Cours 1ère S2

Cours de mathématiques en 1ère S (2018 − 2019)
Kevin Tanguy
5 juin 2019
2
Table des matières
1 Second degré 7
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Rappels et pré-requis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Résolution d’équations du second degré . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Signe d’un polynôme du second degré . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Représentation graphique d’un polynôme du second degré . . . . . . . . . . . . . . . 13
1.7 Bilan du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Challenges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.8.1 Méthode de Cardan (publiée dans l’Ars Magna en 1545) . . . . . . . . . . . . 17
1.8.2 Méthode de Ferrari (1522-1565) . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.8.3 Quelques dernières remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Vecteurs 19
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Rappels : généralité sur les vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Colinéarité entre deux vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Définition et conséquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.2 Critère de colinéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Décomposition d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.1 Différents repères du plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.2 Décomposition d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.3 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Pour en savoir plus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.1 Quelques remarques sur la géométrie non euclidienne . . . . . . . . . . . . . . 24
2.6.2 Curiosité en grande dimension . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6.3 Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3 Suites numériques 29
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1 Formule explicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.2 Formulation par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3 Suites usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3
4 TABLE DES MATIÈRES
3.3.1 Suites arithmétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.3.2 Suites géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Expression des sommes partielles . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.5 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5.1 Nombre d’or, suite de Fibonnaci, pavage de Penrose . . . . . . . . . . . . . . 35
3.5.2 Conjecture de Syracuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4 Equation cartésienne d’une droite et vecteur directeur 39

4.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Equation cartésienne d’une droite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Vecteur directeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5 Nombre dérivé, fonction dérivée 43

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Domaine de définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3 Dérivabilité et variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.5 Pour aller plus loin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.5.1 Modèle dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.5.2 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6 Statistiques 51
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.3 Description par quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.4 Description par moyennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.5 Comparaison de séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.6 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7 Trigonométrie et angles orientés 57

7.1 Cercle trigonométrique et mesure d’angle . . . . . . . . . . . . . . . . . . . . . . . . 57
7.2 Anglé orienté d’un couple de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.2.1 Mesure principale d’un angle orienté de vecteurs . . . . . . . . . . . . . . . . 58
7.2.2 Propriétés des angles orientés . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.3 Fonction cosinus et sinus d’un angle orienté . . . . . . . . . . . . . . . . . . . . . . . 59
7.3.1 Propriétés des fonctions trigonométriques . . . . . . . . . . . . . . . . . . . . 62
7.4 Equations trigonométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8 Dérivée et variations d’une fonction et sens de variations 65
9 Variable aléatoire, loi de probabilité, espérance 67

9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.2 Loi d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
9.2.1 Variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
9.2.2 Loi de probabilité d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . 68
TABLE DES MATIÈRES 5
9.3 Paramètres associés à une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . 69

9.3.1 Espérance, variance et écart-type . . . . . . . . . . . . . . . . . . . . . . . . . 69
9.3.2 Formules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
9.4 Urne d’Ehrenfest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
10 Produit scalaire, applications géométrique 73

10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
10.2 Définition et expressions d’un produit scalaire . . . . . . . . . . . . . . . . . . . . . . 73
10.2.1 Norme d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
10.2.2 Définition d’un produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3 Expression du produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3.1 A l’aide des coordonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3.2 A l’aide de la norme et d’un angle orienté . . . . . . . . . . . . . . . . . . . . 75
10.4 Règles de calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.5 Produit scalaire et orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
10.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.6.1 Théorème d’Al-Kashi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.6.2 Théorème de la médiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
11 Monotonie d’une suite et limite 79

11.1 Sens de variation d’un suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
11.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
11.1.2 Etude du sens de variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
11.2 Notion de limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
12 Loi Binomiale 85
12.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
12.1.1 Epreuve de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
12.1.2 Schéma de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
12.2 Loi Binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
12.2.1 Variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
12.2.2 Espérance, variance et écart-type d’une loi binomiale . . . . . . . . . . . . . . 87
12.2.3 Nombres factoriels et coefficient binomiaux . . . . . . . . . . . . . . . . . . . 88
13 Equation cartésienne de droites et de cercles 89

13.1 Droite et produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
13.1.1 Vecteur normal à une droite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
13.1.2 Vecteur normal et équation de droite . . . . . . . . . . . . . . . . . . . . . . . 89
13.2 Cercle et produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
13.2.1 Equation d’un cercle défini par son centre et son rayon . . . . . . . . . . . . . 90
13.2.2 Equation d’un cercle défini par son diamètre . . . . . . . . . . . . . . . . . . 90
14 Echantillonage 91
14.1 Echantillon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
14.2 Estimation et intervalle de fluctuation . . . . . . . . . . . . . . . . . . . . . . . . . . 92
14.3 Test statistiques et loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6 TABLE DES MATIÈRES
Chapitre 1
Second degré
1.1 Introduction
Définition 1.1.1. Une fonction polynomiale de degré deux (ou trinôme du second degré) est une
fonction de la forme
f : x 7→ ax2 + bx + c
avec a 6= 0 et (b, c) ∈ R2 .
Remarque. Le domaine de définition de f est l’ensemble des réels R.

Dans ce chapitre nous allons chercher à résoudre des équations, dites du second degré, associées
à ce type de fonction. C’est à dire, nous allons résoudre des équations de la forme :
ax2 + bx + c = 0 avec a 6= 0 et (b, c) ∈ R2

Nous ferons également le lien entre les solutions de l’équation précédente avec la représen-
tation graphique de la fonction f définie plus haut. Ce genre de considération remonte à
l’époque des Babyloniens (8ième siècle avant J.C.) et la résolution des équations du second degré a
été débutée par Al-Khwarizmi (dont le nom latinisé fournira le mot « algorithmie ») au 9ième siècle.
Ce genre de fonctions et d’équations apparaissent naturellement dans certains problèmes. Par

exemple :
• si nous souhaitions décrire le mouvement effectué par un cycliste (ou skieur, skateboarder,
etc) après avoir pris un tremplin,
• si nous cherchions à modéliser l’évolution du nombre de naissance lors d’un « baby boom »,
• enfin, si nous voulions résoudre le problème d’optimisation suivant : étant donné un triangle
scalène (quelconque) AP B dont le côté AB est de longueur 1, sur lequel nous plaçons un
point M ∈ [A, B] et un point Q ∈ [P B] de tels sorte que les triangles AP M et M QB soient
équilatéraux, comment choisir la position du point M pour maximiser l’aire du triangle
M P Q ou pour minimiser l’aire du quadrilatère AP QM ?
7
8 CHAPITRE 1. SECOND DEGRÉ
1.2 Rappels et pré-requis

Pour entamer ce chapitre, certains pré-requis sont nécessaires. Voici une liste, non-exhaustive,
de ce qu’il faut savoir maitriser :
1. Connaitre ses identités remarquables.
2. Savoir résoudre des équations de la forme suivante

• ax + b = 0 avec a 6= 0 et b ∈ R
• x2 − 9 = 0 ou x2 + 2x + 1 = 0
• (3x − 4)(−2x + 5) = 0 ou encore 2x2 + 3x = 0
• ...
3. De manière similaire, savoir résoudre des inéquations de la forme : x2 > 5, x2 < −2 . . .
1.3 Forme canonique

Ce court préambule étant achevé, nous pouvons entamer le début de chapitre. Nous commençons
par la forme canonique d’un polynôme du second degré. Comme nous allons le voir par la suite,
cette écriture particulière d’un trinôme du second degré permet de résoudre facilement les équations
du second degré (sous certaines conditions) mais aussi de déterminer les extremums d’une fonction
polynomiale de degré deux. Par la suite, nous désignerons constamment (sauf mention explicite du
contraire) par polynôme du second degré, une fonction f de la forme suivante :
f : x 7→ ax2 + bx + c
avec a 6= 0 et (b, c) ∈ R2 .
Proposition 1 (Forme canonique). Tout polynôme du second degré peut s’écrire sous la forme
canonique
2
b ∆
f (x) = a x + − 2 , x∈R
2a 4a
où ∆ = b2 − 4ac est le discriminant du polynôme.
Démonstration. Soit f un polynôme du second degré : i.e. f (x) = ax2 + bx + c avec a 6= 0. Puisque
a est non nul, il est alors possible d’écrire

2 b c
f (x) = a x + x +
a a
En imaginant que les termes x2 + ab x sont le début d’un identité remarquable
b
(x + . . .)2 = x2 + x + . . .
a
1.4. RÉSOLUTION D’ÉQUATIONS DU SECOND DEGRÉ 9
nous obtenons

2 b c
f (x) = a x + x+
a a
2
b b2 c
= a x2 + − 2+
2a 4a a
2 2
2 b b c
= a x + − −
2a 4a2 a
2 2

2 b b − 4ac
= a x + −
2a 4a2
Voici quelques exemples :

Exemple 1.3.1. 1. Si f (x) = x2 + x + 1, nous avons alors
2 2
2 1 1 1 3
f (x) = (x + x) + 1 = x + − +1= x− + .
2 4 2 4
2. Si f (x) = x2 − 2x − 15, nous avons alors

f (x) = (x2 − 2x) − 15 = (x − 1)2 − 1 − 15 = (x − 1)2 − 16
3. Si f (x) = x2 + 2x + 1, alors
f (x) = (x + 1)2 + 0
1.4 Résolution d’équations du second degré

Désignons par (E) l’équation du second degré suivante :
(E) : ax2 + bx + c = 0, avec a 6= 0 et (b, c) ∈ R2

et notons f la fonction associée.
Définition 1.4.1. Les solutions de l’équations (E) sont appelées racines de f .
Remarque. Nous verrons un peu plus tard que celles-ci, lorsqu’elles existent, correspondent géo-
métriquement aux points d’intersections de la courbe Cf (associée au polynôme f ) avec l’axe de
abscisses.
Nous allons voir que la forme canonique introduite précédemment et le signe du discriminant ∆
permettent de savoir s’il existe des racines réelles et d’obtenir une expression de celles-ci.
Proposition 2 (Résolution d’équation d’ordre deux). Avec les notations précédentes, trois cas de
figure se présentent à nous :
1. Si ∆ > 0, l’équation (E) admet deux racines, réelles, distinctes
√ √
−b + ∆ −b − ∆
x1 = , et x2 = .
2a 2a
2. Si ∆ = 0, l’équation admet une racine réelle (dite double)
−b
x0 = .
2a
3. Enfin, si ∆ < 0, l’équation (E) n’admet aucune racine réelle.
Remarque. Lorsque ∆ = 0, cela signifie qu’il était possible d’utiliser une identité remarquable pour
résoudre l’équation (E) et qu’il n’était pas utile de calculer le discriminant. En classe de Terminale
S, vous verrez qu’il est possible de trouver, avec un peu d’imagination, des solutions (dans un
contexte plus large) à l’équation (E) lorsque ∆ < 0.
Démonstration. Soit f un polynôme du second degré, rappelons qu’il est possible d’exprimer f sous
sa forme canonique :
2
b ∆
f (x) = a x + − 2 avec ∆ = b2 − 4ac.
2a 4a
Ainsi, la résolution de l’équation (E) est équivalente à
2
b ∆
x+ − 2 =0
2a 4a
√
1. Supposons, dans un premier temps que ∆ > 0. Alors, ∆ existe et l’équation précédente peut
s’écrire comme suit :
2 √ 2
b ∆
x+ − =0
2a 2a
Il est alors possible d’utiliser l’identité remarquable a2 − b2 = (a + b)(a − b) qui nous fournit
√ √
b ∆ b ∆
x+ + x+ − =0
2a 2a 2a 2a
Ainsi, l’ensemble des solutions de (E) S s’exprime de la manière suivante :
√ √
−b − ∆ −b + ∆
S = x ∈ R, f (x) = 0 = x1 = ou x2 =
2a 2a
2. Supposons à présent que ∆ = 0. En reprenant les calculs précédents, la résolution de l’équation
(E) est équivalente à
2
b
x+ =0
2a
Il est alors aisé de déterminer l’ensemble des solutions S :

−b
S = x ∈ R, f (x) = 0 = x0 =
2a
1.5. SIGNE D’UN POLYNÔME DU SECOND DEGRÉ 11
3. Enfin, si ∆ < 0, l’équation (E) est équivalente à

2 √ 2
b ∆
x+ =
2a 2a
Pour conclure, il suffit d’observer que le membre de droite est strictement négatif (par hy-
pothèse ∆ < 0) tandis que le membre de gauche est positif ou nul (il s’agit d’un carré). En
conséquence, il ne peut pas exister de solutions réelles (si elles existaient, nous aurions une
contradiction).
Exemple 1.4.1. Résolvons les équations suivantes à l’aide, si nécessaire, de la proposition précé-
dénte :
1. x2 − 2x − 15 = 0
2. x2 + x + 1 = 0
3. x2 + 2x + 1 = 0.
Exemple 1.4.2. Proposer un algorithme permettant de résoudre une équation du second degré à
partir d’un polynôme du second degré donné.
1.5 Signe d’un polynôme du second degré

Le lecteur attentif aura remarquer que la démonstration de la proposition précédente nous
permet d’obtenir une forme factorisée du polynôme f lorsque ∆ ≥ 0. Plus précisément, nous avons
le résultat suivant qui nous permet de déterminer le signe d’un polynôme du second degré en
fonction du signe de son coefficient dominant (le coefficient apparaissant devant le terme en x2 ).
Proposition 3 (Factorisation d’un polynôme du second degré). Dans le même contexte, nous
avons les factorisations suivantes du polynôme f :
1. Si ∆ > 0 alors f (x) = a(x − x1 )(x − x2 ) pour tout x ∈ R, avec x1 et x2 les racines de f .
2. Si ∆ = 0 alors f (x) = a(x − x0 )2 pour tout x ∈ R, avec x0 la racine double de f .

Remarque. Lorsque ∆ < 0, il n’est pas possible de factoriser (dans R) le polynôme f .
Lorsque le polynôme est sous forme factorisée, il est alors possible de dresser un tableau de
signe.
Corollaire 4. Sous le contexte précédent, pour tout réel x, nous avons les résultats suivants :
1. Lorsque ∆ > 0 et f (x) = a(x − x1 )(x − x2 ) avec x1 < x2 (par exemple) les deux racines du
polynôme, nous avons le tableau de signe suivant :
x −∞ x1 x2 +∞
f (x) signe de a 0 −signe de a 0 signe de a

2. Lorsque ∆ = 0 et f (x) = a(x − x0 )2 avec x0 la racine double de f , nous avons
x −∞ x0 +∞
f (x) signe de a 0 signe de a
3. Lorsque ∆ < 0, le polynôme f ne s’annule jamais et nous avons
x −∞ +∞
f (x) signe de a
Démonstration. La démonstration de ce résultat repose sur les formes factorisées, du polynôme f ,

obtenues via la forme canonique et le signe du discriminant. A partir de celles-ci, il est facile de
dresser un tableau de signe pour chaque cas de figure.
1. Si ∆ > 0, nous avons
x −∞ x1 x2 +∞
x − x1 − 0 + +
x − x2 − − 0 +
f (x) signe de a 0 −signe de a 0 signe de a
2. Si ∆ = 0 nous avons f (x) = a(x − x0 )2 . Observons alors que f (x0 ) = 0 et que (x − x0 )2 > 0
si x 6= x0 pour conclure.
3. Si ∆ < 0, il n’existe pas de factorisation de f permettant de dresser un tableau de signe.

Cependant, la forme canonique de f va nous permettre de conclure. En effet, celle ci nous
fournit l’expression suivante
2
b ∆
f (x) = a x + − 2 , x ∈ R.
2a 4a
2
∆ b
Observons alors que − 4a 2 > 0 (puisque ∆ < 0) et x + 2a ≥ 0. Ce qui nous permet
2
b ∆
d’en déduire que x + 2a − 4a2 > 0. Ainsi, le signe de f est dicté par celui du coefficient
dominant a.
Exemple 1.5.1. 1. Déterminons le signe du polynôme f (x) = 3x2 − 4x + 5 pour tout x ∈ R.

1.6. REPRÉSENTATION GRAPHIQUE D’UN POLYNÔME DU SECOND DEGRÉ 13
5
2. Résolvons l’inéquation 3x − 4 + x < 0 pour tout x ∈ R.
1.6 Représentation graphique d’un polynôme du second de-

gré
Nous allons maintenant présenter des propriétés graphiques de polynômes du second degré. Dans
ce qui suit, f désigne encore un polynôme de degré deux dont nous rappelons sa forme canonique :

f (x) = a (x − α)2 + β , x∈R
b ∆
avec α = − 2a et β = − 4a2.
Proposition 5 (Variations et extremum). La courbe représentative de la fonction f , que nous

noterons Cf , est une parabole dont l’axe de symétrie est la droite d’équation x = α et dont le
sommet S a pour coordonnées S(α; f α) = β .
De plus, si a > 0, f atteint son minimum au point α (cf. figure) :
x −∞ α +∞
f (x) β
En revanche, si a < 0, f atteint alors son maximum en ce même point (cf. figure) :
x −∞ α +∞
f (x) β
Démonstration. A partir de la forme canonique et en s’appuyant sur le cours de 2nd, nous re-
marquons que f est une parabole dont les paramètres sont donnés par les réels (a, α, β). Nous
distinguons alors deux cas de figure :
• Si a > 0, la fonction g(x) = a(x − α)2 est décroissante pour x ≤ α et croissante pour
x ≥ α. De plus, elle admet un minimum en x = α. Par conséquent, la fonction f étant une
translation de g, f admet les mêmes variations. Le point minimal de sa courbe représentative
est donné par S α, f (α) .
• Si a < 0, la fonction g a des variations opposées au cas précédent. La fonction f admet alors
un maximum en x = α.
Remarque. Lorsque a > 0 (resp. a < 0), il est coutume de dire que la parabole est orientée vers le
bas (resp. vers le haut).
Figure 1.1 – a > 0
Figure 1.2 – a < 0
Maintenant que nous avons établi que la courbe représentative d’un polynôme du second degré
était une parabole, nous pouvons compléter notre étude en utilisant les tableaux de signe de la
section précédente. Géométriquement, nous allons voir que les racines de f correspondent aux
points d’intersections entre Cf et l’axe des abscisses.
Proposition 6 (Position par rapport à l’axe des abscisses). Dans le même contexte que ce qui
précède, nous avons à nouveau trois cas de figures :
1. Si ∆ > 0, l’équation f (x) = 0 ayant deux solutions, la courbe Cf coupe l’axe des abscisses en
deux points d’abscisse x1 et x2 .
2. Si ∆ = 0, l’équation f (x) = 0 ayant une solution, la courbe Cf coupe l’axe des abscisses en
un point d’abscisse x0 .
3. Si ∆ < 0, l’équation f (x) = 0 n’ayant aucune solution, la courbe Cf ne rencontre jamais l’axe
des abscisses et reste du signe de a.
Exemple 1.6.1. Voici trois exemples, pour lesquels a > 0, illustrant les cas de figures envisageables.
1.6. REPRÉSENTATION GRAPHIQUE D’UN POLYNÔME DU SECOND DEGRÉ 15
Figure 1.3 – ∆ > 0 : deux racines distinctes en x = 1 et x = 3
Figure 1.4 – ∆ = 0 : 1 racine (double) en x = 2
Figure 1.5 – ∆ < 0 : pas de racines réelles
Remarque. Nous retrouvons également de manière graphique, les résultats obtenus sur le signe d’un
polynôme du second degré.
1.7 Bilan du chapitre

Voici les savoirs faire à acquérir dans ce chapitre :
• Recherche des racines d’un polynôme du second degré f (solutions de l’équation f (x) = 0).
• Forme canonique, développée et factorisée d’un polynôme de degré 2 f .
• Signe d’un polynôme du second degré f avec résolution d’inéquations.
• Variation d’un polynôme du second degré f et extrema (minimum ou maximum) avec ses
coordonnées.
• Représentation graphique complète.
• Position relative de deux courbes du premier et/ou second degré.
En complément, il pourra être demander de mobiliser les connaissances précédentes pour :
• Utiliser un changement de variable pour résoudre une équation de degré supérieur.
• Résoudre des problèmes d’optimisation de distance, d’aire, etc . . .

