fonctions définies et dérivables sur ]0; +∞[ vérifiant la relation (1).
1 + ln(x2 ) 1
5. On désigne par ϕ la fonction définie sur ]0; +∞[ par x 7→ − + x2 .
4 4
Etudier la fonction ϕ et construire sa courbe dans un repère orthonormé.
Partie B
Z1
1. Soit λ un réel strictement positif fixé. Calculer en fonction de λ l’intégrale I(λ) = ϕ(x)dx.
λ
2. Montrer que lorsque λ tend vers 0, I(λ) tend vers un réel à préciser.
3. Dans tout ce qui suit, n désigne un entier supérieur ou égal à 2.
k k+1
Montrer que pour tout entier k tel que 1 6 k 6 n + 1, et pour tout x tel que 6x6 , on a :
n n
k+1
   
k
ϕ 6 ϕ(x) 6 ϕ
n n

151
 et :
n n−1
1 X 1 1 X
     
k k
ϕ <I < ϕ ·
n n n n n
k=2 k=1

En déduire l’encadrement :
n
1 1 X 1 1 1
       
k
I < ϕ < ϕ +I ·
n n n n n n
k=1

n  !
1 X k
4. Déduire des questions précédentes que la suite ϕ admet une limite finie à déterminer.
n n
k=1 n>2
5. (a) Montrer que :
n n n
1 X 1 X 2 1 X n 1
 
k
ϕ = 3 k + ln − ·
n n n 2n k 4
k=1 k=1 k=1

(b) Etablir les égalités suivantes :

n
X n(n + 1)(2n + 1)
k2 = ;
6
k=1
n
X nn
n  
ln = ln ·
k n!
k=1

(c) Utiliser les résultats précédents pour démontrer que les deux suites (un )(n>2) et (vn )(n>2) telles
1
 n
n n
que un = √ et vn = ln convergent. Calculer leurs limites respectives.
n
n! n n!
Exercice 178. 1. Calculer, pour tout entier n > 0 :
Z1
xn−1
In = dx.
0 1 + xn

2. Soit Ω = {1, 2, 3, 4, 5, 6}, soit α un nombre réel, et p l’application de Ω dans R définie par :

∀n ∈ Ω, p(n) = n2 αIn .

Déterminer α pour qu’il existe une probabilité P sur (Ω, P(ω)) telle que, pour tout n de Ω, on ait
P({n}) = p(n).
Exercice 179. [Théorème de Sylvester]√
Dans tout ce qui suit, on pose A = 1 + 3.
Le but de cet exercice est de montrer que, pour tout entier naturel m, la partie entière de A2m+1 est divisible
par 2m+1 .
1. En utilisant la calculatrice, vérifier cette propriété pour A, A3 puis pour A5 .
2. Ecrire un algorithme permettant de vérifier cette propriété pour tout entier naturel m.
3. (a) Démontrer qu’il existe deux suites (an )n>0 et (bn )n>0 à valeurs dans N, définies de manière
unique, telles que : √
∀n ∈ N, An = an + bn 3.
(b) Exprimer, pour tout entier naturel n, an+1 et bn+1 en fonction de an et bn .
(c) Conjecturer une relation simple entre la partie entière de A2m+1 et a2m+1 .
4. Soient m et k deux entiers naturels.
Montrer que si a2m+1 et b2m+1 sont divisibles par 2k , alors a2m+3 et b2m+3 sont divisibles par 2k+1 .
5. En déduire que, pour tout entier naturel m, a2m+1 et b2m+1 sont divisibles par 2m .
6. Montrer que pour tout entier naturel m, A2m+1 est solution de l’équation :

x2 − 2a2m+1 x − 22m+1 = 0.

En déduire l’expression de A2m+1 en fonction de a2m+1 .

152
 7. Démontrer que :
∀m ∈ N, 22m+1 6 2a2m+1
.
8. En déduire que pour tout entier naturel m, la partie entière de A2m+1 est égale à 2a2m+1 .
9. Conclure.

Exercice 180. Soit y > 0 un réel fixé. pEn utilisant une intégration par parties, déterminer les primitives en
x de la fonction f définie par f(x) = ln x2 + y2 .
Exercice 181. Déterminer le paramètre m de façon à ce que les quatre racines de l’équation bicarrée

x4 − (3m + 4)x2 + m2 = 0

soit en progression géométrique (ie qu’ils sont les trois termes consécutifs d’une suite géométrique).

Exercice 182. On considère E = Z × Z ; ses éléments sont les couples (a, b) où a et b sont des entiers
relatifs. On munit E de la loi, notée ⋆, définie par :

(a, b) ⋆ (a ′ , b ′ ) = (aa ′ , ab ′ + a ′ b).

1. Cette loi est-elle commutative ? Associative ? Montrer qu’elle possède un élément neutre à déterminer.
2. A un élément fixe (a, b) de E, on associe l’application f : E −→ E définie par :

(x, y) 7→ (a, b) ⋆ (x, y).

Montrer que, si a 6= 0, l’application f est injective.

Montrer que, pour que f soit surjective, il faut et il suffit que a2 = 1.
3. (a) On considère l’équation diophantienne :

3x + 5y = 1.

Déterminer tous les couples d’entiers relatifs solutions de cette équation.

(b) On considère l’application f : E −→ E associée à l’élément (a, b) = (5, 3) de E. Pour quelles valeurs
de l’entier α l’élément (α, 1) de E est-il l’image par f, d’un élément de E ?

Exercice 183. (Dijon 1976-Intégrales et Espaces vectoriels)

Soit F l’ensemble des fonctions numériques de la variable réelle x, définies sur R∗+ des nombres réels
strictement positifs. Soit E l’ensemble des fonctions numériques de la variable réelle t, définies et continues
sur [0; π], ainsi que leur fonction dérivée première f ′ . On rappelle que chacun de ces deux ensembles, muni de
l’addition des fonctions et de la multiplication d’une fonction par un réel, a une structure d’espace vectoriel
sur R.
Partie A
1. Calculer l’intégrale : Zπ
I(x) = e−tx dt.
0

x étant un paramètre réel strictement positif.

2. (a) Soit g la fonction numérique de la variable réelle x donnée par :

g(x) = eπx − 1 − πx.

Etudier le sens de variation de g. En déduire que, pour tout réel x strictement positif, g(x) est
strictement positif.
(b) Etudier les variations de la fonction numérique I de la variable réelle x, définie pour tout x
strictement positif par : Zπ
I(x) = e−tx dt.
0

On ne demande pas de tracer la courbe représentative.

Partie B

153
 1. Soit f une fonction élément de E. justifier l’existence, pour tout nombre réel x strictement positif, de
l’intégrale : Zπ
I(x) = e−tx f(t)dt.
0

2. Soit L l’application de E dans F qui, à tout élément f de E , associe la fonction F définie pour tout x
réel strictement positif par :
Zπ
F(x) = e−tx f(t)dt.
0
Démontrer que L est une application linéaire.
3. Pour toute fonction f de E , on pose :

L(f) = F et L(f ′ ) = F∗ .

Démontrer que la fonction F∗ est définie, pour tout rée x strictement positif, par :

F∗ (x) = e−πx f(π) − f(0) + xF(x).

Partie C
Soit f1 , f2 et f3 les trois fonctions définies sur [0; π] par f1 (t) = 1, f2 (t) = cos 2t et f3 (t) = sin 2t. Soit E1
l’ensemble des fonctions numériques af1 + bf2 + cf3 pour tout triplet (a, b, c) de nombres réels.
1. Démontrer que E1 est un espace vectoriel sur R, dot une base B est (f1 , f2 , f3 ).
2. On note L1 la restriction de L à E1 , c’est-à-dire l’application de E1 dans F définie par :

∀f ∈ E1 L1 (f) = L(f) = F.

(a) Déterminer les fonctions F1 = L1 (f1 ), F2 = L1 (f2 ) et F3 = L1 (f3 ).

(b) Soit f un élément de E1 exprimé dans la base B . Calculer F(x) pour tout nombre réel x strictement
positif.
(c) Démontrer que L1 est une application injective.
3. (a) Soit f un élément de E1 . Justifier le fait que f([0; π]) est un intervalle fermé [m; M] avec m 6 M.
(b) Démontrer que pour tout réel réel x strictement positif, on a :
Zπ
1 − e−πx 1 − e−πx
m 6 e−tx f(t)dt 6 M .
x 0 x

(c) x étant donné égal à x0 , démontrer qu’il existe au moins un réel t0 de l’intervalle [0; π] tel que :

1 − e−πx0
F(x0 ) = f(t0 ) ·
x0
Calculer t0 dans le cas particulier f = f1 + f2 + f3 et x0 = 2.
Exercice 184. Irrationnalité de π Le but de ce problème est de montrer par l’absurde que π est irrationnel.
a
On suppose donc qu’il existe deux entiers strictement positifs a et b tels que π = avec a > b. Etant donné
b
un entier naturel n non nul, on pose pour tout x réel :

xn (a − bx)n
Pn (x) = et P0 (x) = 1.
n!
Pour tout entier naturel n on définit l’intégrale :
Zπ
In = Pn (x) sin xdx.
0

1. (a) Pour tout entier naturel non nul n, exprimer Pn′ en fonction de Pn−1 .
(b) Calculer supx∈[0;π] |Pn (x)| en fonction de a, b et n.
(c) Démontrer que : a 
∀n ∈ N, ∀x ∈ R, Pn − x = Pn (x).
b

154
 (d) Démontrer que :
∀n ∈ N, In > 0.
Xn
xk
2. En admettant que la suite de terme général Sn = converge vers ex (voir l’exercice 78 p. 69).
k!
k=0
 n
π a2
pour tout réel x, montrer que la suite de terme général tend vers 0.
n! 4b
En déduire que la suite (In )n∈N converge et calculer sa limite.
(k) ( 0)
3. Pour tout entier naturel k, on note Pn la dérivée d’ordre k de Pn . Par convention Pn = Pn .
(k) a
 
(k)
Montrer que Pn (0) et Pn sont des entiers relatifs. On étudiera les cas 0 6 k 6 n− 1 ; n 6 k 6 2n
b
(k)
et 2n + 1 6 k. Pour ce dernier cas, on utilisera la relation entre Pn (0) et le coefficient de xk dans
Pn (x).
4. Démontrer que la suite (In )n∈N est à valeurs dans N. On utilisera des intégrations par parties succes-
sives.
5. Montrer que π est irrationnel.

Exercice 185. Ecricome Eco 2011 On dit qu’une matrice A carrée d’ordre n est une matrice nilpotente s’il
existe un entier naturel k non nul tel que :

Ak1 6= 0n et Ak = 0n

où 0n représente la carrée nulle d’ordre n.

Soit A une matrice carrée d’ordre n, on dit que le couple de matrices (∆, N) est une décomposition de
Dunford de A lorsque : 
 ∆ est une matrice diagonalisable
N est une matrice nilpotente

∆N = N∆ et A = N + D
1. On pose :
1 2 1 0 0 2
     
A= ∆= et N =
0 1 0 1 0 0

Vérifier que (∆, N) est décomposition de Dunford de A.

Dans toute la suite de l’exercice, on pose :

3 1 0 2 0 0
   
3 1 −1 0 0 −1
   
A= N= , ∆ = −2 0 0 et ∆ = 0 1 0
−2 0 2 0 0 0
0 0 1 0 0 1

2. (a) Déterminer les valeurs propres de A.

(b) La matrice est-elle diagonalisable ?
1 0 1
     

3. On considère les matrices colonnes : X1 = −1, X2 = 0, X3 = −2.

0 1 0
(a) Calculer les produits ∆X1 , ∆X2 et ∆X3 .
(b) Justifier que la matrice ∆ est diagonalisable et déterminer une matrice P inversible telle que :
P−1 ∆P = D.
(c) Calculer P−1 .
4. (a) Etablir que N est une matrice nilpotente.
(b) Vérifier que (∆, N) est une décomposition de Dunford de la matrice A.
(c) En utilisant la formule du binôme de Newtow que l’on justifiera, donner l’expression de An en
fonction des puissances de ∆, de N et de n.
(d) Etablir que :
∀k ∈ N∗ , ∆k N = N.
(e) Proposer une décomposition de Dunford de An .

155
Exercice 186. On pose D = C − {−i; i}.
Soit f l’application définie sur D par :
z
∀z ∈ D, f(z) = ·
z2 + 1
1
1. Résoudre f(z) = √ ·
3
2. Montrer que :
∀(z, z ′ ) ∈ D2 , f(z) = f(z ′ ) ⇔ z = z ′ ou zz ′ = 1.
3. Déterminer E = {z ∈ C, f(z) ∈ R}.

π π
4. Soit θ un élément de ]−π; π[ − ;− .
2 2
Montrer que f(eiθ ) est réel et le calculer en fonction de cos θ.
Xn
5. Soit un = f(ekiθ ). Pour quelles valeur de θ la suite (un )n∈N converge-t-elle ?
k=0

Exercice 187. Concours Général 1990

Soit u la suite définie par :
u0 = 0 et pour tout n : u2n = un et u2n+1 = 1 − un .
1. Calculer u1990 .
2. Combien de fois, entre u0 et u1990 la suite u prend-t-elle la valeur 0 ?
3. Soit p un entier naturel quelconque. Calculer u(2p −1)2 .

156
16 Statistiques inférentielles

I Lois binomiale et normale

1 Approximation en loi
Rappel : Si X ֒→ B(n, p) alors E(X) = np et σ(X) =
p
np(1 − p).

Théorème 1 :
(de De Moivre-Lapla e) Soient Xn une variable aléatoire dis rète qui suit la loi binomiale B(n, p)
X − E(X) X − np
et Tn la variable aléatoire entrée réduite asso iée : Tn = = p .
σ(X) np(1 − p)
Z b
Alors, pour tous réels a et b tels que a 6 b, on a : lim p(a 6 Tn 6 b) = ϕ(t) dt.
n→+∞ a
Autrement dit, lorsque n tend vers l'inni, la loi de la variable Tn tend vers la loi normale N (0, 1).

 Remarques :
•  La loi de Tn tend vers la loi normale N (0, 1)  équivaut à  la loi de Xn tend vers la loi normale N (np, np(1 − p)) .
• Pour les grandes valeurs de n, la loi binomiale B(n, p) est très pro he de la loi normale de même espéran e E(Xn ) = np
et de même é art-type σ(Xn ) = np(1 − p) i.e. N (np, np(1 − p)).
p

On ne fera l'approximation de la loi binomiale B(n, p) par la loi normale N (np, np(1 − p)) que lorsque les trois onditions
n > 30 , np > 5 , n(1 − p) > 5 sont vériées.

Exemple d'une loi binomiale de paramètre p = 0, 5 pour plusieurs valeurs de n.

n = 40 n = 100 n = 200

b Exemple 1 On onsidère une variable aléatoire X suivant une loi binomiale B(40; 0, 4).
1) Cal uler p(X = 16) et p(13 6 X 6 15).
2) On appro he X par une variable aléatoire de loi normale N (m; σ2 ).
a) Justier la validité de ette approximation et pré iser les paramètres de la loi normale.
b) Cal uler p(Y = 16) et p(13 6 Y 6 15). Que remarque-t-on ?
3) On ee tue une  orre tion de ontinuité  en al ulant p(15, 5 6 Y 6 16, 5) et p(12, 5 6 Y 6 15, 5).
Ee tuer les al uls et omparer aux résultats obtenus pour la loi binomiale.

2 intervalles entrés sur l'espéran e

Théorème 2 :
(Intervalles entrés sur l'espéran e) Soit X une variable aléatoire qui suit la loi normale N (m; σ 2 ).
Pour tout réel α ∈]0; 1[, p(m − uα σ 6 X 6 m + uα σ) = 1 − α.

