Calcul Matriciel Idafinal1 Oui

Cours de Mathématiques Générales.
BTS IDA Année académique 2023-2024
Leçon 1 : CALCUL MATRICIEL

I. GENERALITES SUR LES MATRICES
1. Définition
On appelle matrice un tableau rectangulaire de nombres réels ou complexes.
( )
α 11 α 12 ⋯ α1 p
⋮ ⋱ ⋮
αn 1 αn 2 ⋯ α np
n est le nombre de lignes et p le nombre de colonnes. La matrice est dite de type (n ; p). L’élément
situé à l’intersection de la iième ligne et de la j ième colonne est noté α ij. La matrice est notée (α ij ).
Exemples :
( )
1 −2 1
( ) ( )
1 −1 4
2 −5 5 2 4
A= 9 B= 0 −4 T=
1
1 0 5 5 1 6 0
6
A est une matrice de type ( du gabarit ou du format) (2 ;3) à coefficients réels dans R . On écrit A
∈ M 2 x3 (R)
B est une matrice de type ( du gabarit ou du format) (3 ;2) à coefficients réels dans R . On écrit B
∈ M 3 x2 (R)
T est une matrice de type ( du gabarit ou du format) (3 ;3) à coefficients réels dans R . On écrit T
∈ M 3 x3 (R)
Application
Déterminer la matrice A de coefficients a ij telle que :1 ≤i ≤3 , 1 ≤ j≤ 3 et
définie par aij =2i− j .
2. Matrices particulières
2.1 Matrice ligne

Une matrice ligne est une matrice qui n’a qu’une seule ligne. Elle est aussi appelée matrice
uniligne.
Exemples :
A=(−5 3 ) B=( 4 0 6 ) C=¿
La matrice A est de type (1 ; 2)

La matrice B est de type (1 ; 3)
1
M. N’GUESSAN KOUAME JB 07-07-36-84-39 HETEC
Cours de Mathématiques Générales. BTS IDA Année académique 2023-2024
La matrice C est de type (1 ; 4)

2.2 Matrice colonne
Une matrice colonne est une matrice qui n’a qu’une seule colonne. Elle est aussi appelée matrice
unicolonne.
Exemples :
()
1
()
−2 0
D= (118 ) E= 7
1
F= 9
10
−3
La matrice D est de type (2 ; 1)

La matrice E est de type (3 ; 1)
La matrice F est de type (5 ; 1)
2.3 Matrice nulle

Une matrice nulle est une matrice dont tous les éléments sont nuls.
Exemples :
G= (00) H= (00 00) J= (00 0 0

0 0 )
2.4 Matrice carrée
Une matrice carrée est une matrice dont le nombre de lignes est égal au nombre de colonnes. Elle
est de type (n ; n) ou ( p ; p ). On l’appelle aussi matrice d’ordre n ou p. Les éléments α 11 , α 22 .. . α nn
constituent alors la diagonale principale.
Exemples :
( )
2 5 −6
K= ( 2 ) L= ( 3 −4
0 7 ) M = −1 7 4
0 3 2
K est matrice carrée d’ordre 1, ou encore de type (1 ; 1);

L est matrice carrée d’ordre 2, ou encore de type (2 ; 2) ;
M est matrice carrée d’ordre 3, ou encore de type (3 ; 3);
N.B : Les éléments de la diagonale principale sont en gras.
2.5 Matrice diagonale
2
a) Définition
Une matrice diagonale est une matrice carrée dont tous les éléments situés en dehors de la
diagonale principale sont nuls et sur la diagonale principale, au moins un élément est non nul.
b) Notation
Une matrice diagonale est notée diag (a ,b , c) où a, b, et c désignent les coefficients de la
diagonale principale
c) Exemples :
La matrice A diagonale définie comme ci-dessous.
[ ]
4 0 0
A= 0 2 0 sera notée A=diag(4 , 2,−3)
0 0 −3
[ ]
0 0 0
De même, la matrice diagonale B= 0 0 0 sera notée B=diag(0 ,0 ,−3)
0 0 −3
( )
2 0 0 0
( )
−4 0 0
N=
5 0
0 −1( ) O= 0 2 0
0 0 5
P=
0 −1 0 0
0 0 7 0
0 0 0 3
N est matrice diagonale d’ordre 2, ou une matrice diagonale de type (2 ; 2) ;