1.8. CHALLENGES 17
1.8 Challenges
Pour les plus curieux, voici deux problèmes facultatifs (bien évidemment hors programme) don-
nant des pistes de résolutions d’équations de degré supérieur.
1.8.1 Méthode de Cardan (publiée dans l’Ars Magna en 1545)

Longtemps après les travaux d’Al-Khwarizmi, des mathématiciens italiens se sont penchés sur
la résolution d’équation de degré trois. L’un des premiers fut Scipione del Ferro en 1515, suivit
de son élève Tartaglia en 1535 et enfin le mathématicien Cardan (1545). Ce genre de recherche
pouvait être motiver, entre autres, pour être appliquer à des problèmes de ballistiques. Il est à noter
qu’à l’époque ce genre d’exercices n’en était qu’à ses balbutiements et qu’il était prestigieux de
découvrir des méthodes de résolutions. La recherche de ce prestige entraina bien sûr des rancoeurs
et des querelles quant à la paternité d’une découverte, ce fut notamment le cas entre Tartaglia et
Cardan.
Voyons à présent une équation de degré trois :
(Ẽ) : z 3 − 15z − 4 = 0
Voici quelques indications pour déterminer les trois racines réelles de ce polynôme :
• Connaissant les racines x1 et x2 du polynôme f (x) = x2 + bx + c, est-il possible d’exprimer

les coefficients b et c en fonction de ces racines ?
• Il pourra être utile de chercher les racines de (Ẽ) sous la forme z = u + v en imposant la
3
condition u3 v 3 = 15
27 .
• Tout comme la mathématicien Bombelli (1526-1572), il faudra faire preuve d’un peu d’imagi-
nation pour résoudre ce problème quitte à écrire des choses qui semblent fausses (voir même
absurdes) dans un premier temps.
1.8.2 Méthode de Ferrari (1522-1565)

Elève de Cardan, ce mathématicien s’est penché sur les équations de degré quatre. Essayons de
résoudre l’équation suivante :
(Ê) : x4 + 4x3 + 3x2 − 8x − 10 = 0

Voici quelques indications pour déterminer les deux racines réelles de ce polynôme :
• Procéder à un changement de variable en posant z = x − 1 afin d’obtenir une nouvelle

équation (Ê1 ).
• Soit y ∈ R un paramètre à choisir ultérieurement, développer I = (z 2 + y)2 et utiliser

l’équation (Ê1 ) pour obtenir une expression de I en fonction d’un polynôme de degré deux
en z que nous noterons P (attention les coefficients de ce polynôme dépendront de y).
• Chercher un moyen de factoriser ce nouveau polynôme P sous la forme de carré. Il pourra être
utile d’observer que la condition permettant cette factorisation s’écrit sous la forme d’une
équation de degré trois (d’inconnue y) dont il est possible d’obtenir une racine évidente.
1.8.3 Quelques dernières remarques

Les indications précédentes sont laissées volontairement floues, l’idée derrière cela est d’essayer
de vous faire découvrir de quelle manière les mathématiciens (de l’époque mais aussi de nous jours)
procèdent lorsqu’ils essaient de résoudre un problème. La solution survient souvent après de longs
tâtonnements et de nombreux essais infructueux.
Comme souvent, obtenir une réponse à une question donnée soulève de nouvelles problématiques.
A titre d’exemples, voici quelques questions qui pourraient survenir après ces deux challenges :
1. Comment traiter les cas généraux ? De quelle manière serait-il possible de généraliser les
méthodes précédentes pour traiter, de manière formelle, les équations de degré trois et quatre
comme nous l’avons fait de ce cours pour le degré deux ?
2. Dans le cours, nous avons vu que lorsque ∆ < 0 il n’existait pas de racines réelles. Existe-t-il
des critères analogues pour les degrés supérieurs.
3. A votre avis, est-il toujours possible de résoudre une équation polynomiale de manière algo-
rithmique (comme nous l’avons fait pour le degré deux en calculant ∆) et ceci peut importe
le degré du polynôme considéré ?
Chapitre 2
Vecteurs
2.1 Introduction
La géométrie Euclidienne (enseignée au collège et au lycée) trouve ses sources dans les treize
livres composant les Eléments en −300 avant J.C.. Il s’agit du premier ouvrage connu, écrit par
Euclide lui même, proposant un traitement axiomatique et systématique de la géométrie. Dans
ce cours, nous allons aborder une vision différentes des géomètres grecs de ces objets. En effet,
nous allons nous concentrer sur le calcul vectoriel et le recours aux systèmes de coordonnées. C’est
dans son ouvrage Géométrie (1637) que Descartes suggère de représenter les objets géométriques
par des lettres et de chercher à obtenir des équations liant celles-ci. Pierre de Fermat fut l’un des
premiers mathématiciens à utiliser systématiquement un repère orthonormée et des coordonnées
pour étudier des droites, paraboles, hyperboles. Ses idées sont présentées dans l’ouvrage Ad locus
planos et solidos isagoge. A titre d’exemple, les jeux vidéos actuels reposent sur des logiciels de
modélisation numérique dont une majeure partie repose sur du calcul vectoriel.
Dans un premier temps, nous allons faire quelques rappels sur les vecteurs. Nous aborderons
ensuite la notion de colinéarité, de décomposition d’un vecteur suivant un repère.
2.2 Rappels : généralité sur les vecteurs

Dans ce qui suit, nous considérons le plan R2 muni d’un repère (O, I, J) ainsi que A, B, C et D
quatres points distincts du plan.
Rappellons les résultats obtenus en classe de seconde.
Proposition 7. • [Caractérisation] Un vecteur −

→
u est caractérisé par sa direction, son sens
et sa longueur.
• [Construction] Pour tout point A et tout vecteur −

→
u , il existe un unique point M du plan
−−→ − →
tel que AM = u .
19
20 CHAPITRE 2. VECTEURS
−
−→ −−→ −→
• [Relation de Chasles] AB + BC = AC.
• [Coordonnées] Si A et B ont pour coordonnées respectives (xA ; yA ) et (xB ; yB ) alors le

−−
→
vecteur AB a pour coordonnées (xB − xA ; yB − yA ).
• [Multiplication] Si −
→
u a pour coordonnées (xu ; yu ) alors, pour tout réel k, le vecteur k −
→
u a
pour coordonnées (kxu ; kyu ).
Exemple 2.2.1. Soient A(1; 2), B(7; 4) et C(4; 3). Alors

−
−→ −→ −−→
1. AB(6; 2), AC(3; 1) et BC(3; −1).
−−
→ −−
→ −
−→ −
−→
2. BA a pour coordonnées (−6; −2) et vérifie AB = −BA. Le vecteur AB est désigné comme le
−
−→
vecteur opposé de BA./
−−
→ −− → −→ − →
3. De plus, AB + BA = AA = 0 est appelé le vecteur nul.
Rappelons également les propriétés suivantes :

−−
→ −−→
Propriétés 1. 1. AB = DC si et seulement si ABCD est un parallélogramme.
−→ −−
→
2. Le point C est le milieu du segment [AB] si et seulement si AC = 12 AB.
Remarque. Une autre manière d’exprimer que C est le milieu du segment [AB] est d’avoir l’identité
−
→ −→
vectorielle AI = IB.
2.3 Colinéarité entre deux vecteurs

2.3.1 Définition et conséquences
La notion de parallélisme entre deux droites se retranscrit de manière vectorielle par celle de
colinéarité. Voici la définition de cette nouvelle notion.
Définition 2.3.1. Deux vecteurs non nuls −

→
u et −
→
v sont colinéaires si et seulement si il existe un
−
→ −
→
réel k tel que v = k u .
Remarque. Deux vecteurs colinéaires ont donc la même direction (mais pas forcément le même
−
→
sens). Par convention, le vecteur 0 est colinéaire à tous les autres vecteurs du plan.
Voici également deux conséquence de cette définition :

−
−→ −−→
1. AB est colinéaire à CD si et seulement si les droites (AB) et (CD) sont parallèles.
−
−→
2. Les points A, B et C du plan (distincts deux à deux) sont alignés si et seulement si AB et
−→
AC sont colinéaires.
2.3. COLINÉARITÉ ENTRE DEUX VECTEURS 21
2.3.2 Critère de colinéarité

Par la suite nous considérons − →u (x, y) et −
→
v (x′ , y ′ ) deux vecteurs dont les coordonnées sont
exprimées dans un repère (O, I, J).
Définition 2.3.2. Le nombre réel xy ′ − yx′ est appelé déterminant des vecteurs −
→
u et −
→
v . Nous le
noterons par
x x′
det(−
→
u ,→
−
v)= = xy ′ − yx
y y′
Proposition 8. Les vecteurs −

→
u (x, y) et −
→
v (x′ , y ′ ) sont colinéaires si et seulement si det(−
→
u,−
→
v ) = 0.
Remarque. Autrement dit, ce critère nous assure que la colinéarité entre deux vecteurs signifie que
leurs coordonnées sont proportionelles.
Démonstration. Procédons par équivalence.

1. Supposons que les vecteurs − →
u (x, y) et −
→
v (x′ , y ′ ) soient colinéaires. Par définition, il existe un
réel k tel que u = k v . En conséquent, les coordonnées du vecteur −
−
→ −
→ →
u s’expriment en fonction
−
→ ′ ′
de celle de v . C’est-à-dire : (x, y) = (kx , ky ). Ainsi,
det(−
→
u ,−
→
v ) = xy ′ − yx′ = kx′ y ′ − ky ′ x′ = k(x′ y ′ − x′ y ′ ) = 0
2. Supposons que l’identité det(− →u,−

→v ) = xy ′ − yx′ = 0 soit vérifiée. Si −
→
u est le vecteur nul, par
−
→ −
→ −
→ −
→
convention v et u sont colinéaires. Maintenant si u 6= 0 , c’est que l’une de ses coordon-
nées est non nulle. Supposons qu’il s’agisse, par exemple, de la première coordonnée x. Nous
pouvons alors utiliser la relation xy ′ − yx′ = 0 pour obtenir
x′
y′ = y
x
En d’autres termes, y ′ = ky avec k = xx ∈ R. Ainsi (x′ , y ′ ) = k(x, y) et donc −
→
v = k−
→
′
u,
les vecteurs sont bien colinéaires. Par symétrie, la même démonstration fonctionne mutatis
mutandis si x = 0 et y 6= 0.
Voici quelques court exemples mettant en jeu le calcul vectoriel et la colinéarité.
Exemple 2.3.1. 1. Les vecteurs −

→
u (2, 5) et −
→
v (3, 15 −
→ − →
2 ) sont colinéaires car det( u , v ) =
15
2 × 2 − 5 × 3 = 0.
2. Dans un repère (O; I; J), considérons les points A(−4; 4), B(5; 8) C(−2; 0) et D(8; 2). Les
droites (AC) et (BD) sont-elles parallèles ?
3. Dans un repère (O; I; J), considérons un point M (5; −4). Démontrer que ce point appartient
à la droite (IJ).
Exercice 1. Proposer un algorithme permettant de savoir si trois points sont alignés.

2.4 Décomposition d’un vecteur

2.4.1 Différents repères du plan
Rappelons les différents repères du plan (O; I; J) rencontrés en classe de 2nd, nous adopterons
−→ −→ −→ − →
les notations suivantes par la suite : OI = i et OJ = j .
Définition 2.4.1. 1. Tout d’abord, le repère orthonormé : cela signifie que les droites (OI) et
−
→ −
→
(OJ) sont orthogonales (perpendiculaires) et que les vecteurs i et j sont tous les deux de
même norme.
2. Un repère est dit orthogonale si les droites (OI) et (OJ) sont orthogonales sans pour autant
−
→ −
→
que les vecteurs i et j soient forcément de même norme.
−
→ −
→
3. Un repère quelconque nécessite simplement que les vecteurs i et j soient non colinéaires.
Remarque. • Choisir un repère consiste donc à choisir un point servant d’origine (ici O)
−
→ − → −
→ − →
ainsi que deux vecteurs non colinéaires (ici i et j ). Un tel repère sera alors noté (O; i , j ).
• Un tel repère étant fixé, dire qu’un point M a pour coordonnées (x, y) signifie que
−−→ −
→ −
→
OM = x i + y j
−
→ − →
• Par définition, les coordonnées d’un vecteur −
→
w dans un repère (O; i ; j ) sont celles de
−−→ →
l’unique point M du plan tel que OM = − w.
2.4.2 Décomposition d’un vecteur

Considérons −→u et −
→v deux vecteurs non-colinéaires du plan. Etant donné, un vecteur −→
w du plan,
−
→ −
→
il est toujours possible de décomposer celui-ci suivant les vecteurs u et v . Plus précisément, nous
avons le théorème suivant :
Théorème 9. Soient − →u et −
→
v deux vecteurs non colinéaires du plan. Pour tout vecteur −→
w du plan,
il existe un unique couple de réels (a; b) ∈ R2 tels que
−
→
w = a−
→
u + b−
→
v
−−→ →
Démonstration. Notons par U (respectivement V ) l’unique point du plan tel que OU = − u (respec-
−−→ → −−→ →
tivement OV = − v ). Similairement, désignons par M l’unique point du plan tel que OM = − w.
1. (Existence de la décomposition) Observons que la droite parallèle à (OV ) passant par le
point M coupe la droite (OU ) en un point x et que la a droite parallèle à (OU ) passant par
le point M coupe la droite (OV ) en un point y. Autrement dit, M a pour coordonnées (x, y)
−
→
dans le repère (O,~i, j ).
De plus, OxM y est un parallélogramme donc

−−→ −→ −→
OM = Ox + Oy.
2.5. BILAN DU CHAPITRE 23
−→ −→
En outre, les vecteurs −
→
u et Ox sont colinéaires : il existe donc a ∈ R tel que Ox = a− →u . De
−
→ −→ −→ −
→
manière simialre, par colinéarité des vecteurs v et Oy, il existe b ∈ R tel que Oy = b v . Par
conséquent, après substitution, nous obtenons
−−→
OM = a−
→
u + b−
→
v
2. (Unicité de la décomposition). Raisonnons par l’absurde en supposant qu’il existe deux dé-
compositions (a; b) et (a′ , b′ ) du vecteur −
→
w pour aboutir à une contradiction. Autrement dit,
nous supposons que les deux égalités suivantes sont satisfaites pour des couples (a; b) ∈ R2 et
(a′ , b′ ) ∈ R2 ) :
−
→
w = a−
→
u + b−
→ u + b′ −
w = a′ −
v et −
→ → →
v
Ces identités nous permettent d’obtenir alors que a−

→
u − a′ −
→
u = b′ −
→
v − b−
→
v . D’où,
(a − a′ )−
→
u = (b′ − b)−
→
v.
Si a 6= a′ nous en déduisons alors que −

→ b′ −b −
u = a−a → −
→ −
→
′ v . Autrement dit, u est colinéaire à v . Ceci
′
est absurde au vu de nos hypothèses et donc a = a . Similairement, nous obtenons également
b = b′ par le même raisonnement.
2.4.3 Application
Exemple 2.4.1. Voyons de quelle manière le calcul vectoriel nous permet de faire de la géométrie.
Soit AGF un triangle non aplati.
−−
→ −→ −→ −−→ −−→
1. Placer les points B et C tels que AB = 2AG + AF et GC = 31 GF .
2. Démontrer que les points A, B et C sont alignés en utiliser le calcul vectoriel, puis en choisis-
sant un repère du plan adéquat.

• Manipuler les opérations élémentaires du calculs vectoriels (milieu, relation de Chasles,. . . )
• Choisir un repère adéquat pour résoudre un exercice à l’aide des coordonnées .
• Maitriser la notion de colinéarité et ses caractéristiques.
• Décomposer un vecteur suivant dans un repère.

2.6 Pour en savoir plus

2.6.1 Quelques remarques sur la géométrie non euclidienne
Au début de ce chapitre nous avons annoncer que nous allions étudier la géométrie euclidienne
d’un point de vu vectoriel. Cet énoncé sous-entend qu’il existerait des géométries non euclidienne.
Que pourraient-elles êtres et quelles seraient les différences avec la géométrie enseigner dans
l’enseignement primaire et secondaire ?
Pour mieux comprendre ceci il est utile de revenir aux Eléments d’Euclide. Dans son traité,
Euclide construit toute la géométrie que nous connaissons (propriétés des triangles équilatéraux,
etc,. . . ) à l’aide de raisonnements logico-déductif à partir d’une liste de cinq axiomes. Par exemple :
« un segment de droite peut être tracé en joignant deux points quelconques distincts »dont la véracité
semble tellement évident à nos yeux qu’il ne parait pas déraisonnable de supposer une telle assertion
vraie. En revanche, parmi ces axiomes, l’un d’entre eux est un peu particulier : après reformulation,
celui-ci s’énonce comme suit
Par un point extérieur à une droite, il passe toujours une parallèle à cette droite, et une seule.
Cette affirmation ressemble étrangement à la conclusion d’un Théorème qui n’aurait pas de
démonstration. Cela à intriguer les mathématiciens, notamment Sacherri qui tenta, au 17ème
siècle, de manière infructueuse, de proposer une démonstration par l’absurde de cette assertion. En
1813, Gauss écrit : « Pour la théorie des parallèles, nous ne sommes pas plus avancés qu’Euclide,
c’est une honte pour les mathématiques ». Il fallu encore un peu de temps aux mathématiciens
pour découvrir ces nouvelles géométries.
Une manière, peut-être un peu grossière, de mettre en évidence l’existence de celles-ci est
de parler de plus court chemin : si nous dessinons deux points A et B sur une feuille, ils nous
semblent évident que le plus court chemin pour aller de l’un à l’autre est la ligne droite. Que se
produirait-il si nous placions ses points à la surface de la Terre, l’un à Tokyo et l’autre à Lille
par exemple ? Déj), il semble un peu plus délicat de parler de ligne droite à la surface de la Terre . . .
La Terre nous fournit un premier exemple sur lequel il est possible de faire de la géométrie non
euclidienne, il s’agit de la géométrie sphérique. En effet, celle-ci propose des différences notoire avec
ce que nous connaissons : le Théorème de Pythagore n’est plus vérifié si nous dessinons un triangle
sur un ballon ! Il est même possible de dessiner sur ce même ballon un triangle possédant trois
angles droits ! Cette géométrie diffère de celle d’Euclide car le ballon est courbé (positivement)
tandis que notre feuille de dessin est toute plate.
Il est également possible de parler de courbure négative en faisant de la géométrie hyperbolique.

A titre d’exemple, il est facile de décrire celle-ci : il suffit de prendre l’intérieur d’un bol et d’imagi-
ner que des petits êtres vivent à l’intérieur. Du fait de sa courbure, il est beaucoup plus difficile et
plus long, pour eux, de se déplacer vers le bord de ce bol tandis qu’il est plus aisé de se promener
vers le centre de ce même bol. Ainsi, le plus court chemin entre deux points de ce bol ne corres-
pondrait pas à des lignes droites mais plutôt à des arcs de cercles où les individus chercheraient à
se rapprocher, dans un premier temps, du centre avant de s’éloigner à nouveau vers leur destination.
2.6. POUR EN SAVOIR PLUS 25
Bien entendu, ces géométries sont plus complexes à enseigner que celle d’Euclide mais elles
n’en sont pas moins passionnantes. Voici quelques grands mathématiciens qui ont contribué à faire
évoluer (bien longtemps après les découverts d’Euclide) l’étude de géométrie non-euclidienne :
Lobatchevski en 1829, Riemann en 1867 ou encore Poincaré en 1902.
Ces géométries peuvent sembler un peu étranges, voir abstraites et n’être que des jeux auxquels
se prêtent les mathématiciens. Il n’en est rien ! A titre d’exemple, la géométrie sphérique peut-être
utiliser en aviation (pensez au vol Tokyo-Lille), mais le plus frappant est peut-être la découverte de
la relativité (en 1905 puis 1915) par Einstein dont les modèles mathématiques « d’espace-temps »re-
posent sur de la géométrie non euclidienne.
2.6.2 Curiosité en grande dimension

Il n’est pas vraiment possible pour l’être humain de se représenter un objet en quatre dimension
(ou plus). Il est cependant possible de conceptualiser ce qui doit se produire. Imaginons que nous
surplombions un monde vivant dans une feuille en papier, un monde en deux dimension. Si nous
prenions un cube de notre univers, les habitants de ce monde ne pourraient l’apercevoir qu’au
moment ou une partie du cube traverse la feuille de papier et pénètre dans leur monde. En faisant
ceci, les habitants observeraient une tranche du cube et seraient face à un carré. Il n’est donc pas
difficile de généraliser ce procédé en se disant que si des êtres nous observaient depuis un monde
en quatre dimension et s’amusaient à vouloir nous montrer un cube de leur univers (en quatre
dimensions) nous ne verrions qu’une tranche de celui-ci et ferions face à un cube normal.
Bien que notre intuition soit un peu gênée par des espaces de dimension supérieurs à trois, ces
ensembles interviennent très rapidement lors de l’étude de certains problèmes. En effet, grossière-
ment, ajouter une dimension revient à considérer un paramètre supplémentaire. Par exemple, pour
décrire le mouvement d’un oiseau nous avons besoin de connaître sa position dans l’espace. En
revanche, il est possible que nous ayons également besoin de connaitre la durée de son mouvement,
la pression atmosphérique, la température, etc . . . la considération de ceci force à introduire plus de
dimensions pour prendre en compte ces nouveaux paramètres. En statistiques, certains problèmes
de modélisation comme la météorologie met en jeu plusieurs milliers de paramètres.
L’un des intérêts majeur des coordonnées cartésiennes est que nous pouvons étudier des
choses qui dépasse notre imagination. En effet, pour ajouter une dimension il suffit d’ajouter une
coordonnée à notre vecteur. Il devient donc possible de faire des calculs sur des choses que nous
ne pouvons visualiser. Cela va parfois à l’encontre de notre intuition. Voyons ceci au travers d’un
exemple.
Débutons dans le plan et considérons un carré de côté 4 dont le centre est placé en (0, 0).
Plaçons des disques de rayon 1 dans les zones suivantes : un premier disque centré au point (1; 1),
un deuxième en (1; −1), un autre en (−1; 1) et un dernier en (−1; −1). Il est alors possible de
placer un dernier disque en (0; 0) puis de l’agrandir jusqu’à ce qu’il touche les quatre disques que
nous avons disposer. dans le carré au préalable.
Bien sûr, il est possible de procéder de manière similaire dans l’espace. Cette fois-ci nous avons
un cube de côté 4, 8 boules de rayon 1 centrées aux points (±1; ±1; ±1) et enfin une dernière boule
placée en (0; 0; 0 dont le rayon est plus grand possible (avec pour condition que cette nouvelle
boule ne puisse empiéter sur les autres).
A vrai dire, pourquoi s’arrêter en si bon chemin ? Il n’est plus possible de faire de dessin mais
nous pouvons imaginer un hypercube de côté 4 (que nous noterions [−2; 2]d) en dimension d et
placer des boules aux points (±1; . . . , ±1) comme auparavant pour enfin placer une dernière boule
au centre avec les mêmes restrictions qu’auparavant.
A partir de quelle dimension cette dernière boule dépasse du cube [−2; 2]d ?
De manière intuitive, nous serions tenter de répondre : jamais ! Voyons ce que nous disent les
calculs. Nous avons vu que la distance d’un point M = (x1 ; x2 ) à l’origine valait
q
d(O, M ) = x21 + x22
En dimension d, il s’agit de la même formule. C’est-à-dire, si M a pour coordonnées (x1 ; x2 ; . . . , xd )