L.LEMAIRE page 131 Ly ée Henri IV

 X −m
Démonstration : Si X ֒→ N (m; σ2 ) alors T = ֒→ N (0; 1).
σ
Soit α ∈]0; 1[, alors il existe un unique uα∈]0; +∞[ tel que p(−u
α 6 T 6 uα ) = 1 − α.
X−m
Or, p(−uα 6 T 6 uα ) = 1 − α ⇐⇒ p −uα 6 6 uα = 1 − α
σ
⇐⇒ p(−uα σ 6 X − m 6 uα σ) = 1 − α
⇐⇒ p(m − uα σ 6 X 6 m + uα σ) = 1 − α

II Variable aléatoire  fréquen e de su ès 

Dans la suite du hapitre, Xn est une variable aléatoire qui suit la loi binomiale ⌊(n; p).
Xn indique le nombre de su ès dans un s héma de Bernoulli d'ordre n et de paramètre p.
X
La variable aléatoire Fn = n indique alors la fréquen e de su ès lors des n épreuves.
n
1 Loi de la fréquen e Fn
La loi de Fn se déduit de elle de Xn : !


n k
pour tout entier k ∈ {0 ; 1 ; . . . ; n}, on a : p Fn = k
n
=p Xn
n
= k
n
= p(Xn = k) = p (1 − p)n−k .
k
Théorème 3 :
r
p(1 − p)
(Espéran e et é art-type de Fn ) E(Fn ) = p et σ(Fn ) =
n

Démonstration
  : D'après les propriétés 
de l'espéran e
 et de la varian e :
Xn 1 Xn 1
E(Fn ) = E = E(Xn ) et V (Fn ) = V = 2 V (Xn ).
n n n n
Or, Xn suit la loi 
binomiale
 N (n; p), don E(Xn ) = npet V (X
 n ) = np(1 − p).
Xn 1 Xn 1 p(1 − p)
Ainsi, E(Fn ) = E = × np = p et V (Fn ) = V = 2 × np(1 − p) = .
n r n n n n
p p(1 − p)
D'où σ(Fn ) = V (Fn ) = .
n

2 Approximation de la loi de Fn
Xn − np
D'après le théorème de De Moivre-Lapla e, sous les onditions n > 30, np > 5 et n(1 − p) > 5, la loi de la variable p
np(1 − p)
peut être appro hée par la loi normale N (0; 1).
Xn np Xn
Xn − np − −p Fn − E(Fn )
Or, la variable aléatoire p s'é rit aussi p n n = rn = .
np(1 − p) np(1 − p) p(1 − p) σ(Fn )
 n  n
Fn − E(Fn ) p(1 − p)
Et ֒→ N (0; 1) équivaut à Fn ֒→ N p; .
σ(Fn ) n
Propriété 1 :
(Approximation de la loi de Fn ) Sous les onditions n > 30, np > 5 et n(1 − p) > 5, la loi de 
la fréquen e de
p(1 − p)
su ès Fn peut être appro hée par la loi normale de même espéran e et de même varian e N p; .
n

b Exemple 2 On ee tue 100 lan ers d'une piè e équilibrée et on appelle  su ès  l'apparition de Pile.
1) Déterminer la loi de la variable aléatoire X100 qui représente le nombre de su ès.
2) Déterminer la loi suivie par la fréquen e de su ès F100 .

III É hantillonnage

La théorie de l'é hantillonnage onsiste, en supposant onnus les paramètres statistiques de la population entière (moyenne,
é art-type, fréquen e, et ), à déduire des propriétés sur les é hantillons prélevés dans la population.
On suppose que es é hantillons sont prélevés au hasard et issus de tirages su essifs ee tués ave remise.
(Remarque : dans la plupart des as où la population a un grand ee tif dont on tire une faible proportion d'éléments, on assimile
un tirage sans remise à un tirage ave remise).
L'ensemble de es é hantillons aléatoires de taille n est appelé é hantillonnage de taille n.

Dans une population de taille N , on note p la proportion (ou fréquen e) d'un ertain ara tère.
Pour un é hantillon de taille n prélevé, on note Xn la variable aléatoire indiquant le nombre de su ès dans l'é hantillon. Xn

L.LEMAIRE page 132 Ly ée Henri IV

 Xn
suit la loi binomiale B(n; p). La variable aléatoire Fn = indique alors la fréquen e de su ès dans et é hantillon. Fn suit la
  n
p(1 − p)
loi normale N p; .
n

1 Intervalle de u tuation
Dans e paragraphe, la proportion p du ara tère étudié est onnue.

Théorème 4 :
(Intervalle de u tuation asymptotique
" de F au seuil
r n
1 − α)
r #
p(1 − p) p(1 − p)
Pour tout réel α ∈]0 ; 1[, on pose In = p − uα ; p + uα .
n n
r r !
p(1 − p) p(1 − p)
Alors lim P p − uα 6 Fn 6 p + uα = 1 − α.
n→+∞ n n

In est l'intervalle de u tuation asymptotique de Fn au seuil 1 − α.

Démonstration : ♥ Xn ֒→ B (n; p) or d'après le théorème de De Moivre-Lapla e, on peut appro her la loi binomiale
Xn − np
B (n; p) par la loi normale N (np; np(1 − p)) et don appro her la loi de la variable entrée réduite p par N (0; 1).
! np(1 − p)
Xn − np
D'où lim P −uα 6 p 6 uα = 1 − α.
n→+∞ np(1 − p)
!
X − np  p p 
Or, P −uα 6 p n 6 uα = P np − uα np(1 − p) 6 Xn 6 np + uα np(1 − p)
np(1 − p) !
p p
np(1 − p) Xn np(1 − p)
= P p − uα 6 6 p + uα
n n n
r r !
p(1 − p) p(1 − p)
= P p − uα 6 F n 6 p + uα
n n
! r r !
Xn − np p(1 − p) p(1 − p)
Don , lim P −uα 6 p 6 uα = 1 − α ⇐⇒ lim P p − uα 6 F n 6 p + uα = 1 − α.
n→+∞ np(1 − p) n→+∞ n n

 Remarques :
• Autrement dit, la probabilité pour que la variable aléatoire Fn prenne ses valeurs dans l'intervalle In est pro he de 1 − α
lorsque la taille n de l'é hantillon devient grande.
• Cette probabilité se rappro he de 1 − α sans être né essairement égale d'où l'emploi du terme  asymptotique .
• Sous les onditions n > 30, np > 5 et n(1 − p) > 5, un intervalle de u tuation asymptotique de la variable aléatoire Fn
au seuil 1 − α est un intervalle entré en p qui ontient les valeurs prises par Fn ave une probabilité à peu près égale à
1 − α.
• L'intervalle de u tuation asymptotique de Fn , pour un même seuil 1 − α, se resserre fortement lorsque la taille de l'é han-
tillon est plus grande.

b Exemple 3 Une urne ontient un très grand nombre de boules rouges et bleues. On sait que la proportion de boules rouges dans
l'urne est p = 0, 4.
1) On pro ède à un tirage ave remise de 50 boules de l'urne.
Déterminer un intervalle de u tuation asymptotique au seuil de 99% de la fréquen e d'apparition d'une boule rouge.
2) On pro ède à un tirage ave remise de 500 boules de l'urne.
Déterminer un intervalle de u tuation asymptotique au seuil de 99% de la fréquen e d'apparition d'une boule rouge.

Comme u0,05 ≈ 1, 96 alors on en déduit un intervalle de u tuation asymptotique de Fn au seuil de 95 % :

Propriété 2 :
(Intervalle de u tuation asymptotique de Fn au seuil de 95 %)
" r r #
p(1 − p) p(1 − p)
In = p − 1, 96 ; p + 1, 96
n n

b Exemple 4 Une urne ontient un très grand nombre de boules rouges et bleues. On sait que la proportion de boules rouges dans
l'urne est p = 0, 4. On pro ède à un tirage ave remise de 50 boules de l'urne.
Déterminer un intervalle de u tuation asymptotique au seuil de 95% de la fréquen e d'apparition d'une boule rouge.

L.LEMAIRE page 133 Ly ée Henri IV


 
1 1
Remarque : Soit Jn = p− √ ; p+ √ (intervalle de u tuation vu en lasse de se onde).
n n
Comme In ⊂ Jn alors p(Fn ∈ In ) 6 p(Fn ∈ Jn ).
Or, sous les onditions n > 30, np > 5 et n(1 − p) > 5, p(Fn ∈ In ) ≈ 0, 95 don p(Fn ∈ Jn ) > 0, 95.

2 Test d'hypothèse sur la fréquen e

Dans e paragraphe, la proportion p du ara tère étudié est in onnue.

Dans une population de taille N , on suppose que la proportion (ou fréquen e) d'un ertain ara tère est p.
On souhaite  tester  ette hypothèse. Pour ela, on prélève dans la population, un é hantillon de taille n et on observe la
fréquen e fobs de e ara tère dans et é hantillon.
fobs est une réalisation (ou valeur prise) par la variable aléatoire Fn .
Si les onditions d'approximation n > 30, np > 5 et n(1 "− p) > 5r sont réalisées, alors dans
r
environ# 95% des as la fréquen e
p(1 − p) p(1 − p)
Fn est dans l'intervalle de u tuation asymptotique In = p − 1, 96 ; p + 1, 96 . D'où :
n n
Règle de prise de dé ision :
On fait l'hypothèse que dans une population la proportion d'un ertain ara tère est p.
On note fobs la fréquen e de e ara tère sur un é hantillon.
• Si fobs ∈ In alors on a epte l'hypothèse que la proportion est p.
• Si fobs 6∈ In alors on rejette ette hypothèse, au seuil de risque de 5%.

 Remarques :
• La probabilité qu'un é hantillon ait une fréquen e située hors de et intervalle de u tuation étant de 5%, on peut onsidérer
que et événement est rare et il est don ohérent de penser que e n'est plus le seul fait du hasard, mais que 'est plutt
le signe que l'hypothèse d'une fréquen e égale à p n'est pas la bonne.
•  Rejeter l'hypothèse, au seuil de risque de 5%  signie que le risque de rejet à tort (rejeter l'hypothèse alors qu'elle est
vraie) est d'environ 5%.
En eet, il se peut, malgré tout, que notre é hantillon fasse partie des 5% de eux ayant une fréquen e hors de l'intervalle
de u tuation. C'est pourquoi ette région hors de l'intervalle de u tuation est appelée zone ritique.

b Exemple 5 Dans un asino, il a été dé idé que les  ma hines à sous  doivent être réglées sur une fréquen e de gain du joueur
de 0,06 (une fréquen e inférieure est supposée dé ourager le lient et une fréquen e supérieure est sus eptible de ruiner le asino). Le
responsable de la maintenan e des ma hines à sous doit vérier qu'une ertaine ma hine est bien réglée sur ette fréquen e de su ès de
0,06.
Un ontrle portant sur un é hantillon de n = 100 parties jouées donne une proportion de 10 parties gagnées sur 100.
Peut-on armer, au risque de 5%, que ette ma hine est bien réglée ?

Pour aller plus loin . . .

Un risque de α = 5% orrespond à un oe ient

" de onan e
r de 1 − α = 95%, etrl'intervalle#de u tuation de la variable Fn au
p(1 − p) p(1 − p)
oe ient de onan e 95% est alors In = p − 1, 96 × ; p + 1, 96 × .
n n
zone ritique hypothèse zone ritique
a eptée

0, 95
0, 025 0, 025
q q
p − 1, 96 p(1−p) p p − 1, 96 p(1−p)
n n

 Remarque : Supposons que l'on rejette une hypothèse, au risque de 5%. Pour diminuer le risque de rejeter à tort ette
hypothèse, on pourrait hoisir
" un seuil de rα = 1%. #Dans e as, l'intervalle de u tuation au oe ient
r risque plus petit omme
p(1 − p) p(1 − p)
de onan e de 99%, In′ = p − 2, 58 × ; p + 2, 58 × , est plus grand.
n n
Si e hoix amène à a epter l'hypothèse, on ourt un autre risque : elui d'a epter l'hypothèse alors qu'elle est fausse. On note
β la probabilité de e risque.
L'idéal serait de rendre α et β les plus petits possibles, mais on remarque que quand α augmente β diminue et inversement.
La seule possibilité de diminuer α et β simultanément est d'augmenter la taille n de l'é hantillon, e qui n'est ni toujours
possible, ni toujours judi ieux...

L.LEMAIRE page 134 Ly ée Henri IV

IV Estimation

Il est en général impossible d'étudier un ara tère sur toute une population de taille N élevée.
La théorie de l'estimation onsiste, en supposant onnus les paramètres statistiques (moyenne, é art-type, fréquen e, et ) d'un
ou plusieurs é hantillons, à déduire des propriétés sur la population totale.
On pratique beau oup es estimations dans le domaine é onomique, so ial, industriel plutt que d'étudier la population entière
ar ela prendrait trop de temps, reviendrait trop her, ou serait aberrant ( ontrle qualité détruisant les piè es).

La fréquen e observée fobs dans un é hantillon pourrait servir d'estimation de la proportion p de la population entière mais
elle dépend dire tement de l'é hantillon prélevé au hasard et peut varier signi ativement d'un é hantillon à l'autre...
Il faut don her her un nouveau type d'estimation de la proportion p, en utilisant le al ul de probabilités (notamment la
théorie de l'é hantillonnage), qui permet de  ontrler  l'inuen e d'un é hantillon parti ulier.
Dénition 1 :
 (Intervalle de onan e
 de p) Soit fobs une fréquen e observée sur un é hantillon de taille n.
1 1
fobs − √ ; fobs + √ est l'intervalle de onan e de p au niveau de onan e 95%.
n n

Théorème 5 :
(Estimation de p) Sous les onditionsn > 30, np > 5 et n(1 − p)
 > 5,
1 1
La proportion in onnue p est telle que P Fn − √ 6 p 6 Fn + √ > 0, 95.
n n

 
1 1
Démonstration : ♥ On sait que P p − √ 6 Fn 6 p + √
> 0, 95.
   n n
  
1 1 1 1 1 1
Or, P p − √ 6 Fn 6 p + √ = P − √ 6 Fn − p 6 √ = P −Fn − √ 6 −p 6 −Fn + √
n n  n n  n n
1 1
= P Fn + √ > p > Fn − √
  n n
1 1
Don , P Fn − √ 6 p 6 Fn + √ > 0, 95.
n n

 Remarques :
• Un intervalle de onan e pour une proportion p à un niveau de onan e 95% est un intervalle, réalisé à partir d'un
é hantillon, entré en fobs qui ontient la valeur p ave une probabilité au moins égale à 95%.
• Autrement
 dit, sous les onditions
 n > 30, np > 5 et n(1 − p) > 5, la proportion p appartient à l'intervalle
1 1
fobs − √ ; fobs + √ pour au moins 95% des é hantillons.
n n
2
• Un intervalle de onan e pour une proportion p à un niveau de onan e 95% est d'amplitude (longueur) √ .
n

b Exemple 6 Une urne ontient un très grand nombre de boules rouges et bleues. On pro ède à un tirage ave remise de 100 boules
de l'urne. On obtient 59 boules rouges et 41 boules bleues.
Déterminer un intervalle de onan e au au niveau de onan e de 95% de la proportion de boules rouges dans l'urne.

L.LEMAIRE page 135 Ly ée Henri IV

L.LEMAIRE page 136 Ly ée Henri IV
17 Géométrie dans l'espa e

I Ve teurs de l'espa e

La notion de ve teur vue en géométrie plane se généralise à l'espa e.

1 Dénitions

Notion de ve teur
Dénition 1 :
(Ve teur) Un ve teur est déni par une dire tion, un sens et une longueur (norme).

−→
Exemple Pour tous points distin ts A et B , le ve teur AB est déni par :
• sa dire tion : la droite (AB).
• son sens : de A vers B . −→
• sa norme : la longueur AB . On note AB = AB .

 −→
Remarque : Lorsque les points A et B sont onfondus, le ve teur AA est le ve teur nul, noté −
→
0.

Égalité de ve teurs
Propriété 1 :
−→ −−→
(Égalité de ve teurs) Soient AB et DC deux ve teurs non nuls. B
×
Les propriétés suivantes sont équivalentes :
−→ −−→
(i) les ve teurs AB et DC sont égaux. A
×
C
−→ −−→ ×
(ii) les ve teurs AB et DC ont même dire tion, même sens et même norme.
−→
(iii) C est l'image de D par la translation de ve teur AB . D ×

(iv) ABCD est un parallélogramme (éventuellement aplati).

Théorème 1 :
−→
(Représentation d'un ve teur) Pour tout point A et tout ve teur −
→
u , il existe un unique point B tel que AB = −
→
u.

2 Cal ul ve toriel

Addition
Propriété 2 :
−→ −
−→ −→
• Relation de Chasles Pour tous points A, B et C , on a AB + BC = AC .
−→ −→ −−→
• Règle du parallélogramme Pour tous points A, B, C et D, on a AB + AC = AD où ABDC est un parallélogramme.

b Exemple 1 N M
ABCDEF GH est un ube et EIJHKLM N est un parallélépipède
b b

H G J
re tangle tel que DH = HN et IG = GJ . b b b

D C
b b

Cal uler :
−→ − −→ K
AB + BF b b
L
−−→ −−→ E
AD + DG b b b

−−→ −−→ F I
AH + N M
−→ −→ b b

AB + AE A B
−−→ − →
EK + EI
−→ − −→ −→
AB + AD + AE

L.LEMAIRE page 137 Ly ée Henri IV

 Théorème 2 :
(Propriétés de l'addition) Pour tous ve teurs −
→
u ,−
→
v et −
→
w,
• −
→u +− →v =−→v +−→u ( ommutativité).
• ( u + v ) + w = u + (−
→
− →
− →
− →
− →
v +− →
w ) (asso iativité).
→
− → −
− → − → →
− →
−
• u + 0 = 0 + u = u ( 0 est élément neutre).
−
→
• Il existe un unique ve teur noté −−→
u , appelé opposé de →
−
u , tel que →
−
u + (−−
→
u ) = (−−
→
u)+−
→
u = 0.

