Anda di halaman 1dari 765

CAPES

Maths
[chapter] [chapter]
Session CAPES 2013

Recueil compil par Clment


B OULONNE

Les leons de
mathmatiques loral
du CAPES

http://cboumaths.wordpress.com

Licence Creative Commons


C
BY: $
\
les leons de
mathmatiques
loral du capes
recueil compil par clment BOULONNE
SOMMAIRE

I Probabilits et statistiques 15

1 Rsolution de problmes laide de graphes 17


1.1 Problme des ponts de Kningsberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2 Coloration de graphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Recherche du plus court chemin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Graphe probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5 Exercices dentrainement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2 Exprience alatoire, probabilit, probabilit conditionnelle 29


2.1 Exprience alatoire, vnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Probabilits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 Probabilits conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3 Variables alatoires discrtes 37


3.1 Loi de probabilits. Fonction de rpartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Esprance mathmatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Variance et cart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4 Exemples de variables alatoires discrtes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4 Loi binomiale 47
4.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3 Proprits sur les coefficients binomiaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4 Stabilit additive de la loi binormale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.6 chantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.7 Loi multinomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

5 Loi de Poisson, loi normale 57


5.1 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 Loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

6 Variables alatoires relles densit 65


6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2 Densit et loi de probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.3 Variables alatoires continues. Loi uniforme, loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . 67
6.4 Esprance dune variable alatoire continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.5 Exemples de variables alatoires densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

7 Lois uniformes, lois exponentielles 77


7.1 Lois uniformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
7.2 Lois exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

8 Lois normales 85
8.1 Premires dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

5
8.2 Loi normale centre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.3 De la loi normale la loi normale centre rduite, utilisation de tables . . . . . . . . . . . . . . . . . . . . 87
8.4 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.5 Thorme de De Moivre-Laplace et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

9 Marches alatoires 93
9.1 Chanes de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
9.2 Chanes de Markov au lyce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
9.3 Un cas particulier de chane de Markov : marches alatoires sur Z . . . . . . . . . . . . . . . . . . . . . . 97
9.4 Marches alatoires sur Zd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
9.5 Marches alatoires sur un groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9.6 Marches alatoires grandeur nature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

10Sries statistiques une variable 105


10.1 Premires dfinitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
10.2 Effectif et frquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
10.3 Etendue et mode dune srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.4 Paramtre de position . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
10.5 Paramtre de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
10.6 Exercices et problmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

11Sries statistiques deux variables numriques 113


11.1 Nuage de points . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
11.2 Point moyen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
11.3 Caractristiques numriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
11.4 Ajustement affine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
11.5 Autres types de rgression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

12Intervalles de fluctuation 121


12.1 Le thorme de De Moivre-Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
12.2 Activits dintroduction en Seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
12.3 Intervalle de fluctuation, la thorie en Terminale S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
12.4 Dautres exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
12.5 Avec Xcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

13Estimation 131
13.1 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
13.2 Tests dhypothses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

II Arithmtique & Algbre 139

14Multiples, diviseurs, division euclidienne 141


14.1 Multiples et diviseurs dans Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
14.2 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
14.3 Vers les congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

15PGCD, galit de Bzout 151


15.1 PGCD : Plus grand commun diviseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
15.2 Nombres premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
15.3 galit de Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
15.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
15.5 Questions du jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

16Nombres premiers 161


16.1 Nombres premiers : dfinition et proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
16.2 Divisibilit et nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

6
16.3 Dcomposition, diviseurs dun entier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
16.4 Petit thorme de Fermat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169

17Congruences dans Z 171


17.1 Premires dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
17.2 Complments : lanneau Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
17.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

18quations du second degr coefficients rels ou complexes 181


18.1 Premires dfinitions et mise sous forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
18.2 Rsolution dans C des quations du second degr coefficients rels . . . . . . . . . . . . . . . . . . . . . 183
18.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
18.4 Rsolution dquations du second degr coefficients complexes . . . . . . . . . . . . . . . . . . . . . . . 187

19Module et argument dun nombre complexe 189


19.1 Petit rappel sur les nombres complxes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
19.2 Module dun nombre complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
19.3 Argument dun nombre complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
19.4 Diffrentes formes dcritures des nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
19.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
19.6 Propositions de questions poses par le Jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199

20Exemples dutilisation des nombres complexes 201


20.1 Les nombres complexes en gomtrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
20.2 Les nombres complexes pour la rsolution dquations algbriques . . . . . . . . . . . . . . . . . . . . . . 208
20.3 Les nombres complexes et llectronique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
20.4 Complments : calcul de (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212

21Calcul vectoriel 215


21.1 Oprations sur les vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
21.2 quations dune droite ou dun plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
21.3 Barycentres dun ensemble de points de lespace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
21.4 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
21.5 Produit vectoriel, produit mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
21.6 Exercices dentrainement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232

22Exemples dutilisation dun repre 233


22.1 Dfinition dun repre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
22.2 Utilisation de repres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
22.3 Fonctions et changement de repre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
22.4 Systme de coordonnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
22.5 Coordonnes gographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
22.6 Et sans repre orthonorm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246

23Rsolution de problmes laide de matrices 249


23.1 Matrices et oprations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
23.2 Rsolution de systmes dquations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
23.3 Matrice de Leontief . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
23.4 Courbes polynomiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
23.5 Trigonalisation de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256

24Proportionnalit et linarit 259


24.1 Situation de proportionnalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
24.2 Reprsentation graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
24.3 Proportionnalit et fonctions linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
24.4 Proportionnalit et fonctions affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
24.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266

7
25Pourcentages 269
25.1 Introduction du pourcentage au collge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
25.2 Des pourcentages en 1reES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
25.3 Les piges des pourcentages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
25.4 Applications conomiques : les intrts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

26Systmes dquations et systmes dinquations 279


26.1 Cas particulier : systmes dquations 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
26.2 Cas gnral dun systme dquations, mthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . 281
26.3 Systme dinquations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
26.4 Introduction la programmation linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
26.5 Exercices et problmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287

III Gomtrie 289

27Droites du plan 291


27.1 Gnralits sur les droites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
27.2 Droites parallles un axe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
27.3 Equation dune droite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
27.4 Caractrisation de droites parallles et perpendiculaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
27.5 Autres formes dquations de la droite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
27.6 Forme implicite, paralllisme et perpendiculaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
27.7 Intersection de trois droites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299

28Droites et plans de lespace 301


28.1 Rgles de base de la gomtrie dans lespace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
28.2 Droites et plans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
28.3 Positions relatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
28.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306

29Droites remarquables du triangle 311


29.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
29.2 Mdiatrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
29.3 Hauteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
29.4 Mdianes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
29.5 Bissectrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
29.6 Droites particulires dun triangle isocle ou quilatral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
29.7 Complments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321

30Le cercle 325


30.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
30.2 Quelques proprits du cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
30.3 Equation cartsienne du cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
30.4 Puissance dun point par rapport un cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
30.5 Le cercle vue comme une conique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331

31Solides de lespace 333


31.1 Dfintions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
31.2 Rgles de la perspective cavalire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
31.3 Solides usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
31.4 Solides de rvolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
31.5 Solides de Platon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343

32Produit scalaire 345


32.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346
32.2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346

8
32.3 Autres expressions du produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
32.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348

33Thorme de Thals 353


33.1 Rappels de quatrime . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
33.2 Thorme de Thals et sa rciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
33.3 Exercices et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
33.4 Dmonstration du thorme de Thals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
33.5 Dautres thormes de gomtrie en rapport avec le thorme de Thals . . . . . . . . . . . . . . . . . . . 358

34Trigonomtrie 363
34.1 De la trigonomtrie vue en classe de troisime . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
34.2 De la trigonomtrie vue en classe de Premire S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366

35Relations mtriques et trigonomtriques dans un triangle 375


35.1 Relations mtriques dans un triangle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
35.2 Relations trigonomtriques dans un triangle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
35.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381

36Problmes de constructions gomtriques 385


36.1 Programme de construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
36.2 Un uf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
36.3 Triangle dor et pentagone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
36.4 Dodcagone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
36.5 Carr dont les cts passent par quatre points . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390
36.6 Quelques quadratures du carr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
36.7 Autres problmes de construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394

37Problmes de lieux gomtriques 397


37.1 Mdiatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
37.2 Le cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
37.3 Utilisation des barycentres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
37.4 Utilisation du produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
37.5 Utilisation des homothties et des translations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
37.6 Thorme de larc capable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
37.7 Un exemple de recherche de lieux en utilisant un repre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407

38Orthogonalit 409
38.1 Droites orthogonales ou perpendiculaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410
38.2 Orthogonalit dans lespace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411
38.3 Produit scalaire (en lien avec lorthogonalit) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
38.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415

IV Suites numriques 419

39Suites monotones 421


39.1 Dfinition et exemples de suites numriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
39.2 Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
39.3 Suites minors, majors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425
39.4 Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
39.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427

40Limites de suites relles 433


40.1 Notion de limite infinie dune suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
40.2 Limites finies - Suites convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
40.3 Limites et oprations algbriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436

9
40.4 Limites et comparaison de suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
40.5 Limites des suites arithmtiques et gomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
40.6 Dterminer la limite dune suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
40.7 Suites monotones et limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
40.8 Complments : suites homographiques et limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444

41Suites arithmtiques, suites gomtriques 445


41.1 Suites arithmtiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
41.2 Suites gomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
41.3 Montrer quune suite est arithmtique ou gomtrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
41.4 Suites arithmtico-gomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451
41.5 Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 452

42Croissance compare pour les suites numriques 455


42.1 Etude de la suite an (a R+ , n N) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 456
42.2 tude de la suite np (n N et p N) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
42.3 tude de la suite ln(n) (avec n N ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
42.4 Croissance compare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459

43Suites de nombres rels dfinies par une relation de rcurrence 463


43.1 Suites dfinies par une relation de rcurrence, gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
43.2 Suites dfinies par rcurrence du type un+1 = f (un ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
43.3 Suites rcurrentes de type un+2 = aun+1 + bun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
43.4 Utilisation de Geogebra pour tracer une suite de rcurrence . . . . . . . . . . . . . . . . . . . . . . . . . . 476
43.5 Etude dune population . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477

44Problmes conduisant ltude de suites 479


44.1 Suites de carrs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 480
44.2 Intrts composs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
44.3 Un problme de tribu Lation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 484
44.4 0,9999. . . = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485
44.5 Mise en abme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486
44.6 Le problme des anniversaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486
44.7 Nombres de Fibonacci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488

V Fonctions 491

45Limte dune fonction relle dune variable relle 493


45.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
45.2 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495
45.3 Oprations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 499
45.4 Asymptotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500
45.5 Thorme de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501

46Thorme des valeurs intermdiares 503


46.1 Le thorme des valeurs intermdiaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
46.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 506

47Drivation 511
47.1 Drivabilit en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 512
47.2 Diffrentes interprtations du nombre driv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 513
47.3 Fonction drive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 515
47.4 Applications de la drivation ltude de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
47.5 Drivation dune fonction compose et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519
47.6 Tableaux des drives usuelles et oprations sur les drives . . . . . . . . . . . . . . . . . . . . . . . . . 520
47.7 Quelques ingalits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 522

10
48Fonctions polynmes du second degr 523
48.1 Fonction trinmes du second degr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
48.2 Equations du second degr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
48.3 Signe du trinme du second degr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 528
48.4 Sur les paraboles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529

49Fonctions exponentielles 533


49.1 La fonction exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 534
49.2 La notation ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 535
49.3 tude de la fonction x 7 ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
49.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540

50Fonctions logarithmes 541


50.1 Introduction de la fonction logarithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 542
50.2 Thorme fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 544
50.3 Etude de la fonction ln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545
50.4 Limites de rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546
50.5 Drives et primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 549
50.6 Exponentielles de base a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 549
50.7 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551

51Croissance compare des fonctions relles 553


51.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554
51.2 Croissance compare des fonctions puissances et logarithmes . . . . . . . . . . . . . . . . . . . . . . . . . 555
51.3 Croissance compare des fonctions puissances et exponentielles . . . . . . . . . . . . . . . . . . . . . . . 556
51.4 Dautres exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558
51.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559

52Courbes planes dfinies par des quations paramtriques 561


52.1 Fonctions valeurs dans C ou dans R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562
52.2 Courbes paramtres : paramtrisation cartsienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563
52.3 Courbe paramtre : paramtrisation polaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 565
52.4 Etude de courbes paramtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 567

53Intgrales, primitives 571


53.1 Primitives dune fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 572
53.2 Intgrale et aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 574
53.3 Intgrale et primitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578
53.4 Proprits algbriques de lintgrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 580
53.5 Intgrale et ingalits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 582

54Techniques de calcul dintgrales 585


54.1 Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
54.2 Intgration par primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
54.3 Intgration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 589
54.4 Intgration par changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
54.5 Intgration de fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 592
54.6 Calcul approch de lintgrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
54.7 Autres calculs de primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595

55quations diffrentielles 597


55.1 Prliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
55.2 Equations diffrentielles linaires du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
55.3 Equations diffrentielles linaires du second dordre coefs constants . . . . . . . . . . . . . . . . . . . . 602

56Problmes conduisant la rsolution dquations diffrentielles 607


56.1 Du double au triple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608

11
56.2 Loi de refroidissement de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608
56.3 Dissolution dune substance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
56.4 Alcoolmie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
56.5 Dcharge dun condensateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 611
56.6 Vitesse dun parachutiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612

57Problmes conduisant ltude de fonctions 615


57.1 Plan dtude dune fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616
57.2 Problmes conduisant ltude de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620

VI Analyse BTS 633

58Dveloppements limits 635


58.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 636
58.2 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 636
58.3 Oprations sur les dveloppements limits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 638
58.4 Dveloppements limits usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 639
58.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
58.6 Pour finir : un exercice de BTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 641

59Sries numriques 643


59.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 644
59.2 Sries gomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 644
59.3 Sries de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 645
59.4 Sries alternes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 646
59.5 Critres pour les sries termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647

60Sries de Fourier 651


60.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652
60.2 Coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653
60.3 Thorme de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 656
60.4 Sommes de Fourier de signaux usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 658

61Transformation de Laplace 661


61.1 Introduction la leon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 662
61.2 Transforme de Laplace de fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 662
61.3 Proprits de la transforme de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 665
61.4 Intgration et drivation de transforme de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 667
61.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 668

62Courbes de Bzier 675


62.1 Barycentres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
62.2 Polynme de Bernstein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
62.3 Courbes de Bzier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 677
62.4 Construction dune courbe de Bzier sur GeoGebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 681
62.5 Exercices dentrainement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682

63Exemples dtudes de courbes 685


63.1 Etude dune fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 686
63.2 Etude de courbes paramtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691
63.3 Etude de courbes de Bzier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 693
63.4 Etude de la cyclode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695

12
VII Miscellaneous 697

64Aires 699
64.1 Comparer les aires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 700
64.2 Mesurer une aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 703
64.3 Calculer une aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 703
64.4 Intgrale et aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 706
64.5 Complments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 711

65Exemples dalgorithmes 713


65.1 Dfinition dun algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
65.2 Algorithmes en arithmtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
65.3 Algorithmes en analyse et probabilits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 716
65.4 Algorithme de tri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
65.5 Cryptographie : Le code Csar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 722

66Exemples dutilisation dun tableur 725


66.1 Le tableur pour les collgiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 726
66.2 Le tableur pour les lycens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 729
66.3 Le tableur pour les techniciens suprieurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 731

67Exemples dutilisation dun logiciel de calcul formel 733


67.1 Arithmtique et algbre linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 734
67.2 Analyse et probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736
67.3 Algorithmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 740

68Diffrents types de raisonnement en mathmatiques 747


68.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 748
68.2 Raisonnement direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 748
68.3 Raisonnement par disjonction des cas (ou cas par cas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 748
68.4 Raisonnement par contraposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 749
68.5 Raisonnement par labsurde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 750
68.6 Raisonnement par utilisation dun contre-exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 751
68.7 Raisonnement par rcurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 752
68.8 Raisonnement par analyse-synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 753
68.9 Propositions de questions poses par le Jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 755

69Applications des mathmatiques dautres disciplines 757


69.1 Dmographie : fonction logistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 758
69.2 Mdecine - SVT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 759
69.3 Cryptographie : systme RSA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 761
69.4 Physique et quations diffrentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 762
69.5 conomie dentreprise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 763

13
14
I
Probabilits et statistiques
1
LEON

Rsolution de
problmes laide de
graphes

Niveau : Terminale ES Spcialit Maths


Prrequis : dfinitions de base dun graphe
1 Problme des ponts de Kningsberg

1 1 Enonc du problme
La ville de Knigsberg (aujourdhui Kaliningrad) est construite autour de deux les situes sur
le Pregel et relies entre elles par un pont. Six autres ponts relient les rives de la rivire lune ou
lautre des deux les. Le problme consiste dterminer sil existe ou non une promenade dans les
rues de Knigsberg permettant, partir dun point de dpart au choix, de passer une et une seule fois
par chaque pont, et de revenir son point de dpart, tant entendu quon ne peut traverser le Pregel
quen passant sur les ponts.

F IGURE 1.1 Ponts de Kningsberg

On peut reprsenter le problme grce un graphe :

6 7
1

2 4

A B C

3 5

18 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


1 2 Outils pour la rsolution

Graphe connexe
Dfinition 1.1 On appelle graphe connexe, un graphe pour lequel chaque paire de sommets est relie par au
moins une annexe.

Chane eulrienne
Dfinition 1.2
On appelle chane eulrienne, une chane compose de toutes les arrtes prises une seule fois.

Cycle eulrien
Dfinition 1.3
On appelle cycle eulrien, une chane eulrienne dont les extrmits concident.

a. Un graphe connexe admet une chane eulrienne si et seulement si tous ses sommes sont
de degr pair.
Thorme 1.4
b. Un garphe connexe admet un cycle eulrien si et seulement si le nombre de sommets de
degr impair est 0 ou 2.

Dveloppement
Dmonstration

Dmonstration.
a. Si G est connexe et admet un cycle eulrien c, par dfinition, c passe par toutes les arrtes de G une et une seule
fois. Soit x un sommet de G, c passe deg(x) fois par x. Or, pour tout sommet, si on arrive sur x par une arrte, on
en repart par une autre non emprunt donc deg(x) est pair.
La dmonstration se fait par rcurrence forte. Supposons que les sommets de G sont de degr impair. Soit c1
une chane aussi longue que possible partir dun sommet x1 de G.
ou bien c1 est une chane eulrienne et cest fini (cette chane est un cycle car tous les degrs sont pairs)
ou bien on considre G0 le sous-graphe de G obtenu en otant les arrtes de c1 et les sommets qui ne sont plus
incidents aucune arrte. G est connexe donc G0 possde au moins un sommet x2 commun avec ceux de G1 .
Les sommets de G0 sont de degr pair et ord(G0 ) < ord(G) donc, par hypothse de rcurrence, on construit un
cycle c2 dans G0 .
On juxtapose c1 et c2 et on a notre cycle.
b. Si G est une chane de sommets dextrmits a et b :
ou bien ou bien a et b sont confondus, ils forment un cycle eulrien et donc a et b sont de degr pair.
ou bien a 6= b et on ajoute larrte (a, b). On a alors un cycle eulrien donc tous les sommets sauf a et b sont de
degr pair.
Si le nombre de sommet de degr impair est 0 ou 2.
Si 0 : chane eulrienne (car cycle eulrien, voir a.)
sinon : on ajoute le somme , les arrtes (, a) et (, b). Alors tous les sommets sont paires donc G admet un cycle
eulrien passant par . On limine deux arrtes dy cycle et le sommet et on a notre chane eulrienne.


1 3 Rsolution du problme

Dveloppement
Rsolution du problme des ponts de Kningsberg
Ici, deg(A) = 5 et deg(B) = deg(C) = deg(D) = 3 impair. Donc, ce problme na pas de solution.

Dveloppement
Autre problme possible
Dans un jeu de dominos, peut-on mettre bout bout en ligne toutes les pices du jeu ?

1.1. PROBLME DES PONTS DE KNINGSBERG 19


2 Coloration de graphes

2 1 Enonc du problme

Un aquariophile vient de recevoir huit poissons. Les poissons ne peuvent cohabiter tous ensemble
dans un mme aquarium.
Dans le tableau suivant, une croix signifie que deux poissons ne peuvent cohabiter.

A B C D E F G H
A
B
C
D
E
F
G
H

Combien daquariums seront ncessaires ?


Ce problme est quivalent colorier avec un minimum de couleurs les sommets du graphe sui-
vant :

E F G H

A B C D

2 2 Outils pour la rsolution

Coloration dun graphe


Dfinition 1.5 On dit quon colorie un graphe si on affecte une couelur chacun de ses sommets de faon
ce que deux sommets adjacents ne portent pas la mme couleur.

Nombre chromatique
Dfinition 1.6 On appelle nombre chromatique dun graphe G, le plus petit nombre de couleurs permettant
de le colorer. On note (G) le nombre chromatique de G.

Soit G un graphe. Sil existe un sous-graphe de G complet dordre p alors le nombre chroma-
Proprit 1.7
tique (G) de G vrifie la relation (G) p.

20 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


Algorithme de Welsh-Powell
Soit G un graphe. Lalgorithme de Welsh-Powell a pour but de donner une approximation du
nombre chromatique du graphe G. Il se fait en deux tapes :
tape 1 On attribue une couleur C1 au premier sommet de la liste.
tape 2 En suivant la liste, on attribue cette couleur C1 tous les sommets qui ne lui sont pas
Algorithme 1.8
adjacents et qui ne sont pas adjacents entre eux.
Ensuite. . . On attriue une couleur C2 au premier sommet non colori et on recommence comme
ltape 2 et ainsi de suite. . . jusqu ce que tous les sommets du graphe G soient coloris.
Cest un algorithme glouton, cest--dire qutape par tape, on essaie de faire un choix optimal
local pour esprer obtenir un rsultat optimum global.

Vizing, admis
Thorme 1.9 Soit G un graphe et soit le plus grand des degrs. Alors le nombre chromatique (G) est
infrieur ou gal + 1 ; soit (G) + 1.

Dveloppement

Dmonstration.
Si G0 est complet alors (G0 ) = p dordre p donc si G0 est complet et est inclus dans G alors p (G).
Soient x1 , . . . , xn les sommets de G. Soit xi non colori. Comme deg(xi ) r, on a au plus r sommets adjacents
xi donc au plus r couleurs diffrents. La r + 1-ieme couleurs sera pour xi , do (G) r + 1.


Dveloppement
Droulement de lalgorithme de Welsh-Powell pour notre problme

1. On liste les sommets par ordre de degr dcroissant.

Sommets A C B D E G F H
Degr 5 5 4 4 4 4 3 3

2. On choisit la couleur rouge pour A (sommet de plus haut degr) et on colore tous les sommets non adjacents A (ou
entre eux) en rouge (sommet E).

E F G H

A B C D

3. On soccupe maintenant du sommet C qui est dordre 5. On lui choisit la couleur bleue et on colore tous les sommets
non adjacents A (ou entre eux) en bleu (sommet B).

1.2. COLORATION DE GRAPHES 21


E F G H

A B C D

4. On soccupe maintenant du sommet D qui est dordre 4. On lui choisit une couleur : la couleur verte et on colorie les
sommets qui lui sont non adjacents (les sommets G et F ).

E F G H

A B C D

5. Enfin il reste un sommet colorier, cest le sommet H !

E F G H

A B C D

Majoration et minoration de (G) :

Le maximum des degrs du graphe est 5 donc (G) 5.

Le sous graphe A H D C est complet dordre 4 donc 4 (G).

Or, on a russi (grce lalgorithme de Welsh-Powell colorier le graphe en 4 couleurs, do (G) = 4.


Il faudra donc au minimum 4 aquariums.

22 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


3 Recherche du plus court chemin

3 1 Pondration dun graphe

Pondrer un graphe
Soient G = (S, A) un graphe tel que S = (s1 , . . . , sn ). Pondrer un graphe est quivalent
Dfinition 1.10
se donner une fonction f : S S R tel que f (si , sj ) est la longueur de larrte qui relie le
sommet si et sj .

3 2 Algorithme de Dijsktra

Algorithme de Dijsktra
1. On trace un tableau avec autant de colonnes quil y a de sommets dans le graphe G. La
premire colonne est rserve au sommet de dpart.
2. Dans la ligne suivante, on met 0 dans la premire colonne et dans les colonnes suivantes
pour indiquer que lon coommence lalgorithme (on part du sommet de dpart et on navance
pas vers dautres sommets (sommets inaccessibles)).
Algorithme 1.11
3. On met les valeurs des chemins qui partent du sommet quon a gard prcdemment vers les
autres arrtes (sans se proccuper des sommets traits).
4. On entoure larrte qui a la longueur minimale et on garde le sommet qui constitue le but de
larrte.
5. On recommence ltape 3 jusqu tant quil ny a plus darrtes traiter.
Ainsi, on se constitue une suite de sommets qui sera notre chemin de longueur minimale.

Remarque 1.12. Lalgorithme de Dijsktra peut se mettre en uvre quand le graphe est connexe et que
al valeur aux arrtes est positif ou nul.

3 3 Exemples de problmes et rsolution


On a report sur le graphe ci-dessous ceraintes villes dAllemagne et les distances qui les sparent
(en kilomtres) :

Les lettres B, D, F , H, K, M , N et S re-


H prsentent les villes Berline, Dortmund, Franc-
fort, Hambourg, Kaiserslautern, Munich, Nurem-
berg et Stuttgart.
Dterminer le plus court chemin possible pour
aller de Kaiserslautern Berlin.
490 650 780 600

490 B

630 580 N

F S 210
600 230
120 M

K
1.3. RECHERCHE DU PLUS COURT CHEMIN 23
Dveloppement
Rsolution du problme
On commence par le sommet K :

K F H S M N D B
0

On tudie chacune des arretes partant du sommet choisi. Dans les colonnes, on met la distance K et le sommet do lon
vient.

K F H S M N D B
0
120K

On se place de nouveau au sommet du plus petit poids, ici F .

K F H S M N D B
0
120K
610F

Et ainsi de suite. . .

K F H S M N D B
0
120K
610F
1260H 1390H 1210H

K F H S M N D B
0
120K
610F
1260H 1390H 1210H
1260H ou 1420N 1390H

K F H S M N D B
0
120K
610F
1260H 1390H 1210H
1260H 1390H
1390H ou 1490S 1840S

K F H S M N D B
0
120K
610F
1260H 1390H 1210H
1260H 1390H
1390H 1840S
1990M 1840S ou 1970M

Et enfin. . .

24 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


K F H S M N D B
0
120K
610F
1260H 1390H 1210H
1260H 1390H
1390H 1840S
1990M 1840S

On a trouv le chemin de poids minimal qui va du sommet K jusquau sommet B : cest le chemin K F H S B.

4 Graphe probabiliste

4 1 Dfinition

Graphe probabiliste
On dit quun graphe est probabiliste si le graphe est orient, pondr et que les poids figurant
sur chaque arrte est un nombre rel dans lintervalle [0 , 1] et que la somme des poids des arrtes
sortant de chaque sommet est gale 1.
Dfinition 1.13
Mathmatiquement, on dit quun graphe G = (S, A) eset probabiliste sil existe une fonction
f : S S [0 , 1] tel que : X
f (si , sj ) = 1.
1ijn

4 2 Exemples de problmes
On a divis une population en deux catgories : fumeurs et non-fumeurs .
60% des descendants de fumeurs sont des fumeurs.
10% des descendants de non-fumeurs sont des fumeurs.
la gnration 1, il y a autant de fumeurs que de non-fumeurs. On se propose de suivre lvolution
gnration par gnration du taux de fumeurs et des non-fumeurs par rapport la population totale. Ce
problme peut se modliser grce un graphe probabiliste.

4 3 Outils pour la rsolution

Matrice de transition
On appelle matrice de transition (note M ) du graphe probabiliste, la matrice dont le terme
Dfinition 1.14
de la ie colonne et de la j e colonne est gal au poids de larte allant du sommet si au sommet sj
si elle existe et 0 sinon.

Exemple 1.15. La matrice de transition ltape 0 de lexemple prcdent est :


!
0, 6 0, 4
M=
0, 1 0, 9

Soit P0 la matrice reprsentant ltat probabiliste initial et Pn la matrice reprsentant ltat


Thorme 1.16
probabiliste ltape n. Alors : Pn = P0 M n .

Dfinition 1.17 On dit que P est un tat stable si P = P M .

1.4. GRAPHE PROBABILISTE 25


Pour toute matrice de transition M , il existe un tat stable (cest--dire il existe P tel que
Thorme 1.18
P = P M ).

Dveloppement

Dmonstration. Soit P = (, ) et M = ab 1a

1b . On dit que est valeur propre de M si P M = P .
Donc P M = P si et seulement si 1 est valeur propre de M . On regarde le polynme caractristique de M :

M (X) = X 2 tr(M T ) + det M


= X 2 (a + 1 b)X + a(1 b) b(1 a)
= X 2 (a + 1 b)X + a b

1 est racine de M (X) car :


1 (a + 1 b) a b = 0.


4 4 Rsolution

Dveloppement
Recherche dun tat stable
On cherche ltat stable dans le problme pos plus haut. Pour cela, on pose P = (a, b) (avec a, b positifs et a + b = 1)
et on rsout lquation matricelle P M = P .
!
0, 6 0, 4
(a, b) = (a, b)
0, 1 0, 9

do
a + b = 1


0, 6a + 0, 1b = a


0, 4a + 0, 9b = b

et ainsi, on trouve a = 0, 2 et b = 0, 8.

26 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


Exercices dentrainement

Parcours eulriens Recherche dun chemin de longueur minimale

1 On considre le graphe ci-contre. 3 On a indiqu le graphe ci-dessous les villes qui vont
acceuillir lEuro 2012, ainsi que les distances en km qui les
sparent.
W Dterminer le plus court chemin pour aller de Poznan
Donetsk.

O H Gdansk
Kiev 479
725 344
820 Kharkiv
L
Poznan 319 Varsovie
P T
701
177 384 551 335
E 349
Wroclaw 619 Lviv 1377 Donetsk
1. Ce graphe admet-il une chane eulrienne ? Justifier.
Si oui, donner une telle chane. Graphes probabilistes
2. Ce graphe admet-il un cycle eulrien ? Justifier.
Si oui, donner un tel cycle. 4 Un cin-club qui projette des films franais et trangers
dispose de deux salles. Les abonns au cin-club assistent
systmatiquement une projection chaque lundi soir.
Coloration La probabilit quun spectateur ayant vu un film fran-
ais une sance aille voir un film tranger la sance sui-
vante est gale 0, 6.
2 Bac ES Antilles-Guyane 2006
La probabilit quun spectateur ayant vu un film tran-
Un jardinier doit dcorer privatif en rpartissant 10 va-
ger une sance aille voir un film franais la sance sui-
rits de fleurs nots V1 V10 dans diffrents parterres. Cer-
vante est gale 0, 75.
taines de ces varits ne peuvent pas tre plantes ensemble
Un lundi soir, un film franais est projet dans chacune
pour des raisons diverses (tailles, couleurs, conditions cli-
des deux salles. Puis les semaines suivantes, le cin-club
matiques, etc.). Ces incompatibilits sont rsumes dans le
propose dans une salle un film franais et dans lautre un
tableau ci-dessous une croix indique quil y a incompatibi-
film tranger.
lit entre deux varits.
On cherche tudier lvolution de la rpartition des
Fleur V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 spectateurs entre les deux salles au cours des semaines sui-
V1 vantes, partir de ce lundi.
V2
1. On note A ltat : le spectateur voit un film franais .
V3
V4 On note B ltat le spectateur voit un film tranger .
V5 a. Reprsenter la situation ci-dessous par un graphe
V6
probabiliste.
V7
V8 b. On note M la matrice de transition de ce graphe en
V9 considrant les 
tats danslordre alphabtique. Jus-
V10 0,6 0,4
tifier que M = 0,75 0,25 .
1. Reprsenter par son graphe G la situation propose. 2. Soit An lvnement : Le spectateur voit un film fran-
2. a. Trouver un sous-graphe complet dordre 4 et le des- ais la ne sance et Bn lvnement : Le spectateur
siner. voit un film tranger la ne sance .
a. Prciser ltat probabiliste initial.
b. Que peut-on en dduire pour la coloration du graphe
G ? Quel eset le nombre minimum de parterres que b. Dterminer les matrices T2 et T3 . En donner une
la jardiner doit dcorer ? interprtation en termes de rpartition des abonns
dans les deux salles.

1.5. EXERCICES DENTRAINEMENT 27


3. Dterminer la valeur arrondie au centime
  des rels x a. Montrer que la traduction de ltat stable conduit au
et y dfinissant ltat stable T = x y vers lequel systme : (
converge la suite (Tn ). Interprter le rsultat. 11x 150z = 0
.
22y 59z = 0
5 Un archer participe aux comptitions internationales.
b. Rsoudre le systme :
ce niveau, on estime quil natteint que trois zones sur le

blason : 11x 150z = 0


la zone or centrale C 10 points ; 22y 59z = 0 .


x + y + z = 1
lanneau or A 9 points ;
le premier anneau de la zone rouge R 8 points.
c. En dduire ltat stable et interprter les rsultats
obtenus.

R
A
C

Pour cet archer :


sil atteint la zone C un tir donn, il atteint la zone
C au tir suivant avec la probabilit de 0, 7, la zone A
avec la probabilit de 0, 15.
sil atteint la zone A un tir donn, il atteint la zone C
avec la probabilit de 0, 7, la zone A avec la probabi-
lit de 0, 2.
sil atteint la zone R un tir donn, il atteint la zone C
au tir suivant avec la probabilit de 0, 85, la zone A
avec la probabilit de 0, 1.
En ce jour de comptition, lors de son premier tir, lar-
cher atteint la zone A.
 
On note En = cn an rn la matrice-ligne tradui-
sant la probabilit que larcher atteigne chacune des zons
prcites lors du ne tir ((n entier naturel non nul).
1. Prciser E1 .
2. Construire un graphe probabilisite traduisant la situation
propose.
3. Donner la matrice de transisition M associe ce graphe
probabiliste. On prendra les sommets C, A et R dans cet
ordre.
4. Dterminer par le caclul la matrice E2 . Inteprter les r-
sultats obtenus.
5. a. laide de la calculatrice, dterminer les matrices
E3 , E5 et E10 . On arrondira les rsultats 4 dci-
males. Que remarque-t-on ?
b. La remarque prcdente est-elle modifie si le tir
initial atteint la zone C ? La zone R ?
6. On admet que
 la situation
 propose volue vers un tat
stable P = x y z avec x + y + z = 1.

28 LEON 1. RSOLUTION DE PROBLMES LAIDE DE GRAPHES


2
LEON

Exprience alatoire,
probabilit, probabilit
conditionnelle

Niveau : Lyce
Prrequis : thorie des ensembles
1 Exprience alatoire, vnements

1 1 Exprience alatoire

Exprience alatoire
Dfinition 2.1 On dit quon fait une exprience de type alatoire si on ne peut pas prvoir le rsultat final de
cette exprience.

Exemples 2.2.
1. On lance une pice et on observe le ct expos (pile ou face). Il y a deux issues possibles sur
cette exprience.
2. On dispose dune urne avec 100 boules, on tire une dentre elles et on note le numro. Cette
exprience alatoire a 100 issues possibles.

Univers
Dfinition 2.3 Lensemble de toutes les issues dune exprience alatoire est appel univers. On note gn-
ralement cet ensemble .

Remarque 2.4. Dans cette leon, on se limitera au cas o est un ensemble fini.

Exemple 2.5. On reprend les expriences de lexemple prcdent.


1. Si on lance une pice de monnaie, on obtient = {P, F }.
2. Si on tire une boule numrote dans une urne o il en contient 100 alors = {1, 2, . . . , 100}.

1 2 Evnement associ une exprience alatoire


Dans ce qui suit, nous allons dcrire ce quest un vnement :

Vocabulaire des vnements


Un vnement lmentaire (quon note ) est ce qui constitue lune des issues de la situation
tudie (un lment de ).
Un vnement est un ensemble de plusieurs issues.
Lvnement A et B (quon note AB) est lvnement constitu des issues communes
Dfinition 2.6
aux deux vnements.
Lvnement A ou B (quon note A B) est lvnement constitu des toutes les issues
des deux vnements.
Deux vnements incompatibles A et B (quon note A B = ) sont deux vnements qui
nont pas dlments en commun.
Lvnement est dit contraire de A (quon note A) si A et A sont incompatibles et A A
forme la totalit des issues.

Exemples 2.7.
1. Obtenir un 7 est un vnement lmentaire : = {7}.
2. Obtenir un nombre pair est un vnement :

A = {2, 4, 6, 8, 10, 12} .

3. Obtenir un multiple de trois est un vnement :

B = {3, 6, 9, 12} .

30 LEON 2. EXPRIENCE ALATOIRE, PROBABILIT, PROBABILIT CONDITIONNELLE


4. A B = {6, 12}.
5. A B = {2, 3, 4, 6, 8, 9, 10, 12}.
6. Si
C = {10, 11, 12}
et
D = {2, 3, 4, 5, 6}
alors C D = donc C et D sont incompatibles.
7. Ici, A reprsente lvnement obtenir une somme impaire . On a alors :
A A = ,
A A = .

2 Probabilits

2 1 Loi de probabilits sur un univers

Soit lunivers dune exprience alatoire. Dfinir une loi de probabilit P sur , cest
associer, chaque vnement lmentaire i , des nombres pi [0 , 1] tels que :
X
Dfinition 2.8 pi = 1.
i

On appelle les nombres pi , les probabilits (quon peut noter pi = P (i )).

Principe fondamental
Proposition 2.9 La probabilit P (E) dun vnement E est la somme des probabilits des vnements l-
mentaires qui le composent.

Corollaire 2.10 P () = 1

Dveloppement

Dmonstration du corollaire 2.10.


S X X1
P () = P ( i ) = P (i ) = = 1.
i i i
n

Exemple 2.11. On se donne les probabilits dapparition des faces dun d truqu :

Issue 1 2 3 4 5 6
Probabilits P () 0,05 0,05 0,1 0,1 0,2 inconnue

Dveloppement

1. On veut calculer la probabilit de lvnement

A = obtenir un rsultat infrieur ou gal 4 .

Daprs le principe,
P (A) = P (1) + P (2) + P (3) + P (4) = 0,05 + 0,05 + 0,1 + 0,1.

2.2. PROBABILITS 31
2. On veut calculer la probabilit dobtenir 6. Le corollaire 2.10 nous donne :

P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 1

donc P (6) = 0,5.

Autre dfinition
Soit un univers et P() = A lensemble des parties de (cest--dire lensemble de tous
les vnements associ cette exprience alatoire). On appelle probabilit P toute application
de P() dans R+ qui vrifie :
Dfinition 2.12 1. P () = 1
2. Soit (Ai )iN , I N une famille dvnements de P() deux deux disjoints (si i 6= j
alors Ai Aj = ) alors : !
[ X
P Ai = P (Ai ).
iI iI

2 2 Proprits de calcul de probabilits

Soient A, B . Alors :
1. P () = 0
2. P (A) = 1 P (A)
Proprits 2.13
3. P (A \ B) = P (A) P (A B)
4. A B P (A) P (B)
5. P (A B) = P (A) + P (B) P (A B)

Dveloppement

Dmonstration.
1. On applique la proprit 2 de la dfinition 2.12 A et (ils sont disjoints car A = ) do

P (A ) = P (A) + P () P (A) = P (A) + P ()

et donc on en dduit que P () = 0.


2. Comme A A = et A A = , on a :

P (A A) = P (A) + P (A) P () = P (A) + P (A).

Or P () = P (A A) = 1 do P (A) = 1 P (A).
3. On a : A = (A \ B) (A B), de plus (A \ B) et A B sont disjoints donc on peut appliquer la dfinition :

P (A) = P (A \ B) + P (A B).

4. A B implique que B = (B A) A donc

P (B) = P (B \ A) + P (A) P (A).

5. On a :
A B = (A \ B) (A B) (B \ A)
2 2 disjoints donc :

P (A B) = P (A \ B) + P (A B) + P (B \ A)
= P (A) P (A B) + P (A B) + P (B) P (A B)
= P (A) + P (B) P (A B).

32 LEON 2. EXPRIENCE ALATOIRE, PROBABILIT, PROBABILIT CONDITIONNELLE


2 3 quiprobabilit

quiprobabilit
Si tous les lments de (lunivers dune exprience alatoire) ont la mme proprit dap-
Dfinition 2.14 parition alors est dit quiprobable. Si = {a1 , . . . , an } alors :
1
P ({ai }) = , ai .
n

Si est quiprobable, la probabilit dun vnement A contenant nA lments est :

Proprit 2.15 1 1 1 nA card(A)


P (A) = + + + = = .
|n n {z n} n card()
nA fois

Exemples 2.16. On lance un d (non truqu) ; = {1, 2, 3, 4, 5, 6}. On est dans le cas dune quiprobabilit. Dveloppement

1. La probabilit davoir un 5 est P (5) = 1/6 (5 est un vnement lmentaire)


2. La probabilit dobtenir un nombre pair est :
3 1
P ( obtention dun nombre pair ) = = .
6 2

3 Probabilits conditionnelles

3 1 Un exemple pour dbuter

Exemple 2.17. On considre une population de 500 individus parmi lesquels il y a 180 femmes et 90
des 500 individus ont lallle du daltonisme. On choisit un individu au hasard dans cette population
(cest une exprience alatoire). On note :

F = lindividu choisi est une femme


D = lindividu choisi possde lallle du daltonisme .

Dveloppement
1
Lunivers est lensemble des individus, il est quiprobable. Chaque individu a la mme probabilit dtre choisi 500 . Donc,

card(D) 90
P (D) = = = 0,18.
card() 500

Maintenant, on se restreint la sous-population des femmes. On sait que 9 femmes possdent lallle du daltonisme.
Lunivers 0 est lensemble des femmes F . Il est quiprobable. Chaque femme a 180
1
chance dtre choisie.
On cherche la probabilit quune femme choisie au hasard possde lallle du daltonisme :

card(D F ) 9
0
= = 0,05.
card( ) 180

On note cette probabilit :


card(D F ) P (D F )
PF (D) = = .
card(F ) P (F )

2.3. PROBABILITS CONDITIONNELLES 33


3 2 Probabilit conditionnelle

Soit F un vnement de probabilit strictement positive (cest--dire F et P (F ) > 0).


On appelle probabilit conditionnelle F , lapplication PF () de lensemble des vnements
(P()) dans [0 , 1] telle que :
Dfinition 2.18
PF : P() [0 , 1]
P (AF ) .
A 7 PF (A) = P (F )

Proposition 2.19 Lapplication PF () est une probabilit.

Dveloppement

Dmonstration de la proposition 2.19. On vrifie que PF () prend ses valeurs dans [0 , 1]. Si AF F alors P (AF )
P (F ) et ainsi :
P (A F )
= PF (A) 1
P (F )
et PF (A) 0 comme quotient de deux probabilits. On vrifie la proprit 1 de la dfinition 2.12 :

P ( F ) P (F )
PF () = = = 1.
P (F ) P (F )

On vrifie ensuite la proprit 2 de la dfinition 2.12. Soit (Ai )iI une famille dvnements dans deux deux disjoints.
! S S
\ P (( iI Ai ) F ) P ( iI (Ai F ))
PF Ai = = .
P (F ) P (F )
iI

Mais Ai F Ai donc tous les (Ai F ) sont disjoints 2 2 et :


! P
\ P (Ai F ) X P (Ai F ) X
PF Ai = iI = = PF (Ai ).
P (F ) P (F )
iI iI iI

Probabilits composes
Soit un univers, F et A deux vnements tel que P (F ) > 0. Alors,
Proprit 2.20
P (A F ) = PF (A) P (F ) = PA (F ) P (A)

3 3 Formule des probabilits totales et de Bayes

Formule des proprits totales


Soit {E1 , E2 , . . . , En } une partition de dvnements non vides. Soit A . Alors :
Proprit 2.21 n
X
P (A) = PEi (A) P (Ei ).
i=1

Exemple 2.22. On considre deux urnes U1 et U2 . Lurne U1 contient 6 boules rouges et 4 boules
vertes et lurne U2 contient 7 boules vertes et 3 boules rouges. On lance un d. Sil indique le chiffre
1, on choisit lurne U1 sinon on choisit lurne U2 . On effectue ensuite deux tirages avec remise. On
cherche la probabilit davoir tir deux rouges en tout. On note :

R = {rouge au 1er tirage} , R0 = {rouge au 2e tirage}

34 LEON 2. EXPRIENCE ALATOIRE, PROBABILIT, PROBABILIT CONDITIONNELLE


H1 = {choix de lurne U1 } , H2 = H 1 = {choix de lurne H2 } .
On a ainsi :  2
6 3 3
PH1 (R) = = , PH1 (R R0 ) = .
10 5 5
2
3 3

PH2 (R) = , PH2 (R R0 ) = .
10 10
La formule de conditionnement donne :

P (R) = PH1 (R)P (H1 ) + PH2 (R)P (H2 )


13 5 3 1 1 4 + 10 7
= + = + = = .
6 5 6 10 10 4 40 20
et

P (R R0 ) = PH1 (R R0 )P (H1 ) + PH2 (R R0 )P (H2 )


 2 2
1 3 5 3 27

= + = .
6 5 6 10 200

Formule de Bayes
Soit {E1 , E2 , . . . , En } une partition de dvnements non vides. Soit A . Alors :
Proprit 2.23
PE (A) P (Ei )
PA (Ei ) = Pn i .
i=1 PEi (A) P (Ei )

Exemple 2.24. Un test sanguin a une probabilit de 0,95 de dtecter un certain virus lorsque celui-
ci est effectivement prsent. Il donne nanmoins un faux rsultat positif pour 1% des personnes non
infectes. On cherche la probabilit ait le virus sachant quelle est positif (et on sait que 0,5% de la
population est porteuse du virus). On note :

V = {la personne teste a le virus} ,


T = {la personne teste a un test positif} .

On cherche PT (V ). Or, on sait que :

P (V ) = 0,005, PV (T ) = 0,95, PV (T ) = 0,01.

On en dduit par la formule de Bayes,

P (T V ) PV (T )P (V )
PT (V ) = =
P (T ) PV (T )P (V ) + PV (T )P (V )
0,95 0,005
= ' 0,323.
0,95 0,005 + 0,01 0,995

3 4 Indpendance

Indpendance de deux vnements


Deux vnements E et F sont indpendants si :
Dfinition 2.25
P (E F ) = P (E) P (F ).

Remarque 2.26. Daprs la proprit des probabilits composes, P (E) = PF (E) (si P (F ) > 0).
Ce rsultat correspond lide intuitive que si E et F sont indpendants alors la ralisation de F
napporte pas dinformation sur E.

2.3. PROBABILITS CONDITIONNELLES 35


Exemple 2.27. On jette deux fois le mme d. Les vnements

A = {obtention dun chiffre pair au premier lancer} ,


B = {obtention du 1 au deuxime lancer} ,

sont indpendants. En effet, en prenant = {1, 2, 3, 4, 5, 6}2 et si on fait lhypothse de lquiproba-


bilit dans (P quiprobable), on vrifie que :
36 1 61 1
P (A) = = , P (B) = = .
36 2 36 6
31 1 1 1 1
P (A B) = = , P (A)P (B) = = .
36 12 2 6 12

3 5 Schma de Bernoulli

Toute exprience alatoire conduisant deux issues possibles S (Succs) et S (Echec) est
Dfinition 2.28
appele preuve de Bernoulli.

Exemple 2.29. Si on appelle Succs lors dun lanc dun d, lvnement not :

S = Le six sort .

Le lancer du d peut alors tre considr comme une preuve de Bernoulli avec
S = {6} et p = P (S) = 1/6.
S = {1, 2, 3, 4, 5} avec q = 1 p = 5/6.

Schma de Bernoulli
Dfinition 2.30 Si on rpte n fois et de faon indpendante une preuve de Bernoulli, on obtient un schma
de Bernoulli.

Soit 0 k n,
Proprit 2.31
P ( obtenir k succs ) = Cpn pk q nk .

Exemple 2.32. On lance 3 fois une pice et on dit quon fait succs si la pice tombe sur pile. On
cherche la probabilit de faire 2 succs.
11 3
P ( obtenir 2 succs ) = C23 = .
42 8

36 LEON 2. EXPRIENCE ALATOIRE, PROBABILIT, PROBABILIT CONDITIONNELLE


3
LEON

Variables alatoires
discrtes

Niveau : Terminale S
Prrequis : probabilits
1 Loi de probabilits. Fonction de rpartition

Exemple 3.1. On tire au hasard une boule dans une urne. Cette urne contient une boule rouge R, une
verte V , une bleue B. On remet la boule dans lurne et on effectue un deuxime tirage. On suppose
quil y a quiprobabilit dans les deux tirages. Soit

= {(R, R), (R, V ), (R, B), (V, R), (V, V ), (V, B), (B, B), (B, R), (B, V )} .

Il y a neuf vnements lmentaires. Il y a quiprobabilit, donc la probabilit de chaque vnement


lmentaire est p = 91 . La probabilit de tirer au moins une boule verte est :

5
q= .
9
On fixe la rgle suivante : Si on tire une boule
rouge, on gagne 6 euros,
verte, on gagne 1 euro,
bleue, on perd 4 euros.
On dfinit ainsi une application de dans R, cette application est appele variable alatoire. Voici les
gains et perte du jeu :

Tirage 1 Tirage 2 Gain (en euros)


R R (R, R) 12
R V (R, V ) 7
R B (R, B) 2
V R (V, R) 7
V V (V, V ) 2
V B (V, B) -3
B R (B, R) 2
B V (B, V ) -3
B B (B, B) -8

Lorsque qu chaque vnement lmentaire dun univers , on associe un nombre rel, on


Dfinition 3.2 dit que lon dfinit une variable alatoire (relle). Une variable est donc une application X :
R. Elle est dite discrte si N.

Exemple 3.3. On lance trois fois une pice non truqu et on compte le nombre de fois o on obtient
Face . On dfinit ainsi une variable alatoire X : R avec :

= {P P P, P P F, P F P, F P P, P F F, F P F, F F P, F F F }

et
X(P P P ) = 0, X(P P F ) = 1, X(P F P ) = 1, X(F P P ) = 1

X(F F P ) = 2, X(F P F ) = 2, X(P F F ) = 2, X(F F F ) = 3.

Loi de probabilit
Soit P une probabilit sur un univers . Soit X une variable alatoire dfinie sur telle
Dfinition 3.4 que X() soit fini de cardinal n. Lorsqu chaque valeur xi (1 i n) de X on associe les
probabilits pi de lvnement X = xi , on dit que lon dfinit une loi de probabilit PX de la
variable alatoire X.

38 LEON 3. VARIABLES ALATOIRES DISCRTES


Exemple 3.5. Dans lexemple prcdent, on a quiprobabilit de (la probabilit dobtenir un des
vnements lmentaires tant de 18 ). La probabilit dobtenir 2 fois le ct face de la pice est de :

3
PX (2) = P (X = 2) = .
8

Fonction de rpartition
La fonction de rpartition de la variable alatoire X est la fonction F telle que :
Dfinition 3.6
F : R [0 , 1]
.
x 7 F (x) = P (X x)

Proprit 3.7 La fonction de rpartition est toujours une fonction croissante et borne par 0 et 1.

Exemple 3.8. Avec lexemple prcdent, on a :

Pour x ] , 0[, on a :
F (x) = 0

Pour x ]0 , 1], on a :
1
F (x) =
8

Pour x ]1 , 2], on a :
1 3 1
F (x) = + =
8 8 2

Pour x ]2 , 3], on a :
1 3 3 7
F (x) = + + =
8 8 8 8

Pour x ]3 , 4], on a :
1 3 3 1
F (x) = + + + = 1.
8 8 8 8

Voici la reprsentation graphique :

y
[
0, 75

0, 5 [

[
x
[
3 2 1 1 2 3

3.1. LOI DE PROBABILITS. FONCTION DE RPARTITION 39


2 Esprance mathmatique

Esprance mathmatique
Soient lunivers correspondant une exprience alatoire, P une probabilit sur et X une
variable alatoire sur telle que X() soit fini a . On note {x1 , . . . , xn } lensemble X() (cest-
-dire lensemble des valeurs prises par X. Lesprance mathmatique de la variable alatoire X
est le nombr, not E(X), dfini par :

Dfinition 3.9 n
X
E(X) = pi xi = p1 x1 + p2 x2 + + pn xn
i=1

o pi = P (X = xi ).
a. Si X() est infini dnombrable, lesprance existe encore sous rserve de la convergence (absolue) de la srie
de terme gnral xn pn .

Remarque 3.10. Lesprance est la moyenne des valeurs xi pondres par les probabilits pi .

Exemple 3.11. On reprend lexemple de la pice de monnaie. On a :

1 3 3 1 3
E(X) = 0+ 1+ 2+ 3= .
8 8 8 8 2

Remarque 3.12. On pourrait aussi calculer lesprance E(X) en revenant aux vnements lmen-
taires de lunivers au lieu dutiliser les valeurs xi de la variable alatoire X :
X
E(X) = P ()X().

Exemple 3.13. Suite la remarque 3.12


Sur lexemple prcdent, comme P () = 81 , cela donnerait :
1 X
E(X) = X()
8
1
= [X(P P P ) + X(P P F ) + X(P F P ) + X(F P P )
8
+ X(P F F ) + X(F P F ) + X(F F P ) + X(F F F )]
1 3
= (0 + 1 + 1 + 2 + 1 + 2 + 2 + 3) = .
8 2

Linarit de lesprance
Soient X et Y deux variables alatoires dfinies sur le mme univers de cardinal fini. Soit
P une probabilit sur . On a :

E(X + Y ) = E(X) + E(Y ).