O est matrice diagonale d’ordre 3, ou une matrice diagonale de type (3 ; 3);
P est matrice diagonale d’ordre 4, ou une matrice diagonale de type (4 ; 4) ;
d) Cas particulier très important :
Une matrice diagonale qui n’a que des « 1 » sur la diagonale principale est appelée matrice
identité ou neutre matricielle notée I n.
Exemples :
( )
1 0 0 0
( )
1 0 0
( 10 01)
I 2= I 3= 0 1 0
0 0 1
I 4=
0
0
1
0
0
1
0
0
0 0 0 1
I 2 est la matrice identité d’ordre 2.
3
2.6 Matrice triangulaire supérieure

Une matrice triangulaire supérieure est une matrice carrée dont tous les éléments situés en-
dessous de la diagonale principale sont nuls. (i> j ⇒ α ij =0)
Exemplesx :
( )
−1 10 2 3
( )
7 −3 2
Q= (20 51) R= 0 3 0
0 0 1
S=
0
0
2 −4 4
0 3 6
0 0 0 9
2.7 Matrice triangulaire inférieure

Une matrice triangulaire inférieure est une matrice carrée dont tous les éléments situés au-dessus
de la diagonale principale sont nuls. (i< j ⇒ α ij =0).
Exemples :
( )
−1 0 0 0
( )
7 0 0
T= (
−4 0
5 11 ) U= 0 3 0
5 2 1
V=
6
−2 1
2 0
3
0
0
4 12 0 9
2.8 Matrice symétrique

Une matrice symétrique est une matrice carrée dont les éléments symétriques par rapport à la
diagonale principale sont égaux. (∀ i, j, α ij =α ji ).
Exemples :
( )
−1 8 −2 5
( )
3 0 5
X= (−45 51) Y = 0 −3 2
5 2 1
Z=
8 10 1 12
−2 1 7 0
5 12 0 3
3. Trace d’une matrice

Soit A=( aij ) une matrice carrée d’ordre n. On appelle trace de la matrice A la somme de tous les
éléments qui constituent la diagonale principale.
On la note Tr ( A)
n
Tr ( A )=∑ aii =a 11 +a22 +a33 +…+ ann
i=1
Exemples :
4
( )
−1 8 −2 5
( )
3 0 5
X= (−7
10 1 )
5
Y = 2 −13 −2
15 2 1
Z= 18 4 1 12
−12 −1 16 0
5 2 10 3
Tr ( X )=−7+1=−6 ;
Tr ( Y )=3+ (−13 ) +1=−9
Tr ( Z )=−1+ 4+ 16+3=22
II. OPERATIONS SUR LES MATRICES
1. Transposée d’une matrice

Transposer une matrice, c’est transformer ses lignes en colonnes ou encore transformer ses
colonnes en lignes. La transposée d’une matrice A se note t A.
Exemples :
( )
−1 11 −12 7
( )
3 0 5
X= (−7
10 1 )
5
Y = 2 −13 −2
15 2 1
Z=
8 4 1 12
−2 −1 16 0
5 2 10 3
La transposée de matrice X est : t X = (−75 101 ).

( )
3 2 15
t
La transposée de matrice X est : Y = 0 −13 2
5 −2 1
( )
−1 8 −2 5
11 4 −1 2
La transposée de matrice X est : t Z =
−12 1 16 10
7 12 0 3
2. Addition des matrices

Soit A=( a ij ) ∈ M n × p ( R ) et B=( b ij ) ∈ M n × p ( R ) .
On définit la somme des matrices A et B comme étant la matrice de type (n ;p) dont les
coefficients sont a ij +b ij .
5
La somme de deux matrices ( ou de plusieurs matrices) n’est définie que si ces matrices sont de
mêmes types. C’est-à-dire que ces matrices doivent avoir le même nombre de lignes ainsi que le
même nombre de colonnes.
On fait la somme des éléments situés à la même position.
Soit C= A+ B , on a :c ij =a ij +b ij ∀ i∈ { 1; 2 ; … .. , n } et j ∈ {1 ; 2 ; … .., p } .
Exemple :
A= (102 01) et B= (−82 37) on a A+ B= (