(il n’est plus vraiment possible de parler d’abscisses ou d’ordonnées, nous numérotons donc les
coordonnées par des nombres x1 , . . . , xd ) nous avons la formule suivante :
q
d(O, M ) = x21 + x22 + . . . + x2d
Or, dans le problème que nous considérons

√ les points M , centres des boules, ont des coordonnées de
la forme (±1; . . . ; ±1 donc d(O, M ) = d. Ainsi, puisque ces boules
√ sont de rayon 1, cela entraine
que le plus grand rayon possible pour la boule centrale vaut d − 1. En conséquence, la boule
centrale déborde du cube si
√
d−1>2 ⇐⇒ d>9
ce qui n’était pas du tout intuitif. En fait, il est même possible de préciser ce résultat. Il s’agit d’un
domaine des mathématiques qui s’appelle la concentration de la mesure. L’un des résultats de cette
théorie permet d’affirmer que le volume de la boule centrale restant dans le cube s’approche très
vite (exponentiellement vite) de zéro lorsque la dimension devient de plus en plus grande.
2.6.3 Distance
La distance que nous venons de voir s’appelle la distance euclidienne. Il existe d’autre façon
de mesurer la distance entre deux points, l’une d’elle s’appelle la distance de « Manhattan » (en
rapport avec le quartier de New-York). La raison derrière cette terminologie est la suivante : la
plupart des villes américaines sont construites sur la forme d’un quadrillage. Ainsi, pour rejoindre
un point A à un point B de la ville, nous sommes forcés de suivre ce quadrillage et d’arpenter les
côtés des carrés de ce quadrillage. Ainsi, la distance calculée correspond à celle qui est effectivement
parcouru à pied plutôt que celle obtenue « à vol d’oiseau ».
Formellement, si A(xA ; yA ) et B(xB ; yB ), alors
AB = |xA − xB + |yA − yB |
2.6. POUR EN SAVOIR PLUS 27
où | · | désigne la valeur absolue d’un nombre réel. Cette formulation n’engendre que très peu de
différences notables avec la géométrie classique (grossièrement tout diffère d’une constante multi-
plicative universelle). En revanche, certain objets bien connu sont un peu modifiés. Pour voir cela
nous devons adopter quelques notations : d2 (A, B) pour désigner la distance euclidienne (celle vu
en cours) entre deux points et par d1 (A, B) pour la distance de Manhattan. Avec ces notations, il
est possible de définir un disque de centre A et de rayon r > 0 comme étant l’ensemble des points
M vérifiant :
d2 (A, M ) ≤ r
et nous obtiendrons la figure classique que vous avez pu rencontré au collège. En revanche, si
nous remplaçons d2 par d1 dans le formule précédente, notre cercle prendra alors la forme d’un carré !
Il existe d’innombrables distances en mathématiques, chacune ayant une utilité, les quelques
mots précédents ne font qu’effleurer la surface de cette notion.
Chapitre 3
Suites numériques
3.1 Introduction
Les suites numériques sont des objets mathématiques qui apparurent naturellement au cours
de l’Histoire. Par exemple, en considérant le fait de consigner les résultats d’une expérience (la
hauteur d’une plante, le nombre d’insecte dans une fourmilière,. . . ) : la valeur de u0 correspondrait
alors aux données initiales, la valeur de u1 celles du jour suivant et ainsi de suite.
Cette façon d’indexer des données est présent dans l’Histoire depuis très longtemps. Il est possible
de trouver des traces de ceci chez Archimède (287/212 avant J.C.) ou encore au 1er siècle après
J.C. avec la méthode d’Héron d’Alexandrie (servant à extraire une racine carrée). L’étude des suites
numériques préoccupa, beaucoup plus tard, à nouveau les mathématiciens au 17ème siècle avec la
méthode des indivisibles de Cavalieri permettant de calculer simplement des aires ou des volumes.
Cette branche des mathématiques est présentée dans l’Encyclopédie de Diderot et d’Alembert en
1751 et son étude est poursuivie par d’éminents mathématiciens (Newton, Lagrange, Bernoulli,. . . )
de l’époque. Elle intervient également de nous jours en analyse numérique et apparait dans certains
procédés de modélisation par ordinateurs.
3.2 Définition
Comme nous l’avons mentionné plus tôt, une suite numérique consiste numéroter un ensemble de
valeurs à l’aide des entiers naturels. Par exemple, la liste de réels 0, 1, 1, 2, 3, 5, 8, 13 se numéroterait
de la manière suivante :
u0 = 0, , u1 = 1, u2 = 1, u3 = 2, u4 = 3, u − 5 = 5, u6 = 8, u7 = 13
u0 correspond au premier terme de la suite, u1 au deuxième terme de la suite et ainsi de suite.
Plus formellement, cela revient à considérer une fonction u : N → R.
Définition 3.2.1. Une suite est une fonction u : N → R, c’est à dire
u : N → R
n 7 → u(n)
29
30 CHAPITRE 3. SUITES NUMÉRIQUES
Pour alléger les notations, nous noterons u(n) par un . Cette valeur est appelée terme de rang n de
la suite.
Remarque. Comme nous allons le voir par la suite, ce type particulier de fonctions est beau-
coup plus simple à étudier puisque nous ne considérons que les valeurs prises par la fonction sur
les entiers plutôt que sur l’ensemble des réels (nous considérons u(n), n ∈ N plutôt que f (x), x ∈ R).
Au niveau des notations : nous désignerons une suite (l’ensemble de ses valeurs) par (un )n∈N .
Naturellement, le terme précédent un est un−1 et le terme suivant un+1 .
Voyons à présent de quelle manière il est possible de définir une suite.
3.2.1 Formule explicite

Il y a plusieurs façons de créer une suite, la première consiste à donner une formule explicite,
c’est-à-dire un = f (n), n ∈ N pour une fonction f donnée. Cette façon de faire permet de calculer
facilement la valeur de n’importe quel terme souhaité.
√
Exemple 3.2.1. 1. Si f : x 7→ x − 7 nous avons alors √ un = f (n), n ≥ 7 et les premières
termes de cette suite sont alors u7 = 0, u8 = 1, u9 = 2, . . ..
2. Si vn = (−1)n , n ≥ 0 alors v0 = 1, v2011 = −1, . . ..
4
3. Si wn = n+1 , n ≥ 0 alors w0 = 4, w1 = 2, w2 = 34 , . . ..
Remarque. Il n’est pas obligatoire qu’une suite débute au rang n = 0. Comme nous pouvons le
constater avec l’exemple précédent, les termes u0 , . . . , u6 n’existe pas car la fonction f n’est pas
définie en ces points.
Représentation graphique
Lorsqu’un suite est définie à l’aide d’une fonction f : [0, +∞[→ R, c’est à dire
un = f (n), n ≥ 0, sa représentation graphique consiste à placer dans un repère orthonor-
mée les points A0 (0, u0 ), A1 (1, u1 ), A2 (2, u2 ), . . ..
6
Exemple 3.2.2. Placer sur un graphique les quatre premiers termes de la suite un = n+2 , n ≥ 0.
Même question avec la suite (tn )n≥0 définie par tn = n(4 − n), n ∈ N.
Voyons une autre façon de faire.
3.2.2 Formulation par récurrence

Une autre manière de procéder est de définir une suite par récurrence. Cela consiste à calculer
un terme de la suite au fur et à mesure à partir du terme précédent.
Définition 3.2.2. Une suite (un )n≥0 peut être définie à l’aide
• d’une valeur initiale, ici u0 ∈ R
3.3. SUITES USUELLES 31
• d’une relation exprimant un+1 en fonction du terme précédent un .
Exemple 3.2.3. Considérons la suite (un )n≥1 définie par u0 = 5 et un+1 = 3un − 2, n ≥ 1. Nous
pouvons alors calculer un par un les termes de la suite :
u1 = 3 × u0 − 2 = 3 × 5 − 2 = 13 puis u2 = 3 × u1 − 2 = 3 × 13 − 2 = 37 etc
Remarque. 1. L’inconvénient majeur de ceci est la nécessité de devoir calculer tous les termes
précédents celui d’intérêt.
2. En considérent g(x) = 2x − 2 la suite définie ci-dessus peut s’écrire un+1 = g(un ), n ≥ 1 et

u0 = 5.
Représentation graphique
La représentation graphique d’une suite définie par récurrence se fait en deux temps. Il faut
tracer le graphe de la fonction f : x 7→ x ainsi que celui de la fonction g utilisée pour définir la
suite. Voyons comment faire à l’aide d’un exemple.
√
Exemple 3.2.4. Soit g la fonction définie sur [−1; +∞[ par g(x) = x + 1 et (Cg ) sa courbe
représentative. Considérons la suite (un )n≥0 définie par
√
un+1 = g(un ) = un + 1 n ≥ 1,
u0 = −0, 8.
Pour obtenir une réprésentation graphique de cette suite, il faut suivre la méthode décrite ci-
dessous.
1. Tracer (Cg ) et la droite d’équation y = x sur [1; 4] dans un repère orthonormé (unité 5 cm)
et u0 sur l’axe des abscisses.
2. Utiliser la courbe (Cg ) pour obtenir le terme u1 à partir de u0 , puis la droite y = x pour
reporter la valeur obtenue de u1 sur l’axe des abscisses.
3. Recommencer l’étape précédente pour obtenir les termes suivants.
Exercice 2. Représenter graphiquement les premiers termes de la suite (vn )n≥0 définie par

vn+1 = 2vn − 1, n ≥ 1
v0 = 2.
3.3 Suites usuelles

Dans cette section nous allons présenter la définition de certaines suites usuelles.
3.3.1 Suites arithmétiques

Il s’agit probablement d’une des suites les plus simples à étudier : elles se définissent par récur-
rence et l’on passe d’un terme au suivant en ajoutant systématiquement le même nombre réel r.
Formellement voici la définition des suites arithmétiques.
Définition 3.3.1. Une suite arithmétique est définie par le relation de récurrence suivante :

un+1 = un + r n ≥ 0,
u0 ∈ R.
Le réel r est appelé la raison de la suite.
Exemple 3.3.1. 1. La suite u0 = 1, u1 = 6, u2 = 11, u3 = 16, . . . est arithmétique de raison 5.
2. La suite définie par :

un+1 = un − 3 n ≥ 0,
u0 = 10
est arithmétique de raison −3.
3. La suite des entiers naturels impairs est arithmétique de raison 2.

Remarque. Remarquons le fait suivant : une suite (un )n≥0 est arithmétique si et seulement si la
différence un+1 −un est constante (et ne dépend pas de n) pour tout n ∈ N. Dans ce cas, la constante
obtenue est la raison de la suite.
Exemple 3.3.2. 1. Considérons la suite définie par un = 3n − 2 et montrons qu’il s’agit d’une
suite arithmétique de raison 3. Soit n ∈ N, alors
un+1 − un =3(n + 1) − 2 − (3n − 2)

=3n + 3 − 2 − 3n + 2 = 3.
Nous avons donc bien montré que la suite est arithmétique de raison 3.
2. Il est important d’avoir à l’esprit que de nombreuses suites ne sont pas arithmétique. Cela
consiste à observer que la différence entre un+1 et un n’est pas constante et dépend de n. Par
exemple, étudions la suite définie par vn = n2 , n ≥ 0. Soit n ∈ N, alors
vn+1 − vn =(n + 1)2 − n2

=2n + 1
Cette suite n’est donc pas arithmétique.

Le résultat suivant montre qu’il est possible d’exprimer une suite arithmétique en fonction de n
plutôt que par une relation de récurrence.
3.3. SUITES USUELLES 33
Proposition 10. Soit (un )n≥0 une suite arithmétique de raison r ∈ R, alors
un = u0 + nr n≥0
Remarque. La réciproque est vraie. Il est parfois utile d’utiliser la formule suivante, pour tout n ∈ N
et tout p ∈ N
un = up + (n − p) × r
Démonstration. La démonstration se fait de proche en proche : en exprimant un en fonction du
terme qui le précède, puis en exprimant un−1 en fonction de un−2 . Le résultat s’ensuit en cumulant
ces différentes égalités.
Exemple 3.3.3. Soit (un )n≥0 une suite arithmétique de raison r = −2 et de premier terme u0 = 7.
D’après la proposition précédente, nous avons l’expression suivante
un = 7 − 2n, n ≥ 0.
Notons que cette expression permet de calculer plus facilement la valeur de u50 = 7 − 2 × 50 sans
avoir à calculer les termes précédents u1 , . . . , u49 à l’aide de la relation de récurrence.
3.3.2 Suites géométriques

Voici un autre exemple de suite usuelle, cette fois-ci le terme suivant est obtenu en multipliant
systématiquement le terme précédent par le même nombre réel q. Autrement dit :
Définition 3.3.2. On dit qu’une suite (un )n≥0 est géométrique de raison q ∈ R si
un+1 = q × un , n≥0
Exemple 3.3.4. 1. la suite u1 = 2, u2 = 2, u3 = 4, u4 = 8, . . . est géométrique de raison 2.
2. la suite définie par

un+1 = − 21 un n ≥ 0,
u0 = 3
est arithmétique de raison − 12 .
3. La suite définie par un = (−1)n est géométrique de raison −1.

Remarque. Soit (un )n≥0 une suite telle que un 6= 0 pour tout n ∈ N. La suite (un )n≥0 est géomé-
trique si et seulement si le quotient uun+1
n
est constant pour tout entier n. Dans ce cas, la constante
obtenue est la raison q de la suite.
Exemple 3.3.5. Considérons la suite (un )n≥0 définie par un = 5 × 3n+2 . Il est évident que un > 0
pour tout n ∈ N et
un+1 5 × 3n+3
= = 3.
un 5 × 3n+2
Nous avons donc montré que la suite est géométrique de raison 3.
Similairement au cas des suites arithmétiques, il est possible d’obtenir une expression en fonction
de n d’une suite géométrique. Plus précisément,
Proposition 11. Soit (un )n≥0 une suite géométrique de raison q ∈ R, alors l’expression suivante
est satisfaite
un = u0 × q n , n ≥ 0.
Remarque. La réciproque est vraie. De plus, il peut-être utile d’avoir en tête la formule suivante,
pour tout n ∈ N et tout p ∈ N
un = up × q n−p
Démonstration. Même type de démonstration que pour le suites arithmétiques.
3.3.3 Expression des sommes partielles

Il sera parfois utile d’avoir une formule permettant de calculer la sommes des n premiers termes
d’une suite arithmétique ou géométrique (un )n≥0 . Formellement, nous souhaitons une formule pour
n
X
uk = u0 + u1 + . . . + un = ?
k=0
P
Remarque. Le symbole est un moyen d’alléger les notations en écrivant de manière condensée une
somme. L’indice de sommation dans l’exemple précédent est k et celui-ci débute à 0 et se termine
P
à n, nous fournissant donc la somme de tous les termes uk (qui apparait derrière le symbole ) se
trouvant entre k = 0 et k = n.
Proposition 12. La formule suivante est satisfaite :

n
X n(n + 1)
k = 0 + 1 + 2 + ...+ n =
2
k=0
Remarque. Une légende raconte que la démonstration de ce résultat avait été trouvé, de manière
pragmatique, par Gauss à l’âge de 8 ans.
Pn
Démonstration. Notons Sn = k=0 k et posons l’addition de Sn = 1 + . . . + n avec la même somme
dans laquelle nous avons inversé l’ordre des termes (i.e. Sn = n + (n − 1) + . . . + 2 + 1). Ceci nous
fournit n paquets de (n + 1). Autrement dit,
2Sn = n(n + 1)
d’où le résultat.
En conséquence, cette proposition permet de calculer la somme des (n + 1) termes d’une suite
géométrique.
3.4. BILAN DU CHAPITRE 35
Corollaire 13 (Somme de termes d’une suite arithmétique). Soit (un )n≥0 une suite arithmétique
de raison r ∈ R alors
n
X n(n + 1)
uk = (n + 1)u0 + r ×
2
k=0
Voici une proposition similaire servant pour les suites géométriques.
Proposition 14 (Somme de termes d’une suite géométrique). Soit q ∈ R.

Pn n+1
1. Si q 6= 1 alors Sn = k=0 q k = 1 + q + q 2 + . . . q n = 1−q
1−q .
2. Si q = 1 alors Sn = n + 1.
Démonstration. La deuxième assertion est triviale. Démontrons la première. Observons que qSn =
q + q 2 + . . . + q n+1 . Ainsi, nous en déduisons que
Sn − qSn = 1 + q + q 2 + . . . q n − (q + q 2 + . . . + q n+1 ) = 1 − q n+1

Autrement dit, (1 − q)Sn = 1 − q n+1 d’où la conclusion puisque, par hypothèse, 1 − q 6= 0.

• Savoir calculer et représenter graphiquement les termes d’une suite à partir d’une formule
explicite ou d’une définition pas récurrence.
• Identifier et démontrer qu’une suite est arithmétique ou géométrique (ou ni l’une ni l’autre).
• Savoir utiliser de manière adéquate les différentes formules de représentation d’une suite
arithmétique ou géométrique.
• Maitriser les résultats portant sur les différentes formules de sommes partielles.
3.5 Pour aller plus loin

3.5.1 Nombre d’or, suite de Fibonnaci, pavage de Penrose
√
1+ 5
Historiquement, il semblerait que le nombre d’or φ = 2 ait été initialement défini l’unique
rapport ab entre deux longueurs a et b telles
a+b a
=
a b
Le nombre d’or peut aussi être obtenu comme étant une racine de l’équation
x2 − x − 1 = 0
La suite de Fibonacci permet de décrire, de manière grossière, la croissance de population de
lapins. Cette suite doit son nom au mathématicien italien Fibonacci (1175 − 1250). La définition
de celle-ci est faite par récurrence et porte exprime le terme un+2 en fonction des deux termes qui
le précèdent (nécessitant ainsi la donnée des deux premiers termes).

un+2 = un+1 + un n ≥ 2,
u0 = 1, u1 = 1.
Cette suite est notamment célèbre dans la culture populaire au travers, entre autres, du roman
Da Vinci Code de D. Brown mais aussi par son apparition dans le tableau Parade de cirque, peint
en 1887 − 1888, de G. Seurat. Cette suite entretient également des liens avec le célèbre nombre
d’or φ. En effet, il est possible de montrer que le quotient de deux termes consécutifs de la suite
de Fibonacci se rapproche de plus en plus du nombre d’or à mesure que n se rapproche de l’infini.
Le nombre d’or est également utilisé dans la construction de pavage de Penrose.
Figure 3.1 – Pavage de Penrose
Ces pavages du plan découverts par le mathématicien et physicien britannique Roger Penrose
dans les années 1970. En 1984, ils ont été utilisés comme un modèle intéressant de la structure
des quasi-cristaux (il s’agit de solides dont le spectre de diffraction est essentiellement discret et
3.5. POUR ALLER PLUS LOIN 37
dont l’arrangement des atomes n’est pas périodique). La construction de tels objets mathématiques
s’obtient grâce à des suites définies par récurrence.
3.5.2 Conjecture de Syracuse

Considérons la suite (un )n≥0 définie, par récurrence à partir d’un entier u0 ∈ N, de la manière
suivante
un
2 si un est pair
un+1 =
3un + 1 si un est impair
Exemple 3.5.1. Si u0 = 14, nous obtenons la suite des nombres :
14, 7, 22, 11, 34, 17, 52, 26, 13, 40, 20, 10, 5, 16, 8, 4, 2, 1, 4, 2, 1, . . .
Remarque. La suite de nombre 1, 4, 2, 1, 4, 2, . . . se répète indéfiniment, il usuel de désigner ceci

sous le nom de « cycle trivial ».
La conjecture de Syracuse, ou conjecture d’Ulam, est l’hypothèse mathématique selon laquelle
la suite de Syracuse de n’importe quel entier strictement positif atteint 1. Autrement dit, peut-
importe la valeur de départ, à partir d’un certain rang, la suite atteint le cycle trivial 1, 4 2 1, . . ..
En dépit de la simplicité de son énoncé, cette conjecture défie depuis de nombreuses années (au
moins depuis 1928) les mathématiciens. D’ailleurs, le mathématicien Paul Erdös (1931 − 1996) a
dit à propos de la conjecture de Syracuse : « les mathématiques ne sont pas encore prêtes pour de
tels problèmes ».
Chapitre 4
Equation cartésienne d’une droite

et vecteur directeur
Dans ce chapitre nous poursuivons notre étude du calcul vectoriel. A nouveau, dans ce qui suit,
−
→ −→
nous munirons le plan d’un repère (O, i , j ), les coordonnées des points que nous allons considérer
par la suite seront exprimées dans ce repère.
4.1 Rappels
Voici de brefs rappels concernant les droites dans le plan.
Proposition 15. Soit (d) une droite du plan.
• Si (d) n’est pas parallèle à l’axe (Oy) alors (d) a une équation de la forme y = mx + p où
m ∈ R est le coefficient directeur de la droite et p ∈ R est l’ordonnée à l’origine.
• Si (d) est parallèle à l’axe (Oy) alors (d) a une équation de la forme x = k avec k ∈ R.
Les deux représentations précédentes sont appelées équations réduites de droites.
Remarque. Notons que le premier cas de figure correspond à la représentation graphique de
polynôme de degré (i.e. f (x) = mx + b).
Il est assez simple de déterminer le paramètre p, pour cela il suffit de déterminer la valeur de
l’ordonnée du point d’abscisse 0 appartenant à la droite (d). Pour déterminer le coefficient m, il
−ya
suffit de considérer deux points A(xA ; ya ) ∈ (d) et B(xb ; yb ) ∈ (d) et d’évaluer le rapport xybb −x a
.
En effet, ce taux d’accroissement donne la valeur du paramètre m.
Enfin, deux droites sont parallèles si elles admettent le même coefficient directeur.
4.2 Equation cartésienne d’une droite

Définition 4.2.1. Toute équation de la forme (E) : ax + by + c = 0, avec (a, b, c) ∈ R3 , est
appelée équation cartésienne.
39
40 CHAPITRE 4. EQUATION CARTÉSIENNE D’UNE DROITE ET VECTEUR DIRECTEUR
Comme nous allons le voir, les équations cartésiennes englobent les deux cas de figures de la
Proposition 15.
Proposition 16. A toute droite (d) il est possible d’associer une équation cartésienne où le couple
(a, b) 6= (0, 0) et réciproquement.
Démonstration. 1. Considérons une équation cartésienne (E) pour laquelle (a, b) 6= (0, 0).
• Si b = 0, alors a 6= 0 et l’équation (E) s’écrit x = − ac ce qui correspond bien à une
équation de droite de la forme x = k avec k = − ac ∈ R.
• Si b 6= 0, alors l’équation (E) s’écrit y = 1b (−ax − c) = − ab − bc ce qui correspond à une

équation de droite de la forme y = mx + p avec m = − ab ∈ R et p = − cb ∈ R.
2. Réciproquement, considérons une droite (d) du plan. D’après la Proposition 15 (rappels de

seconde), deux cas de figures s’offrent à nous.
• Si (d) a pour équation x = k, k ∈ R, alors elle admet pour équation cartésienne x − k = 0
correspondant aux paramètres (a, b, c) = (1, 0, −k).
• Si (d) a pour équation y = mx + p, (m, p) ∈ R2 , alors elle admet pour équation cartésienne
−mx + y − p = 0 ce qui correspond au triplet (a, b, c) = (−m, 1, −p).
Remarque. Une droite (d) peut admettre plusieurs représentations cartésiennes.
4.3 Vecteur directeur

Le lien entre droites et calcul vectoriel s’effectue via la notion de vecteur directeur.
Définition 4.3.1. Un vecteur directeur d’une droite (d) est un vecteur dont la direction est parallèle
à celle de (d).
Remarque. En particulier, pour tout couple (A, B) de points appartenant à la droite (d), le vecteur
−−
→
AB est un vecteur directeur de cette même droite. Aussi, si −
→
u est un vecteur directeur de (d) alors
−
→
k u avec k ∈ R l’est également.
∗
Voyons à présent de quelle manière il est possible d’obtenir un vecteur directeur à partir d’une
équation cartésienne de droite.
Proposition 17. Soit (d) une droite du plan.