 −→
Remarque : L'opposé de AB est −AB = BA
−→ −→
(même dire tion, même norme mais sens opposé).

Multipli ation par un réel

Dénition 2 :
Soient −
→u un ve teur non nul et k ∈ R∗ . Le ve teur k−
→
u est tel que :
→
−
• sa dire tion est elle de u .
• son sens est le même que elui de −
→
u si k > 0 et de sens est opposé à elui de →
−
u si k < 0.
→
− →
−
• sa norme est kk u k = |k| k u k.

 Remarque : Si −
→ →
−
u = 0 ou si k = 0, alors k−
→ →
−
u = 0.
Théorème 3 :
(Propriétés de la multipli ation par un réel) Pour tous ve teurs −
→
u et −
→
v et pour tous réels k et k′ :
• k (−
→
u +− →v ) = k−
→u + k−→
v.
• (k + k′ )−
→u = k−→u + k′ −
→
u.
• u ) = kk′ −
k (k′ −
→ →
u.
→
− →
−
• −
→
k u = 0 ⇔ k = 0 ou − →u = 0.

3 Ve teurs olinéaires
Dénition 3 :
(Colinéarité) Les ve teurs −
→
u et −
→
v sont olinéaires si et seulement s'il existe un réel k tel que
−
→
u = k−
→
v ou →
−
v = k−
→
u.

 Remarques :
• Deux ve teurs non nuls sont olinéaires si et seulement s'ils ont la même dire tion.
• Le ve teur nul est olinéaire à tout ve teur.
Théorème 4 :
(Alignement, ara térisation d'une droite par un point et un ve teur dire teur)
−→ −−→ −−→ −→
• Les points O, A et M sont alignés si et seulement si les ve teurs OA et OM sont olinéaires (i.e OM = xOA ave x ∈ R).
• Soient O un point de l'espa e et −→
u un ve teur non nul. La droite D passant par O et dirigée par − →u est l'ensemble des
−−→ →
− −−→ →
−
points M de l'espa e tels que les ve teurs OM et u sont olinéaires (i.e OM = x u ave x ∈ R).

 Remarque : On dit que le ve teur −

→
u
−→
= OA est un ve teur dire teur de la O A
b
D

droite D.
b
M −
→
u
x−
→
b

−−→ 1 −→
b Exemple 2 Dans le ube ABCDEF GH , on pla e le point M déni par AM = AG et le point P entre de la fa e ADHE .
3
Démontrer que les points B, M et P sont alignés.
Théorème 5 :
(Parallélisme de deux droites) Deux droites D et D′ de ve teurs dire teurs −
→
u
D

respe tifs →
−
u et →
−
u ′ sont parallèles si et seulement si les ve teurs →
−
u et →
−
u ′ sont b

−
→
u′ D′
olinéaires. b

−
−→ −→
b Exemple 3 Dans le tétraèdre SABC , le point I est le milieu du segment [AC] et les points D et E sont dénis par : AD = 3AB
−
−→ −
−→
et BE = 2BC .
−
→ −−→ −→ −
−→
1) Exprimer les ve teurs BI et DE en fon tion des ve teurs BA et BC .
2) Démontrer que les droites (BI) et (DE) sont parallèles.

L.LEMAIRE page 138 Ly ée Henri IV

 4 Ve teurs oplanaires
Dénition 4 :
(Coplanarité) Les ve teurs −
→u, →
−
v et −
→
w sont oplanaires si et seulement s'il existe deux réels k et k′ tels que :
−
→
w = k u + k v ou v = k u + k w ou u = k−
→
− ′→
− −
→ →
− ′−
→ →
− →
v + k′ −
→
w.

 Remarque : Deux ve teurs olinéaires sont oplanaires ave tout autre ve teur.

b Exemple 4 ABCDEF GH est un ube. I est le milieu de [EB], J le milieu de [F G].

−
−→ − −→ −
→
Démontrer que les ve teurs EF , BG et IJ sont oplanaires.
Théorème 6 :
(Coplanarité, ara térisation d'un plan par un point et deux ve teurs dire teurs)
−→ → − −→ → −−→
• Les points O, A, B et M sont oplanaires si et seulement si les ve teurs −
→
u = OA, −
v = OB et −w = OM sont oplanaires
−−→ −→ −−→
(i.e OM = xOA + y OB ave x, y ∈ R ).
• Soient O un point de l'espa e et −
→u,−
→v deux ve teurs non olinéaires. Le plan P passant par O et dirigé par −
→
u et −
→
v
−−→ − → →
− −−→ −
→ −
→
est l'ensemble des points M de l'espa e tels que les ve teurs OM , u et v sont oplanaires (i.e OM = x u + y v ave
x, y ∈ R ).

 Remarque : On dit que les ve teurs −

→ −→
u = OA et →
− −
−→
v = OB sont des −
→
u
A
b
−
→
w
y−
→
v
b M
P

ve teurs dire teurs du plan P . O b

x−
→
u
−
→
v
b

B D
−
→
u
Théorème 7 : b

(Parallélisme d'une droite et d'un plan) Une droite D de ve teur

dire teur −→
u et un plan P de ve teurs dire teurs −→
u et −→
v sont parallèles
→
− →
− →
− P
si et seulement si les ve teurs u , v et w sont oplanaires. −
→ −
→ D′
v u
b

−
→
w

P′
−
→
Théorème 8 : u′
b
−
→
v′
(Parallélisme de deux plans) Deux plans P et P de ve teurs dire -
′

teurs respe tifs (−

→u,−→v ) et (−
→
u ′, −
→
v ′ ) sont parallèles si et seulement si les
ve teurs −
→u, −
→
v,− →u ′ et −
→u, −
→v,−→
v ′ sont oplanaires. −
→
P
u −
→
b

u′ −
→
−
→ v′
v
b

b Exemple 5 ABCDEF GH est un ube. I , J et K sont les milieux respe tifs de [AB], [CD] et [EF ].
1) Démontrer que la droite (CK) est parallèle au plan (IJH)
2) Démontrer que les plans (IJH) et (BCK) sont parallèles
∆
5 Théorème du toit
Théorème 9 :
P
(Théorème du toit) Si :
• d et d′ sont parallèles ; P′
• P est un plan qui ontient d et P ′ est un plan qui ontient d′ ;
• P et P ′ sont sé ants selon une droite ∆ d′
alors ∆ est parallèle à d et à d′ .
d

Démonstration : ♥ Soient − →u un ve teur dire teur de d et d′ et −

→
w un ve teur dire teur de ∆.
−
→ −
→ −
→ −
→
Notons ( u ; v ) un ouple de ve teurs dire teurs de P et ( u ; v ) un ouple de ve teurs dire teurs de P ′ .
′

La droite ∆ est ontenue dans le plan P , don les ve teurs −→

w, −→
u et −
→v sont oplanaires i.e. il existe un ouple de réels (x; y)
→
− →
− →
−
tels que : w = x u + y v (∗).
De même, la droite ∆ est ontenue dans le plan P ′ , don les ve teurs −
→
w, −
→u et −
→
v ′ sont oplanaires i.e. il existe un ouple de
→
− →
− −
→
réels (x ; y ) tels que : w = x u + y v (∗∗).
′ ′ ′ ′ ′

D'après (∗) et (∗∗), on obtient : x−

→
u + y− →
v = x′ −
→
u + y′ −
→
v ′ ⇐⇒ (x − x′ )−
→
u = y′ −
→
v ′ − y−
→v (∗ ∗ ∗).

L.LEMAIRE page 139 Ly ée Henri IV

 Si x 6= x′ alors −
→
u, −
→
v et −
→
v ′ sont oplanaires. Ce qui est impossible ar les plans P et P ′ sont sé ants.
Don x = x et alors d'après (∗ ∗ ∗), y′ −
′ →
v ′ = y−
→
v . Or −
→
v et −→
v ′ ne sont pas olinéaires don y = y ′ = 0.
→
− →
−
En on lusion, w = x u i.e. la droite ∆ est parallèle à d et d′ .

II Repérage dans l'espa e

1 Repère de l'espa e
Dénition 5 :
K
(Base, repère artésiens) Soient ~ı, ~, ~k trois ve teurs non olinéaires et O un b

point.
• (~ı, ~, ~k) est une base de l'espa e. ~k
• (O;~ı, ~, ~k) est un repère de l'espa e.
~
Le repère est orthogonal si ~ı, ~, ~k sont deux à deux orthogonaux. ~ı
O b b
J
Le repère est orthonormal (ou orthonormé) si ~ı, ~, ~k sont deux à deux orthogonaux et I b

de norme 1.

 −→ −→
Remarque : On note O, I , J et K les points tels que ~ı = OI , ~ = OJ et ~k = OK .
−−→

2 Coordonnées artésiennes
Théorème 10 :
(Coordonnées artésiennes) z b

Dans un repère (O;~ı, ~, ~k) de l'espa e, pour tout point M il existe un unique triplet
−−→ →
− →
− →
−
de nombres réels (x, y, z) tel que OM = x i + y j + z k . b
M

On appelle e triplet les oordonnées ( artésiennes) de M , respe tivement nommées b

~k
abs isse, ordonnée et te de M .   ~ y
x ~ı O b b b

−−→ −−→   b

(x, y, z) sont aussi les oordonnées du ve teurs OM . On é rit souvent : OM =  y  x

b b
z M′

3 Cal uls sur les oordonnées

Tous les résultats de la géométrie plane s'étendent à l'espa e par l'adjon tion d'une troisième oordonnée.
Théorème 11 :
(Cal uls sur les oordonnées artésiennes) Dans un repère (O;~ı, ~, ~k).
Soient les ve teurs →
−
u (x, y, z) et −→v (x′ , y ′ , z ′ ).
→
−
• Pour tout réel k, le ve teur k u a pour oordonnées (kx, ky, kz).
• Le ve teur −→u +−→v a pour oordonnées (x + x′ , y + y ′ , z + z ′ ).
Soient les points A(xA , yA , zA ) et B(xB , yB , zB ).
−→
• Le ve teur AB a pour oordonnées (xB − xA , yB −  xyA ,+zBx − zyA ).+ y z + z 
• Le milieu du segment [AB] a pour oordonnées : .
A B A B A B
, ,
2 2 2

b Exemple 6 Dans un repère (O;~ı, ~, ~k), soient les points A(1, 2, −3), B(−1, 3, 3) et C(4, −1, 2). D est un point tel que ABCD soit
un parallélogramme, al uler les oordonnées de D, puis elles du entre I de e parallélogramme.

b Exemple 7 ABCDIJKL est un parallélépipède ; G est le entre de gravité du triangle BIK . Démontrer, analytiquement, en
hoisissant un repère, que les points D, G et J sont alignés.

4 Distan e entre deux points

Théorème 12 :
(Distan e, norme) Dans un repère orthonormal (O;~p
ı, ~, ~k)
• Soit −
→
u (x, y, z) un ve teur de l'espa e, alors : k−→u k = x2 + y 2 + z 2 .
p
• Soient A(xA , yA , zA ) et B(xB , yB , zB ) deux points de l'espa e, alors AB = (xB − xA )2 + (yB − yA )2 + (zB − zA )2 .

L.LEMAIRE page 140 Ly ée Henri IV

b Exemple 8 Dans un repère orthonormal (O;~ı, ~, ~k), soient les points A(2, 3, 2), B(−2, −1, 2) et C(−2, 3, −2).
Pré iser la nature du triangle ABC .

III Représentations paramétriques

1 d'une droite de l'espa e

Une droite de l'espa e peut être dénie :
• soit par deux points distin ts ;
• soit par un point et un ve teur dire teur non nul.
Théorème 13 :
(Représentation paramétrique d'une droite)
→
−
Dans un repère (0; −
→
ı ,−
→
 , k ) de l'espa e, la droite
 D passant par le point A(xA , yA , zA ) et de ve teur dire teur −
→
u (α, β, γ)
 x = xA + αt

est l'ensemble des points M (x, y, z) tels que y = yA + βt t∈R


z = zA + γt
Ce système s'appelle représentation paramétrique de la droite D (ou système d'équations paramétriques de D).
Le réel t est le paramètre.

Démonstration : Soit la droite D passant par le point A(xA , yA , zA ) et de ve teur dire teur −
→
u (α, β, γ).
−−→ −−→
M (x; y; z) ∈ D ⇐⇒ AM et − →u sont olinéaires
 ⇐⇒ il existe t ∈ R tel que AM = t u
−
→
 .

 x − x A = αt  x = xA + αt

⇐⇒ il existe t ∈ R tel que y − yA = βt ⇐⇒ il existe t ∈ R tel que y = yA + βt

 z − z = γt 
 z = z + γt
A A

 Remarques :
• A haque réel t orrespond un point M (xA + αt, yA + βt, zA + γt) et un seul de la droite D ; ré iproquement, à tout point
−−→
M de la droite D orrespond un unique réel t tel que AM = t− →
u. 
 x = xA + αt

• Si une droite D est dénie par le système de représentation paramétrique y = yA + βt où t ∈ R,


z = zA + γt
alors on peut armer que D passe par le point A(xA , yA , zA ) et que −
→
u (α, β, γ) est un ve teur dire teur de la droite D.
• Une représentation paramétrique n'est pas unique (en eet, si l'on hoisit un autre point ou un autre ve teur dire teur de
D...).  
 x = xA + αt
  x = xA + αt

• M (x; y; z) ∈ [AB] ⇐⇒ y = yA + βt t ∈ [0 ; 1]. M (x; y; z) ∈ [AB) ⇐⇒ y = yA + βt t ∈ R+ .

 

z = zA + γt z = zA + γt

 x = 3t

b Exemple 9 Soit la droite D dénie par y = −t + 1 t ∈ R.

 z = 2t − 1

1) Donner un point et un ve teur dire teur de la droite D.

2) Le point P (−9, 4, −7) est-il sur la droite D ?

b Exemple 10 Donner une représentation paramétrique de la droite D passant par les points A(−1, 2, −3) et B(1, −1, 1).

2 d'un plan de l'espa e

Un plan de l'espa e peut être déni :
• soit par trois points non alignés ;
• soit par un point et deux ve teurs dire teurs non olinéaires.
Théorème 14 :
(Représentation paramétrique d'un plan)
→
−
Dans un repère (0; −
→
ı ,−
→
 , k ) de l'espa e, le plan P passant par −
→
 le point A(xA , yA , zA ) et de ve teurs dire teurs u (α, β, γ)
′ ′
 x = xA + αt + α t

et −
→
v (α′ , β ′ , γ ′ ) est l'ensemble des points M (x, y, z) tels que y = yA + βt + β ′ t′ t, t′ ∈ R

z = zA + γt + γ ′ t′

Ce système s'appelle représentation paramétrique du plan P (ou système d'équations paramétriques de P ).
Les réels t et t′ sont les paramètres.

L.LEMAIRE page 141 Ly ée Henri IV

 Démonstration : Soit le plan P passant par le point A(xA , yA , zA ) et de ve teurs dire teurs −
→
u (α, β, γ) et −
→
v (α′ , β ′ , γ ′ ).
−−→ → −−→
M (x; y; z) ∈ P ⇐⇒ AM , −u et → −
u sont oplanaires −
→
 ⇐⇒ il existe t, t ∈ R tels que AM = t u + t v
′ ′−
→
 .
 x − xA = αt + α t′ ′ ′ ′
  x = xA + αt + α t

⇐⇒ il existe t, t′ ∈ R tels que y − yA = βt + β ′ t′ ⇐⇒ il existe t, t′ ∈ R tels que y = yA + βt + β t′
′

 z − z = γt + γ ′ t′ 
 z = z + γt + γ ′ t′
A A

 Remarques :
• A haque ouple de réels (t, t′ ) orrespond un point M (xA + αt + α′ t′ , yA + βt + β ′ t′ , zA + γt + γ ′ t′ ) et un seul du plan P ;
−−→
ré iproquement, à tout point M du plan P orrespond un unique ouplede réels (t, t′ ) tel que AM = t− →u + t′ −
→
v.
′ ′
 x = xA + αt + α t

• Si un plan P est dénie par le système de représentation paramétrique y = yA + βt + β ′ t′ t, t′ ∈ R,

 ′ ′
z = zA + γt + γ t
alors on peut armer que P passe par le point A(xA , yA , zA ) et que −
→u (α, β, γ) et −
→v (α′ , β ′ , γ ′ ) sont des ve teurs dire teurs
du plan P .
• Une représentation paramétrique n'est pas unique (en eet, si l'on hoisit un autre point ou d'autres ve teurs dire teurs de
P ).