2+(−8) 0+ 3
10+2 1+7 )
( ) ( )
−2 1 4 1 5 7
Soit A+ B= ( −6 3
12 8 ) C= 3 −5 −1 et D= 6 −2 1 on a
1 −6 3 −9 3 4
( )
−2+ 1 1+5 4 +7
C+ D= 3+6 −5+(−2) −1+1
1+(−9) −6+ 3 3+ 4
( )
−1 6 11
Soit A+ B= 9 −7 0
−8 −3 7
3. Multiplication par un scalaire

Soit A=(aij ) une matrice avec 1 ≤i ≤ n , 1 ≤ j≤ p, une matrice à n lignes et p colonnes et k un
nombre réel donné.
La matrice B=(k aij ) est le produit de la matrice A par le nombre réel k . Le nombre réel k
multiplie toutes les composantes de la matrice A. On écrit B=kA
Exemple :
A= (102 01) (−82 37) on a

et B=
−2 A +3 B=−2 (
10 1 ) ( 2 7 )
2 0 −8 3
+3
−2 A +3 B=(
−20 −2) ( 6 21 )
−4 0 −24 9
+
Soit −2 A +3 B=(
−14 19 )
−28 9
( ) ( )
−2 1 4 1 5 7
C= 3 −5 −1 et D= 6 −2 1
1 −6 3 −9 3 4
6
( )( )
−2 1 4 1 5 7
on a 5 C−D=5 3 −5 −1 − 6 −2 1
1 −6 3 −9 3 4
( )( )
−10 5 20 −1 −5 −7
Soit 5 C−D= +
15 −25 −5 −6 2 −1
5 −30 15 9 −3 −4
( )
−11 0 13
Soit 5 C−D= 9 −23 −6
14 −33 11
4. Produit de deux matrices

Le produit de deux matrices n’est possible que si le nombres de colonnes de la première matrice
est égal au nombre de lignes de la deuxième matrice.
Soient A=( aij ) une matrice de type (n , p) et B=(bij ) , une matrice de type ( p , q).
p
Le produit AB est la matrice C=(c ij ) de type (n , q) où : c ij =∑ a ik b kj
k=1
Exemple :
( )
3 −2
A= ( 2 5
1 −3 ) et B= ( 5 0 −2
1 −1 3 ) et C= −1 2
0 1
 Le produit AC n’est pas possible, car A est de type (2 , 2) et B de type (3 , 2).

 Le produit AB est possible,
AB=
2 5
1 −3 (
x
5 0 −2
1 −1 3
=)(
15 −5 11
2 3 −11 )( )
 Le produit BC est possible,
)( )(
3 −2
BC=
5 0 −2
1 −1 3 ( x −1 2 =
0 1
15 −12
4 −1 )
Première disposition Deuxième disposition
( )(
1 −2
A × B= −2 4
1 −2
1 2 3
6 5 4 ) B 1 2 3
A 6 5 4
( )
1−12 2−10 3−8
A × B= −2+24 −4+ 20 −6+ 16 .
1−12 2−10 3−8 1 −2 −11 −8 −5
−2 4 22 16 10
7
( )
−11 −8 −5 1 −2 −11 −8 −5
A × B= 22 16 10
−11 −8 −5
Première disposition Deuxième disposition
)( )
1 −2
B× A= ( 1 2 3
6 5 4
−2 4
1 −2 1 −2
A −2 4
B× A= ( 1−4 +3 −2+ 8−8
6−10+ 4 −12+ 20−8
. ) B 1 −2
B× A= (00 00) . 1 2 3 0 0
6 5 4 0 0
Remarque :
Si le produit de deux matrices est possible, on peut alors prévoir le type de la matrice obtenue au
résultat et ce, sans même effectuer le calcul.
Quelques produits possibles

Type de la 1ère Type de la 2è Type de la matrice obtenue au
matrice matrice résultat
(2,2) (2,3) (2,3)

(2,3) (3,2) (2,2)
(3,2) (2,3) (3,3)
(3,2) (2,2) (3,2)
(3,3) (3,1) (3,1)
(3,3) (3,3) (3,3)
5. Quelques propriétés
Propriétés Traduction mathématiques

L’addition de deux matrices est commutative A+ B=B+ A
8
L’addition de matrices est associative ( A+ B ) +C= A+ ¿)

- La matrice nulle est l’élément neutre de A+0=0+ A=0
l’addition
- L’opposé de A est noté − A A+(− A)=0
Le produit de deux matrices n’est pas commutatif A . B ≠ BA .