• Si (d) a pour équation cartésienne ax + by + c = 0, avec (a, b, c) ∈ R3 , alors −
→
u (−b; a) est
un vecteur directeur de (d).
• Si (d) a pour équation y = mx + p, avec (m, p) ∈ R2 , alors −

→
u (1; m) est un vecteur directeur
de (d).
• Si (d) a pour équation x = k, alors −

→
u (0; 1) est un vecteur directeur de (d).
4.3. VECTEUR DIRECTEUR 41
Démonstration. Traitons le premier cas de figure. Soit (d) une droite admettant pour équation
cartésienne ax + by + c = 0 ainsi que A(xa ; ya ) ∈ (d) et M (x; y) ∈ (d) deux points de cette droite.
−−→
Le vecteur AM (x − xa ; y − ya ) est un vecteur directeur de la droite (d). Vérifions que ce vecteur est
−−→
bien colinéaire au vecteur −
→
u = (−b; a). Pour cela calculons le déterminant entre − →
u AM et utilisons
le fait que les coordonnées des points M et A satisfont l’équation cartésienne de (d).
−−→ →
det(AM , − u ) = (x − xa ) × a − (y − ya ) × (−b) = ax + by − axa − by a = c − c = 0
Donc les vecteurs sont bien colinéaire et −
→u est un vecteur directeur de (d).
La proposition suivante nous affirme qu’une droite (d) peut être caractérisée par la donnée d’un
point A ∈ (d) et d’un vecteur directeur −
→
u.
Proposition 18. Soient (d) une droite, A ∈ (d) et − →
u un vecteur directeur de cette droite. Nous
avons la caractérisation suivante des points M appartenant à la droite (d).
−
→ −−→
M ∈ (d) ⇐⇒ u et AM sont colinéaires.
Enfin, voici une condition de parallélisme entre deux droites à partir de leurs vecteurs directeurs.
Proposition 19 (Condition de parallèlisme). Deux droites sont parallèles si et seulement si leurs
vecteurs directeurs sont colinéaires.
Remarque. Cette condition peut se vérifier à l’aide du déterminant.
Pour conclure ce chapitre, traitons un dernier exemple
Exemple 4.3.1. Dans un repère, déterminons une équation cartésienne des droites suivantes :
1. (d) passant par le point A(−1; 1) et de vecteur directeur −
→
u (3; 2).
2. (d′ ) passant par les points B(2; 3) et C(−3; 5).
Présentons deux manières de répondre à la première question.
1. Puisque −→
u est un vecteur directeur de (d), cela signifie que cette droite admet une équation
cartésienne de la forme (E) : 2x−3y+c = 0 pour un certain c ∈ R. De plus, le point A ∈ (d)
dont ses coordonnées vérifient l’équation (E). Autrement dit, 2 × (−1) − 3 × (−3) + c = 0
d’où c = 5.
−−→
2. Considérons un point générique M (x; y) ∈ (d). Nous savons alors que le vecteur AM (x+1; y −
1) est colinéaire au vecteur directeur −
→
u . Ainsi, leur déterminant est nul :
−−→ →
det(AM , −
u)= 0 ⇐⇒ 2(x + 1) − 3(y − 1) = 0 ⇐⇒ 2x − 3y + 5 = 0
Traitons à présent la deuxième question. Puisque B et C appartiennent à la droite (d′ ),
−−→
BC(−5, 2) est un vecteur directeur de (d′ ). C’est pourquoi (d′ ) admet pour équation cartésienne
(E ′ ) : 2x + 5y + c = 0 c ∈ R
Pour déterminer la valeur de c, il suffit d’utiliser le fait que les coordonnées du point B (ou C)
vérifie l’équation (E ′ ). Nous obtenons ainsi c = −19.
42 CHAPITRE 4. EQUATION CARTÉSIENNE D’UNE DROITE ET VECTEUR DIRECTEUR

• Utiliser la notion de vecteur directeur et de colinéarité pour déterminer des équations carté-
siennes de droites.
• Déterminer une équation cartésienne de droite connaissant un vecteur directeur et un point
de cette droite.
• Déterminer un vecteur directeur d’une droite définie par une équation cartésienne.
Chapitre 5
Nombre dérivé, fonction dérivée
5.1 Introduction
La notion de « dérivée » a mis du temps à être parfaitement saisie par les mathématiciens. Il
est possible de trouver des traces de celle-ci dans certains travaux de Fermat en 1636 mais aussi
dans ceux de Descartes ou Cavalieri à la même époque. Cependant, les véritables pères fondateurs
du calcul infinitésimal (menant à l’obtention de « dérivées ») sont Leibniz et Newton au 17ième
siècle. A cette époque, Newton parlait de « fluxion » qu’il définit comme « le quotient ultime de
deux accroissements évanescents ».
Comme nous allons le voir, une manière d’aborder le « nombre dérivée » se fait par le biais
de tangentes à une courbe. L’étude de tels objets fut initié par Pascal dans la première moitié du
17ième siècle.
Ces nouveaux objets mathématiques mettent en jeu des idées « d’infiniment petit » et de « li-
mite » qui sont pas encore bien maitrisées à l’époque et engendrent certains problèmes. Il fallut
l’intervention de d’Alembert au 18ième siècle pour définir la « dérivée » comme limite de taux
d’accroissement d’une fonction et patienter jusqu’au milieu du 19ième siècle pour que Weierstrass
formalise la notion de « dérivée ». Ce nouveau terme, ainsi que sa notation, furent inventé par
Lagrange à la fin du 18ième siècle.
5.2 Domaine de définition

Tout d’abord, voici quelques rappels concernant le domaine de définition d’une fonction
f : R → R.
Une des premières questions que l’on doit se poser lorsque l’on étudie une fonction f : R → R.
est de déterminer l’ensemble de définition : pour quels réels x l’opération f (x) a du sens ? Pour
cela, il convient de déterminer les réels aboutissant à une opération illicite afin de les exclure. Par
exemple : on ne peut diviser par zéro, il n’est pas non plus possible de calculer la racine carré d’un
nombre négatif,. . .
43
44 CHAPITRE 5. NOMBRE DÉRIVÉ, FONCTION DÉRIVÉE
Exemple 5.2.1. Considérons la fonction suivante :

1
x 7→
x−1
Il est alors évident que le dénominateur s’annule lorsque x = 1. Hormis cette valeur, tous les autres
calculs sont possibles. Le domaine de définition de la fonction est alors R\{1}.
Si maintenant la fonction est peu plus complexe :

1
x 7→ ,
x2 + 3x − 1
il convient alors de déterminer les racines du polynômes P (x) = x2 + 3x − 1 afin de les exclure.
Si jamais nous considérions la fonction suivante :

r
1
x 7→ ,
x2 + 3x − 1
il faudrait établir un tableau de signe pour le polynôme P afin d’exclure les nombres réels tels que
P (x) ≤ 0.
5.3 Dérivabilité et variations

Nous anticipons un peu un chapitre ultérieur en mentionnant l’un des applications majeures de
cette année : l’étude des variations d’une fonction via le signe de sa dérivée. Nous allons proposer
des exemples simples permettant de mieux saisir cette nouvelle notion, nous fournirons ensuite une
définition du nombre dérivée et de la fonction dérivée d’une fonction donnée.
Débutons par un exemple instructif et considérons la fonction
f (x) = 2x + 1, x∈R
Il est assez simple de tracer son graphe et de constater, visuellement, que la fonction semble crois-
sante au sens suivant.
Définition 5.3.1. Soit f : R → R une fonction. On dit que f est croissante si, pour tout x, y ∈ R,
x ≤ y =⇒ f (x) ≤ f (y)
Autrement dit, la fonction f préserve l’ordre entre x et y.
Remarque. On dira que f est décroissante, si elle renverse l’ordre entre x et y :
x ≤ y =⇒ f (x) ≥ f (y)
Nous sommes à présent en droit de nous interroger : pourquoi la fonction f (x)− = 2x + 1
est-elle croissante ? Un court moment de réflexion permet de répondre à cette question : ceci est
provient du fait que le coefficient directeur (qui vaut 2 dans notre exemple) est positif. Si jamais
5.3. DÉRIVABILITÉ ET VARIATIONS 45
nous substituons ce coefficient 2 par −2 nous aurions obtenu une fonction décroissante. Enfin, si
ce coefficient directeur était nul la fonction f serait constante (égale à 1).
Ce que nous venons d’observer peut être résumé comme suit : pour une fonction f (x) = mx + p
avec m, p ∈ R, la monotonie de la fonction est déterminée par le signe du coefficient directeur m.
Ceci est intéressant mais un peu restrictif : comment étudier des fonctions plus complexes que les
fonctions affines ?
Compliquons légèrement et étudions la fonction x 7→ x2 . Il est également facile de tracer son

graphe et d’observer le fait suivant : la fonction semble décroitre lorsque x est négatif et la fonction
semble être croissante lorsque x est positif avec un minimum en 0. On souhaiterai trouver un
critère simple, comme le cas des fonctions affines, permettant de prouver l’observation précédente.
Le problème est que nous ne disposons plus de droite mais de parabole et parler de coefficient
directeur n’a plus de sens.
En revanche, il est possible de tracer des tangentes le long de la courbe induite par la fonction
x 7→ x2 . Bien que nous ne connaissions ni le coefficient directeur, ni l’ordonnée à l’origine, il
semblerait que toutes les tangentes aient un coefficient directeur négatif lorsque x ≥ 0 tandis
qu’elles semblent avoir un coefficient directeur positif lorsque x ≤ 0.
Il se trouve que cette remarque est cruciale est permet de traiter des cas beaucoup plus complexe :
le coefficient directeur des précédentes tangentes s’appelle le nombre dérivé et son signe permet de
déterminer la monotonie de la fonction.
De manière un peu plus abstraite, voici ce que nous venons d’observer : à partir d’une fonction
f donnée, nous avons (implicitement, de manière graphique) déterminé une nouvelle fonction et
le signe de celle-ci nous a permis de savoir si la fonction était croissante ou décroissante (via le
coefficient directeur des tangentes). Cette nouvelle fonction porte un nom : il s’agit de la dérivée
de la fonction f . Cette fonction correspond à un (petit) taux d’accroissement entre deux points et
l’étude de son signe permet de connaitre les variations d’une fonction donnée. Dans ce qui suit il
est donc primordial de maîtriser la notion de tableau de signe.
Dans ce qui suit, I désignera un sous ensemble de R (il s’agira souvent d’un intervalle) sur lequel
nos fonctions seront définies.
Définition 5.3.2. Soient f : I → R et a ∈ I tel que a + h ∈ I pour h suffisamment petit. Lorsque

la limite suivante existe
f (a + h) − f (a)
lim =l<∞
h→0 h
on dira que la fonction est dérivable au point a et nous noterons cette limite par f ′ (a).
Remarque. Observons que le rapport
f (a + h) − f (a) f (a + h) − f (a)
=
h a+h−a

correspond au coefficient directeur de la droite passant par les points a; f (a) et a + h; f (a + h )
appartenant à la courbe Cf .
Il est à noter que certaines fonctions ne sont pas dérivables : par exemple x 7→ |x|, n’est pas
dérivable en 0.
Malheureusement, cette définition n’est pas très manipulable en pratique et il sera plus commode
d’utiliser un formulaire dans lequel les dérivées des fonctions usuelles ont déjà été calculées. En voici
quelques unes.
Proposition 20. Le tableau suivant fournit le domaine de définition ainsi que la dérivée de
fonctions usuelles.
Domaine Domaine
Fonction définition Expression dérivation Dérivée
constante R f (x) = p R f ′ (x) = 0
identité R f (x) = x R f ′ (x) = 1
carré R f (x) = x2 R f ′ (x) = 2x
cube R f (x) = x3 R f ′ (x) = 3x2
inverse R∗ f (x) = x1 R∗ f ′ (x) = − x12
√ 1
racine R+ f (x) = x R∗+ f ′ (x) = 2√ x
Remarque. 1. Plus généralement, il est possible de dériver les fonctions puissances. En effet, si
n ∈ N∗ et f (x) = xn alors Df = R et f ′ (x) = nxn−1 .
2. Ceci est également peut également valable pour les fonctions du type :
1
g : x 7→ avec n ∈ N∗ .
xn
En effet, pour n ∈ N∗ et x 6= 0, x1n peut s’écrire x−n et ainsi g ′ (x) = −nx−n−1 = − xn+1
n
. Le
cas n = 1 permet de retrouver la dérivée de la fonction inverse :
1 1
h(x) = = x−1 et h′ (x) = −1x−1−1 = −
x1 x2
3. Bien que cela √

sorte du programme, ceci fonctionne aussi pour la fonction racine : il suffit
1
s’observer que x = x 2 pour x ≥ 0 et donc, par mimétisme,
√ ′ 1 ′ 1 1 1 1 1
x = x 2 = x 2 −1 = x− 2 = √ .
2 2 2 x
Démonstration. Démontrons certains de ces résultats.

1. Si f est une fonction constante, i.e. f (x) = p avec p ∈ R. Nous obtenons alors
f (x + h) − f (x) p−p
= =0 → 0
h h h→0
5.3. DÉRIVABILITÉ ET VARIATIONS 47
2. Si f est la fonction carré, i.e. f (x) = x2 . Alors
f (x + h) − f (x) (x + h)2 − x2 x2 + 2xh + h2 − x2

= = = 2x + h → 2x
h h h h→0
3. Si, nous considérons la fonction inverse, i.e. f (x) = x1 . Nous obtenons
1 1 x−(x+h)
f (x + h) − f (x) x+h − x (x+h)x −h 1 −1 −1
= = = × = → 2
h h h (x + h)x h (x + h)x h→0 x
4. La démonstration pour les fonctions puissances et racine sont admises. Le cas de la fonction
cube est laissé à titre d’exercice.
A tout ceci s’ajoute plusieurs règles de dérivations permettant de traiter des fonctions plus
complexes : si je connais la dérivée de u et la dérivée de u, puis-je en déduire la dérivée de u + v ? de
uv ? de uv (lorsque v ne s’annule pas) ? Ces règles de dérivations sont essentielles et sont résumées
dans la proposition qui suit.
Proposition 21. Soient u, v deux fonctions dérivables sur I et a ∈ R.
′
1. au = au′ .
′
2. u + v = u′ + v ′ .
′
3. uv = u′ v + uv ′ .
4. Si v ne s’annule pas, ′
u u′ v − uv ′
=
v v2
Remarque. En particulier, lorsque v = u, le point 3 nous assure que (u2 ) = u′ u + uu′ = 2uu′ . Il est
primordial de retenir les faits suivants :
la dérivée d’un produit (resp. quotient) n’est pas le produit (resp. quotient) des dérivées !
Démonstration. Démontrons ces résultats. Le premier point est laissé en exercice, le troisième et
dernier points sont admis car les démonstrations nécessitent une notion hors-programme. Traitons,
le cas de la dérivée d’une somme :
(u + v)(x + h) − (u + v)(x) u(x + h) + v(x + h) − u(x) − v(x)

=
h h
u(x + h) − u(x) v(x + h) − v(x)
= + → u′ (x) + v ′ (x)
h h h→0
puisque les fonctions u et v sont supposées dérivables.

A partir de ces règles, il sera possible de dériver toutes les fonctions que nous rencontrerons
durant le cours. L’étude du signe de ces dérivées permettront ensuite de déterminer les variations
de la fonction initiale. Nous y reviendrons plus tard durant le cours, nous allons d’abord nous
focaliser sur des calculs de dérivation de fonction.
Pour conclure ce chapitre, nous énonçons ci-dessous la formule permettant de déterminer (lorsque
cela existe) l’équation de la tangente à une courbe. Fournissant une formule rigoureuse du phéno-
mène que nous avions observé au début de ce chapitre.
Proposition 22. Soit f : I → R une fonction dérivable sur I ⊂ R. L’équation de la tangente à la

courbe Cf au point d’abscisse x0 ∈ I est alors donnée par
y = f ′ (x0 )(x − x0 ) + f (x0 )
Remarque. En pratique, l’énoncé de l’exercice fournit la valeur de x0 et il ne reste plus qu’à déter-
miner f ′ (x0 ) et f (x0 ). A priori, l’équation obtenue doit avoir la forme suivante :
y = ax + b
avec a = f ′ (x0 ) et b = f (x0 ) − x0 f ′ (x0 ).

• Savoir utiliser les formules de dérivations des fonctions usuelles.

• Savoir dériver des produits, sommes, quotients de fonctions usuelles.
• Savoir calculer l’équation de la tangente à une courbe.
5.5 Pour aller plus loin

5.5.1 Modèle dynamique
L’année prochaine vous rencontrerez de nouvelles équations. Dans celles-ci vous n’aurez pas à
déterminer un ensemble de nombre réels comme en 1ère S mais vous devrez trouver une fonction
vérifiant certaines propriétés. Précisons ceci, en 1ère S vous deviez résoudre des équations de la
forme
ax2 + bx + c = 0 avec a 6= 0, (b, c) ∈ R2 ,
cela revenait à trouver tous les nombres réels x vérifiant l’équation précédente. En terminale, on
vous demandera de trouver toutes les fonctions f vérifiant certaines conditions. Par exemple, quelles
sont les fonctions dont la dérivée est la fonction elle-même :
f ′ (x) = f (x) pour tout x ∈ R

5.5. POUR ALLER PLUS LOIN 49
Il s’agit d’équations dites « différentielles »et vous apprendrez comment les résoudre l’année
prochaine. Quoiqu’il en soit, ce genre d’objet permet de modéliser des situations réelles assez
intéressantes.
Nous avons vu que la dérivée correspondait à un taux d’accroissement. Si jamais f désigne

la population d’une espère, il ne parait donc pas absurde d’imaginer que f ′ permet de savoir de
quelle manière cette population grandie ou diminue.
En 1926, les mathématiciens A. J. Lotka et V. Volterra ont proposé un modèle mathématiques

permettant de représenter la dynamique de population d’un couple de proies et de prédateurs (a
priori, il s’agissait de lynx et de lièvre des neiges).
Dans ce qui suit nous adopterons les notations suivantes :
• la fonction f désigne la population des proies,
• la fonction g désigne la population des prédateurs,
• a ∈ R désigne le taux de reproduction des proies,
• b ∈ R désigne le taux de mortalité des proies (lui même est lié à la fréquence des rencontres
des proies avec leurs prédateurs),
• c ∈ R désigne le taux de reproduction des prédateurs (il dépend du nombre de proies

mangées),
• d ∈ R désigne le taux de mortalité des prédateurs.