Thorme 3.14
En particulier, si b est un rel :
E(X + b) = E(X) + b
et pour tout rel k,
E(kX) = kE(X).

Dveloppement

40 LEON 3. VARIABLES ALATOIRES DISCRTES


Dmonstration du thorme 3.14. On a :
X
E(X + Y ) = (X + Y )()P ()

X X
= X()P () + Y ()P () = E(X) + E(Y ).

En prenant Y constante gale b, on obtient :


E(X + b) = E(X) + E(b) = E(X) + b.
De plus,
n
X n
X
E(kX) = kpi xi = k pi xi = kE(X).
i=1 i=1


3 Variance et cart-type

Variance et cart-type
Soient lunivers correspondant une exprience alatoire, P une probabilit sur et X
une variable alatoire sur telle que X() soit fini. On note {x1 , . . . , xn } lensemble X()
(cest--dire lensemble des valeurs prises par X).
La variance de la variable alatoire X est le nombre, note Var(X), dfini par :

n
Dfinition 3.15
X
Var(X) = E((X E(X))2 ) = pi (xi E(X))2
i=1
= p1 (x1 E(X))2 + + pn (xn E(X))2 .

Lcart-type de la variable alatoire X est le nombre, not (X) dfini par :


q
(X) = Var(X).

Remarques 3.16.
1. La variance est la moyenne des carrs des carts la moyenne.
2. La variance est une quantit positive, donc lcart-type est bien dfini.
Exemple 3.17. Sur le problme du comptage du ct face, on calcule la variance de X :
2 2 2 2
1 3 3 3 3 3 1 3 3
   
Var(X) = 0 + 1 + 2 + 3 = .
8 8 8 2 8 2 8 2 4
Do : r
q 3 3
(X) = Var(X) = = .
4 2
Exemple 3.18. Montrer que lesprance E(X) minimise la fonction f dfinie par R par :
n
X
f (x) = pi (xi x)2
i=1

mais pas la fonction g dfinie par :


n
X
g(x) = pi |xi x| .
i=1

Dveloppement

3.3. VARIANCE ET CART-TYPE 41


Rponse lexercice ??. La fonction f est drivable comme somme de fonctions drivables et on a, pour tout x R :
n
X n
X n
X
f 0 (x) = 2 pi (xi x) = 2 pi xi 2x pi = 2(E(X) x).
i=1 i=1 i=1

On en dduit :
f 0 (x) 0 x E(X).
Donc f admet un minimum en E(X) (et ce minimum est f (E(X)) = Var(X). Lesprance est donc la quantit qui
minimise la moyenne des carrs des carts. Par contre, elle ne minimise ps la moyenne des carts. En effet, on considre
la variable alatoire X dfinie par la loi suivante :
xi 0 1000
pi 0,9 0,1
On a :
E(X) = p1 x1 + p2 x2 = 1000
g(E(X)) = p1 |x1 1000| + p2 |x2 1000| = 90 + 90 = 180.
Or :
g(0) = E(X) = 100.
Donc : g(0) < g(E(X)). Conclusion : E(X) ne minimise pas la fonction g et on peut montrer que la mdiane est ce
minimum. 

Formule de Koenig
La variance dune variable alatoire X peut se calculer avec la relation suivante :
Thorme 3.19
Var(X) = E(X 2 ) [E(X)]2 .

La variance est lcart entre la moyenne des carrs et le carr de la moyenne.

Dveloppement

Dmonstration de la formule de Koeing. On rappelle que lesprance dune variable alatoire constante X = b est gale
la constante b. Daprs la linarit de lesprance :
Var(X) = E((X E(X))2 ) = E(X 2 2XE(X) + E(X)2 )
= E(X 2 ) 2E(X)E(X) + E(X)2 E(1)
Do Var(X) = E(X 2 ) [E(X)]2 . 

Exemple 3.20. On reprend lexemple de la pice de monnaie lance trois fois de suite. On rappelle
que X est le nombre de face obtenu. On a dj calcul E(X), on calcule E(X 2 ) :
1 3 3 1
E(X 2 ) = 02 + 12 + 22 + 32 = 3.
8 8 8 8
Do :
9 3
Var(X) = E(X 2 ) [E(X)]2 = 3 = .
4 4

Effet dun changement affine sur la variance et lcart-type


Soit X une variable alatoire. Soient a et b deux rels. On :

Var(aX + b) = a2 Var(X) et (aX + b) = |a| (X).


Corollaire 3.21
En particulier :
Var(aX) = a2 Var(X) et (aX) = |a| (X)
et
Var(X + b) = Var(X) et (X + b) = (X).

42 LEON 3. VARIABLES ALATOIRES DISCRTES


Dveloppement

Dmonstration du corollaire 3.21. Daprs la formule de Koeing, on a :

Var(aX + b) = E(a2 X 2 + 2abX + b2 ) [E(aX + b)]2

et daprs la linarit de lesprance,

Var(aX + b) = a2 E(X 2 ) + 2abE(X) + b2 [aE(X) + b]2


= a2 E(X 2 ) + 2abE(X) + b2 a2 [E(X)]2 2abE(X) b2 = a2 Var(X).

Do, par passage la racine carre :


(aX + b) = |a| (X).
Pour montrer la particularisation, il faut remplacer dans chaque formule b = 0 et a = 1 (selon le cas que lon veut
dmonter). 

4 Exemples de variables alatoires discrtes

4 1 Loi de Bernouilli

Une exprience de Bernouilli est une exprience qui na que deux issues possibles, lune
appele succs qui a pour probabilit p, lautre appele chec qui a pour probabilit q =
1 p.
Dfinir une loi de Bernouilli de paramtre p, cest associer une loi de probabilit discrte
Dfinition 3.22 cette exprience alatoire en faisant correspondre la valeur 1 lapparition dun succs et 0 celle
dun chec.
xi 1 0
P (X = xi ) p 1p

Exemple 3.23. Si on lance un d et quon nomme succs lapparition de la face 6, on dfinit la loi
de Bernouilli suivante :
xi 1 0
1 5
P (X = xi ) 6 6

Soit X une variable alatoire suivant une loi de Bernoulli B(p), alors :
Proprit 3.24 Lesprance de X vaut E(X) = p.
La variance de X vaut Var(X) = pq.

1 5
Exemple 3.25. Dans lexemple prcdent, on obtient E(X) = 6 et Var(X) = 36 .

4 2 Loi binomiale

Loi binomiale
La loi binomiale de paramtres n et p, note Bin(n, p) est la loi de probabilit du nombre de
succs dans la rpartition de n expriences de Bernouilli de paramtres p identiques et indpen-
Dfinition 3.26
dantes. Elle est dfinie par :

P (X = k) = Ckn pk q nk , 0 k n.

Exemple 3.27. On lance 2 fois un d bien quilibr. On sinteresse lappartion de la face 6. Chaque
lancer est une exprience de Bernouilli de paramtres 61 . On obtient donc une loi binomiale Bin(2, 1/6).

3.4. EXEMPLES DE VARIABLES ALATOIRES DISCRTES 43


nombre de succs 0 1 2
25 10 1
probabilit 36 36 36

Soit X une variable alatoire suivant une loi binomiale Bin(n, p) alors :
Proprit 3.28 Lesprance de X vaut E(X) = np.
La variance de X vaut Var(X) = npq.

1 5
Exemple 3.29. Dans lexemple prcdent, on obtient E(X) = 3 et Var(X) = 18 .

4 3 Loi de Poisson
La loi de Poisson modlise des situations o lon sinteresse au nombre doccurrences dun vne-
ment dans un laps de temps dtermin ou dans une rgion donne. Par exemple :
nombre dappels tlphoniques qui arrivent un standard en x minutes,
nombre de clients qui attendent la caisse dun magasin,
nombre de dfauts de peinture par m2 sur la carroserie dun vhicule. . .

La variable alatoire X suit une loi de Poisson de paramtre , note Pois() avec > 0
lorsque sa loi de probabilit vrifie :
Dfinition 3.30
k
P (X = k) = e , k N.
k!

Exemple 3.31. On considre la variable alatoire X mesurant le nombre de clients se prsentant au


guichet 1 dun bureau de poste par intervalle de temps de dure 10 minutes entre 14h30 et 16h30. On
suppose que X suit la loi de Poisson de paramtre = 5.

Dveloppement

Pour = 5, la table de la loi de Poisson nous donne :


k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
P (X = k) 0, 007 0, 034 0, 084 0, 140 0, 176 0, 176 0, 146 0, 104 0, 065 0, 036 0, 018 0, 008 0, 003 0, 001 0, 000

On peut aussi reprsenter graphiquement la loi Pois(5) :

0.2

0.1

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

La probabilit quentre 14h30 et 14h40, 10 personnes exactement se prsentent ce guichet vaut :

P (X = 10) = 0, 018.

La probabilit quentre 15h20 et 15h30, au maximum 3 personnes se prsentent ce guichet vaut :

P (X 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0, 265.

La probabilit quentre 16h00 et 16h10, 8 personnes au moins se prsentent ce guichet vaut :

P (X 8) = 1 P (X < 8) = 1 [P (X = 0) + P (X = 1) + + P (X = 8)] = 1 0, 867 = 0, 133.

44 LEON 3. VARIABLES ALATOIRES DISCRTES


Soit X une variable alatorie suivant une loi de Poisson de paramtre , alors lesprance et
Proprit 3.32
la variance sont gales et valent E(X) = Var(X) = .

Exemple 3.33. Dans lexemple prcdent, on obtient E(X) = Var(X) = 5.

3.4. EXEMPLES DE VARIABLES ALATOIRES DISCRTES 45


46 LEON 3. VARIABLES ALATOIRES DISCRTES
4
LEON

Loi binomiale

Niveau : Premire S + SUP (Convergence)


Prrequis : Variable alatoire, esprance, variance, thorme limite central, loi de Pois-
son
1 Loi de Bernoulli

Loi de Bernoulli
Soit E une preuve comportant deux issues (succs et chec). On note p la probabilit de
Dfinition 4.1
succs. Soit X la variable alatoire qui est gal 1 en cas de succs et 0 sinon. Alors, on dit que
X suit un loi de Bernoulli de paramtres p. On note alors X Bern(p).

Remarque 4.2. Si X Bern(p), on notera :

P (X = 1) = p et P (X = 0) = 1 p = q.

Exemple 4.3. On lance un d non pip. On note X la variable alatoire qui prend comm valeur 1 si la
face 6 apparait lors du lancer et 0 sinon.
La variable alatoire X est une variable alatoire qu isuit la loi de Bernoulli de paramtres 1/6.
Donc X Bern(1/6).

Lemme 4.4 Si X Bern(p) alors X 2 Bern(p).

Dveloppement

Dmonstration. On a X 2 () = {0, 1} et :

P (X 2 = 1) = P (X = 1) = p

donc X 2 Bern(p). 

Si X Bern(p) alors :
Proposition 4.5 a. E(X) = p
b. Var(X) = pq.

Dveloppement

Dmonstration. On a :

E(X) = P (X = 0) 0 + P (X = 1) 1 = q 0 + p 1 = p,

et :
Var(X) = E(X 2 ) E(X)2 = E(X 2 ) p2

or X 2 Bern(p), donc on a : E(X 2 ) = E(X) = p.


Ainsi, Var(X) = p p2 = pq. 

48 LEON 4. LOI BINOMIALE


2 Loi binomiale

Loi binomiale
Soit lunivers associ une exprience alatoire. Soit X une variable alatoire dfinie sur
. On dit que X suit une loi binomiale de paramtres n N et p [0 , 1] lorsque :
Dfinition 4.6 a. X() = {0, 1, . . . , n} ;
b. pour tout k {0, 1, . . . , n}, P (X = k) = nk pk (1 p)nk = nk pk q nk .
 

Si X suit une loi binomiale de paramtres n et p alors on note X Bin(n, p).

Remarque 4.7. Soit X Bin(n, p). On a bien dfini une variable alatoire car :

n n
!k
X X n0 k
P (X = k) = q nk = [p + (1 p)]n = 1.
k=0 k=0
p

Soit E une preuve comportant deux issues (succs et chec). On note p la probabilit de
Thorme 4.8 succs. On note n fois, de faons indpendantes, lpreuve E. Soit X la variable alatoire corres-
pondant au nombre de succs. Alors : X suit une loi binomiale de paramtres n et p.

Dveloppement

Dmonstration. La probabilit davoir k succs suivis de n k succs suivis de n k checs est : pk (1 p)nk . Mais
les succs et les checs napparaissent pas ncessairement dans cet ordre.
 des mots de n lettres qui ne contiennent que des S (Succs) et des E (checs). On sait quil
On considre lensemble
y en a exactement np qui contiennent exactement k fois la lettre S (et donc n k fois la lettre E).
On en dduit m  
n k
P (X = k) = p (1 p)nk
p
et ceci pour tout k {0, 1, . . . , n}. 

Remarques 4.9.
a. La probabilit davoir n succs : P (X = n) = pn et davoir aucun succs P (X = 0) = q n . Par
consquent, la probabilit davoir au moins un succs est :

P (X 1) = 1 P (X = 0) = 1 q n .

b. La loi de Bernoulli est un cas particulier de la loi binomiale o lpreuve E nest ralise quune
seule fois.
c. Toute variable alatoire X suivant une loi binomiale de paramtres n N et p [0 , 1] peut
scrire comme somme X = X1 + + Xn o, pour tout k {0, 1, . . . , n}, Xk est une
variable alatoire suivant une loi de Bernoulli de paramtre p (Xk vaut 1 en cas de succs la
k e ralisation de E et 0 sinon).

Exemples 4.10. La probabilit quun tireur atteigne sa cible est p = 43 . On suppose quil fait deux tirs
et on note X la variable alatoire associant cette preuve le nombre de succs obtenus (X = 0, 1 ou
2).
1. Calculer la probabilit des vnements {X = 0}, {X = 1} et {X = 2}.
P2
2. Calculer k=0 P (X = k).
3. On suppose quil fait sept tirs et on note Y la variable alaoire associant cette preuve le
nombre de succs obtenus. Calculer P (X = 1) et P (X = 2).

4.2. LOI BINOMIALE 49


Esprance et variance dune loi binomiale
Si X Bin(n, p) avec n N et p [0 , 1] alors :
Thorme 4.11
E(X) = np et Var(X) = npq.

Dveloppement

Dmonstration. Puisque X Bin(n, p), il existe des variables alatoires


Pn (relles) X1 , X2 , . . . , Xn dfinies sur ind-
pendantes, de loi de Bernoulli de mme paramtre p telles que X = i=1 Xi .
Par linarit de lesprance : !
Xn Xn
E(X) = E Xi = E(Xi )
i=1 i=1
et daprs ce qui prcde :
n
X
E(X) = p = np.
i=1
De mme pour la variance :
n
! n n
X X X
Var(X) = Var Xi = Var(Xi ) = pq = npq.
i=1 i=1 i=1

Exemple 4.12. La probabilit quun tireur atteigne sa cible est p = 43 . On suppose quil tire n = 7
fois. On note X la variable alatoire associant cette exprience alatoire le nombre de succs obtenus.
Calculer son esprance et sa variance.

3 Proprits sur les coefficients binomiaux

3 1 Dfinitions et proprits

Combinaisons
Soient n et p deux entiers naturels et E un ensemble contenant n lments. Un sous-ensemble
Dfinition 4.13 de E contenant p lments est appel une combinaison de p lments de E.
Le nombre de p-combinaisons dun ensemble contenant n lments est not Cpn ou np .


Exemple 4.14. Pour gagner au Loto, il faut trouver 3 numros parmi 5. On veut savoir combien il y a
de grilles possibles. Considrons une grille quelconque (cest--dire une 3-combinaison de lensemble
des 5 numros) : par exemple {1, 3, 4}. Il y a 3! faons possibles dordonner ces nombres. Or, il y a
C35 3! suites de 3 nombres ordonnes. Mais, on compte 5 4 3 de ces dernires suites. Donc :
543
C35 = .
3!
On peut maintenant gnraliser la formule :

Le nombre de p-combinaisons dun ensemble contenant n lments est not

n(n 1)(n 2) (n (p 1))


Proposition 4.15 Cpn = (4.1)
p!
n!
= (4.2)
p!(n p)!

Dveloppement

50 LEON 4. LOI BINOMIALE


Dmonstration de la proposition 4.15. On part de la formule (4.1) pour arriver la formule (4.2) :

n(n 1)(n 2) (n p + 1)
Cpn =
p!
n(n 1)(n 2) (n p + 1) (n p)(n p 1) 2 1
=
p! (n p)(n p 1) 2 1
n!
=
p!(n p)!

Une autre faon de voir la formule (4.2). Il y a Apn manires de tirer p objets parmi n en les ordonnant soit

n!
Apn = .
(n p)!
Ap
Une fois les p objets tirs, il y a p! manires de les ordonner. Il y a donc n
p! manires de tirer p objets parmi sans les
ordonner. Do
Ap 1 n!
Cpn = n = .
p! p! (n p)!


Coefficients binomiaux
Dfinition 4.16
Soit p un entier naturel non nul. Les nombres Cpn sont appels les coefficients binomiaux.

Formule de Pascal
Soit n, p N tel que p < n. On a :
Proposition 4.17
Cpn = Cpn1 + Cp1
n1 .

Dveloppement

Dmonstration de la formule de Pascal. Soit un ensemble E n lments. On suppose que lon a extrait une partie
p lments. Si lon retire un lment {a} E, cest soit un lment de la combinaison, soit non. Dans le premier cas, les
p 1 restants forment une partie de lensemble E \ {a} de cardinal n 1, et dans le second, ce sont les p lments qui
forment une partie de E \ {a}. Cette union tant disjointe, les cardinaux sajoutent pour aboutir lgalit demande. 

n\p 0 1 2 3
0 1
1 1 1
2 1 2 1
3 1 3 3 1
.. .. .. .. .. ..
. . . . . .

F IGURE 4.1 Triangle de Pascal

Formule itre de Pascal


Soit p n deux entiers naturels. Alors
Proposition 4.18 n
Ckp = Cp+1
X
n+1 .
k=p

Dveloppement

4.3. PROPRITS SUR LES COEFFICIENTS BINOMIAUX 51


Dmonstration de la formule itre de Pascal. On effectue une rcurrence sur lentier n.
Initialisation Lorsque n = p, les deux membres valent 1.
Hrdit On suppose que la formule est vraie au rang n et on montre quelle est encore vraie au rang n + 1 :
n+1
X n
X
Cpk = Cpk + Ck+1
p
k=p k=p

et daprs lhypothse de rcurrence,


n+1
X
Cpk = Cp+1 p p+1
n+1 + Cn+1 = Cn+2 .
k=p

La dernire galit est justifie par lemploi de la formule de Pascal.




On note A = C (ou R ou Q ou Z).

Formule du binme
Soient deux lments a, b de A qui commutent. Alors :
Thorme 4.19 n
X
n
n N, (a + b) = Ckn ak bnk .
k=0

Dveloppement

Dmonstration de la formule du binme de Newton. On dmontre la formule par rcurrence sur n.


Initialisation Lorsque n = 0, les deux membres sont gaux 1 (avec le cas chant la convention 00 = 1).
Hrdit On suppose que la formule est vraie au rang n et on montre quelle est encore vraie au rang n + 1.
n
X
(a + b)n+1 = (a + b)(a + b)n = (a + b) Ckn ak bnk
k=0
n
X n
X
= Ckn ak bnk+1 + Ckn ak bnk+1
k=0 k=0
n+1
X n
X
= Ck1 k nk+1
n a b + Ckn ak bnk+1
k=1 k=0
n
X n
X
= an+1 + Ck1 k nk+1
n a b + bn+1 + Ckn ak bnk+1
k=1 k=1
n
X
= C0n+1 a0 bn+1 + (Ck1
n + Ckn )ak bn+1k + Cn+1
n+1 a
n+1 0
b
k=1
n+1
X
= Ckn+1 ak bnk .
k=0

La dernire galit utilise la formule de Pascal pour laddition des deux coefficients binomiaux.


Remarque 4.20. Certains auteurs dfinissent le coefficient binomial comme le coefficient du monme
ak bnk dans le dveloppement de lexpression (a + b)n en remarquant que ce dveloppement est
homogne en a et b.

On a les galits suivantes :


Pn k n
Corollaire 4.21 1. k=0 Cn = 2 ,
Pn k k
2. k=0 (1) Cn = 0.

52 LEON 4. LOI BINOMIALE


Dveloppement

Dmonstration du corollaire 4.21.


1. On utilise le binme de Newton avec a = 1 et b = 1.
2. On utilise le binme de Newton avec a = 1 et b = 1.


Remarque 4.22. On remarque que lgalit 1 du corollaire 4.21 traduit le fait que le nombre de parties
dun ensemble n lments est 2n . En effet, ce nombre est la somme des nombres de parties ayant
respectivement 0, 1, . . . lments (le cardinal dune union disjointe est la somme des cardinaux), ce
qui correspond bien la somme indique.

Formule de Van der Monde


Pour tous entiers m, n et p tels que p m + n, on a lgalit :
Proposition 4.23 p
Cpm+n =
X
Ckm Cpk
n .
k=0

Dveloppement

Dmonstration de la formule de Van der Monde. Soit x un rel. Alors :


m+n
X
(1 + x)m (1 + x)n = (1 + x)m+n = Cpm+n xp .
p=0

Or
m
! n

n
m X
X X X
(1 + x)m (1 + x)n = Cim xi Cjn xj = Cim Cjn xi+j
i=0 j=0 i=0 j=0

C0m C0n (C0m C1n + C1m C0n )x


 
= +
(C0m C2n + C1m C1n + C2m C0n )x2

+ +
m+n
X X 
Cim Cjn xp .

=
p=0 i,j>0
i+j=p

Par identification des coefficients de ce polynme de degr p, on obtient finalement que, pour tout entier 0 p m + n,
X p
X
Cpm+n = Cim Cjn = Cim Cpi
n .
i,j>0 i=0
i+j=p

4 Stabilit additive de la loi binormale

Stabilit additive de la loi binomiale


Thorme 4.24 Si X Bin(m, p) et Y Bin(n, p) avec X et Y indpendantes, alors X + Y = Bin(m +
n, p).
`n
Soit (Ai )1in une suite dvnements. On note : i=0 Ai si les vnements sont disjoints.
Dveloppement

4.4. STABILIT ADDITIVE DE LA LOI BINORMALE 53


Dmonstration. On pose S = X + Y . On a clairement S() = {0, . . . , m + n}.
Calculons P (S 1 (k)) pour tout 1 k m + n :
k
a
S 1 (k) = X 1 (i) Y 1 (k i).
i=0

Do :
k
X
P (S 1 (k)) = P (X 1 (i) Y 1 (k i)).
i=0
Et comme X et Y sont indpendantes :
k
X
P (S 1 (k)) = P (X 1 (i))P (Y 1 (k i)).
i=0

Comme X Bin(m, p) et Y Bin(n, p) :


k
X
P (S 1 (k)) = Cim pi (1 p)mi Cki
n p
ki
(1 p)n(ki)
i=0
k
!
X
= Cim Cki
n pk (1 p)m+nk .
i=0
Pk
Et comme i=0 Cim Cki
n = Ckm+n .
P (S 1 (k)) = Ckm+n pk (1 p)m+nk .
Donc S Bin(m + n, p). 

5 Convergence

5 1 Vers la loi de Poisson

Lorsque n tend vers linfini et que simultanment pn 0 de sorte que limn npn = a > 0, la
loi binomiale de paramtres n et pn converge vers la loi de Poisson de paramtre a. En pratique,
Thorme 4.25
on remplace la loi binomiale par une loi de Poisson ds que n > 30 et np < 5 ou ds que n > 50
et p < 0.1.

Dveloppement

Dmonstration. On dcompose P (X = k) :
 
n k n(n 1) (n k + 1) k
pn (1 pn )nk = pn (1 pn )nk
k k!
(npn )k
    
1 2 k1
= 1 1 1 (1 pn )nk .
k! n n n
On se place dans la situation o pn est quivalent na en linfini.
Lorsque n tend vers linfini, les facteurs 1 n1 , 1 n2 , . . ., 1 k1
  
n tendent vers 1. Le produit de ces termes
tend galement vers 1 puisquils sont en nombre fini fix k.
On a :
(1 pn )nk = (1 pn )n (1 pn )k ,
or, limp0 (1 p)k = 1 et de plus, (1 pn )n ' (1 na )n et ce dernier terme tend vers ea quand n tend vers
linfini.
On trouve donc :
ak a
 
n k
lim pn (1 pn )nk = e ,
n+ k k!
qui est la probabilit de k pour la loi de Poisson de paramtre a. 

54 LEON 4. LOI BINOMIALE


5 2 Vers la loi normale

Soit (Xn )n une suite de variable alatoires indpendnates de mme loi de Bernoulli Bern(p)
et Sn = X1 + + Xn suit la loi binomiale Bin(n, p).
Thorme 4.26
Daprs le thorme central limite, la loi de Sn peut re approxime par la loi normale
N(E(Sn ), Var(Sn )), cest--dire par la loi N(np, npq).

Remarque 4.27. En pratique, lorsque n 30, np 15 et npq > 5, la loi binomiale Bin(n, p) peut
tre approxime par la loi normale N(np, npq).

6 chantillonnage

6 1 Premier problme : proportion de boules dans une urne


Dans une urne contenant une dizaine de boules, il y a 2 boules noires et 8 boules blanches. La
proportion de boules noires est donc de 1/5.
On pioche dans lurne avec ordre et remise une vingtaine de boules et on sintresse la proportion
de boules noires obtenues.
Cette exprience a t recommence 100 fois laide dun tableur et voici les proportions obtenues.

Proportion 0 0, 05 0, 1 0, 15 0, 2 0, 25 0, 3 0, 35 0, 4 0, 45 0, 5 Total
Nb dchantillons 0 9 13 20 27 16 9 5 0 1 0 100
1. Quel est le nombre dchantillons qui ont une proportion de boules noires de 0, 3 ?
2. Quel est le nombSi (Xn )n re dchantillons qui ont une proportion de boules noires de 0, 6 ?
3. Quel est le nombre dchantillons qui ont une proportion de boules noires entre 0, 1 et 0, 4 ?
4. Le but de cette partie est de retrouver par le calcul ce dernier nombre. On considre la variable
alatoire X qui lors de lexprience compte le nombre boules noires obtenues.
a. Justifier que X suit une loi binomiale dont on prcisera les paramtres.
b. Calculer P (2 X 8).
c. En dduire la probabilit que la proportion de boules noires soit comprise entre 0 et 0, 4.
Solution.

Proportion 0 0, 05 0, 1 0, 15 0, 2 0, 25 0, 3 0, 35 0, 4 0, 45 0, 5 Total
Nb dchantillons 0 9 13 20 27 16 9 5 0 1 0 100
1. Le nombre dchantillons qui ont une proportion de boules noires de 0, 3 est 9.
2. Le nombre dchantillons qui ont une proportion de boules noires de 0, 6 est 0. En effet, tous
les chantillons sont dj dans le tableau.
3. Le nombre dchantillons qui ont une proportion de boules noires comprise entre 0, 1 et 0, 4
est 13 + 20 + 27 + 16 + 9 + 5 = 90. Soit 90%.
4. a. On recommence 20 fois de manire indpendante une exprience ayant deux issues pos-
sibles, succs ou chec. La variable alatoire qui compte le nombre de succs suit une loi
binomiale de paramtres 20 et 1/5.
b. P (2 X 8) = 0, 92.
c. On cherche la probabilit que la proportion de boules noires dans un chantillon soit com-
prise entre 0, 1 et 0, 4 ; cest--dire la probabilit quil y ait entre 10% et 40% de boules
noires. Or chaque chantillonage contient 20 boules. Ainsi 10% de boules noires pari
ces 20 boules reprsente exactement 2 boules noires. De mme 40% reprsente 8 boules
noires. Finalement, chercher la probabilit que la proportion de boules noires dans les
chantillonnages soit comprise entre 0, 1 et 0, 4 revient chercher la probabilit de pio-
cher entre 2 et 8 boules noires parmi les 20 boules. Cest exactement la probabilit que
lon a cacul la question 4b, soit 0, 92. Ce qui correspond peu prs au 90% trouv
grce au tableau.


4.6. CHANTILLONNAGE 55
6 2 Second problme : proportion de camions sur une autoroute
Sur une autoroute, la proportion des camions par rapport lensemble des vhicules est 0, 07.
1. Soit X le nombre de camions parmi 100 vhicules choisis au hasard. Calculer P (X 5).
2. Soit Y le nombre de camions parmi 1000 vhicules choisis au hasard. Calculer P (65 Y 75).
3. On choisit n vhicules au hasard. Pour quelles valeurs de n peut-on affirmer que la proportion de
camions est entre 0, 06 et 0, 08 avec un risque derreur infrieur 5% ?
Solution.
1. Soit X une variable alatoire de loi binomiale Bin(100, 0.07). 100 30, 1000, 07 = 7 < 15,
0, 07 0, 1 donc lapproximation utiliser est celle par la loi de Poisson Pois(7) et :
4
X 7k
P (X 5) 1 e7 0, 827.
k!
k=0

2. Y suit la loi binomiale Bin(1000, 0.07). 1000 30, 1000 0, 07 = 70 15, 70 0, 93 =


64, 1 > 4 donc lapproximation utiliser est celle par la loi normale N(70, 65.1) et si F
dsigne la fonction de rpartition de la loi N(70, 65.1),
   
5.5 5.5
P (65 Y 75) F (75.5) F (64.5) =
65.1 65.1
 
5.5
= 2 1 2(0.68) 0.5
65.1
3. On choisit n vhicules au hasard. Le nombre Sn des camions parmi ces n vhicules suit la loi
binomiale Bin(n, 0.07) et la proportion des camions est Snn .
On cherche n tel que
P Snn 0.07 0.01 = 0.05.


Si n 30, 0.07n 15 et 0.07 0.93 n > 5, cest--dire n 215, on peut approximer la loi
de Snn par la loi normale N(0.07, 0.0651 Sn 0.065
n ) et la loi de n 0.07 par la loi normale N(0, n ).
On a alors :
     
Sn n Sn n 1
P 0.07 0.01 = P
0.07

n 0.0651 n 0.0651 100
  
n
2 1 0.05
651
 
n
On a donc 651 0.975 (1.96) et n 1.962 651 2501. 2501 90, ce qui
lgitime lapproximation.


7 Loi multinomiale

Loi multinomiale
Le vecteur alatoire N suit la loi multinomiale de paramtres n et (p1 , . . . , pd ) o n N et
les pi sont strictement positifs et de somme 1 si pour tout d-uple (j1 , j2 , . . . , jd ) dentiers tels que
Dfinition 4.28 j1 + j2 + + jd = n,
n!
P [N = (j1 , j2 , . . . , jd )] = pj1 pj2 pjdd .
j1 !j2 ! jd ! 1 2

Exemple 4.29. On considre 20 tirages dune boule avec remise dans une urne contenant 1 boule
bleue, 3 jaunes, 4 rouges et 2 vertes. Notons N = (N1 , N2 , N3 , N4 ) o Ni est le nombre de boules
de la couleur i en numrotant les couleurs par ordre alphabtique (b,j,r,v). On a (p1 , p2 , p3 , p4 ) =
1 3 4 2
( 10 , 10 , 10 , 10 ). La probabilit dobtenir en 20 tirages 3 bleues, 5 jaunes, 10 rouges et 2 vertes est :
3  5  10  2
20! 1 3 4 2

P (N = (3, 5, 10, 2)) = ' 0, 004745.
3!5!10!2! 10 10 10 10

56 LEON 4. LOI BINOMIALE


5
LEON

Loi de Poisson, loi


normale

Niveau : BTS
Prrequis : Variable alatoire, esprance, variance, thorme limite central, loi bino-
miale, fonctions exponentielles
1 Loi de Poisson

1 1 Dfinition
La loi de Poisson est la loi des processus assmilables au temps dattente.

Soit un rel strictement positif. On appelle loi de Poisson de paramtre , la loi ddune
variable alatoire X discrte qui prend les valeurs k N avec les probabilits :

Dfinition 5.1 k
P (X = k) = e
k!
une telle loi est note Pois().

Dveloppement
A-t-on bien dfini une variable alatoire ?

Pour tout rel x, on a :


+
Thorme 5.2
X xk
ex =
k=0
k!

Dmonstration. La formule de Taylor, pour une fonction indfiniment drivable f nous donne :
+ n
X d f un
f (u) = (0)
n=0
dun n!
et lgalit, valable pour tout entier naturel n :
dn (eu )
= eu
dun
donnent le rsultat. 
Ainsi :
+ + +
k X k
e = e = e e = e+ = e0 = 1.
X X
P (X = k) =
k=0 k=0
k! k=0
k!

1 2 Valeurs caractristiques

Soit X une variable alatoire qui suit la loi de Poisson de paramtre . Alors :
Thorme 5.3
E(X) = et Var(X) = .

Dveloppement

Dmonstration. On a :
+ +
X k X k1
E(X) = ke = e = .
k! (k 1)!
k=0 k=1
+ k +
X k2
X
E(X(X 1)) = k(k 1)e = 2 e = 2 .
k! (k 2)!
k=0 k=2

Or, par linarit de lesprance :


E(X(X 1) = E(X 2 ) E(X)
donc :
E(X 2 ) = 2 + et Var(X) = E(X 2 ) E(X)2 = 2 + 2 = .


58 LEON 5. LOI DE POISSON, LOI NORMALE


1 3 Somme des deux lois de Poisson

Si X1 suit une loi Pois(1 ) et X2 suit une loi Pois(2 ) et que X1 et X2 sont indpendantes
Thorme 5.4
alors X = X1 + X2 suit une loi Pois(1 + 2 ).

1 4 Table de la loi de Poisson


Contrairement la loi binomiale qui a 2 paramtres n et p, la loi de Poisson na quun seul para-
mtre . Ci-dessous, la table donnant les valeurs numriques de P (X = k) pour diffrentes valeurs de
et k.

Exemple 5.5. Soit X une variable alatoire qui suit la loi de Poisson Pois(), = 4. On a P (X =
2) = 0, 147.

1 5 Exemples de situations

Exemple 5.6. Signature de ptitions


Un militant entreprend de faire signer une ptition lentre dun supermarch. Le nombre de
personnes X quil peut ainsi contacter est une variable alatoire de Poisson de paramtre . Soit p la
probabilit quune personne ainsi sollicite signe la ptition. On note Y le nombre total de signatures
et Z le nombre total de refus de signature (X = Y + Z).
1. Soient j et k deux entiers. En distinguant les cas j > k et j k, calculer P (X = k | Y = j).
2. En dduire P (X = k, Y = j).
3. Dterminer la loi de Y . Les variables alatoires X et Y sont-elles indpendantes ?
4. En utilisant le rsultat de la question 2, dterminer la loi du couple (Y, Z).
5. Ces deux variables alatoires sont-elles indpendantes ? Commenter.

Exemple 5.7. Poisson pair et impair


Soit X une variable alatoire de Poisson de moyenne > 0. Quelle est la probabilit que X soit
pair ? impair ?

5.1. LOI DE POISSON 59


2 Loi normale

2 1 Definition

Soient m un rel et un rel positif et non nul. On dit quune variable alatoire X suit la loi
normal de paramtres m et si elle admet pour densit de probabilit :

Dfinition 5.8 1 2 2
f (x) = = e(xm) /(2 ) .
2
On dit que X suit une loi N(m, ).

La densit de probabilit de f est :


Z x
1 2 /2 2
P (X x) = F (x) = e(tm) dt.
2

On admet que : Z +
1 2 /2 2
e(tm) dt = 1.
2

Pour m = 2 et = 3, on obtient la courbe suivante dite en forme de cloche de Gauss :


0.15

0.1

0.05

0
4 2 0 2 4 6 8

Pour tout x > 0, on a f (m + x) = f (m x), donc la droite dquation x = m est un axe de


Proprit 5.9
symtrie pour la courbe.

Thorme 5.10 Si X N(m, ) alors E(X) = m et Var(X) = 2 .

2 2 Loi normale centre-rduite


Xm
Soit X N(m, ), on considre la variable Y = .
On a : Z x+m
1 2 /(2 2 )
P (Y < y) = P (X < y + m) = e(tm) dt.

Effectuons le changement de variable :

tm dt
u= du = .

On obtient : Z x Z x
1 2 /2 1 2 /2
P (Y < y) = eu du = eu du.
2 2

Donc Y N(0, 1).

Dfinition 5.11 On appelle loi normale centre-rduite ou de Laplace-Gauss, la loi N(0, 1).

Sa fonction densit est une fonction paire et son graphe admet (Oy) pour axe de symtrie.

60 LEON 5. LOI DE POISSON, LOI NORMALE


0.4

0.2

0
4 2 0 2 4

Dans le cas de la loi N(0, 1), on note P (X < x) = F (x) = (X).


Cette fonction est tabule pour x 0.

F IGURE 5.1 Table des valeurs de , fonction de rpartition de la loi normale standard N(0, 1)

Exemple 5.12. On donne X N(0, 1). Daprs la table de la loi normale centre-rduite :

P (X < 1) = 0, 8413, P (X < 2, 55) = 0, 9946.

5.2. LOI NORMALE 61


Proprit sur la loi normale centre-rduite
Si X N(0, 1),
Proprit 5.13 Z b
1 2 /2
P (a < X < b) = ex dt = (b) (a).
2 a

2 3 Somme de variables gausiennes

Si X1 suit la loi N(m1 , 1 ,), X


q2 suit la loi N(m2 , 2 ) et X1 , X2 indpendantes, alors X =
Thorme 5.14
X1 + X2 suit la loi N(m1 + m2 , 12 + 22 ).

3 Convergence

3 1 De la loi binomiale vers la loi de Poisson

Soient p [0 , 1] et n N. Soit X suivant la loi Bin(n, p). Si n est assez grand , si p est
Thorme 5.15 assez petit et si np nest pas trop grand alors on peut approcher la loi de X par une loi de
Poisson Pois(np).

Les conditions dutilisation de ce thorme sont :


n 30, p 0, 1, np 15 ;
n 50, p 0, 1, np 10.

Exemple 5.16. Dans une entreprise, on estime que la probabilit pour un article dtre dfectueux est
p = 0, 05. On prlve dans un stock de 80000 articles un chantillon de 120 units et on sintresse au
nombre dlments dfectueux dans lchantillon.
Hypothses : Bien que le choix des articles prlevs se fasse sans remise, on formule lhypothse que
ce prlvement de 120 articles sur les 80000 ne modifie pratiquement pas la composition globale
du stock.
Modlisation : Sous les hypothses prcdentes, une exprience lmentaire consiste prlever un
article, constater sil est dfectueux, le remplacer dans le stock. Cette exprience lmentaire
tant rpte 120 fois de faon indpendantes des autres.
On note Xi pour i = 1, 2, . . . , 120 la variable alatoire qui prend la valeur 1 si lobjet est
dfectueux, 0 sinon.
X est la variable alatoire qui donne le nombre darticles dfectueux dans lchantillon de taille
120.
Il est clair que X = X1 + X2 + + X120 . Comme pour i = 1, 2, . . . , 120, Xi suit une loi
Bern(0.05) alors Xi suit une loi Bin(120, 0.05).
De plus, E(X) = np = 120 0, 05 = 6.
Convergence : On dresse un tableau avec quelques valeurs approches de la loi de X et une variable
Y de loi de Poisson Pois(6) :

k 0 1 2 3 4 5 6 7 8 9
P (X = k) 0, 002 0, 013 0, 041 0, 087 0, 134 0, 164 0, 165 0, 141 0, 105 0, 069
P (Y = k) 0, 002 0, 015 0, 045 0, 089 0, 134 0, 161 0, 161 0, 138 0, 103 0, 69

62 LEON 5. LOI DE POISSON, LOI NORMALE


3 2 De la loi de Poisson la loi binomiale

SI (Xn )n est une suite de variables alatoires indpendantes, de mme loi de Poisson Pois()
Thorme 5.17
et si Sn = X1 + + Xn alors Sn suit la loi de Poisson Pois(n).

Dveloppement

Dmonstration. La dmonstration se fait par rcurrence sur n.


Pour n = 1, X1 suit la loi de Poisson Pois().
Si Sn = X1 + +Xn suit la loi de Poisson Pois(n), Sn+1 +Sn +Xn+1 , et vu que Sn et Xn+1 sont indpendantes,
que Sn suit la loi de Poisson Pois(n) et Xn+1 la loi de Poisson Pois()), Sn + Xn+1 = Sn+1 suit la loi de Poisson
de paramtre n + = (n + 1).


Sn suit la loi de Poisson Pois(n) donc E(Sn ) = n et Var(Sn ) = n. Daprs le thorme


central limite, la loi de Sn peut tre approxime par la loi normale N(E(Sn ), Var(Sn )), cest--dire
N(n, n).
En pratique, lorsque 15, on peut approximer la loi de Poisson Pois() par la loi normale
N(, ).

Exemple 5.18. Si X suit la loi de Poisson Pois(16),

1616
P (X = 16) = e16 0, 0992.
16!
En approximant la loi Pois(16) par la loi N(16, 16) de fonction de rpartition F , on obtient :

0, 5 0, 5
   
P (X = 16) F (16, 5) F (15, 5) = = 2(0, 125) 1 0, 0995.
4 4
Le gain de temps est surtout sensible pour le calcul des valeurs de la fonction de rpartition :
20, 5 16
 
P (X 20) F (20, 5) = = (1, 125) 0, 8697
4
(alors quen gardant la loi de Poisson, il faudrait faire la somme de 21 termes !)

5.3. CONVERGENCE 63
64 LEON 5. LOI DE POISSON, LOI NORMALE
6
LEON

Variables alatoires
relles densit

Niveau : Terminale S et BTS


Prrequis : probabilits, intgrales, primitives, croissance compare, quations diffren-
tielles, dsintgration radioactive
1 Introduction

Nous avons vu dans la leon Variables alatoires discrtes que des variables alatoires peuvent
prendre leur valeur dans un sous-ensemble des nombres entiers. On va essayer de gnraliser en lar-
gissant lensemble des valeurs de dpart dune variable alatoire un intervalle de R.

Exemple 6.1. On tire au hasard un point a sur le segment [0 , 1] et on note X = a. On a alors X() =
[0 , 1].
1. Calculer P ({X = 0,5}).
2. Calculer la probabilit que X appartienne au segment [0 , 21 ].

2 Densit et loi de probabilit

Densit de probabilit
Soit I un intervalle de R. On appelle densit de probabilit sur I, toute fonction f continue
Dfinition 6.2 et positive sur I telle que : Z
f (t) dt = 1.
I

R
Remarque 6.3. La notation I dsigne lintgrale sur lintervalle I.
1. Si I = [a , b] alors
Z Z b
f (t) dt = f (t) dt.
I a

2. Si I est non born dun cot (par exemple I = [a , +[ alors


Z Z x
f (t) dt = lim f (t) dt.
I x+ a

3. Si I = R alors : Z Z 0 Z x
f (t) dt = lim f (x) dt + lim f (t) dt.
I x x x+ 0

Exemple 6.4. Soit f une fonction constante sur lintervalle [0 , 1]. On cherche la valeur de cette
constante pour que f soit une densit. On note cette constante :
Z 1
dt = 1 = 1.
0

1
Plus gnralement, si f est une fonction continue sur lintervalle [a , b], on montre que f (t) = = ba .

Loi de probabilit
Soit I un intervalle et f une densit de probabilit sur I. Lapplication P qui, tout sous-
intervalle [a , b] de I associe la quantit :
Dfinition 6.5 Z b
P ([a , b]) = f (t) dt
a

est appel loi de probabilit sur I.

Dveloppement

66 LEON 6. VARIABLES ALATOIRES RELLES DENSIT


Justification de la dfinition 6.5. Soit (In )nN une famille de sous-intervalles disjoints de I, alors par linarit de lint-
grale :
!
[ XZ X
P In = f (t) dt = P (In )
nN nN In nN

et de plus P (I) = 1. 

Remarques 6.6.
1. On a bien 0 P ([a , b]) 1 car [a , b] est inclus dans I.
2. On a : Z x0
P ({x0 }) = f (t) dt.
x0

On dit alors que {x0 } est un vnement presque-srement impossible .

Exemples 6.7.
1. Si f est constante sur [a , b], on dit que P est la loi uniforme.
2. Si f est de la forme f (t) = et sur R avec > 0, on dit que P est la loi exponentielle de
paramtre . On a tout de mme besoin dune justification. Soit > 0 un rel. On montre que
f (t) = et dfinie sur R est une densit de probabilit sur R+ . On calcule :
" #x
et t
Z x Z x
t
f (t) dt = e dt = = 1 ex .
0 0 0

Or, on a :
lim (1 ex ) = 1.
x+
Rx
La limite en + de 0 f (t) dt existe bien et on a :
Z
f (t) dt = 1.
R+

3 Variables alatoires continues. Loi uniforme, loi exponentielle

Soit P une loi de probabilit sur un intervalle I de f . On dit quune variable alatoire X,
valeurs dans I, suit une loi de probabilit P lorsque pour tout sous-intervalle [a , b] de I, on a :
Dfinition 6.8 Z b
P (a X b) = f (t) dt.
a

Exemples 6.9.
1. On peut maintenant rpondre aux questions de lexemple introductif. X suit une loi uniforme
sur lintervalle [0 , 1]. Donc :
(a)
Z 0,5
P (X = 0,5) = 1 dt = 0.
0,5

(b)
Z 0,5
P (X [0 , 0,5]) = P (0 X 0,5) = 1 dt = 0,5.
0

6.3. VARIABLES ALATOIRES CONTINUES. LOI UNIFORME, LOI EXPONENTIELLE 67


Dans le cas gnral, supposons que X suivent la loi uniforme sur [a , b]. Alors :
Z
1
P ( X ) = dt = .
ba ba
On note L([a , b]) la longueur de lintervalle de [a , b]. Si X suit une loi uniforme sur un intervalle
I, alors la probabilit dun sous-intervalle J est donn par la formule :
L(J)
P (X J) = .
L(I)
2. Si X suit la loi exponentielle de paramtre > 0, alors
Z x
P (0 X x) = et dt = 1 et
0

et par complmentarit :

P (X x) = 1 P (0 X x) = ex .

Fonction de rpartition
Soit X une variable alatoire, valeurs dans un intervalle I de la forme [a , b] (ou de la forme
[a , +[) qui suit une loi de probabilit P . On appelle fonction de rpartition de X, la fonction
Dfinition 6.10
F dfinie pour tout rel x de I par :

F (x) = P (X x).

Si F est une fonction de rpartition de X alors :


1. F est croissante sur [a , x],
2. F (a) = 0,
3. F (b) = 1 (si I = [a , b]) ou
Proprit 6.11
lim F (x) = 1 si I = [a , +[.
x+

4. P (X > x) = 1 F (x)
5. P ( < X ) = F () F ().

Exemple 6.12. Si X suit la loi exponentielle de paramtre , on a :

F (x) = 1 et .

4 Esprance dune variable alatoire continue

Esprance dune variable alatoire continue


Soit X une variable alatoire continue prenant ses valeurs dans un intervalle I. On appelle
Dfinition 6.13 esprance de X la quantit : Z
E(X) = tf (t) dt
I

Exemples 6.14.
1. Si X suit une loi uniforme sur I = [a , b] alors :
" #b
t2
Z b
t 1 b+a
E(X) = dt = = .
a ba ba 2 a
2

68 LEON 6. VARIABLES ALATOIRES RELLES DENSIT


2. Soit X suit une loi exponentielle de paramtre > 0 sur R+ . On calcule lintgrale suivante :
Z x Z x
t
te dt = tet dt.
0 0

On pose :
u(t) = t et v 0 (t) = et ,
ainsi
et
u0 (t) = 1 et v(t) = .

Une intgration par parties donne :

1 h t ix xex ex + 1
Z x h ix Z x
tet dt = tet + et dt = xex e = .
0 0 0 0

Puis, on tudie la limite lorsque x tend vers +. On sait que :

lim xex = 0
x+

grce la rgle des croissances compares et

lim ex = 0
x+

donc E(X) = 1 .

5 Exemples de variables alatoires densit

5 1 Lois normales
1. Dfinition

Loi normale
Soit m R et R+ . On dit que la variable alatoire relle X suit la loi normale N(m, )
Dfinition 6.15
si elle a pour densit de probabilit la fonction f dfinie par :
1 2
x R, f (x) = e1/2[(xm)/] .
2

Z b
1 2
Consquence 6.16 P (a X b) = e1/2[(xm)/] dx.
2 a

2. Cas particulier de N(0, 1)


2
La densit de probabilit est alors f (x) = 1 ex /2 et on appelle, dans ce cas, la fonction de
2
rpartion.
On a donc : Z b 1 2
P (a X b) = ex 2 dx = (b) (a).
a 2
Les valeurs de la fonction de rpartition pour la loi normale centre rduite tant tabules, il est dsor-
mais possible de calculer P (a X b).

Proprit 6.17 La fonction f est paire sur R.

6.5. EXEMPLES DE VARIABLES ALATOIRES DENSIT 69


O 1

Consquence 6.18 Si x > 0 alors (x) = 1 (x).

Dveloppement

Dmonstration. En effet :
Z x Z x
(x) = P (X x) = f (t) dt = f (t) dt
inf

car f une fonction paire

Z +
= f (t) dt
x

aprs le changement de variable u = t


Z + Z x
= f (t) dt f (t) dt = 1 (x).

Exemples 6.19.
a. (1) = P (X 1) correspond donc laire sous la courbe dlimit droite par la droite
dquation x = 1.
b. (1) = P (X 1) = 1 (1) correspond laire sous la courbe dlimit gauche par
la droite dquation x = 1.

O 1

70 LEON 6. VARIABLES ALATOIRES RELLES DENSIT


3. Se ramener une N(0, 1)

Xm
Proprit 6.20
Soit X N(m, ). Alors Y = N(0, 1). On dit quon centre et quon rduit la
variable alatoire X.

Dveloppement

Dmonstration.
 
X m
P (a Y b) = P a b

Z b+m
1 2
= P (A + m X b + m) = e1/2[(xm)/] dx
a+m 2
xm
On effectue alors le changement de variable y = et on obtient :
Z b Z b
1 2 1 2
P (a Y b) = ey /2 dy = ey /2 dy
a 2 a 2
2
donc Y a pour densit f (x) = 1 ex 2. La variable alatoire Y suit bien une loi normale centre rduite. 
2

Exemple 6.21. La variable alatoire X suit une loi normale de paramtres m = 2, 09 et = 0, 13,
autrement dit X N(2.09, 0.13).
On va se ramener une loi normale centre rduit en posant : T = Xm
et donc T N(0, 1). On
demande de calculer P (X 2, 35) et P (1, 895 X 2, 285).

X 2, 09
 
P (X 2, 35) = P 2 = P (T 2) = 0, 9772.
0, 13

P (1, 895 X 2, 285) = P (1, 5 T 1, 5) = P (T 1, 5) P (T 1, 5)


= P (T 1, 5) (1 P (T 1, 5)) = 2 P (T 1, 5) 1
= 2 0, 9332 1 = 0, 8664.

4. Esprance et variance

Proprit 6.22 Si X N(m, ) alors E(X) = m et Var(X) = 2 .

Dveloppement

Dmonstration.
Z +
1 2
E(X) = x e1/2[(xm)/] dx.
2
Xm
On considre la variable alatoire Y = alors Y N(0, 1). On a : X = Y + m donc :
(
E(X) = E(Y ) + m
Var(X) = 2 Var(Y )
( (
E(Y ) = 0 E(X) = m
donc si alors .
Var(Y ) = 1 Var(X) = 2

6.5. EXEMPLES DE VARIABLES ALATOIRES DENSIT 71


Z +
y 2
E(Y ) = ey /2 dy = 0 car f est une fonction paire.
2

Var(Y ) = E(Y 2 ) (E(Y ))2 = E(Y 2 ).
Il faut donc calculer :
+
y2
Z
2
E(Y 2 ) = ey 2 dy.
2
Pour cela, on va faire une IPP en considrant lintgrale suivante :
Z a
1 2
soit a > 0, I(a) = ey /2 dy
a 2
avec : ( 2 2
u(y) = ey 2, u0 (x) = yey /2
v 0 (y) = 12 , v(y) = y2 .
 a Z a
y 2 1 2
I(a) = ey /2 + y 2 ey 2 dy
2 a 2 a
Z a
2a a2 /2 y 2 y2 /2
= e + e dy.
2 a 2
Puis on fait tendre a vers + et on obtient :
Z + Z + 2
1 y2 /2 y 2
e dy = 1 = ey /2 dy.
2 2
Au final, on a :
Var(Y ) = E(Y 2 ) = 1.


5 2 Loi uniforme
La loi uniforme sur [a, b], note Unif([a, b]) a pour densit de probabilit :
(
f (x) = 0 si x
/ [a , b]
1
f (x) = ba si x [a , b].