L’élément neutre pour la multiplication est la matrice A . I n =I n . A= A
identité.
Le produit de matrices est transitif A ( B+C )=A . B+ A . C
Le produit des matrices est associatif A ( B .C )=( A . B ) C
( αA )( βB ) =( αβ ) A . B
6. Opérations élémentaires sur les lignes d’une matrice

Il y a trois types d’opérations élémentaires sur les lignes d’une matrice :
 Multiplier une ligne par un nombre α ≠ 0 : Li ⟵α Li
 Permuter deux lignes : Li ⟷ L j
 Ajouter à une ligne, une autre ligne multipliée par un nombre α : Li ⟵ Li +α L j
Deux matrices sont dites lignes-équivalentes, si on passe de l’une à l’autre par une suite
d’opérations élémentaires-
III. DETERMINANT D’UNE MATRICE
1. Définition
Soit A une matrice. On appelle déterminant de A, le nombre noté Det (A) et défini par :
| |
a 11 a12 ⋯ a1 p n n
⋱ ⋮ =∑ (−1 ) a ij mij =∑ (−1 ) aij mij

i+ j i+ j
Det ( A )= ⋮
an 1 an 2 ⋯ anp i =1 j =1
Où mij désigne le mineur associé au coefficient a ij de A ( c’est le déterminant obtenu en

supprimant iième et la j ième colonne de Det ( A ) .
2. Déterminant d’une matrice carrée d’ordre 2

Soit A une matrice carrée d’ordre 2.
A=
( a11 a12
a21 a22 )
Det ( A )=
| a11 a12
a21 a22 |
=a 11 a22−a21 a12
Exemple : Calculons le déterminant de la matrice A.
A= (−25 13)
9
Det ( A )= |−25 13|=5 x 3−(−2) x 1

= 17
3. Déterminant d’une matrice carrée d’ordre 3

3.1 Méthodes des cofacteurs ou méthode de développement
( )
a11 a12 a13
A= a21 a22 a23
a31 a32 a33
On peut choisir de développer suivant une ligne ou une colonne quelconque

- Développement suivant la première colonne
1+1
| a a
a32 a33 | 2+1 a a
| 3 +1
|a a
Det ( A )= (−1 ) . a 11 22 23 + (−1 ) . a21 12 13 + (−1 ) . a 31 12 13
a32 a33 a 22 a23 | |
Det ( A )=a11
|
a 22 a23
a 32 a33
a a
| |
a32 a 33
a a
−a21 12 13 + a31 12 13
a22 a 23| | |
- Développement suivant la deuxième colonne
1+2
|a a
a 31 a33 |2+ 2 a a
a31 a33 | 3+2
|
a a
Det ( A )= (−1 ) .a 12 21 23 + (−1 ) . a22 12 13 + (−1 ) . a32 11 13
a21 a 23 | |
Det ( A )=−a12
| a21 a 23
a31 a 33 | |
a a a
| |
a
+ a22 12 13 −a32 11 13
a31 a 33 a21 a23 |
- Développement suivant la deuxième ligne
2+1
|a a
a 32 a33 |2+ 2 a a
a31 a33 | 2+3 a
| a
Det ( A )= (−1 ) .a 21 12 13 + (−1 ) . a22 11 13 + (−1 ) . a23 11 12
a31 a 32 | |
Det ( A )=−a21
| a12 a 13
a32 a 33 | |
a a a
| |
a
+ a22 11 13 −a23 11 12
a31 a 33 a31 a32 |
- Développement suivant la troisième ligne
3+1 a
| a
|
3 +2 a a
|
3 +3 a a
|
Det ( A )= (−1 ) . a31 12 13 + (−1 ) a32 11 13 + (−1 ) a33 11 12
a 22 a23 a 21 a23 a21 a22 | |
10
|
Det ( A )=+ a31
| |
a12 a 13
a22 a 23
a a a
| | a
−a32 11 13 +a33 11 12
a21 a23 a 21 a22 |
Application
| |
0 4 −5
Calculer≤déterminant suivant les lignes et les colonnes: ∆= 7 1 4
−2 0 −1
Résolution
Suivant la 1ère ligne :
∆=0 × (−1 )
1+1
× |10 −14 |+4 × (−1) ×|−27 −14 |+(−5 ) × (−1) ×|−27 10|
1+2 1+3
∆=0−4 × (−7+8 )−5 × ( 0+ 2 )=−14.