Le modèle est alors le système suivant :
(
f ′ (x) = f (x) × a − bg(x)

g ′ (x) = g(x) × cf (x) − d
Bien que d’apparence simple, il n’est pas possible de résoudre explicitement ce système (i.e.
trouver une formule explicite pour les fonctions f et g). En revanche, étant données des conditions
initiales (population de départ,. . . ), le théorème de Cauchy-Lipschitz nous assure qu’il existe une
unique solution à ce problème et il est possible de décrire ces solutions de manière qualitatives
(périodicité,. . . ).
5.5.2 Dérivées partielles

Voici quelques mots sur une généralisation de la notion de dérivation. Dans de nombreux do-
maines, il est souvent nécessaire de considérer des fonctions de plusieurs variables (le temps et
l’espace par exemple). Mathématiquement, cela revient à considérer des fonctions de la forme
f : R2 → R
(x, y) 7→ f (x, y)
Il est alors tentant de chercher à déterminer les variations de cette fonction par rapport à la variable
x ou y. Pour cela, il suffit de s’intéresser à l’un d’entre elles, x par exemple, et de considérer que la
seconde variable, y par exemple, est constante. Il est alors possible d’écrire le taux d’accroissement
selon la variable x pour obtenir la notion de dérivée partielle : lorsque la limite suivante existe nous
la désignerons par ∂x f (x, y)
f (x + h, y) − f (x, y)
lim = ∂x f (x, y) y ∈ R
h→0 h
Voyons plutôt sur un exemple.
Exemple 5.5.1. Posons : f (x, y) = x + y, alors
f (x + h, y) − f (x, y) x + h + y − (x + y)
= = 1 → = 1.
h h h→0
Autrement dit ∂x f (x, y) = 1 et, de manière similaire, nous obtiendrons ∂y f (x, y) = 1

De nombreuses propriétés que nous avons vu dans ce chapitre sont encore vérifiées lorsque la
fonction considérée mets en jeu plusieurs variables. A vrai dire, les calculs sont souvent plus longs
mais rarement plus compliqués.
Cette notion de dérivée partielles est prépondérante en physique et apparait naturellement dans
des équations particulières (appelées équations aux dérivées partielles) permettant de modéliser des
phénomènes physiques important. Pour attiser votre curiosité, nous indiquons ci-dessous la forme
de telles équations.
• équation de la chaleur : ∂t u = 12 ∆u,
2
• équation des ondes : ∂tt u = c2 ∂xx
2
u avec c > 0,
• équation de Schrödinger (décrivant les déplacements d’une particule en physique quan-

tique) : i∂t u + ∆u + f = 0 avec f une fonction donnée. Cette formulation correspond plus
à une version mathématicienne de l’équation de Schrödinger et de nombreuses constantes
physiques n’y apparaissent pas (notamment la constante de Planck).
Chapitre 6
Statistiques
6.1 Introduction
La Statistique (l’étude de données statistique) est relativement récente (bien qu’il existe de
nombreuse traces, dans l’Histoire, de listes d’objets ou de nombres) et fait partie des mathématiques
traitant les évènements aléatoires.
A COMPLETER
Quant à elle, la boite à « moustaches »a été inventée par Tukey en 1977.
6.2 Rappels
Dans ce chapitre, nous considèrerons une série de n observations ordonnées, notées x1 , . . . , xn ,
avec n ∈ N.
Voici quelques mots de vocabulaire à connaitre .
Définition 6.2.1. Une série d’observations, ou série statistique, se définit à partir de deux para-
mètres :
1. Une population qui est l’ensemble des individus (ou objets) observés.
2. Un caractère qui est la qualité étudiée dans la population.
Remarque. Observons que le caractère étudié peut-être de nature diverses :

• qualitatif lorsqu’il n’est pas numérique.
• quantitatif discret lorsqu’il peut prendre un nombre fini de valeurs numériques.
• quantitatif continu lorsqu’il peut prendre un nombre infini de valeurs réelles.
Exemple 6.2.1. Supposons que nous ayons un sondage à disposition. Celui-ci a été réalisé auprès
de n personnes (composant la population étudiée) pour connaître leur intention de vote au second
tour d’une élection (il s’agit du caractère étudié). Les réponses possibles de ce sondage sont : « Oui »,
« Non » et « Ne se prononce pas »(il s’agit caractère qualitatif).
51
52 CHAPITRE 6. STATISTIQUES
Exemple 6.2.2. Un professeur reporte les notes de son dernier contrôle sur son ordinateur. Pour
chaque copie (l’ensemble des copies correspond à la population), il a attribué une note (correspon-
dant au caractère étudié) pouvant aller de 0 à 20 avec un pas de 0, 25 (il s’agit donc d’un caractère
quantitatif discret).
Dans toute la suite, nous essayerons de décrire une série statistique à caractère quantitatif à
partir de certains indicateurs. Certains d’entres eux ont déjà été vus au collège ou en classe de
seconde.
6.3 Description par quantiles

Pour décrire une série statistique nous allons déterminer des valeurs associées : il s’agit de
quantile particuliers. Nous allons nous focalisé sur la médiane ainsi que sur le premier et dernier
quartile permettant de mesurer la dispersion de la série autour de sa médiane.
Définition 6.3.1. Soit (x1 , . . . , xn ) une série statistique à caractère quantitatif. Voici la définition
de certains quantiles.
• La médiane est :
1. la valeur centrale lorsque n est impair.
2. la moyenne des deux valeurs centrales lorsque n est pair.
Dans tous les cas, nous noterons la médiane par Med.
• Le premier quartile Q1 est la plus petite valeur de la série telle que 25% des valeurs de la
série lui soient inférieures ou égales.
• Le troisième quartile Q3 est la plus petite valeur de la série telle que 75% des valeurs de la
série lui soient inférieures ou égales.
La quantité Q3 − Q1 est appelé « écart interquartile »et correspond à 50% de la population

étudiée.
Remarque. Rappelons que « l’étendue » d’une série statistiques est la différence entre la plus grande
valeur de la série ( son maximum) et la plus petite (son minimum). Nous la noterons e.
Exemple 6.3.1. Observons la série statistique suivante :
Longueur (en m) 37 39 40 41 42 43 44 48
Effectif 4 3 4 2 2 4 5 2
Effectif cumulés 4 7 11 13 15 19 24 26
1. La longueur médiane des lancers de javelot présentés dans ce tableau est Med = 41, 5m. En
effet, l’effectif total est pair (ici N = 26) donc la médiane est la moyenne des 13ème et 14ème
longueurs ; lesquelles sont égales à 41m et 42m.
6.3. DESCRIPTION PAR QUANTILES 53
26
2. Il est facile de déterminer le 1er quartile, puisque 4 = 6, 5, Q1 est la 7ème longueur, à
savoir : Q1 = 39m.
3. Ce qui permet d’obtenir le troisième quartile : Q3 est la 20ème longueur, puisque

3 × 6, 5 = 19, 5, à savoir : Q3 = 44m.
4. Enfin, l’écart interquartile correspond donc à [39; 44].
L’ensemble de ces informations donne une première description de la série (x1 , . . . , xn ). Elles
sont résumées dans la représentation graphique suivante.
Définition 6.3.2. Un diagramme de Tukey (aussi appelé « boîte à moustache ») est un résumé,
sur un axe gradué, des quantiles définis ci-dessus. Ce diagramme est constitué
• d’une boîte (dont la hauteur est prise de manière arbitraire) délimitée par le 1er et 3ème
quartiles. Cette même boite est ensuite partagée par la médiane.
• de « moustaches » qui relient les quartiles aux valeurs extrêmes de la série.
Un exemple est donné ci-dessous correspondant aux notes (sur 10) d’étudiants.
0 1 2 3 4 5 6 7 8 9 10
Exemple 6.3.2. Sur le diagramme précédent, nous lisons donc :

• La médiane Med vaut 5. Ainsi la moitié des élèves ont eu plus de la moyenne.
• Le premier quartile Q1 vaut 3 et le troisième quartile Q3 vaut 6.
• Les valeurs extrêmes valent 1 pour le minimum et 8 pour le maximum.
Exemple 6.3.3. Il est souvent utile de comparer des diagrammes de ce genre pour émettre des
hypothèses. Par exemple, imaginons que nous ayons relevé, à différents intervalles (toutes les heures,
pendant quatre jours), les températures dans une forêt (en noir ) et dans un champ (en bleu ) proche
de cette même forêt. Ces mesures ont donné lieu aux diagrammes suivants.
12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Quelle semble être l’influence des arbres sur la température à l’intérieur de la forêt ?
• Ces diagrammes montrent que les températures sont beaucoup plus dispersées dans les
champs. Il est possible de supposer que les arbres permettent de maintenir une température
plus stable.
• Ces diagrammes montrent aussi que les températures sont globalement plus basses en forêt,
il est possible émettre l’hypothèse que les arbres aident à conserver la fraîcheur.
6.4 Description par moyennes

Dans cette section, nous présentons une autre manière de décrire une série statistique. Plaçons
nous à présent dans le cadre d’une série statistique (xk ; nk ), k = 1, . . . , l, r ∈ N où les valeurs
distinctes x1 , . . . , xl ont pour effectif respectif n1 , . . . , nl (ou pour fréquence f1 , . . . , fr ). L’effectif
total de la série est noté N où N = n1 + . . . + nl .
Définition 6.4.1. La moyenne de la série statistique (xk ; nk ) où 1 ≤ k ≤ l est le nombre m (aussi

noté x̄) défini par :
l r
1 X X
x̄ = ni xi = fi xi
N i=1 i=1
Exemple 6.4.1.
Don (en euros) 10 15 20 30 50 Total
Effectif 12 17 10 11 5 55
12×10+17×15+10×20+11×30+5×50
C’est pourquoi, le don moyen x̄ est de 21 = 55 euros.
Similairement au cas de la médiane, la moyenne seule n’est qu’un outil limité ne tenant pas
compte de la dispersion. Pour palier ce manque, nous définissons les quantités suivantes.
Définition 6.4.2. . La variance de la série statistique (xk ; nk ), pour 1 ≤ k ≤ l, est notée V est
définie par
l l
1 X X
V= ni (x̄ − xi )2 = fi (x̄ − xi )2
N i=1 i=1
6.5. COMPARAISON DE SÉRIES 55
Remarque. Observons que la variance est simplement la moyenne des écarts à la moyenne au carré.
2
Autrement dit, la moyenne des (x̄ − xi )√ . Par souci d’homogénéité, nous utiliserons plus souvent la
racine carrée de la variance notée σ = V et appelée écart type de la série.
Exemple 6.4.2. Comme nous allons le voir sur l’exemple suivant, la variance permet d’en
apprendre plus sur une série statistique et complète l’information apportée par la moyenne.
Considérons les deux séries statistiques suivantes :
S1 : {9; 9; 11; 11} et S2 : {1; 1; 19; 19}.

Ces deux séries ont la même moyenne : 10. Calculons la variance et l’écart-type de ces deux
séries :
1. Pour la première série S1 , nous avons
2(9 − 10)2 + 2(11 − 10)2 p

V1 = = 1 et σ1 = V1 = 1
4
2. pour la deuxième série S2 , nous obtenons
2(1 − 10)2 + 2(19 − 10)2 p

V2= = 81 et σ2 = V2 = 9
4
6.5 Comparaison de séries

La description d’une série passe souvent par le choix d’un paramètre dit de position (moyenne
ou médiane) qui donne une première information. Cette information, partielle, est complétée par
un paramètre de dispersion correspondant (écart interquartile ou écart type). Ceci donne un couple
de paramètres qui offre une première synthèse des observations et facilite la comparaison de séries.
En effet,
1. Le couple (Med; Q3 − Q1 ) donne une indication de la tendance centrale de la série (médiane)

et de la concentration de la moitié des données autour de cette dernière (écart interquantile).
Il est peu sensible aux valeurs extrêmes. En revanche, l’écart interquartile ne prend en compte
que la moitié de la population et peut ne pas être représentatif.
2. Le couple (m; σ) donne une indication de la tendance moyenne de la série (moyenne) et mesure
le carré des écarts à cette dernière (écart type). Il est très sensible aux valeurs extrêmes.
En revanche, il s’avère très efficace dans le cas de séries symétriques autour de la moyenne
(phénomène rencontré par exemple dans les sondages).
Remarque. Comme nous le verrons, la calculatrice permet facilement d’obtenir ces différentes valeurs
associées à une série statistique.
6.6 Bilan
• Déterminer la nature d’une série statistique (population, caractère...).
• Déterminer la boîte à moustache correspondant à une série statistique.
• Savoir calculer la moyenne, la variance et l’écart type d’une série statistique.
• Comparer deux séries et commenter.

Chapitre 7
Trigonométrie et angles orientés
7.1 Cercle trigonométrique et mesure d’angle

Définition 7.1.1. Un cercle trigonométrique C est un cercle de rayon 1 sur lequel nous distinguerons
deux sens de parcours :
• le sens direct lorsque le cercle est parcouru dans le sens inverse des aiguilles d’une montre ;
• le sens indirect lorsque le cercle est parcouru dans le sens des aiguilles d’une montre.
Remarque. Les mesures suivantes seront utiles par la suite : la longueur d’un cercle vaut 2π, celle
du demi-cercle vaut donc π et celle d’un quart de cercle vaut π2 .
Le cercle trigonométrique permet d’introduire une nouvelle unité de mesure d’angles : le radian.
Définition 7.1.2. Le radian, noté rad, est la mesure d’un angle au centre qui intercepte sur le
cercle C un arc de longueur 1.
Remarque. Il y a une relation de proportionnalité entre les degrés et les radians. En effet, nous
savons que la relation suivante est vérifiée
360 degrés équivaut à 2πrad (la longueur du cercle trigonométrique)
C’est pourquoi nous avons le tableau suivant :
Degrés 360 d
Radian 2π r
Ce tableau de proportionnalité nous fournit la relation suivante 180 × r = d × 2π qui permet de

convertir des degrés en radian et vice-versa.
Les valeurs remarquables suivantes sont à connaitre
Degrés 0 30 45 60 90 120 135 150 180

π π π π 2π 3π 5π
Radian 0 6 4 3 2 3 4 6 π
57
58 CHAPITRE 7. TRIGONOMÉTRIE ET ANGLES ORIENTÉS
7.2 Anglé orienté d’un couple de vecteurs

Nous allons voir qu’il est possible d’orienter le plan et d’utiliser le cercle trigonométrique pour
associer la mesure d’un angle entre deux vecteurs non nuls. A cet effet, soient − →u et −
→v deux vecteurs
non nuls. A partir du centre O du cercle trigonométrique C, il existe deux points du plan M et N
tels que
−−→ − −−→ −
OM = →
u et ON = →
v
De plus, observons que les demi-droites [OM ) et [ON ) coupent le cercle en des points A et B. La
longueur l, sur le cercle C, entre les points A et B va permettre de définir la mesure de l’angle
associé aux vecteurs −
→u et −
→v.
Définition 7.2.1. Dans le contexte précédent, la famille des nombres réels l + 2kπ, avec k ∈ Z, est
une mesure de l’angle orienté (−
→
u,−
→
v ).
Remarque. De manière informelle, le nombre k indique le nombre de tour (du cercle trigonométrique)
qui a été fait. En pratique, nous allons souvent confondre un angle avec l’une de ses mesures. Notons
aussi que l’ordre des vecteurs −
→u et −→
v est important. En effet, si (−
→
u,−
→
v ) = l alors (−
→
v ,→
−
u ) = 2π − l.
7.2.1 Mesure principale d’un angle orienté de vecteurs

Certains mesures sont plus simples à utiliser que d’autres.
Définition 7.2.2. Parmi les mesures l + 2kπ, avec k ∈ Z, d’un angle orienté (− →u,−
→v ), il en existe
une et une seule appartenant à l’intervalle I =] − π; π]. Cette mesure s’appelle la mesure principale
de (−
→
u ,−
→v ).
Remarque. La valeur absolue de la mesure principale d’un angle coïncide avec l’angle géométrique
défini par les deux vecteurs −→u et −
→
v . Les autres mesures de cet angle sont obtenu en rajoutant des
−
→ −
→
« tours de cercle » : si ( u , v ) = l alors toutes les autres mesures de cet angle sont de la forme
l + 2kπ avec k ∈ Z
Voyons ce que nous obtenons sur deux exemples.
Exemple 7.2.1. 1. Supposons que (− →u,−
→v ) = 37
6 π et déterminons la mesure principale de cet
angle orienté. Pour cela, il suffit d’observer que
37π 6×6+1 1 π
= π = (6 + )π = + 3 × 2π ;
6 6 6 6
la mesure principale est donc π6 .
2. De manière similaire, si (−
→
u,−
→
v)= 202π
3 nous avons
202π 67 × 3 + 1 π
= π = + 67π ;
3 3 3
ici, il faut poursuivre un peu nos calculs afin de faire apparaitre un multiple de 2π à la place
de 67π. Cela s’effectue de la manière suivante
67π = 68π − π,
7.3. FONCTION COSINUS ET SINUS D’UN ANGLE ORIENTÉ 59
ainsi π3 + 67π = π3 + 68π − π = − 2π 2π

3 + 34 × 2π. La mesure principale vaut donc − 3 et l’angle
2π 2π
géométrique associé a pour mesure − 3 = 3 .
7.2.2 Propriétés des angles orientés

Voici quelques propriétés des angles orientés, celles-ci s’obtiennent grâce à du calcul vectoriel.
Proposition 23 (Colinéarité et angle orienté). Soient −

→
u et −
→
v deux vecteurs non nuls. Alors
• dire que u et v sont colinéaires et de même sens est équivalent à (−
−
→ −
→ →
u,−→
v ) = 0;
• dire que −
→
u et −
→
v sont colinéaires et de sens opposé est équivalent à (−
→
u,−
→
v)=π
Remarque. Ce résultat donne une autre façon de prouver que trois points sont alignés ou de montrer
que des droites sont parallèles.
Une relation de Chasles existe également pour les angles orientés.
Proposition 24 (Relation de Chasles). Soient −

→
u,−
→
v et −
→
w des vecteurs non nuls, alors
(−
→
u,−
→
v ) + (−
→
v ,−
→
w ) = (−
→
u,−
→
w)
Remarque. En conséquence de cette relation de Chasles, nous avons les relations suivantes :
(−
→
v ,−
→
u ) = −(−
→
u,−
→
v) ; (−
→
u , −−
→
v ) = (−
→
u,−
→
v )+π ; (−−
→
u,−
→
v ) = (−
→
u,−
→
v )+π ; (−−
→
u , −−
→
v ) = (−
→
u,−
→
v)
Il est également important d’observer que la substitution d’un vecteur par un autre vecteur coli-
néaire, de même sens, n’affecte pas le mesure de l’angle orienté. Par exemple
(2−
→
u,−
→
v ) = (−
→
u,−
→
v) ; (−
→
u , 3−
→
v ) = (−
→
u ,−
→
v) ; (2−
→
u , 3−
→
v ) = (−
→
u,−
→
v)
7.3 Fonction cosinus et sinus d’un angle orienté

Pour introduire ces nouvelles fonctions, il est important de se placer dans un repère orthonormé
→ −→ −
− → −→
(O; I; J) direct ; si i = OI et j = OJ ceci signifie que
−
→ −
→ −
→ − → π
kik=kjk=1 et ( i , j ) =
2
Définition 7.3.1. Dans un tel cadre, à tout points M appartenant au cercle trigonométrique C de
centre O, nous associons les quantités suivantes :
−→ −−→
• nous noterons θ une mesure de l’angle orienté (OI, OM ) ;
• le cosinus de θ, noté cos(θ), correspondra à l’abscisse du point M ;
• le sinus de θ, noté sin(θ), correspondra à l’ordonnée du point M .
J
b
sin(θ) b b
M
b
θ b b I
O
cos(θ)
Voyons quelques propriétés de ces nouvelles fonctions. Tout d’abord, il est important de calculer
quelques valeurs remarquables de ces fonctions.
7.3. FONCTION COSINUS ET SINUS D’UN ANGLE ORIENTÉ 61
(0, 1)
√ √
− 12 , 23 1
,
2 2
3
√ √ √ √
− 22 , 22 π 2
2
, 2
2
2
2π π
√ 3 3 √
− 23 , 21 3π
90 ◦ π 3 1
2 , 2
4 4
120◦ 60◦
5π π
6 6
150◦ 30◦
(−1, 0) (1, 0)
π 180◦ 0◦ ◦
360 2π x
210◦ 330◦
7π 11π
6 6
√ 240◦ 300◦ √
5π ◦ 7π
− 23 , − 21 270 3 1
4 4 2 , −2
4π 5π
3 3
√ √ 3π √ √
− 22 , − 22 2 2
2 ,− 2
2
√ √
− 21 , − 23 1
2 , − 2
3
(0, −1)
Sur la figure précédente, l’abscisse de chaque point fourni la valeur du cosinus

√
de l’angle cor-
respondant et l’ordonnée la valeur du sinus. Par exemple, le point M ( 12 , 23 ) permet de savoir
que
√
π 1 π 3
cos = et sin =
3 2 3 2
Il est essentiel de retenir les valeurs suivantes.