IV Le produit s alaire

On a déjà déni le produit s alaire de deux ve teurs dans le plan.

−→ −−→
Soient −
→
u et −→
v deux ve teurs de l'espa e et O, A et B des points tels que −→
u = OA et − →v = OB . Il existe au moins un plan P ontenant
O, A et B .
−→
Dans l'espa e, on dénit don le produit s alaire des ve teurs −
→
u et −
→ v omme étant le produit s alaire dans le plan P des ve teurs OA et
−−
→
OB .

1 Les diérentes expressions

Dénition 6 :
Soient −
→
u et −
→
v deux ve teurs de l'espa e. −
→ −
→
 On appelle produit s alaire de u et v le réel
−
→ →
− 1 − → →
− →
− →
−
ku + v k −kuk −kv k .
2 2 2
u · v =
2

 Remarque : Le arré s alaire de −

→
u est : −
→
u2 = −
→
u ·−
→
u = k−
→
uk .
2

Théorème 15 :
(Expression analytique du produit s alaire) Dans (O;~ı, ~, ~k) un repère orthonormal de l'espa e, pour tous ve teurs
−
→
u et →
−
v de oordonnées respe tives (x, y, z) et (x′ , y ′ , z ′ ) : →
−
u ·−
→
v = xx′ + yy ′ + zz ′ .

Théorème 16 :
(Expression  osinus  du produit s alaire) Pour tous ve teurs non nuls −
→
u et −
→
v,
−
→
u ·−
→
v = k→ −
u k × k−v k × cos(−
→ →
u ,−
\ →
v ), où (→
−
\ v ) désigne l'angle non orienté formé par les ve teurs −
u,−
→ →
u et −
→
v et de mesure
omprise entre 0 et π .

 Remarques :
• Les ve teurs −→u et −
→
v sont supposés non nuls pour que l'angle (− →
\u,−
→v ) soit bien déni.
→
− →
−
• Dans l'espa e, parler de l'angle orienté ( u , v ) n'a pas de sens. Car selon qu'on est situé d'un té ou de l'autre du plan
dirigé par les ve teurs −
→
u et −
→v , l'orientation de se plan hange. C'est pourquoi on dénit le produit s alaire dans l'espa e
ave l'angle géométrique ( u , −
→
−
\ →
v ). On hoisit sa mesure omprise entre 0 et π an que le osinus soit positif si l'angle est
aigu et négatif si l'angle est obtus.

Théorème 17 :
(Produit s alaire et proje tion)
Soient −
→
u, →
−v , et −
→
v ′ le projeté orthogonal de − →v selon −
→u.
→
− →
− →
− →
− ′ →
− →
−
• u · v = k u k × k v k si u et v ont le même sens.
′

• −
→u ·−
→v = − k− →
u k × k−→v ′ k si −
→
u et −
→v ′ sont de sens ontraires.
Dans les deux as on a u · v = u · −
→
− →
− →
− →v ′.

L.LEMAIRE page 142 Ly ée Henri IV

 P P
−
→
v −
→
v
→
−
v′ b
−
→
v′ −
→
−
→
u u
−→ −
−→
b Exemple 11 On onsidère le ube ABCDEF GH d'arête a. Cal uler de plusieurs façons le produit s alaire AE · BG

2 Propriétés algébriques
Théorème 18 :
(Symétrie, linéarité) Soient −
→u, −
→
v et −
→
w trois ve teurs de l'espa e et k un nombre réel.
• Symétrie u · v = v · u .
→
− →
− →
− →
−
• Linéarité à droite −
→u · (−
→
v +−→w) = −
→
u ·−→
v +− →
u ·−→
w et (k−→
u)·− →v = k(−→
u ·−
→v)
• Linéarité à gau he ( u + v ) · w = u · w + v · w et u · (k v ) = k( u · −
→
− →
− →
− →
− −
→ →
− →
− →
− →
− →
− →
v)

 Remarque : (k−
u ) · k′ −
→ →
v = kk′ (−
→
u ·−
→
v ).

Théorème 19 :
(Identités remarquables du produit s alaire) Pour tous ve teurs −
→
u et −
→
v.
(−
→
u +−
→v) =−→u 2 + 2−
→
u ·−
→v +−
→ ou en ore k−
→u +−
→v k = k−→u k + 2−→
u ·−
→v + k−
→
vk .
2 2 2 2
• v2
(−
→
u −−
→v) =−→u 2 − 2−
→
u ·−
→v +−
→ ou en ore k−
→u −−
→v k = k−→u k − 2−→
u ·−
→v + k−
→
vk .
2 2 2 2
• v2
• →
− →
− →
− →
− →
−
(u + v)·(u − v ) = u − v2
2 →
− ou en ore (−
→
u +−→
v ) · (−
→
u −−→
v ) = k−
→
u k − k−
2 →
vk .
2

V Produit s alaire et orthogonalité

1 Ve teurs orthogonaux
Théorème 20 :
(Produit s alaire et ve teurs orthogonaux) Soient −
→
u et −
→
v des ve teurs de l'espa e.
−
→u ⊥− →v ⇔ − →
u ·−→v =0
−
→ −
→
Soient les ve teurs u et v de oordonnées respe tives (x, y, z) et (x′ , y ′ , z ′ ), dans un repère orthonormal (O;~ı, ~, ~k).
→
−u ⊥−→v ⇔ xx′ + yy ′ + zz ′ = 0

 Remarque : Le ve teur nul est orthogonal à tout ve teur.

b Exemple 12 On onsidère un tétraèdre ABCD régulier d'arête a ( haque fa e est un triangle équilatéral de té a). Démontrer
que deux arêtes opposées sont orthogonales.
−−→ −
−→
b Exemple 13 ABCDEF GH est un ube. Les ve teurs AH et CE sont-ils orthogonaux ?

2 Droites orthogonales
Théorème 21 :
(Produit s alaire et droites orthogonales)
Deux droites D et D′ de ve teur dire teur respe tif →
−
u et −
→
u ′ sont orthogonales si et seulement si −
→
u ·−
→
u ′ = 0.

Dénition 7 :
(Ve teur normal à une droite)
Un ve teur non nul, orthogonal à un ve teur dire teur d'une droite D, est appelé ve teur normal à la droite D.

3 Droite orthogonale à un plan

Théorème 22 :
(Théorème dit  de la porte )
Une droite ∆ est orthogonale à un plan P si et seulement si ∆ est orthogonale à deux droites sé antes de P .

L.LEMAIRE page 143 Ly ée Henri IV

 Démonstration : ♥ Soient d1 et d2 deux droites sé antes du plan P ∆
de ve teurs dire teurs respe tifs −
→ et −
u 1
→. Comme les droites d et d sont
u 2 1 2
−→ −
→
sé antes alors les ve teurs u1 et u2 ne sont pas olinéaires et forment un
ouple de ve teurs dire teurs du plan P .
Soit ∆ une droite de ve teur dire teur − →
u.
• Si ∆ est orthogonale au plan P alors elle est orthogonale à toute droite −
→
u d2
du plan P et don en parti ulier aux droites d1 et d2 .
• Si ∆ est orthogonale aux droites d1 et d2 alors −→u ·−
→ = 0 et −
u 1
→
u ·−→ = 0.
u 2
−
→
Soit d une droite du plan P de ve teur dire teur v . Alors les ve teurs −
→
u2 −
→
−
→, u−
→ et − → u
v sont oplanaires et il existe don deux réels a et b tels que : d1
1
u 1 2 P
→
−v = a−→ + b−
u →.
u
1 2
On obtient : −→u ·−
→v =−→u · a−→ + b−
u 1 u→
= a−
2
→
u ·−
u→ + b−
1
→
u ·−
u→ = 0.
2
Don ∆ est orthogonale à toute droite d du plan P i.e. ∆ est orthogo-
nale au plan P .

Conséquen e :
Théorème 23 :
(Produit s alaire et droite orthogonale à un plan) Une droite D de ve teur dire teur −
→
u et un plan P de ve teurs
dire teurs −
→
v et −
→
v ′ sont orthogonaux si et seulement si →
−
u ·−
→
v = 0 et →
−
u ·−
→
v ′ = 0.

Dénition 8 :
(Ve teur normal à un plan) Un ve teur non nul, orthogonal à deux ve teurs dire teurs d'un plan P , est appelé ve teur
normal au plan P .

4 Plans perpendi ulaires

Théorème 24 :
(Produit s alaire et plans perpendi ulaires) −
→
n
Deux plans P et P ′ de ve teur normal respe tif −
→
n et −
→
n ′ sont perpendi ulaires
1

→
− →
−
si et seulement si n · n = 0.
′

−
→
n2

P1

P2
VI Équation artésienne d'un plan
D

Théorème 25 :
−
→
n
(Cara térisation d'un plan par un point et un ve teur normal) Soient M
A un point de l'espa e et → −
n un ve teur non nul. A
Le plan P passant par A et de ve teur normal − →n est l'ensemble des points M
P
−−→ →
−
de l'espa e tels que les ve teurs AM et n sont orthogonaux (i.e l'ensemble des
−−→ →
points M tels que AM · − n = 0 ).

Théorème 26 :
(Cara térisation d'un plan par une équation artésienne)
Dans un repère orthonormal (O;~ı, ~, ~k) de l'espa e,
• tout plan possède une équation artésienne de la forme ax + by + cz + d = 0 ave a, b, c, d ∈ R tels que
(a, b, c) 6= (0, 0, 0),
• ré iproquement, toute équation artésienne de ette forme dé rit un plan.
Un ve teur normal du plan est −
→n (a, b, c).

Démonstration : ♥ Soient a, b, c, d ∈ R tels que (a, b, c) 6= (0, 0, 0).

L.LEMAIRE page 144 Ly ée Henri IV

 • Soient A(xA , yA , zA ) un point, −
→n (a, b, c) un ve teur non nul et le plan P passant par A et de ve teur normal −
→
n.
Pour tout point M (x, y, z),
−−→ −−→ →
M ∈ P ⇐⇒ AM et − →n sont orthogonaux ⇐⇒ AM · − n = 0 ⇐⇒ a(x − xA ) + b(y − yA ) + c(z − zA ) = 0
⇐⇒ ax + by + cz − axA − byA − czA = 0 ⇐⇒ ax + by + cz + d = 0 en posant d = −axA − byA − czA
• Soit E l'ensemble des points M (x, y, z) tels que ax + by + cz + d = 0.  
d
E 6= ∅. En eet, omme (a, b, c) 6= (0, 0, 0) alors si a 6= 0, le point de oordonnées − , 0, 0 est dans E .
a
Ainsi, soit A(xA , yA , zA ) un point de E . On a : axA + byA + czA + d = 0 ⇐⇒ d = −axA − byA − czA
M ∈ E ⇐⇒ ax + by + cz + d = 0 ⇐⇒ ax + by + cz − axA − byA − czA = 0 ⇐⇒ a(x − xA ) + b(y − yA ) + c(z − zA ) = 0
−−→ →
⇐⇒ AM · − n = 0 ave −→n le ve teur de oordonnées (a, b, c)
⇐⇒ M appartient au plan passant par A et de ve teur normal − →n.

b Exemple 14 Dans l'espa e muni repère orthonormal (O;~ı, ~, ~k), soient les points A(1, 2, 3) et le ve teur −
→
n (1, −3, 1).
Déterminer une équation artésienne du plan P passant par A et de ve teur normal −
→
n.

b Exemple 15 Dans l'espa e muni d'un repère orthonormal (O;~ı, ~, ~k), donner la forme d'une équation artésienne d'un plan P
parallèle au plan (xOy).
b Exemple 16 Dans l'espa e muni repère orthonormal (O;~ı, ~, ~k), soient les points A(1, −2, 4), B(−2, −6, 5) et C(−4, 0, −3).
1) Démontrer que les points A, B et C déterminent un plan.
2) Déterminer une équation artésienne du plan (ABC).
 Remarques : Soient deux plans P : ax + by + cz + d = 0 et P ′ : a′ x + b′ y + c′ z + d′ = 0.
1) P//P ′ ⇐⇒ −
→
n (a, b, c) et −
→n ′ (a′ , b′ , c′ ) sont olinéaires ⇐⇒ (a, b, c) et (a′ , b′ , c′ ) sont proportionnels.
2) P ⊥ P ′ ⇐⇒ −
→
n (a, b, c) et −
→n ′ (a′ , b′ , c′ ) sont orthogonaux ⇐⇒ aa′ + bb′ + cc′ = 0.

1 Distan e d'un point à un plan

Théorème 27 :
(Distan e d'un point à un plan) L'espa e est muni d'un repère orthonormal (O;~ı, ~, ~k).
Soit P le plan d'équation artésienne ax + by + cz + d = 0 ave a, b, c, d ∈ R tels que (a, b, c) 6= (0, 0, 0).
La distan e d'un point M (xM , yM , zM ) au plan P est la longueur M H où H est la proje tion orthogonale de M sur P .
|axM + byM + czM + d|
d(M ; P) = M H = √
a2 + b2 + c2

Démonstration : ♥ On sait qu'un ve teur normal au plan P est le ve teur −

→
n (a, b, c). Soit A(xA , yA , zA ) un point du
plan P .
M
• Soit H le projeté orthogonal de M sur P alors d(M ; P) = M H . b

−−→ →
− −−→
 et−−→
AH n sont orthogonaux
 −−→ et HM et − →n sont olinéaires, d'où :
− −−→ − −−→ → −−→
→
 n · AM  =  n · AH + HM  = →
−
→ n · AH + −

n · HM 
  
−−→ → −−→ 
= 0 + − →
n · HM  = − n · HM  = −→

n × HM.
 P
− −−→
→n · AM 
Et don , d(M ; P) = HM = −
→ . −
→
b

n n b H
A

• Comme A(xA , yA , zA ) est un point du plan P alors axA + byA + czA + d = 0 ⇔ axA + byA + czA = −d, d'où :
− −−→
→
n · AM  |a(xM − xA ) + b(yM − yA ) + b(zM − zA )| |axM + byM + czM − (axA + byA + czA )|
d(M ; P) = − = √ = √
→ n a2 + b2 + c2 a2 + b2 + c2
|axM + byM + czM + d|
= √
a2 + b2 + c2

 Remarque : Dans l'espa e muni d'un repère orthonormal (O;~ı, ~, ~k), si P est la droite passant par le point A et de ve teur
−−→ −
AM · →

n
normal →
−
n , alors la distan e d'un point M (xM , yM , zM ) au plan P est d(M ; P) = .
k−
→
nk
Dénition 9 :
(Plan médiateur)
L'ensemble des points équidistants de deux points A et B est appelé plan médiateur du segment [AB].

Théorème 28 :
(Cara térisation du plan médiateur)
Le plan médiateur du segment [AB] est le plan passant par le milieu de [AB] et orthogonal à la droite (AB).

L.LEMAIRE page 145 Ly ée Henri IV

 Démonstration : Soit P le plan médiateur du segment [AB].
• Le milieu I de [AB] est équidistant de A et B don appartient au P .
• Pour tout point M de P ,
−−→ −−→ −−
→ − →2 − −→ −→2
M ∈ P ⇐⇒ M A = M B ⇐⇒ M A2 = M B 2 ⇐⇒ M A2 = M B 2 ⇐⇒ M I + IA = M I + IB (d'après le relation de Chasles )
−−
→ −
−→ − → − → −
−→ −−→ −→ −→ −
−→ − → −
−→ − →
⇐⇒ M I 2 + 2M I · IA + IA2 = M I 2 + 2M I · IB + IB 2 ⇐⇒ M I 2 + 2M I · IA + IA2 = M I 2 + 2M I · IB + IB 2
−−
→ − → − −
→ −→
⇐⇒ M I · IA = M I · IB ( ar I est le milieu de [AB] don IA = IB )
2 2
−−
→ − → − −→ −→ −
−→ − → −→ −
−→ −→ −−
→ −→
⇐⇒ M I · IA − M I · IB = 0 ⇐⇒ M I · IA − IB = 0 ⇐⇒ M I · BA = 0 ⇐⇒ M I ⊥ BA.
Don , P est orthogonal à la droite (AB).