Si X Unif([a, b]) alors :


Proprit 6.23
a+b (b a)2
E(X) = et Var(X) = .
2 12

5 3 Loi exponentielle
La loi exponentielle Exp() a pour densit de probabilit :
(
f (x) = 0 si x < 0
f (x) = ex si x 0

La densit de probabilit h de la somme de deux variables alatoires indpendantes dont les


densits f et g sont nulles pour x 0, est dfinie par :
Proprit 6.24 Z x
h(x) = f (x t)g(t) dt.
0

Si X Exp() alors :
Proprit 6.25 1 1
E(X) = et Var(X) = .
2

72 LEON 6. VARIABLES ALATOIRES RELLES DENSIT


F IGURE 6.1 Densit de la loi uniforme [a, b]

F IGURE 6.2 Fonction de rpartition de la loi uniforme [a, b]

F IGURE 6.3 Densit de la loi exponentielle Exp() pour = 0, 5, = 1, = 1, 5

6.5. EXEMPLES DE VARIABLES ALATOIRES DENSIT 73


F IGURE 6.4 Fonction de rpartition de la loi exponentielle Exp() pour = 0, 5, = 1, = 1, 5

6 Applications

6 1 Loi de dure de vie sans vieillissement

Soit T une variable alatoire correspondant la dure de vie dun individu ou dun objet. On
dit que T suit la loi de dure de vie sans vieillissement lorsque la probabilit que lindividu (ou
lobjet) soit vivant (ou fonctionne) linstant t + h sachant quil est vivant (ou quil fonctionne)
Dfinition 6.26
linstant t ne dpend pas de son ge :

P(T t) (T t + h) = P (T h).

Une variable alatoire T suit la loi de dure sans vieillissement si et seulement si elle suit une
Proposition 6.27
loi exponentielle.

Dveloppement

Dmonstration de la proposition 6.27.


() On suppose que T suive une loi exponentielle de paramtre R+ . Par dfinition dune probabilit conditionnelle,
on a :
P ((T t + h) (T t))
P(T t) (T t + h) = .
P (T t)
Or lvnement T t + h est inclus dans lvnement T t donc :

P ((T t + h) (T t)) = P (T t + h) = e(t+h) .

Par ailleurs :
P (T t) = et ,
do :
e(t+h)
P(T t) (T t + h) = = eh = P (T h).
et
() Rciproquement, soit T une variable alatoire suivant une loi de dure de vie sans vieillissement. Alors, pour tout
rel t de R+ et tout rel h de R+ :

P(T t) (T t + h) = P (T h) P (T t + h) = P (T h)P (T t).

Soit F la fonction de rpartition de la variable alatoire T . On note la fonction dfinie sur R+ par :

(t) = 1 F (t) = 1 P (T t) = P (T > t) = P (T t).

74 LEON 6. VARIABLES ALATOIRES RELLES DENSIT


Comme F est drivable sur R+ , lest aussi et on a :

(0) = 1 F (0) = 1 et (t + h) = (t)(t),

autrement dit, vaut 1 en 0 et transforme les sommes en produits. Il existe donc un rel a (voir la leon quations
diffrentielles ) tel que
(t) = eat .
Mais comme est en fait une probabilit, on a pour tout t R+ :

(t) 1 eat 1 at 0 a 0.

On pose = a R+ . Si a tait nul, on aurait, pour tout t R+ :

(t) = 1 P (T t) = 1

Ce qui signifierait que notre individu est ternel, hypothse que lon peut rejeter. Donc, on a bien R+ . Do,
pour tout t R+ :
(t) = et 1 F (t) = et
et en drivant, on obtient :
f (t) = et f (t) = et .
La variable alatoire T suit donc une loi exponentielle de paramtre .


6 2 Loi de dsintgration radioactive


Selon les physiciens, la dure de vie T dun noyau radioactif suit une loi de dure de vie sans
vieillissement, autrement dit, une loi exponentielle. Considrons lexprience E : on examine un
noyau linstant 1 t . On note S lvnement Ce noyau nest pas dsintgr . Daprs la loi expo-
nentielle, il existe un rel strictement positif tel que :

P (S) = P (T t) = et .

Supposons que lon ait au dpart (t = 0), dans notre corps radioactif, N0 noyaux. On note Xt la
variable alatoire gale au nombre de noyaux non dsintgrs linstant t. Comme chaque noyau se
dsintgre indpendamment aux autres, on peut affirmer que Xt suit une loi binomiale de paramtres
n = N0 et p = P (S) = et . Le nombre moyen N (t) de noyaux prsents linstant t est donc donn
par lesprance de Xt :
N (t) = E(Xt ) = np = N0 et .

1. La constante est appele constante radioactive du noyau

6.6. APPLICATIONS 75
76 LEON 6. VARIABLES ALATOIRES RELLES DENSIT
7
LEON

Lois uniformes, lois


exponentielles

Niveau : Terminale S
Prrequis : Variable alatoire, esprance, variance, fonctions exponentielles, formule de
Koenig
1 Lois uniformes

1 1 Loi uniforme discrte

On dit que la variable alatoire X suit une loi uniforme sur A si


Dfinition 7.1 1
X() = A et P (X = a) = , a A.
card(A)

En gnral, A = [1, n]N = [1, n] N.


Exemple 7.2. On lance un d non truqu. Soit X la variable alatoire qui prend comme rsultat le
numro de la face indiqu par le d. X suit la loi uniforme sur A = [1, 6]N .
Exemple 7.3. Un ordinateur est programm pour donner en sortie un entier au hasard entre 1 et 20. On
note Y la variable alatoire qui prend comme rsultat lentier sorti par lordinateur.
Y suit la loi uniforme sur A = [1, 20]N .
Soit A = {x1 , . . . , xn }.

Si X Unif(A) alors :
!2
Thorme 7.4 1X n
1X n
1X n
E(X) = xi et Var(X) = x2 + xi .
n i=1 n i=1 i n i=1

Dans le cas o A = [1, n]N = [1, n] N :

Si X Unif([1, n]N ) alors :


Thorme 7.5
n+1 n2 1
E(X) = et Var(X) = .
2 12

Dveloppement

Dmonstration. Soit X Unif([1, n]N ). On calcule son esprance :


n
1X 1 n(n + 1) n+1
E(X) = k= = .
n n 2 2
k=1

On peut ensuite calculer la variance avec la formule de Koning :


n 2
n(n + 1)(2n + 1) (n + 1)2

1X 2 n+1
Var(X) = k =
n 2 6 4
k=1
(n + 1)(4n + 2) (n + 1)(3n + 3) (n + 1)(n 1) n2 1
= = = .
12 12 12


Exemple 7.6. Calculons lesprance et la variance de Y .


20 + 1 21
E(Y ) = =
2 2
202 1 399
Var(Y ) = = 400 112 = .
12 12

78 LEON 7. LOIS UNIFORMES, LOIS EXPONENTIELLES


1 2 Loi uniforme continue

Loi uniforme continue


La loi uniforme est la loi exacte des phnomnes continues uniformment rpartis sur un
intervalle [a, b] avec a < b, cest--dire si sa densit de probabilit est donne par :
Dfinition 7.7
(
si x [a, b]
f (x) = .
0 si x
/ [a, b]

Dveloppement

Calcul de . On cherche tel que :


Z b
dt = 1
a

cest--dire :
b 1
[x]a = 1 (b a) = 1 = .
ba


La fonction de densit de probabilit est reprsent par le graphique ci-dessous :

1
ba

0 a b

et sa fonction de rpartition :

0 a b

Remarque 7.8. La probabilit que X [, ] avec < et , [a, b] vaut :


Z Z
dx
P ( ) = f (x) dx = = .
ba ba

Exemple 7.9. Dans la journe, un mtro passe toutes les 6 minutes la station no 14. Soit X le temps
dattente dune personne cette station. On suppose que X suit la loi uniforme sur [0 , 6].

7.1. LOIS UNIFORMES 79


Quelle est la probabilit que cette personne attende entre 3 et 5 minutes ?
53 1
P (3 X 5) = = .
6 3

Soit X Unif([a, b]).


Thorme 7.10
b+a (b a)2
E(X) = et Var(X) = .
2 12

Dveloppement

Dmonstration.
Calcul de lesprance de X Par dfinition :
Z + Z a Z b Z +
E(X) = xf (x) dx = xf (x) dx + xf (x) dx + xf (x) dx.
a b
Ra R +
Or :
xf (x) dx = 0 et b
xf (x) = 0 par dfinition de la loi uniforme continue, do :
b b  2 b
b2 a2 (b a)(b + a)
Z Z
x dx 1 1 x b+a
E(X) = = x dx = = = = .
a ba ba a ba 2 a 2(b a) 2(b a) 2
Variance Par la formule de Koenig,
Z +  2 Z b
2 dx b+a
2 2
Var(X) = x f (x) dx E(X) = x
a ba 2
 3 b  2  3 3
  2
1 x b+a 1 b a b+a
= = .
ba 3 a 2 ba 3 2
Or :
 3
b a3

1 1 2
= (b + ab + a2 )
ba 3 3
(b + a)2 1 2
= (b + 2ab + a2 )
4 4
do :
b3 a3 (b + a)2 (b a)2
   
1
Var(X) = = .
ba 3 4 12


Si X est une variable relle de fonction de rpartition continue strictement croissante F et si


Thorme 7.11 U est une variable alatoire de loi uniforme sur [0 , 1], alors la variable alatoire Y := F 1 (U ) a
mme loi que X.

Ce thorme permet de rduire la simulation informatique de la loi de X celle de U .


Dveloppement

Dmonstration. Comme F est continue strictement croissante, cest une bijection de R sur son image ]0 , 1[ (en raison de
la stricte monotonie de F , les bornes 0 et 1 ne sont pas atteintes). Par consquent F 1 : ]0 , 1[ R est bien dfinie et
vrifie :
u ]0 , 1[, x R, F 1 (u) x si et seulement si u F (x).
Comme P (0 < U < 1) = 1, on en dduit que les vnement F 1 (U ) x et {U F (x)} ont mme probabilit. Pour


obtenir la fonction de rpartition de Y , on remarque alors que pour tout x R,


L([0, F (x)])
P (Y x) = P (F 1 (U ) x) = P (U F (x)) = = F (x)
L([0, 1])
o L([a, b]) correspond la longueur de lintervalle [a, b]. Ainsi Y a pour fonction de rpartition F donc a mme loi que
X. 

80 LEON 7. LOIS UNIFORMES, LOIS EXPONENTIELLES


Exemple 7.12. La rotation dune roue de loterie quilibre et dpaisseur constante, tournant sur un
cadran gradu rgulirement, les forces de frottement sexerant sur laxe de rotation tant constantes,
lorsque lon suppose que la roue ne sarrte devant laiguille que selon une graduation, donne un
exemple concret de phnomne probabiliste suivant une loi uniforme. Si lon a une ou deux dizaines
de graduations, on peut considrer tre en prsence de lquiprobabilit dapparition de certaines gra-
duations. En augmentant indfiniment le nombre de graduations, on pourra mme considrer des in-
tervalles de graduations, ainsi la probabilit dune graduation donne parmi un trs grand nombres de
graduations va tendre vers 0.
Dautre part, la probabilit que laiguille se prsente entre deux graduations quelconques est pro-
portionnelle la mesure du secteur que ces graduations dlimitent.

2 Lois exponentielles

2 1 Dfinition

Soit a un rel strictement positif. La variable alatoire relle X suit la loi exponentielle de
paramtre a si elle admet pour densit :
Dfinition 7.13 (
aeat si x 0
f (t) = .
0 si x 0

F IGURE 7.1 Densit et fonction de rpartition de loi Exp(a)

7.2. LOIS EXPONENTIELLES 81


2 2 Loi de dure de vie sans vieillissement
Soit X Exp(a). On dit que X est une loi de dure de vie sans vieillissement.

Soit T la variable alatoire correspondant la dure de vie dun individu ou dun objet.
On dit que T suit la loi de dure de vie sans vieillissement lorsque la probabilit que lin-
dividu (ou lobjet) soit vivant (ou fonctionne) linstant t + h sachant quil est vivant (ou quil
Dfinition 7.14
fonctionne) linstant t ne dpend pas de son ge t :

P(T t) (T t + h) = P (T h).

Remarque 7.15. La loi de dure de vie sans vieillissement sapplique-t-elle aux humains ? Non, ce
nest pas un modle pertinent long terme. En effet, un bb la naissance peut raissonablement
esprer vivre plusieurs dizaines dannes alors quon peut en dire autant dun vieillard. Le modle
semble plus proche de la ralit lorsque h est petit. Par exemple la probabilit de vivre encore une mi-
nute semble comparable indpendamment de lge. Mais cette loi sapplique plutt des composants
lectroniques par exemple.

Une variable alatoire T suit la loi de dure de vie sans vieillissement si et seulement si elle
Proposition 7.16
suit une loi exponentielle.

Dveloppement

Dmonstration. Supposons que T suive une loi exponentielle de paramtre R+ . Par dfinition dune probabilit
conditionnelle, on a :
P ((T t + h) (T t))
P(T t) (T t + h) = .
P (T t)
Or, lvnement (T t + h) est inclus dans lvnement (T t) donc :

P ((T t + h) (T t)) = P (T t + h) = e(t+h) .

Par ailleurs,
P (T t) = et .
Do :
e(t+h)
P(T t) (T t + h) = = eh = P (T h).
et
Rciproquement, soit T une variable alatoire suivant une loi de dure de vie sans vieillissement. Alors, pour tout rel t
de R, et tout rel h de R+ :
P(T t) (T t + h) = P (T h)
P (T t + h) = P (T h)P (T t).
Soit F la fonction de rpartition de la variable alatoire T . Notons la fonction dfinie sur R+ par :

(t) = 1 F (t) = 1 P (T t) = P (T > t) = P (T t).

Comme F est drivable sur R+ , lest aussi et on a :

(0) = 1 F (0) = 1 et (t + h) = (h)(t).

Autrement dit, vaut 1 en 0 et transforme les sommes en produits.


On en dduit quil existe un rel a tel que pour tout rel t de R+

(t) = eat .

Mais comme est en fait une probabilit, on a pour tout t R+ :

(t) 1 eat 1 at 0 a 0.

On pose = a R+ . Si a tait nul, on aurait, pour tout rel t R+ :

(t) = 1 P (T t) = 1.

82 LEON 7. LOIS UNIFORMES, LOIS EXPONENTIELLES


Donc on a bien R+ . Do, pour tout t R+ :

(t) = et 1 F (t) = et

et en drivant :
f (t) = et f (t) = et .
La variable alatoire T suit donc une loi exponentielle de paramtre . 

Dveloppement

Une autre preuve pour loi de dure de vie sans vieillissement implique loi exponentielle. Soit X une variable alatoire
dont la loi vrifie :
s R+ , t R+ , P (X > t + s | X > t) = P (X > s) (7.1)
et G sa fonction de survie 1 Comme G = 1 F , G est dcroissante et continue droite et tend vers 0 en +. De plus,
lcriture de (7.1) suppose implicitement que G(t) > 0 pour tout t 0 car sinon P ( | X > t) ne serait pas dfinie. On a
aussi :
P (X > t + s) G(t + s)
P (X > t + s | X > t) = = . (7.2)
P (X > t) G(t)
Grce (7.2), on voit que la proprit dabsence de mmoire (7.1) quivaut :
G(t + s)
s R, t R+ , = G(s).
G(t)
La fonction de survie G doit donc tre une solution dcroissante, continue droite, tendant vers 0 en + et telle que
0 < G(t) 1 de lquation fonctionnelle :

s R+ , t R+ , G(t + s) = G(t)G(s). (7.3)

En faisant s = t = t0 dans (7.3), on obtient G(0) = G(0)2 et comme G(0) > 0, on a

G(0) = 1. (7.4)

En faisant s = t dans (7.3), on obtient G(2t) = G(t)2 , puis de proche en proche

n N , t 0, G(nt) = G(t)n . (7.5)

En particulier pour t = 1/d, d N :


1 n
n N , d N , n
 
G d =G d . (7.6)

Lorsque n = d, (7.6) donne G(1) = G(1/d)d do :

d N , 1
= G(1)1/d .

G d (7.7)

Nous connaissons maintenant G sur lensemble des rationnels positifs puisque (7.4), (7.5), (7.6) et (7.7) nous donnent

r Q+ , G(r) = G(1)r (7.8)

Soit x R+ \Q+ , x est limite dune suite dcroissante (rn ) de rationnels. Comme G est continue droite, G(rn ) converge
vers G(x). Dautre part lapplication y 7 G(1)y est continue sur R. Ainsi, en appliquant (7.8) rn et en faisant tendre n
vers linfini, on obtient :
x R+ , G(x) = G(1)x . (7.9)
A priori, la constante G(1) est dans ]0 , 1]. On peut carter la valeur G(1) = 1 car sinon daprs (7.9), la limite en + de
G serait 1 alors quelle vaut 0.
Finalement, puisque 0 < G(1) < 1, on peut poser G(1) = ea pour un rel a > 0 (cela revient prendre a = ln G(1)).
On peut alors rcrire (7.9) sous la forme
x R+ , G(x) = eax .
La fonction de survie G est donc la mme que celle de la loi exponentielle de paramtre a, donc X suit cette loi. 

1. la fonction de survie dune loi exponentielle est dfini de la manire suivante :



1 si x 0
G(x) = P (X > x) = 1 F (x) = .
eax si x > 0

7.2. LOIS EXPONENTIELLES 83


2 3 Un exemple

Exemple 7.17. On suppose que la dure de vie X dune voiture suit une loi exponentielle de paramtre
0, 1.
1. Calculer la probabilit quune voiture dpasse 10 ans de dure de vie.
2. On sait quune voiture a dur dj 10 ans. Quelle est la probabilit quelle dpasse 12 ans de dure
de vie ?
3. Comparer le rsultat prcdent avec la probabilit que la dure de vie de la voiture dpasse deux
ans.

Dveloppement

Solution.
1. Z 10
1
P (X > 10) = 1 P (X 10)1 0, 1e0,1t dt = .
0 e
2.
P (X > 12) e0,112
P(X>10) (X > 12) = = = e0,2 ' 0, 82.
P (X > 10) e1
3. Z 2
P (X > 2) = 1 P (X 2) = 1 0, 1e0,1t dt = e0,2 ' 0, 82.
0

84 LEON 7. LOIS UNIFORMES, LOIS EXPONENTIELLES


8
LEON

Lois normales

Niveau : BTS
Prrequis : Variable alatoire, esprance, variance, thorme limite central, loi bino-
miale, loi de Poisson, fonctions exponentielles, intgrales
1 Premires dfinitions

Soit m R et R+ . On dit que X suit la loi normale de paramtres m et , quon note


N(m, ), si la densit de probabilit f est dfinie par :
Dfinition 8.1
1 2
f (x) = e1/2[(xm)/] .
2

Remarque 8.2. La fonction de rpartition F est donne par lintgrale :


Z x Z x
1 2
F (x) = P (X x) = f (t) dt = e1/2[(xm)/] .
2

On donne la reprsentation graphique de la fonction f pour m = 2 et = 2.

0.2

0.15

0.1

0.05

3 2 1 0 1 2 3 4 5 6 7

m=2

Si une variable X suit la loi normale N(m, ) alors :


Thorme 8.3
E(X) = m et Var(X) = 2 .

2 Loi normale centre

Si les paramtres dune loi normale sont respectivement 0 et 1, alors on dit que la loi normale
Dfinition 8.4
est centre rduite. On la note N(0, 1).

Remarque 8.5. La densit de probabilit associe la loi normale N(0, 1) est la fonction f dfinie
par :
1 2
f (x) = ex /2 .
2

a. f est une fonction paire sur R (pour tout rel x, f (x) = f (x).
Proprits 8.6
b. La reprsentation graphique de f , Cf , est symtriqu par rapport laxe (yy 0 ).

On donne la reprsentation graphique de la fonction f (densit de probabilit associe la loi


normale N(0, 1).

86 LEON 8. LOIS NORMALES


0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

6 5 4 3 2 1 0 1 2 3 4 5 6

3 De la loi normale la loi normale centre rduite, utilisation de tables

Soit X une variable alatoire qui suit la loi normale N(m, ). En effectuant le changement
de variable suivant :
Thorme 8.7 X m
T = ,

on obtient une nouvelle variable alatoire, note T qui suit la loi normale centre rduite N(0, 1).

Dveloppement

Dmonstration. X suit la loi N(m, ) donc sa densit de probabilit est la fonction f dfinie par :
 2 !
1 1 xm
f (x) = exp
2 2

et on a :
x  2 !
tm
Z
1 1
F (X) = P (X x) = exp dt. (8.1)
2 2
tm
Faisons le changement de variable dintgration u = . On obtient dt = du. Lorsque t tend vers , u tend vers
; lorsque t vaut x, u vaut xm
.
Les galits (8.1) deviennent :
Z xm Z xm
1 2 1 2
F (x) = P (X x) = eu /2 du = eu /2 du.
2 2
Xm xm
Si on pose maintenant T = soit t = pour tout rel x, il vient :
Z t
1 2
F (t) = P (T t) = eu /2 du.
2
2
La densit de probabilit T est donc la fonction g dfinie par g(x) = 1 eu /2 . T suit la loi normale N(0, 1). 
2

Remarque 8.8. La loi normale N(m, ) a deux paramtres mais le changement de variable T = Xm
permet de travailler avec la loi normale centre rduite, N(0, 1) dont la table est fournie ci-dessous.

8.3. DE LA LOI NORMALE LA LOI NORMALE CENTRE RDUITE, UTILISATION DE TABLES 87


F IGURE 8.1 Table des valeurs de , fonction de rpartition de la loi normale standard N(0, 1)

88 LEON 8. LOIS NORMALES


Soit T la variable alatoire qui suit la loi normale centre rduite N(0, 1). La fonctoion de
rpartiton de T est donne par lintgrale :
Z t
Dfinition 8.9 (t) = P (T t) = f (x) dx

2
sachant que f (x) = 1 ex /2 .
2

Exemple 8.10. Pour t [0, 3], on peut lire directement les valeurs dans la table.

P (T 2, 47) = (2, 47) = 0, 9932


P (T > 2, 47) = 1 (2, 47) = 0, 0068.

Exemple 8.11. Si t [3, 0]. On utilise la symtrie de la courbe de la fonction f .

P (T 1, 27) = P (T 1, 23) = 1 P (T 1, 23) = 1 0, 8907 = 0, 1093.

Exemple 8.12. Soit X la variable alatoire qui suit la loi normale N(m, ) o m = 2, 09 et = 0, 13.
On va calculer P (X 2, 35) et P (1, 895 X 2, 285). Dans les deux calculs, on procde au
changement de variable : T = Xm .

X 2, 09 2, 35 2, 09
 
P (X 2, 35) = P
0, 13 0, 13
0, 26
 
=P T = P (T 2) = 0, 9772.
0, 13

1, 895 2, 09 X 2, 09 2, 285 2, 09
 
P (1, 895 X 2, 285) = P
0, 13 0, 13 0, 13
0, 195 0, 195
 
=P T = P (1, 5 T 1, 5)
0, 13 0, 13
= P (T 1, 5) P (T < 1, 5) = P (T 1, 5) (1 P (T 1, 5))
j = 2P (T 1, 5) 1 = 2 0, 9332 1 = 0, 8664.

4 Convergence

4 1 Thorme limite centre

Soit (Xn ) une suite de variables alatoires relles dfinies sur le mme espace de probabilit,
suivant la mme et indpendantes. On note lesprance et lcart de la loi considre (on
suppose quils existent et soient fini).
n
Soit Sn = ni=1 Xi et X n = Snn . La variable alatoire Zn = Sn = X
P n
n / n
converge en
Thorme 8.13
loi vers la loi centrale rduite N(0, 1), cest--dire :
!
Xn
lim P (Zn z) = lim P z = (z).
n+ n+ / n

8.4. CONVERGENCE 89
4 2 Approximation de la loi binomiale

Pour n assez grand (n 50) et pour p ni voisin de 0, ni voisin de 1, tels que np(1 p) >
10, on peut approcher
p la loi binomiale Bin(n, p) par la loi normale N(m, ) o m = np et
= (X) = np(1 p). On a alors :
Thorme 8.14
2 !
1 1 km

P (X = k) = exp .
2 2

Exemple 8.15. Lanons cinquante fois une pice de monnaie quilibre. Soit X la variable alatoire
mesurant le nombre de face ainsi obtenu. On sait que X suit la loi binomiale Bin(50, 1/2).
Lesprance mathmatique de X est E(X) = np = 25 et son cart type :
r
25 5
= npq = = ' 3, 54.
2 2
On veut calculer P (X = 25) :
 50
50! 1
P (X = 25) = .
25!25! 2
Ce calcul semble compliquer car 25! et 50! est trs trs grand.
thorme prcdent, on peut approximer la loi binomiale Bin(50, 1/2) par la loi nor-
Daprs le
male N(25, 5/ 2) (ceci est lgitime car n 50, p = 1/2, npq > 10).
4 3 De la loi de Poisson la loi binomiale

Si (Xn )n est une suite de variables alatoires indpendantes, de mme loi de Poisson Pois()
Thorme 8.16
et si Sn = X1 + + Xn alors Sn suit la loi de Poisson Pois(n).

Dveloppement

Dmonstration. La dmonstration se fait par rcurrence sur n.


Pour n = 1, X1 suit la loi de Poisson Pois().
Si Sn = X1 + +Xn suit la loi de Poisson Pois(n), Sn+1 +Sn +Xn+1 , et vu que Sn et Xn+1 sont indpendantes,
que Sn suit la loi de Poisson Pois(n) et Xn+1 la loi de Poisson Pois()), Sn + Xn+1 = Sn+1 suit la loi de Poisson
de paramtre n + = (n + 1).


Sn suit la loi de Poisson Pois(n) donc E(Sn ) = n et Var(Sn ) = n. Daprs le thorme


central limite, la loi de Sn peut tre approxime par la loi normale N(E(Sn ), Var(Sn )), cest--dire
N(n, n).
En pratique, lorsque 15, on peut approximer la loi de Poisson Pois() par la loi normale
N(, ).
Exemple 8.17. Si X suit la loi de Poisson Pois(16),
1616
P (X = 16) = e16 0, 0992.
16!
En approximant la loi Pois(16) par la loi N(16, 16) de fonction de rpartition F , on obtient :
0, 5 0, 5
   
P (X = 16) F (16, 5) F (15, 5) = = 2(0, 125) 1 0, 0995.
4 4
Le gain de temps est surtout sensible pour le calcul des valeurs de la fonction de rpartition :
20, 5 16
 
P (X 20) F (20, 5) = = (1, 125) 0, 8697
4
(alors quen gardant la loi de Poisson, il faudrait faire la somme de 21 termes !)

90 LEON 8. LOIS NORMALES


5 Thorme de De Moivre-Laplace et applications

Thorme de De Moivre-Laplace
Si Sn est une variable alatoire de loi binomiale de paramtres n et p]0 , 1[, on a avec q :=
Thorme 8.18 1 p,
Sn np n Sn
r  
n+
Sn := = p Z
npq pq n loi

Exemple 8.19. Soit une urne qui contient des boules rouges et des boules vertes, la proportion de
chaque couleur tant inconnue. On effectue n tirages avec remise et on cherche estimer la proportion
p de boules rouges. On pose alors Xi = 1 si le ie tirage donne une boule rouge et Xi = 0 sinon.
Sn = X1 + + Xn est le nombre alatoire de boules rouges sorties en n tirages et Sn /n la frquence
observe de sortie dune boule rouge.
Le thorme de De Moivre-Laplace va nous permette de construire des intervalles de confiance
pour p. Considrons, pour t > 0, lvnement :
n q o
n Sn ()
An,t := , t pq ( n p) t .

Le thorme de De Moivre-Laplace nous dit que pour n assez grand, on peut utiliser lapproximation :

P (An,t ) ' (t) (t) = 2(t) 1.

Cela peut se rcrire :


r r
Sn pq Sn pq
 
P t p +t = 2(t) 1 + n .
n n n n

Or, on ignole la valeur de p donc celle de pq. Mais, on peut majorer cette quantit car p(1 p) est
maximal pour p = 1/2. Do :
1
pq .
2
On note : n o
Bn,t = , Snn() 2t n p Snn() + 2t n ,
et on a An,t Bn,t , do :
P (Bn,t ) 2(t) 1 + n .
En pratique n est fix et on connait des valeurs numrqiues explicites x1 , . . . , xn que lon interprte
comme les valeurs de X1 (), . . . , Xn () pour un mme tir au sort (suivant P . On a donc dune
valeur numrique explicite de Snn() = (x1 ++x
n
n)
. Proposer pour le paramtre inconnu p lintervalle
de confiance :
In,t = [0, 53 t/(2 n); 0, 53 + t/2 n]
cest faire le pari que le observ est bien dans Bn,t . La probabilit de gagner ce pari est minore
par 2(t) 1 + n . On dit que In,t est un intervalle de confiance pour p avec un niveau dau moins
2(t) 1 + n . En pratique, on dtermine t de faon approce grce la tabulation de . Par exemple
pour un niveau de confiance de 95%, on est ramen la rsolution de lquation
1, 95
(t) = = 0, 975
2
do t ' 1, 96, ce qui nous donne lintervalle :

Sn () 1, 96 Sn () 1, 96
 
In = ; + au niveau de confiance 95%.
n 2 n n 2 n

8.5. THORME DE DE MOIVRE-LAPLACE ET APPLICATIONS 91


92 LEON 8. LOIS NORMALES
9
LEON

Marches alatoires

Niveau : Terminale S
Prrequis : aucun
1 Chanes de Markov

Chane de Markov I
Une chane de Markov est une suite de variables alatoires (Xn , n N) qui permet de mo-
Dfinition 9.1
dliser lvolution dynamique dun systme alatoire : Xn reprsente ltat du systme linstant
n.

Proprit de Markov
Proprit 9.2 Lvolution future du systme ne dpend du pass qu travers de sa valeur actuelle. Autre-
ment dit, conditionnement Xn , (X0 , . . . , Xn ) et (Xn+k , k N) sont indpendantes.

Les applications des chanes de Markov sont trs nombreuses :

rseaux, gestion de stock,


gntique ddes populations, alogirthmes stochastiques doptimisation,
mathmatiques financires, simulation.

On se place maintenant sur E un espace discret, cest--dire un espace au plus dnombrable muni
de la topologie discrte o tous les points de E sont isols. On considre la tribu E = P(E).

Matrices stochastiques
Une matrice P = (P (x, y))x,yE est dite matrice stochastique si ses coefficients sont positifs
et la somme sur une ligne des coefficients est gale 1 :
Dfinition 9.3
a. P (x, y) 0 ;
P
b. zE P (x, z) = 1 ;
pour tous x, y E.

On donne une nouvelle dfinition des chanes de Markov base sur les probabilits.

Chane de Markov II
Soit P une matrice stochastique sur E. Une suite de variables alatoires (Xn , n N)
valeurs dans E est appele chane de Markov de matrice de transition P si pour tous n N,
Dfinition 9.4 x E, on a :

P (Xn+1 | Xn , . . . , X0 ) = P (Xn+1 = x | Xn ) = P (Xn , x).

On dit que la chane de Markov est issue de 0 si la loi de X0 est 0 .

Remarques 9.5.
a. Comme lespace dtat est discret, lquation de la dfinition prcdente est quivalente : pour
tous x0 , . . . , xn E, tels que P (Xn = xn , . . . , X0 = x0 ) > 0 :

P (Xn+1 = x | Xn = xn , . . . , X0 = x0 ) = P (Xn+1 = x | Xn = xn ) = P (Xn , x).

b. Si P (X0 = x) = 1, autrement dit 0 est la masse de Dirac en x on dira plus simplement que la
chane de Markov.

La loi dune chane de Markov (Xn , n N) est entirement caractrise par sa matrice de
transition, P et la loi de X0 , 0 . De plus, on a, pour tous n N , x0 , . . . , xn E,
Proposition 9.6 n
Y
P (X0 = x0 , . . . , Xn = xn ) = 0 (x0 ) P (xk1 , xk ).
k=1

94 LEON 9. MARCHES ALATOIRES


Dveloppement

Dmonstration. Soit n N et x0 , . . . , xn E. Si P (X0 = x0 , . . . , Xn1 = xn1 ) > 0, une utilisation successive de


la formule des probabilits conditionnelles donne :

P (X0 = x0 , . . . , Xn = xn ) = P (X0 = x0 )P (X1 = x1 | X0 = x0 ) P (Xn = xn | X0 = x0 , . . . , Xn1 = xn1 )


n
Y
= 0 (x0 ) P (xk1 , xk ).
k=1

Si P (X0 = x0 , . . . , Xn1 = xn1 ) = 0,


soit P (X0 = x0 ) = 0, cest--dire 0 (x0 ) = 0 et donc lgalit de la proposition reste vraie ;
soit il existe m {1, . . . , n 1} tel que P (X0 = x0 , . . . , Xm1 = xm1 ) > 0 et P (X0 = x0 , . . . , Xm = xm ) =
0. Dans ce dernier cas, on peut utiliser lgalit de la proposition avec n = m et obtenir que :
m
Y
0 = P (X0 = x0 , . . . , Xm = xm ) = 0 (x0 ) P (xk1 , xk ).
k=1

On en dduit que lgalit de la proposition reste vraie avec les deux membres nuls.
En conclusion, lgalit de la proposition est toujours vrifi. 

On donne un exemple de chanes de Markov qui sera le but de lexpos.

Exemple 9.7. La marche alatoire symtrique simple sur Z, S = (Sn , n 0), est dfinie par :
n
X
Sn = S0 + Zk
k=1

o Z = (Zn , n 1) est une suite de variables alatoires indpendantes et de mme loi, P (Zn = 1) =
P (Zn = 1) = 1/2, et S0 est une variable alatoire valeurs dans Z indpendante de Z.
On vrifie facilement que la marche alatoire simple est une chane de Markov valeurs dans Z de
matrice de transition :
(
0 si |x y| =
6 1
P (x, y) = pour x, y Z.
1/2 si |x y| = 1

2 Chanes de Markov au lyce

Daprs un article de Louis-Marise Bonneval paru dans le bulletin APMEP no 503.


Lexpression chane de Markov ne figure dans aucun libell de programme de lyce. Mais on
peut lire dans le programme de la spcialit mathmatiques de Terminale S, sous le titre Matrices et
suites :
Il sagit dtudier des exemples de processus, dterministes ou stochastiques, laide de suites ou
de matrices.
Exemples de problmes
Matrice alatoire simple sur un graphe deux ou trois sommets.
Matrice alatoire sur un ttradre ou un graphe N sommets (tude asymptotique dune
marche alatoire).
et dans le programme de la spcialit mathmatiques de Terminale ES : Les graphes probabilistes
permettent dtudier des phnomnes dvolution simples, et de faire le lien avec les suites.
Contenus : Graphe probabiliste deux ou trois sommets : matrice de transition, tat stable dun
graphe probabiliste.
Larticle suggre cinq problmes permettant de mieux cerner la notion de marches alatoires.

9.2. CHANES DE MARKOV AU LYCE 95


2 1 Bonus et malus en assurance automobile
Un contrat dassurance automobile comporte trois tarifs de cotisation annuelle : bas, intermdiaire,
haut.
La premire anne, lassur paye le tarif intermdiaire.
Sil na t responsable daucun accident pendant une anne, il passe au tarif infrieur lanne
suivante (sil est dj au tarif bas, il y reste).
Sil a t responsable dau moins un accident au cours dune anne, il passe au tarif suprieur
lanne suivante (sil est dj au tarif haut, il y reste).
La compagnie dassurance estime 10% la probabilit quun assur pris au hasard soit responsable
dau moins un accident au cours dune anne.
Quelle sera long terme la rpartition des assurs entre les trois catgories de tarif ?

2 2 Une ronde sur un triangle


Nous sommes au XIVe sicle, dans le chteau de Poitiers. Il est triangulaire, flanqu dune tour
chaque sommet : Est, Nord, Sud. Partant de la tour Est, la sentinelle fait sa ronde sur le rempart.
chaque sommet du triangle, pour tromper lennemi (et lennui), il jette une pice : pile, il continue dans
le mme sens ; face, il repart en sens inverse.
Pourra-t-il assurer une surveillance comparable dans les trois directions ?

2 3 La collection dautocollants
Chaque semaine, Anna achte une tablette de chocolat Cbon. Chaque tablette contient un auto-
collant reprsentant soit une toile, soit un c ur, soit un trfle quatre feuilles. Anna les collectionne
pour dcorer son journal intime.
En supposant les trois motifs quirpartis entre les tablettes, combien de tablettes suffit-il dache-
ter pour tre sr plus de 95% davoir les trois types de dessin ?

2 4 Pertinence dune page web


Le rseau Internet peut tre reprsent comme un gigantesque graphe (non probabilisite), dont les
N sommets sont les pages, et les flches les liens qui pointent dune page une autre.
Un moteur de recherche, pour tre utile, doit classer les pages par ordre de pertinence.
Comment mesurer la pertinence dune page ?

2 5 Les urnes dEhrenfest


On dispose de deux urnes A et B, et de N boules numrotes de 1 N . Au dbut, toutes les boules
sont dans lurne A. De temps autre, on tire au hasard un numro entre 1 et N , et on change durne la
boule correspondante.
Au bout de combien dtapes peut-on esprer que toutes les boules soient nouveau dans
lurne A ?

2 6 Bonus : Un exercice de 1re S


Une fourmi parcourt les cts dun carr ABCD en partant du sommet A et met 1 minute
parcourir un ct.
Arriv lun des sommets, elle choisit au hasard lun ou lautre des deux cts issus de ce sommet
pour poursuivre sa marche. On dit que la fourmi a travers le carr lorsquelle atteint pour la premire
fois le sommet C.
On observe la fourmi pendant au plus 4 minutes et on note X le temps de la traverse. On pose
X = 0 si la fourmi na pas atteint le point C pendant lobservation.
1. Faire un schma du carr et les dplacements possibles de la fourmi.
2. Reprsenter cette exprience alatoire laide dun arbre.
3. Dterminer la loi de proabilit de la variable alatoire X.
4. Quelle est la probabilit que la fourmi ait travers le carr pendant les 4 minutes.

96 LEON 9. MARCHES ALATOIRES


3 Un cas particulier de chane de Markov : marches alatoires sur Z

3 1 Une activit dintroduction sur Algobox

Activit A.
Sur un axe horizontal, un pion plac lorigine O du repre se dplace de la manire suivante :

Si le lancer dune pice quilibre donne Pile, on dplace le pion dune unit vers la droite.
Si le lancer dune pice quilibre donne Face, on dplace le pion dune unit vers la gauche.

Quelle est la probabilit que le pion ne revienne jamais sa position initiale ?

Dveloppement
On va simuler la situation de la manire suivante : on effectue un certain nombre de dplacements, fix par lutilisateur, et
on teste si le pion est revenu sa position initiale au cours de ces dplacements (on peut compter le nombre de fois o il est
revenu sa position initiale).

VARIABLES
alea EST_DU_TYPE NOMBRE
X EST_DU_TYPE NOMRBE
C EST_DU_TYPE NOMBRE
I EST_DU_TYPE NOMRBE
N EST_DU_TYPE NOMBRE
DEBUT_ALGORITHME
AFFICHER "Entrer le nombre de dplacement souhaits"
LIRE N
X PREND_LA_VALEUR 0
TRACER_POINT (0,0)
POUR I ALLANT_DE 1 A N
DEBUT_POUR
alea PREND_LA_VALEUR floor(2*random())
SI (alea==0) ALORS
DEBUT_SI
X PREND_LA_VALEUR X-1
FIN_SI
SINON
DEBUT_SINON
X PREND_LA_VALEUR X+1
FIN_SINON
TRACER_POINT (I,X)
SI (X==0) ALORS
DEBUT_SI
AFFICHER "Le pion est revenu sa position initiale aprs "
AFFICHER I
AFFICHER " deplaements."
C PREND_LA_VALEUR C+1
FIN_SI
FIN_POUR
AFFICHER "Le pion est revenu "
AFFICHER C
AFFICHER " fois sa position initiale."
FIN_ALGORITHME

En exercice, vous expliquerez le fonctionnement de lalgorithme.

9.3. UN CAS PARTICULIER DE CHANE DE MARKOV : MARCHES ALATOIRES SUR Z 97


3 2 Nombre de chemins et probabilits
On appelera chemin de (m, a) et (n, b) une ligne brise, cest--dire une suite de segments joignant
les points successifs (m0 , a0 ), (m1 , a1 ), . . ., (mr , ar ) qui commence au point (m0 , a0 ) = (m, a) et
se termine au point (mr , ar ) = (m, b) et tel que, pour tout 0 i < r, on ait mi+1 = mi + 1 et
ai+1 = ai + 1 ou ai 1.

Soient (m, a) et (n, b) deux couples dentiers. Si |b a| n m et si n m et b a ont


mme parit, alors le nombre de chemins de (m, a) et (n, b) est exactement
Proprit 9.8 !
nm
Cn = nm ba
2 + 2

Dveloppement

Dmonstration.

tant donn un chemin joignant les points (m0 , a0 ), (m1 , a1 ), . . ., (mr , ar ), il est clair que la parti de mi+1 est
linverse de la parit de mi , tout comme la parit de ai+1 est linverse de celle de ai . Si la suite m0 , m1 , . . ., mr
change un nombre pair de fois de parit, il en va de mme pour la suite a0 , a1 , . . ., ar (idem dans le cas impair), et
donc les extrmits (m, a) et (n, b) vrifient la proprit n m et b a ont mme parit .

De mme, si |b a| > nm, alors pour joindre (m, a) et (n, b), il faudrait au moins |b a| montes (ou descentes),
en seulement n m tapes.

Enfin, si |b a| n m et n m et b a nont pas mme parit, alors tout chemin joignant (m, a) et (n, b) est
obtenu en montant nm
2 + ba
2 fois et en descendant
nm
2 ba2 .
En effet, si p dsigne le nombre de montes, cest--dire le nombre dindices i tels que ai+1 = ai + 1, et d le nombre
de descentes, cest--dire le nombre dindices i tels que ai+1 = ai 1 alors on a n m = p + d (les n m pas du
chemin tant soit des montes, soit des descentes), et b a = p d (la progression totale est gale au nombre de fois
o lon a mont, p, multipli par la valeur de la monte, 1, plus le nomber de fois o lon a descendu, d, multipli
par la valeur de la progression dans ce cas, 1). En additionnant membre membre ces deux galits, on obtient
bien p = nm 2 + ba
2 .

Un chemin joignant (m, a) (n, b) est alors caractris par lordre dans lequel on monte et on descend, cest--dire par
les indices i o lon monte. Il sagit donc de choisir nm
2 + ba2 indices parmi n m, soit un nombre de chemins de
nm 
nm
+ ba
. 
2 2

Principe de rflexion
Soient a et b deux entiers strictement positifs, et m < n deux entiers. Alors le nombre de
Thorme 9.9
chemins joignant (m, a) (n, b) et touchant laxe des abscisses est exactement le nombre de
chemins joignant (m, a) (n, b).

Dveloppement

Dmonstration. La prevue de ce principe est assez simple : elle repose sur lide quun chemin joignant (m, a) (n, b)
passe ncessairement par la valeur 0. On peut alors tablir une correspondance bijective entre les chemins de ces deux
types par symtrie dune partie de ces chemins ( partir du moment o lon touche laxe des abscisses) par rapport ce
mme axe.

98 LEON 9. MARCHES ALATOIRES


Sn

(n, b)
(m, a)

(n, b)

3 3 Application sur des exemples

Exemple 9.10. Au cours dun scrutin opposant deux candidats A et B, le candidat A obtient 600 voix
et le candidat B en obtient 400. Quelle est la probabilit pour que A ait t majoritaire (au sens large)
tout au long du dpouillement ?

Dveloppement
Nous allons modliser le dpouillement par un chemin dans le plan. Lors du processus de dpouillement, on ouvre les
enveloppes uen unbe, cahcune contenant un bulletin A ou un bulletin B . Si lon affecte la valeur 1 aux bulletins
A et la valeur 1 aux bulletins B , alors on peut reprsenter le droulement du dpouillement par un chemin qui part
du point (0, 0), va monter 600 fois et descendre 400 fois, donc qui arrive au point (1000, 200). On considre que tous les
ordres possibles dapparition, au cours du dpouillement, des bulletins A et B sont quiprobables. Le nombre total
de dpouillements possibles est C600
1000 .
On cherche le nombre de chemins de (0, 1) (1000, 201) qui ne touchent pas laxe des abscisses. Cest le nombre total
de chemins de (0, 1) (1000, 201) ( savoir C600
1000 ) moins le nombre de chemins de (0, 1) (1000, 201) qui touchent laxe,
cest--dire le nombre de chemins de (0, 1) (1000, 201), soit C399
1000 .
La probabilit cherche, sous lhypothse que tous les dpouillements possibles sont quiprobables, est donc :
1000!
C600 399
1000 C1000 399!601! 400 201
600 =1 1000!
=1 = ' 0,334
C1000 400!600!
601 601

La probabilit que le candidat ait t majoritaire (au sens large) tout au long du dpouillement est denviron 0,334.

Exemple 9.11. 100 personnes font la queue un guichet de cinma. La place cote 5 e. 60 personnes
ont un billet de 5 e, tandis que les 50 autres ont des billets de 10 e. Combien faut-il prvoir de billets
de 5 e en caisse pour quavec une probabilit dau moins 95%, tous les spectateurs soient servis, dans
lordre dans leuel ils se prsentent la caisse.

Dveloppement
Si lon appelle S0 le nombre de billets de 5 e dans la caisse au moment initial, et ue lon trace la courbe reprsentative
du nombre de billets de 5 e dans la caisse en fonction du nombre de spectateur qui ont dj achet leur billet, on obtient
exactement un graphe du type voulu. chaque fois quun spectateur passe la caisse, soit il a un billet de 5 e et paye avec,
auquel cas le nombre de billets de 5 e dans la caisse augmente dun, soit il na quun billet de 10 e, auquel cas le nombre
de billets de 5 e dans la caisse diminue dun, qui correspond la monnaie quon lui rend.
Au total, sur les 100 spectateurs, 60 donnent un billet de 5 e et 40 en reoivent un, et donc on a la fin S0 + 20 billets
de 5 e. La courbe trace est donc un chemin de (0, S0 ) et (100, S0 + 20). Pour que tous les spectateurs soient servis, dans
lordre dans lequel ils se prsentent la caisse, il faut que le chemin ne traverse pas laxe des abscisses.
Il sagit donc de trouver le plus petit S0 pour lequel la probabilit de traverser laxe des abscisses soit infrieur 5%. L
aussi, tant donn S0 , la probabilit pS0 pour que le chemin traverse laxe des abscisses est la probabilit pour quun chemin

9.3. UN CAS PARTICULIER DE CHANE DE MARKOV : MARCHES ALATOIRES SUR Z 99


de (0, S0 + 1) (100, S0 + 21) touche laxe des abscisses. Cest donc le rapport du nombre de chemins de (0, S0 + 1)
(100, (S0 + 21)) au nombre de chemins de (0, S0 + 1) (100, S0 + 21). On trouve :
50(S +11)
0 40Q
C 60!40! k=40S0 k
pS0 = 100 60 = = Q 61+S0
.
C100 (39 S0 )!(61 + S0 )! k=61 k

On calcule les valeurs successives de pS0 lorsque S0 varie. On trouve les valeurs approches suivantes :

S0 0 1 2 3 4 5
pS0 0, 656 0, 412 0, 249 0, 144 0, 080 0, 042

Il faut donc 5 billets au dpart dans la caisse pour quavec une probabilit dau moins 95%, tous les spectateurs soient
servis.

3 4 Premier retour en 0

Cn
Lemme 9.12 La probabilit pour que S2n soit nul est P (S2n = 0) = 2n
22n
.

Dveloppement

Dmonstration. En effet, le nombre de chemins de (0, 0) (2n, 0) est exactement Cn2n puisquil correspond au nombre de
faon de choisir les n montes (et donc les n descentes). Comme il y a par ailleurs 22n trajectoires possibles de longueur
2n (2 choix possibles chaque tape), et que toutes les trajectoires sont quiprobables, on a bien :

Cn2n
P (S2n = 0) = .
22n


Si E := {n 1, Sn = 0}, notons :
(
inf E si card(E) < +
T0 = .
+sinon

T0 correspond linstant de premier retour en 0. Sil est fini, il est ncessairement pair.

La probabilit pour que le premier retour en 0 ait lieu linstant 2n est :


Thorme 9.13 1 (2n 2)!
P (T0 = 2n) = (Cn1 n2
2n2 C2n2 ) = .
22n1 22n1 n!(n 1)!

Dveloppement

Dmonstration. On distingue deux cas selon que lon a S1 = 1 ou S1 = 1. Si S1 = 1, alors il sagit de calculer le
nombre de chemins de (1, 1) (2n, 0) qui ne touchent pas laxe des abscisses avant ltape 2n. Mais le dernier pas est
alors impos : on a ncessairement S2n1 = 1, puisque lon cherche des chemins qui aboutissent la valeur 0 sans avoir
jamais touch laxe des abscisses. Il sagit donc de dnombrer le nombre de chemins de (1, 1) (2n 1, 1) ne touchant
pas laxe des abscisses, cest--dire le nombre total de chemins moins le nombre de chemins qui touchent laxe. Daprs
le principe de reflexion, ce dernier est gal au nombre de chemins de (1, 1) (2n 1, 1). Au total on trouve :

Cn1 n2
2n2 C2n2 .

Cn1 Cn2
Conditionnellement lhypothse S1 = 1, on trouve donc une probabilit pour que T0 = 2n de 2n2 22n2
2n2
12 . Le
premier terme du produit est la probabilit pour que la marche alatoire passe de la valeur S1 = 1 la valeur S2n1 = 1
sans toucher laxe (rapport du nombre de trajectoires favorables sur le nombre total de possibilits), et le facteur 1/2

100 LEON 9. MARCHES ALATOIRES


correspond la probabilit pour que S2n soit nul lorsque lon a S2n1 = 1 (il faut que le dernier pas soit de 1). Lorsque
S1 = 1, la situation est totalement symtrique, donc on trouve exactement la mme probabilit. Au total, on a trouv :
Cn1 n2
2n2 C2n2
P (T0 = 2n) = .
22n1
En revenant aux expressions dfinissant les nombres Ckn on obtient :
 
1 (2n 2)! (2n 2)!
P (T0 = 2n) = 2n1
2 (n 1)!(n 1)! n!(n 2)!
(2n 2)!
= 2n1 (n (n 1))
2 n!(n 1)!
(2n 2)!
= 2n1
2 n!(n 1)!
On remarque, enfin, que cette dernire expression nous permet dobtenir la relation P (T0 = 2n) = P (S2n2 = 0)
P (S2n = 0). En effet, on a :
Cn1
2n2 C2n
n
P (S2n2 = 0) P (S2n = 0) = 2n
2
 
1 (2n 2)! (2n)!
= 2n 4
2 (n 1)!(n 1)! n!n!
(2n 2)!
= 2n (4n2 2n(2n 1))
2 n!n!
(2n 2)!
= 2n1 .
2 n!(n 1)!
Ainsi :
P (T0 = 2n) = P (S2n2 = 0) P (S2n = 0).


3 5 Modle du joueur
En exercice.
Exemple 9.14. Une personne dispose dun capital de dpart c (c entier). Elle joue pile ou face de
manire rpt une somme de 1, jusqu atteindre un but b quelle sest fixe au dpart, ou bien jusqu
ce quelle ne puisse plus jouer (lorsque sa fortune atteint la valeur 0). Quelle est la probabilit pour
quelle atteigne son objectif b ?

4 Marches alatoires sur Zd

4 1 En deux dimensions
On considre une marche alatoire sur le rseau plan Z2 . Il y a ici quatre mouvements possibles
chaque site : en avant, en arrire, droite, gauche.

F IGURE 9.1 Trois marches alatoires (indpendantes) isotropes sur le rseau Z2

Pour de longues marches, la distribution de la position finale du marcheur se comporte asymptoti-


quement comme une distribution gausienne.
4 2 En trois dimensions
On considre une marche alatoire sur le rseau cubique Z3 . Il y a ici six mouvements possibles
chaque site : en avant, en arrire, droite, gauche, en haut et en bas.

9.4. MARCHES ALATOIRES SUR ZD 101


F IGURE 9.2 Trois marches alatoires (indpendantes) isotropes sur le rseau Z3

4 3 Rcurrence et dimensionnalit
1. Rcurrence
Considrons une marche alatoire isotrope (cest--dire tels que chaque mouvement, un instant
fix, ait la mme probabilit dtre choisi) sur le rseau Zd d dimensions spatiales. On peut toujours
choisir de prendre le point de dpart de cette marche comme origine O du systme de coordonnes
cartsiennes. La question de la rcurrence consiste se demander si on peut trouver au moins un instant
t positif fini pour lequel la particiule repasse par lorigine O.

Marche alatoire rcurrente


Dfinition 9.15 La marche alatoire sera dite rcurrente si et seulement si la probabilit que la particule
repasse lorigine O pour un certain instant t ultrieur fini vaut 1.

2. Thorme de Plya
Le thorme de Plya permet de relier rcurrence et dimensionnalit de lespace.

Thorme de Plya

Thorme 9.16
Pour d = 1 et d = 2, la marche alatoire isotrope est rcurrente.
Pour d 3, la marche alatoire nest pas rcurrente ; on dit alors quelle est transitoire ou
transient.

Dveloppement
On sait calculer la probabilit que le marcheur, parti initialement de lorigine, revienne lorigine, et ce pour toutes les
dimensions d > 2. Cette probabilit p(d) admet lexpression suivante :

1
p(d) = 1
u(d)

o u(d) est une intgrale d dimensions :


Z Z
d dx1 dxd
u(d) = .
(2)d d cos x1 cos xd

Pour d = 3, on obtient lexpression analytique suivante :



6
u(3) = ( 1 )( 24
5 7
)( 24 )( 11
24 ) ' 1, 516 . . .
32 3 24
o (x) est la fonction Gamma dEuler.

102 LEON 9. MARCHES ALATOIRES


On obtient donc en trois dimensions une probabilit de retour lorigine :

p(3) ' 0, 3405 . . .