π π π π
θ (en radians) 0
√6 √4 3 2
3 2 1
cos(θ) 1 2 0
√2 √2
1 2 3
sin(θ) 0 2 2 2 1
Les autres valeurs peuvent être retrouvées de manière élémentaire à l’aide d’arguments géomé-
triques que nous allons décrire ci-dessous.
7.3.1 Propriétés des fonctions trigonométriques

Proposition 25. Pour tout x ∈ R et tout k ∈ Z les identités suivantes sont satisfaites
• cos(x) ∈ [−1; 1] et sin(x) ∈ [−1; 1],
• cos(x + k2π) = cos(x) et sin(x + k2π) = sin(x), ces fonctions sont dites 2π- périodiques,
• cos2 (x) + sin2 (x) = 1.
Voici les propriétés géométriques dont nous parlions plus tôt. Il en existe encore d’autres mais
nous ne les aborderons pas dans ce cours.
Proposition 26. Pour tout réel x, nous avons

• (Autour du cosinus) cos(x) = cos(−x) et − cos(x) = cos(x − π) = cos(x + π).
• (Autour du sinus) sin(x) = sin(π − x) et − sin(x) = sin(−x) = sin(π + x).
π
π

• (Relation entre les deux) sin 2 − x = cos(x) et cos 2 − x = sin(x).
A toute fin utile mentionnons également les formules d’additions suivantes :
Proposition 27. Soient a, b deux réels alors
cos(a ± b) = cos(a) cos(b) ∓ sin(a) sin(b) et sin(a ± b) = sin(a) cos(b) ± cos(a) sin(b)
7.4 Equations trigonométriques

Enfin, pour conclure ce chapitre, il faudra résoudre des équations de la forme
cos(x) = u ou sin(x) = u avec u ∈ [−1; 1]

Autrement dit, lorsque u est une valeur donnée, il faut trouver l’ensemble des réels x satisfaisant
les équations précédentes. Pour résoudre, ceci nous avons le résultat suivant
Proposition 28. Pour tout a ∈ R, nous avons les relations suivantes

• cos(x) = cos(a) ⇐⇒ {x = ±a + 2kπ, k ∈ Z}
7.4. EQUATIONS TRIGONOMÉTRIQUES 63
• sin(x) = sin(a) ⇐⇒ {x = a + 2kπ ou x = π − a + 2kπ, k ∈ Z}

Remarque. En pratique pour résoudre cos(x) = u il faudra d’abord trouver a ∈ R tel que cos(a) = u
pour ensuite appliquer le résultat précédent. Ce genre d’équations sera très important l’année
prochaine lorsque vous étudierez les nombres complexes.
Chapitre 8
Dérivée et variations d’une

fonction et sens de variations
Nous avons déjà rencontré la notion de fonction dérivée dans un chapitre précédent. Ici, nous
allons enfin voir de quelle manière l’étude du signe de la fonction dérivée permet d’obtenir des infor-
mations sur le sens de variations d’une fonction et de déterminer l’existence d’éventuels extremums.
Par la suite f : I → R désignera une fonction dérivable sur un intervalle ouvert I ⊂ R.
Théorème 29 (Variations). Soit f : I → R une fonction dérivable.

1. Si f ′ (x) ≥ 0, x ∈ R alors x 7→ f (x) est une fonction croissante sur I.
2. Si f ′ (x) ≤ 0, x ∈ R alors x 7→ f (x) est une fonction décroissante sur I.
3. Si f ′ (x) = 0, x ∈ R alors x 7→ f (x) est une fonction constante sur I.
Remarque. Il est possible de définir de manière similaire la notion de fonction strictement croissante
ou strictement décroissante si l’on remplace les inégalités larges par des inégalités strictes dans les
points 1 et 2 de la proposition précédente.
3 2
Exemple 8.0.1. La fonction f (x) = x3 + x2 − 2x + 12 est dérivable et f ′ (x) = x2 + x − 2. Il faut à
présent étudier le signe de f ′ . Un rapide calcul du discriminant associé montre que f ′ admet deux
racines x1 = 1 et x2 = −2. Nous pouvons donc dresser le tableau de signe suivant :
x −∞ −2 1 +∞
f ′ (x) + 0 − 0 +
puisque a = 1 > 0. En conséquence de ceci, il est possible d’en déduire (à l’aide du théorème
précédent) le tableau de variation suivant :
65
66CHAPITRE 8. DÉRIVÉE ET VARIATIONS D’UNE FONCTION ET SENS DE VARIATIONS
x −∞ −2 1 +∞
f (x) f (−2)
f (1)
Remarque. Il est essentiel de suivre les étapes suivantes lors de l’étude d’une fonction :
1. Déterminer le domaine de définition et de dérivation (lorsque cela est demandé) ;
2. Calculer f ′ et étudier son signe ;
3. Déterminer les variations et la nature des extremums (s’ils existent) ;
4. Proposer une graphique représentant de manière fidèle la courbe en indiquant les tangentes
horizontales.
5. Il est parfois demander de calculer l’équation d’une tangente T , puis d’étudier la position
relative entre Cf et T .
Lorsque la fonction dérivée s’annule et change de signe autour d’un point, cela permet de détecter
la présence d’extremums. A ce propos rappelons la définition suivante.
Définition 8.0.1. Soit f : I → R.
• x0 ∈ I est un maximum local, s’il existe un intervalle ouvert J ⊂ I tel que
f (x) ≤ f (x0 ) pour tout x∈J
• x0 ∈ I est un minimum local, s’il existe un intervalle ouvert J ⊂ I tel que
f (x) ≥ f (x0 ) pour tout x∈J
Remarque. Le maximum ou le minimum sera dit global s’il est possible de choisir J = I dans la
définition précédente. Un extremum désigne sans distinction un maximum ou un minimum d’une
fonction
Théorème 30 (Extremums). 1. Si x0 ∈ I est un extremum de f alors f ′ (x0 ) = 0.
2. S’il existe un réel x0 tel que f ′ (x0 ) = 0 et que la dérivée change de signe autour de x0 (par
exemple f ′ (x) > 0 si x > x0 et f ′ (x) < 0 si x < x0 alors f (x0 ) est un extremum (local) de f .
Remarque. 1. Attention, si la dérivée s’annule en un point mais ne change pas signe autour
de ce point, il ne s’agit pas d’un extremum. Par exemple, si f (x) = x3 alors f ′ (x) = 2x2 et
f ′ (0) = 0 mais f ′ ne change pas de signe et 0 n’est pas un extremum de f .
2. Il est usuel d’appeler points critiques les valeurs annulant la dérivée.
2 3
Exemple 8.0.2. Etudions les variations de la fonctions f (x) = 3x + 32 x2 − 2x − 1 à l’aide du
théorème précédent.
Chapitre 9
Variable aléatoire, loi de

probabilité, espérance
9.1 Introduction
Contrairement à d’autres branches des mathématiques, la géométrie euclidienne ou l’algèbre
par exemple, les probabilités sont nées beaucoup plus tardivement. Quelques considérations
élémentaires furent abordées par Jérôme Cardan au début du XVI-ième siècle et par Galilée au
début du XVII-ième siècle mais le véritable début de cette théorie date de la correspondance entre
Pierre de Fermat et Blaise Pascal, en 1654.
Il fallut attendre la deuxième moitié du XVII-ième siècle, à la suite des travaux de Blaise Pascal
et Pierre de Fermat, pour que le terme « probabilité » prenne peu à peu son sens actuel, grâce aux
études menées par Jakob Bernoulli.
A la fin du XVIII-ième siècle, cette nouvelle théorie fera son apparition dans l’encyclopédie
de Diderot. Cependant, il fallut patienter jusqu’au début du XX-ième siècle pour que la théorie
des probabilités un nouvel essor. Celui-ci est du à la mise en place, en 1933, par le mathématicien
russe Kolmogorov, d’une axiomatisation mathématique (que nous utilisons toujours actuellement)
permettant de traiter la théorie des probabilités avec une véritable rigueur. Il fut d’ailleurs à
l’origine de travaux révolutionnaires dans cette branche et résolu un grand nombre de problèmes
qui avait dérouté de nombreux mathématiciens de l’époque.
Bien entendu, il existe de nombreuses expériences aléatoires beaucoup plus complexes que celles
vues en classe de seconde (lancé de dés, pile ou face,. . . ). Cependant la description précise de
celles-ci dépasse largement le cadre de ce cours. A titre d’exemple, voici un phénomène qu’il est
possible de visualiser chez soi : imaginons que nous observions un grain de poivre dans une casserole
d’eau bouillante. Les molécules d’eau, agitées, vont venir frapper et déplacer le grain de poivre.
La trajectoire du grain de poivre devient alors erratique, imprévisible et correspond à un objet
probabiliste très célèbre : le mouvement Brownien. Celui-ci a été découvert par le botaniste Brown
(en 1827) et fut étudié par Einstein (en 1905), cet objet est notamment utilisé, entre autre, en
67
68 CHAPITRE 9. VARIABLE ALÉATOIRE, LOI DE PROBABILITÉ, ESPÉRANCE
finance pour décrire l’évolution de la bourse. Il est également possible de visualiser ceci en ligne,
sur le site
http : //labs.minutelabs.io/Brownian − M otion/.
9.2 Loi d’une variable aléatoire

9.2.1 Variable aléatoire
Définition 9.2.1. Soit Ω l’univers associé à une expérience aléatoire. Définir une variable aléatoire
X sur Ω revient à associer à chaque issue de E un nombre x.
Remarque. Une variable aléatoire est une fonction X dont l’issue est aléatoire.
Voici un exemple permettant de mieux appréhender ceci.
Exemple 9.2.1. Considérons l’expérience aléatoire suivante.
Un joueur mise 2 euros puis lance deux dés trétraédiques parfaits. Il lit le résultat obtenu sur
chacun des dés (un entier compris entre 1 et 4). S’il obtient un « double », le joueur récupère sa
mise et reçoit une somme, en euros, égale au total des points marqués ; sinon, il ne reçoit rien et
perd sa mise.
Nous nous intéressons au gain (algébrique) du joueur que nous noterons X (les valeurs prises
par la fonction X sont aléatoires, il s’agit bien d’une variable aléatoire).
Décrivons plus en détails, l’expérience aléatoire mise en jeu :
• l’univers de cet expérience est un couple d’entier (x; y) avec 1 ≤ x ≤ 4 et 1 ≤ y ≤ 4. Les dés
1
étant parfaits, les issues obtenues sont équiprobables et se réalisent avec une probabilité de 16 .
• Pour définir la variable X il est important de décrire les valeurs qu’elle va prendre à
partir des différentes issues de l’expérience aléatoire. Ceci peut s’effectuer à l’aide d’un
tableau à double entrée : la première ligne désigne le résultat du premier dé, tandis que la
première colonne correspond à la valeur affichée par le deuxième dé. C’est-à-dire, a chaque
issue nous associons un gain : (1, 1) 7→ 2, (1, 2) 7→ −2,. . . afin de définir la variable aléatoire X.
1 2 3 4
1 2 −2 −2 −2
2 −2 4 −2 −2
3 −2 −2 6 −2
4 −2 −2 −2 8
9.2.2 Loi de probabilité d’une variable aléatoire

Une fois qu’une variable aléatoire est définie, il est intéressant de déterminer avec quelle
probabilité les différentes valeurs sont prises. Par exemple, quelle est la probabilité de l’évènement
9.3. PARAMÈTRES ASSOCIÉS À UNE VARIABLE ALÉATOIRE 69
« gagner 2 euros » ? Autrement dit, quelle est la probabilité que X = 2 ?
En utilisant le tableau de la section précédente, nous observons que cet évènement est unique-
ment réalisé pour l’issue (1; 1). Donc, puisqu’il s’agit d’une situation d’équiprobabilité,
1
P(X = 2) = .
16
De manière similaire, l’évènement X = −2 est composé de 12 issues (tous les couples (x; y) avec
x 6= y), cela assure donc que
12 3
P(X = −2) = = .
16 4
Il est alors utile de résumé ceci dans un tableau.
Gain xi −2 2 4 6 8
3 1 1 1 1
P(X = xi ) 4 16 16 16 16
Ce tableau représente la loi de probabilité de X.
Définition 9.2.2. Soit X est une variable aléatoire définie sur un univers Ω muni d’une loi de
probabilité P et désignons par x1 , . . . , xk les différentes valeurs prises par X.
Définir la loi de probabilité de X consiste à associer à chaque valeur xi (pour i = 1, . . . k) la

probabilité de l’évènement X = xi .
P
Remarque. Observons que ki=1 P(X = xi ) = 1.
9.3 Paramètres associés à une variable aléatoire

9.3.1 Espérance, variance et écart-type
Dans ce qui suit nous considérons une variable aléatoire X dont la loi est donnée par le tableau
suivant.
Valeur xi x1 x2 ... xk
P(X = xi ) p1 p2 ... pk
Définition 9.3.1. Voici trois paramètres associé à une variable aléatoire X :

• l’espérance de X, notée E[X] définie par
k
X
E[X] = p1 x1 + p2 x2 + . . . + pk xk = pi xi
i=1
• la variance de X, notée par Var(X) et définie par

k
2 2 2 X 2
Var(X) = p1 x1 − E[X] + p2 x2 − E[X] + . . . + pk xk − E[X] = pi xi − E[X]
i=1
p
• l’écart-type de X, noté σ(X) et définie par σ(X) = Var(X).
Remarque. La variance peut aussi s’exprimer de la manière suivante :

n
X 2
Var(X) = pi x2i − E[X] = E[X 2 ] − E[X]2 .
i=1
Il s’agit de la formule de König-Huygens. La variance quantifie les fluctuations autour de la moyenne.

Exemple 9.3.1. Reprenons l’exemple du jeu de dé pour calculer l’espérance et la variance de la
variable aléatoire X.
1. E[X] = 34 × (−2) + 16 1 1
× 2 + 16 1
× 4 + 16 1
× 6 + 16 × 8 = −0, 25. S’il le joueur joue un très grand
nombre de parties (plus de 30) dans les mêmes conditions, le gain moyen qu’il peut espérer
est de −0, 25. Il s’agit d’une application de la loi forte des grands nombres de Kolmogorov.
2. Ici, Var(X) = 43 ×(−1, 75)2 + 16

1 1
×(2, 25)2 + 16 1
×(4, 25)2 + 16 1
×(6, 25)2 + 16 ×(8, 25)2 = 10, 4375.
p
3. L’écart-type vaut donc σ(X) = Var(X) = 3, 23 (environ).
Voici d’autres propriétés utiles de l’espérance et de la variance.
9.3.2 Formules
Proposition 31. Soit X est une variable aléatoire et considérons a, b des nombres réels. Les for-
mules suivantes sont alors vérifiées
E[aX + b] = aE[X] + b et Var(aX) = a2 Var(X).

Démonstration. Par définition,
k
X k
X k
X k
X
E[aX + b] = pi (axi + b) = a pi xi + b × pi = a pi xi + b = aE[X] + b.
i=1 i=1 i=1 i=1
De manière analogue, grâce à la formule de König-Huygens, nous avons

k
X k
X
2 2
Var(aX) = pi (axi )2 − E[aX] = a2 pi (xi )2 − a2 E[X] = a2 Var(X).
i=1 i=1
9.4 Urne d’Ehrenfest

L’urne d’Ehrenfest est une expérience impliquant deux urnes contenant un total de N boules
indiscernable au touché. Toutes ces boules sont numérotées de 1 à N et l’expérience consiste à
tirer au hasard un numéro l{1, . . . , N } pour ensuite transférer la boule numéro I dans l’urne où
9.4. URNE D’EHRENFEST 71
elle n’était pas.
Le processus aléatoire d’Ehrenfest (Xn )n≥0 (qui peut être vu une suite aléatoire) consiste à
noter à chaque instant n ≥ 0 le nombre de boules contenues dans la première urne.
Cette expérience est là pour modéliser un problème physique : prenons une enceinte hermétique
séparée en deux compartiments de taille égale reliés entre eux par un fin tuyau. Laissant vide le
compartiment B, remplissons le compartiment A d’un gaz quelconque. Assez rapidement, les mo-
lécules de gaz vont migrer du compartiment A vers le compartiment B, jusqu’à l’établissement
d’une situation d’équilibre. En moyenne, le nombre de molécules dans chaque compartiment sera
identique. Les époux Ehrenfest se sont intéressés à ce modèle car il permettait d’étudier mathémati-
quement un paradoxe physique : à l’échelle microscopique, il est possible d’observer un phénomène
réversible provenant de la mécanique classique (le déplacement des boules d’une urne à l’autre) ; à
l’échelle macroscopique, la théorie de la thermodynamique assure que le phénomène est irréversible
l’irréversible macroscopique (tout comme un verre cassé ne peut se réparer de lui même, il n’est pas
possible que le gaz, après un moment, s’accumule dans une urne plutôt que l’autre). L’étude (par
le biais des chaines de Markov) de l’urne d’Ehrenfest permet de lever ce paradoxe.
Chapitre 10
Produit scalaire, applications

géométrique
10.1 Introduction
Bien qu’important en géométrie euclidienne, la notion de produit scalaire apparaît tardivement.
Les premières traces de ceci apparaissent dans des travaux, liées à la création de l’ensemble des
quaternions, de Hamilton en 1843. Le mathématicien Peano, quant-à lui, le définit à partir d’un
calcul d’aire ou de déterminant. Ce ne fut que plus tard encore que les qualités intrinsèques (forme
bilinéaire symétrique définie positive) d’un produit scalaire furent identifiées et utilisées comme dé-
finition. L’avantage de cette formulation abstraite permet de transposer des résultats géométriques
à des espaces abstraits, parfois de dimension infinie (espace de fonction par exemple).
10.2 Définition et expressions d’un produit scalaire

10.2.1 Norme d’un vecteur
−
−→
Définition 10.2.1. Si − →u est obtenu à partir de deux points A et B (i.e. −
→
u = AB) alors la norme
du vecteur −
→
u correspond à la longueur AB. Ceci se note
−
−→
k−
→
u k = kABk = AB
Lorsque k−
→u k = 1, le vecteur −
→
u est dit unitaire.
−
−→
Remarque. 1. L’égalité kABk = 0 équivaut à A = B.
2. Pour tout λ ∈ R et tout vecteur −

→
u nous avons kλ−
→
u k = |λ|k−
→
u k. Par exemple,
k3−
→
u k = 3k− →
u k et k − 2− →
u k = 2k−
→
uk
−
→ − →
3. Dans un repère orthonormé (O; i ; j ), si −
→
u a pour coordonnées (x; y) alors
p
k−
→
uk= x2 + y 2
73
74 CHAPITRE 10. PRODUIT SCALAIRE, APPLICATIONS GÉOMÉTRIQUE
10.2.2 Définition d’un produit scalaire

A partir de la norme précédente, il est possible de définir un produit scalaire dans le plan : il
s’agit d’associer un nombre réel à deux vecteurs −
→u et −
→v données.
Définition 10.2.2. Soient −
→
u et −
→
v , le produit scalaire entre ces deux vecteurs est défini par
−
→ 1 → −
u ·−v = k−
→ u +→ u k2 − k−→u k2 − k−
→
v k2
2
Remarque. 1. Attention −→
u ·− →
v est un nombre réel pas un vecteur.
2. Par convention, lorsque u = −
−
→ →v , il est possible d’écrire −
→
u ·−
→
u =− →u 2 . Il est toutefois préférable
−
→ −
→ −
→ 2
de noter u · u = k u k pour éviter les confusions.
−
→ −
→
3. La définition du produit scalaire montre que si −
→
u = 0 ou −
→
v = 0 alors −
→
u ·−
→
v = 0.
−−
→ → −→ −−→
4. Soit ABCD est un parallélogramme, notons −
→
u = AB et −
v = AC (ainsi −
→
u +−
→
v = AD) alors
−
→ 1
u ·−
→
v = AD2 − AB 2 − AC 2
2
10.3 Expression du produit scalaire

Dans certains contextes, il est possible d’obtenir des expressions plus manipulables du produit
scalaire.
10.3.1 A l’aide des coordonnées

Proposition 32. Dans un repère orthonormée, si −
→
u et −
→
v ont pour coordonnées respectives (x; y)
′ ′
et (x ; y ) alors
−
→
u ·−
→v = xx′ + yy ′
Remarque. 1. En particulier, −
→
u 2 = k−
→
u k2 = x2 + y 2 .
−
→ − → −
→ −
→ →
2. Si (O, i , j est une base orthonormée i.e. i = (1, 0) et j = (0, 1) et −
u = (x, y) un vecteur
quelconque, alors
−
→ −
→ −
→
u · i = x et − →
u · j = y.
Autrement dit, le produit scalaire d’un vecteur −
→
u avec les vecteurs composant une base du
plan permet de retrouver les coordonnées de celui-ci.
Démonstration. Il suffit de revenir à la définition en observant, dans un premier temps, que k−
→
u k2 =
2 2 −
→ 2 ′ 2 ′ 2 −
→ −
→
x +x et k v k = (x ) +(y ) . Puis, dans un second temps, que le vecteur u + v a pour coordonnées
(x + x′ ; y + y ′ ) et par conséquent
k−→
u +− →v k2 = (x + x′ )2 + (y + y ′ )2 = x2 + (x′ )2 + 2xx′ + y 2 + (y ′ )2 + 2yy ′

Il suffit ensuite, en utilisant la définition de −
→u ·−→v , de calculer 12 k−
→
u +− →
u k2 − k− →
u k2 − k−
→
v k2 pour
conclure.
10.4. RÈGLES DE CALCULS 75
10.3.2 A l’aide de la norme et d’un angle orienté