VII Interse tions de plans et de droites

1 Interse tion de deux plans

Point de vue géométrique

On onsidère deux plans de l'espa e P et Q.

• Soit les plans P et Q sont parallèles et alors :

(i) s'ils ont tous leurs points en ommun, les plans P et Q sont onfondus.
(ii) s'ils n'ont au un point ommun, les plans P et Q sont stri tement parallèles.
• Soit les plans P et Q sont sé ants selon une droite D.
P ∩Q=D
P ∩Q=P P ∩Q=∅
Q

Q
P =Q
P
P

Point de vue algébrique

On onsidère deux plans de l'espa e P et Q d'équations artésiennes respe tives :
P : ax + by + cz + d = 0 et Q : a′ x + b′ y + c′ z + d′ = 0
→
−
On sait que les ve teurs →
−
n (a, b, c) et n′ (a′ , b′ , c′ ) sont les ve teurs normaux respe tivement aux plans P et Q.
(
ax + by + cz + d = 0
M (x, y, z) ∈ P ∩ Q ⇐⇒ (S)
a′ x + b′ y + c′ z + d′ = 0

Étudier algébriquement l'interse tion des plans P et Q revient à résoudre le système (S).
Il faut onsidérer plusieurs as :
• Soit (a, b, c) et (a′ , b′ , c′ ) sont proportionnels (i.e. les ve teurs −
→
n (a, b, c) et −
→
n ′ (a′ , b′ , c′ ) sont olinéaires) alors :
(i) si (a, b, c, d) et (a′ , b′ , c′ , d′ ) sont proportionnels, le système admet une innité de solutions vériant l'équation ax +
by + cz + d = 0 (i.e. P ∩ Q = P , les plans P et Q sont onfondus).
(ii) si (a, b, c, d) et (a′ , b′ , c′ , d′ ) ne sont pas proportionnels, le système n'admet pas de solution (i.e. P ∩ Q = ∅, les plans
P et Q sont stri tement parallèles).
• Soit (a, b, c) et (a′ , b′ , c′ ) ne sont pas proportionnels (i.e. →
− →′ ′ ′ ′
−
( les ve teurs n (a, b, c) et n (a , b , c ) ne sont pas olinéaires) alors
ax + by + cz + d = 0
le système admet une innité de solutions vériant ′ ′ ′ ′
(i.e. P ∩ Q = D, les plans P et Q sont
ax+by+cz+d = 0
sé ants selon une droite D de système d'équations artésiennes (S)).

b Exemple 17 Déterminer l'interse tion des plans P et Q d'équations respe tives :

P : 2x + y − z − 2 = 0 et Q : x + 3y + 7z − 11 = 0

L.LEMAIRE page 146 Ly ée Henri IV

 2 Interse tion d'une droite et d'un plan

Point de vue géométrique

On onsidère une droite D et un plan P de l'espa e.

• Soit le plan P et la droite D sont parallèles et alors :

(i) s'ils ont une innité de points ommuns, la droite D est in luse dans le plan P .
(ii) s'ils n'ont au un point ommun, le plan P et la droite D sont stri tement parallèles.
• Soit le plan P et la droite D sont sé ants en un point I . P ∩ D = {I}
P ∩D =∅
P ∩D =D D
D

D I
P P
P

Point de vue algébrique


 x = αt + x0

Soient un plan P : ax + by + cz + d = 0 et une droite D : y = βt + y0 où t ∈ R.


z = γt + z0
On sait que le ve teur −
→
n (a, b, c) est un ve teur normal au plan P et que le ve teur −→
u (α; β; γ) est un ve teur dire teur de la
droite D.


 x = αt + x0
où t ∈ R

 y = βt + y
0
M (x, y, z) ∈ D ∩ P ⇐⇒ (S)


 z = γt + z0

ax + by + cz + d = 0

Étudier algébriquement l'interse tion de la droite D et du plan P revient à résoudre le système (S).
Il faut onsidérer plusieurs as :
• Soit aα + bβ + cγ = 0 (i.e. −
→n ·−
→
u = 0 i.e. les ve teurs −
→
n (a, b, c) et −
→
u (α, β, γ) sont orthogonaux) alors le plan P et la droite
D sont parallèles.

 x = αt + x0

(i) si (S) admet une innité de solutions vériant le système d'équations paramétriques y = βt + y0 où t ∈ R (i.e.


z = γt + z0
P ∩ D = D, la droite D est in luse dans le plan P ).
(ii) si (S) n'admet pas de solution (i.e. P ∩ D = ∅, le plan P et la droite D sont stri tement parallèles).
• Soit aα + bβ + cγ 6= 0 (i.e. →
−
n ·− →
u 6= 0 i.e. les ve teurs →−
n (a, b, c) et →
−
u (α, β, γ) ne sont pas
 sont orthogonaux) alors (S)
−x0 − y0 − z0

 x=α + x0

x = αt + x


 aα + bβ + cγ

 0 
 −x0 − y0 − z0

 y = βt + y où t ∈ R  y=β
 + y0
admet une unique solution vériant 0
⇐⇒ aα + bβ + cγ
−x 0 − y 0 − z 0
 z = γt + z0  z = γ aα + bβ + cγ + z0

 

 
a(αt + x0 ) + b(βt + y0 ) + c(γt + z0 ) = 0 

 −x0 − y0 − z0
 t=

aα + bβ + cγ
(i.e. D ∩ P = {I}, le plan P et la droite D sont sé ants en I )

 x=t−1

b Exemple 18 Déterminer l'interse tion du plan P : 2x − y + z − 1 = 0 et de la droite D : y = t + 1 où t ∈ R.

 z = 2t + 1

3 Interse tion de deux droites

Point de vue géométrique

On onsidère D et D′ deux droites de l'espa e.

• Soit les droites D et D′ sont non oplanaires (i.e. il n'existe au un plan ontenant es deux droites).

L.LEMAIRE page 147 Ly ée Henri IV

 D′ ∩ D = ∅

D′

D
P

• Soit les droites D et D′ sont oplanaires (i.e. il existe au un plan ontenant es deux droites).
(i) si elles ont tous leurs points en ommun alors D et D′ sont onfondues.
(ii) si elles n'ont au un points ommuns alors D et D′ sont stri tement parallèles.
(iii) si elles ont un point ommun alors D et D′ sont sé antes.
D ∩ D′ = D D ∩ D′ = ∅ D ∩ D′ = {I}

D = D′ D′ I D′
P P D P D

Point de vue algébrique

Soient deux droites D et D′ de représentations paramétriques respe tives :
 
′ ′
 x = αt + x0
  x = α t + x1

D: y = βt + y0 où t ∈ R ′
D : ′ ′
y = β t + y1 où t′ ∈ R
 
z = γ ′ t′ + z1
 
z = γt + z0
 

 x = αt + x0 
 x = αt + x0

 



 y = βt + y 0 

 y = βt + y0

 z = γt + z 
 z = γt + z
0 0
M (x, y, z) ∈ D ∩ D′ ⇐⇒ (S) ′ ′
⇐⇒ ′ ′


 x = α t + x 1 

 αt + x 0 = α t + x1
 ′ ′  ′ ′
 y = β t + y1




 βt + y0 = β t + y1

 

z = γ ′ t′ + z1 γt + z0 = γ ′ t′ + z1
Étudier algébriquement l'interse tion des deux droites D et D′ revient à résoudre le système (S).

b Exemple 19 On donne A(1, −1, 0), B(0, −1, 1), C(3, −2, 0) et D(2, −3, 3). Étudier l'interse tion des droites (AB) et (CD).

4 Interse tion de trois plans

Point de vue géométrique

On onsidère trois plans de l'espa e P , Q et R.
Remarque : Si deux plans sont onfondus, l'étude de l'interse tion des trois plans se ramène à elle de deux plans. Ainsi, on
onsidère que les plans P , Q et R sont distin ts deux à deux.
• Soit les plans P et Q sont parallèles alors :
(i) si le plan R est stri tement parallèle à eux, ils n'ont au un point en ommun.
(ii) si le plan R est sé ant aux plans P et Q, ils n'ont au un point en ommun.

P ∩Q∩R= ∅

P ∩Q∩R=∅ R

Q
R

P
Q

L.LEMAIRE page 148 Ly ée Henri IV

 • Soit les plans P et Q sont sé ants selon une droite D alors :
(i) si le plan R est parallèle à droite D,
soit la droite D est in luse dans le plan R, ainsi les plans P , Q et R ont la droite D ommune.
soit la droite D est stri tement parallèle au plan R, ainsi les plans P , Q et R n'ont au un point en ommun.
(ii) si le plan R est sé ant à droite D au point I , les plans P , Q et R ont le point I ommun.

P ∩ Q ∩ R = {I}

P ∩Q∩R=D P
P ∩Q∩R= ∅

R R
Q
Q
Q

D
P I
P
R
D

Point de vue algébrique

On onsidère trois plans P , Q et R d'équations artésiennes respe tives :

P : ax + by + cz + d = 0 et Q : a′ x + b′ y + c′ z + d′ = 0 et R : a′′ x + b′′ y + c′′ z + d′′ = 0


 ax + by + cz + d
 = 0
M (x, y, z) ∈ P ∩ Q ∩ R ⇐⇒ a′ x + b′ y + c′ z + d′ = 0 (S)

 ′′ ′′ ′′ ′′
a x+b y+c z+d = 0
Étudier algébriquement l'interse tion des plans P , Q et R revient à résoudre le système (S).

b Exemple 20 Déterminer l'interse tion des plans P , Q et R d'équations artésiennes respe tives :
P : 2x + 3y − 2z − 2 = 0 et Q : 4x − 3y + z − 4 = 0 et R : 2x + 12y − 7z − 2 = 0

L.LEMAIRE page 149 Ly ée Henri IV

Exo7

Développements limités

Vidéo ■ partie 1. Formules de Taylor

Vidéo ■ partie 2. Développements limités au voisinage d'un point
Vidéo ■ partie 3. Opérations sur les DL
Vidéo ■ partie 4. Applications
Exercices  Développements limités

Motivation
Prenons l’exemple de la fonction exponentielle. Une idée du comportement de la fonction f (x) =
exp x autour du point x = 0 est donné par sa tangente, dont l’équation est y = 1 + x. Nous avons
approximé le graphe par une droite. Si l’on souhaite faire mieux, quelle parabole d’équation
y = c 0 + c 1 x + c 2 x2 approche le mieux le graphe de f autour de x = 0 ? Il s’agit de la parabole
d’équation y = 1 + x + 12 x2 . Cette équation à la propriété remarquable que si on note g(x) = exp x −
1 + x + 12 x2 alors g(0) = 0, g0 (0) = 0 et g00 (0) = 0. Trouver l’équation de cette parabole c’est faire
¡ ¢

un développement limité à l’ordre 2 de la fonction f . Bien sûr si l’on veut être plus précis, on
continuerait avec une courbe du troisième degré qui serait en fait y = 1 + x + 12 x2 + 61 x3 .

y y = ex

y = 1+ x

2
y = 1 + x + x2

2 3 0 1 x
y = 1 + x + x2 + x6

Dans ce chapitre, pour n’importe quelle fonction, nous allons trouver le polynôme de degré n qui
approche le mieux la fonction. Les résultats ne sont valables que pour x autour d’une valeur fixée
(ce sera souvent autour de 0). Ce polynôme sera calculé à partir des dérivées successives au point
considéré. Sans plus attendre, voici la formule, dite formule de Taylor-Young :

x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x).
2! n!
n
La partie polynomiale f (0) + f 0 (0)x +· · ·+ f (n) (0) xn! est le polynôme de degré n qui approche le mieux
f (x) autour de x = 0. La partie x n ε(x) est le «reste» dans lequel ε(x) est une fonction qui tend vers
0 (quand x tend vers 0) et qui est négligeable devant la partie polynomiale.

1
 2

1. Formules de Taylor
Nous allons voir trois formules de Taylor, elles auront toutes la même partie polynomiale mais
donnent plus ou moins d’informations sur le reste. Nous commencerons par la formule de Taylor
avec reste intégral qui donne une expression exacte du reste. Puis la formule de Taylor avec reste
f (n+1) (c) qui permet d’obtenir un encadrement du reste et nous terminons avec la formule de
Taylor-Young très pratique si l’on n’a pas besoin d’information sur le reste.

Soit I ⊂ R un intervalle ouvert. Pour n ∈ N∗ , on dit que f : I → R est une fonction de classe C n si f
est n fois dérivable sur I et f (n) est continue. f est de classe C 0 si f est continue sur I. f est de
classe C ∞ si f est de classe C n pour tout n ∈ N.

1.1. Formule de Taylor avec reste intégral

Théorème 1. Formule de Taylor avec reste intégral

Soit f : I → R une fonction de classe C n+1 (n ∈ N) et soit a, x ∈ I. Alors

f 00 (a) 2 f ( n) ( a ) n
R x f (n+1) ( t) n
f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + a n! (x − t) dt.

Nous noterons T n (x) la partie polynomiale de la formule de Taylor (elle dépend de n mais aussi de
f et a) :
f 00 (a) f (n) (a)
T n (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n .
2! n!

Remarque

En écrivant x = a + h (et donc h = x − a) la formule de Taylor précédente devient (pour tout a

et a + h de I) :

f 00 (a) 2 f (n) (a) n h f (n+1) (a + t)

Z
f (a + h) = f (a) + f 0 (a)h + h +···+ h + (h − t)n dt
2! n! 0 n!

Exemple 1

La fonction f (x) = exp x est de classe C n+1 sur I = R pour tout n. Fixons a ∈ R. Comme
f 0 (x) = exp x, f 00 (x) = exp x,. . . alors pour tout x ∈ R :
Z x
exp a exp t
exp x = exp a + exp a · (x − a) + · · · + (x − a)n + (x − t)n dt.
n! a n!

Bien sûr si l’on se place en a = 0 alors on retrouve le début de notre approximation de la

2 3
fonction exponentielle en x = 0 : exp x = 1 + x + x2! + x3! + · · ·

Démonstration . Preuve du théorème

Montrons cette formule de Taylor par récurrence sur k É n :

f 00 (a) f ( k ) ( a) b ( b − t) k
Z
0
f ( b) = f (a) + f (a)( b − a) + ( b − a )2 + · · · + ( b − a) k + f (k+1) ( t) dt.
2! k! a k!

(Pour éviter les confusions entre ce qui varie et ce qui est fixe dans cette preuve on remplace x par b.)
 3

Rb
Initialisation. Pour n = 0, une primitive de f 0 ( t) est f ( t) donc a f 0 ( t) dt = f ( b) − f (a), donc f ( b) =
Rb 0
f (a) + a f ( t) dt. (On rappelle que par convention ( b − t)0 = 1 et 0! = 1.)
Hérédité. Supposons la formule vraie au rang k − 1. Elle s’écrit f ( b) = f (a) + f 0 (a)( b − a) + · · · +
f (k−1) (a) Rb k−1
( k−1)! ( b − a)
k−1
+ a f (k) ( t) (b(k−−t)1)! dt.
Rb k−1
On effectue une intégration par parties dans l’intégrale a f (k) ( t) (b(k−−t)1)! dt. En posant u( t) = f (k) ( t)
( b− t)k−1 k
et v0 ( t) = ( k−1)! , on a u0 ( t) = f (k+1) ( t) et v( t) = − (b−k!t) ; alors

¸b Z b
b ( b − t)k−1 ( b − t) k ( b − t) k
Z ·
f ( k ) ( t) dt = − f (k) ( t) + f (k+1) ( t) dt
a ( k − 1)! k! a a k!
( b − a) k ( b − t) k
Z b
= f ( k ) ( a) + f (k+1) ( t) dt.
k! a k!

Ainsi lorsque l’on remplace cette expression dans la formule au rang k − 1 on obtient la formule au
rang k.
Conclusion. Par le principe de récurrence la formule de Taylor est vraie pour tous les entiers n
pour lesquels f est classe C n+1 .

1.2. Formule de Taylor avec reste f (n+1) ( c)

Théorème 2. Formule de Taylor avec reste f (n+1) (c)

Soit f : I → R une fonction de classe C n+1 (n ∈ N) et soit a, x ∈ I. Il existe un réel c entre a et

x tel que :

f 00 (a) 2 f ( n) ( a ) n f (n+1) ( c) n+1

f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + ( n+1)! (x − a) .

Exemple 2

Soient a, x ∈ R. Pour tout entier n Ê 0 il existe c entre a et x tel que exp x = exp a + exp a · (x −
exp a exp c
a) + · · · + n! (x − a)n + (n+1)! (x − a)n+1 .