Suivant la 2 èmeligne :
∆=7 × (−1 )
2+1
× |40 −5
−1|+1× (−1 ) ×|
0 −5
2+2
−2 −1|+ 4 × (−1 ) ×|
−2 0|
0 4 2 +3
∆=−7 × (−4+ 0 ) +1 × ( 0−10 )−4 × ( 0+ 8 )=28−10−32=−14.

Suivant la 3 èmé ligne :
∆=−2 × (−1 )
3 +1
× |41 −54 |+ 0 × (−1) ×|07 −54 |+(−1) × (−1) ×|07 41|
3+ 2 3+3
∆=−2 × ( 16+ 5 ) +0−1 × ( 0−28 )=−42+28=−14.
Suivant la 1ère colonne:
∆=0 × (−1 )
1+1
× |10 −14 |+7 × (−1) ×|40 −5
2 +1
−1|
+ (−2 ) × (−1 ) ×|
1 4|
4 −5
3+1
∆=0−7 × (−4+0 )−2 × ( 16+5 )=0+28−42=−14.

Suivant la 2 ème colonne:
∆=4 × (−1 )
1+ 2
× |−27 −14 |+1 × (−1 ) ×|−20 −5
2+2
−1|+0 × (−1 ) ×|
7 4|
0 −53 +2
∆=4 × (−7+ 8 ) +1 × ( 0−10 )−0 × ( 0+35 )=4−10=−14.

Suivant la 3 ème colonne :
∆=−5 × (−1 )
1 +3
× |−27 10|+4 × (−1) ×|−20 40|+ (−1) × (−1) ×|07 41|
2+ 3 3+3
∆=−5 × ( 0+2 )−4 × ( 0+ 8 )−1 × ( 0−28 ) =−10−32+28=−14.
Exemple 2 :
11
( )
1 1 2
On donne la matrice A= 2 1 3 .
−1 1 0
Calculons le déterminant de la matrice A, en utilisant la méthode de développement.

Choisissons de développement sur la troisième colonne.
Det ( A )=2 |−12 11|−3|−11 11|+0|12 11|

¿ 2 ( 2−(−1 ) ) −3(1−(−1 ))
¿ 6−6
Det ( A )=0
NB : La partie en gras n’aurait pas dû figurée parce qu’elle est nulle.

Remarque :
On peut choisir de développer suivant l’une des colonnes ou l’une des lignes. Cependant, il est
plus judicieux de faire son choix sur la colonne ou la ligne qui comporte le plus de « 0 ».
3.2 Méthode de SARRUS

( )
a11 a12 a13
A= a21 a22 a23
a31 a32 a33
 Calcul de | A| suivant les lignes :
| |
a11 a12 a13 a 11 a12
Det ( A )= a21 a22 a23 a 21 a22
a31 a32 a33 a 31 a32
Det ( A )=(a ¿ ¿ 11a22 a33+ a12 a23 a 31+ a13 a 21 a32 )−(a31 a 22 a13 +a 32 a23 a11 + a33 a21 a 12)¿
 Calcul de| A| suivant les colonnes
| |
a11 a12 a13
a21 a22 a23
| A|= a31 a32 a33
a11 a12 a13
a21 a22 a23
Det ( A )=(a ¿ ¿ 11a22 a33+ a21 a32 a 13+ a31 a12 a23 )−(a31 a 22 a13 +a 11 a32 a23+ a21 a12 a 33)¿
12
Exemple 1 :
( )
1 1 2
−1 1 0
Calculons le déterminant de la matrice A, en utilisant la méthode de développement.
| |
1 1 2 1 1
Det ( A )= 2 1 3 2 1
−1 1 0 −1 1
Det ( A )= ( 0+ (−3 ) + 4 ) −[ (−2 ) +3+ 0]
Det ( A )=1−1
Det ( A )=0
Exemple 2 :
Pour tout m, on considéré la matrice Am défini par
[ ]
m 2 −2
Am = 1 1 1
−1 3 2
Pour quelles valeurs de m ∈ R , la matrice Am est elle inversible ? Justifier