Des valeurs numriques pour u(d) (avec 4 d 8) ont t trouvs :

d 4 5 6 7 8
u(d) 0, 193 0, 135 0, 105 0, 0858 0, 0729

5 Marches alatoires sur un groupe

Dveloppement
On considre un groupe (G, ), quon suppose multiplicatif. On se donne une suite Y = (Yn )n1 de variables alatoires
indpendantes et de mme loi (quon appelle ), variables alatoires toutes valeurs dans (G, ). On se donne aussi une
variable alatoire X0 valeurs dans (G, ), de loi quelconque, et indpendante de Y = (Yn )n0 . On pose alors, pour n 1 :

Xn = Xn1 Yn .

Marche alatoire sur G


Dfinition 9.17 La suite X = (Xn )n0 est alors une chane de Markov, et est dite marche alatoire sur G de
pas .

On accepte aussi comme marche alatoire, une suite dfinie par la relation de rcurrence :

Xn = Yn Xn1 .

Pour distinguer les deux types de chanes de Markov ainsi dfinies, on parle parfois de marche alatoire droite et de marche
alatoire gauche. Le terme gnral pg,h de la matrice de transition de chaine de Markov est dfini, pour (g, h) G2 , par :

pg,h = (g 1 h) ou bien pg,h = (h g 1 ),

suivant que la marche alatoire est droite ou gauche. On peut vrifier que :

(g 1 h) = (g 1 ) =
X X X X
pg,h = (g) = 1,
gG gG gG gG

car g 7 g h et g 7 g 1 sont des bijections de G dans G. Ainsi, une mesure uniforme sur G estune mesure stationnaire.

6 Marches alatoires grandeur nature

Dveloppement
Une exprience scientifique originale sest droule le 16 octobre 2005 dans les rues de Toulouse.
Environ 300 lycens, partis de la place du Capitole, ont parcouru les rues de la ville, en lanant chaque carrefour le d
pour dcider de leur trajectoire (mode demploi distribu aux participants). Le but tait de modliser le clbre mouvement
brownien, loccasion du centime anniversaire de larticle dAlbert Einstein qui en tablissait la thorie. Chaque participant
devait relever sa position aprs 10, 20, 30, 40, 50, et enfin 60 carrefours. Les cartes ci-contre figurent ces diffrents moments
de lvolution du nuage de participants . L exprience avait bien entendu des enjeux mathmatiques et physiques, dis-
ciplines o la thorie des marches alatoires est trs prsente et bien connue. Mais un rsultat frappant fut lapparition de
phnomnes lis la gographie particulire de la ville. Les rsultats thoriques classiques peuvent stablir facilement dans
le cas de la marche alatoire sur un rseau rgulier maille carre (certains plans de villes amricaines sapprochent bien
de ce modle). On peut les rsumer ainsi :
le nuage de participants reste approximativement centr sur le point de dpart

9.5. MARCHES ALATOIRES SUR UN GROUPE 103


il stale de faon isotrope (identique dans toutes les directions : le nuage est rond ), suivant une loi en racine carre
du nombre de carrefours parcourus. Sur les cartes ci-contre, on a ainsi trac des cercles englobant 90% des participants
une phase donne de lexprience.

Ces rsultats stendent aux rseaux irrguliers homognes , cest--dire dans lesquels les quantits remarquables (la
densit de carrefours, les nombres de rues par carrefours) sont globalement quivalentes aux diffrents endroits du rseau.
Pour lexprience de Toulouse, la thorie est bien respecte, deux perturbations prs :
une zone de trs faible densit de carrefours, au nord-est de la place du Capitole, a donn lieu une faible concentration
de particules, mais aussi quelques trajectoires trs longues ;
plus marque, une sorte de barrire a t trs peu franchie par les participants. Il sagit dune ligne, prolongeant la
Garonne, qui contient trs peu de points de franchissement. Le nuage de participants a en quelque sorte rebondi
sur cette barrire.

104 LEON 9. MARCHES ALATOIRES


10
LEON

Sries statistiques
une variable

Niveau : Seconde, Premire S


Prrequis : aucun
1 Premires dfinitions et exemples

Statistiques
Dfinition 10.1 La statistique tudie certaines caractristiques : caractres ou variables dun ensemble fini
quon appelle population. Les lments de cette population tudie sont appels individus.

Type de variables
On peut classer en trois catgories les variables rencontres :
Quantitative numrique et fait lobjet de calcul (par exemple : ge, taille, poids, notes. . .).
Dfinition 10.2
Qualitative discrte si la variable prend quun nombre fini de valeurs (on appelle modalits de
telle valeur et on les notera xi )
Qualitative continue si la variable prend ses valeurs dans un intervalle (classe).

Exemple 10.3. Voici une liste de 30 notes dun Devoir Surveill de 2nde dun lyce parisien :

5 10 12 13 20 14
15 8 3 4 5 1
20 14 12 3 5 19
10 4 9 10 15 12
11 12 14 20 4 0
On peut regrouper ces notes par ordre croissant et on les compte :
Note 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Effectif 1 1 0 2 3 3 0 0 1 1 3 1 4 1 3 2 0 0 0 1 3
et on peut regrouper ces notes par intervalle :
Intervalle [0 , 5[ [5 , 10[ [10 , 15[ [15 , 20[ Total
Effectif 7 5 12 6 30

Reprsentation graphique de donnes statistiques


Si le caractre est quantitatif discret, on peut utiliser le diagramme en bton pour reprsen-
ter graphiquement les donnes statistiques. Dans un repre orthogonal, pour chaque valeur
de la srie statistique, on trace un trait vertical dont la hauteur est proportionnelle.
Dfinition 10.4 Si le caractre est quantitatif continue, on peut utiliser le diagramme en rectangle pour
reprsenter graphiquement les donnes statistiques. Dans un repre orthogonal, la base des
rectangles est proportionnelle la longueur de lintervalle et la hauteur est proportionnelle
leffectif.
Si le caractre est qualitatif, on utilise les diagrammes circulaires.

Exemple 10.5. On donne en figure 10.1, la reprsentation graphique de la srie statistique des classe-
ments de notes par ordre croissant et par intervalle de 5 notes.

2 Effectif et frquence

Effectif
Leffectif dune classe ou dune modalit est le nombre dindividu de cette classe ou de cette
Dfinition 10.6
modalit. Gnralement, on note ni leffectif de la classe numro i (ou de la modalit xi ).
Leffectif total est la somme des effectifs de toutes les classes. On le note souvent N .

106 LEON 10. SRIES STATISTIQUES UNE VARIABLE


(a) Reprsentation graphique du classement des notes (b) Reprsentation graphique du classement par inter-
par ordre croissant valles

F IGURE 10.1

Exemple 10.7. Dans lexemple prcdent,


5
X
N= ni = n1 + n2 + n3 + n4 = 7 + 5 + 12 + 8 = 30.
i=1

Effectif cumul
Dfinition 10.8 Leffectif cumul dune modalit est la somme des effectifs des modalits qui lui sont inf-
rieurs ou gales.

Frquence
fi
Dfinition 10.9 La frquence note fi de la classe i (ou de la modalit xi ) est le rapport N, la frquence dune
classe est un nombre de lintervalle [0 , 1].

La frquence cumule dune modalit est la somme des frquences des modalits qui lui sont
Dfinition 10.10
infrieures ou gales.

Exemple 10.11. Reprenons les donnes de lexemple prcdent. On a :


Note 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Effectif 1 1 0 2 3 3 0 0 1 1 3 1 4 1 3 2 0 0 0 1 3
Effectif cumul. 1 2 2 4 7 10 10 10 11 12 15 16 20 21 24 26 26 26 26 27 30
(par exemple, 20 personnes ont une note infrieure ou gale 12) et

Intervalle [0 , 5[ [5 , 10[ [10 , 15[ [15 , 20[ Total


Effectif 7 5 12 6 30
Effectif cumul. 7 12 24 30 30
(par exemple 12 personnes ont en dessous de la moyenne).

3 Etendue et mode dune srie statistique

Etendue dune srie statistique


Dfinition 10.12 Ltendue dune srie statistique est la diffrence entre la plus grande modalit du caractre
et la plus grande modalit.

Exemple 10.13. Reprenons les donnes de lexemple prcdent. On a :

Note 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Effectif 1 1 0 2 3 3 0 0 1 1 3 1 4 1 3 2 0 0 0 1 3

10.3. ETENDUE ET MODE DUNE SRIE STATISTIQUE 107


Ltendue de cette srie est 20 0 = 20.

Mode dune srie statistique


Dans le cas continu, on dit quune classe est modale si elle a le plus grand effectif parmi
Dfinition 10.14
toutes les casses.
Dans le cas discret, le mode est la valeur de plus grand effectif.

Exemple 10.15. Dans cette srie statistique, on a :

Intervalle [0 , 5[ [5 , 10[ [10 , 15[ [15 , 20[ Total


Effectif 7 5 12 6 30

La classe modale de cette srie statistique est [10 , 15[.

4 Paramtre de position

4 1 Moyenne

Moyenne
Dans le cas discret, on appelle moyenne dune srie statistique deffectif total N , le rel
Dfinition 10.16
n1 x1 + n2 x2 + + nk xk
x= .
N

Exemple 10.17. Reprenons les donnes de lexemple prcdent. On a :


Note 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Effectif 1 1 0 2 3 3 0 0 1 1 3 1 4 1 3 2 0 0 0 1 3
La moyenne de la srie statistique est :
11+02+23+34+35+06+07+18+19+310+111+124+131+143+152+160+170+180+191+320
x= 30
x = 304
30 ' 10, 13.

Remarque 10.18. Pour calculer la moyenne dune srie statistique continu, on prend comme valeur de
caractre le milieu de chaque classe.

1. Si on ajoute toutes les valeurs dune srie statistique le mme nombre b, on augmente la
moyenne de cette srie par b.
2. Si les valeurs dune srie statistique sont multiplies ou divises par un mme nombre a, la
moyenne de cette srie est aussi multiplie ou divise par a.
Proprits 10.19
3. Si une population deffectif N est compose dune partie deffectif N1 et de moyenne x1
et dune autre partie deffectif N2 et de moyenne x2 alors la moyenne x de la population
totale est telle que :
N1 x1 + N2 x2
x= .
N

Exemple 10.20. Si, dans une classe, les 15 garons dune classe mesurent en moyenne 182 cm et si
les 20 filles mesurent en moyenne 168 cm alors la taille moyenne dun lve de cette classe est gale

15 182 + 20 168
= 174 cm.
15 + 20

108 LEON 10. SRIES STATISTIQUES UNE VARIABLE


4 2 Mdiane

La mdiane est un paramtre de position qui permet de couper la population tudie en deux
Dfinition 10.21
groupes contenant le mme nombre dindividus.

Exemple 10.22. On reprend la liste des 30 notes dun Devoir Surveill de 2nde dun lyce parisien :
5 10 12 13 20 14
15 8 3 4 5 1
20 14 12 3 5 19
10 4 9 10 15 12
11 12 14 20 4 0
Pour trouver la mdiane, on range les notes par ordre croissant.
0 1 3 3 4 4
4 5 5 5 8 9
10 10 10 11 12 12
12 12 13 14 14 14
15 15 19 20 20 20
Comme il y a 30 notes, la mdiane correspond la moyenne de la 15e note et de la 16e de cette liste,
do :
0 1 3 3 4 4
4 5 5 5 8 9
10 + 11
10 10 10 11 12 12 , x = = 10,5.
2
12 12 13 14 14 14
15 15 19 20 20 20

Remarque 10.23. En gnral, la moyenne et la mdiane dune srie statistique sont deux valeurs
diffrentes.

5 Paramtre de dispersion

5 1 Associ la moyenne

Variance
On appelle variance dune srie statistique deffectif total N , et de moyenne x, le rel :
Dfinition 10.24
n1 (x1 x)2 + n2 (x2 x)2 + + nk (xk x)2
V = .
N

Ecart-type
Dfinition 10.25
On appelle lcart-type de la srie, le rel = V.

Exemple 10.26. Dans lexemple des notes, on peut montrer que :


7286
V = ' 32,115
225
et p
= V = 32,115 ' 5,66.

1. Si on ajoute toutes les valeurs dune srie statistique le mme nombre b, lcart-type reste
inchang.
Proprits 10.27
2. Si les valeurs dune srie statistique sont multiplies ou divises par un mme nombre a,
lcart-type est multipli ou divis par |a|.

10.5. PARAMTRE DE DISPERSION 109


5 2 Associ la mdiane

Soit une srie statistique de mdiane M dont la liste des valeurs est range dans lordre
croissant. En coupant la liste en deux sous-sries de mme effectif,
on appelle premier quartile le rel not Q1 gal la mdiane de la sous-srie infrieure ;
Dfinition 10.28
on appelle troisime quartile le rel not Q3 gal la mdiane de la sous-srie suprieure.
Lcart-interquartile est gal Q3 Q1 .
]Q1 , Q3 [ est appel intervalle interquartile.

Remarque 10.29.
25% de la population admet une valeur du caractre entre min et Q1 ,
25% de la population admet une valeur du caractre entre Q1 et M ,
25% de la population admet une valeur du caractre entre M et Q3 ,
25% de la population admet une valeur du caractre entre Q3 et max.

Diagramme en boites
Le diagramme en boites dune srie se construit de la manire suivante :

Dfinition 10.30

min Q1 M Q3 max

Exemple 10.31. On reprend la liste ordonne de lexemple prcdent :

0 1 3 3 4 4
4 5 5 5 8 9
10 10 10 11 12 12
12 12 13 14 14 14
15 15 19 20 20 20

On peut immdiatement voir que Q1 = 4+5 2 = 4,5 et Q3 =


13+14
2 = 13,5. Donc, on a la construction
du diagramme en btons suivant (voir la figure 10.2) :

min = 0 Q1 M Q1 max = 20

F IGURE 10.2 Construction du diagramme en bote

110 LEON 10. SRIES STATISTIQUES UNE VARIABLE


Exercices et problmes

1 On considre une srie statistique numrique positive : (x1 , x2 , . . . , xn ). On note x sa moyenne et M sa moyenne.
1. Trouver un exemple o M < x.
2. Trouver un exemple o M > x.
3. Montrer que M 2x.
4. Montrer quil nexiste pas de constante a (positive) telle que, pour toute srie positive, on ait : M ax.

2 Ne pas parler trop vite


Un concours est organis dans deux centres dexamen. Tous les candidats passent la mme preuve. Dans le premier
centre, les garons ont obtenu 13 de moyenne et les filles 12. Dans le second centre, les garons ont obtenu 9 de moyenne et
les filles 8. Le prsident de jury en dduit que les garons ont eu de milleurs rsultats que les filles.
1. Quen pensez-vous ?
2. Il y avait 58 garons et 104 filles dans le premier centre, 87 garons et 32 filles dans le second. Quelle est la moyenne
globale de garons ? Quelle est celled es filles ? Quen pensez-vous ?
3. Donner un exemple de rpartition de filles et de garons dans les deux centres dexamen pour lequel le prsident aurait
raison.

3 Ecart absolu moyen


P
Soit X = (xi , pi )i=1,...,n une srie statistique pondre (avec pi = 1) admettant la moyenne x. On dfinit comme
alternative lcart-type un indicateur de dispersion appel cart absolu moyen en par :
n
X
ea = pi |xi x| .
i=1

Dmontrer que lon a, pour toute srie statistique, ea .

4 Moyenne et mdiane
P
Soit X = (xi , pi )i=1,...,n une srie statistique pondre (avec pi = 1).
Pn 2
1. Pour quelle valeur de a le minimum de f (a) = i=1 pi (xi a) est-il atteint ?
Pn
2. Pour quelle(s) valeur(s) de a le minimum de g(a) = i=1 pi |xi a| est-il atteint ?

10.6. EXERCICES ET PROBLMES 111


112 LEON 10. SRIES STATISTIQUES UNE VARIABLE
11
LEON

Sries statistiques
deux variables
numriques

Niveau : BTS
Prrequis : statistiques une variable, quation dune droite.
1 Nuage de points

Srie statistiques deux variables


On se donne deux caractres quon suppose discrets X et Y pour chaque individu dune
Dfinition 11.1
population. On obtient donc une srie statistique 2 variables que lon peut reprsenter par un
nuage de points.

Nuage de points
Dfinition 11.2 Soient X = (x1 , . . . , xn ) et Y = (y1 , . . . , yn ) deux caractres discrets. Un nuage de point
associ (X, Y ) est lensemble des points Mi = (xi , yi ) pour 1 i n.

Exemple 11.3. On applique un ressort une masse (quon mesure en gramme) et on lui mesure sa
longueur (en cm).
Masse (en g) 7 10 18 20 5 24 12 3
Longueur (en cm) 8,5 9 10,5 11 8 11,8 9,4 7,5
On peut construire le nuage de points associ cette srie statistique :

2 Point moyen

Point moyen dun nuage


Le point moyen dun nuage de points est le point G de coordonnes (x, y) o (lon rappelle
Dfinition 11.4 que) :
n n
1X 1X
x= xi et y = yi
n i=1 n i=1

Exemple 11.5. Dans lexemple du ressort, on a :


7 + 10 + 18 + 20 + 5 + 24 + 12 + 3
x= = 12,375
8
8,5 + 9 + 10,5 + 11 + 8 + 11,8 + 9,4 + 7,5
y= = 9,125
8
Do G = (12,375; 9,125).

114 LEON 11. SRIES STATISTIQUES DEUX VARIABLES NUMRIQUES


3 Caractristiques numriques

Remarque 11.6. Comme X et Y sont deux caractres discrets, on peut sparment calculer la moyenne
x, y, la mdiane, les quartiles, lcart-type (X) et (Y ) et la variance Var(X) et Var(Y ).

Covariance
On appelle covariance du couple (X, Y ), le rel :
Dfinition 11.7 n
1X
Cov(X, Y ) = (xi x)(yi y).
n i=1

Coefficient de corrlation linaire


On appelle coefficient de corrlation linaire, le rel :
Dfinition 11.8
Cov(X, Y )
r = (X, Y ) = .
(X)(Y )

Exemple 11.9. Dans lexemple prcdent, on peut calculer :

Cov(X, Y ) ' 10,02 et (X, Y ) ' 0,99

1. Cov(X, X) = Var(X) daprs la formule de Koeing.


2. La covariance est une forme bilinaire symtrique positive.
Proprit 11.10
3. |Cov(X, Y )| (X)(Y ) et donc |(X, Y )| 1.
4. |r| = |(X, Y )| = 1 si et seulement si les points du nuages sont aligns.

11.3. CARACTRISTIQUES NUMRIQUES 115


4 Ajustement affine

Mthode des moindres carrs


La droite dquation
Cov(X, Y )
yY = (x X)
(X)2
passe par le point moyen et est la droite dquation rduite de la forme y = ax + b qui minimise
la somme :
n
X
Thorme 11.11 fi (axi + b yi )2
i=1

pour (a, b) R2 . Autrement dit :

Cov(X, Y ) Cov(X, Y )
a= et b=Y X
(X)2 (X)2

ralisent ce minimum sur R2 .

Dveloppement

Dmonstration du thorme 11.11, premire mthode. On pose


n
X
S(a, b) = [yi axi b]2
i=1

et on introduit z = y ax b, on peut alors rcrire S(a, b) comme


n
X
S(a, b) = zi2 .
i=1

Or, on sait que


n n
1X 1X 2
Var(z) = (zi z)2 = z z2
n i=1 n i=1 i
zi2 = n(Var(z) + z 2 ).
P
et, par linarit de la moyenne z = y ax b. Donc, minimiser S(a, b) revient minimiser
On va donc minimiser n Var(z). On a :
zi z = yi axi b (y ax b) = (yi y) a(xi x).
Do :
n
X n
X
n Var(z) = (zi z) = [(yi y) a(xi x)]2
i=1 i=1
n
X
= [(yi y)2 2a(xi x)(yi y) + a2 (xi x)2 ]
i=1
n
X n
X n
X
2 2
= (yi y) 2a (xi x)(yi y) + a (xi x)2 .
i=1 i=1 i=1

Or
n
1X
Cov(x, y) = (xi x)(yi y).
n i=1
On a finalement :
Var(z) = Var(x)a2 2 Cov(x, y) + Var(y).
On reconnat un trinme du second degr. On va lcrire sous forme canonique :
 2  2
Cov(x, y) Cov(x, y)
Var(z) = (x)a + Var(y)
(x) (x)
2
Var(x) Var(y) Cov(x, y)2

Cov(x, y)
= (x)a + .
(x) Var(x)

116 LEON 11. SRIES STATISTIQUES DEUX VARIABLES NUMRIQUES


 2
Cov(x,y) Cov(x,y)
Ainsi, Var(z) est minimal lorsque (x)a (x) = 0, cest--dire a = Var(x) et le minimum de Var(z) est

Var(x) Var(y) Cov(x, y)2


.
Var(x)

On va maintenant minimiser z 2 . On a : z = y ax. Donc z est minimal si b = y ax et le minimum de z est 0.


Do la droite de rgression de y en x a pour quation y = ax + b o

Cov(x, y)
a= et b = y ax.
Var(x)

Dmonstration du thorme 11.11, seconde mthode. Soit f la fonction dfinie sur R2 par :
n
X
f (a, b) = fi (axi + b yi )2 .
i=1

Cest une fonction polynme de degr 2 que lon peut crire sous la forme :
n
! n
!
X X
f (a, b) = fi x2i a2 + b2 + 2 fi xi ab
i=1 i=1
n
! n
! n
X X X
2 fi xi yi a2 fi yi b+ fi yi2
i=1 i=1 i=1

f (a, b) = X 2 a2 2
+ b + 2Xab 2XY a 2Y b + Y 2.

Les drives partielles sont donnes par :

f f
(a, b) = 2X 2 a + 2Xb 2XY et (a, b) = 2Xa + 2b 2Y
a b
Elles sannulent simultanment en lunique point critique dfini par :

X Y + XY Cov(X, Y )
a0 = 2 =
X2 X (X)2
XY X + Y X 2 Cov(X, Y )
b0 = 2 =Y X .
X2 X (X)2

Les drives partielles secondes sont donnes par :

2f 2f
(a, b) = 2X 2 et (a, b) = 2X
a2 ab

2f
(a, b) = 2.
b2
Avec les notations de Monge, au point (a0 , b0 ), on a :
2
rt s2 = 4X 2 4X = 4(X)2 > 0

ce qui assure quon a bien un minimum local en (a0 , b0 ). De plus, un dveloppement limit lordre 2 au voisinage de
(a0 , b0 ) donne :

1 2f
f (a, b) = f (a0 , b0 ) + (a0 , b0 )(a a0 )2
2 a2
1 2f 1 2f
+ (a0 , b0 )(a a0 )(b b0 ) + (a0 , b0 )(b b0 )2 f (a0 , b0 )
2 ab 2 b2
puisque les termes dordre suprieur sont nuls (fonction polynme de degr 2) et la forme quadratique est strictement
positive (rt s2 > 0) et ainsi on a bien un maximum global sur R2 .
La droite dquation rduite y = a0 x + b0 est la droite propose dans lnonc et passe clairement par le point moyen de
la srie statistique. 

11.4. AJUSTEMENT AFFINE 117


Droite dajustement
La droite dfinie ci-dessus est appele droite dajustement (ou droite de rgression de Y en
X.
Dfinition 11.12 La somme
n
X
fi (axi + b yi )2
i=1
est appele rsidu quadratique.

Remarques 11.13.
1. La droite dquation
Cov(X, Y )
xX = (y Y )
(Y )2
minimise la somme
n
X
fi (ayi + b xi )2
i=1

et sappelle droite dajustement de X en Y .


2. Notons Z = (1, . . . , 1) le caractre constant gal 1 sur la population commune X et Y .
Ajuster Y en X revient considrer le projet orthogonal de Y sur le sous-espace (X, Z) de
lespace euclidien Rn pour le produit scalaire canonique.
3. Lorsque |r| = |(X, Y )| > 0,9 (valeur dpendant des auteurs et des besoins), on considre que
lajustement affine de Y en X est satisfaisant (sinon, il faut dterminer un autre type dajuste-
ment).

Exemple 11.14. On va calculer lajustement affine pour notre exemple du ressort. On a :

Cov(X, Y ) Cov(X, Y )
a= ' 0,2 et b=Y X ' 7.
(X)2 (X)2

Do la droite de rgression a pour quation y = 0,2x + 7 et on a vu que le coefficient de corrlation


est pratiquement gal 1. On peut donc affirmer sans trop derreur que lallongement du ressort est
proportionnel la masse applique.

118 LEON 11. SRIES STATISTIQUES DEUX VARIABLES NUMRIQUES


4 1 Sur un tableur
Sur un tableur, on donne la masse dun objet en fonction du temps :

Temps (s) Masse (g)


0 0
5 22
10 53
15 88
20 125
25 163
30 202
35 245
40 296
45 352
50 412

On construit le graphique sans relier les points :


On slectionne les deux colonnes du tableau.
Insertion > Diagramme
On slectionne le diagramme Ligne sans relier les points.
Dans longlet Plage de donnes , on coche loption Sries de donnes en colonnes , Pre-
mire ligne comme tiquette et Premire colonne comme tiquette .
On veut ensuite lajustement linaire des donnes statistiques (cest--dire la droite qui minimise
le carr des distances des points). Pour cela, on clique droit sur les points et on slectionne Insrer
une courbe de tendance . La courbe doit tre Linaire et on peut afficher lquation de la droite.

F IGURE 11.1 Ajustement linaire sur les donnes statistiques

5 Autres types de rgression

Dans certains cas, le nuage de points laisse prsentir une relation fonctionnelle globale entre X et
Y mais cette relation nest pas ncessairement affine.

11.5. AUTRES TYPES DE RGRESSION 119


5 1 Ajustement exponentielle
Si les points Mi (xi , yi ) sont proches de la courbe dquation y = eax alors les points Ni (xi , ln yi )
sont proche de la courbe dquation y = (ln a)x + (ln ) et rciproquement.
La mthode consiste chercher la droite de regression entre X et ln Y .
5 2 Ajustement par une fonction puissance
Si les points Mi (xi , yi ) sont proches de la courbe dquation y = ax alors les points Ni (ln xi , ln yi )
sont proches de la courbe dquation y = ax + ln rciproquement.
On cherche alors la droite de rgression entre ln X et ln Y .

120 LEON 11. SRIES STATISTIQUES DEUX VARIABLES NUMRIQUES


12
LEON

Intervalles de
fluctuation

Niveau : Lyce
Prrequis : Variable alatoire, esprance, variance, thorme limite central, loi bino-
miale, loi normale, fonctions
1 Le thorme de De Moivre-Laplace

1 1 nonc

Si Sn est une variable alatoire de loi binomiale de paramtres n et p ]0 , 1[, on a avec


q := 1 p,
Sn np n Sn
r  
n+
Thorme 12.1 Sn := = p Z,
npq pq n loi
o Z est une variable variable alatoire de loi gausienne N(0, 1).

1 2 Une dmonstration dans le cas p = 1/2


Pour une dmonstration complte du thorme de De Moivre-Laplace dans le cas p = 1/2, voir
Ressources pour la classe terminale gnrale et technologique : dossier annexe, tlchargeable sur le
site Web Eduscol : http://eduscol.education.fr/prog, fvrier 2012.
1 3 Un exemple dapplication du thorme de De Moivre-Laplace

Exemple 12.2. On donne un exemple dutilisation du thorme de De Moivre-Laplace.


Soit (Xn ) une suite de variables alatoires suivant la loi Bin(50, 0.3), np = 15, nq = 35.
Daprs les tables, la valeur exacte pour P (Xn = 10) = 0, 038619.

La formule dapproximation avec une loi N(np, npq) = N(15, 10.5) donne le rsultat :

9, 5 15 10, 5 15
 
P N = P (1.7 N 1.39) = P (1.39 N 1.7 = 0, 95540, 9177 =
10, 5 10, 5
Lerreur dapproximation est faible.
Pour P (Xn 10) = 0, 0789, lapproximation usuelle fournit

P (N 1.39) = P (N 1.39) = 1 P (N 1, 39) = 0, 0823.

Si nous navoins pas corrig la continuit de lapproximation nous aurions eu :


10 15
 
P N = P (N 1, 54) = 1 P (N 1, 54) = 0, 0618.
10, 5
Cette dernire valeur est assez imprcise.

2 Activits dintroduction en Seconde

2 1 la dcouverte de lintervalle de fluctuation


Une urne contient des boules jaunes et des boules jaunes. Les bules sont indiscernables au toucher.
Lurne contient 20% de boules jaunes.
On extrait au hasard une boule. On note sa couleur, puis on la remet dans lurne.
On souhaite tudier la frquence dapparition de la couleur jaune lorsque lon procde 100 tirages
successifs. On choisit de faire une simulation de cette exprience avec un tableur.
On ne connait pas le nombre de boules de lurn. Mais lexprience revient simuler un tirage au
sort dans une urne contenant 100 boules, dont 20 boules jaunes. On attribue les nombres 1 et 20 aux
boules jaunes, ce qui correspond bien une proportion de 20%.
Sur la premire colonne dune feuille de calcul, on simule 100 tirages dans lurne, cest--dire on
tire au hasard un nombre entre 1 et 100 sur 100 cellules. On tape alors ALEA.ENTRE.BORNES(1;100)
entre A1 et A100.
Sur la colonne suivante, on teste si la cellule AX (1 X 100) vaut un nombre entre 1 et 20.
Pour cela, on tape : SI(ET(1<=A1;A1<=20);1;0).

122 LEON 12. INTERVALLES DE FLUCTUATION


On compte ensuite la frquence dappartition de la couleur jaune en bas de la seconde colonne.
Pour cela, on utilise la fonction =NB.SI(B1:B100;1).
On recommence cette exprience 50 fois. On recopie les colonnes A et B sur les 100 colonnes
suivantes.
On obtient le nuage des frquences ci-dessous :

On calcule ensuite :
1 1
0, 2 = 0, 2 = 0, 1
100 10
1 1
0, 2 + = 0, 2 + = 0, 3
100 10
On remarque que les frquences observs appartiennent lintervalle [0, 1; 0, 3].

Au sein dune population, on connat la proportion p des individus ayant un caractre don.
Ici, dans lensemble des boules, on connat la proportion (p = 0, 20) de boules jaunes.
Parmi les chantillons de taille n extraits de cette population, la frquence dapparition f du
caractre varie avec lchantillon prlv.
Dfinition 12.3
On admet que, pour un chantillon de taille n 25 et pour p comprise entre 0, 2 et 0, 8, la
frquence dapparition f observe appartient lintervalle [p 1n ; p + 1n ] avec une probabilit
dau moins 0, 95.
Cet intervalle est appel lintervalle de fluctuation au seuil de 95%.

2 2 Utilisation de lintervalle de fluctuation

Connaissant la proportion p dindividus dans une population, lintervalle de fluctuation [p


1 ; p + 1n ] permet dtudier un chantillon donn par rapport ce caractre.
n
Si la frquence observe f du caractre est en dehors de lintervalle, on rejette de lchan-
Proprit 12.4
tillon avec une erreur au seuil de 5%.
Ces rsultats signifient que, dans 5% environ des cas, la dcision prise (rejet ou validation)
risque dtre incorrecte.

En 2007, parmi les 557 dputs lus lAssemble Nationale, les femmes lus reprsentent 18, 5%
des dputs.
Parmi les maires de 57 grandes villes, on compte 4 femmes maires.
La rpartition hommes-femmes au sein de la population est 51, 6% de femmes et 48, 6% dhommes.
On peut dresser le tableau suivant :

12.2. ACTIVITS DINTRODUCTION EN SECONDE 123


Assemble Nationale Maires
n 577 57
1 1
In [51, 6 577 , 51, 6 + 577 ] [51, 6 157 ; 51, 6 + 157 ]
= [51, 56; 51, 64] = [51, 46; 51, 73]
Proportion relle 0, 185 0, 07

Les proportions tablies ne sont pas dans les intervalles de fluctuation. Il ny a donc aucun respect
de la parit en politique.

3 Intervalle de fluctuation, la thorie en Terminale S

3 1 Simulation

On lance 120 fois un d jouer bien quilir. On appelle N la variable alatoire qui associe le
nombre de fois que le d affiche la face 6. On voudrait savoir la probabilit que la variable alatoire N
soit comprise dans lintervalle [12, 28].
On crit le programme ci-dessous. Ce programme effectue 100 fois ces 120 lancers. On affiche
chaque exprience I le point (I, N ) ainsi que les droites y = 12 et y = 28. la fin de ces 100
expriences, on affiche le nombre de points M qui se situe dans lintervalle [12, 28].

V a r i a b l e s : A, B , I , J ,M, N, X

Initialisation
Effacer dessin
0 > M
12 > A
28 > B
Tracer y = A
Tracer y = B

Traitement
P o u r I de 1 100
0 > N
P o u r J de 1 120
r a n d I n t ( 1 , 6 ) > X
Si X = 6
N + 1 > N
FinSi
FinPour
A f f i c e r l e p o i n t ( I ; N)
S i N >= A e t N <= B
M+1 > M
FinSi
FinPour
Sortie
Afficher M

On trouve alors M = 96. On peut alors dire qu 96%, le nombre dappartition de la face 6 se situe
dans lintervalle [12, 28]. On nomme alors cet intervalle, intervelle de fluctuation de N au seuil de
96%.

124 LEON 12. INTERVALLES DE FLUCTUATION


3 2 Dfinition

X est une variable alatoire qui suit une loi binomiale Bin(n, p), un rel tel que 0 < < 1
et a et b sont deux rels.
Dfinition 12.5 On dit que [a , b] est un intervalle de fluctuation de X au seuil de 1 , si et seulement si :

P (a X b) 1 .

3 3 Intervalle de fluctuation asymptotique

Si la variable alatoire Xn suit une loi binomiale Bin(n, p) alors pour tout rel de ]0 , 1[, on
a:
Xn
 
lim P In = 1
n+ n
o " p p #
Thorme 12.6 p(1 p) p(1 p)
In = p u ; p + u
n n
u tant le nombre tel que P (u Zn u ) = 1 lorsque Zn N(0, 1).
On appelle variable frquence, la variable alatoire Fn = Xnn qui tout chantillon de taille
n associe la frquence f obtenue.

Remarque 12.7. Le mot asymptotique vient du passage la limite de lintervalle In , la loi binomiale
peut alors tre assimil la loi normale.

Dveloppement

Dmonstration. On pose Zn = Xn np . On pourra utiliser cet intervalle de fluctuation dans les conditions de lapproxi-
np(1p)
mation normale de la loi binomiale (n 30, np 5, n(p 1) 5).
Daprs le thorme de De Moivre-Laplace :
lim P (u Zn u )
n+

suit une loi normale centre rduite de variable alaoitre Zn .


On sait, daprs les proprits de la loi normale centre rduite que pour tout de ]0 , 1[, il existe un unique rel strictemnet
positif u tel que :
P (u Zn u ) = 1 .
De plus
u Zn u
p p
u np(1 p) Xn np u np(1 p)
p p
np u np(1 p) Xn np + u np(1 p)
p p
p(1 p) Xn p(1 p)
p u p + u
n n n
Donc :  
Xn
lim P In = 1 .
n+ n


Il faut connatre lintervalle In de fluctuation au seuil de 95% correspondant = 0, 05 et


qui donne u = 1, 96.
Proprit 12.8 " p p #
p(1 p) p(1 p)
In = p 1, 96 ; p + 1, 96 .
n n

12.3. INTERVALLE DE FLUCTUATION, LA THORIE EN TERMINALE S 125


Exemple 12.9. Si lon reprend lexemple sur les 120 lancers de d jouer avec N comme variable ala-
toire. Lintervalle de fluctuation asymptotique au seuil de 95% (dans les conditions de lapproximation
normale) est alors :
q
1 5
6 6
p
p(1 p) 1
p 1, 96 = 1, 96 ' 0, 100.
n 6 120
q
1 5
6 6
p
p(1 p) 1
p + 1, 96 = + 1, 96 ' 0, 233.
n 6 120
N
Donc In = [0, 100; 0, 233] qui correspond la variable alatoire frquence 120 .
Si on revient la variable N , lintervalle de fluctutation est alors :

[120 0, 100; 120 0, 233] = [12; 28],

ce qui confirme notre exprience.

Remarque 12.10. Cet intervalle peut tre simplifi par lintervalle

1 1
 
Jn = p ; p + .
n n

En effet, la fonction x 7 x(1 x) = x x2 est une fonction du second degr qui sannule en 0 et 1,
elle admet donc un maximum (coefficient ngatif devant x2 ) en 0, 5. On a alors f (0, 5) = 0, 25. Elle
est positive entre 0 et 1. On a alors :
q p
0 p(1 p) 0, 25 0 p(1 p) 0, 25 = 0, 5.
p
On en dduit alors que 0 1, 96 p(1 p) 1. On a alors :
p
p(1 p) 1
0 1, 96 .
n n

On a ainsi In Jn . On a alors dans la plupart des cas P (Fn Jn ) 0, 95.

3 4 Prise de dcision

Soit fobs la frquence dun caractre observe dun chantillon de taille n dune popula-
tion donne. On suppose que les conditions de lapproximation normale de la loi binomiale sont
remplies : n 30, np 5 et n(1 p) 5.
Proprit 12.11 Hypothse : La proportion du caractre tudi dans la population est p.
Si fobs In , on ne peut rejeter lhypothse faite sur p.
Si fobs
/ In , on rejette lhypothse faite sur p.

Exemple 12.12. Pour crer ses propres colliers, on peut acheter un kit contenant des perles de cinq
couleurs diffrentes (marrons, jaunes, rouges, vertes et bleues), dans des proportions affiches sur le
paquet.
Ainsi les perles marrons et les perles jaunes sont annoncs comme reprsentant chacunes 20% de
lensemble des perles tandis que les perles rouges sont annonces 10%.
On veut vrifier cette information. Pour cela, on choisit dobserver un chantillon alatoire de
perles et de construire un intervalle de fluctuation asymptotique au seuil de 95% pour la proportion de
perles marrons.
On constitue donc un chantillon, que lon considre alatoire, de 690 perles. On a dnombr 140
perles marrons.
La prise de dcision est la suivante : si la proportion de perles marrons dans lchantillon nap-
partient pas lintervalle de fluctuation, on rejette lhypothse selon laquelle les perles marron repr-
sentent 20% des perles.

126 LEON 12. INTERVALLES DE FLUCTUATION


a. Dterminer lintervalle de fluctuation asymptotique I au seuil de 95% pour la proportion de
perles marrons.
b. Calculer la proportion de perles marrons dans lchantillon. Que peut-on en conclure ?
c. Dans le mme chantillon, il y avait 152 perles et 125 perles rouges. Que peut-on conclure de
ces rsultats ?

Dveloppement

Solution.
a. En ce qui concerne les perles marrons, on a : n = 690 et p + 0, 2, donc :

n 30, np = 138 5 et n(1 p) = 552 5.

Nous sommes bien les hypothses du thorme de De Moivre-Laplace.


On calcule ensuite :
p
p(1 p) 0, 2 0, 8
p 1, 96 = 0, 2 1, 96 ' 0, 1702
n 690
p
p(1 p) 0, 2 0, 8
p + 1, 96 = 0, 2 + 1, 96 ' 0, 2298.
n 690

On a donc : I = [0, 17; 0, 23].


140
b. On calcule la frquence fm = 690 ' 0, 203. Comme fm I, on ne peut pas rejeter lhypothse selon laquelle les
perles marron reprsentent 20% des perles.
c. On calcule la frquence des perles jaunes : fj = 152690 ' 0, 220. Comme fj I, on ne peut pas rejeter lhypothse
selon laquelle les perles jaunes reprsentent 20% des perles.
Pour les perles rouges, il faut calculer un nouvel intervalle de fluctuation :
p
p(1 p) 0, 1 0, 9
p 1, 96 = 0, 1 1, 96 ' 0, 0886
n 690
p
p(1 p) 0, 1 0, 9
p + 1, 96 = 0, 1 + 1, 96 ' 0, 1224
n 690

On a donc : I 0 = [0, 08; 0, 13] (on prend lintervalle par excs). On calcule la frquence des perles rouges fr =
125
690 ' 0, 18. Comme fr / I 0 , on doit rejeter lhypothse selon laquelle les perles rouges reprsentent 10% des
perles.


4 Dautres exemples

4 1 Confiance des lecteurs


Monsieur Z, chef du gouvernement dun pays lointain, affirme que 52% des lecteurs lui font
confiance. On interroge 100 lecteurs au hasard (la population est suffisamment grande pour considrer
quil sagit de tirages avec remise) et on souhaite savoir partir de quelles frquences, au seuil de 5%,
on peut mettre en doute le pourcentage annonc par Monsieur Z, dans un sens, ou dans lautre.
1. On fait lhypothse que Monsieur Z dit vrai et que la proportion des lecteurs qui lui font confiance
dans la population est p = 0, 52. Montrer que la variable alatoire X, correspondant au nombre
dlecteurs lui faisant confiance dans un chantillon de 100 lecturs, suit la loi binomiale de para-
mtres n = 100 et p = 0, 52.
2. On donne ci-contre un extrait de la table des probabilits cumules P (x k) o X suit la loi

12.4. DAUTRES EXEMPLES 127


binomiale de paramtres n = 100 et p = 0, 52
k P (X k)
40 0, 0106
41 0, 0177
42 0, 0286
43 0, 0444

61 0, 9719
62 0, 9827
63 0, 9897
64 0, 9941
a. Dterminer a et b tels que :
a est le plus petit entier tel que P (X a) 0, 025 ;
b est le plus petit entier tel que P (X b) 0, 975.
h i
a b
b. Comparer lintervalle de fluctuation 95%, n; n , ainsi obtenu grce la loi binomiale, avec
h i
lintervalle p 1 ; p + 1 .
n n
3. noncer la rgle dcision permettant de rejeter ou non lhypothse p = 0, 52, selon la valeur de la
frquence f des lecteurs favorables Monsieur Z obtenue sur lchantillon.
4. Sur les 100 lecteurs interrogs au hasard, 43 dclarent avoir confiance en Monsieur Z. Peut-on
considrer, au seuil de 5%, laffirmation de Monsieur Z comme exacte ?
4 2 Algues toxiques
Dans un pays lointain, 10% des placges taient atteintes par des algues toxiques. On a modifi le
processus de rejets chimiques : on admet que le nouveau processus de rejet, trs diffrent du prcdent,
pourrait augmenter ou diminuer cette frquence.
On veut tablir, puis mettre en uvre, une procdure statistique permettant de dcider, au seuil de
5%, si le nouveau processus de rejets a, ou non, un impact significatif, dans un sens ou dans un autre,
sur la frquence dapparition de ces algues.
1. noncer une rgle de dcision permettant de rejeter, ou non, au seuil de dcision de 5%, lhypothse
selon laquelle 10% des plages sont touches par ce type dalgues aprs la mise en place du nouveau
procd, laide dun chantillon alatoire de 150 plages.
2. Sur un chantillon alatoire de 150 plages, on constat que 9 plages sont atteintes. Peut-on, au seuil
de dcision de 5%, rejeter lhypothse prcdente de 10% de plages pollues ?
4 3 Homognit de lots dans une production
La proportion dampoules conomie dnergie non-conformes dans la production dune entre-
prise est p = 0, 07. Lentreprise souhaite fournir des lots dampoules pour lesquels elle puisse garan-
tir quenviron 95% dentre eux ont une frquence dampoules non-conformes entre 0, 06 et 0, 08.
Quelle taille minimale n du lot prendre pour rpondre cette contrainte ?

5 Avec Xcas

5 1 nonc
laide dun logiciel, on souhaite simuler le lancer de 400 pices de monnaie quilibres, puis
calculer la frquence dapparition de pile . On veut ensuite rpeter 2000 fois lexprience.
Au rsultat pile , on associe la valeur 1 et face le rsultat 0.
On gnre donc 400 nombres alatoires 0 ou 1 et on note la frquence des 1.
On rpte 2000 fois cette exprience. On obtient une srie statistique de frquence dapparition du
nombre 1.
On cherche alors la proportion des valeurs situes lintrieur de lintervalle I = [p 1n ; p + 1n ]
o p est la probabilit thorique et n la taille de lchantillon.

128 LEON 12. INTERVALLES DE FLUCTUATION


5 2 Exprimentation avec Xcas
On aura donc ici n = 400, p = 1/2 et
1 1 1 1
 
I= ; + = [0, 45; 0, 55].
2 400 2 400
1. Ralisation dun chantillon de taille 400

x:=randvector(400,rand(2));
count_eq(1,x);
count_eq(1,x)/400
count_eq(1,x)/400.0;

2. Simulation
On va raliser un programme.
u:=[];
pour j de 0 jusque 1999 faire
x:=randvector(400,rand(2));
u[j]:=count_eq(1,x)/400.0;
fpour;

3. Utilisation de la simulation
On utilisera le mode graphique (Alt+G)
f:=max(u)-min(u);
a:=1/2-1/sqrt(400)
b:=1/2+1/sqrt(400)
classes(u,0,f/30)
histogram(classes(u,0,f/30));
purge(x)
droite(x=a);droite(x=b);
2000-count_int(a,u)-count_sup(b,u)
(2000-count_int(a,u)-count_sup(b,u))/2000

On obtiendra le graphique suivant (dependant des chantillons simuls) :

12.5. AVEC XCAS 129


130 LEON 12. INTERVALLES DE FLUCTUATION
13
LEON

Estimation

Niveau : BTS
Prrequis : probabilits, loi normale
1 Estimation

1 1 Introduction
Lorsque lon cherche dterminer le poids moyen des franais, il est bien sr hors de question de
peser tous les franais. Par contre, en choisissant judicieusement un petit nombre de personnes, il est
possible den obtenir une estimation.
On pratique beaucoup ces estimations dans les milieux industriels plutt que dtudier la popula-
tion entire soit parce que cela prendrait trop de temps, soit parce que cela reviendrait trop cher, soit
encore parce que cela serait illogique (contrle qualit dtruisant les pices. . .).

1 2 Loi des grands nombres

Loi des grands nombres


On considre une exprience alatoire avec un vnement A de probabilit p. Si on rpte n
Thorme 13.1 fois et de manire alatoire cette exprience on regarde la frquence dapparition fn de lvne-
ment A. On obtient, avec une probabilit aussi grande que lon veut, une frquence fn (pour n
expriences indpendantes) aussi proche que lon veut de p, lorsque n est suffisamment grand.

Exemple 13.2. Lors de 300 lancers de ds, on observe les rsultats suivants :

Faces 1 2 3 4 5 6
Effectif 49 50 51 49 50 51
Frquence 0,163 0, 166 0,17 0,163 0,166 0,17

On observe que les frquences sont proches des probabilits pour obtenir une des faces dun d qui est
de 16 .

1 3 Estimation ponctuelle
On prlve un chantillon au hasard sur la population dont on cherche faire ltude.

Estimation ponctuelle de la frquence


Pour estimer la frquence p inconnue dun caractre dans une population, on prlve un
Dfinition 13.3
chantillon et on calcule la frquence dapparition de ce caractre dans lchantillon. Cette fr-
quence dapparition est une estimation ponctuelle de la frquence p.

Exemple 13.4. Une usine produit des vis cruciformes. On souhaite estimer la moyenne des longueurs
des vis dans la production de la journe qui slve 10000 pices. On prlve un chantillon de 150
vis et on relve 3 pices dfectueuses. On peut alors donner une estimation de la frquence p de vis
dfectueuses dans le production journalire :

3
f= = 0,02
150
donc p = 0,02.

Estimation ponctuelle de la moyenne


Pour estimer la moyenne m inconnue dune population, on prlve un chantillon et on cal-
Dfinition 13.5
cule la moyenne de cet chantillon. Cette moyenne dchantillon est une estimation ponctuelle de
la moyenne m.

Exemple 13.6. On reprend les donnes de lexemple de lusine. On choisit un chantillon de 150 vis
et on obtient une moyenne de m = 4,57 cm. On en dduit donc que la longueur moyenne des vis de la
production journalire est x = 4,57 cm.

132 LEON 13. ESTIMATION


Estimation ponctuelle de lcart-type
Pour estimer lcart-type inconnu dune population, on prlve un chantillon et on calcule
Dfinition 13.7 0
q
n 0
lcart-type de cet chantillon. Le nombre n1 est une estimation ponctuelle de lcart-
type .

Exemple 13.8. On reprend les donnes de lexemple de lusine. La mesure de la longueur des vis
produites dans lchantillon prcdent de 150 pices conduit relever un cart-type de 3 mm. La
meilleure estimation possible de lcart-type de la production journalire nest pas de 3 mm comme
dans le cas prcdent pour la moyenne, mais de
r
150
=3 ' 3,01 mm.
149

1 4 Estimation par intervalle de confiance


Moyenne On considre une population de moyenne m inconnue et dcart-type quon suppose
connue. Si n est assez grand, la variable alatoire X qui chaque
 chantillon de n lments

associe sa moyenne suit approximativement la loi N m, n .

On peut donc, laide de N (0, 1), trouver un intervalle [a , b] tel que P (a X b) = 0,95 pr
exemple.

Cet intervalle est appel intervalle de confiance de la moyenne m avec le coefficient de


Dfinition 13.9
confiance 0,95.

On a de manire plus gnrale :

Lintervalle [xt n , x+t n ] est lintervalle de confiance de la moyenne m de la population


Thorme 13.10 avec le coefficient de confiance 2(t) 1 o x est la moyenne de lchantillon considr et (t)
la valeur en t de la fonction de rpartition de N (0, 1).

Remarque 13.11. On ne peut dterminer un intervalle de confiance que si on connat dj


lcart-type .
Exemple 13.12. On suppose que la dure de vie, exprime en heures, dune ampoule lectrique
dun certain type, suit la loi normale de moyenne M inconnue et dcart type = 20. Une
tude sur un chantillon de 16 ampoules donne une moyenne de vie gale 3000 heures. On va
dterminer un intervalle de confiance de M au seuil de risque de 10%. On a :

2(t) 1 = 1 0,1 (t) = 0,95 t = 1,645.

Un intervalle de confiance de M est donc :


20 20
 
3000 1,645 ; 3000 + 1,645 = [2992 , 3008].
16 16

Frquence On considre une population qui contient avec une frquence p des individus ayant un
certain caractre. Si n est assez grand, la variable alatoire F qui chaque chantillon de n l-
ments associe
 qla frquence
 dapparition des individus ayant ce caractre suit approximativement
p(1p)
la loi N p; n .
De manire analogue au cas pour une moyenne il est possible de dterminer un intervalle de
confiance de la frquence p avec un coefficient de confiance choisi.
q q
Lintervalle [f t f (1f )
n1 , f + t
f (1f )
n1 ] est lintervalle de confiance de la frquence p
Thorme 13.13 avec le coefficient de confiance 2(t) 1 o f est la frquence des individus ayant le caractre
dans lchantillon considr.

13.1. ESTIMATION 133


Exemple 13.14. Un sondage dans une commune rvle que sur les 500 personnes interroges,
42% sont mcontentes de lorganisation des transport. On veut dterminer, au seuil de risque
1%, un intervalle de confiance du pourcentage p de personnes mcontentes dans la commune.
On a f = 0,42, n = 500, 2(t) 1 = 0,99 donc t = 2,575. Un intervalle de confiance du
pourcentage p est donc :
" r r #
0,42 0,58 0,42 0,58
0,42 2,58 ; 0,42 + 2,58 = [0,36 , 0,48] = [36% , 47%].
499 499

2 Tests dhypothses

Chaque test se droule en 5 tapes :


1. Dtermination de la variable alatoire de dcision et de ses paramtres.
2. Choix des deux hypothses : lhypothse nulle H0 et de lhypothse alternative H1 ,
3. Lhypothse nulle tant considre comme vraie et compte tenu de lhypothse alternative, d-
termination de la zone critique selon le niveau de risque donn,
4. Rdaction dune rgle de dcision
Ces quatre premires tapes est la construction du test de validit dhypothse et :
5. Calcul des caractristiques dun chantillon particulier puis application de la rgle de dcision
Cette dernire tape est lutilisation du test dhypothse.

2 1 Test bilatral relatif une moyenne

Exemple 13.15. Une machine produit des rondelles dont lpaisseur est une variable alatoire X
dcart-type 0,3 mm. La machine a t rgle pour obtenir des paisseurs de 5 mm. Un contrle
portant sur un chantillon de 100 rondelles a donn 5,07 mm comme moyenne des paisseurs de ces
100 rondelles. Peut-on affirmer que la machine est bien rgle au seuil de risque de 5% ?

1. Variable alatoire de dcision Soit m lesprance mathmatique de X, cest--dire la moyenne


des paisseurs de toutes les rondelles produites par la machine ainsi rgle. On considre la
variable alatoire M qui, chaque chantillon de taille 100, associe sa moyenne.
 La talle des
chantillons tant suffisamment grande, on considre que M suit la loi N m, 0,3100
, cest--
dire N (m, 0,03). M sera la variable de dcision
2. Choix des hypothses On estime que la machine est bien rgle, si la moyenne de toutes les ron-
delles produites par la machine est 5 mm. Cest donc lhypothse m = 5 que nous allons tester.
On lappelle lhypothse nulle H0 . Sinon, on choisit comme hypothse alternative, lhypothse
H1 : m 6= 5 . Recherchons comment la moyenne me , dun chantillon de 100 rondelles peut
confirmer ou non lhypothse H0 .
3. Zone critique Dans le cas o lhypothse H0 est vraie, la variable alatoire M suit la loi N (5; 0,03).
On cherche alors le rel d tel que

P (5 d M 5 + d) = 0,95. (13.1)
M 5
La variable alatoire T = 0,03 suit la loi normale centre rduite N (0, 1), on a alors :
 
d d
(13.1) P (5 d 0,03T + 5 5 + d) = 0,95 P 0,03 T 0,03 = 0,95
   
d d
2 0,03 1 = 0,95 0,03 = 0,975.

d
On trouve alors 0,03 = 1,96 soit d = 0,0588 ' 0,06. Lintervalle de confiance est donc linter-
valle : [5 0,06 , 5 + 0,06] = [4,94 , 5,06].