Dans la plupart des cas on ne connaîtra pas ce c. Mais ce théorème permet d’encadrer le reste.
Ceci s’exprime par le corollaire suivant :

Corollaire 1

Si en plus la fonction | f (n+1) | est majorée sur I par un réel M, alors pour tout a, x ∈ I, on a :
n+1
¯ f (x) − T n (x)¯ É M | x − a|
¯ ¯
·
(n + 1)!

Exemple 3

Approximation de sin(0, 01).

Soit f (x) = sin x. Alors f 0 (x) = cos x, f 00 (x) = − sin x, f (3) (x) = − cos x, f (4) (x) = sin x. On obtient
donc f (0) = 0, f 0 (0) = 1, f 00 (0) = 0, f (3) (0) = −1. La formule de Taylor ci-dessus en a = 0 à l’ordre
2 3 4 3
x4
3 devient : f (x) = 0 + 1 · x + 0 · x2! − 1 x3! + f (4) (c) x4! , c’est-à-dire f (x) = x − x6 + f (4) (c) 24 , pour un
certain c entre 0 et x.
 4

Appliquons ceci pour x = 0, 01. Le reste étant petit on trouve alors

(0, 01)3
sin(0, 01) ≈ 0, 01 − = 0, 00999983333 . . .
6

On peut même savoir quelle est la précision de cette approximation : comme f (4) (x) = sin x
3 ¢¯ 4
alors | f (4) (c)| É 1. Donc ¯ f (x) − x − x6 ¯ É x4! . Pour x = 0, 01 cela donne : ¯ sin(0, 01) − 0, 01 −
¯ ¡ ¯ ¡

(0,01)3 ¢¯¯ (0,01)4 (0,01)4

6 É 24. Comme ≈ 4, 16 · 10−10 alors notre approximation donne au moins 8
24
chiffres exacts après la virgule.

Remarque

– Dans ce théorème l’hypothèse f de classe C n+1 peut-être affaiblie en f est «n + 1 fois

dérivable sur I».
– «le réel c est entre a et x» signifie «c ∈]a, x[ ou c ∈]x, a[».
– Pour n = 0 c’est exactement l’énoncé du théorème des accroissements finis : il existe
c ∈]a, b[ tel que f (b) = f (a) + f 0 (c)(b − a).
– Si I est un intervalle fermé borné et f de classe C n+1 , alors f (n+1) est continue sur
I donc il existe un M tel que | f (n+1) (x)| É M pour tout x ∈ I. Ce qui permet toujours
d’appliquer le corollaire.

Pour la preuve du théorème nous aurons besoin d’un résultat préliminaire.

Lemme 1. Égalité de la moyenne

Supposons a < b et soient u, v : [a, b] → R deux fonctions continues avec v Ê 0. Alors il existe
Rb Rb
c ∈ [a, b] tel que a u(t)v(t) dt = u(c) a v(t) dt.

Démonstration
Rb Rb Rb
Notons m = inf t∈[a,b] u( t) et M = sup t∈[a,b] u( t). On a m a v( t) dt É a u( t)v( t) dt É M a v( t) dt (car
Rb
a u( t)v( t) dt
v Ê 0). Ainsi m É Rb É M . Puisque u est continue sur [a, b] elle prend toutes les valeurs
a v( t) dt
comprises entre m et M (théorème des valeurs intermédiaires). Donc il existe c ∈ [a, b] avec u( c) =
Rb
au( t)v( t) dt
Rb .
a v( t) dt

Démonstration . Preuve du théorème

Pour la preuve nous montrerons la formule de Taylor pour f ( b) en supposant a < b. Nous montrerons
seulement c ∈ [a, b] au lieu de c ∈]a, b[.
n
Posons u( t) = f (n+1) ( t) et v( t) = (b−n!t) . La formule de Taylor avec reste intégral s’écrit f ( b) = T n (a) +
Rb Rb Rb
a u( t)v( t) dt. Par le lemme, il existe c ∈ [a, b] tel que a u( t)v( t) dt = u( c) a v( t) dt. Ainsi le reste
n n+1 b a)n+1
Rb Rb h i
est a u( t)v( t) dt = f (n+1) ( c) a (b−n!t) dt = f (n+1) ( c) − (b(n−+t)1)! = f (n+1) ( c) (b(−n+1)! . Ce qui donne la
a
formule recherchée.

1.3. Formule de Taylor-Young

 5

Théorème 3. Formule de Taylor-Young

Soit f : I → R une fonction de classe C n et soit a ∈ I. Alors pour tout x ∈ I on a :

f 00 (a) 2 f ( n) ( a ) n n
f (x) = f (a) + f 0 (a)(x − a) + 2! (x − a) + · · · + n! (x − a) + (x − a) ε(x),

où ε est une fonction définie sur I telle que ε(x) −−−→ 0.

x→ a

Démonstration

f étant un fonction de classe C n nous appliquons la formule de Taylor avec reste f (n) ( c) au rang
f 00 (a)
n − 1. Pour tout x, il existe c = c( x) compris entre a et x tel que f ( x) = f (a) + f 0 (a)( x − a) + 2! ( x −
f (n−1) (a) n−1 f ( n) ( c ) f 00 (a)
a )2 + · · · + ( n−1)! ( x − a) + n! ( x − a)n . Que nous réécrivons : f ( x) = f (a) + f 0 (a)( x − a) + 2! ( x −
f ( n) ( a ) n f ( n ) ( c )− f ( n ) ( a ) f ( n ) ( c )− f ( n ) ( a )
a )2 + · · · + n! ( x − a ) + n! ( x − a)n . On pose ε( x) = n! . Puisque f (n) est continue et
que c( x) → a alors lim x→a ε( x) = 0.

1.4. Un exemple
Soit f :] − 1, +∞[→ R, x 7→ ln(1 + x) ; f est infiniment dérivable. Nous allons calculer les formules de
Taylor en 0 pour les premiers ordres.
Tous d’abord f (0) = 0. Ensuite f 0 (x) = 1+1 x donc f 0 (0) = 1. Ensuite f 00 (x) = − (1+1x)2 donc f 00 (0) = −1.
Puis f (3) (x) = +2 (1+1x)3 donc f (3) (0) = +2. Par récurrence on montre que f (n) (x) = (−1)n−1 (n − 1)! (1+1x)n
f (n) (0) n n
et donc f (n) (0) = (−1)n−1 (n − 1)!. Ainsi pour n > 0 : n! x = (−1)n−1 (n−1)! n
n! x = (−1)
n−1 x
n.
Voici donc les premiers polynômes de Taylor :

x2 x2 x3
T0 (x) = 0 T1 (x) = x T2 (x) = x − T3 (x) = x − +
2 2 3
Les formules de Taylor nous disent que les restes sont de plus en plus petits lorsque n croît. Sur
le dessins les graphes des polynômes T0 , T1 , T2 , T3 s’approchent de plus en plus du graphe de f .
Attention ceci n’est vrai qu’autour de 0.

2 3
y = x − x2 + x3 y=x
y

y = ln(1 + x)
1

0 y=0
1 x

2
y = x − x2

Pour n quelconque nous avons calculer que le polynôme de Taylor en 0 est

n xk x2 x3 xn
(−1)k−1 − · · · + (−1)n−1 .
X
T n (x) = = x− +
k=1 k 2 3 n
 6

1.5. Résumé
Il y a donc trois formules de Taylor qui s’écrivent toutes sous la forme

f (x) = T n (x) + R n (x)

où T n (x) est toujours le même polynôme de Taylor :

f 00 (a) f (n) (a)
T n (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n .
2! n!
C’est l’expression du reste R n (x) qui change (attention le reste n’a aucune raison d’être un poly-
nôme).

f (n+1) (t)
x
Z
R n (x) = (x − t)n dt Taylor avec reste intégral
a n!
f (n+1) (c)
R n (x) = (x − a)n+1 Taylor avec reste f (n+1) (c), c entre a et x
(n + 1)!
R n (x) = (x − a)n ε(x) Taylor-Young avec ε(x) −−−→ 0
x→ a

Selon les situations l’une des formulations est plus adaptée que les autres. Bien souvent nous
n’avons pas besoin de beaucoup d’information sur le reste et c’est donc la formule de Taylor-Young
qui sera la plus utile.
Notons que les trois formules ne requièrent pas exactement les mêmes hypothèses : Taylor avec
reste intégral à l’ordre n exige une fonction de classe C n+1 , Taylor avec reste une fonction n + 1 fois
dérivable, et Taylor-Young une fonction C n . Une hypothèse plus restrictive donne logiquement une
conclusion plus forte. Cela dit, pour les fonctions de classe C ∞ que l’on manipule le plus souvent,
les trois hypothèses sont toujours vérifiées.

Notation. Le terme (x − a)n ε(x) où ε(x) −−−→ 0 est souvent abrégé en «petit o» de (x − a)n et est
x →0
n
noté o((x − a)n ). Donc o((x − a)n ) est une fonction telle que lim x→a o((( xx−−aa))n ) = 0. Il faut s’habituer à
cette notation qui simplifie les écritures, mais il faut toujours garder à l’esprit ce qu’elle signifie.

Cas particulier : Formule de Taylor-Young au voisinage de 0. On se ramène souvent au cas

particulier où a = 0, la formule de Taylor-Young s’écrit alors

x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x)
2! n!

où lim x→0 ε(x) = 0.

Et avec la notation «petit o» cela donne :
x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + o(x n )
2! n!

Mini-exercices

1. Écrire les trois formules de Taylor en 0 pour x 7→ cos x, x 7→ exp(− x) et x 7→ sh x.

2. Écrire les formules de Taylor en 0 à l’ordre 2 pour x 7→ p1 , x 7→ tan x.
1+ x
3. Écrire les formules de Taylor en 1 pour x 7→ x3 − 9x2 + 14x + 3.
 7

p p
4. Avec une formule de Taylor à l’ordre 2 de 1 + x, trouver une approximation de 1, 01.
Idem avec ln(0, 99).

2. Développements limités au voisinage d’un point

2.1. Définition et existence
Soit I un intervalle ouvert et f : I → R une fonction quelconque.

Définition 1

Pour a ∈ I et n ∈ N, on dit que f admet un développement limité (DL) au point a et à l’ordre

n, s’il existe des réels c 0 , c 1 , . . . , c n et une fonction ε : I → R telle que lim x→a ε(x) = 0 de sorte
que pour tout x ∈ I :

f (x) = c 0 + c 1 (x − a) + · · · + c n (x − a)n + (x − a)n ε(x).

– L’égalité précédente s’appelle un DL de f au voisinage de a à l’ordre n .

– Le terme c 0 + c 1 (x − a) + · · · + c n (x − a)n est appelé la partie polynomiale du DL.
– Le terme (x − a)n ε(x) est appelé le reste du DL.

La formule de Taylor-Young permet d’obtenir immédiatement des développements limités en po-

f ( k ) ( a)
sant c k = k! :

Proposition 1

Si f est de classe C n au voisinage d’un point a alors f admet un DL au point a à l’ordre n,

qui provient de la formule de Taylor-Young :

f 0 (a) f 00 (a) f (n) (a)

f (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n + (x − a)n ε(x)
1! 2! n!
où lim x→a ε(x) = 0.

Remarque

1. Si f est de classe C n au voisinage d’un point 0, un DL en 0 à l’ordre n est l’expression :

x2 xn
f (x) = f (0) + f 0 (0)x + f 00 (0) + · · · + f (n) (0) + x n ε(x)
2! n!

2. Si f admet un DL en un point a à l’ordre n alors elle en possède un pour tout k É n. En

effet

f 0 (a) f (k) (a)

f (x) = f (a) + (x − a) + · · · + (x − a)k
1! k!
f (k+1) (a) f (n) (a)
+ (x − a)k+1 + · · · + (x − a)n + (x − a)n ε(x)
(k + 1)! n!
| {z }
=( x−a)k η( x)

où lim x→a η(x) = 0.

 8

2.2. Unicité

Proposition 2

Si f admet un DL alors ce DL est unique.

Démonstration

Écrivons deux DL de f : f ( x) = c 0 + c 1 ( x − a) + · · · + c n ( x − a)n + ( x − a)n ε1 ( x) et f ( x) = d 0 + d 1 ( x − a) +

· · · + d n ( x − a)n + ( x − a)n ε2 ( x). En effectuant la différence on obtient :

( d 0 − c 0 ) + ( d 1 − c 1 )( x − a) + · · · + ( d n − c n )( x − a)n + ( x − a)n (ε2 ( x) − ε1 ( x)) = 0.

Lorsque l’on fait x = a dans cette égalité alors on trouve d 0 − c 0 = 0. Ensuite on peut diviser cette
égalité par x − a : ( d 1 − c 1 ) + ( d 2 − c 2 )( x − a) + · · · + ( d n − c n )( x − a)n−1 + ( x − a)n−1 (ε2 ( x) − ε1 ( x)) = 0. En
évaluant en x = a on obtient d 1 − c 1 = 0, etc. On trouve c 0 = d 0 , c 1 = d 1 , . . . , c n = d n . Les parties
polynomiales sont égales et donc les restes aussi.

Corollaire 2

Si f est paire (resp. impaire) alors la partie polynomiale de son DL en 0 ne contient que des
monômes de degrés pairs (resp. impairs).

2
Par exemple x 7→ cos x est paire et nous verrons que son DL en 0 commence par : cos x = 1 − x2! +
x4 6
4! − x6! + · · · .

Démonstration

f ( x) = c 0 + c 1 x + c 2 x2 + c 3 x3 + · · · + c n x n + x n ε( x). Si f est paire alors f ( x) = f (− x) = c 0 − c 1 x + c 2 x2 −

c 3 x3 + · · · + (−1)n c n x n + x n ε( x). Par l’unicité du DL en 0 on trouve c 1 = − c 1 , c 3 = − c 3 , . . . et donc
c 1 = 0, c 3 = 0,. . .

Remarque

1. L’unicité du DL et la formule de Taylor-Young prouve que si l’on connaît le DL et que

f est de classe C n alors on peut calculer les nombres dérivés à partir de la partie
f ( k ) ( a)
polynomiale par la formule c k = k! . Cependant dans la majorité des cas on fera
l’inverse : on trouve le DL à partir des dérivées.
2. Si f admet un DL en un point a à l’ordre n Ê 0 alors c 0 = f (a).
3. Si f admet un DL en un point a à l’ordre n Ê 1, alors f est dérivable en a et on a c 0 = f (a)
et c 1 = f 0 (a). Par conséquent y = c 0 + c 1 (x − a) est l’équation de la tangente au graphe de
f au point d’abscisse a.
4. Plus subtil : f peut admettre un DL à l’ordre 2 en un point a sans admettre une dérivée
seconde en a. Soit par exemple f (x) = x3 sin 1x . Alors f est dérivable mais f 0 ne l’est pas.
Pourtant f admet un DL en 0 à l’ordre 2 : f (x) = x2 ε(x) (la partie polynomiale est nulle).

2.3. DL des fonctions usuelles à l’origine

Les DL suivants en 0 proviennent de la formule de Taylor-Young.
2 3 n
x
exp x = 1 + 1! + x2! + x3! + · · · + xn! + x n ε(x)
 9

2 4 2n
ch x = 1 + x2! + x4! + · · · + (2xn)! + x2n+1 ε(x)
3 5 2 n+1
x
sh x = 1! + x3! + x5! + · · · + (2xn+1)! + x2n+2 ε(x)
2 4 2n
cos x = 1 − x2! + x4! − · · · + (−1)n (2xn)! + x2n+1 ε(x)
3 5 2 n+1
x
sin x = 1! − x3! + x5! − · · · + (−1)n (2xn+1)! + x2n+2 ε(x)

2 3 n
ln(1 + x) = x − x2 + x3 − · · · + (−1)n−1 xn + x n ε(x)

(1 + x)α = 1 + α x + α(α2!−1) x2 + · · · + α(α−1)...n(!α−n+1) x n + x n ε(x)

1
= 1 − x + x2 − x3 + · · · + (−1)n x n + x n ε(x)
1+ x
1
= 1 + x + x2 + · · · + x n + x n ε(x)
1− x
p (2 n−3) n
1 + x = 1 + 2x − 18 x2 + · · · + (−1)n−1 1·1·3·25···
n n! x + x n ε(x)

Ils sont tous à apprendre par cœur. C’est facile avec les remarques suivantes :
– Le DL de ch x est la partie paire du DL de exp x. C’est-à-dire que l’on ne retient que les
monômes de degré pair. Alors que le DL de sh x est la partie impaire.
– Le DL de cos x est la partie paire du DL de exp x en alternant le signe +/− du monôme. Pour
sin x c’est la partie impaire de exp x en alternant aussi les signes.
– On notera que la précision du DL de sin x est meilleure que l’application naïve de la formule
de Taylor le prévoit (x2n+2 ε(x) au lieu de x2n+1 ε(x)) ; c’est parce que le DL est en fait à l’ordre
2n + 2, avec un terme polynomial en x2n+2 nul (donc absent). Le même phénomène est vrai
pour tous les DL pairs ou impairs (dont sh x, cos x, ch x).
– Pour ln(1 + x) n’oubliez pas qu’il n’y a pas de terme constant, pas de factorielle aux dénomi-
nateurs, et que les signes alternent.
– Il faut aussi savoir écrire le DL à l’aide des sommes formelles (et ici des «petits o») :
n xk n xk
+ o(x n ) (−1)k−1 + o(x n )
X X
exp x = et ln(1 + x) =
k=1 k! k=1 k

– La DL de (1+ x)α est valide pour tout α ∈ R. Pour α = −1 on retombe sur le DL de (1+ x)−1 = 1+1 x .
Mais on retient souvent le DL de 1−1 x qui est très facile. Il se retrouve aussi avec la somme
n+1 n+1
x x
d’une suite géométrique : 1 + x + x2 + · · · + x n = 1−1− 1 1 n
x = 1− x − 1− x = 1− x + x ε(x).
1 1 p x 1
– Pour α = 2 on retrouve (1 + x) 2 = 1 + x = 1 + 2 − 8 x2 + · · · . Dont il faut connaître les trois
premiers termes.