Resolution
| |
m 2 −2 m 2
det A m=¿ 1 1 1 1 1 ¿
−1 3 2 −1 3
det A m=¿ ( 2 m−2−6 )− ( 2+ 3 m+ 4 ) ¿
det A m=¿ ( 2 m−8 )−( 3 m+6 ) =2m−8−3 m−6=−m−14 ¿
det A m=¿ 0⟺−m−14=0 ⟺ m=−14 ¿
Donc la matrice Am est inversible ⟺ det A m ≠0 ⟺ m ∈ R−{−14 }

Exemple 3 :
[ ]
m 1 1
A =
On considère la matrice m 1 m 1
1 1 m
1) Calculer le déterminant de la matrice Am .

2) Pour quelles valeurs de m ∈ R, la matrice Am est inversible ? Justifier
Solution
1) Calculer le déterminant de la matrice Am
13
| |
m 1 1 m 1
Det ( A)= 1 m 1 1 m
1 1 m 1 1
Det ( A )= ( m3+1+1 ) −( m+m+m )=m3−3 m+2

2
Det ( A )= ( m−1 ) (m+2)
2) Déterminons les valeurs de m ∈ R, pour lesquelles la matrice Am est inversible

2 2
Det ( A )=0 ⟺ ( m−1 ) ( m+2 )=0 ⟺ ( m−1 ) =0 ⟺ m−1=0 ⟺ m=1
Ou m+2=0 ⟺m=−2
Det ( A )=0 ⟺ m=1 ou m=−2
Det ( A ) ≠ 0 ⟺ m≠ 1 et m≠−2 ⟺ m∈ R ∖ {−2 , 1 }
3.3 Méthode de Pivot de Gauss

Cette méthode consiste à créer le maximum de zéros dans le déterminant, en utilisant les
opérations élémentaires sur les lignes ou colonnes. Ensuite, d’utiliser l’une des méthodes
précédentes, pour calculer rapidement le déterminant.
Exemple :
Calculer le déterminant des matrices suivantes, en utilisant la méthode de Pivot de Gauss.
( )
1 1 2
−1 1 0
(à traiter dans le cahier de recherches)

4. Propriétés des déterminants
i) Soient A et B deux matrices carrées d’ordre n.
Det ( A . B ) =Det ( A ) . Det (B)
ii) Det ( t A )= Det ( A ) .
iii) Le déterminant d’une matrice unité est égale à 1.
| |
1 0 0
Det ( I 3 )= 0 1 0 =1
0 0 1
iv) Un déterminant change de signe si l’on permute deux de ses lignes ou deux de ses colonnes.
| || |
a1 b 1 c 1 c1 b1 a1
a2 b 2 c 2 =− c2 b2 a2
a3 b 3 c 3 c 3 b 3 a3
NB : On a permuté les colonnes 1 et 3.

Exemple :
14
| || |
3 9 5 5 9 3
8 −1 0 =− 0 −1 8
1 4 2 2 4 1
v) Si un déterminant a deux lignes identiques ou deux colonnes identiques, alors ce