134 LEON 13. ESTIMATION


La probabilit quun chantillon ait une moyenne situe hors de cet intervalle tant 0,05, on peut
considrer que cet vnement est rare. Ainsi, la moyenne de notre chantillon me = 5,07 nous
amne douter de la validit de lhypothse H0 .
Il se peut, malgr tout, que la machine soit bien rgle et que notre chantillon fasse partie
des 5% de ceux ayant une moyenne hors de lintervalle trouv. Cest pourquoi cette rgion est
appele zone critique.
4. Rgle de dcision Si la moyenne de lchantillon nest pas situe dans la zone critique, on accepte
H0 , sinon, on refuse H0 et on accepte H1 .
5. Conclusion Puisque 5,07 appartient la zone critique, on dcide de rejeter lhypothse H0 et dac-
cepter lhypothse alternative H1 : m 6= 5 (la machine nest pas bien rgle).

Remarque 13.16. Dans un test de validit dhypothse, le seuil de risque est la probabilit de rejeter
H0 alors quelle est vraie.

2 2 Test unilatral relatif une moyenne

Exemple 13.17. La dure de vie (en heures) des ampoules lectriques produites par une usine est une
variable alatoire X dcart type 120. Le fabricant annonce quen moyenne, les ampoules ont une
dure de vie de 1120 heures. On demande de rdiger une rgle de dcision pour vrifier laffirmation
du fabricant, au seuil de risque de 5%, en testant un chantillon de 36 ampoules.

1. Variable alatoire de dcision Soit m lesprance mathmatique de X, cest--dire la moyenne


des dures de vie de toutes les ampoules produites. On considre la variable alatoire M qui,
chaque chantillon de 36 ampoules associe la moyenne de dure de vie des 36 ampoules. 
120
La taille des chantillons tant suffisamment grande, on considre M suit la loi N m; 36
,
cest--dire N (m; 20).
2. Choix des hypothses Soit lhypothse nulle H0 : m = 1120 (laffirmation du fabricant est
vraie). Dans lexemple prcdent, les rondelles devaient avoir une paisseur moyenne de 5 mm
et cette mesure ne supportait ni excs, ni dficit. Ici, lacheteur ne se plaindra que si la dure de
vie des ampoules est infrieure 1120 heures ; dans le cas o la moyenne me , de lchantillon
est suprieure 1120, lhypothse du fabricant se trouve immdiatement confirme. Lhypothse
alternative H1 est donc m < 1120 (laffirmation du fabricant est fausse).
3. Zone critique La zone critique se trouve donc dun seul ct de la moyenne. On dit alors que le
test est unilatral par opposition au test bilatral effectu au paragraphe prcdent. Dans le cas
o H0 est vraie, la variable alatoire M suit la loi N (1120; 20). On cherche alors le rel d tel
que
P (M < 1120 d) = 0,05. (13.2)
M 1120
La variable alatoire T = 20 suit la loi normale centre rduite N (0, 1), on a alors :
 
d
(13.2) P (20T + 1120 < 1120 d) = 0,05 P T < 20 = 0,05
     
d d d
P T > 20 = 0,05 1 P T 20 = 0,05 20 = 0,95.

d
On trouve alors 20 = 1,645 soit d = 32,9 33. La zone critique est donc lintervalle
] , 1120 33] = ] , 1087].

13.2. TESTS DHYPOTHSES 135


La zone critique est lintervalle ] , 1087] : 5% seulement des chantillons de taille 36 ont en
moyenne une dure de vie infrieure 1087 heures.

4. Rgle de dcision Si la moyenne me de lchantillon observ est infrieure 1087, on rejette lhy-
pothse H0 et on accepte lhypothse alternative H1 (laffirmation du fabricant est fausse). Si la
moyenne me de lchantillon observ est suprieure 1087, on accepte lhypothse H0 .

2 3 Test unilatral relatif une frquence

Remarque 13.18. On donne ici un exemple de test unilatral relatif une frquence, mais dautres cas
peuvent amener envisager des tests bilatraux relatifs une frquence.

Exemple 13.19. Un joueur doit choisir au hasard une carte dans un jeu de 32 cartes. Il obtient certains
avantages sil dcouvre un roi. On constate quil a retourn 134 fois un roi sur 800 essais. Peut-on
prsumer, au seuil de risque de 1%, que ce joueur est un tricheur ?

1. Variable alatoire de dcision Soit p la frquence de rois que le joueur dcouvraient sil jouait une
infinit de fois. Soit F la variable alatoire qui, chaque chantillon de 800 essais, associe la
frquence dapparition
 q du roi.  La taille des chantillons tant suffisamment grande, on considre
p(1p)
F suit la loi N p; 800 . F sera la variable alatoire de dcision.

4
2. Choix des hypothses Si le joueur nest pas un tricheur, la valeur de p est 32 = 0,125. Donc,
lhypothse nulle H0 est p = 0,125 (le joueur nest pas un tricheur). Si p < 0,125, on
considra que le joueur nest pas un tricheur non plus, donc : lhypothse alternative H1 est
p > 0,125 (le joueur est un tricheur).
 q
0,125
3. Zone critique Dans le cas o lhypothse H0 est vraie, la variable alatoire F suit la loi N 0,125; 80
soit N (0,125; 0,0117). On cherche alors le rel d tel que

P (F > 0,125 + d) = 0,01 (13.3)

F 0,125
La variable alatoire T = 0,0117 suit la loi normale centre rduite N (0, 1), on a alors :

 
d
(13.3) P (0,0117T + 0,125 > 0,125 + d) = 0,01 P T > 0,0117 = 0,01
   
d d
1P T 0,0117 = 0,01 0,0117 = 0,99.

d
On trouve alors 0,0117 = 2,33 soit d = 0,027261 0,027. La zone critique est donc lintervalle
[0,125 + 0,027 , +[ = [0,152 , +[.

136 LEON 13. ESTIMATION


Donc la zone critique est ]0,152 , +].
4. Rgle de dcision Si la frquence de lchantillon est suprieure 0,152, on rejette lhypothse H0
et on accepte lhypothse H1 : lhypothse H0 nest pas valide. Si la frquence de lchantillon
est infrieure 0,152, on accepte lhypothse H0 : lhypothse H0 est valide.
5. Conclusion Lchantillon observ a une frquence gale 134
800 = 0,1675. Daprs la rgle de d-
cision, puisque 0,1675 > 0,152, on accepte lhypothse H1 et on dcide que le joueur est un
tricheur.

13.2. TESTS DHYPOTHSES 137


138 LEON 13. ESTIMATION
II
Arithmtique & Algbre
14
LEON

Multiples, diviseurs,
division euclidienne

Niveau : Terminale S
Prrequis : notions darithmtique : thorme de Gauss, division, nombres entiers,
construction de N et Z
1 Multiples et diviseurs dans Z

1 1 Dfinition

Soient a et b deux entiers relatifs. a est un multiple de b, si et seulement si, il existe un entier
relatif k tel que : a = kb.
On dit aussi que :
Dfinition 14.1
a est divisible par b ;
b est un diviseur de a ;
b divise a.

Exemples 14.2.
a. 54 est un multiple de 3 car 54 = 18 3.
b. 5 divise 45 car 45 = (9) (5).
1 2 Proprits

a. 0 est un multiple de tout entier.


b. 1 divise tout entier.
Proprits 14.3
c. Si a est un multiple de b et si a 6= 0 alors |a| |b|.
d. Si a divise b et si b divise a alors a = b ou a = b avec a et b non nuls.

1 3 Rgles de divisibilit
Toutes les rgles de divisibilit peuvent tre dmontres par la congruence.

a. Un entier est divisible par 2 sil se termine par 0, 2, 4, 6, 8.


b. Un entier est divisible par 5 sil se termine par 0 ou 5.
c. Un entier est divisible par 10 sil se termine par 0.
Proprits 14.4
d. Un entier est divisible par 25 sil se termine par 00, 25, 50, 75.
e. Un entier est divisible par 4 si le nombre form par les deux derniers chiffres est divisible
par 4.

Dveloppement

Dmonstration du critre de divisibilit par 2. Soit N un nombre entier. Il existe donc un B et a0 tel que
N = 10B + a0
avec 0 a0 9. Or 10B est toujours multiple de 2 donc N est multiple de 2 si et seulement si a0 est multiple de 2. 

Exemples 14.5.
a. 1932 est divisible par 4 car 32 est divisible par 4.
b. Par contre, 1714 nest pas divisible par 4 car 14 nest pas divisible par 4.

a. Un entier est divisible par 3 si la somme des chiffres est divisible par 3.
Proprits 14.6
b. Un entier est divisible par 9 si la somme des chiffres est divisible par 9.

Dveloppement

142 LEON 14. MULTIPLES, DIVISEURS, DIVISION EUCLIDIENNE


Dmonstration du critre de divisibilit par 3. Soit N un entier naturel divisible par 3. On a alors :
3|N N 0 (mod 3).
On pose
N = a0 + a1 10 + a2 102 + + an 10n .
Or 10 1 (mod 3) donc
N 0 (mod 3) a0 + a1 + + an = 0 (mod 3).
Ainsi, lorsquun nombre est divisible par 3, la somme des chiffres de ce nombre est divisible par 3. 

Exemples 14.7.
a. 8232 est divisible par 3 car 8 + 2 + 3 + 5 = 15 et 15 est divisible par 3.
b. 4365 est divisible par 9 car 4 + 3 + 6 + 5 = 18 et 18 est divisible par 9.

Un entier de trois chiffres est divisible par 11 si la sommes des chiffres extrmes est gale
Proprit 14.8
celui du milieu.

Exemple 14.9. 451 est divisible par 11 car 4 + 1 = 5. On a alors 451 = 11 41.

Dune faon gnrale un entier est divisible par 11 si la diffrence entre la somme des chiffres
Proprit 14.10
de rangs pairs et la somme des chiffres de rangs impairs est divisible par 11.

Exemples 14.11.
a. 6457 est divisible par 11 car :

(7 + 4) (5 + 6) = 11 11 = 0

et 0 est divisible par 11.


b. 4939 est divisible par 11 car :

(9 + 9) (3 + 4) = 18 7 = 11

et 11 est divisible par 11.

Critre de divisibilit par 7


Proprit 14.12 Un nombre est divisible par 7 si et seulement si le rsultat de la soustraction du nombre de
dizaines par le double du chiffre des units est multiple de 7.

La dmonstration ncessite la connaissance du thorme de Gauss.


Dveloppement

Dmonstration du critre de divisibilit par 7. Soit N un nombre entier divisible par 7. On pose
N = a0 + a1 10 + + an 10n .
On a :
7 | 10(a1 + a2 10 + + an 10n1 2a0 ).
Or 7 et 10 sont premiers entre eux, donc daprs le thorme de Gauss :
7 | a1 + a2 10 + + an 10n1 2a0 .
Rciproquement si
7 | a1 + a2 10 + + an 10n1 2a0
alors
7 | 10(a1 + a2 10 + + an 10n1 2a0 )
Or, 7 | 21 donc
7 | a1 10 + a2 102 + + an 10n 20a0 + 21a0 .
On obtient ainsi 7 | N . 

14.1. MULTIPLES ET DIVISEURS DANS Z 143


Exemple 14.13. 252 est divisible par 7 car son nombre de dizaine est 25, son chiffre des units est 2 et

25 2 2 = 25 4 = 21 (divisible par 7).

Exemple 14.14. Grce aux rgles de divisibilit, on montre facilement que :


a. Les diviseurs de 20 sont : 1, 2, 4, 5, 10, 20
b. Les diviseurs de 36 sont : 1, 2, 3, 4, 6, 9, 12, 18, 36
c. Les diviseurs de 120 sont : 1, 2, 3, 4, 5, 6, 8, 10, 12, 15, 20, 24, 30, 40, 60, 120

1 4 Un exercice dapplication

Exercice 14.15.
1. Dterminer tous les couples dentiers naturels tels que :

x2 2xy = 15.

2. Dterminer tous les entiers relatifs n tels que (n 3) divise n + 5.

Dveloppement

Solution.
1. On cherche mettre le terme de droite en facteur de faon faire apparatre des divisuers de 15. En factorisant, on
trouve :
x(x 2y) = 15.
Comme x et y sont des entiers naturels, on a la relation suivante : x x 2y. De plus, les diviseurs de 15 sont :

D15 = {1, 3, 5, 15} .

Les dcompositions possible sont donc :


( (
x = 15 x=5
ou
x 2y = 1 x 2y = 3

soit ( (
x = 15 x=5
ou .
y = 151
2 =7 y = 53
2 =1

On obtient alors les couples solutions : (15, 7) et (5, 1).


2. Si (n 3) divise (n + 5) alors il existe un entier k tel que :

n + 5 = k(n 3)

On cherche factoriser par (n 3) en faisant ressortir ce terme gauche :

(n + 3) + 8 = k(n 3)
k(n 3) (n 3) = 8
(n 3)(k 1) = 8

donc (n 3) est un diviseur de 8. Lensemble des diviseurs de 8 dans Z est :

D8 = {8, 4, 2, 1, 1, 2, 4, 8} .

On a donc le tableau suivant correspond aux valeurs possibles de n :

n3 8 4 2 1 1 2 4 8
n 5 1 1 2 4 5 7 11

144 LEON 14. MULTIPLES, DIVISEURS, DIVISION EUCLIDIENNE


1 5 Oprations sur les multiples

Soit trois entiers relatifs a, b et c.


Thorme 14.16
Si a divise b et c alors a divise a + b, a b ou toutes combinaison linaire de b et de c.

Dveloppement

Dmonstration. On sait que a divise b et c, donc il existe deux entiers relatifs k et k 0 tels que :
b = ka et c = k 0 a.
On a alors :
b + c = (k + k 0 )a, b c = (k k 0 )a et b + c = (k + k 0 )a.
Donc a divise b + c, b c et b + c. 

Exemple 14.17. Soit k un entier naturel, on pose a = 9k + 2 et b = 12k + 1. On cherche les diviseurs
positifs communs a et b.
Soit d un diviseur commun a et b. Comme d divise a et b, il divise c = 4a 3b, soit :

c = 4(9k + 2) 3(12k + 1) = 36k + 8 36k 3 = 5

donc d divise 5. Comme 5 na que 2 diviseurs positifs, 1 et 5, on a alors d = 1 et d = 5.


Les diviseurs positifs possibles communs a et b sont 1 et 5.

2 Division euclidienne

Soit a un entier relatif et b un entier naturel non nul.


On appelle division euclidienne de a par b, lopration qui au couple (a, b) associe le couple
Dfinition 14.18 (q, r) tels que :
a = bq + r avec 0 r < b.
a sappelle le dividende, b le diviseur, q le quotient et r le reste.

Exemples 14.19.
a. La division euclidienne de 114 par 8 : 114 = 8 14 + 2
b. La division de 17 par 3 : 17 = 3 (6) + 1.

Exercice 14.20.
1. Trouver tous les entiers qui diviss par 5 donne un quotient gal 3 fois le reste.
2. Lorsquon divise a par b, le reste est 8 et lorsquon divise 2a par b, le reste est 5. Dterminer le
diviseur b.

Dveloppement

Dmonstration.
1. Soit a lentier cherch. On divise a par 5, on a alors :
a = 5q + r avec 0 r < 5
Comme q = 3r, on a :
a = 15r + r = 16r avec 0 r < 5
On trouve toutes les valeurs de a en faisant varier r de 0 4 compris, on a alors lensemble solution suivant :
S = {0, 16, 2, 48, 64} .

14.2. DIVISION EUCLIDIENNE 145


2. crivons les deux divisions, en notant q et q 0 les restes respectifs :
2bq + 16 = bq 0 + 5 avec b > 8
0
b(2q q ) = 11
b(q 0 2q) = 11
On en dduit que p est un multiple positif non nul de 11, suprieur 8, donc : b = 11.


Algorithme. On propose un algorithme sur Xcas qui effectue une division euclidienne par sous-
traction successives :
diveucl(a,b) fonction
local r,q;
si b < 0 alors
b := -b;
a := -a;
fsi
q := 0;
r := a;
si a >= 0 alors
tantque r>=b faire
r := r-b;
q := q+1;
ftantque
sinon
tantque r<0 faire
r := r+b;
q := q-1;
ftantque
fsi
afficher(q);
afficher(r);
ffonction:;

3 Vers les congruences

3 1 Entiers congrus modulo n

Soit n un entier naturel (n 2), a et b deux entiers relatifs. On dit que deux entiers a et b
sont congrus modulo n si, et seulement si, a et b ont mme reste par la division euclidienne par
Dfinition 14.21
n. On note alors :
a b (mod n).

Exemples 14.22.
a. 57 15 (mod 7) car 57 = 7 8 + 1 et 15 = 7 2 + 1.
b. Un nombre est congru son reste modulo n par la division euclidienne par n :
2000 8 (mod 10), 17 1 (mod 4), 75 3 (mod 9).

Comme la congruence est une relation dquivalence, elle est :


a. rflexive : a a (mod n) ;
Proprits 14.23
b. symtrique : si a b (mod n) alors b a (mod n) ;
c. transitive : si a b (mod n) et b c (mod n) alors a c (mod n).

146 LEON 14. MULTIPLES, DIVISEURS, DIVISION EUCLIDIENNE


Remarque 14.24. Lorsquon sintresse au jour de la semaine dune date donne, on travaillera mo-
dulo 7.

Soit n un entier naturel (n 2), a et b deux entiers relatifs.


Thorme 14.25
a b (mod n) a b 0 (mod n).

Dveloppement

Dmonstration.
On sait donc que a b (mod n). Il existe donc q, q 0 et r tels que :

a = nq + r et b = nq 0 + r avec 0 r < n.

On en tire :
a b = n(q q 0 ).

Donc a b est un multiple de n, donc son reste par la division par n est nul, donc a b 0 (mod n).
On sait donc que a b 0 (mod n). Il existe k tel que :

a b = kn (14.1)

Si lon effectue la division de a par n, on a :


a = nq + r (14.2)

De (14.1) et (14.2), on obtient :

nq + r b = kn
b = kn nq r
b = (q k)n + r

On en dduit donc : a b (mod n).




3 2 Compatibilit avec la congruence

Soit n un entier naturel (n 2), a, b, c, d des entiers relatifs vrifiant :

a b (mod n) et c d (mod n).

La congruence est compatible :


a. avec laddition :
Thorme 14.26 a + c b + d (mod n);

b. avec la multiplication :
ac bd (mod n);

c. avec les puissances :


k N, ak bk (mod n).

Dveloppement

Dmonstration.

14.3. VERS LES CONGRUENCES 147


Compatibilit avec laddition : On sait que a b (mod n) et c b (mod n), donc (a b) t (c d) sont des multiples
de n. Il existe donc deux entiers relatifs k et k 0 tels que :
a b = kn et c d = k 0 n.
En additionnant ces deux galits, on obtient :
a b + c d = kn + k 0 n
(a + c) (b + d) = (k + k 0 )n
Donc (a c) (b d) est un multiple de n, donc daprs le thorme 14.25, on obtient :
a + c b + d (mod n).

Compatibilit avec la multiplication : On sait que a b (mod n) et c d (mod n), donc il existe deux entiers relatifs
k et k 0 tels que :
a = b + kn et c = d + k 0 n.
En multipliant ces deux galits, on obtient :
ac = (b + kn)(d + k 0 n)
ac = bd + k 0 bn + kdn + kk 0 n2
ac = bd + (k 0 b + kd + kk 0 n)n
ac bd = (k 0 b + kd + kk 0 n)n
Donc (ac bd) est un multiple de n, donc daprs le thorme 14.25, on a :
ac bd (mod n).

Compatibilit avec les puissances : On prouve cette compatibilit par rcurrence sur k, laide de la compatibilit avec
la multiplication.


3 3 Applications de la congruence (en lien avec le thme de la leon)


1. Reste
On souhaite dterminer les restes succesifs dans la division par 7 des nombres suivants :
50100 , 100, 1003 , 50100 + 100100 .
1. On dtermine le reste de 50100 par la division par 7. On a 50 1 (mod 7) car 50 = 7 7 + 1.
Daprs la compatibilit avec les puissances, on a :
50100 1100 1 (mod 7).
Le reste est 1.
2. On dtermine le reste de 100 par la division par 7. 100 = 50 2, comme 50 1 (mod 7), daprs
la compatibilit avec la multiplication, on a :
100 2 (mod 7).
Le reste est 2.
3. Pour dterminer le reste de 1003 par la division par 7, on utilise la question prcdente et la com-
patibilit avec les puissances. On a :
1003 23 8 1 (mod 7).
Le reste est 1.
4. On dtermine le reste de 50100 + 100100 par la division par 7. On a : 100100 = 100333+1 =
(1003 )33 100, donc daprs la compatibilit avec les puissances et la multiplication, on a :
100100 13 2 2 (mod 7).
Par compatibilit avec laddition, on a alors :
50100 + 100100 1 + 2 3 (mod 7).

148 LEON 14. MULTIPLES, DIVISEURS, DIVISION EUCLIDIENNE


2. Divisibilit
On va montrer que, pour tout n N, 3n+3 44n+2 est divisible par 11.
On a : 3n+3 = 3n 33 = 27 3n , or 27 5 (mod 11), donc daprs la compatibilit avec la
multiplication, on a :
3n+3 5 3n (mod 11).
On a : 44n+2 = (44 )n 42 , or 42 5 (mod 11) donc 44 52 3 (mod 11), donc :

44n+2 3n 5 (mod 11).

On en dduit donc :
3n+3 44n+2 0 (mod 11).
La proposition est donc vrifie, pour tout n N.

14.3. VERS LES CONGRUENCES 149


150 LEON 14. MULTIPLES, DIVISEURS, DIVISION EUCLIDIENNE
15
LEON

PGCD, galit de
Bzout

Niveau : Terminale S Sp
Prrequis : divisibilit, nombres premiers
1 PGCD : Plus grand commun diviseur

1 1 Dfinition

Plus grand commun diviseur


Dfinition 15.1 Soient a, b deux nombres entiers relatifs non nuls. Lensemble des diviseurs communs de a
et de b admet un plus grand lment que lon appelle le plus grand commun diviseur de a et de b.

Remarques 15.2.
a. b | a si et seulement si PGCD(a, b) = b.
b. Soient a et b deux entiers relatifs :

PGCD(a, b) = PGCD(|a| , |b|).

1 2 Proprits

tant donns quatre nombres entiers a, b, c et d.


a. PGCD(a, b) = PGCD(b, a) ;
Proprits 15.3
b. PGCD(ka, kb) = k PGCD(a, b) avec k Z.
c. Si a | c et b | d alors PGCD(a, b) | PGCD(c, d).

Dveloppement
Dmonstration des proprits 15.3
a. Triviale
b. Soit k 6= 0, on peut appliquer lalgorithme dEuclide sur a et b :



a = bq0 + r0

b = r0 q1 + r1






r0 = r1 q2 + r2

.. (15.1)



.

rn2 = rn1 qn + rn





r

=r q +0
n1 n n+1

Donc, daprs (15.1), PGCD(a, b) = rn . On multiplie les expressions de (15.1) par k :





ka = kbq0 + kr0

kb = kr0 q1 + kr1






kr0 = kr1 q2 + kr2

..



.

krn2 = krn1 qn + krn





kr
n1 = krn qn+1 + 0

Do PGCD(ka, kb) = krn .


c. Comme PGCD(a, b) | a, a | c et PGCD(a, b) | b et b | d alors PGCD(a, b) divise c et d donc divise PGCD(c, d).


152 LEON 15. PGCD, GALIT DE BZOUT


1 3 Algorithme dEuclide, exemples

Thorme dEuclide
Soient a et b deux entiers non nuls. La suite des diviseurs euclidiennes :
de a par b : a = bq0 + r0 ;
de b par r0 (si r0 6= 0) : b = q1 r0 + r1 ;
Thorme 15.4
...
de rn1 par rn (si rn 6= 0) : rn1 = rn qn+1 + rn+1
fini par sarrter un des restes ri tant nul. Le dernier reste non nul est alors le PGCD(a, b) (si
r0 = 0 alors PGCD(a, b) = b).

Dveloppement
Dmonstration du thorme 15.4
Les ingalits b > r0 > r1 > > rn > 0 montrent que la suite (rk )kN est une suite dcroissante dentiers
naturels, cette suite est finie. Dautre part, considrons lgalit a = bq0 + r0 :
tout diviseur de a et b divise a bq0 , cest un diviseur de b et r0 ;
tout diviseur de b et r0 divise bq0 r0 , cest un diviseur de b et r0 .
Ainsi, les diviseurs communs de a et b sont ceux de b et r0 et il va de mme pour le plus grand dentre eux : PGCD(a, b) =
PGCD(b, r0 ).
On peut appliquer ce raisonnement chaque galit :

PGCD(a, b) = PGCD(b, r0 ) = = PGCD(ri1 , ri2 ).

Or si ri2 = ri1 qi + 0 alors PGCD(a, b) = PGCD(ri1 , ri ) = ri1 avec ri = 0. 

On donne maintenant un algorithme implmentable sur Xcas :


pgcdeuclide(a,b):={
local r;
tantque b<>0 faire
r := irem(a,b)
a := b
b := r
ftantque
retourne(a)
}

Exemple 15.5. Calculer PGCD(1636, 1128).

Dveloppement
Exemple 15.5
On applique lalgorithme dEuclide :

1636 = 1128 + 508


1128 = 2 508 + 112
508 = 4 112 + 60
112 = 60 + 52
60 = 52 + 8
52 = 6 8 + 4
8 = 4 2 + 0.

Donc : PGCD(1636, 1128) = 4.

15.1. PGCD : PLUS GRAND COMMUN DIVISEUR 153


2 Nombres premiers entre eux

2 1 Premiers rsultats

Soient a et b deux entiers relatifs non nuls, a et b sont premiers entre eux si et seulement si
Dfinition 15.6
PGCD(a, b) = 1.

a
Soient a et b deux entiers naturels non nuls. est le PGCD de a et de b si et seulement si,
Proprit 15.7 b
et sont des entiers premiers entre eux.

Dveloppement
Dmonstration de la proprit 15.7
On justifie que a et b sont des entiers naturels non nuls.
Comme = PGCD(a, b), | a et | b donc il existe deux entiers relatifs k et k 0 tels que k = a et k 0 = b, do
= ka = kb0 .

a a k
= a =a =k Z
k a
b b k0
= b =b = k 0 Z.
k0
b

Si d = PGCD( a , b ) alors, en utilisant la formule dhomognit, on obtient :


1
d = PGCD( a , b ) = PGCD(a, b).

Or = PGCD(a, b) do d = 1.
Rciproquement, si a et b sont premiers entre eux alors PGCD( a , b ) = 1. En utilisant une nouvelle fois, la formule
dhomognit :
1
PGCD( a , b ) = PGCD(a, b) = 1
PGCD(a, b)
et ainsi, = PGCD(a, b). 

2 2 Application
12345
Application 15.8. Factoriser 13991 .

Dveloppement
Application 15.8
On calcule PGCD(12345, 13991).

13991 = 12345 1 + 1646


12345 = 1646 7 + 823
1646 = 823 2 + 0.

Donc : PGCD(12345, 13991) = 823 et :

12345 = 15 823
13991 = 17 823

Do :
12345 15
= .
13991 17
15
Comme PGCD(15, 17) = 1, la fraction 17 est irrductible.

154 LEON 15. PGCD, GALIT DE BZOUT


2 3 Thorme de Gauss

Thorme de Gauss
Thorme 15.9 Soient a, b et c trois entiers relatifs non nuls. Si a | bc et a etb sont premiers entre eux alors
a | c.

Dveloppement
Dmonstration du thorme 15.9
Comme a | bc, il existe un entier k tel que bc = ka. Comme a et b sont premiers entre eux, daprs le thorme de
Bzout, il existe des entiers relatifs u et b tels que au + bv = 1.
En multipliant par c cette dernire galit, on obtient :

c = acu + bcv = acu + kav = a(cu + kv).

Comme (cu + kv) est un entier, cette galit prouve que a | c. 

Proposition 15.10 Soient a, b et c trois entiers naturels. Si a | c, b | c, a et b sont premiers entre eux alors ab | c.

Dveloppement
Dmonstration de la proposition 15.10
Comme a | c, il existe d N tel que c = ad. Comme b | c, il existe d0 N tel que c = bd0 . Donc ad = bd0 . Comme a
divise bd0 et PGCD(a, b) = 1, daprs le thorme de Gauss, a divise d0 . Il existe donc d0 N tel que d0 = ad00 . Donc :

c = d0 b = ad00 b.

3 galit de Bzout

Soient a et b deux entiers relatifs non nuls et d leur PGCD. Alors il existe des entiers relatifs
Thorme 15.11
u et v tels que au + bv = d. On appelle cette galit, galit de Bzout.

Dveloppement
Dmonstration du thorme 15.11

Soit E lensemble des entiers naturels non nuls de la forme ax + by o x et y sont des entiers relatifs.
E est une partie non vide de N. En effet, on a, par exemple, |a| E car, selon le signe de a, lentier naturel |a| scrit
a 1 + b 0 ou a (1) + b 0. E tant une partie non vide de N, E admet un plus petit lment n.
Par dfinition de E, il existe donc des entiers relatifs u et v tels que n = au + bv. Or d divise a et b donc d divise n,
do d n.
On montre que n divise a en crivant la division euclidienne de a par n : a = nq + r avec 0 r < n et q Z. Donc :

r = a nq = a q(au + bv) = a(1 qu) + b(qv).

Ainsi r est de la forme ax + by avec x et y des entiers relatifs. De plus, r < n donc, par dfinition de n, r
/ E. Alors
ncessairement r = 0 et donc n divise a.
On montre de mme que n divise b. Do, par dfinition de d, n d. Finalement, on obtient d = n = au + bv.

15.3. GALIT DE BZOUT 155




Thorme de Bzout
Thorme 15.12 Deux entiers relatifs a et b sont premiers entre eux si et seulement si il existe des entiers
relatifs u et v tels que au + bv = 1.

Dveloppement
Dmonstration du thorme 15.12
Si a et b sont premiers entre eux alors PGCD(a, b) = 1 et donc, avec la proprit prcdente, au + bv = 1.
Rciproquement, on suppose quil existe des entiers relatifs u et v tels que au + bv = 1. Soit D = PGCD(a, b) alors D
divise a, D divise b donc D divise au + bv, do D = 1. 

Exemple 15.13. Rsoudre lgalit de Bzout suivante :


266u + 224v = PGCD(266, 224).

Dveloppement
Exemple 15.13
On dtermine tout dabord PGCD(266, 244) avec lalgorithme dEuclide :
266 = 1 224 + 42
224 = 5 42 + 14
42 = 3 4 + 0.
Do PGCD(266, 224) = 14. On rsout donc lquation :
266u + 224v = 14.
Par lalgorithme dEuclide, on trouve :
14 = 224 5 42
14 = 224 5(266 244)
14 = 6 224 5 266.
On obtient u = 5 et v = 6.
On peut montrer que toutes les solutions sont les couples :
{(5 + 224k, 6 266k), k Z} .

4 Applications

4 1 Dcomposition en facteurs premiers et PGCD

Thorme fondamental de larithmtique


Pour tout n N \ {1}.
a. Il existe k nombres premiers naturels, p1 , . . . , pk distincts deux deux et des nombres
Thorme 15.14 entiers non nuls 1 , . . . , k tels que :

n = p1 1 pk k .

b. Il y a unicit de cette dcomposition lordre des facteurs prs.

Dveloppement
Dmonstration du thorme 15.14

156 LEON 15. PGCD, GALIT DE BZOUT


Existence : La dmonstration se fait par rcurrence sur n.
Initialisation : Si n = 2 alors n = 21 .
Hrdit : Si n 2 alors n possde au moins un diviseur premier de p et lon peut crire n = pm avec m < n. Si
m = 1 alors cest fini ! Sinon on applique lhypothse de rcurrence m pour obtenir la dcomposition sur n.
Unicit : la dmonstration de lunicit se fait par rcurrence sur n.
Initialisation : Lunicit est vidente pour n = 2. En effet, si 2 = q11 qm
m montre que q | 2 pour tout 1 i m,
i
ce qui impose davoir m = 1, q1 = 2 et 1 = 1.
Hrdit : Si lunicit est dmontre jusquau rang n, on suppose que :

n + 1 = p1 1 pk k = q11 qm
m

avec 1 , . . . , k , 1 , . . . , m N et o les p1 , . . . , pk et q1 , . . . , qm sont des nombres entiers.


pk | q11 qmm donc p divise lun des q , par exemple p | q . Comme p est premier, cela entrane que
k i k m k
pk = qm et :
n+1
= p1 1 pk k 1 = q11 qmm 1
.
pk
On applique lhypothse de rcurrence cette dcomposition en distinguant deux cas :
1. Si k = 1 alors m = 1 autrement qm diviserait lun des pi avec i 6= m, ce qui est absurde.
2. Si k > 1 alors m > 1 autrement pk diviserait lun des qi avec i 6= k, ce qui est encore absurde.


Soient a et b deux entiers naturels tels que :

a = p1 1 pk k et b = p1 1 pk k .
Thorme 15.15
Alors :
PGCD(a, b) = p11 pkk
avec i = min({i , i }).

Dveloppement
Dmonstration du thorme 15.15
Soit d = p11 pkk . On vrifie que d est bien un diviseur commun de a et de b. Rciproquement, soit d0 un diviseur
commun de a et de b. Tout facteur premier p de d est aussi un facteur premier de a et de b. Si pi divise a et b alors i et
i onc :
i = min({i , i }).
Cela entrane que d0 est un diviseur de d. Donc d est le PGCD de a et de b. 

4 2 Applications de la vie de tous les jours

Problme 15.16. Un jardinier doit planter une haie autour dune pacerelle rectangulaire de longueur
10,2 m et de largeur 7,8 m. Il doit mettre un plant chaque sommet dun rectangle et espacer les plants
rgulirement dun nombre entier de centimtres.
Combien de plants au minimum peut-il planter ?

Dveloppement
Solution du problme 15.16
On calcule PGCD(102, 78) par lalgorithme dEuclide :

102 = 78 1 + 24
78 = 24 3 + 6
24 = 6 4 + 0

15.4. APPLICATIONS 157


On a de plus :
102 = 6 17 et 78 = 6 13.
Les plants devront tre plants 6 cm despacement chacun. Sur une longueur, on peut planter 17 plants et sur la largeur, 13
plants. Donc, on peut planter (13 + 17) 2 = 60 plants.

Problme 15.17. Une fleuriste dispose de 244 lys, 366 roses et 183 oeillets roses. En utilisant le tout,
quel nombre maximal de bouquets identiques peut-elle composer ?
Prciser la composition dun bouquet.

Dveloppement
Solution du problme 15.17
On a :
PGCD(244, 366, 183) = PGCD(PGCD(244, 366), 183) = PGCD(122, 183) = 61.
On peut donc composer au maximum 61 bouquets. La composition du bouquet est :
4 lys ;
6 roses ;
3 oeillets roses.

4 3 quation de droite
Lensemble des points M (x, y) vrifiant lquation ax + by = c forme une droite. Les couples
dentiers relatifs vrifiant cette quation correspond aux points M de la droite dont les coordonnes
sont entires. La rsolution de lquation dans lensemble des entiers relatifs permet de donner les
coordonnes de ces points. Selon la valeur de c, la droite D peut ne jamais passer par des points de
coordonnes entires ou bien possder une infinit de points de coordonnes rgulirement rpartis.

10

A(3, 1)

0 2 4 6 8 10

F IGURE 15.1 Rsolution graphique de lquation 9x + 6y = 27. Existence de solutions car la droite a un point coordon-
nes entires.

158 LEON 15. PGCD, GALIT DE BZOUT


10

0 2 4 6 8 10

F IGURE 15.2 Rsolution graphique de lquation 9x + 6y = 23. Non-existence de solutions car la droite na aucun point
coordonnes entires.

Questions du jury
Propositions personelles de questions :

1 Dans la dfinition 15.11, pourquoi les diviseurs communs de a et de b ont un plus grand lment.

2 Rsoudre lquation diophantienne : 266u + 224v = 98.

3 Dmontrer le thorme 15.14 et 15.15.

4 Donner une correction du problme 15.16 face une classe de Term S.

5 Peut-on dfinir le PGCD de trois nombres entiers ? Rsoudre alors le problme 15.17.

Questions proposes par [Mer] :

6 Expliquez comment dfinir le PGCD de deux nombres entiers naturels en utilisant lalgorithme dEuclide. Justifiez
compltement votre dfinition et, en particulier, expliquez pourquoi lalgorithme dEuclide aboutit aprs un nombre fini de
calculs.

7 Connaissez-vous une interprtation gomtrique de lalgorithme dEuclide qui permet de calculer le PGCD de deux
nombres entiers ?

8 Dterminer les couples dentiers relatifs dont le PGCD est 15 et la diffrence 105.

9 Soient a, b, n N. Montrer que PGCD(a, b) = 1 entranee que PGCD(a, bn ) = 1. La rciproque est-elle vraie ?

10 On suppose que les entiers u et v sont premiers entre eux et de parits diffrentes. Dmontrer que les entiers 2uv,
u2 + v 2 , u2 v 2 sont premiers entre eux deux deux.

Questions proposes par [Her] :

11 Est-ce quon peut rsoudre lquation suivante : 4x 2y = 5 avec x et y des entiers relatifs ?

12 Pouvez-vous montrer que lalgorithme dEuclide sarrte un moment donn ?

13 quoi servent les thorme de Bzout et Gauss ?

15.5. QUESTIONS DU JURY 159


160 LEON 15. PGCD, GALIT DE BZOUT
16
LEON

Nombres premiers,
dcomposition dun
entier en produit de
facteurs premiers

Niveau : Terminale S
Prrequis : notions darithmtique : diviseurs, nombres entiers, construction de N et Z
1 Nombres premiers : dfinition et proprits

1 1 Dfinition

Nombre premier
Dfinition 16.1
Un nombre premier est un entier naturel qui admet exactement deux diviseurs : 1 et lui-mme.

Remarques 16.2.
a. 1 nest pas un nombre premier (il na quun seul diviseur).
b. Un nombre premier p est un naturel suprieur ou gal 2 soit : p 2.

Exemple 16.3. Les nombres premiers infrieurs 100 sont : 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37,
41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89 et 97.

1 2 Critre darrt

Tout entier naturel n, n 2, admet un diviseur premier. Si n nest pas premier, alors il admet
Thorme 16.4 un diviseur premier p tel que :
2 p n.

Dveloppement

Dmonstration.
Si n est premier, il admet donc un diviseur premier : lui-mme.
Si n nest pas premier, lensemble des diviseurs d de n tel que :

2d<n

nest pas vide. Il admet donc un plus petit lment p. Si p ntait pas premier, il admettrait un diviseur d0 tel que
2 d0 < p qui diviserait n. Ceci est impossible car p est le plus petit. Donc p est premier.
On a donc p premier et n = p q avec p q. En multipliant cette ingalit par p, on obtient :

p2 pq p2 n

soit p n.



Exemple 16.5. Montrer que 109 est un nombre premier. On a 10 < 109 < 11. On teste tous les
nombres premiers strictement infrieurs 11, soit : 2, 3, 5 et 7.
On utilise les rgles de divisibilit de 2, 3, 5 pour en dduit que 109 nest divisible ni par 2, ni par
3, ni par 5.
En effectuant la division euclidienne de 109 par 7, on obtient :

109 = 7 15 + 4

109 nest donc pas divisible par 7. Conclusion, comme 109 nest pas divisible par 2, 3, 5 et 7, 109 est
premier.

Algorithme. On donne un algorithme implment sur Xcas qui permet de dterminer si un nombre
N est premier.

162 LEON 16. NOMBRES PREMIERS


testpremier(n) fonction
local j,t;
j := 2;
t := 0;
si floor(n/j) = n/j alors
print(n," est divisible par ", j)
sinon
j := j+1
tantque (j <= sqrt(n) et t = 0) faire
si floor(n/j) = n/j alors
t := 1;
sinon
j := j+2;
fsi
ftantque
fsi
si t = 1 alors
print(n," est divisible par ",j);
sinon
print(n, "est premier");
fsi
ffonction:;

On obtient alors :
527 divisible par 17 ;
719 est premier ;
11111 divisible par 41 ;
37589 est premier.

1 3 Infinit des nombres premiers

Thorme 16.6 Il existe une infinit de nombres premiers.

Dveloppement

Dmonstration. Supposons quil existe un nombre fini de nombres premiers p1 , p2 , . . ., pn . On pose :

n
!
Y
N= pi + 1.
i=1

N admet un diviseur premier. Soit pi ce diviseur premier. pi divise p1 p2 pi pn et N . Il divise donc la


diffrence
N (p1 pi pn ) = 1.

Ceci est impossible, donc lhypothse quil existe un nombre fini de nombres premiers est absurde. 

1 4 Complments : Distribution des nombres premiers


On a montr que lensemble P des nombres premiers tait un ensemble infini. Mais entre 1 et N ,
combien y-a-t-il de nombres premiers ?

16.1. NOMBRES PREMIERS : DFINITION ET PROPRITS 163


On nonce un thorme qui permet de faire une majoration du nombre des entiers premiers entre
1 et N .

Admis
On note P = {p1 , . . . , pn } lensemble des nombres premiers et (N ) le cardinal de len-
Thorme 16.7 semble des nombres premiers infrieurs ou gaux N .
1. Pour tout n, on a pn+1 p1 pn + 1 pnn + 1
2. Pour tout n 2, on a ln(ln(n)) (n).

1 5 Critre dEratosthne
Pour dresser la liste des nombres premiers entre 2 et 100, la mthode du crible dEratosthne
consiste :
crire la liste des nombres entiers infrieurs ou gal 100 ;
liminer successivement les multiples propres de 2, de 3, . . . puis ceux de p, o p est le premier
nombre non encore limi, etc.
Les entiers limins (en rouge) sont les entiers non premiers entre 2 et 100. Les entiers (en vert)
sont donc les nombres premiers infrieur 100.

F IGURE 16.1 Crible dErastosthne pour les entiers infrieurs ou gaux 100

Remarques 16.8.
a. Pour liminer les multiples propre de 7, commencer 72 , car les multiples infrieurs ont dj
t limins.
b. Il est possible de savoir lavance jusquo aller . En effet, grce au critre darrt, tout entier
compos n admet un diviseur premier p tel que :
2 p n.

Si n 10, alors n 100 = 10. Tous les entier non premier sera limin en tant que
multiple propre de 2, 3, 5, 7 et 11.
On peut crire un algorithme qui permet dtablir le crible dEratosthne (quon peut implmenter
sur Xcas) :
erato(n):={
local j,k,P;
P:=[seq(k,k=1..n)];
P[0]:=0;
pour j de 2 jusque floor(sqrt(n)) faire
si P[j-1]>=1 alors
pour k de 2 jusque floor(n/j) faire
P[j*k-1]:=0;
fpour;
fsi;
fpour;
retourne(select(x->(x>=1),P));
}:;

164 LEON 16. NOMBRES PREMIERS


1 6 Nombres de Mersenne

On appelle nombres de Marsenne, les nombres Mn de la forme :


Dfinition 16.9
Mn = 2n 1 avec n N .

1. On calcule les 6 premiers nombres de Mersenne :


M1 = 2 1 = 1
M2 = 4 1 = 3
M3 = 8 1 = 7
M4 = 16 1 = 15
M5 = 32 1 = 31
M6 = 64 1 = 63
On constate que pour les n gaux 2, 3 et 5, les nombres de Mersenne sont premiers.
Est-ce que si n est premier, Mn est premier ? Cela permettrait de connatre un nombre premier
aussi grand que lon souhaite.
2. Montrons que si n nest pas premier alors Mn ne lest pas non plus.
On rappelle la factorisation standard :
xn 1 = (x 1)(xn1 + xn2 + + x + 1)
Si n nest pas premier, alors il existe d, diviseur propre de n tel que :
n = dq avec q > 1.
Factorisons alors Mn :
Mn = 2n 1 = (2d )q 1
= (2d 1)[(2d )q1 + (2d )q2 + + 2d + 1]
donc 2d 1 est un diviseur propre de Mn et donc Mn nest pas premier.
Donc : si n nest pas premier alors Mn ne lest pas non plus. On peut aussi utiliser la contrapose :
si Mn est premier alors n lest vraie.
3. Malheureusement, la rciproque est fausse. En effet, si M11 = 211 1 = 2047. Or 2047 = 2389.
M11 nest pas premier mais 11 lest.

2 Divisibilit et nombres premiers

2 1 Thorme de Gauss et nombres premiers

Un nombre premier divise un produit de facteurs si et seulement si, il divise lun de ces
Thorme 16.10 facteurs.
p divise ab p divise a ou p divise b.

En particulier, si p premier divise une puissance ak , alors ncessairement p dvise a, do dcoule


que pk divise ak .
2 2 Consquences

a. Si un nombre premier p divise un produit de facteurs premiers, alors p est lun de ces
facteurs premiers.
Consquences 16.11 b. Soit p1 , p2 , . . . , pk des nombres premiers distincts et 1 , 2 , . . . , k des entiers naturels
non nuls. Si, pour tout 1 i k, pi i divise un entier n alors le produit p1 1 p2 2 pk k
divise aussi lentier n.

16.2. DIVISIBILIT ET NOMBRES PREMIERS 165


3 Dcomposition, diviseurs dun entier

3 1 Thorme fondamental de larithmtique

Tout entier n 2 peut se dcomposer de faon unique ( lordre des facteurs prs) en produit
Thorme 16.12 de facteurs premiers.
n = p1 1 p2 2 pmm .

Exemple 16.13. On dcompose 16758 en produit de facteurs premiers. Pour dcomposer un entier, on
effectue des divisions successives par des nombres premiers dans lordre croissant.

16758 2
8379 3
2793 3
931 7
133 7
19 19
1

On a donc : 16758 = 2 32 72 19.

On propose un algorithme qui permet de donner la dcomposition en facteurs premiers dun entier.
decompositionentier(n) fonction
local d,j,c,L;
L := []
d := 2;
j := 1;
c := 1;
tantque d <= sqrt(n) faire
si floor(n/d) = n/d alors
L[j-1] := d;
j := j+1;
n := n/d
sinon
d := d+c;
c := 2;
fsi
ftantque
L[j-1] := n;
retourne L;
ffonction:;

Il faut donc chercher les facteurs premiers dun entier n 2. On teste si d est un diviseur de n en
commenant par 2 puis les nombres impairs dans lordre croissant en appliquant le critre darrt

d n. On initialse n en prenant le quotient nd . Le dernier nombre qui ne vrifie pas le critre darrt
est alors premier et on le rajoute la liste des diviseurs. On peut tester le programme :
decompositionentier(16758)
[2,3,3,7,7,19]
decompositionentier(87616)
[2,2,2,2,2,2,37,37]
decompositionentier(77986545)
[3,5,7,13,19,31,97]

Exemple 16.14. Soit calculer PGCD(126, 735) et PPCM(126, 735).

166 LEON 16. NOMBRES PREMIERS


On dcompose les deux nombres :
126 2 735 3
63 3 245 5
21 3 49 7
7 7 7 7
1 1
On a donc :
126 = 2 32 7
735 = 3 5 72

On dtermine les facteurs communs pour le PGCD et les facteurs utiliss pour le PPCM :
PGCD(126, 735) = 3 7 = 21 et PPCM(126, 735) = 2 32 5 72 + 441.

3 2 Diviseurs dun entier

Soit un nombre n (n 2) dont la dcomposition en facteurs premiers est :

n = p1 1 p2 2 pmm .

Alors tout diviseur d de n a pour dcomposition :


Thorme 16.15
d = p1 1 p2 2 pmm

avec 0 i i et 1 i m. Le nombre de diviseurs N est alors :

N = (1 + 1)(2 + 1) (m + 1).

Exemple 16.16. Trouver le nombre de diviseurs de 120 puis dterminer tous ces diviseurs.
On dcompose 120 en facteurs premiers : 120 = 23 3 5. On a alors :
(3 + 1)(1 + 1)(1 + 1) = 4 2 2 = 16.
Il y a donc 16 diviseurs pour 120.
Pour dterminer tous ces diviseurs, on peut utiliser un tableau double entre en sparant les
puissances de 2 et les puissances de 3 et 5. On obtient alors :
20 21 22 23
30 50 1 2 4 8
31 50 3 6 12 24
30 51 5 10 20 40
31 51 15 30 60 120

On peut aussi utiliser un arbre pondr dont les coefficients sont les facteurs premiers possibles.
d120

1 2 4 8

1 3 2 6 4 12 8 24

1 5 3 15 2 10 6 30 4 20 12 60 8 40 24 120
Les 16 diviseurs de 120 sont donc :
D120 = {1, 2, 3, 4, 5, 6, 8, 10, 12, 15, 20, 24, 30, 40, 60, 120} .

16.3. DCOMPOSITION, DIVISEURS DUN ENTIER 167


3 3 Problmes

Exercice 16.17. Un entier naturel n a 15 diviseurs. On sait de plus que n est divisible par 6 mais pas
par 8.
Dterminer cet entier n.

Dveloppement

Solution. Lentier n a 15 diviseurs. Il faut donc connatre toutes les dcompositions de 15 en facteurs suprieurs 1. Il ny
a que 2 dcompositions soit en un seul facteur 15, soit en deux facteurs 3 5.
On sait que n est divisible par 6, il est donc divisible par 2 et par 3. Donc n admet 2 facteurs premiers. Comme 15 ne peut
dcomposer en plus de 2 facteurs, alors n ne peut admettre que 2 facteurs premiers 2 et 3. On a donc :

n = 2 3 .

Comme 15 = 3 5, on a alors :
(1 + )(1 + ) = 3 5.
On trouve alors deux solutions :
= 2 et = 4 ou = 4 et = 2.
3
On sait de plus que n nest pas divisible par 8 = 2 , donc est infrieur 3. n est donc :

n = 22 34 = 4 81 = 324.

Exercice 16.18. Dterminer le plus petit entier possdant 28 diviseurs.

Dveloppement

Solution. Trouvons toutes les dcompositions de 28 en facteurs suprieurs 1. On peut dcomposer en 1, 2 ou trois
facteurs :
28 ou 2 14 ou 4 7 ou 2 2 7
En 1 facteur : le plus petit entier n est alors n = 2 avec + 1 = 28, soit = 27.

n = 227 = 134217728.

En deux facteurs : 28 = 2 14. Le plus petit entier n est alors :

n = 2 3

aveec + 1 = 14 et + 1 = 2. On trouve alors : = 13 et = 1 donc

n = 213 3 = 24576.

Si on considre que 28 = 4 7, le plus petit entier n est alors :

n = 2 3

avec + 1 = 7 et + 1 = 4. On trouve alors : = 6 et = 3 donc :

n = 26 33 = 1728.

En trois facteurs : 28 = 2 2 7. Le plus petit entier n est alors :

n = 2 3 5

avec + 1 = 7, + 1 = 2 et + 1 = 2. On trouve alors : = 6, = 1 et = 1 donc :

n = 26 3 5 = 960.

Conclusion : le plus petit entier naturel ayant 28 diviseurs est 960. 

168 LEON 16. NOMBRES PREMIERS


4 Petit thorme de Fermat

4 1 Thorme, remarque et exemple

Soit un nombre premier p et un naturel a non multiple de p alors :


Thorme 16.19
ap1 1 (mod p).

Dveloppement

Dmonstration. Considrons les p 1 premiers multiples de a :


a, 2a, 3a, . . . , (p 1)a.
Considrons les restes de la division de ces multiples de a par p :
r1 , r2 , r3 , . . . , rp1 .
Ces restes sont deux deux distincts. En effet, sil existait deux restes identiques, soit ri et rj avec i > j alors :
ia ja ri rj (mod p)
a(i j) 0 (mod p)
donc (i j)a serait multiple de p, ce qui est impossible.
Si ces restes sont tous diffrents et quil y a p 1 multiples, on trouve tous les restes non nul possibles de la division
par p. Donc
r1 r2 rp1 = 1 2 3 (p 1) = (p 1)!
Si lon cherche le reste du produit de tous ces multiples, on obtient :
a 2a 3a (p 1)a (p 1)! (mod p)
p1
(p 1)!a (p 1)! (mod p)
p1
(p 1)!(a 1) 0 (mod p)
Comme (p 1)! nest pas un multiple de p car tous les facteurs sont infrieurs p, alors ap1 1 est donc un
multiple de p.
On a donc :
ap1 1 0 (mod p).
Le thorme est donc vrifi.


Remarque 16.20. Pour tout nombre premier p et pour tout a N, on a ap a (mod p).
En effet, si a nest pas multiple de p, en multipliant lquivalence du thorme de Fermat, on
obtient lquivalence ci-dessus. Si a est un multiple de p, on a alors : a 0 (mod p) et donc ap 0
(mod p).
Exemple 16.21. Prouver que, pour tout enter n, 7 divise 36n 1.

Dveloppement

Solution. 7 est premier et 6 nest pas un multiple de 7, donc daprs le petit thorme de Fermat, on a :
36 1 (mod 7).
Comme la congruence est compatible avec les puissances, on a :
36n 1 (mod 7)
donc 36n 1 est divisible par 7 pour tout n. 