2.4. DL des fonctions en un point quelconque

La fonction f admet un DL au voisinage d’un point a si et seulement si la fonction x 7→ f (x + a)
admet un DL au voisinage de 0. Souvent on ramène donc le problème en 0 en faisant le changement
de variables h = x − a.
Exemple 4

1. DL de f (x) = exp x en 1.
On pose h = x − 1. Si x est proche de 1 alors h est proche de 0. Nous allons nous ramener
 10

à un DL de exp h en h = 0. On note e = exp 1.

h2 hn
µ ¶
n
exp x = exp(1 + (x − 1)) = exp(1) exp(x − 1) = e exp h = e 1 + h + +···+ + h ε(h)
2! n!
(x − 1)2 (x − 1)n
µ ¶
= e 1 + (x − 1) + +···+ + (x − 1)n ε(x − 1) , lim ε(x − 1) = 0.
2! n! x→1

2. DL de g(x) = sin x en π/2.

Sachant sin x = sin( π2 + x − π2 ) = cos(x − π2 ) on se ramène au DL de cos h quand h = x − π2 → 0.
( x− π2 )2 ( x− π2 )2n
On a donc sin x = 1 − 2! +· · ·+ (−1)n (2 n)! + (x − π2 )2n+1 ε(x − π2 ), où lim x→π/2 ε(x − π2 ) = 0.
3. DL de `(x) = ln(1 + 3x) en 1 à l’ordre 3.
Il faut se ramener à un DL du type ln(1 + h) en h = 0. On pose h = x − 1 (et donc x = 1 + h).
On a `(x) = ln(1 + 3x) = ln 1 + 3(1 + h) = ln(4 + 3h) = ln 4 · (1 + 34h ) = ln 4 + ln 1 + 34h =
¡ ¢ ¡ ¢ ¡ ¢
¡ ¢2 ¡ ¢3
ln 4 + 34h − 12 34h + 31 34h + h3 ε(h) = ln 4 + 3( x4−1) − 32
9 9
(x − 1)2 + 64 (x − 1)3 + (x − 1)3 ε(x − 1)
où lim x→1 ε(x − 1) = 0.

Mini-exercices

1. Calculer le DL en 0 de x 7→ ch x par la formule de Taylor-Young. Retrouver ce DL en

x −x
utilisant que ch x = e −2e .
p
2. Écrire le DL en 0 à l’ordre 3 de 1 + x. Idem avec p 1 .
3
1+ x
p
3. Écrire le DL en 2 à l’ordre 2 de x.
1
4. Justifier l’expression du DL de 1− x à l’aide de l’unicité des DL de la somme d’une suite
géométrique.

3. Opérations sur les développements limités

3.1. Somme et produit
On suppose que f et g sont deux fonctions qui admettent des DL en 0 à l’ordre n :

f (x) = c 0 + c 1 x + · · · + c n x n + x n ε1 (x) g(x) = d 0 + d 1 x + · · · + d n x n + x n ε2 (x)

Proposition 3

– f + g admet un DL en 0 l’ordre n qui est :

( f + g)(x) = f (x) + g(x) = (c 0 + d 0 ) + (c 1 + d 1 )x + · · · + (c n + d n )x n + x n ε(x).

– f × g admet un DL en 0 l’ordre n qui est : ( f × g)(x) = f (x) × g(x) = T n (x) + x n ε(x) où

T n (x) est le polynôme (c 0 + c 1 x + · · · + c n x n ) × (d 0 + d 1 x + · · · + d n x n ) tronqué à l’ordre n.

Tronquer un polynôme à l’ordre n signifie que l’on conserve seulement les monômes de degré É n.
 11

Exemple 5
p p
Calculer le DL de cos x × 1 + x en 0 à l’ordre 2. On sait cos x = 1 − 21 x2 + x2 ε1 (x) et 1 + x =
1 + 21 x − 81 x2 + x2 ε2 (x). Donc :

p 1 2 1 1 2
µ ¶ µ ¶
2 2
cos x × 1 + x = 1 − x + x ε1 (x) × 1 + x − x + x ε2 (x) on développe
2 2 8
1 1
= 1 + x − x2 + x2 ε2 (x)
2 µ8
1 2 1 1
¶
− x 1 + x − x2 + x2 ε2 (x)
2 2 8
1 1
µ ¶
+ x2 ε1 (x) 1 + x − x2 + x2 ε2 (x)
2 8
1 1 2
= 1 + x − x + x2 ε2 (x) on développe encore
2 8
1 1 1 4 1 4
− x2 − x3 + x − x ε2 (x)
2 4 16 2
1 3 1
+ x ε1 (x) + x ε1 (x) − x4 ε1 (x) + x4 ε1 (x)ε2 (x)
2
2 ¶ 8
1 1 2 1 2
µ
= 1+ x+ − x − x on a regroupé les termes de degré 0 et 1, 2
2 8 2
| {z }
partie tronquée à l’ordre 2
1 1 4 1 4 1 1
+ x2 ε2 (x) − x3 + x − x ε2 (x) + x2 ε1 (x) + x3 ε1 (x) − x4 ε1 (x) + x4 ε1 (x)ε2 (x) et ici les aut
| 4 16 2 {z 2 8 }
reste de la forme x2 ε( x)
1 5
= 1 + x − x2 + x2 ε(x)
2 8

On a en fait écrit beaucoup de choses superflues, qui à la fin sont dans le reste et n’avaient
pas besoin d’être explicitées ! Avec l’habitude les calculs se font très vite car on n’écrit plus
les termes inutiles. Voici le même calcul avec la notation «petit o» : dès qu’apparaît un terme
x2 ε1 (x) ou un terme x3 ,... on écrit juste o(x2 ) (ou si l’on préfère x2 ε(x)).
p 1 2 1 1 2
µ ¶ µ ¶
2 2
cos x × 1 + x = 1 − x + o(x ) × 1 + x − x + o(x ) on développe
2 2 8
1 1
= 1 + x − x2 + o(x2 )
2 8
1 2
− x + o(x2 )
2
+ o(x2 )
1 5
= 1 + x − x2 + o(x2 )
2 8

La notation «petit o» évite de devoir donner un nom à chaque fonction, en ne gardant que sa
propriété principale, qui est de décroître vers 0 au moins à une certaine vitesse. Comme on le
voit dans cet exemple, o(x2 ) absorbe les éléments de même ordre de grandeur ou plus petits
que lui : o(x2 ) − 14 x3 + 21 x2 o(x2 ) = o(x2 ). Mais il faut bien comprendre que les différents o(x2 )
écrits ne correspondent pas à la même fonction, ce qui justifie que cette égalité ne soit pas
fausse !
 12

3.2. Composition
On écrit encore :

f (x) = C(x)+ x n ε1 (x) = c 0 + c 1 x+· · ·+ c n x n + x n ε1 (x) g(x) = D(x)+ x n ε2 (x) = d 0 + d 1 x+· · ·+ d n x n + x n ε2 (x)

Proposition 4

Si g(0) = 0 (c’est-à-dire d 0 = 0) alors la fonction f ◦ g admet un DL en 0 à l’ordre n dont la

partie polynomiale est le polynôme tronqué à l’ordre n de la composition C(D(x)).

Exemple 6
¡ ¢
Calcul du DL de h(x) = sin ln(1 + x) en 0 à l’ordre 3.
– On pose ici f (u) = sin u et g(x) = ln(1 + x) (pour plus de clarté il est préférable de donner
des noms différents aux variables de deux fonctions, ici x et u). On a bien f ◦ g(x) =
¡ ¢
sin ln(1 + x) et g(0) = 0.
3
– On écrit le DL à l’ordre 3 de f (u) = sin u = u − u3! + u3 ε1 (u) pour u proche de 0.
2 3
– Et on pose u = g(x) = ln(1 + x) = x − x2 + x3 + x3 ε2 (x) pour x proche de 0.
– On aura besoin de calculer un DL à l’ordre 3 de u2 (qui est bien sûr le produit u × u) :
2 3 ¢2
u2 = x − x2 + x3 + x3 ε2 (x) = x2 − x3 + x3 ε3 (x) et aussi u3 qui est u × u2 , u3 = x3 + x3 ε4 (x).
¡
3
– Donc h(x) = f ◦ g(x) = f (u) = u − u3! + u3 ε1 (u) = x − 12 x2 + 31 x3 − 16 x3 + x3 ε(x) = x − 21 x2 +
¡ ¢
1 3 3
6 x + x ε(x).

Exemple 7
p
Soit h(x) = cos x. On cherche le DL de h en 0 à l’ordre 4.
p
On utilise cette fois la notation «petit o». On connaît le DL de f (u) = 1 + u en u = 0 à l’ordre
p
2 : f (u) = 1 + u = 1 + 12 u − 81 u2 + o(u2 ).
¡ ¢
Et si on pose u(x) = cos x − 1 alors on a h(x) = f u(x) et u(0) = 0. D’autre part le DL de u(x) en
x = 0 à l’ordre 4 est : u = − 12 x2 + 24
1 4
x + o(x4 ). On trouve alors u2 = 14 x4 + o(x4 ).
Et ainsi
1 1
h(x) = f u = 1 + u − u2 + o(u2 )
¡ ¢
2 8
1 ¡ 1 2 1 4¢ 1 ¡ 1 4¢
= 1+ − x + x − x + o(x4 )
2 2 24 8 4
1 1 4 1 4
= 1 − x2 + x − x + o(x4 )
4 48 32
1 1 4
= 1 − x2 − x + o(x4 )
4 96

3.3. Division
Voici comment calculer le DL d’un quotient f /g. Soient

f (x) = c 0 + c 1 x + · · · + c n x n + x n ε1 (x) g(x) = d 0 + d 1 x + · · · + d n x n + x n ε2 (x)

1
Nous allons utiliser le DL de 1+ u = 1 − u + u2 − u3 + · · · .
 13

1. Si d 0 = 1 on pose u = d 1 x + · · · + d n x n + x n ε2 (x) et le quotient s’écrit f /g = f × 1+1 u .

2. Si d 0 est quelconque avec d 0 6= 0 alors on se ramène au cas précédent en écrivant

1 1 1
= .
g(x) d 0 1 + x + · · · + d n x n + xn ε2 ( x)
d 1
d0 d0 d0

3. Si d 0 = 0 alors on factorise par x k (pour un certain k) afin de se ramener aux cas précédents.

Exemple 8

1. DL de tan x en 0 à l’ordre 5.
3 5 2 4
x
Tout d’abord sin x = x − x6 + 120 x
+ x5 ε(x). D’autre part cos x = 1 − x2 + 24 + x5 ε(x) = 1 + u en
2 4
x
posant u = − x2 + 24 + x5 ε(x).
2
x4 x4
¢2
Nous aurons besoin de u2 et u3 : u2 = − x2 + 24 + x5 ε(x) = + x5 ε(x) et en fait u3 =
¡
4
x5 ε(x). (On note abusivement ε(x) pour différents restes.)
Ainsi

1 1 x2 x4 x4 x2 5 4
= = 1 − u + u2 − u3 + u3 ε(u) = 1 + − + + x5 ε(x) = 1 + + x + x5 ε(x) ;
cos x 1 + u 2 24 4 2 24
Finalement

1 ¡ x3 x5 ¢ ¡ x2 5 x3 2
+ x5 ε(x) × 1+ + x4 + x5 ε(x) = x+ + x5 + x5 ε(x).
¢
tan x = sin x× = x− +
cos x 6 120 2 24 3 15
1+ x
2. DL de 2+ x en 0 à l’ordre 4.

1+ x 1 1 1 x ³ x ´2 ³ x ´3 ³ x ´4 1 x x2 x3 x4
µ ¶
4
= (1+ x) x = (1+ x) 1 − + − + + o(x ) = + − + − + o(x4 )
2+ x 2 1+ 2 2 2 2 2 2 2 4 8 16 32

sin x
3. Si l’on souhaite calculer le DL de sh x en 0 à l’ordre 4 alors on écrit
3 5 2 4
x − x3! + x5! + o(x5 ) x 1 − x3! + x5! + o(x4 )
¡ ¢
sin x
= 3 5
= ¡ 2 4
sh x x + x3! + x5! + o(x5 ) x 1 + x3! + x5! + o(x4 )
¢

x2 x4 1 x2 x4
+ o(x4 ) × + o(x4 )
¡ ¢
= 1− + 2 4
= ··· = 1− +
3! 5! 1 + x3! + x5! + o(x4 ) 2 18

Autre méthode. Soit f (x) = C(x) + x n ε1 (x) et g(x) = D(x) + x n ε2 (x). Alors on écrit la division suivant
les puissances croissantes de C par D à l’ordre n : C = DQ + x n+1 R avec degQ É n. Alors Q est la
partie polynomiale du DL en 0 à l’ordre n de f /g.

Exemple 9
3
DL de 2+1x++x22x à l’ordre 2. On pose C(x) = 2 + x + 2x3 et g(x) = D(x) = 1 + x2 alors C(x) =
D(x) × (2 + x − 2x2 ) + x3 (1 + 2x). On a donc Q(x) = 2 + x − 2x2 , R(x) = 1 + 2x. Et donc lorsque l’on
f ( x)
divise cette égalité par C(x) on obtient g( x) = 2 + x − 2x2 + x2 ε(x).

3.4. Intégration
Soit f : I → R une fonction de classe C n dont le DL en a ∈ I à l’ordre n est f (x) = c 0 + c 1 (x − a) +
c 2 (x − a)2 + · · · + c n (x − a)n + (x − a)n ε(x).
 14

Théorème 4

Notons F une primitive de f . Alors F admet un DL en a à l’ordre n + 1 qui s’écrit :

(x − a)2 (x − a)3 (x − a)n+1

F(x) = F(a) + c 0 (x − a) + c 1 + c2 + · · · + cn + (x − a)n+1 η(x)
2 3 n+1
où lim η(x) = 0.
x→ a

Cela signifie que l’on intègre la partie polynomiale terme à terme pour obtenir le DL de F(x) à la
constante F(a) près.
Démonstration
Rx Rx
On a F ( x) − F (a) = a f ( t) dt = a 0 ( x − a) + · · · + na+n1 ( x − a)n+1 + a ( t − a)n+1 ε( t) dt. Notons η( x) =
1 x
( t − a)n ε( t) dt.
R
( x−a)n+1 a ¯ ¯
Rx Rx
Alors |η( x)| É ¯ ( x−a1)n+1 a |( t − a)n | · sup t∈[a,x] |ε( t)| dt¯ = | ( x−a1)n+1 | · sup t∈[a,x] |ε( t)| · a |( t − a)n | dt =
¯ ¯
1
n+1sup t∈[a,x] |ε( t)|.
Mais sup t∈[a,x] |ε( t)| → 0 lorsque x → a. Donc η( x) → 0 quand x → a.

Exemple 10

Calcul du DL de arctan x.
On sait que arctan0 x = 1+1x2 . En posant f (x) = 1
1+ x 2
et F(x) = arctan x, on écrit

1 n
arctan0 x = (−1)k x2k + x2n ε(x).
X
=
1 + x2 k=0

(−1)k 2 k+1 3 5 7
+ x2n+1 ε(x) = x − x3 + x5 − x7 + · · ·
Pn
Et comme arctan(0) = 0 alors arctan x = k=0 2 k+1
x

Exemple 11

La méthode est la même pour obtenir un DL de arcsin x en 0 à l’ordre 5.