Lorsque les vecteurs − →u et − →v sont non nuls, il est possible d’exprimer le produit scalaire en
fonction de l’angle orientés ( u , −
−
→ →v ).
Proposition 33. Sous les hypothèses précédentes, − →u ·−
→v = k−→
u k × k−
→v k × cos(−
→
u,−
→
v)
Remarque. Si les vecteurs −
→
u et −
→
v sont colinéaires, l’expression précédente se simplifie :
• si u et v sont de même sens alors −
−
→ −
→ →
u ·−→
v = k− →u k × k−
→
v k.
• si −
→
u et −
→
v sont de sens opposé alors −
→
u ·−
→
v = −k−
→
u k × k−
→
vk
→
− →
−
Démonstration. Sans perdre en généralité (quitte à remplacer − →u et −→v par k→ u
−
uk
v
et k→
−
vk
), il est
−
→ −
→ −
→ −
→
possible de supposer que les vecteurs u et v soient unitaires (i.e. k u k = k v k = 1). Plaçons nous
−
→ −→ → −−→ →
dans un repère orthornormée direct de la forme (O, −
→u , j ) et posons OI = − u ainsi que OM = − v.
−→ −−→ −
→
Il suffit donc de calculer −
→
u ·−→
v = OA · OM dans le repère orthonormée (O, − →
u , j ). Pour cela,
nous allons utiliser le théorème précédent. Il nous suffit donc de déterminer les coordonnées de ces
vecteurs pour ensuite utiliser l’expression du produit scalaire en fonction des coordonnées. Tout
−→
d’abord, puisque OA est l’un des vecteurs de base du repère, nous avons
−→
OA = (1, 0)
−−→ −−→
Ensuite, par définition des angles orientés (−
→
u , OM ) et (−
→
u , OM ) nous avons
−−→ −−→ −−→
OM = cos(− →
u , OM ) ; sin(−
→
u , OM ) = cos(−
→
u,−
→
v ) ; sin(−
→
u,−
→
v)
−−→ →
puisque OM = −
v . Ainsi, d’après le théorème précédent
−→ −−→
OA · OB = 1 × cos(−
→
u,−
→
v ) + 0 × sin(−
→
u,−
→
v ) = cos(−
→
u ,−
→
v ).
Ce qui est le résultat souhaité.
10.4 Règles de calculs

Etant donnés trois vecteurs −
→u,−→
v et −
→w voici quelques règles de calculs permettant de manipuler
plus facilement les produits scalaires entre ces derniers.
Proposition 34. Pour tous vecteurs − →
u ,→
−v et −
→w et tous nombres réels a et b, nous avons
−
→ −
→ −
→ −
→
1. propriété de symétrie : u · v = v · u .
2. propriété de linéarité :
−
→u · (−
→
v +− →
w) = −
→
u ·−
→
v +−
→
u ·−
→
w et (a−
→
u ) · (b−
→
v ) = (ab) × −
→
u ·−
→
v
Remarque. En particulier, nous avons les conséquences suivantes :
(−−→
u)·− →
v = −− →
u ·−
→v et (− →
u ±− →
v )2 = −
→
u2 +− → v 2 ± 2−
→
u ·−
→
v
−
→ 2 −
→ 2
Attention, nous rappelons que u est une notation pour désigner k u k . Autrement dit, la deuxième
conséquence signifie que la norme (au carré) du vecteur −
→u ±−→v s’exprime comme la somme des
−
→ −
→
normes (au carré) des vecteurs u et v plus ou moins le produit scalaire entre ces deux vecteurs.
10.5 Produit scalaire et orthogonalité

Géométriquement le produit scalaire à un lien avec la notion d’orthogonalité.
−−
→ →
Définition 10.5.1. Soient −
→
u et −
→
v deux vecteurs non nuls ; supposons de plus que −
→
u = AB et −v =
−−→ −
→ −
→
CD. Dire que u et v sont orthogonaux signifie que les droite (AB) et (CD) sont perpendiculaires.
−
→
Remarque. Par convention 0 est orthogonal à tout autre vecteur
Proposition 35 (Orthogonalité et produit scalaire). Nous avons l’équivalence suivante :
−−
→ −−→
(AB) ⊥ (CD) ⇐⇒ AB · CD = 0
−
−→ − → −−→ −→
Démonstration. Si AB = 0 ou CD = 0 le résultat est immédiat. Dans le cas contraire, nous avons
−
−→ −−→ −−
→ −−→
AB · CD = AB × CD × cos(AB, CD).
−
−→ −−→
Puisque les vecteurs AB et CD sont non nuls, il en est de même des normes associées. Ainsi,
−−
→ −−→
l’hypothèse AB · CD = 0 entraine que
−−
→ −−→
cos(AB, CD)
−−
→ −−→ π −−
→ −−→
Ceci implique alors (AB, CD) = 2 + kπ avec k ∈ Z. Autrement dit, les vecteurs AB et CD sont
orthogonaux.
Le procédé de projection orthogonal que nous allons décrire ci-dessus permet de simplifier le
calcul d’un produit scalaire entre deux vecteurs.
Définition 10.5.2. Soient A, B, C et D quatre points distincts du plan. Dire que les points C ′ et
D′ sont les projections orthogonales des points C et D sur la droite (AB) signifie que
(CC ′ ) ⊥ (AB) et (DD′ ) ⊥ (AB).
−−
→ −−→
Théorème 36 (Projeté orthogonal). Soient AB et CD deux vecteurs non nuls. Dans ce cas nous
avons
−
−→ −−→ − −→ −−−→
AB · CD = AB · C ′ D′
où C ′ et D′ sont les projections orthogonales des points C et D sur la droite (AB).
−−
→ −−→
Remarque. En résumé, pour calculer le produit scalaire AB · CD il est possible de remplacer l’un
des deux vecteurs par son projeté orthogonal (sur la droite dirigée par le second vecteur).
10.6. APPLICATIONS 77
Démonstration. La démonstration repose sur la décomposition, grâce à la relation de Chasles,

suivante :
−−→ −−→′ −−′−→′ −−′→
CD = CC + C D + D D
qu’il faut combiner avec les règles de calculs de produit scalaire.
10.6 Applications
Voici deux applications géométriques reposant sur une utilisation du produit scalaire.
10.6.1 Théorème d’Al-Kashi

Il s’agit d’une « généralisation » du théorème de Pythagore. Dans ce qui suit ABC désigne un
triangle scalène (quelconque). Selon l’usage, nous posons
BC = a, AC = b et AB = c.
bB
Les angles de sommets respectis A, B et C sont notés A, b et C.
b
Théorème 37 (Al-Kashi). Soit ABC un triangle scalène alors
b
a2 = b2 + c2 − 2bc cos(A)
Remarque. En particulier, si ABC est un triangle rectangle en A nous retrouvons l’égalité entre les
carrés des longueurs du Théorème de Pythagore. Il est également possible d’échanger le rôle des
longueurs a, b et c afin d’obtenir
b2 = a2 + c2 − 2ac cos(bb) ou c2 = a2 + b2 − 2ab cos(b

c)
bB
Ce théorème est notamment utile pour déterminer les mesures des angles A, b et C
b lorsque les
longueurs a, b et c sont connues.
Démonstration. D’après la relation de Chasles, nous avons

−−→ −−→ −→ −→ − −→
BC = BA + AC = AC − AB
−−→ −→ − −→ −→ − −→ −→ − −→
C’est pourquoi, b2 = kBCk2 = kAC − ABk2 = AC 2 + AB 2 − 2AC · AB. Or, AC · AB = AB ×
b d’où le résultat.
AC × cos(A)
10.6.2 Théorème de la médiane

Rappelons que la médiane d’un triangle est une droite qui passe pas l’un des sommets de celui-ci
et coupe en son milieu le côté opposé.
Théorème 38 (Théorème de la médiane). Soient ABC un triangle et I = m[BC] alors
a2
b2 + c2 = 2AI 2 + .
2
Démonstration. D’après la relation de Chasles, nous avons

−−
→ − → −→ −→ − → −→ − → −→
AB = AI + IB et AC = AI + IC = AI − IB
−
→ −→ −
→ −→ −
→ −→ −
→ −→
Donc b2 + c2 = (AI + IB)2 + (AI − IB)2 = AI 2 + IB 2 + 2AI · IB + AI 2 + IB 2 − 2AI · IB. Ainsi
b2 + c2 = 2AI 2 + 2IB 2
or IB = a2 , d’où le résultat.
Chapitre 11
Monotonie d’une suite et limite
11.1 Sens de variation d’un suite

11.1.1 Définition
Comme nous l’avons signifié plus tôt, une suite est famille de nombres indexée par des entiers
et correspond à un cas particulier de fonctions où n parcours les entiers plutôt que les nombres
réels. Tout comme lors de l’étude de fonction f : R → R, il est possible d’étudier la monotonie
d’une suite. Nous allons voir que cette étude est plus simple à mettre en place que l’étude des
variations d’une fonction f : R → R que nous avons déjà aborder dans ce cours.
Définition 11.1.1. Soit (un )n≥0 une suite numérique, une telle suite sera dite
• croissante si, pour tout entier n ≥ 0, un+1 ≥ un .
• décroissante si, pour tout entier n ≥ 0, un+1 ≤ un .
• constante si, pour tout entier n ≥ 0, un+1 = un .
Remarque. 1. En remplaçant le symbole ≥ par > (resp. ≤ par <) on peut égalemement définir
la notion de suite strictement croissante (resp. strictement décroissante).
2. Une suite croissante ou décroissante est dite monotone.

1 n
Exemple 11.1.1. La suite géométrique 1, 21 , 14 , 16
1
, . . . de raison q = 1
2 définie par tn = 2 , n≥0
est strictement décroissante.
11.1.2 Etude du sens de variation

Il est à noter que l’étude de la monotonie d’une suite (un )n≥0 consiste à déterminer le signe de
un+1 − un pour tout n ≥ 0.

Ce taux d’accroissement entre deux termes consécutifs s’apparente à une dérivée discrète.
79
80 CHAPITRE 11. MONOTONIE D’UNE SUITE ET LIMITE
Lorsque cela à du sens, il est également possible de voir si le rapport

un+1
un
est supérieur ou inférieur à 1 pour tout n ∈ N.
3
Exemple 11.1.2. 1. Considérons la suite (un )n≥0 définie par un = n+2 , n ≥ 0. On a donc
3 3
un+1 − un = −
n+3 n+2
3n + 6 − 3n − 9
=
(n + 3)(n + 2)
3
=−
(n + 3)(n + 2)
De plus, puisque n ∈ N nous avons immédiatement que n + 2 > 0 et n + 3 > 0. Ainsi, nous
avons donc montré que un+1 − un < 0 pour tout n ≥ 0. Ceci signifiant que la suite (un )n≥0
est (strictement) décroissante.
32n+1
2. Si vn = 5n pour n ≥ 0 alors, puisque vn 6= 0 pour tout n ∈ N, il suffit d’étudier le rapport
vn+1
vn .
vn+1 32n+3 5n 3
= n+1 × 2n+1 = < 1
vn 5 3 5
donc la suite est décroissante.
Proposition 39 (Monotonie d’une suite arithmétique). Soit (un )n≥0 une suite arithmétique de
raison r ∈ R, alors
• si r > 0 la suite est strictement croissante ;
• si r < 0 la suite est strictement décroissante ;
• si r = 0 la suite est constante.
Proposition 40 (Monotonie d’une suite géométrique). Soit (un )n≥0 une suite géométrique de
raison q ∈ R avec u0 > 0, alors
• si 0 < q < 1 la suite est strictement décroissante ;
• si q > 1 la suite est strictement croissante ;
• si q = 1 la suite est constante.
Remarque. Si q < 0 il n’est pas possible de conclure. Si jamais u0 < 0, les conclusions des deux
premières assertions sont inversées. C’est-à dire :
11.2. NOTION DE LIMITE 81
• si 0 < q < 1 la suite est strictement croissante ;
• si q > 1 la suite est strictement décroissante ;
Lorsqu’un suite est définie de manière explicite par une fonction f : R+ → R, la monotonie de
f détermine celle de la suite. Plus précisément
Théorème 41. Soit (un )n≥0 une suite définie à l’aide d’une fonction f : R+ → R par
un = f (n) n ≥ 0.
alors
• si f est strictement croissante sur R+ alors la suite (un )n≥0 est strictement croissante ;
• si f est strictement décroissante sur R+ alors la suite (un )n≥0 est strictement décroissante.
Remarque. Il est possible de remplacer les mots strictement croissante (resp. strictement croissante)
par croissante (resp. décroissante) dans ce qui précède.
Exemple 11.1.3. 1. La fonction affine f (x) = x2 + 3 et strictement croissante sur R ; en consé-
quence la suite
n
un = + 3 pour tout n ∈ N
2
l’est également.
2. Si f (n) = 13 n3 − 6n2 + 27n pour tout n ≥ 0. Il suffit d’étudier les variations de f (x) =
1 3 2 ′ 2
3 x − 6x + 27x sur R+ . Ici, f (x) = x − 12x + 27 et ∆ > 0 : il y a donc deux racines x1 = 3
′
et x2 = 9. De plus a = 1 > 0, donc f (x) ≥ 0 si x ≥ 9 : autrement dit, f est croissante sur
l’intervalle [9; +∞[. En conséquence, la suite (un )n≥0 est croissante lorsque n ≥ 9.
Il est important de ne pas chercher à généraliser le théorème précédent aux suites définies par
récurrence. L’étude de celles-ci est un peu plus complexes et n’est pas du programme.
Exemple 11.1.4. Considérons les suites
un
un+1 = 2 + 3 n ≥ 0,
u0 = 8.
et vn
vn+1 = 2 +3 n ≥ 0,
v0 = 1.
sont bien de la forme un+1 = f (un ) avec f (x) = x2 + 3 une croissante. Cependant, la suite (un )n≥0
est strictement décroissante tandis que la suite (vn )n≥0 est strictement décroissante.
11.2 Notion de limite

Dans cette section nous nous interrogeons quant au comportement de un lorsque n devient de
plus en plus grand. Autrement dit que dire de
lim un =?
n→+∞
Un moment de réflexion suggère que plusieurs cas de figures sont envisageables :
1. Les termes de la suite semblent s’accumuler près d’une valeur : un = n1 + 1 pour n ≥ 1.

2. Les valeurs semblent devenir de plus en plus grande : un = 2n pour n ≥ 1 ou vn = −n2 pour
n ≥ 0.
3. Les points semblent se disperser dans chaque direction : un = (−1)n 2n pour n ≥ 0.
Nous admettrons qu’une limite, lorsqu’elle existe, est unique. Etudions plusieurs situations.
Exemple 11.2.1. Soit un = n1 pour n ≥ 1. L’intuition suggère que un se rapproche de plus en
plus de zéro lorsque n → +∞. Pour le démontrer il faut montrer que pour tout intervalle (ouvert)
I contenant 0, il est possible de trouver un rang N à partir duquel tous les termes de la suite sont
contenu dans I.
Si I =]0; 10−3[ alors il suffit de choisir N = 103 +1. En effet, si n ≥ 103 +1 alors 0 ≤ n1 ≤ 1031+1 ≤ 1013 .
Autrement dit, si n ≥ N alors un ∈ I. Nous venons de montrer que
lim un = 0
n→+∞
Observons que la taille de l’intervalle I modifie le choix du rang N : si I était plus grand, nous
aurions pu choisir N plus petit et vice versa.
Exemple 11.2.2. Soit un = 3n2 + 1 pour n ≥ 1. L’intuition suggère que un se rapproche de
+∞ lorsque n → +∞. Nous devons donc montrer que le nombre A choisi (supposé grand), il est
possible de trouver un rang N tel que un > A à partir de ce rang.
q q
6 6
Supposons que A = 106 , alors un > A ⇐⇒ 3n2 + 1 > 106 ⇐⇒ n > 10 3−1 . Or 10 3−1 ≡
q
6
577, 35, il suffit donc de choisir N = ⌊ 10 3−1 ⌋ + 1 = 578 pour que un > A si n ≥ N . Autrement
dit,
lim un = +∞
n→+∞
A nouveau, N dépend de la valeur de A.

Exemple 11.2.3. Soit un = 3n2 + 1 pour n ≥ 1. L’intuition suggère que un se rapproche de
+∞ lorsque n → +∞. Nous devons donc montrer que le nombre A choisi (supposé grand), il est
possible de trouver un rang N tel que un > A à partir de ce rang.
q q
6 6
Supposons que A = 106 , alors un > A ⇐⇒ 3n2 + 1 > 106 ⇐⇒ n > 10 3−1 . Or 10 3−1 ≡
q
6
577, 35, il suffit donc de choisir N = ⌊ 10 3−1 ⌋ + 1 = 578 pour que un > A si n ≥ N . Autrement
dit,
lim un = +∞
n→+∞
A nouveau, N dépend de la valeur de A.

11.2. NOTION DE LIMITE 83
Exemple 11.2.4. Soit un = (−1)n n2 pour n ≥ 0. Le calculs de quelques termes de la suite

suggère qu’elle se disperse vers +∞ et vers −∞. Il est donc naturel de penser que la limite n’existe
pas. Pour cela, nous allons étudier des sous-suites de (un )n≥0 . Ici, nous allons étudier séparement
la suite des termes paires (u2n )n≥0 et la suite des termes impaires (u2n+1 )n≥0 pour montrer que
celles-ci ont des limites différentes. Par unicité de la limite, cela impliquera que la suite initiale
(un )n≥0 ne peut converger.
Observons que u2n = 4n2 et qu’il est possible de montrer que 4n2 → +∞ lorsque n → +∞.
De plus u2n+1 = −(2n + 1)2 = −(4n2 + n + 1) et cette suite converge vers −∞ lorsque n → +∞.
Autrement dit,
lim u2n 6= lim u2n+1

n→+∞ n→+∞
donc la suite (un )n≥0 ne converge pas.

Remarque. Lorsque la suite (un )n≥0 converge vers une limite l ∈ R, il n’est pas possible de trouver
des sous-suites (comme les termes paires ou impaires étudiés ci-dessus) qui converge vers une autre
limite l′ ∈ R. En fait, dans ce cas précis, toutes les sous-suites convergent vers la même limite l.
Chapitre 12
Loi Binomiale
12.1 Loi de Bernoulli

12.1.1 Epreuve de Bernoulli
Soit p ∈ [0, 1], une épreuve de Bernoulli est une expérience aléatoire comportant deux issues :
un succès de probabilité p et un échec de probabilité 1 − p. Cette expérience peut se représenter à
l’aide d’un arbre pondéré.
Exemple 12.1.1. 1. Jeu de pile ou face dans lequel on appelle succès le fait d’obtenir pile est
une épreuve de Bernoulli de paramètre p = 21 .
2. Un sac contient 10 boules, indiscernables au touché, numérotées de 1 à 10. L’expérience

aléatoire consiste à tirer une boule du sac. Le joueur gagne si le numéro est inférieur ou
égale à 3. Il s’agit d’une épreuve de Bernoulli pour laquelle le succès est « obtenir un numéro
3
inférieur à 3 »de probabilité p = 10 ; l’échec est l’évènement « obtenir un numéro strictement
supérieur à 3 »sa probabilité vaut 1 − 0, 3 = 0, 7.
Définition 12.1.1. Considérons une épreuve de Bernoulli et désignons pas X la variable aléatoire
qui prend la valeur 1 en cas de succès et la valeur 0 en cas d’échec. La loi de X est alors donné par
les probabilités suivantes :
P(X = 0) = 1 − p et P(X = 1) = p.
Il est usuel de dire que X suit une loi de Bernoulli de paramètre p et nous noterons ceci par
X ∼ Be (p).
12.1.2 Schéma de Bernoulli

Un schéma de Bernoulli est la répétition d’une même épreuve de Bernoulli de façon indépendante
(il est supposé que le résultat d’une épreuve n’affecte pas le résultat des autres).
85
86 CHAPITRE 12. LOI BINOMIALE
Exemple 12.1.2. Un sac contient 5 boules, indiscernables au touché, 3 rouges et 2 bleues. Le

joueur tire successivement et avec remise 2 boules du sac (on remet la boule obtenue dans le sac
après chaque tirage). Le joueur gagne si la boule obtenue est bleue.
Ici, l’épreuve de Bernoulli consiste à trier une boule du sac ; le succès correspond à obtenir « une
boule blueu »avec p = 52 . Cette épreuve est répétée deux fois de façon indépendantes (puisque les
tirages sont avec remise). Il s’agit d’un schéma de Bernoulli.
Propriétés 2. • Un schéma de Bernoulli est représenté par un arbre pondéré.
• Sur chaque branche de l’arbre est écrite la probabilité associée.
• La probabilité d’un chemin est le produit des probabilités figurant sur les branches. Il est donc
important de savoir utiliser l’arbre pour calculer des probabilités. Par exemple, La probabilité
d’obtenir exactement une boule bleue correspond aux issues RB et BR. La probabilité de
ces chemins vaut
3 2 6 2 3 6
P(RB) = × = et P(BR) = × =
5 5 25 5 5 25
12
donc P(obtenir exactement une boule bleue) = 25 .
12.2 Loi Binomiale

Considérons un schéma de Bernoulli dans laquelle l’épreuve de Bernoulli est réalisée n fois (par
exemple n = 4, 5, 10, 100, . . .) et dont la probabilité de succès vaut p. Nous allons voir étudier la
variable aléatoire X qui compte le nombre de succès (parmi les n répétitions). Avant cela, il faut
introduire quelques notions de dénombrements.
12.2.1 Variable aléatoire

Désignons par X la variable aléatoire qui compte le nombre de succès lors des répétitions d’un
schéma de Bernoulli. Ainsi X ∈ {0, 1, 2, 3, . . . , n}. L’évènement « obtenir k succès »s’écrit {X = k}
et P(X = k) désigne la probabilité d’obtenir k succès.
Exemple 12.2.1. Supposons que l’on fasse 20 pile ou face et que l’on désigne le succès par « obtenir
pile ». Sur n = 20 répétitions, X compte le nombre de pile obtenu, ainsi X ∈ {0, 1, . . . , 20}.
Définition 12.2.1. Dans le cadre décrit ci dessus, il est usuel de dire X suit un loi binomiale de
paramètres n et p (noté X ∼ B(n, p)). De plus, la loi de X est donnée par la famille des probabilités
suivantes :

n k
P(X = k) = p (1 − p)n−k pour tout 0 ≤ k ≤ n.
k

n
où les nombres (cette notation se lit « k parmi n ») sont appelés coefficients binomiaux.
k
12.2. LOI BINOMIALE 87
Remarque. Les coefficients binomiaux sont obtenus à l’aide de la calculatrice. Lorsque que l’on
représente un schéma de Bernoulli
à l’aide d’un arbre pondéré (avec les événements S pour le
c n
succès et S pour l’échec), dénombre les chemins contenant exactement à k succès parmi les
k
n répétitions.
La formule précédente semble compliquée, il n’en est rien. Reprenons l’exemple du sac rempli
de billes bleues et rouges.
Exemple 12.2.2. Nous avons une répétitions de n = 2 épreuves de Bernoulli indépendantes.