16.4. PETIT THORME DE FERMAT 169


4 2 Nombre de Poulet
Soit n un entier (n 1) un nombre impair tel que 2n1 6 1 (mod n).
1. Montrer que n nest pas premier.
2. Prouver que 2340 1 (mod 341), mais que 341 nest pas premier.

Dveloppement

Solution.
1. Montrons que n est compos par la ontrapose : n est premier impair alors 2n1 1 (mod n). Si n est premier et
impair, alors 2 nest pas un multiple de n, daprs le thorme de Fermat, on a :

2n1 1 (mod n).

La contrapose est donc vrifie.


2. On sait que 210 = 1024 et 1024 = 341 3 + 1, donc 1024 1 (mod 341).

2340 = (210 )34

et donc
(210 )34 1 (mod 341).
Or on a : 341 = 11 31 et donc 341 nest pas premier.
La rciproque de la contrapose est fausse.


Nombre de Poulet
Dfinition 16.22
Un nombre de Poulet est un nombre n, non premier, tel que 2n1 1 (mod n).

Le nombre 341 est un nombre de Poulet.

170 LEON 16. NOMBRES PREMIERS


17
LEON

Congruences dans Z

Niveau : Terminale S
Prrequis : division euclidienne, nombre premiers, nombres premier entre eux, tho-
rme de Bzout, thorme de Gauss, thorie de groupes et danneaux.
1 Premires dfinitions

Congruence
Dfinition 17.1 Soient n N et a, b Z. On dit que a est congru b modulo n si n | a b. On note alors
a b (mod n).

Exemples 17.2.
1. 11 1 (mod 5) car 5 | 11 1.
2. 25 4 (mod 7) car 7 | 25 4.

Soient n N et a, b Z. On dit que a est congru b modulo p, si a et b ont le mme reste


Dfinition 17.3
dans la division euclidienne par p.

Nous avons donn deux dfinitions de congruence. On montre quelles sont quivalentes.
Dveloppement

Dmonstration.
Supposons que a et b ont le mme reste r dans la division euclidienne par p. On peut donc crire

a=pk+r et b = p k0 + r avec k, k 0 Z, r N et 0 r p.

donc
b a = p k 0 + r (p k) + r = p k 0 p k = p(k 0 k).
k 0 k tant un entier relatif, on en dduit que b a est multiple de p.
Supposons que b a est multiple de p, on peut crire b a = k p avec k Z. On note q et r le quotient et le reste
de la division euclidienne de b par p. On a donc b = p q + r. Alors, en remplaant dans lgalit b a = k p,
on obtient
p q + r = a = kp.
Donc
A = p q + r kp = p(q k) + r
q k est un entier relatif et r est un entier naturel tel que 0 r < p. On en dduit que r est le reste de la division
euclidienne de a par p. Donc a et b ont le mme reste dans la division euclidienne par p.


1. Si a b (mod p) et b c (mod p) alors a c (mod p).


2. Si a b (mod p) et si a0 b0 (mod p) alors
a + a0 b + b0 (mod p),
aa0 bb0 (mod p),
Proprits 17.4 an bn (mod p), n N .
3. Si a b (mod p) alors, pour tout c Z,
a + c b + c (mod p),
a c b c (mod p),
ac bc (mod p).

Dveloppement

172 LEON 17. CONGRUENCES DANS Z


Dmonstration des proprits 17.4.
1. Si a b (mod p) et b c (mod p) alors a et b ont le mme reste dans la division euclidienne par p et b et c ont le
mme reste dans la division euclidienne par p donc a et c ont le mme reste dans la division euclidienne par p et par
consquent a c (mod p).
2. Si a b (mod p) et si a0 b0 (mod p) alors b a est un multiple de p et b0 a0 est un multiple de p. On en dduit,
daprs les proprits des multiples que (b a) + (b0 a0 ) et (b a) (b0 a0 ) sont des multiples de p, cest--dire
(b + b0 ) (a + a0 ) et (b b0 ) (a a0 ) sont des multiples de p donc :

a + a0 b + b0 (mod p) et a a0 b b0 (mod p).

Dautre part, puisque b a est un multiple de p, a0 (b a) est un multiple p et puisque b0 a0 est un multiple
de p, b(b0 a0 ) est un multiple de p et par consquent a0 (b a) + b(b0 a0 ) est un multiple de p, cest--dire
a0 b a0 a + bb0 ba0 est un multiple de p donc bb0 aa0 est un multiple de p donc

aa0 bb0 (mod p).

Enfin considrons, pour n N , la proposition P (n) : an bn (mod p). Pour n = 1, on a a1 = 1et b1 = b et


on sait que a b (mod p) donc P (1) est vraie. Supposons la proposition P (n) vraie pour un entier n 1 alors
an bn (mod p) et comme on a aussi a b (mod p), on peut en utilisant la proprit prcdente justifier que
an a bn b (mod p) soit an+1 bn+1 (mod p), cest--dire la proposition P (n + 1) est vraie. On a donc
dmontr par rcurrence que P (n) est vraie pour tout entier n 1.
3. Si a b (mod p) alors b a est un multiple de p mais on peut crire :

b a = (b + c) (a + c)

donc (b + c) (a + c) est un multiple de p, donc

a + c b + c (mod p) pour tout c Z

De mme, on peut crire b a = (b c) (a c) donc

a c b c (mod p) pour tout c Z.

Dautre part, puisque b a est un multiple de p alors, pour tout c Z, c(b a) est un multiple de p, cest--dire
bc ac est un multiple de p donc
ac bc (mod p) pour tout c Z.


Exemples 17.5.
1. On dmontre que, pour tout n N, 10n (1)n est divisible par 11. On peut crire 10 1
(mod 11) donc pour tout n N, 10n (1)n (mod 11) et ainsi, 10n (1)n est divisible
par 11.

2 Complments : lanneau Z/nZ

Proposition 17.6 La relation de congruence modulo n est une relation dquivalence

Dveloppement

Dmonstration. Les proprits de reflexivit, symtricit et transitivit sont dmontrs dans la section prcdente. 

Remarque 17.7. Soit a Z. On note a la classe dquivalence de a pour cette relation, cest--dire :

a = {b Z, a b (mod n)} .

17.2. COMPLMENTS : LANNEAU Z/N Z 173


Z/nZ
Dfinition 17.8 Lensemble des classes dquivalence de Z par cette relation est lensemble quotient not
Z/nZ.

Pour tout a Z, il existe un unique r Z tel que :


(
Consquence 17.9 0r<n
a=r

Dveloppement

Dmonstration.
Existence Soit a Z, il existe (q, r) Z2 tel que :
(
a = qn + r
0rn

Or, a r (mod n) car r = 0n + r et 0 r < n, donc a = r. En effet,


a = {b Z, b a (mod n)} = {b Z, b r (mod n)} = r.

Unicit Supposons quil existe un autre r0 Z tel que 0 r0 < n et r0 = a donc |r r0 | < n et r = r0 , cest--dire
r r0 (mod n) ou il existe k Z tel que r r0 = nk. Do : |r r0 | = n |k| < n donc |k| < 1 car n > 0, donc
k = 0 cest--dire r = r0 .



Z/nZ = 0, . . . , n 1
Proposition 17.10
et card(Z/nZ) = n.

Dveloppement


Dmonstration. Daprs ce qui prcde, Z/nZ  0, . .
. , n 1 . En effet, soit a Z, a Z/nZ alors il existe r Z
tel que 0 r < n et r = a, donc a = r 0, . . . , n 1 donc :

0, . . . , n 1, Z/nZ,

cest--dire Z/nZ = 0, . . . , n 1 .
De plus, soit a {0, . . . , n 1}. Il existe r Z tel que 0 r < n et r = a et ce r est unique donc a = r.
Ainsi : (
a a (mod n)
pour tout i {0, . . . , n 1} tel que i 6= a
a 6 i (mod n)
cest--dire : (
aa
pour tout i {0, . . . , n 1} tel que i 6= a
ai

donc les lments de 0, . . . , n 1 sont deux deux distincts. 

On dfinit deux lois de composition interne sur Z/nZ tel que pour tout (a, b) Z2 :
(
a+b=a+b
Thorme 17.11
ab=ab

(Z/nZ, +, ) est un anneau commutatif unifre.

174 LEON 17. CONGRUENCES DANS Z


Dveloppement

Dmonstration. La loi :
+ : Z/nZ Z/nZ Z/nZ
(a b) 7 a + b = a + b
est une loi de composition interne, car cest une application Z/nZ Z/nZ dans Z/nZ (cela provient du fait que la relation
de congruence est compatible avec laddition). De plus, cette application est indpendante du reprsentant choisi.
(Z/nZ, +, ) est un anneau commutatif unifre provient du fait que (Z, +, ) est un anneau commutatif unifre. 

Remarques 17.12.

a. Z/1Z = 0 nest pas unitaire.
b. Z/6Z nest pas intgre. 3 et 2 Z/6Z donc 3 2 = 6 = 0 mais 3 6= 0 et 2 6= 0.

Thorme 17.13 Soit m N \ {0}. PGCD(m, n) = 1 si et seulement si m est un lment inversible de Z/nZ.

Dveloppement

Dmonstration.
() PGCD(m, n) = 1, donc daprs le thorme de Bzout, il existe (u, v) Z2 tel que un + vm = 1, donc :

un+vm=1vm=1

car n = 0 donc m est inversible dans Z/nZ.


() Soit m Z/nZ tel que il existe a Z/nZ et a m = 1 donc am = 1 et ainsi am 1 (mod n). Il existe docn
k Z tel que a m kn = 1, cest--dire PGCD(n, m) = 1.


Corollaire 17.14 (Z/nZ, +, ) est un corps si et seulement si n est premier.

Dveloppement

Dmonstration.

(Z/nZ, +, ) est un corps m Z/nZ, m est inversible et m 6= 0


m Z, PGCD(m, n) = 1 et n ne divise pas m
n est premier.

Remarque 17.15. Lensemble des lments de (Z/nZ, ) est un groupe.

Thorme 17.16 Soit m N \ {0}. PGCD(m, n) = 1 si et seulement si m engendre (Z/mZ, +).

Dveloppement

Dmonstration.

17.2. COMPLMENTS : LANNEAU Z/N Z 175


() m engendre (Z/nZ, +) signifie que
G(m) = {km, k Z} =
Il suffit de dmontrer que 1 G(m) afin davoir (Z/nZ, +) G(m). En effet,si 1 G(m), alors soit x Z/nZ.
x = 1 x G(m) car 1G(m) et x Z/nZ Z.
Par hypothse, PGCD(n, m) = 1, donc daprs le thorme de Bzout, il existe (u, v) Z2 tel que nu + mv = 1,
donc nu + mv = 1. Or n = 0 donc 1 = vm G(m) car v Z/nZ Z.
Montrons que (Z/nZ, + G(m). Soit x G(m). Il existe k Z tel que x = km donc

x = m + + m Z/nZ
| {z }
k fois

car (Z/nZ, +) est un groupe.


() Comme m engendre (Z/nZ, +), on a donc G(m) = (Z/nZ, +). Or 1 Z/nZ, donc il existe k Z tel que 1 = km
donc km 1 (mod n) donc il existe k 0 Z tel que km k 0 n = 1, cest--dire PGCD(m, n) = 1.


(Z/nZ, +) est un groupe cyclique dordre n. Ce groupe est engendr par la lasse de tout
Corollaire 17.17
entier p premier avec n.

Dveloppement

Dmonstration. (Z/nZ, +) est un groupe fini dordre n et monogne car 1 est gnrateur.
Daprs ce qui prcde, si PGCD(p, n) = 1 alors p engendre (Z/nZ, +). 

3 Applications

3 1 Petit thorme de Fermat

Petit thorme de Fermat


Thorme 17.18 Soit p un nombre premier et a un entier naturel premier avec p alors ap1 1 est divisible
par p. En dautres termes ap1 1 (mod p).

Dveloppement

Dmonstration du thorme 17.18. p ne divise aucun nombre de la suite a, 2a, . . ., (p1)a. En effet, daprs le thorme
de Gauss, si p divisait un de ces produits ka, p diviserait k puisque a et p sont premiers entre eux. Ceci est impossible
puisque 1 < k < p.
De plus, les restes des divisions de a, 2a, . . ., (p 1)a par p sont tous diffrents. Si on trouvait des restes identiques pour
ka et k 0 a (k > k 0 ) alors le reste de (k k 0 )a par p serait nul, ce qui est impossible daprs ce qui prcde. Donc, lordre
prs des facteurs les restes de a, 2a, . . ., (p 1)a par p sont 1, 2, . . . , p 1.
Par consquent la division du produit a 2a (p 1)a par p a pour reste le produit 1 2 (p 1) et donc
a 2a (p 1)a qui scrit encore

ap1 2 (p 1) 2 3 (p 1) (mod p).

Il existe donc un entier relatif k tel que

(ap1 1)(1 2 3 (p 1)) = kp.

Comme p est premier avec 1 2 (p 1) daprs le thorme de Gauss, p divise ap1 1. ap1 est donc congru
1 modulo p. 

176 LEON 17. CONGRUENCES DANS Z


Corollaire 17.19 Soit p un nombre premier et a un entier quelconque alors ap a (mod p).

Dveloppement

Dmonstration du corollaire 17.19. Daprs ce qui prcde, si a et p sont premiers entre eux, ap1 1 est congru 0
modulo p. Sinon, p tant premier, a est congru 0 modulo p. On a donc soit ap1 1 (mod p) soit aP a 0 (mod p)
et par consquent dans les deux cas ap a (mod p). 

3 2 Le cryptage RSA
Le cryptage RSA (du nom des inventeurs, Ronald Rivest, Adi Shamir et Leonard Adleman) est
intressant car la cl de cryptage est publique et il na donc pas de risques lis lenvoi de la cl et
au procd de codage des donnes. Bob, comme tout le monde, peut crypter et envoyer un message.
Par contre, seul la destinataire, Alice, qui connat la cl prive correspondante pourra reconstituer le
message initial.
Alice, la destinataire rend publique deux nombres n et c o n est le produit de deux grands nombres
premiers p et q quelle est seule connatre, o c est un entier premier avec le produit (p 1)(q 1)
compris entre 2 et (p 1)(q 1).
Pour coder le message Bonjour , par exemple, on commence par remplacer les lettres par leurs
positions dans lordre alphabtique, ce qui donne
02 15 14 10 15 21 18.
Si on utilise n = 10573 = 97 109, on peut regrouper les chiffres par 4 sans risquer de dpasser n.
Ce qui donne 0215 1410 1521 0018. Pour chaque nombre a de la srie, on dtermine alors b, reste de
la division de ac par n. On obtient alors dans ce cas avec c = 5 la srie :
9131 7391 0690 7574.
Cest cette srie de nombres quenvoie Bob Alice.
Alice qui connat les deux facteurs premiers de n (ici p = 97 et q = 109) dtermine alors facile-
ment le nombre entier d vrifiant 1 < d < (p 1)(q 1) et tel que
cd 1 (mod (p 1)(q 1)).
Ici d = 6221.
Alice peut alors retrouver la srie initiale de nombres car, pour chaque entier b de cette srie, on
dmontre de bd est congru a modulo n.
Lintrt pour Alice est bien sr davoir un nombre n produit de deux nombres premiers trs
grands de faon ce que les calculateurs mme les plus rapides ne puissent pas trouver en un temps
suffisammment court les deux facteurs premiers ncessaires pour calculer d.
On note dautre part que c et d jouent le mme et sont interchangeables. Ainsi Alice peut dcider
de coder elle-mme un message en utiliser sa cl prive d = 6621. Bob dcryptera alors aisment
ce message avec la cl publique c. Le message envoy Bob constitue en fait une signature du mes-
sage dAlice. En effet, si Bob russit dcrypter sans problme le message laide de la cl c, cest
que ce message a t cod avec la cl prive d connue dAlice seule et cela suffit pour en garantir
lauthenticit.
On donne quelques proprits permettant de justifier la robustesse de la mthode RSA.

Soient p et q deux nombres premiers. Si c, tel que 1 < c < (p 1)(q 1), est premier avec
le produit (p 1)(q 1) alors il existe un unique d tel que 1 < d < (p 1)(q 1) et vrifiant
Proprit 17.20
cd 1 (mod (p 1)(q 1).)

Dveloppement

17.3. APPLICATIONS 177


Dmonstration de la proprit 17.20. Si c et (p 1)(q 1) sont premiers entre eux, il existe, daprs le thorme de
Bzout, deux entiers relatifs u0 et v0 tels que u0 c + v0 (p 1)(q 1) = 1. Par suite (u, v) est solution de

uc + v(p 1)(q 1) = 1

si et seulement si il existe un entier relatif k tel que

u = u0 k(p 1)(q 1) et v = v0 + kc.

Soit donc k tel que u soit le plus petit des entiers positifs. Dans ces conditions

uc = 1 v(p 1)(q 1) 1 (mod (p 1)(q 1))

et le nombre d recherch est par consquent gal u.


Il est unique car sil en existait un autre, d0 , alors on aurait

c(d d0 ) 0 (mod (p 1)(q 1)).

Comme c est premier avec (p 1)(q 1), alors, daprs le thorme de Gauss,

d d0 0 (mod (p 1)(q 1)).

Mais comme on a 1 < d < (p 1)(q 1) et 1 < d0 < (p 1)(q 1) et bien, on peut avoir que d = d0 . 

Dans les conditions prcdentes, si p et q sont diffrents et si b ac (mod pq) alors bd a


Proprit 17.21
(mod pq).

Dveloppement

Dmonstration de la proprit 17.21. Si b ac (mod pq) alors bd acd (mod pq) et cd 1 (mod (p 1)(q 1)).
Il existe donc un entier k 0 tel que cd = 1 + k(p 1)(q 1). On obtient donc
q1 k
 
acd = a (ap1 ) .

Si a est divisible par p alors de faon vidente, acd a 0 (mod p), sinon, daprs le petit thorme de Fermat,
ap1 1 (mod p) do acd a (mod p). De mme acd a (mod q). Il existe donc deux entiers k et k 0 tels que
acd = a + kp et acd = a + k 0 q. Ainsi kp = k 0 q, entier qui se trouve donc tre multiple de pq puisque p et q sont des
nombres premiers diffrents. On obtient donc dans ces conditions acd a (mod pq). 

3 3 Le numro INSEE
Le numro INSEE ou numro de Scurit Sociale est form de 15 chiffres dtermins, pour chaque
individu de la faon suivante :
1 chiffre pour le sexe : Homme (1) et Femme (2)
2 chiffres correspondants aux deux derniers chiffres de lanne de naissance
2 chiffres correspondant au mois de naissance
2 chiffres correspondant au dpartement de naissance
3 chiffres correspondant la commune de naissance
3 chiffres correspondant au numro dinscription sur le registre des naissances
2 chiffres correspondant une cl de contrle. La cl de contrle est ainsi dtermine de la
manire suivante : On prend le nombre form par les 13 premiers chiffres, on cherche son reste
r dans la division par 97, la cl est alors gale au nombre 97 r crit avec deux chiffres (le
premier tant ventuellement un 0.
Exemple 17.22.
1. Vrifier la cl de contrle associe au numro 2 85 05 33 565 001 89
2. On change le dixime chiffre 5 par le chiffre 9 . Montrer qualors la cl de contrle permet
de dtecter lerreur.

178 LEON 17. CONGRUENCES DANS Z


3 4 Thorme chinois

Soit (n, m) (Z \ {0, 1})2 tel que PGCD(m, n) = 1. Soit (a, b) Z2 . Alors
(
x a (mod n)
()
Thorme 17.23 x b (mod m)

admet au moins une solution dans Z.


Si, de plus, x0 Z est une solution particulire de , alors lensemble des solutions S est
{x0 + knm, k Z}.

Dveloppement

Dmonstration. Soit x (). Si x0 Z tel que :


(
x0 a (mod n)
x0 b (mod m)

alors (
x0 x (mod n)
x0 x (mod m)

Il existe (k, k 0 ) Z2 tel que nk = x0 x et mk 0 = x0 x. Daprs le thorme de Gauss, n | k 0 car PGCD(n, m) = 1.


Il existe l Z tel que k 0 = ln, donc x0 x = lmn, cest--dire

S {x0 + lmn, l Z} .

Soit x = x0 + lmn, o l Z. On a x x0 (mod n) et x x0 (mod m). Ainsi on obtient lgalit.


Montrons que S =6 . (
xm am (mod mn)
(??)
xn bn (mod nm)
donc x(m n) am bn (mod nm). Dans Z/nZ, on a :

x m n = am bn.

Si m n est inversible dans Z/mnZ \ {0}, alors on a une solution :


1
x = am bnm n

puisquil existe k Z tel que x(m n) = am bn + lmn donc m(x a) = n(b + km + x) donc n divise x a (car
PGCD(n, m) = 1 et b + km + x Z). De faon analogue, x b (mod m).
Montrons que m n est inversible dans Z/mnZ, cest--dire PGCD(m n, mn) = 1. Comme PGCD(m, n) = 1, on
a PGCD(m n, n) = 1 = PGCD(m n, m), daprs le thorme de Bezout. En effet, il existe (u, v) Z2 tel que
nu + mv = 1 donc :
(m n)v + (u + v)n = 1
donc PGCD(m n, n) = 1 car u + v Z.
Par suite, PGCD(m n, mn) = 1 car si d = PGCD(m n, mn). Soit d0 tel que d0 | mn et d0 | m n, d est un
diiviseur premier de d. Comme PGCD(m, n) = 1, d0 divise m ou n (par ex., d0 | n. Or d0 | m n, donc d0 | m. Ainsi
d0 | PGCD(m, n) et d0 = 1 (ce qui est absurde. Comme d na pas de diviseur premier, d = 1. 

Exemple 17.24. Rsoudre dans Z :


(
x 3 (mod 5)
a.
x 1 (mod 6)
(
x 2 (mod 8)
b.
x 3 (mod 6)

17.3. APPLICATIONS 179


Dveloppement

Solution.
a. On multiple la premire ligne par 6 et la deuxime par 6 :
(
6x 18 (mod 30)
5x 5 (mod 30)

donc 6x 5x = x 13 (mod 30).


Rciproquement, si x 13 (mod 30) alors il existe k Z tel que x 13 = 5 6k donc x 13 (mod 5). Or
13 3 (mod 5), donc x 3 (mod 5). De plus,

x 13 1 (mod 6).

Ainsi, lensemble des solutions est : {x Z, x 13 (mod 5)}.


b. On arriverait x 6 (mod 24). Rciproquement, il existe k Z tel que x 6 = 24k = 8 3k, donc x 6
(mod 8) mais 6 6 2 (mod 8) ou x 6 0 (mod 6) mais 3 6 0 (mod 6). Il ny a donc pas de solution.


3 5 Critres de divisibilit
On note :
N = an an1 . . . a0 10 = 10n an + + a0 .

1. Par 9
Soit k N [1 , n].
10k ak = (10k 1)ak + ak = 9bk ak + ak
o bk = j 10j (1)kj1 .
P

Donc : N est divisible par 9 si la somme des chiffres de N est divisible par 9.

2. Par 3
3 divise N si et seulement si N 0 (mod 3) si et seulement ak 0 (mod 3) car 3 divise :
P

(10n 1)an + + (10 1)a1 .

3. Par 5, 2 et 10
Un nombre N est divisible par 2 si son chiffre des units est 0, 2, 4, 6, 8.
Un nombre N est divisible par 5 si son chiffre des units est 0 et 5.
Un nombre N est divisible par 10 si son chiffre des units est 0.

4. Par 11
x

11 | N N 0 (mod 11)
X
k
(1) ak 0 (mod 11)
k
X X
aj aj 0 (mod 11)
j pair j impair

180 LEON 17. CONGRUENCES DANS Z


18
LEON

quations du second
degr coefficients
rels ou complexes

Niveau : Premire S (mise sous forme canonique, coef rels, rsolution dans R) ; Termi-
nale S (coef rels, rsolution dans C) ; BTS groupement A (coef complexes).
Prrequis : nombres complexes, dfinition et proprits, polynme, trinme, rsolution
dquations, fonctions du second degr.
1 Premires dfinitions et mise sous forme canonique

1 1 Dfinition dune quation du second degr

On appelle quation du second degr coefficients rels (resp. complexes), une quation du
Dfinition 18.1 type
ax2 + bx + c = 0 avec (a, b, c) R3 (resp. C3 ), a 6= 0 (E)

Exemple 18.2. 2x2 3x + 1 = 0 est une quation du second degr coefficients rels.

1 2 Mise sous forme canonique

Pour tout trinme f : ax2 + bx + c avec a 6= 0 et (a, b, c) R3 , il existe deux nombres et


tels que :
Thorme 18.3 f (x) = a[(x )2 ].
Cette criture est appele forme canonique.

Dveloppement

Dmonstration. Comme a 6= 0, on peut crire


 
2 2 b c
ax + bx + c = a x + x + .
a a
b 2
avec x2 + ab x. En effet

On reconnat le dbut du dveloppement de x + 2a
 2  2
b b b
x+ = x2 + x + ,
2a a 2a
do  2  2
b2 b b
x + x= x+ .
a 2a 2a
Ainsi :
" 2 #
b2 b2 4ac
  
2 b c b
ax + bx + c = a x+ 2+ =a x+
2a 4a a 2a 4a2
b b2 4ac
= a[(x )2 ] avec = et =
2a 4a2


Exemple 18.4. Mettre sous forme canonique 2x2 6x 1.

Dveloppement

Solution. On a :  
2 2 1
2x 6x 1 = 2 x 3x .
2
2
x2 3x est le dbut du dveloppement de x 32 .
 2
3 9
x = x2 3x +
2 4
 2
3 9
x2 3x = x .
2 4

182 LEON 18. QUATIONS DU SECOND DEGR COEFFICIENTS RELS OU COMPLEXES


Ainsi :
  " 2 #
1 39 1
2 x2 3x =2 x
2 24 2
" 2 #
3 11
=2 x .
2 4

3 11
et on trouve : = 2 et = 4 .


2 Rsolution dans C des quations du second degr coefficients rels

2 1 Discriminant

Dfinition 18.5 On appelle discriminant de lexpression ax2 + bx + c, avec a 6= 0, le nombre = b2 4ac.

2 2 Rsolution

Soit lquation ax2 + bx + c = 0, avec a 6= 0, de discriminant .


Si > 0 lquation a deux sollutions relles distincts x1 et x2 :

b b +
x1 = et x2 =
2a a
Thorme 18.6 On a : ax2 + bx + c = a(x x1 )(x x2 ).
b
Si = 0 lquation admet une solution x0 = 2a .
Si < 0 alors lquation admet deux solutions complexes conjugues :

b i b + i
x1 = x2 = .
2a 2a

Dveloppement

Dmonstration. Soit lquation ax2 + bx + c = 0 (avec a 6= 0 et (a, b, c) R3 ). Lquation scrit :


" 2 #
b b2 4ac
a x+ = 0.
2a 4a2

On pose = b2 4ac, elle scrit donc " #


2
b
a x+ 2 = 0,
2a 4a

soit rsoudre :
b 2
 

x+ 2 =0
2a 4a
car a 6= 0.

Si > 0 alors est le carr de :
 2 !2 ! !
b b b
x+ = x+ + x+ .
2a 2a 2a 2a 2a 2a

18.2. RSOLUTION DANS C DES QUATIONS DU SECOND DEGR COEFFICIENTS RELS 183
Lquation scrit :
! !
b b
x+ + x+ = 0.
2a 2a 2a 2a

b b
Donc soit x + 2a + 2a = 0 ou soit x + 2a = 0 et ainsi :
2a

b b +
x= ou x = .
2a 2a
b 2 b 2 b
  
Si = 0 alors x + 2a 4a2 = 0 scrit x + 2a = 0. Ce carr est nul si et seulement si, x + 2a = 0, soit
b
x = 2a .

i
Si < 0 pas de solutions rels mais en passnat par les complexes, 4a2 est le carr de 2a et lon revient au cas > 0.


2 3 Exemples de rsolution

Exemples 18.7.
1. Rsoudre 2x2 5x 4 = 0.
2. Rsoudre, dans C, 2z 2 + 10z + 25 = 0.

Dveloppement

Solution.
1. Soit rsoudre 2x2 5x 4 = 0. Le discriminant de lexpression 2x2 5x 4 est = 25 + 4 4 2 = 25 + 32 =
57 > 0. Donc lquation 2x2 5x 4 = 0 admet deux solutions :

5 + 57 5 57
x1 = et x2 = .
4 4
2. Soit rsoudre 2z 2 + 10z + 25 = 0. Le discriminant de lexpression 2z 2 + 10z + 25 est = 102 4 25 2 =
100 < 0. Il y a donc deux racines complexes :
10 + 10i 5 5 5
z1 = = + i = (1 + i)
22 2 2 2
10 + 10i 5 5
z2 = = i.
22 2 2
Ne nous arrtons pas en si bon chemin. Calculons la forme exponentielle de z1 et z2 . Tout dabord, on calcul le
module de z1 et z2 :
5p 2 2
5 2
|z1 | = |z2 | = 1 + (1) = .
2 2
On calcule maintenant largument 1 de z1 :
5

z1 i1 2 (1 + i) 2 2
= cos 1 + i sin 1 = e = 5
= +
|z1 | 2 2
2 2
donc : )
2 3
cos 1 =
2 1 = (mod 2).
sin 1 = 22 4
Donc :
5 2 3i/4
z1 = e .
2
Pour z2 , son argument 2 est tel que :
5

z2 2 (1 i) 2 2
= cos 2 + i sin 2 = ei2 = 5
= i
|z2 | 2 2
2 2
donc )
cos 2 = 22 3
2 = (mod 2)
sin 2 = 22 4
et ainsi,
5 2 3i/4
z2 = e .
2


184 LEON 18. QUATIONS DU SECOND DEGR COEFFICIENTS RELS OU COMPLEXES


3 Applications

3 1 Nombres conscutifs
Dterminer deux nomrbes entiers relatifs conscutifs dont la somme des carrs est 221.
Dveloppement

Solution. On forme lquation :

n2 + (n + 1)2 = 221 n2 + n2 + 2n + 1 = 221 2n2 + 2n + 1 = 221


2n2 + 2n 220 = 0 n2 + n + 110 = 0

Le discriminant de lexpression n2 + n + 110 est = 1 + 4 110 = 441 > 0, do = 441 = 21 et il y a deux
solutions pour lquation n2 + n + 110 = 0 :
1 + 21 1 21
n1 = = 11 et n2 = = 10.
2 2


3 2 Primtre et diagonale dun rectangle


Soit ABCD un rectangle dont la diagonale [BD] mesure 15 cm et le primtre P du rectangle
vaut 42 cm. Quels sont les dimensions du rectangle ABCD ?

D C

15 cm

A B

PABCD = 45 cm

Dveloppement

Solution. Soit L la longueur du rectangle (ce qui correspond la mesure du ct [AB]) et ` la largueur du rectangle (ce
qui correspond la mesure du ct [AD]). ` et L vrifient le systme dquations suivant :

2(` + L) = 42
( (
2 2 2
` + L = 21 L = 21 `
` + L = 15 (daprs le thm. de Pythagore) 2 2 2

` + L = 15 `2 + (21 `)2 = 225 (2)
(`, L 0, ` < L)

On rsoud lquation (2) :

(2) `2 + (21 `)2 = 225 `2 + `2 42` + 441 225 = 0


2`2 42` + 216 = 0 `2 21` + 108 = 0.

Le discriminant de lexpression `2 21` + 108 est = 441 432 = 9 > 0 donc = 3 et lquation (2) admet deux
solutions : ( (
`1 = 21+3
2 = 24
2 = 12 `2 = 213
2 = 18
2 =9
et
L1 = 21 12 = 9 L2 = 21 9 = 12.
Or L > `, donc les dimensions du rectangle ABCD sont ` = 9 cm et L = 12 cm. 

18.3. APPLICATIONS 185


3 3 Nombre dor
Soit R un rectangle. On note Q(R), le rapport de la longueur avec la largueur du rectangle R. Soit
R1 le rectangle ABCD de longueur L et de largueur `. On trace un carr AEF D (quon nomme C)
avec E [AB] et F [CD] puis on obtient le rectangle EBCF (quon nomme R2 ). On dit que R1
est un rectangle dor si Q(R1 ) = Q(R2 ) (on notera = Q(R1 )). Quelle est la valeur exacte de ?

R1 = ABCD
C = AEF D
R2 = EBCF
D F C

A E B

Dveloppement

Solution. On forme lquation :

L ` L(L `)
Q(R1 ) = Q(R2 ) = =1
` L` `2
L2 L` = `2 L2 L` `2 = 0

L
On note = `, on peut diviser par `2 (car ` 6= 0) :

L2 L
1 = 0 2 1 = 0.
`2 `

Le discriminant de lexpression 2 1 est = 1 + 4 = 5 > 0. Donc :



1+ 5
= 0.
2

noter quon trouve une autre solution de lquation :



= 1 5 < 0.

2

L
Comme le rapport ` est positif, on prend juste la valeur de . 

3 4 Intersection dune parabole et une droite


Soit
f : R R g : R R
2 et .
x 7 x2 x 1 x 7 x + 1

On note Cf (resp. Cg ) la courbe reprsentative de la fonction f (resp. g). Quels sont les coordonnes
des points dintersection de Cf et Cg ?

186 LEON 18. QUATIONS DU SECOND DEGR COEFFICIENTS RELS OU COMPLEXES


6 B

3 2 1 0 1 2 3 4 5

Dveloppement

Solution. On cherche les coordonnes des points dintersections A et B des courbes Cf et Cg . Trouver les coordonnes
des points dintersections revient rsoudre lquation f (x) = g(x).
x2
f (x) = g(x) x1=x+1
2
2x2 2x 2 = x + 1 2x2 3x 3 = 0

Le discriminant de lexpression 2x2 3x 3 est = 9 + 4 3 2 = 33 > 0. Donc = 33 et lquation admet deux
solutions : ( (
xA = 3+ 4
33
x B = 3 33
4

et .
yA = 7+4 33 yB = 74 33


4 Rsolution dquations du second degr coefficients complexes

4 1 Rsolution

Lquation az 2 + bz + c = 0 avec (a, b, c) C3 et a 6= 0 admet deux solutions (distinctes ou


confondues) :
Thorme 18.8 b b +
z1 = et z2 =
2a 2a
o 2 = = b2 4ac.

Dveloppement

Dmonstration. Soient a, b, c C et a 6= 0. On considre lquation :


az 2 + bz + c = 0. (18.1)
On met lquation (18.1) sous la forme canonique :
 
b c
(18.1) a z 2 + z + =0
a a
2 2
b2 b2 4ac
 
b c b
a z+ + 2 =0 z+ = .
2a a 4a 2a 4a2

18.4. RSOLUTION DQUATIONS DU SECOND DEGR COEFFICIENTS COMPLEXES 187


On pose = b2 4ac et w = z + 2b . Do :

(18.1) w2 = .
4a2
Soit une racine carre de , les deux solutions de (18.1) sont donc :
b + b
z1 = , z2 = .
2a 2a


4 2 Un exemple
Rsoudre iz 2 (3 + 8i)z + 13 + 13i = 0.
Dveloppement

Solution. On obtient :

= (3 + 8i)2 4i(13 + 13i) = 9 + 48i 64 13 4(i(1 + i))


= 55 + 48i 52(i 1) = 55 + 52 + 48i 52i = 3 4i.
2
On cherche = a + ib tel que 2 = 3 4i. On a : 2 = a2 b2 + 2iab et || = a2 + b2 . De plus || = 9 + 16 = 5.
On en dduit :
2 2 2
a + b = 5
a = 1

a2 b2 = 3 do b2 = 4

2ab = 4 ab = 2

On trouve ainsi les racines de :


1 = 1 2i et 2 = 1 + 2i.
Do :
(3 + 8i) (1 + 2i) 4 + 6i
z1 = = = 3 2i;
2i 2i
(3 + 8i) + (1 + 2i) 2 + 10i
z2 = = = 5 + i.
2i 2i


188 LEON 18. QUATIONS DU SECOND DEGR COEFFICIENTS RELS OU COMPLEXES


19
LEON

Module et argument
dun nombre
complexe

Niveau : Terminale S
Prrequis : construction de C (rappel en premire partie), partie relle / partie imagi-
naire, conjugu dun nombre complexe, affixe dun point et dun vecteur, congruences,
fonctions trigonomtriques, angles et cocyclicit, quations diffrentielles
Dveloppement

1 Petit rappel sur les nombres complxes

Considrons lquation x2 = 1. Cette quation a deux solutions dans R qui sont 1 et 1. Mais si on remplace dans
lquation 1 par 1 ? On est un peu embt car aucun nombre rel admet un carr ngatif. Alors, dcidons que i serait une
des solutions de cette quation, cest--dire que i2 = 1. Lquation aurait donc deux solutions (i et i) dans un autre
ensemble de nombres car x2 + 1 = 0 quivaudrait x2 i2 = 0 ou soit (x i)(x + i) = 0.

On dfinit lensemble des complexes :

Dfinition 19.1 C = {a + ib, a, b R}

avec i2 = 1.

Remarque 19.2. On peut aussi identifier C comme R2 , cest--dire que un point M (a, b), on peut lui faire correspondre
un z = a + ib et vice et versa. On dira que z = a + ib est laffixe du point M (a, b).

Partie relle et partie imaginaire


Dfinition 19.3 Soit z = a + ib C. Le rel a sappelle la partie relle de z et b la partie imaginaire. On
note a = Re(z) et b = Im(z).

Imaginaire pur
Dfinition 19.4 On dit quun nombre complexe est imaginaire pur si sa partie relle est nulle (cest--dire il
scrit z = bi o b R).

Conjugu dun nombre complexe


Dfinition 19.5 Soient a et b deux nombres rels. Le nombre complexe conjugu de z = a + ib est le nombre
complexe z = a ib.

Exemple 19.6. Soit z = 9 4i. Son conjugu est z = 9 + 4i.

Soit z C.
a. Re(z) = Re(z) ;
b. z + z = 2 Re(z) ;
Proprits 19.7
c. z z = 2i Im(z) ;
d. z R si et seulement si z = z ;
e. z est imaginaire pur si et seulement si z = z.

Dveloppement

Dmonstration.
a. vident.
b. Soit z = a + bi, on a :
z + z = a + bi + (a bi) = 2a = 2 Re(z).
c. Soit z = a + bi, on a :
z z = a + bi (a bi) = 2i Im(z).
d. z est un rel si et seulement si Im(z) = 0 z z = 0 z = z.

190 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE


2 M (z)

O
2 1 0 1 2

1
M 0 (z)
2

F IGURE 19.1 Interprtation gomtrique du conjugu

e. z est un imaginaire pur si et seulement Re(z) = 0.




2 Module dun nombre complexe

Module dun nombre complexe


Dfinition 19.8
On appelle module dun nombre complexe z = a + ib la quantit positive |z| = a2 + b2 .

Remarques 19.9. On donne une interprtation gomtrique du module. Soit (O, # , #


) un repre or-
thonorm.
a. Si z est laffixe du point M (a, b), le module z nest autre que la distance OM , OM = |z|.
#
b. Si z est laffixe dun vecteur AB = (a, b), le module de z reprsente la distance AB :

AB = |zB zA |

o zA (resp. zB ) reprsente laffixe du point A (resp. B).

2
M (z)

1
|z|

O
0 1 2

F IGURE 19.2 Interprtation graphique du module

Exemples 19.10.
a. Soit z = 3 + 4i, on a : |z|2 = 9 + 16 = 25, donc |z| = 5.
b. On se donne zA = 1 + 3i laffixe dun point A et zB = 2 i laffixe du point B. On veut
#
calculer la distance AB. Laffixe du vecteur AB est zB zA = 3 4i donc :
q
AB = |zB zA | = 32 + (4)2 = 5.

Remarques 19.11.
a. |z| 0 pour tout z C.
b. |z| = 0 si et seulement si z = 0.

19.2. MODULE DUN NOMBRE COMPLEXE 191


c. Daprs les formules de conjugaison, |z|2 = zz.

d. Si z = a + bi est rel alors |z| = a2 = |a|. Le module dun nombre rel est donc sa valeur
absolue, ce qui justifie la notation.

Proprits des modules


Pour tous z, z 0 C :
Thorme 19.12 a. |zz 0 | = |z| |z 0 |. En particulier, si est rel, |z| = || |z|.

|z|
b. zz0 = (lorsque z 0 6= 0). En particulier, pour tout z 6= 0, z1 = 1

|z| .

|z 0 |
c. Ingalit triangulaire : |z + z 0 | |z| + |z 0 |.

Dveloppement

Dmonstration.
a. On a :
2 2 2
|zz 0 | = zz 0 |zz 0 | = zz 0 |z| |z 0 | = z |z| z 0 |z 0 | = |z| |z 0 | = (|z| |z 0 |)2 .
b. On peut procder de la mme manire que dans a.
c.
2 2 2
|x + y| (|x| + |y|)2 = (x + y)2 (|x| + 2 |x| |y| + |y| )
= (x2 + 2xy + y 2 (x2 + 2 |xy| + y 2 ) = 2(xy |xy|) 0
2
Donc |x + y| (|x| + |y|)2 .


3 Argument dun nombre complexe

Argument
Dfinition 19.13 Soit (O, #
, #
) un repre orthonorm du plan. On appelle argument dun nombre complexe z
#
non nul, toute mesure, en radians, de langle orient ( #
, OM ). On le note = arg(z).

Remarque 19.14. Un nombre complexe possde une infinit darguments ! Si est un argument de
z, tout autre argument de la forme + 2k (k Z). Lunique argument appartenant lintervalle
] , [ sappelle largument principal.
On notera par exemple arg(z) = 4 (mod 2) ou arg(z) = 4 modulo 2 pour signifier que
arg(z) peut tre gal 4 mais aussi gal nimporte lequel des nombres 4 + 2k o k Z.
#
Attention ! Le nombre complexe nul Z = 0 ne possde pas dargument car, dans ce cas, ( #
, OM )
ne se dfinit pas.

2
M (z)

= arg(z)
O
0 1 2

F IGURE 19.3 Interprtation graphique de largument

Exemples 19.15.
a. arg(i) = 2 (mod 2).

192 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE


b. arg(1) = 0 (mod 2).
c. arg(1) = (mod 2).
d. arg(i) = 2 (mod 2).
e. arg(1 + i) = 4 (mod 2).

a. Un rel strictement positif a un arguemnt modulo 2, un rel strictement ngatf a un argu-


ment gal modulo 2. Donc, on peut dire :

z R (z = 0 ou arg(z) = 0 (mod )).

b. Un imaginaire pur dont la partie imaginaire est strictement positive a un argument gal
Proposition 19.16
2 (mod 2) et iun imaginaire pur dont la partie imaginaire est strictement ngatif a un
argument gal 2 (mod 2). Donc, on peut dire :

z iR (z = 0 ou arg(z) = (mod )),
2
o iR reprsente lensemble des imaginaires purs.

On donne une mthode pour calculer largument principal dun nombre complexe non nul. ON
utilise les relations mtriques dans le triangle OHM de la figure 19.4.
Cas o [0 , /2]
OH a HM b
cos() = = et sin() = = .
OM |z| OM |z|
Cas o ]/2 , ]
OH (a) a
cos() = cos( ) = = = .
OM |z| |z|
Cas o < 0 On raisonne de mme, en tenant compte du fait que sin() = sin() et HM = b.
Dans tous les cas, on a :
a b
et sin() =
cos() = .
|z| |z|
Si les cosinus et sinus ci-dessus ont des valeurs remarquables, on peut trouver directement
laide du cercle trigonomtrique, sinon, laide de la calculatrice en respectant la rgle suivante :
 
a
arccos |z| donne la valeur absolue de ;
sin() donne le signe de .

2 2
M M

1 1
= arg(z)
= arg(z) H H
O O
0 1 2 2 1 0 1 2

F IGURE 19.4 Diffrents cas pour langle

Exemples 19.17.

a. On cherche dterminer largument principal de z = 2 3 + 2i. On a :
|z|2 = a2 + b2 = 12 + 4 = 16.
On doit alors rsoudre le systme suivant :
(
cos() = 2 4 3 = 2
3
.
sin() = 24 = 21
Ce sont des valeurs remarquables, on peut donc trouver laide du cercle trigonomtrique :
= 5
6 .

19.3. ARGUMENT DUN NOMBRE COMPLEXE 193


b. On cherche dterminer largument principal de z = 3 4i. On a : |z|2 = 9 + 16 = 25 donc
|z| = 5. On doit rsoudre le systme :
(
cos() = 35
.
sin() = 45

Ce ne sont pas des valeurs remarquables. La calculatrice donne || ' 0, 9273 rad. Mais sin()
est ngatif donc est ngatif : ' 0, 9273 rad, cest--dire ' 53, 13.

Proprits des arguments


Pour tout z C :
Thorme 19.18 a. arg(z) = arg(z) (mod 2).
b. arg(z) = arg(z) + (mod 2).
c. arg(z) = arg(z) (mod 2).

N (z) M (z)
2

2 1 0 1 2 3

N 0 (z) 2 M 0 (z)

F IGURE 19.5 Illustration de la dmonstration pour le thorme

Remarque 19.19. Si R+ , alors :

arg(z) = arg(z) (mod 2).

Si R alors :
arg(z) = arg(z) + (mod 2).

4 Diffrentes formes dcritures des nombres complexes

4 1 Forme algbrique et trigonomtrique

Forme algbrique
Dfinition 19.20
Lcriture z = a + bi sappelle la forme algbrique de z (ou forme cartsienne).

Or,
a = r cos() et b = r sin()
avec r = |z| et = arg(z). Do :

Forme trigonomtrique
Dfinition 19.21 z = a + ib peut scrire sous la forme z = r(cos + i sin ) ; cette criture sappelle une
forme trigonomtrique de z.

Remarques 19.22.

194 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE


a. Le nombre complexe nul z = 0 na pas de forme trigonomtrique (puisque pas dargument).
b. Pour trouver une forme trigonomtrique dun nombre complexe non nul, il suffit de calculer son
module et son argument.

Thorme 19.23 Si z = r(cos() + i sin()) avec r > 0 alors r = |z| et = arg(z) (mod 2).

Dveloppement

Dmonstration. On a : 2
z = r2 cos2 () + r2 sin2 () = r2 .
Or r > 0 donc |z| = r. Soit 0 un argument de z alors :
z = r(cos(0 ) + i sin(0 )) = r cos(0 ) + ir sin(0 ).
Or, par hypothse :
z = r(cos() + i sin()) = r cos() + ir sin()
et comme a0 + b0 i = a + bi quivaut a0 = a et b0 = b alors :
r cos(0 ) = r cos() et r(sin(0 ) = r sin().
Do :
cos(0 ) = cos() et sin(0 ) = sin().
Ce qui implique 0 = (mod 2) donc = arg(z) (mod 2). 

Exemple 19.24. Soit



 
z = 2 cos + i sin .
5 5
z nest pas sous une forme trigonomtrique car un module ne peut pas tre ngatif. On transforme :
5
      
z = 2 cos i sin = 2 cos + + i sin + .
5 5 5
6
Le module de z est donc r = 2 et un de ses arguments est = 5 .

Proprits sur les arguments (encore !)


Pour tous z, z 0 C non nuls, on a :
a. arg(zz 0 ) = arg(z) + arg(z 0 ) (mod 2)
Thorme 19.25
b. arg( z1 ) = arg(z) (mod 2)
c. arg( zz0 ) = arg(z) arg(z 0 ) (mod 2)
d. arg(z n ) = n arg(z), pour tout n Z.

Dveloppement

Dmonstration.
a. On va utiliser les formes trigonomtriques de z et z 0 :
z = r(cos() + i sin()) et z 0 = r0 (cos(0 ) + i sin(0 )).
Ainsi :
zz 0 = rr0 (cos() + i sin())(cos(0 ) + i sin(0 ))
= rr0 [cos() cos(0 ) sin() sin(0 ) + i(sin() cos(0 ) + cos() sin(0 ))].
Ce qui, daprs les formules trigonomtriques daddition, donne :
zz 0 = rr0 (cos( + 0 ) + i sin( + 0 )).
Comme rr0 > 0, on en dduit, daprs le thorme prcdent, que :
|zz 0 | = rr0 et arg(zz 0 ) + + 0 = arg(z) + arg(z 0 ) (mod 2).
Do la premire relation.

19.4. DIFFRENTES FORMES DCRITURES DES NOMBRES COMPLEXES 195


b. Si z 0 = 1
z dans la relation prcdente, cela donne :

arg(1) = arg( z1 ) + arg(z) (mod 2).

Or arg(1) = 0 (mod 2) do la seconde relation :

arg( z1 ) = arg(z) (mod 2).


z 1
c. En remarquant que z0 =z z0 , on a daprs ce qui prcde :

arg( zz0 ) = arg(z) + arg( z10 ) = arg(z) arg(z 0 ) (mod 2).

Do la troisime relation.
d. Pour la dernire relation, on distingue trois cas :
Cas n > 0 Par rcurrence, on peut montrer que :

arg(z n ) = arg(z z z) = n arg(z) (mod 2).

Cas n < 0 On pose m = n > 0 et en utilisant le cas prcdent m > 0 :

arg(z m ) = arg( z1m ) = m arg( z1 ) = m arg(z) = n arg(z) (mod 2).

Cas n = 0 La relation arg(z n ) = arg(1) = 0 = n arg(z) (mod 2) est triviale.




Exemple 19.26. Soit z = 3(cos( 4 ) + i sin( 4 ) et z 0 = 2(cos( 2 2


3 ) + i sin( 3 )). On veut calculer
zz 0 . Lutilisation des proprits des modules et des arguments nous livrent directement le rsultat :
5 5
 
0
zz = 6 cos + i sin .
12 12

4 2 Forme exponentielle

Dveloppement
Soit f lapplication :
f : R C
.
7 cos() + i sin()
On a, pour tous , 0 de R :
f ( + 0 ) = f ()f (0 ).
La fonction f est donc une solution (complexe) de lquation fonctionnelle f (u + v) = f (u)f (v). Or, on sait (prrequis) que
les solutions de cette quation fonctionelle sont solutions des quations diffrentielles de type y 0 = ay. On va dterminer a
(qui est ici dans C puisque f est valeur dans C). En tendant les proprits de la drivation aux fonctions de R dans C, on
a f drivable sur R et :
f 0 () = sin() + i cos() = if ().
Do a = i et :
f () = f (0)ei = ei .

On peut noncer la dfinition suivante :

Dfinition 19.27 Pour tout rel , on note ei le nombre complexe cos() + i sin().

ei a pour module 1 et argument .

Exemples 19.28.
a. ei0 = 1,
b. ei/2 = i,

196 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE


c. ei = 1,
d. e2i = 1.

Forme exponentielle
Dfinition 19.29 Un nombre complexe de module r et dargument scrit z = rei . Cette criture est appele
une forme exponentielle de z.

Remarque 19.30. Le conjugu de ei est ei .

Pour tous et 0 de R,
0 0
a. ei ei = ei(+ ) .
i 0
Thorme 19.31 b. eei0 = ei( ) .
 n
c. ei = ein , pour n Z.

La dmonstration du thorme repose sur les proprits des arguments.

Exemples 19.32.
a. La notation exponentielle rend les calculs trs ismples . Si z = 3e3i/4 et z 0 = 7e2i/3 alors :
z 3
zz 0 = 21ei/12 et 0
= e17i/12 .
z 7

b. On veut calculer (1 + i)14 . On pose z = 1 + i. On a donc, sous la forme exponentielle :



z = 2ei/4 .

Do :
z 14 = 27 e7i/2 = 128e12 e3i/2 = 128i.

5 Applications

# #
a. AB et CD sont colinaires (d c)(b a) R
Thorme 19.33 # #
b. AB et CD sont orthogonaux (d c)(b a) iR.

Dveloppement

Dmonstration.
a.
# # # #
 
dc
AB et CD colinaires (AB, CD) = 0 (mod ) arg =0 (mod )
ba
dc
R (d c)(b a) R
ba

b.
# # # #
 
dc
AB et CD orthogonaux (AB, CD) = (mod ) arg = (mod )
2 ba 2
dc
R (d c)(b a) iR.
ba

19.5. APPLICATIONS 197


Quatre points A, B, C et D distincts du plan sont cocylciques ou aligns si et seulement si :
Thorme 19.34 ac bc
R.
ad bd

Dveloppement

Dmonstration.

A
B

O

C D

# # # #
   
ac bc
(AD, AC) = (BD, BC) (mod ) arg = arg (mod )
ad bd
 
ac bc
arg = 0 (mod )
ad bd
ac bc
R.
ad bd


Un triangle est quilatral si et seulement si les affixes a, b et c de ses sommets vrifient :


Thorme 19.35
a2 + b2 + c2 = ab + bc + ca.

Dveloppement

Dmonstration.

a2 + b2 + c2 = ab + bc + ca (a c)(a b) + (b c)2 = 0 (a c)(a b) = (b c)2


( (
AC  AB = BC 2 AC AB = BC 2
ac cb
 # # # #
arg bc = arg ab (mod 2) (CB, CA) = (BA, BC) (mod 2)
(
AC AB = BC 2
ABC quilatral
ABC isocle en A

198 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE


6 Propositions de questions poses par le Jury

1. Dmontrer lgalit du paralllogramme :

|z1 + z2 |2 + |z1 z2 |2 = 2(|z1 |2 + |z2 |2 ).

|z3|
2. Que reprsente gomtriquement |z4| = 1?
3. Que reprsente gomtriquement |z| = 1 ?
4. quation gnrale dun cercle ?
5. Rsoudre z 3 = 1.
6. De manire gnrale, rsoudre z n = 1.