1 − 1 (− 1 −1)
arcsin0 x = (1 − x2 )− 2 = 1 − 12 (− x2 ) + 2 22 (− x2 )2 + x4 ε(x) = 1 + 21 x2 + 38 x4 + x4 ε(x).
Donc arcsin x = x + 61 x3 + 403 5
x + x5 ε(x).

Mini-exercices

1. Calculer le DL en 0 à l’ordre 3 de exp(x) − 1+1 x , puis de x cos(2x) et cos(x) × sin(2x).

p ¡p ¢
2. Calculer le DL en 0 à l’ordre 2 de 1 + 2 cos x, puis de exp 1 + 2 cos x .
¢2
3. Calculer le DL en 0 à l’ordre 3 de ln(1 + sin x). Idem à l’ordre 6 pour ln(1 + x2 ) .
¡

ln(1+ x3 ) ex
4. Calculer le DL en 0 à l’ordre n de x3
. Idem à l’ordre 3 avec 1+ x .
5. Par intégration retrouver la formule du DL de ln(1 + x). Idem à l’ordre 3 pour arccos x.

4. Applications des développements limités

Voici les applications les plus remarquables des développements limités. On utilisera aussi les DL
lors de l’étude locale des courbes paramétrées lorsqu’il y a des points singuliers.
CORRIGE 7 La première intégrale est facile à calculer. Ensuite, il faut linéariser sin6 x. Tout compte fait :

15π − 44
I= ·
1152
2π
CORRIGE 8
ω
CORRIGE 20 • La fonction f est définie sur R qui est symétrique par rapport à 0.
∀x ∈ R, f(−x) = |−x − 3| + |−x + 3| − (−x)2 .
Or la fonction valeur absolue est paire donc :
∀x ∈ R, f(−x) = |x + 3| + |x − 3| − x2 = f(x).
La fonction f est donc paire.
• ∀x ∈ R, |x| 6 x, donc :
∀x ∈ R, f(x) 6 x + 3 + x − 3 − x2 .
Soit :
∀x ∈ R, f(x) 6 2x − x2 .
Or, la fonction trinôme x 7→ 2x−x2 est majorée par 1 sur R (l’extremum de la fonction trinôme x 7→ ax2 +bx+c
b
étant atteint pour x = − ).
2a
En conclusion, nous obtenons :
∀x ∈ R, f(x) 6 1.
La fonction f est donc majorée par 1 sur R.
•
∀x > 3, f(x) = 2x − x2 .
Par conséquent : lim = −∞.
x→+∞
f n’est donc pas minorée.

x2 + 4
CORRIGE 34 • f(x) = √
x + 2 + x2 + 4
Ensemble √ de définition
√ :
∀x ∈ R, x2 + 4√> x2 >| x | . Donc :
∀x ∈ R, x + 2 + x2 + 4 > x + 2+ | x |> 2 > 0.
f est donc définie sur R. f est√dérivable sur R, et :
(x2 + 4x − 4) x2 + 4 + x3 + 4x
∀x ∈ R, f ′ (x) = √ √ ·
(x + 2 + x2 + 4)2 x2 + 4
f’(x) est du signe du numérateur
√ de cette fraction. √
f ′ (x) > 0 ⇔ (x2 + 4x − 4) x2 + 4 > −x(x2 + 4) ⇔ (x2 + 4x − 4) > −x x2 + 4.(1)
√ √
x −∞ −2 − 8 0 −2 + 8 +∞

x2 + 4x − 4 + 0 − − 0 +

√
−x x2 + 4 + + 0 − −

signe de f ′ (x) ? − ? +
√
Sur ] − ∞; −2 − 8] :
1
f ′ (x) > 0 ⇔ (x2 + 4x − 4)2 > x2 (x2 + 4) ⇔ x3 + x2 − 4x + 2 > 0.
2
Définissons la fonction φ par :

1
∀x ∈ R, φ(x) = x3 + x2 − 4x + 2.
2

157
Ses variations sont résumées dans le tableau suivant :
−4
x −∞ 1 +∞
3

φ ′ (x) + 0 − 0 +

M>0 +∞
φ(x)
−∞ m<0
√ −4
 
φ est strictement croissante sur ] − ∞; −2 − 8] ⊂ −∞; .
√ √ 3
De plus : φ(−2 − 8) = −88 − 14 8 < 0
f’(x) est donc strictement négative sur cet intervalle.
√
Il reste à étudier l’inéquation (1) sur [0, −2 + 8].
p
(1) ⇔ 0 6 −(x2 + 4x − 4) 6 x x2 + 4 ⇔ (x2 + 4x − 4)2 6 x2 (x2 + 4) ⇔ φ(x) 6 0.
Or : √
• [0, −2 + 8] ⊂ [0; 1]
• φ(0) =√2 > 0 √
•φ(−2 + 8) < 0. Le théorème de la bijection permet d’affirme que φ s’annule une unique fois sur [0, −2 + 8]
en un réel α ≃ 0, 5983. r
3 343 1 −289 4π 1
 
(Pour les puristes, α = 2 cos( arccos + ) + ).
216 3 343 3 6 √
f’ est donc strictement négative sur [0; α[ et strictement positive sur ]α; −2 + 8].
Conclusion : f est strictement décroissante sur ] − ∞; α] et strictement croissante sur [α; +∞[.
4

1 b
D

−3 −2 −1 1 2 3 4 5

−1

−2

Limite en +∞. √ √ 2 √ √
x + 2 > 2xet x2 + 4 > x > x .Donc : ∀x > 0, x2 + 4 < x2 + 4x + 4 6 x + 2 soit : ∀x > 0, 0 <
∀x > 2, √
x + 2 + x2 + 4 < 2(x + 2) et donc par passage à l’inverse :
x2 + 4
∀x > 0, f(x) > ·
2(x + 2)
Par comparaison : f tend vers +∞ quand x tend vers +∞.
Limite en −∞ :

• g(x) = sup(−x3 + x2 + 5x, 2x3 + x)

4
−x3 + x2 + 5x > 2x3 + x ⇔ x(x + 1)(x − ) 6 0
3
Conclusion :

158
 
4
 

−x3 + x2 + 5x si x ∈] − ∞; −1] ∪ 0;
g(x) = 3

2x 3 + x sinon

−4 −2 2 4

−2

−4

Ensuite l’étude est simple. La fonction n’est pas dérivable aux points de raccordement.
1 + cos 2x
r
•h(x) =
1 + cos x
1 + cos 2x
h est définie pour tout x tel que > 0 : elle est donc définie sur R − π(2Z + 1).
1 + cos x
De plus elle est 2π-périodique et paire : il est donc suffisant de l’étudier sur un intervalle de longueur π.
Etudions donc h sur [0, π[.
1 + cos 2x
Posons : ∀x ∈ [0, π[, u(x) = ·
1 + cos x
u est dérivable sur [0, π[ et :
−2 sin 2x(1 + cos x) − (1 + cos 2x)(− sin x) −2 sin x cos x(2 + cos x)
∀x ∈ [0, π[, u ′ (x) = 2
=
(1 + cos x) (1 + cos x)2
Nous obtenons le tableau suivant :
π
x 0 π
2

u ′ (x) 0 − 0 +

1 +∞
u(x)
0
√
On termine en remarquant que u et u ont les mêmes variations.
π
Les limites sont faciles à déterminer. Dérivabilité de h en :
2
π

π  f(x) − f( ) r
2 | cos x |
∀x ∈ [0, π[− , 2 = .
2 π 1 + cos x x − π
x−
2 2
| cos x | cos x ′ π
lim− = lim − = (cos )( ) = −1.
π x− π π x− π 2
x→
2 2 x→
2 2

159
 | cos x | − cos x π
lim+ = lim − = (− cos ′ )( ) = 1.
π x− π π x− π 2
x→
2 2 x→
2 2
π
La fonction h n’est donc pas dérivable en · car les deux limites trouvées ci-dessus ne sont pas égales. Par
2
π
contre, nous venons de démontrer que h est dérivable à droite et à gauche de , et plus précisément :
π π 2
hd′ = 1 et hg′ = −1.
2 2  π
La courbe représentative de h possède donc un point anguleux de coordonnées 0;
6 2

−4 −2 2 4 6 8 10

x
• φ(x) = tan + sin x.
2
φ est définie sur R − π(2Z + 1) , 2π -périodique (il suffit donc de l’étudier sur un intervalle
de longueur 2π) et impaire : il est donc suffisant de l’étudier sur un intervalle de longueur π.
Etudions donc φ sur [0, π[.
x π π
∀x ∈ [0, π], ∈ [0, ] : la fonction tangente est strictement croissante sur [0, ].
2 2 2
De même la fonction sinus est strictement croissante sur [0, π]. La fonction φ est donc strictement croissante
sur [0, π].
lim φ(x) = +∞ : La droite d’équation y = π est asymptote verticale à C.
x→π
6

−4 −3 −2 −1 1 2 3 4 5 6 7
−1

−2

−3

1 1 1
    
x x
CORRIGE 162 1. ∀(x; y; z) ∈ R3 , f < y >= 1 1 1 y
z 1 1 1 z

160
 Soit :    
x x+y+z
f < y >= x + y + z .
z x+y+z

0  x+y+z = 0
     
x x
2. y ∈ Ker f ⇔ f < y >= 0 ⇔ x+y+z = 0

z z 0 x+y+z = 0
Le noyau
 de fest  donc le plan vectoriel d’équation x + y + z = 0 dont une base est, par exemple,
1 1
< e~1  0  ; e~2 −1 > .
−1 0
3. L’image de f est un sous-espace vectoriel de R3 de dimension 1 d’après le théorème du rang :

dim Im f + dim Ker f = dim R3 .

De plus
1
  
x
f < y >= (x + y + z) 1 .
z 1

1


L’image de f est donc la droite vectorielle engendrée par e~3 1 .

1
 
  
 a=x+y+z 
 a=0
a  
b = x + y + z b=0
4. b ∈ Im f ∩ Ker f ⇔ ∃(x; y; z) ∈ R3 , ⇔ .

 c = x + y + z 
 c=0
c  
x+y+z =0 x+y+z=0
Conclusion :
Im f ∩ Ker f = {0R3 }.
5. Première méthode Prendre un vecteur quelconque de R3 et exprimer ses coordonnées en fonction de
e~1 , e~2 et e~3 .
Deuxième méthode Les vecteurs e~1 , e~2 et e~3 forment une base de R3 ( Pour ce faire, il suffit de
montrer qu’il s’agit d’une famille libre de 3 vecteurs de R3 qui est un espace vectoriel de dimension 3).
Par conséquent :
∀u(a, b, c) ∈ R3 , ∃!(x; y; z) ∈ R3 , u = x~
e + ye~ + ze~3 .
| 1 {z }2 |{z}
∈Ker f ∈Im f

Ceci montre que la décomposition existe et qu’elle est unique.

Remarque : On dit alors que Im f et Ker f sont en somme directe. On écrit alors :

ker f = R3 .
M
Im f
 
x + 2y = αx (−α2 + α + 2)y = 0
CORRIGE 163 1. f((x, y)) = α(x, y) ⇔ ⇔
x = αy x = αy
2
Si −α + α + 2 6= 0 alors y = 0 et donc x = 0 : le système ne possède qu’une seule solution : (0; 0).
Il faut donc que −α2 + α + 2 = 0 c’est-à-dire α = −1 ou α = 2. Dans ce cas le système n’est pas de
Cramer et possède une infinité de solutions, ce que nous recherchons.
2. Les solutions dans ce cas sont :
E1 = {(−y; y), y ∈ R}
et :
E2 = {(2y; y), y ∈ R}

  a = 1 (−x + 2y)

x = −a + 2b 3
3. (x, y) = a~
e1 + be~2 ⇔ ⇔ 1
y = a+b 
 b = (x + y)
3
Les vecteurs e~1 et e~2 ne sont pas colinéaires et forment donc une famille libre de deux vecteurs
de R2 qui est un espace vectoriel de dimension 2. Ils en forment donc une base.

161
 1 0
     
x y
CORRIGE 170 Soit A = En prenant X = on obtient x = 0 En prenant X = on obtient
z t 0 1
t = 0.
0
   
a y
En prenant X = on obtient (a + b)(y + z) = 0. a et b étant quelconques, on obtient A =
b −y 0

CORRIGE 177 Partie A

1. En remplaçant P(x) par son expression en fonction de x nous obtenons successivement :
∀x ∈ R, xP ′ (x) − 2P(x) = 0 ⇔ ∀x ∈ R, x(2ax + b) − 2(ax2 + bx + c) = 0,
puis :
∀x ∈ R, xP ′ (x) − 2P(x) = 0 ⇔ ∀x ∈ R, −bx − 2c = 0.
Or une fonction affine h : x 7→ ax + b est nulle ( i.e : ∀x ∈ R, h(x) = 0) si et seulement si les réels a et
b sont nuls.
Ceci permet donc d’obtenir finalement l’équivalence suivante :

∀x ∈ R, xP ′ (x) − 2P(x) = 0 ⇔ b = c = 0.

Conclusion : le triplet (a, b, c) doit être choisi dans R × {0} × {0}.

2. • g est le quotient de la fonction f dérivable sur ]0; +∞[ et de la fonction x 7→ x2 qui est dérivable sur
]0; +∞[ sans s’y annuler.
Par conséquent, g est dérivable sur ]0; +∞[, et :

xf ′ (x) − 2xf(x)
∀x ∈]0; +∞[, g ′ (x) =
x4
soit :
f ′ (x) − 2f(x)
∀x ∈]0; +∞[, g ′ (x) = ·
x3
• f vérifie la relation (1) ⇔ ∀x ∈]0; +∞[, xf ′ (x) − 2f(x) = ln x
Or : ∀x ∈]0; +∞[, x 6= 0, donc :
xf ′ (x) − 2f(x) ln x
f vérifie la relation (1) ⇔ ∀x ∈]0; +∞[, 3
= 3 ·
x x
CORRIGE 183 Partie A
1. π
1 1 − e−πx

I(x) = − e−tx = ·
x 0 x
2. (a) g ′ (x) = π(eπx − 1)
g est donc décroissante sur ] − ∞; 0] et croissante sur [0; +∞[.
Or g(0) = 0 donc : ∀x > 0, g(x) > 0.
(b) D’après la question 1. la fonction I est dérivable sur ]0; +∞[ et :

xπe−πx − 1 + e−πx −πx xπ − e

πx
+1 e−πx
∀x > 0, I ′ (x) = = e = −g(x) ·
x2 x2 x2
Par conséquent :
∀x > 0, I ′ (x) < 0.
La fonction I est donc strictement sur ]0; +∞[.

162
Index
ea définie comme limite d’une somme, 67 Subdivision, 47, 48
Suite, 127
fonction impaire, 19 Surjection-Surjective, 17, 21, 22, 123, 136, 153
fonction paire, 19 Sylvester( théorème de ), 152
Théorème de Cayley-Hamilton, 106
Théorème de Moivre-Laplace, 88
Accroissements finis, 33–35, 43 Théorème de Rolle, 33
axe de symétrie d’une courbe, 19 Théorème du rang, 136

Base d’un espace vectoriel, 133 Voisinage d’un point, 22

Bienaymé-Tchébychef, 80
Bijection-Bijective, 15, 17, 18, 21, 22, 77, 93, 97, 109,
112, 113, 116, 123, 136, 144, 145
Binôme de Newton, 9
Borne inférieure, 20
Borne supérieure, 20
Branches infinies, 41

Changement de base pour la courbe d’une fonction,

19
Cycle, 116

Décomposition de Dunford, 155

Demi-tangente, 32, 35, 36

Elément régulier, 108, 109

Equation bicarrée, 153

Fonction périodique, 19
Fonctions convexes, 125
Formule de Moivre, 11
Formule de Stirling, 62

Groupe de Klein, 111

Inégalité de Markov, 80
Injection-Injective, 16, 17, 21, 22, 123, 136, 140, 144,
145, 153
Intégrale de Gauss, 62
Intégrale de Wallis, 62
Involution, 17
Irrationnalité de π, 154

Linéarité de l’intégrale, 59
Loi de composition interne, 105, 107–109, 113, 116

Méthode des rectangles, 62

Matrices de rotation, 106
Morphisme, 44, 109, 112

Noyau, 112
Noyau de Dirichlet, 64

Partie majorée, 20
Partie minorée, 20
Prolongement d’une fonction, 16

Rotation, 19, 21, 112–115, 117

163