L’épreuve sous jacente consistait à appeler succès le fait d’obtenir une boule bleue et p = 52 . Si X
compte le nombre de succès obtenu dans ce schéma de Bernoulli alors X ∼ B(2, 25 ). Nous avions
calculé la probabilité d’obtenir exactement 1 bille bleue. Autrement dit,

2 2 3
P(X = 1) = p(1 − p) = 2 × ×
1 5 5
De manière
plus intuitive : p(1 − p) désigne la probabilité d’un chemin contenant exactement 1
2
succès et compte combien de chemin est-il possible d’obtenir en choisissant 1 succès parmi les
1
deux répétitions.
Les coefficients binomiaux vérifient certaines propriétés remarquables.
Théorème 42 (Symétrie et formule de Pascal). 1. Soient n ∈ N et 0 ≤ k ≤ n alors

n n
=
k n−k
2. Soient n ∈ N et 0 ≤ k ≤ n − 1 alors

n n n+1
+ =
k k+1 k+1
Remarque. Le triangle de Pascal permet facilement de calculer les coefficients binomiaux et permet
de trouver les coefficients apparaissant dans les identités remarquables (a + b)n .
12.2.2 Espérance, variance et écart-type d’une loi binomiale

Proposition 43. Si X ∼ B(n; p) (avec n ∈ N∗ et p ∈ [0; 1]) alors
1. l’espérance (analogue de la moyenne) de X vaut E[X] = np.
2. la variance de X vaut Var(X) = np(1 − p).
p p
3. L’écart type de X vaut Var(X) = np(1 − p).
88 CHAPITRE 12. LOI BINOMIALE
12.2.3 Nombres factoriels et coefficient binomiaux

Cette partie, bien qu’abordable au lycée, est hors programme. Elle permet cependant de définir
convenablement les coefficients binomiaux.
Supposons que nous ayons à disposition un mot de k lettres distinctes et que nous souhaitions
savoir combien d’anagrammes est-il possible de former avec ses lettres.
Exemple 12.2.3. Si le mot est ZOE, alors k = 3 et il y a 6 possibilités :
ZOE ZEO EZO EOZ OZE OEZ.

Nous venons de compter le nombre de permutations possibles des trois lettres Z, E et O.
Définition 12.2.2. Soit k un nombre entier, le nombre de permutation d’un alphabet à k lettres
distinctes vaut
k! = k × (k − 1) × (k − 2) × (k − 3) × . . . 3 × 2 × 1
avec pour convention 0! = 1. Le nombre k! se lit k factoriel.
Remarque. Observons que k! = k × (k − 1)!.
Exemple 12.2.4. Avec le mot ZOE nous avons k = 3 et k! = 3 × 2 × 1 = 6.
Les nombres factoriels permettent de définir les coefficients binomiaux. Imaginons que nous
ayons une liste de 20 DVD dans un sac et que nous souhaitions en choisir 3 parmi cette liste.
Combien de selections (dont l’ordre des DVD importe peu) est-il possible de faire ? La réponse à
ceci est le nombre suivant.

n
Définition 12.2.3. Soit n ∈ N et 0 ≤ k ≤ n alors le coefficient binomial (lire k parmi n)
k
vaut
n n!
=
k k!(n − k)!
Exemple 12.2.5. Pour répondre à notre question précédente concernant les sélections de 3 DVD
20
parmi 20 il faut donc calculer :
3
20! 20 × 19 × 18 × 17!
= = 20 × 19 × 3 = 1140
3!17! 6 × 17!
Chapitre 13
Equation cartésienne de droites et

de cercles
13.1 Droite et produit scalaire

13.1.1 Vecteur normal à une droite
Définition 13.1.1. Dire qu’un vecteur non nul −→
n est normal à une droite d signifie que le vecteur
−
→ −
→
n est orthogonal à tout vecteur directeur u de d.
Remarque. En conséquence de ceci, nous avons les faits suivants :
1. étant donnés, quatre points distincts du plan,
−
−→ −−→
(AB) ⊥ (CD) ⇐⇒ AB · CD = 0
2. Si −
→
n est un vecteur normal à d et −
→
u un vecteur directeur de d, nous avons
• −
→
n est un vecteur directeur de toute droite d′ perpendiculaire à d.
• −
→
u est un vecteur normal à toute droite d′ perpendiculaire à d
−
→ −
→
3. Soient d et d′ deux droites ayant respectivement −
→
n et n′ pour vecteurs normaux, −
→
u et u′
pour vecteurs directeurs :
−
→ −
→ −
→ −
→ −
→ −
→
d ⊥ d′ ⇐⇒ n · n′ = 0 ⇐⇒ u · u′ = 0 ⇐⇒ n et u′ sont colinéaires
13.1.2 Vecteur normal et équation de droite

Dans un repère orthonormé, il est possible de retrouver des équations cartésiennes de droites à
l’aide d’un vecteur normal.
Proposition 44. Une droite d a pour une équation cartésienne de la forme ax + by + c = 0 (avec
a 6= 0 ou b 6= 0) si et seulement si −
→
n = (a, b) est un vecteur normal à d.
89
90 CHAPITRE 13. EQUATION CARTÉSIENNE DE DROITES ET DE CERCLES
Remarque. En conséquence de ceci nous avons le fait suivant. Soient d et d′ d’équations cartésiennes
respectives :
d : ax + by + c = 0 et a′ x + b′ y + c′ = 0
Nous avons alors l’équivalence suivante : d ⊥ d′ ⇐⇒ aa′ + bb′ = 0.
13.2 Cercle et produit scalaire

−
→ − →
Dans ce qui suit, nous nous nous plaçons dans un repère orthonormée (O, i , j ).
13.2.1 Equation d’un cercle défini par son centre et son rayon
Définition 13.2.1. L’équation cartésienne d’un cercle C de centre I(x0 ; y0 ) et de rayon r est
(x − x0 )2 + (y − y0 )2 = r2
Remarque. Observons qu’il s’agit simplement d’une reformulation de M (x; y) est un point du cercle
C équivaut à IM 2 = r2 .
Exemple √ L’équation (x + 1)2 + (y − 2)2 = 12 est celle d’un cercle de centre I(−1; 2) et de
13.2.1. √
rayon r = 12 = 2 3.
13.2.2 Equation d’un cercle défini par son diamètre

Il est également possible de définir un cercle à partir de l’un de ses diamètres [AB].
−−→ −−→
Proposition 45. M est un point du cercle C équivaut à M A · M B = 0.
Remarque. Ce résultat permet d’obtenir l’équation d’un cercle à partir de deux de ses points,
diamétralement opposés, A et B.
Exemple 13.2.2. Soient A(1; 1) et B(−2; 3) sont les extrémités d’un diamètre d’un cercle C et
déterminons une équation de celui-ci. Soit M (x; y) ∈ C, d’après le résultat précédent il suffit de
−−→ −−→
calculer M A · M B. Ici, nous avons
−−→ −−→
M A · M B = (1 − x)(−2 − x) + (1 − y)(3 − y) = x2 + y 2 + x − 3y + 4
D’où, l’équation de C est : x2 + y 2 + x − 4y + 1 = 0. Il est important de vérifier au moins une fois
qu’il s’agit bien d’une équation de cercle :
1 13
x2 + y 2 + x − 4y + 1 = 0 ⇐⇒ (x + )2 + (y − 2)2 − =0
2 4
√
13
Il s’agit bien de l’équation d’un cercle de rayon 2 et de centre C(− 12 ; 2).
Remarque. Tout cercle admet une équation de la forme x2 + y 2 + ax + by + c = 0 mais la réciproque
est fausse.
Chapitre 14
Echantillonage
Procédons à quelques rappels de seconde.
14.1 Echantillon
Pour avoir une meilleur intuition de ceci, voici quelques exemples.
Exemple 14.1.1. • Lancer 100 fois un dé et noter la liste des résultats obtenus.
• Prélever 100 ampoules d’une chaine de fabrication. Tester, puis noter à chaque fois si elles
sont conforme ou non.
• Interroger 100 personnes au hasard et noter à chaque fois leur couleur préférée.
• ...
Dans les trois situations précédentes, nous avons noter les résultats d’une expérience aléatoire
qui a été répété n = 100 fois de manière indépendante.
Définition 14.1.1. Un échantillon de taille n est la liste de n résultats obtenues lors de n répétitions
indépendantes de la même expérience aléatoire.
Remarque. Lorsque l’expérience aléatoire ne présente que deux issues possibles (obtenir pile ou face,
gagner ou perdre, etc . . . ), il est usuel de parler d’épreuve de Bernoulli.
En pratique nous faisons face à une liste de valeurs à partir desquelles nous pouvons déterminer
la fréquence d’apparition des différentes issues de l’expérience.
Exemple 14.1.2. Si nous avons à disposition un échantillon de taille n = 1000 contenant les
résultats obtenus après avoir effectuer des piles ou faces. Supposons que nous ayons obtenu 531
531
fois l’issue pile, cela signifie que la fréquence observée de l’issue « pile » vaut f = 1000 = 0, 531.
D’un point de vue théorique, si la pièce équilibrée, nous savons également que P(pile) = 12 . De
plus, la loi forte des grands nombres de Kolmogorov nous assure que plus la taille de l’échantillon
augmente plus la fréquence observé f se rapproche de la valeur théorique P(pile). Nous allons voir
de quelle manière ce résultat peut servir pour à établir des tests en statistiques.
91
92 CHAPITRE 14. ECHANTILLONAGE
14.2 Estimation et intervalle de fluctuation

Supposons que nous ayons à disposition un échantillon de taille n à disposition. A l’aide de
cette échantillon, il est possible de déterminer de manière empirique la fréquence d’apparition d’un
certain caractère f . Il est alors naturel de se demander comment estimer la valeur théorique associé
à ce caractère. Voyons plutôt sur un exemple :
Exemple 14.2.1. Toujours avec l’exemple du pile ou face. Nous pourrions chercher à estimer la
valeur théorique P(pile) = p ∈ [0; 1] (a priori nous ne savons pas si la pièce est équilibrée ou non) à
l’aide d’un échantillon et des fréquences observées.
Une réponse acceptable serait de dire : la valeur théorique p se trouve dans un intervalle I (qui
dépendrait de la taille de l’échantillon n et de la fréquence observée f ) et cette affirmation se fait
avec une marge d’erreur de 5%. Le théorème suivant apporte une réponse à cette problématique.
Théorème 46. Supposons que nous ayons à disposition un échantillon vérifiant les hypothèses
suivantes :
1. la taille de l’échantillon est suffisamment grande : n ≥ 25 ;
2. la probabilité théorique p vérifie p ∈ [0, 2; 0, 8].

Alors, avec un risque de 5%, l’intervalle In = [f − √1 ; f + √1 ] contient la valeur théorique p.
n n
L’intervalle In est appelé intervalle de fluctuation.
Voyons, à l’aide d’exemples, ce que ce théorème permet de dire. Dans un premier temps, traitons
une question d’estimation d’une quantité inconnue p.
Exemple 14.2.2. Les 10000 employés d’une entreprise sont consultés sur la nouvelle couleur
du sigle de celle-ci : vert ou rouge. Inquiète du résultat, la direction, qui a fait campagne pour
la couleur rouge, a interrogé un échantillon de 100 employés sur leur choix et 54% ont répondu rouge.
Voyons ce qu’il est possible d’en conclure. Ici, n = 100 et p est un nombre inconnu (correspondant
à la véritable proportion de personnes ayant choisi rouge). La fréquence observée vaut f = 0, 54 et
√1 = 0, 1. Ainsi, l’intervalle de fluctuation associé à p est de la forme
n
In = [0, 44; 0, 64]
D’après le théorème précédent, il y a donc de très grandes chances (au moins 95%) pour la proportion
réelle p de personnes ayant choisi la couleur rouge se trouve dans cet intervalle. Il n’est cependant
pas possible de savoir quelle couleur va l’emporter car les deux situations peuvent se produire (p < 12
ou p > 12 ).
Dans un second temps, nous allons voir que ce théorème peut servir de test.
Exemple 14.2.3. Supposons que nous souhaitions vérifier qu’un dé est truqué ou non et que
nous ayons à disposition un échantillon de 2500 lancers. Si le dé n’est pas truqué, il y a autant
de chances d’obtenir un nombre pair qu’un nombre impair : i.e. P(pair) = p = 12 . Supposons que
nous ayons une échantillon de 2500 lancers et une fréquence observée (du nombre de résultats pairs
obtenus sur les 2500 lancers) valant f = 1150
2500 = 0, 46.
14.3. TEST STATISTIQUES ET LOI BINOMIALE 93
Les hypothèses du théorème précédent sont satisfaites et celui-ci nous assure que l’intervalle de
fluctuation (contenant la valeur théorique p) est
In = [0, 48; 0, 52]
puisque √1n = 50
1
= 0, 02. En outre, nous observons que f ∈ / I. En conclusion, avec une erreur de
5%, nous pouvons dire que l’hypothèse : « le dé est équilibré » n’est pas vraie.
Nous allons poursuivre cette étude de tests statistiques en utilisant (de manière implicite) les
propriétés de la loi binomiale (qui est sous entendu dans le contexte ci-dessus).
14.3 Test statistiques et loi binomiale

De manière générale, nous faisons face à la situation suivante : au sein d’une population, nous
supposons qu’un certain caractère vaut p ∈ [0, 1]. Nous souhaiterions juger cette hypothèse. A
cet effet, nous prélevons (parmi la population) un échantillon de taille n dans lequel le caractère
en question est présent avec une fréquence valant f . Qu’est-il possible de décider ? Au vu des
observations, devons-nous accepter l’hypothèse portant sur p ou la rejeter ? Quelle est l’erreur alors
commise ?
Autrement dit, si A est l’évènement d’intérêt nous faisons face au test suivant :
H0 : P(A) = p ou H1 : P(A) 6= p (14.3.1)

et nous cherchons à utiliser les données prélevées (i.e. la fréquence f ) pour trancher.
Remarque. Bien entendu, de manière sous-jacente, nous avons affaire avec une loi binomiale (dont
la probabilité du succès vaut P(A) = p et le nombre de répétitions correspond à la taille de l’échan-
tillon).
Exemple 14.3.1. Un exemple simple permettant d’illustrer le problème précédent est l’étude de
l’équilibre d’une pièce. Supposons que nous cherchions à déterminer si une pièce est équilibrée (i.e.
P(F ace) = P(pile) = 21 ). Dans les faits nous ignorons la valeur de P(F ace) = p ∈ [0, 1] et cherchons
à savoir si p = 12 (la pièce est équilibrée) ou non.
Pour cela, il suffit de procéder à certain nombre n de lancer, de noter les résultats obtenus
pour obtenir la fréquence f du nombre de pile. A partir de cette valeur f nous souhaitons ensuite
trancher entre l’alternative : « la pièce est équilibrée »ou « la pièce n’est pas équilibrée ».
Nous allons voir que l’utilisation de la loi binomiale permet d’éviter les restrictions imposées en
seconde (i.e. la valeur théorique p ne doit être ni trop proche de 0 ni trop proche de 1 et n doit être
suffisamment grand). Afin d’obtenir une règle de décision, permettant de trancher lors d’un test.
Nous avons besoin de la définition d’un « intervalle de fluctuation »associée à une loi binomiale.
Définition 14.3.1. L’intervalle de fluctuation (avec un seuil d’erreur de 5%) d’une fréquence, sur
un échantillon aléatoire de taille n suivant une loi binomiale B(n, p) est :

a b a : le plus petit entier tel que P(X ≤ a) > 0, 025
In = ; avec
n n b : le plus petit entier tel que P(X ≤ b) ≥ 0, 975
avec X ∼ B(n; p).
94 CHAPITRE 14. ECHANTILLONAGE
Remarque. L’obtention de cet intervalle de fluctuations n’impose pas des restrictions sur la taille
de p et de n. Lorsque ces conditions sont vérifiées les intervalles In obtenus sont sensiblement les
mêmes.
Nous avons alors la règle de décision suivante (qui découle du Théorème de Moivre-Laplace) qui
apporte une solution au problème (14.3.1).
Proposition 47 (Règle de décision). Nous avons l’alternative suivante :
1. si f ∈ In alors l’hypothèse H0 est acceptée avec une erreur de 5%.
2. si f ∈
/ In alors l’hypothèse H0 est rejetée avec une erreur de 5%.
Remarque. D’un point de vu pratique, les tests statistiques sont plutôt là pour servir à rejeter des
hypothèses plutôt que les accepter. Cela revient à dire : si je modélise mon aléa pour une certaine
loi de probabilité, est-ce que les fréquences observées sont réalistes ou non ?
En pratique, il convient donc de trouver, à l’aide d’une table ou de la calculatrice, les valeurs
de a et b en fonction des données n et p (sa valeur supposée). Puis de voir si la fréquence observée
f appartient ou non à l’intervalle In .

Cours 1ère S2

Transféré par

Droits d'auteur :

Formats disponibles

Cours 1ère S2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours 1ère S2

Transféré par

Droits d'auteur :

Formats disponibles

Cours de mathématiques en 1ère S (2018 − 2019)

3.3.1 Suites arithmétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

4 Equation cartésienne d’une droite et vecteur directeur 39

5 Nombre dérivé, fonction dérivée 43

7 Trigonométrie et angles orientés 57

8 Dérivée et variations d’une fonction et sens de variations 65

9 Variable aléatoire, loi de probabilité, espérance 67

9.3 Paramètres associés à une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . 69

10 Produit scalaire, applications géométrique 73

11 Monotonie d’une suite et limite 79

13 Equation cartésienne de droites et de cercles 89

Remarque. Le domaine de définition de f est l’ensemble des réels R.

ax2 + bx + c = 0 avec a 6= 0 et (b, c) ∈ R2

Ce genre de fonctions et d’équations apparaissent naturellement dans certains problèmes. Par

1.2 Rappels et pré-requis

2. Savoir résoudre des équations de la forme suivante

• (3x − 4)(−2x + 5) = 0 ou encore 2x2 + 3x = 0

1.3 Forme canonique

En imaginant que les termes x2 + ab x sont le début d’un identité remarquable

Voici quelques exemples :

2. Si f (x) = x2 − 2x − 15, nous avons alors

1.4 Résolution d’équations du second degré

(E) : ax2 + bx + c = 0, avec a 6= 0 et (b, c) ∈ R2

2. Si ∆ = 0, l’équation admet une racine réelle (dite double)

3. Enfin, si ∆ < 0, l’équation (E) n’admet aucune racine réelle.

3. Enfin, si ∆ < 0, l’équation (E) est équivalente à

1.5 Signe d’un polynôme du second degré

2. Si ∆ = 0 alors f (x) = a(x − x0 )2 pour tout x ∈ R, avec x0 la racine double de f .

f (x) signe de a 0 −signe de a 0 signe de a

2. Lorsque ∆ = 0 et f (x) = a(x − x0 )2 avec x0 la racine double de f , nous avons

f (x) signe de a 0 signe de a

3. Lorsque ∆ < 0, le polynôme f ne s’annule jamais et nous avons

Démonstration. La démonstration de ce résultat repose sur les formes factorisées, du polynôme f ,

f (x) signe de a 0 −signe de a 0 signe de a

3. Si ∆ < 0, il n’existe pas de factorisation de f permettant de dresser un tableau de signe.

Exemple 1.5.1. 1. Déterminons le signe du polynôme f (x) = 3x2 − 4x + 5 pour tout x ∈ R.

1.6 Représentation graphique d’un polynôme du second de-

Proposition 5 (Variations et extremum). La courbe représentative de la fonction f , que nous

De plus, si a > 0, f atteint son minimum au point α (cf. figure) :

Figure 1.1 – a > 0

Figure 1.2 – a < 0

Figure 1.3 – ∆ > 0 : deux racines distinctes en x = 1 et x = 3

Figure 1.4 – ∆ = 0 : 1 racine (double) en x = 2

Figure 1.5 – ∆ < 0 : pas de racines réelles

1.7 Bilan du chapitre

• Forme canonique, développée et factorisée d’un polynôme de degré 2 f .

• Signe d’un polynôme du second degré f avec résolution d’inéquations.

• Représentation graphique complète.

• Position relative de deux courbes du premier et/ou second degré.

En complément, il pourra être demander de mobiliser les connaissances précédentes pour :

• Utiliser un changement de variable pour résoudre une équation de degré supérieur.

• Résoudre des problèmes d’optimisation de distance, d’aire, etc . . .

1.8.1 Méthode de Cardan (publiée dans l’Ars Magna en 1545)

Voyons à présent une équation de degré trois :

• Connaissant les racines x1 et x2 du polynôme f (x) = x2 + bx + c, est-il possible d’exprimer

1.8.2 Méthode de Ferrari (1522-1565)

(Ê) : x4 + 4x3 + 3x2 − 8x − 10 = 0

• Procéder à un changement de variable en posant z = x − 1 afin d’obtenir une nouvelle

• Soit y ∈ R un paramètre à choisir ultérieurement, développer I = (z 2 + y)2 et utiliser