19.6. PROPOSITIONS DE QUESTIONS POSES PAR LE JURY 199


200 LEON 19. MODULE ET ARGUMENT DUN NOMBRE COMPLEXE
20
LEON

Exemples dutilisation
des nombres
complexes

Niveau : Terminale S - BTS


Prrequis : nombres complexes, sries de Fourier, barycentre, polynmes
1 Les nombres complexes en gomtrie

1 1 Formules de Moivre, formules dEuler

Formule de Moivre
Pour tout R et tout n Z :
Thorme 20.1
(cos() + i sin())n = cos(n) + i sin(n)

(cos() i sin())n = cos(n) i sin(n).

Dveloppement

Dmonstration du thorme 20.1. On utilise les formes exponentielles :


n
(cos() + i sin())n = ei = ein = cos(n) + i sin(n).

Do la premire formule de Moivre. La seconde formule est obtenue en remplaant par . 

Formule dEuler
Pour tout R et tout n Z :
Thorme 20.2
ei + ei ei ei
cos() = , sin() = .
2 2i

Dveloppement

Dmonstration du thorme 20.2.

ei + ei = cos + i sin() + cos() + i sin()


= cos() + i sin() + cos() i sin() = 2 cos()
i i
e e = cos() + i sin() cos() i sin()
= cos() + i sin() cos() + i sin() = 2i sin().

Do les deux formules dEuler. 

Exemples 20.3.
1. On veut linariser sin3 () et cos4 (). Pour cela, on utilise les formules de De Moivre et dEuler.
!3
3 ei ei e3i 3ei + 3ei e3i
sin () = =
2i 8i
2i sin(3) 6i sin() 1 3
= = sin(3) + sin().
8i 4 4
!4
4 ei + ei e4i + 4e2i + 6 + 4e2i + e4i
cos () = =
2 16
2 cos(4) + 8 cos(2) + 6 1 1 3
= = cos(4) + cos(2) + .
16 8 2 8

202 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


2. On veut calculer cos(3) en fonction de cos() et sin(3) en fonction de sin(). Daprs la
formule de De Moivre :

(cos() + i sin())3 = cos(3) + i sin(3)


= cos3 () + 3i cos2 () sin() 3 cos() sin2 () i sin3 ().

En identifiant les parties relles et imaginaires, on obtient :

cos(3) = cos3 () 3 cos() sin2 ()


= cos3 () 3 cos()(1 cos2 () = 4 cos3 () 3 cos()
sin(3) = 3 cos2 () sin() sin3 ()
= 3(1 sin2 ()) sin() sin3 () = 3 sin() 4 sin3 ().

1 2 Dtermination de lieux gomtriques


On rappelle que si zA et zB sont les affixes respectives de deux points A et B alors :

AB = |zB zA |

Exemples 20.4.
1. On veut dterminer lensemble des points M daffixe z telles que :

|z 2| = |z + i| .

On introduit A(2) et B(i), ainsi on a :

AM = BM.

Lensemble recherch est la mdiatrice du segment [AB].


2. On veut dterminer lensemble des points M daffixe z telles que :

|z 3i| = 2.

On introduit C(3i), ainsi on a :


CM = 2

Lensemble recherch est le cercle de centre C et de rayon 2.


3. On veut dterminer lensemble des points M daffixe z telles que :

|z 2| = |2z + i| .
 
On introduit A(2) et B 2i , ainsi :

AM = 2BM.

MA
Il sagit de la ligne de niveau k (ici k = 2) de lapplication M 7 MB . On a :
# # # # # #
AM 2 = 4BM M A2 = 4M B 2 (M A 2M B) (M A + 2M B) = 0

On introduit le barycentre G1 de (A, 1) et (B, 2) et le barycentre G2 de (A, 1) et (B, 2). On


obtient alors
# #
(1)M G1 3M G2 = 0
# #
et comme 1 3 6= 0, M G1 M G2 = 0. Lensemble recherch est donc le cercle de diamtre
[G1 , G2 ].

20.1. LES NOMBRES COMPLEXES EN GOMTRIE 203


1 3 Calcul dangles

Soit (O, #
, #
) un repre orthonorm dans le plan. Si A et B sont deux points distincts du
plan complexe daffixes respectives a et b alors :
Thorme 20.5
#
( #
, AB) = arg(b a) (mod 2).

Dveloppement

# #
Dmonstration du thorme 20.5. Soit M (z) le point tel que OM = AB. Ainsi :
# #
( #
, AB) = ( #
, OM ) = arg(z) = arg(b a) (mod 2).

B
4

M
3

2
arg(ba)
1
A #

arg(z)

1 O 0#
1 2 3 4 5

F IGURE 20.1 Transformation des angles

#
Exemple 20.6. On donne A(1) et B(2 + i 3) et on veut dterminer langle ( #
, AB). On a :

b a = 1 + i 3 = 2ei 3 .

Do :
#
( #
, AB) = (mod 2).
3

Si A, B et C sont trois points deux deux distincts du plan complexe daffixes a, b et c alors :
Thorme 20.7 # #

bc

(CA, CB) = arg (mod 2).
ac

Dveloppement

# #
Dmonstration du thorme 20.7. Les affixes des vecteurs CA et CB sont respectivement (a c) et (b c). Daprs le
thorme 20.5 :
# #
arg(a c) = ( #
, CA) (mod 2) et arg(b c) = ( # , CB) (mod 2).

Or daprs la relation de Chasles sur les angles :


# # # #
( #
, CB) ( #
, CA) = (CA, CB) (mod 2)

204 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


et daprs les proprits des arguments :
 
bc
arg(b c) arg(a c) = arg (mod 2).
ac
Donc :
# #
 
bc
(CA, CB) = arg (mod 2).
ac


Remarque 20.8. Il rsulte du fait quun argument dun rel (non nul) est zro (modulo ) et que celui
dun imaginaire pur (non nul) est gal 2 (modulo ) que pour tous points A(a), B(b) et C(c) tels
que A 6= C :
bc
est rel les points A, B et C sont aligns.
ac
Et si de plus B 6= C :
bc
est imaginaire pur les droites (CA) et (CB) sont perpendiculaires.
ac

Exemple 20.9. Soit (O, #


, #
) un repre orthonorm du plan complexe et deux points A(5 + 3i) et
B(5 8i). On veut savoir si le triangle OAB est rectangle en O. Daprs ce qui prcde :
# # b
 
(OA, OB) = arg (mod 2).
a
Or :
b 5 8i 1 55i
= = 6 iR.
a 5 + 3i 34
Donc les droites (OA) et (OB) ne sont pas perpendiculaires.
1 4 Equation paramtrique dun cercle

Soit C le cercle de centre () et de rayon R. Soit M un point daffixe z. Alors M C si et


Thorme 20.10 seulement sil existe un rel tel que

z = + Rei .

Dveloppement

Dmonstration du thorme 20.10. On a :


M C M = R |z | = R.
Or, daprs le lemme 20.12, |z | = R si et seulement si il existe un rel tel que z = Rei . Do le thorme et
on a de plus :
#
= arg(z ) = ( # , M ) (mod 2).


Remarque 20.11. Dans le thorme 20.10, on peut choisir dans [0 , 2[ ou tout autre intervalle
semi-ouvert de longueur 2.
Pour dmontrer le thorme 20.10, on a besoin du lemme suivant :

Soient z1 et z2 deux nombres complexes. Alors |z1 | = |z2 | si et seulement si il existe un rel
Lemme 20.12
tel que z1 = ei z2 .

Dveloppement

20.1. LES NOMBRES COMPLEXES EN GOMTRIE 205


Dmonstration du lemme 20.12. Supposons que |z1 | = |z2 |. Si z1 et z2 sont de module nul (donc sont nuls), nimporte
quel rel fera laffaire. On suppose alors que le module r de z1 et z2 est non nul. On note 1 et 2 des arguments
respectifs de z1 et z2 . On a ainsi :
z1 = rei1 et z2 = rei2 .
Comme r > 0, on a :
z1
= ei(1 2 ) .
z2
Il suffit de poser = 1 2 ainsi :
z1 = ei z2 .
z1
De plus, est un argument de z2 .
Rciproquement, sil existe un rel tel que z1 = ei z2 , il est clair que |z1 | = |z2 |. 

Exemple 20.13. Dans le plan muni dun repre orthonorm direct (O, # , #
), on considre le point

A(a) du cercle de centre O et de rayon 1 tel que arg(a) = 6 puis le point B du cercle de centre A et
#
de rayon 41 tel que ( #
, AB) = 4 . On cherche laffixe de B. On a clairement :
a = ei/6 .
De plus :
1 1
b = a + ei/4 = ei/6 + ei/4 .
4 4
Do :
3 1 2 2 4 3+ 2 4+ 2
b= + i+ +i = +i .
2 2 8 8 8 8
Remarque 20.14. Si on note (x , y ) les coordonnes de et (x, y) celles de M , on a :
(
x = x + R cos()
M C il existe un rel tel que .
y = y + R sin()

1 5 Barycentre

Soit G le barycentre de n points pondrs (A1 , 1 ), (A2 , 2 ), . . . , (An , n ) avec np=1 ap 6=


P

0. On note zp les affixes des points Ap (1 p n). Alors laffixe zG de G est donne par :
Thorme 20.15 Pn
p=1 p zp
zG = Pn
p=1 p

En particulier, si on considre des points A(a), B(b) et C(c), on a :


laffixe du milieu de [AB] est a+b
2 ,
a+b+c
laffixe du centre de gravit du triangle ABC est 3 .
Exemple 20.16. ABC est un triangle de sens direct. On construit les points P, Q et R tels que :
# #
(BC, AP ) = et AP = BC
2
# #
(CA, BQ) = et BQ = CA
2
# #
(AB, CR) = et CR = AB.
2
On dmontre que le triangle P QR a le mme centre de gravit que ABC. On a donc :
p a = i(c b)
q b = i(a c)
r c = i(b a)
En additionnant membre membre ces trois galits, il vient :
p + q + r = a + b + c.
On en dduit que les deux triangles ont le mme centre de gravit.

206 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


F

A B

F IGURE 20.2 Figure de lexemple

1 6 Thorme de Napolon

Soit ABC un triangle quelconque. On construit trois triangle quilatraux partir des cts
Thorme 20.17 du triangle ABC. Si L, M et N sont les centres de ces triangles alors le triangle LM N est aussi
quilatral.

C N

E
M B

A L

Dveloppement

Dmonstration. Pour tout point M du plan complexe, on note m son affixe. Rappelons lcriture complexe de la rotation
de centre () et dangle :
z 0 = ei (z ).
2
A est limage de B par la rotation de centre M et dangle 3 , cest--dire :
a m = j(b m).
De mme, on a :
c l = j(a l)
b n = j(c n)
de ce fait :
a jb = m(1 j) (20.1)
c ja = l(1 j) (20.2)
b jcn(1 j) (20.3)

20.1. LES NOMBRES COMPLEXES EN GOMTRIE 207


Montrons que N est limage de M par la rotation de centre L et dangle 3 . (20.2) (20.3) donne :

(l n)(1 j) = (1 + j)c ja b = j 2 c ja b

car 1 + j + j 2 = 0

= j 2 c j 4 a j 3 b

car j 3 = 1

= j 2 (c + j 2 a + jb) = j 2 c + (1 j)a + jb)


= j 2 (c ja (a jb)) = j 2 (l m)(1 j)

donc :

n l = ei/3 (m l).

1 7 Cocyclicit de quatre points

Quatre points A, B, C et D sont cocycliques ou aligns si et seulement si


Proposition 20.18 dacb
R.
cadb

Dveloppement

# # # #
Dmonstration. Les angles orients (AC, AD) et (BC, BD) interceptent le mme arc, ils sont donc gaux, cest--dire
# # # #
(AC, AD) = (BC, BD) (mod ).
   
da db
arg arg = 0 (mod )
ca cb
 
dacb
arg = 0 (mod )
cadb
dacb
R.
cadb

2 Les nombres complexes pour la rsolution dquations algbriques

2 1 Rsolution dune quation de second degr

Soit lquation

ax2 + bx + c = 0, a 6= 0 (20.4)

208 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


Rsolution de lquation (20.4)
On veut rsoudre
ax2 + bx + c = 0
et on note le discriminant de lquation.
Si > 0, lquation admet deux solutions x1 et x2 donnes par les formules suivantes :

Thorme 20.19
b b +
x1 = et x2 = .
2a 2a
Si = 0, lquation admet une racine double :
2
b b

ax2 + bx + c = a x + et x1 = x2 = .
2a 2a

Si le discriminant est strictement ngatif, lquation nadmet pas de solution relle.

On sintresse la rsolution de lquation

ax2 + bx + c = 0, a 6= 0 (20.5)

tel que < 0. On a vu, dans la section prcdente, quil ny a pas de solutions relles. Si on se place
dans lensemble C, il y a deux solutions quon va expliciter. Lquation (20.5) scrit sous sa forme
canonique :
i || 2
 !
b 2
  
a x+ = 0.
2a 2a
On obtient alors le rsultat suivant :

Si < 0 alors lquation admet deux solutions complexes conjugues x1 et x2 qui


Thorme 20.20
scrivent : p p
b + i || b i ||
x1 = et x2 = .
2a 2a

Exemple 20.21. Soit rsoudre lquation :

10x2 + 9x + 5 = 0 (20.6)

On a : = 92 4 10 5 = 81 200 = 129. Ainsi, les solutions de lquation (20.6) sont :



9 + i 129 9 i 129
x1 = et x2 = .
20 20

2 2 Rsolution dune quation du troisime degr


On veut rsoudre :
x3 15x 4 = 0. (20.7)
Pour cela, on dfinit les variables u et v par les quations :
(
x=u+v
3uv = 15.

Lquation (20.7) devient :

(u + v)3 15(u + v) 4 = 0 u3 + 3u2 v + 3uv 2 + v 3 15(u + v) 4 = 0


u3 + 3uuv + 3uvv + v 3 15(u + v) 4 = 0

on remplace 3uv par 15,

u3 + 15u + 15v + v 2 15(u + v) 4 = 0


u3 + v 3 4 = 0

20.2. LES NOMBRES COMPLEXES POUR LA RSOLUTION DQUATIONS ALGBRIQUES 209


soit
u3 + v 3 = 4

Par ailleurs :
15
uv = =5
3
donc u3 v 3 = 53 = 125. On pose U = u3 et V = v 3 . Le problme se ramne dterminer U et V en
connaissant leur somme et leur produit :
(
U +V =4
.
U V = 125

On peut alors poser V = U + 4 et donc :

U (U + 4) = 125 U 2 + 4U = 125 U 2 4U + 125 = 0.

Le discriminant de cette quation du second degr est :



= 42 4 125 = 484 et = 484 = 22.

Daprs la section prcdente, les deux solutions de cette quation sont :



U1 = 4+i 2 =
(
4+22i
2 = 2 + 11i
U2 = 2 11i

et donc (
V1 = 2 11i
.
V2 = 2 + 11i

On remarque que U1 = V2 et que U2 = V1 ; les deux solutions donnent donc le mme rsultat. On a
ainsi une solution unique de lquation (20.7) :
p
3
p
3

3

3
x=u+v = U1 + V1 = 2 + 11i + 2 11i.

On montre que 2 + i est une racine cubique de U . On a :

(2 + i)3 = 23 + 3 22 i + 3 2 i2 + i3 = 8 + 12i 6i + 12i = 2 + 11i

soit (2 + i)3 = U . Donc (2 + i) est bien racine cubique de U . On a donc :


(
u=2+i
v =2i

et x = 4.

3 Les nombres complexes et llectronique

3 1 Somme de deux grandeurs sinusodales


On considre la situation suivante

i1
i
i2

210 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


Le courant initial i et les deux courants rsultants i1 et i2 ont la mme pulsation . Si ik =
Ibk sin(t + ), alors, en notant Ik la valeur efficace 1 de ik , on a :

Ik = Ik (cos + j sin )

avec Ibk = 2Ik .

Remarque 20.22. En lectronique, on note j le nombre carr 1 pour ne pas confondre avec le
i de lintensit. . .

La loi des nuds nous dit que, chaque instant t, i(t) = i1 (t) + i2 (t). En utilisant la formule
trigonomtrique suivante,
sin(a + b) = sin a cos b + sin b cos a,

on obtient :

i1 (t) + i2 (t) = ( 2I1 cos 1 + 2I2 cos 2 ) sin(t) + ( 2I1 sin 1 + 2I2 sin 2 ) cos(t)

et

i(t) = ( 2I cos ) sin(t) + ( 2I sin ) cos(t).

Pour t = 0, on a alors :

2I sin = 2I1 sin 1 + 2I2 sin 2

et en t = 2 ,

2I cos = 2I1 cos 1 + 2I2 cos 2 .

Do :

I = I(cos + j sin ) = (I1 cos 1 + I2 cos 2 ) + j(I1 sin 1 + I2 sin 2 )


= [I1 cos 1 + jI1 sin 1 ] + [I2 cos 2 + jI2 sin 2 ] = I1 + I2

Exemple 20.23. On considre i1 = 2 2 sin t + 4 et i2 = 3 2 sin t 2 . On a alors :
 



I1 = 2 cos( 4 )
+ j sin( ) = 2(1 + j),
4
3
 

I2 = 3 cos( 6 ) + j sin( ) = ( 3 j).
6 2

Ainsi,
   
3 3 3
I = I1 + I2 = 2+ 2 +j 2 2 .

En approchant le rsultat, on obtient :

I 4,012 0,086j

On en dduit alors que lintensit efficace vaut environ 4,01 Ampres et une mesure de son argument
est 0,021 radian et donc

i(t) 4,01 2 sin(t 0,021)

1. La valeur efficace dun signal priodique est la racine carr de la moyenne du carr de lintensit calcule sur une priode T :
sZ
t+T
1
ieff = i2 (t) dt
T t

20.3. LES NOMBRES COMPLEXES ET LLECTRONIQUE 211


3 2 Cas dune bobine parfaite

Impdance complexe
Limpdance complexe Z est dfinie par :

Dfinition 20.24 U
Z= = R + jX
I
o R est la rsistance et X la ractance du diple.

On considre la situation suivante :

Par dfinition de lintensit i(t), on a :

di(t)
u(t) = L .
dt

Or i(t) = I 2 sin(t + ), donc :

d(I 2 sin(t + )
u(t) = L = LI 2 cos(t + ) = LI 2 sin(t + + 2 ).
dt
On en dduit alors :

arg(Z) = arg(U ) arg(I) = + =
2 2
et
|U | IL
|Z| = = = L.
|I| I
Finalement, on a : Z = jL.

4 Complments : calcul de (2)

On rappelle lexpression complexe de la srie de Fourier dune fonction f , 2-priodique continue


par morceaux :
+
X 2
cn (f )einx 1
f (t)eint dt.
R
f (x) = avec cn = 2
k= 0

Considrons la fonction f , 2-priodique dfinie par :

x [0 , 2], f (x) = i( x)

On calcule cn (f ) :
Z 2
1
cn (f ) = i( t)eint dt
2 0

u(t) = i( t) u0 (t) = i
1
v(t) = eint v 0 (t) = eint .
i

212 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES


u et v sont deux fonctions de classe C 1 , par le thorme dintgration par parties,
Z 2
1
c0 (f ) = i( t) dt
2 0
" #2
1 ( t)2
= i = 0.
2 2 0

Si n 6= 0,
2 Z 2 !
1 (t ) int 1 1

int
cn (f ) = e + e dt = .
2 n 0 n 0 n
Par la formule de Parseval,
X 1 Z 2
1
= f (t)f (t) dt
nZ |n|2 2 0

2
Z 2
1
= ( t)2 dt = .
2 0 3
P 1 P+ 1
Comme nZ n2 =2 n=1 n2 , on en dduit :

+
X 1 2
(2) = = .
n=1
n2 6

20.4. COMPLMENTS : CALCUL DE (2) 213


214 LEON 20. EXEMPLES DUTILISATION DES NOMBRES COMPLEXES
21
LEON

Calcul vectoriel

Niveau : BTS
Prrequis : dfinition dun vecteur, base de la gomtrie
1 Oprations sur les vecteurs

1 1 Addition de deux vecteurs

Addition de deux vecteurs


# # #
Dfinition 21.1 On se donne deux vecteurs de lespace, #
u et #
v . Si OA = #
u et OB = #
v alors #
u + #
v = OC
tel que OABC est un paralllogramme.

Exemple 21.2.
C



u +

v


u
B


v
O

Addition de vecteurs
On se donne trois vecteurs #
u , # # :
v et w
Proprits 21.3
# # # # #
a. ( u + v ) + w = u + ( v + w) #
b. #
u + #
v = #v + #
u
# # # # #
c. u + 0 = 0 + u = u .

Relation de Chasles
Soient A, B et C trois points quelconques du plan. On a :
Proprit 21.4
# # #
AB + BC = AC.

1 2 Multiplication par un rel

#
Soit #
u = AB et k un rel quelconque. k>0
# #
a. Si k > 0 alors le vecteur CD = k AB a k

u
#
mme sens et mme direction que AB et

u
CD = kAB.
Dfinition 21.5
# #
b. Si k < 0 alors le vecteur EF = k AB a
# k<0


u
mme direction que AB mais a un sens
#
oppos au vecteur AB et EF = |k| AB.
k

u
# #
c. Si k = 0 alors k AB = 0 .

Multiplication par un rel


Si k1 et k2 sont deux rels quelconques, et #
u et #
v deux vecteurs quelconques de lespace :
# # #
a. k1 (k2 u ) = (k1 k2 ) u = k1 k2 u ;
b. 1 #
u = #
Proprits 21.6
u;
c. (k1 + k2 ) #u = k1 #
u + k2 #
u;
# # # #
d. k1 ( u + v ) = k1 u + k1 v .

216 LEON 21. CALCUL VECTORIEL


2 quations dune droite ou dun plan

2 1 Colinarit et coplanarit

Colinarit
On dit que deux vecteurs #u et #
v sont colinaires si, et seulement si, il existe deux rels et
Dfinition 21.7
non tous deux nuls tels que :
#
#
u + #
v = 0.

Coplanarit
Trois vecteurs #
u , # # sont coplanaires si il existe trois rels , et non tous nuls tels
v et w
Dfinition 21.8
que :
#
u + #
v + w # = #
0.
#
Exemple 21.9. Quatre points distincts A, B, C et D appartiennent un mme plan si les vecteurs AB,
# #
AC et AD sont coplanaires.
2 2 quations de droites

Dveloppement
Soit D la droite de lespace passant par A(xA , yA , zA ) et B(xB , yB , zB ). Un point M (x, y, z) de lespace appartient la
# #
droite (AB) si et seulement si les vecteurs AM et AB sont colinaires, on obtient donc :
x xA y yA z zA
= = (si aucun des trois rels au dnominateu nest nul).
xB xA yB yA zB zA
Si D eset donne par un point A(x , y , z ) et par un vecteur directeur #
A A A v (a, b, c), alors on peut crire les trois galits
suivantes :
x xA = ka


y y = kb
A .

z z = kc

A
Si aucun des trois rels a, b, c nest nul, on peut crire :
x xA y yA z zA
= = .
a b c
Il sagit des quations de D lorsque cette droite nest pas parallle lun des plans de coordonnes.

Soit D une droite de lespace dfinie par un point A(xA , yA , zA ) et par un vecteur directeur
#
v (a, b, c).
Si a 6= 0, b 6= 0 et c 6= 0 alors D nest parallle aucun plan de coordonnes, ses quations
peuvent scrire :
x xA y yA z zA
= = .
a b c
Si a = 0, b 6= 0 et c 6= 0 (il en est de mme si b = 0 ou c = 0) alors D est parallle au plan
dquation x = 0, ses quations peuvent scrire :
Proprit 21.10
(
x = xA
yyA zzA
.
b = c

Si a = 0, b = 0 et c 6= 0 (il en est de mme si a = 0 et c = 0 ou b = 0 et c = 0) alors D


est parallle laxe Oz, ses quations peuvent scrre :

x = xA


y = yA .

(t R)

z = z + tc
A

21.2. QUATIONS DUNE DROITE OU DUN PLAN 217


Exemple 21.11. Donner les quations de la droite D passant par A(3, 1, 4) et B(2, 3, 1).

Dveloppement
# #
Le vecteur AB a pour coordonnes AB(5, 2, 3).
Les quations de D peuvent scrire :
x+3 y1 z4
= =
5 2 3
ou
y1
( ( (
x+3
5 = 2 2x + 6 = 5y 5 2x 5y + 11 = 0
y1 z4

2 = 3 2z 8 = 3y + 3 3y + 2z 11 = 0

2 3 quations de plans
On admet que :

#
Tout plan de lespace rapport un repre (O, #
, #
, k ) admet une quation cartsienne du
Thorme 21.12 type :
ax + by + cz + d = 0.

Mthode dobtention de lquation cartsienne dun plan


Soit un plan P dfini par un point A et deux vecteurs non colinaires #
u et #
v de ce plan.
# # #
Mthode 21.13 Tout point M du plan P est tel que AM = u + v .
Cette galit permet en utilisant les coordonnes (x, y, z) de M , celles de A et les compo-
santes de #
u et #
v dobtenir trois quations.

Exemple 21.14. On cherche lquation du plan P dfini par A(1, 0, 1) et les vecteurs #
u (2, 1, 1) et
#
v (1, 1, 2).

Dveloppement
#
Lquation AM = #
u + #
v donne :

x 1 = 2 +

(1)
y = + (2) .

z 1 = + 2

(3)

En additionnant (2) et (3), on obtient :

1
3 = y + z 1 = (y + z 1).
3

En soustrayant (2) et (1), on obtient :

1
3 = x y 1 = (x y 1).
3

En replaant et par ces valeurs dans (2), on obtient :

1 1
y = (x y 1) + (y + z 1) 3y = x + y + 1 + y + z 1.
3 3

Ainsi : x + y z = 0. Cette quation est une quation cartsienne de P.

218 LEON 21. CALCUL VECTORIEL


3 Barycentres dun ensemble de points de lespace

3 1 Barycentres de n points

Barycentres de n points
Si a1 , a2 , . . ., an sont n rels tels que a1 + a2 + + an 6= 0 alors le point G tel que :
# # # #
Dfinition 21.15 a1 GA1 + a2 GA2 + + an GAn = 0 (21.1)

est appel barycentre des points pondrs (A1 , a1 ), (A2 , a2 ), . . ., (An , an ).


Si a1 = a2 = = an , on dit alors que G est lisobarycentre des points A1 , A2 , . . ., An .

Si M est un point quelconque et G est le barycentre des points pondrs (A1 , ai ) alors :
# 1 # # #
Proprit 21.16 M G = Pn (a1 M A1 + a2 M A2 + an M An )
i=1 ai

Lgalit prcdente est appele forme rduite du barycentre.

Dveloppement

Dmonstration. Soit M un point quelconque de lespace. Lgalit (21.1) peut scrire :


# # # # # # #
a1 (A1 M + M G) + a2 (A2 M + M G) + + an (An M + M G) = 0 ,

ce qui donnje en changeant lordre des termes :


# # # # #
(a1 + a2 + + an )M G + a1 A1 M + a2 A2 M + + an An M = 0 ,

do lgalit. 

Exemple 21.17. Soit ABC un triangle, placer le barycentre des points pondrs (A, 2), (B, 1) et
(C, 1).

Dveloppement
En utilisant le rsultat prcdent, on obtient :

# 1 # # #
M G = (2M A + M B + M C).
4
Cette galit tant vraie pour tout point M , elle est vraie en particulier pour M = A.
Do :
# 1 # #
AG = (AB + AC).
4

C
B

21.3. BARYCENTRES DUN ENSEMBLE DE POINTS DE LESPACE 219


3 2 Utilisation du barycentre partiel

Si G est le barycentre de n points pondrs, on peut remplacer p de ces points par leur bary-
Thorme 21.18
centre affect de la somme des coefficients de ces points.

Dveloppement
Considrons n points pondrs (A1 , a1 ), (A2 , a2 ), . . ., (An , an ) tels que ni=1 ai 6= 0. Soit G le barycentre de ces points.
P

Considrons galement le barycentre G1 des p premiers points pondrs (p < n). Ce barycentre nexiste que si a1 +
a2 + + ap 6= 0.
Daprs le thorme prcdent, on a :

p !
X # # # #
ai M G1 = a1 M A1 + a2 M A2 + + ap M Ap pour tout point M .
i=1

Cette galit est vraie en particulier pour M = G, do :

n
!
X # # # #
ai GGi = a1 GA1 + a2 GA2 + + ap GAp . (21.2)
i=1

Lgalit qui dfinit le point G scrit :


# # # # # #
a1 GA1 + a2 GA2 + + ap GAp + ap+1 GAp+1 + + an GAn = 0 .

En utilisant le rsultat de lgalit (21.2) prcdente, on obtient :


# # # #
(a1 + a2 + + ap )GG1 + ap+1 GAp+1 + + an GAn = 0 .

G est donc le barycentre de (G1 , a1 + + ap ), (Ap+1 , ap+1 ), . . ., (An , an ).

Exemple 21.19. Montrer que lisobarycentre des trois sommets dun triangle est le point de conconurs
de ses mdianes (donc son centre de gravit).
Retrouver le rsultat dans un triangle le centre de gravit se situe aux 23 de chacune des mdianes
partir des sommets .

Dveloppement
Soit ABC un triangle. Soit G le barycentre de (A, 1), (B, 1) et (C, 1).
Soit A0 le barycentre de (B, 1), (C, 1) (A0 est le milieu de [BC]), daprs le thorme prcdent, G est le barycentre de
(A, 1), (A0 , 2), G se situe donc sur la mdiane (AA0 ). De la mme manire, si on note C 0 le milieu de [AB], on obtiendra le
fait que G se situe sur la mdiane (CC 0 ).
G est lintersection de deux mdianes, il sagit bien du centre de gravit du triangle. De plus G est le barycentre de
(A, 1), (A0 , 2), on a donc pour tout point M du plan :

# 1 # #
M G = (M A + 2M A0 ),
3

et pour M = A, on obtient :
# 2#
AG = AA0 .
3
G se situe donc aux 32 de [AA0 ] en partant du sommet A. Un raisonnement analogue permettrait de montrer que G se situe
aux 23 de chacune des deux autres mdianes.

220 LEON 21. CALCUL VECTORIEL


3 3 Coordonnes du barycentre

Coordonnes du barycentre
Soit A1 , A2 , . . ., An n points dans lespace. On note, pour tout 1 i n, (xi , yi , zi ) les
coordonnes de Ai . Le barycentre G du systme pondr (A1 , a1 ), (A2 , a2 ), . . ., (An , an ) a pour
Thorme 21.20 coordonnes :
n n n
a1 x1 + + an xn
P P P
ai xi i=1 ai yi i=1 ai zi
xG = Pn = Pi=1
n , y G = P n , z G = P n .
i=1 ai i=1 ai i=1 ai i=1 ai

Dveloppement

Dmonstration. On reprend les notations du thorme. En remplaant M par O dans lgalit :


# 1 # # #
M G = Pn (a1 M A1 + a2 M A2 + + an M An ),
i=1 ai
on obtient
# 1 # # #
OG = Pn (a1 OA1 + a2 OA2 + + an OAn ),
i=1 ai
do le rsultat. 

#
Exemple 21.21. Dans le repre orthonormal (O, #
, #
, k ) de lespace, on donne :
A(1, 1, 1), B(2, 1, 0) et C(3, 1, 0).
On cherche les coordonnes du centre de gravit G du triangle ABC.

Dveloppement
Le centre de gravit est le barycentre de (A, 1), (B, 1) et (C, 1). Donc :
1+23 1+1+1 1+0+0
xG = , yG = , zG = ,
3 3 3
 
do G 0, 1, 13 .

4 Produit scalaire

4 1 Dfinition

Produit scalaire
On appelle produit scalaire des vecteurs #
u et #
v et on note #
u #
v le nombre rel dfini par :
Dfinition 21.22
# 1 h # # 2
u # k u + v k k #
u k2 k #
i
v = v k2 .
2
# #
Remarque 21.23. Si #
u = 0 ou #
v = 0 alors #
u #
v = 0.

Si (O, #
, #
) est un repre orthonorme (cest--dire ( #
, #
) est une base orthonormale) et si
#
u = (x, y) et #v = (x0 , y 0 ) alors :
Thorme 21.24
#
u #
v = xx0 + yy 0 .

Dveloppement

21.4. PRODUIT SCALAIRE 221


Dmonstration. On a : #
u + #
v = (x + x0 , y + y 0 ) et donc :

k #
u + #
2
v k = (x + x0 )2 + (y + y 0 )2 .

Do :
# 1
u # (x + x0 )2 + (y + y 0 )2 (x2 + y 2 ) (x02 + y 02 ) = xx0 + yy 0 .

v =
2


Exemple 21.25. Soit #


u = (3, 1) et #
v = (2, 6) alors
#
u #
v = 3 2 + (1) 6 = 6 6 = 0.

On dira que #
u et #
v sont orthogonaux.

4 2 Proprits

Pour tous vecteurs #


u , # # :
v et w
1. #
u #
v = #v #
u
# # # #
2. 0 u = u 0 = 0
3. Pour tout rel k, k #
u #
v = #u (k #
v ) = k ( #
u #
v)
4. #
u ( # # = #
v + w) u #
v = #u #
v + #u w#
Proprits 21.26
5. #
u #
u est not #
u 2 est appel carr scalaire de #
u.
# # 2 #
6. u 2 = k u k (carr de la longueur du vecteur u )
7. ( #
u + #
v )2 = #
u 2 +2 #
u #
v + #
v 2 (cela signifie que ( #
u + #
v )( #
u + #
v ) = #
u #
u +2 #
u #
v + #
v #
v)
# # 2 # 2 #
8. ( u v ) = u 2 u v + v# # 2

9. ( #
u + #
v ) ( #
u #
v ) = #
u 2 #
v2

Dveloppement

Dmonstration des proprits 32.5-1, 32.5-3 et 32.5-4. 1. Daprs la dfinition du produit scalaire :

#
u #
v = k #
u + #
v k k #
u k k #v k = k # v + #u k k #v k k #
u k = # v #
h i h i
2 2 2 2 2 2
u.

3. On se donne un repre orthonorm (O, #


, #
) et trois vecteurs #
u = (x1 , y1 ), # # = (x , y ). On utilise la
v = (x2 , y2 ), w 3 3
formule du thorme 32.3 :
#
u ( # # = x (x + x ) + y (y + y ) = x x + x x + y y + y y
v + w) 1 2 3 1 2 3 1 2 1 3 1 2 1 3
= x x + y y + x x + y y = #
1 2 1 2 1 3 u #
1 3v + # #
u w.

4. De mme,

(k #
u ) #
v = kx1 x2 + ky1 y2 = kx2 x1 + ky2 y1 = # u (k #
v)
= kx1 x2 + ky1 y2 = k(x1 x2 + y1 y2 ) = k ( u #
# v ).

Proprit 21.27 Dire que deux vecteurs #


u et #
v sont orthogonaux quivaut dire que #
u #
v = 0.

# #
Remarque 21.28. Si on note #
u = AB et BC :
#
u #
v k #
u + #
v k2 = #
u 2 + #
v 2 AC 2 = AB 2 + BC 2 .

222 LEON 21. CALCUL VECTORIEL


4 3 Autres expressions du produit scalaire

# #
Si #
u =6 0 et #
v =6 0
Thorme 21.29 #
u #
v = k #
u k k #
v k cos( #
u , #
v ).

Soient #
u et #
v deux vecteurs non nuls colinaires :
Proprit 21.30 1. Sils ont mme sens alors #
u #
v = k #
u k k #
vk
2. Sils ont sens contraire alors #
u #
v = k #
u k k #
v k.

u = 23 #
Exemple 21.31. Si # v alors #
u #
v = 3 2 = 6.

v v

A u B A
90 u = p(v) B

F IGURE 21.1 Projection orthogonale de v sur une droite portant u

Etant donn deux vecteurs non nuls #


u et #
v . Si on note p( #
v ), la projection orthogonale de #
v
#
sur une droite portant u alors on a :
Proprit 21.32
#
u #
v = #
u p( #
v ).

Exemple 21.33.

B C

E
O
F

A H D

F IGURE 21.2 Figure de lexemple

# # # #
AD AB = 0 car AD et AB sont orthogonaux.
# # # #
AD CB = 3 3 = 9 car AD et CB sont colinaires et de sens contraires.
# # # # # #
AD AO = AD AH = 3 1, 5 = 4, 5 car le projet orthogonale de AO sur (AD) est AH et
# #
que AD et AH sont colinaires et de mme sens.
# # # # # #
Les produits scalaires AD AC, AD BD et AD EF sont tous gaux entre eux. En effet, si on
# # # #
projette orthogonalement AC, BD et EF sur (AD), on obtient chaque fois AD. Donc tous
# #
ces produits scalaires sont gaux AD AD = 3 3 = 9.

21.4. PRODUIT SCALAIRE 223


4 4 Applications
1. Vecteur normal une droite

#
Dfinition 21.34 On dit quun vecteur #
n est normal une droite D si #
n =6 0 et si #
n est orthogonal la
direction de D.

F IGURE 21.3 Le vecteur n est normale la droite D

Soit D une droite passant par A et de vecteur normal #


n
Thorme 21.35
# #
M D #
n AM = 0 .

Soit D une droite dquation ux + vy + w = 0 dans un repre orthonormal (O, #


, #
). Le
Thorme 21.36 #
vecteur n (u, v) est normal D.

2. Relations dans un triangle

Formule dAl-Kashi
Dans un triangle ABC,
Thorme 21.37
BC 2 = AB 2 + AC 2 2AB AC cos BAC.
\

Dveloppement

Dmonstration du thorme 32.16. Si on note a = BC, b = AC et c = AB, on a :


# # # # # # #
a2 = BC 2 = BC 2 = (BA + AC)2 = BA2 + AC 2 + 2(BA AC) = c2 + b2 + 2b cos(BA, AC)
# # # # # #
Or cos(BA, AC) = cos[ + (AB, AC)] = cos(AB, AC) = cos A.
b 

Formule des 3 sinus


Soit ABC un triangle (on note a = BC, b = AC, c = BA), S laire de ce triangle et R le
Thorme 21.38
rayon du cercle circonscrit au triangle :

a b c abc
= = = = 2R.
sin Ab sin B
b sin Cb 2S

Dveloppement

Dmonstration du thorme 32.17. On note H le pied de la hatueur issue de A dans le triangle ABC.

224 LEON 21. CALCUL VECTORIEL


Dans le cas o B b est obtus, AH = AB sin( B)b = AB sin B
b = c sin B.
b
Dans le cas o B b est aigu, AH = AB sin Bb = c sin B.
b
b 1
Donc, dans tous les cas, AH = c sin B et S = BC AH = 1 ac sin B.
2 2
b Do

1 b = 1 ab sin C
b = 1 bc sin A.
S= ac sin B b
2 2 2


3. Relations et quations trigonomtriques


Soient #u et #
v deux vecteurs unitaires dans une base orthonorme directe ( #
, #
) tels que ( #
, #
u) =
# #
b et ( , v ) = a. On a
#
u = cos b #
+ sin b #
= cos a #
+ sin a #
.

Donc #
u #
v = cos a cos b + sin a sin b. De plus, ( #
u , #
v ) = ( #
, #
v ) ( #
, #
u ) = a b. Donc :
#
u #
v cos( #
u , #
v ) = cos(a b).

Do :
cos(a b) = cos a cos b + sin a sin b.

En remplaant a par 2 a, on obtient :

sin(a + b) = sin a cos b + sin b cos a.

partir de ces formules, on dduit les suivantes :

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


sin(a b) = sin a cos b sin b cos a
sin 2a = 2 sin a cos a
cos 2a = cos2 a sin2 a = 2 cos2 a 1 = 1 2 sin2 a.

On a aussi

(
X = + 2k
cos X = cos , kZ
X = + 2k
(
X = + 2k
sin X = sin , k Z.
X = + 2k

4. Recherche de lieux gomtriques


1. On cherche tout dabord lensemble des points M tels que M A2 + M B 2 = k.

Soit I le milieu du segment [AB] (avec A 6= B). Pour tout point M , on a :

AB 2
M A2 + M B 2 = 2IM 2 + (Thorme de la mdiane).
Proprit 21.39 2
Etant donn un rel k, on en dduit que lensemble des points M tels que M A2 + M B 2 = k est
un cercle, ou un point ou lensemble vide.

Exemple 21.40. Soit A et B deux points tels que AB = 2. On cherche dterminer lensemble
E des points M tels que M A2 + M B 2 = 20. On utilise le thorme de la mdiane :

AB 2 4
M A2 + M B 2 = 20 2IM 2 + = 20 2IM 2 + = 20 IM 2 = 9 IM = 3
2 2
(car IM > 0). Lensemble E est donc le cercle de centre I et de rayon 3.

21.4. PRODUIT SCALAIRE 225


E:{M, M A2 +M B 2 =20}

A I B

F IGURE 21.4 Construction de lensemble E de lexemple 21.40

# #
2. On cherche dterminer lensemble des points M tels que M A M B = k. Pour cela, on
# #
dcompose M A et M B en passant par I le milieu de [AB].
Exemple 21.41. Soit A et B deux points tels que AB = 4. On cherche dterminer lensemble
# #
E des points M tels que M A M B = 12.
# # # # # #
M A M B = 12 (M I + IA) (M I + IB) = 12.
# #
Or, IB = IA. On a donc :
# # # #
(M I + IA) (M I IA) = 12 M I 2 IA2 = 12 M I 2 22 = 12.

On en dduit que M E M I 2 = 16 M I = 4. E est donc le cercle de centre I et de


rayon 4

# #
E:{M, M AM B=12}

A I B

F IGURE 21.5 Construction de E de lexemple 21.41

226 LEON 21. CALCUL VECTORIEL


#
3. On cherche dterminer lensemble des points M tels que AM # u = k. Pour cela, on cherche
# #
un point particulier H appartenant lensemble. On a alors AH u = k. Ainsi,
# # # # # # #
AM #u = k AM # u = AH # u (AM AH) # u HM #
u = 0 HM # u.

Lensemble est alors la droite passant par H de vecteur normal #


u.
Exemple 21.42. Soit A et B deux points tels que AB = 3. On cherche dterminer lensemble
# # #
E des points M tels que AM AB = 6. Soit H le point de la droite (AB) tel que AH et
#
AB soient de sens contraires et tel que AH AB = 6 AH = 63 = 2. Ainsi, on a bien
# #
AH AB = 6. Ds lors :
# # # # # # # # # # # # #
AM AB = 6 AM AB = AHAB (AM AH)AB = 0 HM AB = 0 HM AB.

Lensemble E est alors la droite perpendiculaire (AB) passant par H.

A
E:{M, AM AB=6}
H

F IGURE 21.6 Construction de E de lexemple 21.42

5 Produit vectoriel, produit mixte

5 1 Dfinition du produit vectoriel


On rappelle tout dabord que A( #
u , #
v ) vaut :

A( #
u , #
v ) = k #
u k k #
v k |sin()|

o est langle ( #
u , #
v ).

#
Soient #
u , #
v V. Si #
u est colinaire #
v , on pose #
u #
v = 0 . Sinon, #
u #
v est lunique
vecteur tel que :
1. #
u #v # u,
2. #
u # v #
Dfinition 21.43
v,
3. ( u , v , u #
# # # v ) est un tridre direct,
4. k #
u #
v k = A( #
u , #
v ).

21.5. PRODUIT VECTORIEL, PRODUIT MIXTE 227


#
v
#
u

F IGURE 21.7 Paralllogramme port par les vecteurs u et v

Si #
u , #
v V alors :
#
1. u #
# u = 0 (alternance)
Proprits 21.44 2. #
u #
v = #v #
u (antisymtrie)
3. R, ( #
u ) #
v = #
u ( #
v ) = #
u #
v
#
4. u v = 0 si et seulement si u est colinaire #
# # # v.

5 2 Dfinition dun produit mixte


On note h #
u , #
v i le produit scalaire.

Produit mixte
Soient #
u , #
v,w# V. On appelle produit mixte de #
u , # # le rel
v , w,
Dfinition 21.45
[ #
u , # # := h #
v , w] u # # .
v , wi

#
w

#
v
#
u

F IGURE 21.8 Paralllpipde P construit sur les vecteurs u, v, w

On rappelle que P est un paralllpipde construit sur les vecteurs #


u , # # si :
v et w
P = {x #
u + y # # x, y, z [0 , 1]} .
v + z w,

[ #
u , # # = vol( #
v , w] u , # # De plus, le signe est positif si le tridre ( #
v , w). u , # # est direct et
v , w)
Thorme 21.46
il est ngatif dans le cas contraire.

Dveloppement

Dmonstration du thorme 21.46.


1. Si les trois vecteurs sont coplanaires, alors le volume est nul. Quant au produit mixte, il est galement nul daprs
les proprits 1 et 2 du produit vectoriel (ajout au fait quun produit scalaire entre deux vecteurs orthogonaux est
nul).
2. Si les trois vecteurs forment un tridre direct, alors on sait que le volume du paralllpipde est gal laire de la
base fois la hauteur correspondante. On obtient donc :
vol( #
u , # # = A( #
v , w) u , #
v)h
do
vol( #
u , # # = A( #
v , w) u , #
v ) cos(( #
u # # k wk
v , w)) # (21.3)
# # # # # #
= h u v , wi = [ u , v , w].

228 LEON 21. CALCUL VECTORIEL


3. Si les vecteurs forment un tridre alors, dans la ligne (21.3), le cosinus (ngatif) est prcd dun signe moins.


Le produit mixte est inchang par permutation circulaire de ses arguments, cest--dire :

[ #
u , # # = [ w,
v , w] # #
u , #
v ] = [ # # #
v , w, u ].
Corollaire 21.47
Le produit mixte change de signe quand on transpose deux de ses arguments, par exemple :

[ #
u , # # = [ #
v , w] v , # #
u , w].

Dveloppement

Dmonstration du corollaire 21.47. Les volumes tant gaux, il sagit simplement dappliquer la rgle des trois doigts.

F IGURE 21.9 La rgle des trois doigts

5 3 Proprits de linarit

Distributivit du produit vectoriel par rapport laddition


Pour tout #
u , #
v,w # V,

1. #
u ( # # = #u #
v + # #
Proprits 21.48
v + w) u w,
2. ( # # #
u + w) u = #v #
u +w# #
u.

Dveloppement

Dmonstration des proprits 21.48.


1. On va montrer que # r = #u ( #
v + w) # #
u #
v #
u w# = #
0.
# # # V sont non-coplanaires. Pour montrer que # #
Premier cas

# # On suppose que u , v , w r = 0 , il suffit de montrer que
#
r , t = 0 pour tout vecteur t . Mais grce la linarit du produit scalaire par rapport la seconde variable,
il suffit de vrifier cette dernire proprit pour trois vecteurs dune base, il suffit donc de vrifier que

h #
r , #
u i = h #
r , #
v i = h # # = 0.
r , wi

Or, par dfinition, le produit vectoriel de nimporte quel vecteur avec #


u est orthogonal #
u . Les trois termes du
# # # #
second membre sont donc nuls. Donc : h r , u i = 0. On calcule h r , v i :

h #
r , #
v i = h #
u ( # # #
v + w), v i h #
u #
v , #
v i h # # #
u w, vi
| {z }
=0
= [ #
u , # # #
v + w, v ] [ # # #
u , w, v ].

21.5. PRODUIT VECTORIEL, PRODUIT MIXTE 229


Or vol( #
u , #
v + w, # #
v ) = vol( # # #
u , w, v ). En effet, ces deux paralllpipdes ont la mme hauteur et A( #v +
# # # #
w, v ) = A( w, v ) car ces deux paralllogrammes ont la mme hauteur et une base commune.
De plus, ( #
u , #
v + w, # #
v ) et ( # # #
u , w, v ) ont la mme orientation. Donc det( #u , # # #
v + w, v ) = det( # # #
u , w, v ) et
# #
donc h r , r i = 0.
On peut faire le mme raisonnement pour montrer que h # # = 0.
r , wi
Second cas Si # u , #
v,w # sont coplanaires alors on peut exprimer un vecteur en fonction des deux autres.
2. Il suffit dutiliser lanti-symtrie du produit vectoriel pour se ramener au cas prcdent.


Additivit du produit mixte par rapport la deuxime variable


Corollaire 21.49 # # # #
[ #
u , #
v + v 0 , w] = [ #
u , # # + [ #
v , w] u , v 0 , w].

Le produit mixte est linaire en chacune de ses variables, cest--dire :


# #
Proposition 21.50 , R, #
u , u0 , # #
v , w, [ #
u + u0 , # # = [ #
v , w] u , # # + [ #
v , w] u , # #
v , w]

et de mme par rapport aux deuxime et troisime variables.

Expression analytique du produit vectoriel


#
Dans un repre orthonormal (O, # , #
, k ), si les coordonnes de #
u et #
v sont respectivement
0 0 0 # #
(x, y, z) et (x , y , z ) alors les coordonnes de u v sont :
Thorme 21.51
yz 0 zy
#
u #
v = zx0 xz 0 .

xy 0 yx0

Exemple 21.52. Soit les vecteurs # u (1, 2, 0) et #


v (1, 3, 1). On va calculer les coordonnes de #
u #
v.
# # # #
Pour calculer labscisse x u v du vecteur u v , il faut donc calculer :

yz 0 zy 0 = 2 1 0 3 = 2.

De mme,

y #
u #
v = 0 (1) 1 1 = 1 et z #
u #
v = 1 3 2 (1) = 5.

Donc les coordonnes de #


u #
v sont (2, 1, 5).
5 4 Applications

Exemple 21.53. Calcul du sinus dun angle


# #
Soit #
u = AB et #
v = AC deux vecteurs non nuls de lespace. Alors :
# #
\ = ku v k
sin BAC
k #
u k k #
vk

va nous permettre de calculer langle BAC.


\ De plus, si on appelle H le pied de la hauteur issue de B,
dans le triangle ABH :
\ = BH
sin BAC
BA
donc
BH
k #
u #
v k = AB AC = AC BH.
BA
Comme laire du triangle ABC est ACBH 2 , on a alors :

k #
u #
vk
A(ABC) = .
2

230 LEON 21. CALCUL VECTORIEL


Application Dans lespace muni dun repre orthonormal direct, on dfinit les points A(2, 2, 3) et
B(4, 6, 1) et C(0, 1, 5). Lunit est le cm. On veut calculer laire du triangle ABC en cm2 .
On calcule les coordonnes des vecteurs :
#
AB = (2, 4, 4)
#
AC = (2, 1, 2)
# #
donc AB AC = (4, 4, 6) et :
# # q
AB AC = (4)2 + 42 + 62 = 68.

Laire du triangle ABC est donc :


# #

AB AC 2 17

68
= = = 17 4, 12cm2 .
2 2 2

Exemple 21.54. Moment dune force


#
Le moment dune force F sexerant au point A par rapport au pivot P est le vecteur :
# #
M F#/P = P A F .
#
Ce vecteur dsigne laptitude de la force F faire tourner un systme mcanique autour du point P ,
qui est le pivot.

Exemple 21.55. Equation du plan P


En utilisant le produit mixte, donner une quation du plan P dfini par le point A(1, 1, 2) et les
vecteurs #
u (0, 1, 2) et #
v (1, 1, 1).
Soit M (x, y, z) un point du plan P , on a :
#
AM (x 1, y 1, z 2).

Alors
# #
[AM , #
u , #
v ] = AM #
u #
v = 0.
On calcule donc #
u #
v = (3, 2, 1) et :
#
AM ( #
u #
v ) = (x 1) (3) + (y 1) (2) + (z 2) 1

qui est nul. Donc une quation du plan P est :

3x + 3 2y + 2 + z 2 = 0 3x 2y + z + 3 = 0.

Exemple 21.56. Moment dune force par rapport un axe


#
Soit F une force exerce le long dune droite D et soit (O, #
v ) un axe orient. Le produit mixte
# # # #
[ v , OA, F ], o A est un point quelconque de D est appel moment de la force F par rapport laxe
(O, #v ).

21.5. PRODUIT VECTORIEL, PRODUIT MIXTE 231


Exercices dentrainement

quations de droites, de plans Produit scalaire, applications

On se situe dans lespace rapport un repre orthonor-


#
mal (O, #
, #
, k ). 7 Dans le plan, on considre les points A(1, 0), B(2, 1)
et C(3, 1).
1 Dterminer les quations de la droite (AB) avec 1. Donner une quation de la droite (AB).
A(1, 0, 1) et B(2, 1, 0).
2. Calculer la distance du point C la droite (AB).
2 On considre la droite D dfinie par : 3. Calculer laire du triangle ABC.

x2 y1 2z + 1 8 On considre le ttradre de sommets A(1, 1, 1),


= = .
3 2 3 B(1, 0, 0), C(0, 1, 2) et D(2, 3, 1).
Donner les coordonnes de deux points de cette droite, ainsi 1. Donner une quation du plan (ABC).
que les composantes dun de ses vecteurs directeurs. 2. Calculer la distance du point D au plan (ABC).
Montrer que D est lintersection des plans dquations :
Produit vectoriel, produit mixte
2x 3y 1 = 0 et 3y 4z 5 = 0.
9 On considre les points :
3 Dterminer une quation cartsienne du plan (ABC)
A(1, 1, 2), B(0, 1, 1), C(2, 1, 0), D(2, 1, 1).
sachant que :
1. Dterminer une quation du plan (ABC).
A(1, 2, 0), B(3, 0, 0) et C(2, 2, 1).
2. Calculer la distance de D au plan (ABC).
3. Calculer le volume du ttradre ABCD.
4 Dterminer une quation cartsienne du plan dfini par
le point A(1, 0, 1) et les vecteurs #
u (2, 1, 1) et #
v (0, 0, 1). 10 En utilisant le produit mixte, donner une quation du
plan par les points I(1, 0, 0), J(0, 1, 0) et K(0, 0, 1).
Barycentres Donner la distance du point O(0, 0, 0) ce plan.

5 On considre un paralllogramme ABCD. Soit G


le barycentre desp oints pondrs (A, 2), (B, 1), (C, 1) et
(D, 1).
On note M le barycentre de (A, 2), (B, 1). G0 lisoba-
rycentre de B, C, D et I le milieu de [BC].
1. Placer sur un dessin les points M , G0 et I.
2. Montrer que le point G est lintersection des droites
(AG0 ) et (IM ).
3. Placer ce point.

6 On considre le ttradre ABCD. Soit G le barycentre


(A, 1), (B, 1), (C, 2), (D, 2).
On appelle I le milieu de [AB] et J le milieu de [CD].
Soit G0 le barycentre de (A, 1), (B, 1), (C, 2).
1. Prciser la position de G0 .
2. Montrer que G est le barycentre de I et J affects de
coefficients que lon dterminera.
3. Montrer que G est le barycentre de G0 et D affects de
coefficients que lon dterminera.
4. Dfinir le point G comme intersection de deux droites.

232 LEON 21. CALCUL VECTORIEL


22
LEON

Exemples dutilisation
dun repre

Niveau : Premire S, Terminale S, BTS


Prrequis : dfinition dun vecteur, base de la gomtrie
1 Dfinition dun repre

1 1 Droite gradue

Droite gradue
Dfinition 22.1 Pour graduer une droite, on prend sur cette droite un point O appel origine et le reprsentant
dun vecteur #
passant par O qui dfinit lunit : on parle du repre (O, #
).

Sur une droite gradue par le repre (O, #


), tout point A correspond un unique nombre x
appel abscisse de A.
On a :
Proprit 22.2 #
OA = x #
et on note A(x).

Exemple 22.3.

B C O A
4 3 2 1 0 #
1 2 3 4 5

Labscisse du point A est 2.


Labscisse du point B est 3.
Labscisse du point C est 1.

1 2 Reprage dans le plan

Reprage dans le plan


Pour munir le plan dun repre, on prend dans ce plan un point O appel origine et les re-
prsentants de deux vecteurs # et #
Dfinition 22.4
passant par O qui dfinissent les units respectivement
horizontales et verticales . Ainsi le triplet (O, #
, #
) forme un repre du plan.

Dans le plan muni du repre (O, #


, #
), tout point A correspond un unique couple (x, y) de
nombres appels coordonnes de A. On a :
#
OA = x #
+ y #
Proprit 22.5

et on note A(x, y) ou A(x; y).

Vocabulaire
x est labscisse de A ;
Dfinition 22.6 y est lordonne de A ;
la droite sur laquelle on lit les abscisses des points est appele axe des abscisses et celle sur
laquelle on lit les ordonnes des points est appele axe des ordonnes.

234 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Exemple 22.7.

C Les coordonnes de A sont (+1, +1). Son abs-


3
cisse est +1, son ordonne est +1. On note
A(1, 1).
2 Les coordonnes de B sont (2, 1). Son abs-
cisse est 2, son ordonne est 1. On note
1 B(2, 1).
A
Les coordonnes de C sont (1, 3). Son abs-
cisse est 1, son ordonne est 3. On note
3 2 1 0 1 2 C(1, 3).
1
B
2

Repre orthogonal et repre orthonormal


Un repre dont les axes sont perpendiculaires est dit orthogonal.
Un repre orthogonal tel que les normes des vecteurs # et #
Dfinition 22.8
soient chacune gales 1 est dit
orthonorm ou repre orthonormal.

1 3 Repre dans lespace

Reprage dans lespace


Pour munir lespace dun repre, on prend un point O appel origine et les reprsentants de
#
Dfinition 22.9 trois vecteurs #
, #
, k passant par O qui dfinissent les units et les directions, respectivement
#
gauche-droite , avant-arrire et verticale . Le quadruplet (O, # , #
, k ) forme un repre
dans lespace.

#
Dans lespace muni du repre (O, # , #
, k ), tout point A correspond un unique triplet
(x, y, z) de nombres appels coordonnes de A. On a :
# #
OA = x #
+ y #
Proprit 22.10
+z k

et on note A(x, y, z) ou A(x; y; z).

Vocabulaire
x est labscisse de A ;
y est lordonne de A ;
Dfinition 22.11 z est la cote de A ;
la droite sur laquelle on lit les abscisses des points est appele axe des abscisses ;
la droite sur laquelle on lit les ordonnes des points est appele axe des ordonnes ;
la droite sur laquelle on lit les cotes est appele axe des cotes.

22.1. DFINITION DUN REPRE 235


Exemple 22.12.
z Les coordonnes de A sont (1, 1, 2).
Les coordonnes de B sont (1, 2, 1).
A

y
B
x

Repre orthogonal, orthonormal


Un repre dont les axes sont perpendiculaires est dit orthogonal.
#
Un repre orthogonal dont les normes des vecteurs # , #
Dfinition 22.13
et k sont chacune gales 1 est dit
orthonorm, ou repre orthonormal.

Dveloppement

1 4 Complments : base orthonormale


1. Dfinition

Soit En un espace vectoriel de dimension n, o n est un entier naturel, et B = (e#1 , e#2 , . . . , e#


n)
une base de En . On dit que B est orthonormale si et seulement si :
ke#k = ke#k = . . . = ke#k = 1 ;
Dfinition 22.14
1 2 n
pour tout i 6= j, e#i e#j .

Soit An un espace affine euclidien associ lespace vectoriel euclidien En et O un point


Dfinition 22.15 quelconque de An , alors le repre R = (O, e#1 , e#2 , . . . , e#
n ) est dit orthonormal si et seulement si
# # #
sa base associe B = (e1 , e2 , , en ) est elle-mme orthonormale.

2. Calculs dans une base orthonorme

Soit B = (e#1 , e#2 , . . . , e#


n ) une base orthonormale de En .
a. La dcomposition dun vecteur de En dans cette base est donne par :
n
# # he#i , #
x i e#i .
X
x En , x =
i=1

b. Lexpression du produit scalaire de deux vecteurs de En est alors donne par :


Proprit 22.16
n
#
x , # h #
x , # he#i , #
x i he#i , #
X
y En , yi = yi.
i=1

c. Lexpression du carr de la norme dun vecteur de En est donc :


n
# k #
x k2 = he#i , #
x i2 .
X
x En ,
i=1

236 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Ces trois proprits sont en fait quivalentes entre elles, et quivalentes au fait que la famille B = (e#1 , e#2 , . . . , e#
n ) soit
une base orthonormale de En .

3. Procd de Gram-Schmidt

Orthonormalisation de Gram-Schmidt
Soit (E, h, i ) un espace euclidien et (x1 , . . . , xp ) une famille libre de vecteurs. Alors, il
Thorme 22.17 existe une famille orthonormale (e1 , . . . , ep ) unique telle que :
a. pour tout 1 k p, Vect(e1 , . . . , ek ) = Vect(x1 , . . . , xk ) ;
b. pour tout 1 k p, hek , vk i > 0.

Soit (E, h, i ) un espace euclidien de dimension n, puis (x1 , x2 , . . . , xn ) une base de E. On


va construire partir de la famille libre (x1 , . . . , xn ) une famille orthonormale (e1 , . . . , en ) de E
qui sera donc une base orthonormale.
Lalgorithme est le suivant :
a. poser e1 = kxx11k ;
Mthode 22.18 b. une fois les vecteurs e1 , e2 , . . . , ek calculs, chercher le vecteur ek+1 sous la forme : ek+1 =
1 e1 + 2 e2 + + k ek + xk+1 ; pour trouver les constantes :
calculer hek+1 , ej i = 0 pour tout 1 j k, pour obtenir j en fonction de ;
calculer hek+1 , ek+1 i = 1 pour obtenir 2 ;
prendre > 0 grce hek+1 , xk+1 i > 0 : on a puis tous les j .

2 Utilisation de repres

2 1 Gomtrie analytique
1. Norme dun vecteur, distance entre deux points

Norme dun vecteur


Si le vecteur #
u a pour coordonnes (x, y) dans le repre orthonorm (O, #
, #
) alors sa norme
Thorme 22.19 est donne par :
#
q
k u k = x2 + y 2

Dveloppement

#
Dmonstration. On appelle M le point du plan dfini par OM = # u . M a alors pour coordonnes (x, y) dans le repre
(O, #
, #
) (quon suppose orthonorm).
Soit P le projet du point M sur laxe Ox paralllement laxe Oy et Q le projet du point M sur laxe Oy paralllement
laxe Ox.
Comme le repre (O, # , #
) est orthonorm, le paralllogramme OP M Q est un rectangle. Le triangle OM P est donc
rectangle en P . Par consquent, on peut appliquer le thorme de Pythagore :

OM 2 = OP 2 + P M 2 = OP 2 + OQ2 .
# #
Or la distance OM est gale la norme du vecteur #
u , OP = x #
et OQ = y #
, ainsi on a :
# 2 # 2
k #
u k = OP + OQ = kx #
k + ky #
2 2 2 2 2
k = |x| + |y| = x2 + y 2

Par passage la racine carre, on en dduit le rsultat du thorme. 

22.2. UTILISATION DE REPRES 237


Le thorme prcdent permet de calculer la distance entre deux points A(xA ; yA ) et B(xB ; yB ).
Elle est gale la norme du vecteur !
# xB xA
AB .
yB yA

Dans un repre orthonorm, la distance entre les points A(xA ; yA ) et B(xB ; yB ) est donne
Thorme 22.20 par : # q
AB = AB = (xB xA )2 + (yB yA )2 .

2. Formule du produit scalaire

Produit scalaire
Le produit scalaire des vecteurs #
u et #
v est le rel note h #
u , #
v i et dfini par :
Dfinition 22.21
1 h # # 2
h #
u , # k u + v k k #
u k2 k #
i
vi = u k2
2

Produit scalaire et coordonnes dans un repre orthonorm


Si les vecteurs #
u et #
 
x0
v ont pour coordonnes respectives ( xy ) et y0 dans un repre ortho-
Thorme 22.22
norm quelconque alors :
h #
u , #
v i = xx0 + yy 0 .

Dveloppement

Dmonstration. Comme lon travaille dans un repre orthonorm, on peut crire :

1 h # # 2
h #
u , # k u + v k + k #
u k + k #
i
2 2
vi = vk
2
1 p 2 p 2 p 2 
= 0 2
(x + x ) + (y + y ) 0 2 2
x +y 2 02
x +y 02
2
1
= [(x + x0 )2 + (y + y 0 )2 (x2 + y 2 ) (x02 + y 02 )]
2
1 2
= [x + 2xx0 + x02 + y 2 + 2yy 0 + y 02 x2 y 2 x02 y 02 ]
2
1 1
= (2xx0 + 2yy 0 ) = 2 [xx0 + yy 0 ] = xx0 + yy 0 .
2 2

3. Distance entre un point et une droite

Dans un repre orthonorm (O, # , #


), la distance entre le point A(xA , yA ) et la droite D
dont une quation cartsienne est ax + by + c = 0 est donne par :
Thorme 22.23
|axA + byA + c|
d(A; D) = .
a2 + b2

Dveloppement

238 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Dmonstration. Soit A0 le projet orthogonal de A sur la droite D. On sait que :

d(A; D) = AA0 .

Si D a pour quation ax+by +c = 0 alors son vecteur normal #


n a pour coordonnes ( ab ). Ce dernier vecteur est colinaire
#  xA0 xA 
au vecteur AA yA0 yA . On peut donc crire les galits suivantes :
D
# # E p
n , AA0 = [ a2 + b2 ] AA0
= a(xA0 xA ) + b(yA0 yA ) = axA0 + byA0 axA byA = [axA + byA + c].

On peut supprimer en passant par les valeurs absolues, cela donne :


p |axA + byA + c|
a2 + b2 AA0 = |axA + byA + c| AA0 = .
a2 + b2


Exemple 22.24. Soit A(2, 4), B(5, 1) et C(2, 2) dans le repre orthonorm (O, #
, #
). On cherche
la distance du point C par rapport la droite (AB).
5

A
4

B
1

2 1 0 1 2 3 4 5 6

C
2

Dveloppement
Dterminons une quation cartsienne de la droite (AB). M (x, y) appartient la droite (AB) si et seulement les vecteurs
# #
AM et AB sont colinaires. Ainsi, on trouve une quation cartsienne de (AB) (en exercice) : 3x 7y + 34 = 0. On
applique la formule prcdente :
|3xC 7yC + 34| |3 2 7 (2) + 34| 6 + 14 + 34 54
d(C; (AB)) = p = = = .
2
3 + (7) 2 9 + 49 58 58

4. quation dun cercle

Dans un repre orthonorm, tout cercle C admet une quation cartsienne de la forme

Thorme 22.25 x2 + y 2 + ax + by + c = 0

o a, b et c sont trois rels.

Dveloppement

22.2. UTILISATION DE REPRES 239


Dmonstration. Soit I(, ). On considre le cercle C de centre I et de rayon r. Un point M (x, y) appartient au cercle C
si et seulement si IM = r. Cela se traduit par lquivalence suivante :
p
M (x, y) C IM = r (x )2 + (y )2 = r
(x )2 + (y )2 = r2
x2 2x + 2 + y 2 2y + 2 = r2 x2 + y 2 2x 2y + 2 + 2 r2 = 0.

Si on pose a = 2, b = 2 et c = 2 + 2 r2 , on obtient une quation cartsienne du cercle C. 

On va maintenant dterminer quelle condition lquation cartsienne x2 + y 2 + ax + by + c = 0


se rapporte-elle un cercle.
Dveloppement
On appelle E lensemble des points M (x, y) vrifiant x2 + y 2 + ax + by + c = 0.

M (x, y) E x2 + y 2 + ax + by + c = 0
a 2 a 2 b 2 b 2
       
x+ + y+ +c=0
2 2 2 2
a 2 b 2 a2 b2
   
x+ + y+ = + c.
2 2 4 4
a2 b2
De l, il faut savoir si 4 + 4 c peut tre le carr dun rayon. Pour cela, il faut distinguer trois cas :
a2 b2
Si la quantit 4 + 4 c est ngative alors la dernire quation devient :

a2 b2
M (x; y) E IM 2 = + c < 0.
4 4
Or, un carr nest jamais ngatif. Aucun point M ne peut la satisfaire. Lensemble E se rsume lensemble vide.
a2 b2
Si le second membre 4 + 4 c est nul alors lquivalence devient :

M (x, y) E IM 2 = 0 IM = 0.

Lensemble E se rsume au seul point I( a2 ; 2b ).


a2 b2
Si la quantit 4 + 4 c est positive alors elle est le carr de sa racine. Donc :
s s
a2 b2 a2 b2 a2 b2
M (x, y) E IM 2 = + c IM = + c ou IM = + c
4 4 4 4 4 4
Or, un la distance IM ne peut pas tre ngative.
q 
Ainsi, M E si et
qseulement si la distance entre I et M est de
a 2 2b 2 2
4 + 4 c donc E est le cercle de centre I a2 ; 2b et de rayon a
4 + b
4 c.

Pour quune quation cartsienne de la forme x2 + y 2 + ax + by + c = 0 soit celle dun cercle


2 2
Thorme 22.26 C, il faut et il suffit que la quantit a4 + b4 c soit positive (ou nulle).
  q
a2 b2
Le cercle C a pour centre le point I a2 ; 2b et pour rayon 4 + 4 c.

2 2 Recherche de lieux

Exemple 22.27. Soit ABC un triangle tel que AB = 4, AC = 3 et BC = 2. On dtermine lensemble


E des points M du plan vrifiant lquation :

3AM 2 4BM 2 + 2CM 2 .

A B

240 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Dveloppement
# #
Pour trouver lensemble E de manire analytique, nous allons nous placer dans le repre non orthonorm (A, AB, AC).
Dans ce repre lorigine A a pour coordonne (0; 0), B(1; 0) et C(0; 1).

A B

Comme le repre choisi nest pas orthonorm, la formule des normes de vecteurs ne sapplique pas. On dtermine une autre
# #
formule. Si le vecteur #
u a pour coordonnes (x; y) dans le repre (A, AB, AC) alors :
# # #
u = xAB + y AC.

La norme dun vecteur est gale la racine carr de son carr scalaire. Ainsi :

# # # # E # 2 D # # E # 2
rD r
k # h #
u , #
q
uk = ui = xAB + y AC, xAB + y AC = x2 AB + 2xy AB, AC + y 2 AC

Or :
kABk2 = AB 2 = 16 et kACk2 = AC 2 = 9.
D # # E
Reste calculer le produit scalaire AB, AC :
D # # E D # # E D # # E
AB, AC = BA, AC = BA, AC
1 # # 2 # 2 # 2
 
= BA + AC BA AC
2
1 1 1
= [22 42 32 ] = [4 16 9] = (21) = 10, 5.
2 2 2
# #
Ainsi, la norme du vecteur vvu(x; y) dans le repre (A; AB, AC) est donne par :

k #
q
uk = 16x2 + 21xy + 9y 2 .
# #
Soient M (x, y) et I(a, b) dans (A; AB, AC). Le carr de la distance IM est donn par :
#
IM 2 = IM = k(x a; y b)k2

q 2
= 16(x a)2 + 21(x a)(y b) + 9(y b)2

= 16(x2 2ax + a2 ) + 21(xy bx ay + ab) + 9(y 2 2by + b2 )


= 16x2 + (32a 21b)x + 9y 2 + (21a 18b)y + 21xy + 16a2 + 21ab + 9b2 .

Ainsi, on peut dcrire tous les points M (x; y) de lensemble E.

M (x, y) E 3AM 2 4BM 2 + 2CM 2 = 26


# 2 # 2 # 2
3 AM 4 BM + 2 CM = 26

3(16x2 + 21xy + 9y 2 4(16(x 1)2 + 21(x 1)y + 9y 2 ) + 2(16x2 + 21x(y 1) + 9(y 1)2 = 26

16x2 + 86x + 9y 2 + 48y + 21xy 72 = 0.

Lquation 16x2 + 86x + 9y 2 + 48y + 21xy 72 = 0 semble tre une quation cartsienne dun cercle. Il faut en
dterminer les coordonnes du centre et son rayon. La formule donnant IM 2 va nous tre utile, ici.

IM 2 = 16x2 + 9y + 21xy + 86x + 48y 72 = 0


= 16x2 + 9y + 21xy + (32a 21b)x + (21a 18b)y 72 = 0

22.2. UTILISATION DE REPRES 241


Les coordonnes (a, b) du centre I de notre cercle sont les solutions du systme 2 2 suivant :
(
32a 21b = 86
21a 18b = 48

Aprs calculs, on trouve a = 4 et b = 2. Ainsi :

M (x, y) E 16x2 + 9y 2 + 21xy + 86x + 48y 72 = 0


IM 2 [16 (4)2 + 21 (4) 2 + 9 22 ] 72 = 0
IM 2 124 72 = 0 IM 2 = 196 IM = 14.

Conclusion : lensemble E est le cercle de rayon 14 et de centre le point I dfini par :


# # #
AI = 4AB + 2AC.

2 3 quations de droites, quations de plans


1. Colinarit et coplanarit

Colinarit
On dit que deux vecteurs #u et #
v sont colinaires si, et seulement si, il existe deux rels et
Dfinition 22.28
non tous deux nuls tels que :
#
#
u + #
v = 0.

Coplanarit
Trois vecteurs #
u , # # sont coplanaires si il existe trois rels , et non tous nuls tels
v et w
Dfinition 22.29
que :
#
u + #
v + w # = #
0.

Exemple 22.30. Quatre points distincts A, B, C et D appartiennent un mme plan si les vecteurs
# # #
AB, AC et AD sont coplanaires.

2. quations de droites

Dveloppement
Soit D la droite de lespace passant par A(xA , yA , zA ) et B(xB , yB , zB ). Un point M (x, y, z) de lespace appartient la
# #
droite (AB) si et seulement si les vecteurs AM et AB sont colinaires, on obtient donc :

x xA y yA z zA
= = (si aucun des trois rels au dnominateu nest nul).
xB xA yB yA zB zA

Si D eset donne par un point A(xA , yA , zA ) et par un vecteur directeur #


v (a, b, c), alors on peut crire les trois galits
suivantes :
x xA = ka


y yA = kb .

z z = kc

A

Si aucun des trois rels a, b, c nest nul, on peut crire :

x xA y yA z zA
= = .
a b c
Il sagit des quations de D lorsque cette droite nest pas parallle lun des plans de coordonnes.

242 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Soit D une droite de lespace dfinie par un point A(xA , yA , zA ) et par un vecteur directeur
#
v (a, b, c).
Si a 6= 0, b 6= 0 et c 6= 0 alors D nest parallle aucun plan de coordonnes, ses quations
peuvent scrire :
x xA y yA z zA
= = .
a b c
Si a = 0, b 6= 0 et c 6= 0 (il en est de mme si b = 0 ou c = 0) alors D est parallle au plan
dquation x = 0, ses quations peuvent scrire :
Proprit 22.31
(
x = xA
yyA zzA
.
b = c

Si a = 0, b = 0 et c 6= 0 (il en est de mme si a = 0 et c = 0 ou b = 0 et c = 0) alors D


est parallle laxe Oz, ses quations peuvent scrre :

x = xA


y = yA .

(t R)

z = z + tc
A

Exemple 22.32. Donner les quations de la droite D passant par A(3, 1, 4) et B(2, 3, 1).

Dveloppement
# #
Le vecteur AB a pour coordonnes AB(5, 2, 3).
Les quations de D peuvent scrire :
x+3 y1 z4
= =
5 2 3
ou
y1
( ( (
x+3
5 = 2 2x + 6 = 5y 5 2x 5y + 11 = 0
y1 z4

2 = 3 2z 8 = 3y + 3 3y + 2z 11 = 0

3. quations de plans
On admet que :

#
Tout plan de lespace rapport un repre (O, #
, #
, k ) admet une quation cartsienne du
Thorme 22.33 type :
ax + by + cz + d = 0.

Mthode dobtention de lquation cartsienne dun plan


Soit un plan P dfini par un point A et deux vecteurs non colinaires #
u et #
v de ce plan.
# # #
Mthode 22.34 Tout point M du plan P est tel que AM = u + v .
Cette galit permet en utilisant les coordonnes (x, y, z) de M , celles de A et les compo-
santes de #
u et #
v dobtenir trois quations.

Exemple 22.35. On cherche lquation du plan P dfini par A(1, 0, 1) et les vecteurs #
u (2, 1, 1) et
#
v (1, 1, 2).

Dveloppement
#
Lquation AM = #
u + #
v donne :
x 1 = 2 +

(1)
y = + (2) .

z 1 = + 2

(3)

22.2. UTILISATION DE REPRES 243


En additionnant (2) et (3), on obtient :
1
3 = y + z 1 = (y + z 1).
3
En soustrayant (2) et (1), on obtient :
1
3 = x y 1 = (x y 1).
3
En replaant et par ces valeurs dans (2), on obtient :
1 1
y = (x y 1) + (y + z 1) 3y = x + y + 1 + y + z 1.
3 3
Ainsi : x + y z = 0. Cette quation est une quation cartsienne de P.

3 Fonctions et changement de repre

Exemple 22.36. On considre la fonction f dfinie par f (x) = 4x3 12x2 + 9x et on note C sa
reprsentation graphique par rapport un repre orthonormal (O, #
, #
).
On note A le point de C dabscisse 1. Dmontrer quune quation de C dans le repre (A, #
, #
)
3
est Y = 4X 3X.

Dveloppement
Calculons tout dabord les coordonnes du point A(1, f (1)).

f (1) = 4 13 12 12 + 9 1 = 1.

Soit M un point du plan de coordonnes (x, y) dans (O, # , #


) et de coordonnes (X, Y ) dans (A, # , #
. On sait, daprs la
relation de Chasles que :
# # #
OM = OA + AM ,
on peut donc obtenir une relation entre les coordonnes de M dans (O, # , #
) et celles dans (A, #
, #
):
(
x=1+X
y =1+Y

On remplaces ensuite x et y dans y = 4x3 12x2 + 9x par leur valeur en fonction de X et Y :

1 + Y = 4(1 + X)3 12(1 + X)2 + 9(1 + X) Y = 4(1 + 3X + 6X 2 + 3X + 1) 12(X 2 + 2X + 1) + 9 + 9X 1


Y = 4 + 12X + 24X 2 + 12X + 1 12X 2 24X 12 + 9 + 9X 1
Y = 4X 3 3X.

4 Systme de coordonnes

Un systme de coordonne est une correspondance entre chaque point dun espace N di-
Dfinition 22.37
mension et un N -uplet de scalaires.

Lexemple le plus connu est les coordonnes cartsiennes que lon a vu dans toute la leon mais il
en existe plusieurs en mathmatiques.
Exemples 22.38.

244 LEON 22. EXEMPLES DUTILISATION DUN REPRE


a. Les coordonnes polaires dcrivent la position dun point P (r, ) du plan par sa distance r par
rapport lorigine et langle entre laxe des abscisses et le segment [OP ]
b. Les coordonnes cylindriques dcrivent la position dun point P (, , z) de lespace par le
rayon du cylindre 0, la distance entre le point et laxe des z.
c. Les coordonnes sphriques dcrivent la position dun point P (r, , ) laide de r = OP ,
langle entre laxe polaire (axe des z positifs) et [OP ] et langle entre laxe des x positifs et la
projection de [OP ] sur le plan (x, y).

Application : calcul dintgrales

5 Coordonnes gographiques

Pour se reprer sur la Plante de Terre, les scientifiques ont invents un systme de coordonnes :
la latitude : une valeur angulaire, expression du positionnement nord-sud dun point sur Terre.
la longitude : une valeur angulaire, expression du positionnement est-ouest dun point sur Terre.
le niveau de la mer.

F IGURE 22.1 Latitude, longitude

Pour finir cette section, voici un exercice concernant les coordonns gographiques :

22.5. COORDONNES GOGRAPHIQUES 245


6 Et sans repre orthonorm. . .

Que se passe-t-il pour les quations cartsiennes de droite et de cercle si le repre nest pas ortho-
norm ?
Dveloppement
# # # #
(O, , ) non orthonorm dont la norme du vecteur est 7 et celle du vecteur est de 5. La
On se place dans un repre
distance OA est gale 116 = 2 29.

6 1 Norme de vecteurs
Soit #
u un vecteur de coordonnes ( xy ), on a alors : #
u = x #
+ y #
. On dveloppe le carr scalaire :

k #
u k2 = h #
u , #
u i = h(x #
+ y #
), (x #
+ y #
)i
= kx k + 2 hx , y i + ky k = x2 k #
# 2 # # # 2
k2 + 2xy h #
, #
i + y 2 k #
k2 .

Calculons k #
k2 = 72 = 49, k #
k2 = 52 = 25 et :

1  # # 2
h #
, # k + k k #
k2 k #

i= k2
2
1 2 1 1
= [ 116 72 52 ] = [116 49 25] = 42 = 21.
2 2 2
On a ainsi :
k #
u k2 = 49x2 + 42xy + 25y 2
et en prenant la racine carre :
k #
q
uk = 49x2 + 42xy + 25y 2 .
#
La distance AB peut tre calcul grce au rsultat prcdent. Le vecteur AB ayant pour coordonnes (1, 1), on peut
crire : # p
AB = AB = 49 12 + 42 1 + 1 + 25 1 = 49 + 42 + 25 = 116.

6 2 quation du cercle C
On cherche une quation du cercle C de centre B(2; 2) et passant par A(1; 1) dans le repre (O, #
, #
). Un point M
appartient au cercle C si la distance BM est gale AB.
q
M (x, y) C 49(x 2)2 + 42(x 2)(y 2) + 25(y 2)2 = 116
49(x 2)2 + 42(x 2)(y 2) + 25(y 2)2 = 116
49[x2 4x + 4] + 42[xy 2x 2y + 4] + 25[y 2 4y + 4] = 116
49x2 196x + 196 + 42xy 84x 84y + 168 + 25y 2 100y + 100 = 116
49x2 + 25y 2 + 42xy 280x 184y + 348 = 0.

246 LEON 22. EXEMPLES DUTILISATION DUN REPRE


Conclusion : une quation cartsienne du cercle C est :

49x2 + 25y 2 + 42xy 280x 184y + 348 = 0.

On place le point D de coordonnes (3; 3). Vrifions quil appartient au cercle C :

49x2D + 25yD
2
+ 42xD yD 280xD 184yD + 348 = 49 32 + 25 32 + 42 3 3 280 3 184 3 + 348
= 441 + 225 + 378 840 552 + 348 = 1392 1392 = 0.

6 3 Produit scalaire

On considre deux vecteurs #


u ( xy ) et # dans le repre (O, #
, #
 
x0
v y0 ). On a donc les relations vectorielles suivantes :

#
u = x #
+ y #
et #
v = x0 #
+ y 0 #
.

On peut ainsi calculer le produit scalaire h #


u , #
v i.

h #
u , #
v i = h(x #
+ y #
), (x #
+ y #
)i = 49xx0 + 21xy 0 + 21x0 y + 25yy 0 .

6 4 Conclusion finale

Soit un repre (O, #


, #
) quelconque. Notons :

a = k #
k2 , b = h #
, #
i et c = k #
k2 .

a. Lexpression de la norme du vecteur #


u ( xy ) est :

k #
q
uk = ax2 + 2bxy + cy 2
Thorme 22.39
b. Lexpression du produit scalaire des vecteurs #
u ( xy ) et #
 
x0
v y0 est :

h #
u , #
v i = axx0 + b(xy 0 + yx0 ) + cyy 0 .

c. Toute quation cartsienne dun cercle est de la forme :

ax2 + 2bxy + cy 2 + . . . x + . . . y + . . . = 0.

On retrouve les rsultats prcdents pour des rpres orthonorms. En effet, quand un repre est orthonorm, a = c = 1
et b = 0.

22.6. ET SANS REPRE ORTHONORM. . . 247


248 LEON 22. EXEMPLES DUTILISATION DUN REPRE
23
LEON

Rsolution de
problmes laide de
matrices

Niveau : Terminale ES
Prrequis : (dfinition dune matrice, oprations sur les matrices), fonction drive, in-
tgrales, rsolution dun systme dquations, utilisation dun logiciel de calcul formel
Dveloppement
Proposition : Mettre cette partie comme prrequis.

1 Matrices et oprations sur les matrices

1 1 Dfinition dune matrice

Matrice
Soit n et p deux entiers naturels non nuls. On appelle matrice relle n lignes et p colonnes
la donne dun tableau rectangulaire n lignes et p colonnes compos de nombres relles appels
Dfinition 23.1
coefficients de la matrice.
Une matrice n lignes et p colonnes est dite matrice dordre (n, p) ou de dimension n p.
Lensemble des matrices n lignes et p colonnes coefficients rels se note Mn,p (R).

Exemple 23.2. La matrice :


!
A= 1 72 4
2 3
a 2 lignes et 3 colonnes donc A M2,3 (R). Le coefficient de la deuxime ligne et de la troisime colonne est a23 = .

Quelques matrices particulires


Soit A Mn,p (R). On appelle matrice transpose de A, note AT est la matrice obtenue en
Dfinition 23.3 changeant les lignes et les colonnes de A.
Une matrice est dite carre sil a mme nombre de lignes que de colonnes. Lensemble des
matrices carres dordre n coefficients rels se note Mn (R).

Exemple 23.4. Soit la matrice :



3 8
Y = 2, 5 9

4 7, 2
Y est une matrice de dimension 3 2 : Y M3,2 (R).
Sa matrice transpose est : !
T 3 2, 5 4
Y =
8 9 7, 2
Y T est une matrice de dimension 2 3 : Y T M2,3 (R).
1 2 galit de matrices

galit de matrices
Soit A et B deux matrices. On dit que les matrices A et B sont gales si :
Dfinition 23.5
A et B ont mme dimension n p
pour tous i, j tels que 1 i n et 1 j p, aij = bij .

Exercice 23.6. Soient


! !
3x 0 12 0
A= , B= .
2 2y 1 2y x 5
Dterminer x et y pour que A et B soient deux matrices gales.

Dveloppement

250 LEON 23. RSOLUTION DE PROBLMES LAIDE DE MATRICES


Solution.
3x = 12
n
A = B 2 = 2y x x=4y=3

2y 1 = 5

Soient A et B deux matrices relles de mme ordre. On appelle somme de matrices A et B


Dfinition 23.7 la matrice note A + B, de mme ordre que A et B obtenue en ajoutant les coefficients situs en
mme position dans A et dans B.

Remarque 23.8. Une matrice A de dimension n p est nulle si, pour tout 1 i n et 1 j p, aij = 0.

Produit dune matrice par un rel


Soit A une matrice relle et soit un nombre rel. On appelle produit de la matrice A par le
Dfinition 23.9 rel la matrice note A, de mme ordre que A obtenue en multipliant chaque coefficient de A
par le rel .
Dans le cas o = 1, la matrice A est appele oppose de A.

Soient A, B et C trois matrices de mme ordr ; soit k et k 0 deux nombres rels :


a. A + B = B + A
Proprits 23.10 b. (A + B) + C = A + (B + C)
c. k(A + B) = kA + kB
d. k(k 0 A) = k 0 (kA) = (kk 0 )A

1 3 Produit de deux matrices

Soit A une matrice dordre n p et B une matrice dordre p r : A Mn,p (R) et B


Mp,r (R).
On appelle produit des matrices A et B la matrice C = (cij )1in,1jr dfinie coefficient
Dfinition 23.11 par coefficient par :
p
X
cij = ai1 b1j + ai2 b2j + + aip bpj = aik bkj .
k=1

La multiplication de deux matrices se fait selon le schma suivant :

Remarques 23.12.
a. Le produit A B nest dfini que si le nombre de colonnes de A est gal au nombre de lignes de B.

23.1. MATRICES ET OPRATIONS SUR LES MATRICES 251


b. Il peut arriver que le produt A B soit ralisable alors que le produit B A ne lest pas (problme de dimensions).
c. Le produit de deux matrices nest pas commutatif.

Soient A, B et C trois matrices relles ; si ls oprations indiques existent, alors on a les


galits :
Proprits 23.13 a. A (B + C) = A B + A C
b. (A + B) C = A C + B C
c. A (B C) = (A B) C

1 4 Le problme
On ralise le jeu suivant : on lance 4 fois de suite un d quilibr. On multiple le rsultat du premier lancer par 5, celui du
deuxime par 10, celui du troisime par 15 et celui du quatrime par 20. Avec les valeurs obtenues, on retranche la deuxime
la premire, on ajoute la troisime et on retranche la quatrime pour finir : on obtient le score pour la partie. Si lon
considre plusieurs joueurs, la personne qui obtient le score le plus lev sur une srie de 4 lancers est dclare gagnante.
1. On prend une partie de 5 joueurs. Construire la matrice des rsultats affichs par le d pour chacun des joueurs. On
placera les rsultats de chaque srie ordonne de 4 lancers en colonne, par joueur.
2. Dterminer par un calcul matriciel le rsultat de chacun des joueurs. Qui a gagn ?
3. Quel est le score minimal possible ce jeu ? Le score maximal.

Dveloppement

Solution.
1. On note tij (pour 1 i 5 et pour 1 j 4) le rsultat du j e lancer du ie joueur. On aura alors la matrice :

t11 t12 t13 t14
t21 t22 t23 t24

T = t31 t32 t33 t34

t41 t42 t43 t44
t51 t52 t53 t54

2. Pour obtenir le score de chaque joueur, on multiplie la matrice T par la matrice C de diagonale (5, 10, 15, 20)

5 0 0 0
0 10 0 0
C= 0 0 15 0 .

0 0 0 20

La matrice T C sera donc de la forme :



5t11 10t12 15t13 20t14
5t21 10t22 15t23 20t24

P =T C =
5t31 10t32 15t33 20t34
.
5t41 10t42 15t43 20t44
5t51 10t52 15t53 20t54

Ensuite, pour obtenir le score final de chaque joueur, on multiplie la matrice P par la matrice-colonne (vecteur) V :

1
(1)
V = 1

(1)

Ainsi :
5t11 10t12 + 15t13 20t14
5t21 10t22 + 15t23 20t24

5t31 10t32 + 15t33 20t34 .
P V =
5t41 10t42 + 15t43 20t44
5t51 10t52 + 15t53 20t54

252 LEON 23. RSOLUTION DE PROBLMES LAIDE DE MATRICES


3. Pour obtenir le score minimal de ce jeu, il faut maximiser les deuxime et quatrime lancers et minimiser les premier
et troisime lancers.

smin = 5 1 10 6 + 15 1 20 6 = 5 60 + 15 120 = 160.

Pour obtenir le score maximal de ce jeu, il faut minimiser les deuxime et quatrime lancers et maximiser les premier
et troisime lancers.

smax = 5 6 10 1 + 15 6 20 1 = 30 10 + 90 20 = 90.

2 Rsolution de systmes dquations

2 1 Le problme
Un client achte chez un traiteur deux bouches la reine au ris de veau et trois oeufs en gele
pour 18, 70 e. Le client suivant prend une bouche la reine au ris de veau et deux oefus en gele pour
10, 60 e.
Dterminer le prix dune bouche la reine au riz de veau et dun oeuf en gele.
2 2 La thorie
1. Matrices inversibles

Matrice identit
La matrice In de dimension n n dfinie de la manire suivante :

1 0 0
0 1 0

Dfinition 23.14
In =
.. .. . . .
. . . ..

0 0 1

est appele matrice didentit dordre n.

Matrice inversible
Soit A une matrice carre dordre n. On dit que la matrice A est inversible sil existe une
Dfinition 23.15 matrice carre B dordre n telle que :

A B = In .

Soit A une matrice carre dordre n. Sil existe une matrice carre B dordre n telle que
Proprit 23.16 A B = In , alors B est unique.
B est appele linverse de la matrice A et se note A1 .

Dveloppement

Dmonstration. Supposons quil existe B et C carres dordre n telle que A B = A C = In . On a a :

B = B In = B (A C)
= (B A) C = In C = C.

23.2. RSOLUTION DE SYSTMES DQUATIONS 253


2. Rsolution de systmes

Tout systme dquations linaires peut scrire sous forme matricielle.



a x + + a1n xn = b1
11 1


.. ..
. . AX = B


Proprit 23.17 ap1 x1 + + apn xn = bp

a11 a1n b1 x1

.. . .. .. est la matrice du systme B = .. et X = ...
. .
o A = . .

ap1 apn bp xn

Pour rsoudre le systme prcdent, si la matrice A est inversible, on a :


AX = B A1 (AX) = A1 B.
Daprs lassociativit du produit matriciel :
A1 (AX) = A1 B (A1 A) X = A1 B.
Ainsi :
In X = X = A1 B.
Et finalement : X = A1 B. On dtermine ainsi aisment x et y laide dun calcul matriciel.

3. Matrices inversibles 2 2

Admise
Soit A = ac db une matrice 2 2. La matrice A est inversible si et seulement si ad bc = 0.


Proprit 23.18 Si tel est le cas, !


1 1 d b
A = .
ad bc c a

2 3 Solution du problme

Dveloppement

Solution. On cherche :
x le prix dune bouche la reine
y le prix dun uf en gele
On doit rsoudre le systme matriciel suivant :
    
2 3 x 18, 70
AX = B = .
1 2 y 10, 60
La matrice A est inversible car 2 2 3 1 = 1 et la matrice A1 sobtient de la manire suivant :
 
2 1
A1 = .
3 2
On peut donc rsoudre le systme matriciel :
AX = B X = A1 B.
On effectue le calcul :
   
1 2 18, 70
X = A1 B =
2 3 10, 60
   
18, 70 + 2 10, 60 2, 50
= =
2 18, 70 3 10, 60 5, 60


254 LEON 23. RSOLUTION DE PROBLMES LAIDE DE MATRICES


3 Matrice de Leontief

On considre n types de productions et ces consommations intermdiaires entre elles.


On appelle coefficient technique le rapport entre laconsommation intermdiaire dun produit
Dfinition 23.19 par une branche et la production totale de la blanche.
Soit C la matrice des coefficients techniques C (cest une matrice carre dordre n).
On appelle matrice de Leontief la matrice L = I2 C.

Remarques 23.20.
a. Si L reprsente la matrice de Lontief dun secteur dactivit, le terme dindice (i, j) de la
matrice L1 est le montant dont le secteur i doit augmenter sa production pour satisfaire une
augmentation de la demande finale dune unit de la part du secteur j.
b. Si le terme (i, j) de la matrice L1 est nul, cela signifie que toute augmentation dune unit de
la demande du secteur no j ninfluence pas la production totale du secteur no i.

Exercice 23.21. On considre une conomie ferme deux secteurs dont on donne la matrice C des
coefficients techniques, !
0, 2 0, 1
C=
0, 3 0, 4
1. Calculer la demande finale correspondant un niveau de production P = ( 50
30 ).
2. Dterminer laide dune matrice inverse les niveaux de production ncessaires pour rpondre
une demande finale D = ( 200
50 ).

Dveloppement

Dmonstration.
1. La demande finale est donn par LP = DF o L est la matrice de Leontief L = I2 C. Do :
       
1 0, 2 0, 1 50 0, 8 0, 1 50 43
DF = (I2 C) P = = = .
0, 3 1 0, 4 30 0, 3 0, 6 30 33

2. On doit rsoudre le systme matriciel suivant :


   
200 0, 8 0, 1
= P
50 0, 3 0, 6
0,8 0,1 
dinconnue P . La matrice C = 0,3 0,6 est inversible car 0, 8 0, 6 0, 1 0, 3 6= 0. Do :
 4
92

C 1 = 3
13 16 9

On peut ainsi dterminer les niveaux de production :


 4
29
    2300 
3 200 9
P = =
13 16 9 50 400
9

4 Courbes polynomiales

Daprs BAC Pro Aronautique 2008


Aprs arrt dun moteur turbo propulseur, lhlice dun avion continue de tourner librement jusqu
son arrt. Son mouvement est un mouvement de rotation uniformment dclr. Le nombre de tours
N effectus en fonction du temps t (en secondes) est donn par N = f (t) = at2 + bt, o a et b sont
des rels dterminer et t [0 , 72.5].

23.3. MATRICE DE LEONTIEF 255


1. Sachant que lhlice tudie effectue 250 tours en 20 secondes et 510 tours en une minute, dter-
miner le systme dquations dinconnues a et b correspondant ces donnes.
2. Rsoudre ce systme laide dun calcul matriciel et en dduire lexpression de f (t).
3. On admet que la frquence de rotation de lhlice est donne par la drive f 0 de la fonction f .
Dterminer f 0 (t) pour t [0 , 72.5], puis dterminer le nombre de tours effectus par lhlice
jusqu son arrt.

Dveloppement

Solution.
1. Avec les donnes, on doit rsoudre le systme dquations (dinconnues a et b) suivant :
(
400a + 20b = 250
3600a + 60b = 510

2. La rsolution du systme dquations est quivalente la rsolution du systme matriciel suivant :


    
400 20 a 250
AX = B =
3600 60 b 510
La matrice A est inversible car 400 60 3600 20 6= 0 et
 1 1

800
A1 = 3
2400
1 .
40 120
On a alors :    1 1
   1 
a 800 250 10
X = A1 B = 3
2400
1 = 29
b 40 120 510 2
On en dduit une expression de f (t) :
1 2 29
f (t) = t + t.
10 2
3. La fonction drive de f se calcule facilement :
2 29
f 0 (t) = t+ , pour tout t [0, 72.5]
10 2
La frquence devient nulle quand
2 29 290
f 0 (t) = 0 t+ =0t= = 72, 5,
10 2 4
cest--dire que les hlices sarrnt t = 72, 5. Le nombre de tours dhlices effectus par lhlice jusqu son arrt
est donne par :
Z 72,5 Z 72,5
1 29
f (t) dt = t2 + t dt
0 0 10 2
 3 72,5
29t2 72, 53 29 72, 52

t
= + = + ' 50811.
30 4 0 30 4
Il faut 50811 tours dhlices pour que lhlicoptre sarrte compltement.


5 Trigonalisation de matrices

Une matrice carre dordre n est trigonalisable sil existe une matrice carre P dordre n inversible
et une matrice T triangulaire dordre n telles que A = P T P 1 .
On considre les matrices A et P ci-dessous.

1 1 1 1 1 0
A = 6 0 5 et P = 1 5 0

0 1 2 1 1 1
On admet que P est inversible.

256 LEON 23. RSOLUTION DE PROBLMES LAIDE DE MATRICES


1. laide dun logiciel de calcul formel, calculer P 1 AP . Quelle est la forme de la matrice obtenue ?
2. Que peut-on dduire pour la matrice A ? Pour la suite, on posera T = P 1 AP .
3. Exprimer A2 puis A3 en fonction de P , T et P 1 .
4. Dterminer lexpression de An (n N ) en fonction de P , T et P 1 .
5. On admet que T n (n N ) a pour expression

1 6n 3n(n 1)
n
T = 0 1 n .

0 0 1

Dterminer les coefficients de An en fonction de n.


6. Vrifier vos rsultats en remplaant n par 2.

Dveloppement

Solution.
1.

A := [[1,1,1],[-6,0,5],[0,1,2]]
[[1,1,1],
[-6,0,5],
[0,1,2]]
P := [[1,1,0],[-1,5,0],[1,1,1]]
[[1,1,0],
[-1,5,0],
[1,1,1]]
inv(P)
[[5/6,-1/6,0],
[1/6,1/6,0],
[-1,0,1]]
inv(P)*A*P
[[1,6,0],
[0,1,1],
[0,0,1]]


1 6 0
2. La matrice A est trigonalisable car il existe T = 0 1 1 une matrice triangulaire et P une matrice dordre 3 telle
0 0 1
que :
T = P 1 AP A = P T P 1 .

3. On exprime A2 et A3 en fonction de P , T et P 1 :

A2 = (P T P 1 )2 = P T P 1 P T P 1 = P T T P 1 = P T 2 P 1 .

A3 = (P T 2 P 1 )(P T P 1 ) = P T 3 P 1 .

4. De proche en proche, on obtient :


An = P T n P 1 .

5. Sur Xcas, on obtient :

T := [[1,6*n,3*n*(n-1)],[0,1,n],[0,0,1]]
[[1,6*n,3*n*(n-1)],
[0,1,n],
[0,0,1]]
P * T * inv(P)
[[(5+6*n+1-(3*n*(n-1)+n)*6)/6,(-1+6*n+1)/6,3*n*(n-1)+n],
[(-5-6*n+5-(-3*n*(n-1)+5*n)*6)/6,(1-6*n+5)/6,-3*n*(n-1)+5*n],
[(5+6*n+1-(3*n*(n-1)+n+1)*6)/6,(-1+6*n+1)/6,3*n*(n-1)+n+1]]

23.5. TRIGONALISATION DE MATRICES 257


6. Pour n = 2,

n := 2
2
P * T * inv(P)
[[-5,2,8],
[-6,-1,4],
[-6,2,9]]

258 LEON 23. RSOLUTION DE PROBLMES LAIDE DE MATRICES


24
LEON

Proportionnalit et
linarit

Niveau : Troisime
Prrequis : les quatre oprations, reprage, vecteurs
1 Situation de proportionnalit

1 1 Reconnatre une situation de proportionnalit

Dire que deux grandeurs sont proportionnelles revient dire que les valeurs de lune sob-
Dfinition 24.1 tiennent en multipliant les valeurs de lautre par un mme nombre, appel coefficient de propor-
tionnalit

Exemple 24.2. On achte des pommes la pese, 2 e le kilogramme. Dans le tableau ci-dessous, les
prix pays obtenus en multipliant les quantits par le mme nombre : 2.
Le prix pay est proportionnel la quantit de pommes achetes. Ce tableau est appel tableau de
proportionnalit.

Quantit en kg 1 1, 5 2 2, 3 &
2
Prix pay en e 2 3 4 4, 6 %

On peut galement reconnatre un tableau de proportionnalit si les deux lignes dune mme
Proposition 24.3
colonne sont obtenues en multipliant par un mme nombre les deux lignes dune autre colonne.

43
% &
Quantit en kg 1 1, 5 2 2, 3
Prix pay en e 2 3 4 4, 6

1 2 Complter un tableau de proportionnalit : la quatrime proportionnelle

Un tableau de proportionnalit tant donn, si lon connat trois des nombres de deux colonnes
Dfinition 24.4 du tableau alors on peut dterminer le quatrime. Ce quatrime nombre est alors appel quatrime
proportionnelle.

Exemple 24.5. Un morceau de tissu de 3 mtres de long est vendu 25 e. Comment calculer le prix de
7 mtres de ce mme tissu ?

Dveloppement

Longueur 3 m 7 m
Prix 25 e x e
On veut savoir tout dabord quel est le prix au mtre du tissu.

Coefficient de proportionnalit 3 7
Longueur 3m 1m 7 m
Prix 25 e 3 e xe
25

Pour 1 mtre de tissu, on paie 3 fois moins cher quavec 3 mtres, donc on paie 253 soit environ 8, 33 e.
3 7 = 3 e soit environ 58, 33 e.
Pour 7 mtres de tissu, on paie 7 fois plus cher quavec 1 mtre, donc on paie 25 175

Dveloppement
On dveloppe deux autres mthodes pour parvenir nos fins.

260 LEON 24. PROPORTIONNALIT ET LINARIT


7 7
1. 7 mtres est gal 3 de 3 mtres. Le prix pour 7 mtres est donc gal aux 3 du prix pour 3 mtres.
Coefficient de proportionnalit 73
Longueur 3m 7m
Prix 25 e x e
7
3 25 = 175
3 . Donc le prix de 7 mtres de tissu est gal environ 58, 33 e.
2.
Longueur 3 m 7 m &
25
Prix 25 e ? e % 3

25
25 est gal 3 de 3.
25 175
7= .
3 3
Or 175
3 58, 33 donc le prix de 7 mtres de tissu est gal environ 58, 33 e.

Le produit en croix

Nb. de baguettes 5 x
Prix en e 4, 25 2, 55
4,25 2,55
Le coeffiicent de proportionnalit est gal 5 . Mais il est aussi gal x . Donc :
Consquence 24.6
4, 25 2, 55
=
5 x
4, 25 x = 5 2, 55
5 2, 55
x= = 3.
4, 25

1 3 Exemples de situations de proportionnalit


1. Les pourcentages

Un pourcentage traduit une situation de proportionnalit, il est gal au coefficient de propor-


Dfinition 24.7
tionnalit de la situation dont le dnominateur vaut 100.

Exemple 24.8. Une usine fabrique du chocolat noir. Leurs tablettes de 250 g contiennent 180 g de
cacao. Quel est le pourcentage de cacao dans la tablette ?

Dveloppement

Chocolat en g 250 100 &


180
250
Cacao en g 180 x %
180 x
=
250 100
donc x = 72. Dans une tablette de chocolat noir, il y a donc 72 g de cacao sur 100 g de chocolat donc il y a 72% de cacao
dans le chocolat noir.

2. Les chelles
Un lve souhaite dessiner son bureau sur lequel il travaill, mais il souhaite respecter les propor-
tions. Les dimensions relles du bureau doivent donc tre proportionnelles aux dimensions du bureau
dessin.

Le coefficient de proportionnalit par lequel il faut multiplier les dimensions relles pour
Proposition 24.9 obtenir les dimensions mesures sur le plan, exprmes dans la mme unit, est appele chelle du
plan.

Notation : Si 1 cm sur le plan reprsente 300 m en ralit alors lchelle est 1 : 30000.

24.1. SITUATION DE PROPORTIONNALIT 261


3. Thorme de Thals

Soit deux droites d et d0 scantes en un point A ; B et M deux points de d distinct de A et


C et N deux points de d0 distinct de A (A, B et M aligns dans le mme ordre que A, C et N ).
Thorme 24.10 Alors :
AM AN MN
(BC)//(M N ) = = .
AB AC BC

Dveloppement

Dmonstration.

I J

N
M
F

C
B D

On considre les triangles AM N et BN A. On a : 2A(AM N ) = AM N I et 2A(BN A) = AB IN donc on a :

AM A(AM N )
= .
AB A(BN A)

De plus, 2A(AM N ) = AN M J et 2A(CM A) = AC M J donc

AN A(AM N )
= .
AC A(CM A)

Maintenant, montrons que A(BN A) = A(CM A). Ceci revient montrer que A(M F B) = A(CF N ) : (M N ) et (BC)
sont parallles donc on en dduire que A(BN M ) = A(CM N ) : mme base et mme hauteur. Or :

A(BN M ) = A(BM F ) + A(F M N ) et A(CM N ) = A(CF N ) + A(F M N ),

ce qui dmontre lgalit.


Ainsi, comme A(BN A) = A(CM A), on a alors :

AM A(AM N ) A(AM N ) AN
= = = .
AB A(BN A) A(CM A) AC

Montrons maintenant la deuxime galit en considrant le paralllogramme M N CD : daprs ce que lon vient de
dmontrer, en se plaant dans le triangle ABC, on a BM BD
BA = BC , do :

BA M A BC DC AM DC MN
= = =
BA BC AB BC BC
car M N CD est un paralllogramme. On a ainsi dmontr limplication directe.
Rciproque : elle utilise le sens direct.
Soit le point E de d tel que (N E) est parallle (BC), alors A, E et B sont aligns dans le mme ordre que A, N et C
et donc on peut appliquer le sens direct :
AE AN AM
= =
AB AC AB
AE
daprs lhypothse. Donc : AB = AM
AB do AE = AM , les points tant tous aligns dans le mme ordre, il vient que
E = M donc les droites (M N ) et (BC) sont parallles. 

262 LEON 24. PROPORTIONNALIT ET LINARIT


2 Reprsentation graphique

Exemple 24.11.