déterminant est nul.
| |
a1 a 1 c 1
a2 a 2 c 2 =0
a3 a 3 c 3
Exemple :
| |
2 2 17
−5 −5 4 =0
7 7 321
vi) Si l’on multiplie tous les éléments d’une ligne ou d’une colonne par un réel α , alors ce
déterminant est aussi multiplié par α .
| || |
α a1 b1 c1 a1 b1 c 1
α a2 b2 c2 =α a2 b2 c 2
α a3 b3 c3 a3 b3 c 3
Exemple :
| || |
6 −4 0 2 −4 0
−18 2 1 =3 −6 2 1
3 9 3 1 9 3
On en déduit que si l’on multiplie tous les éléments d’une matrice carrée d’ordre n par un
réel α , alors ce déterminant est aussi multiplié par α n .
| || |
αa 11 αa12 ⋯ α a1n a 11 a12 ⋯ a1 n
n
⋮ ⋱ ⋮ =α ⋮ ⋱ ⋮
αan 1 αa n2 ⋯ αa nn an 1 an 2 ⋯ a nn
Exemple :
| | | |
4 −14 0 2 −7 0
3
−8 4 2 =2 −4 2 1
2 18 6 1 9 3
vii) Si tous les éléments d’une ligne ou d’une colonne sont nuls alors ce déterminant est nul.
Exemple :
| |
0 0 0
−13 5 −2 =0
8 5 3
viii) Si les éléments de deux lignes ou de deux colonnes sont proportionnels alors ce déterminant
est nul.
15
Exemple :
| || |
8 4 7 4 4 7
6 3 −40 =2 3 3 −40 =0
4 2 11 2 2 11
ix) Le déterminant d’une matrice triangulaire, en particulier celui d’une matrice diagonale est
égale au produit des éléments de sa diagonale principale.
Exemple :
| |
1 4 7
0 2 −40 =1 x 2 x (−5 )=−10
0 0 −5
x) Un déterminant ne change pas de valeur si on ajoute aux éléments d’une colonne
(respectivement d’une ligne) les éléments d’une autre colonne (respectivement d’une ligne)
multipliés par un nombre α .
Exemple :
| | | || || |
a1 +α b 1 b 1 c 1 a1 b1 c 1 α b 1 b1 c 1 a1 b 1 c 1
a2 +α b 2 b 2 c 2 = a2 b2 c 2 + α b 2 b2 c 2 = a2 b 2 c 2
a3 +α b 3 b3 c 3 a3 b3 c 3 α b3 b3 c 3 a3 b 3 c 3
IV. MATRICES CARREES INVERSIBLES

1. Définition
Une matrice A d’ordre n est dite inversible, s’il existe une matrice carrée B d’ordre n aussi
telle que :
A . B=B . A=I n
La matrice B est appelée inverse de A et inversement.

2. Théorème
Une matrice carrée est inversible si et seulement si son déterminant est non nul.
Si la matrice A est inversible, alors son inverse est unique et on le note A−1.
1
On a Det ( A ) =
−1
det ⁡(A )
3. Propriétés
 Le produit de de deux matrices inversibles est inversible et on a :
−1
( A . B )−1=B−1 . A−1 et ( A−1 ) = A
 Les propositions suivantes sont équivalentes :
i) A est inversible ;
ii) A est ligne équivalente à I n.
iii) Le déterminant de A est non nul ( Det ( A ) ≠ 0.
16
iv) Les vecteurs colonnes qui constituent A sont linéairement indépendants.
VII.2. Exemple d’application
[ ]
2 1 1
Considérons la matrice A= 1 2 1
1 1 2
1- Calculer A ²
2- Déterminer les réels α et β tels que A2=αA + βI
Résolution
1- Calcul de A2= A . A
2 1 1
1 2 1
1 1 2
2 1 1 6 5 5
1 2 1 5 6 5
1 1 2 5 5 6
[ ]
6 5 5
A ²= 5 6 5
5 5 6
2- Détermination de α et β pour que A2=αA + βI
[ ] [ ]
2 1 1 2α 1α 1α
A= 1 2 1 alors αA = 1 α 2 α 1 α
1 1 2 1α 1α 2α
[ ] [ ]
1 0 0 β 0 0
I = 0 1 0 alors βI = 0 β 0
0 0 1 0 0 β
[ ][ ][ ]
2 α 1 α 1α β 0 0 2α+β α α
αA + βI = 1 α 2 α 1α + 0 β 0= α 2α+ β α
1α 1α 2α 0 0 β α α 2α+β
17
[ ][ ]
6 5 5 2α +β α α
2
A =αA + βI ⟹ 5 6 5 = α 2α+β α
5 5 6 α α 2α+β
{2 α + β=6 ⟹ β=6−2
α=5
α =6−10=−4
D’où A2=5 A−4 I

2
A =5 A−4 I en divisant chaque nombre de l’égalité par -4 , on a :
−1 2 −5 4
A= A+ I
4 4 4
−1 2 5
A + A=I
4 4
A ( −14 A + 54 I )=(−14 A + 54 I ) A=I

−1 5
En posant B= A+ I , on a :
4 4
AB=BA=I
−1 −1 5
Donc la matrice A est inversible et A = A+ I
4 4
[ ]
−3 −1 −1
4 4 4
−1 3 −1
A−1=
4 4 4
−1 −1 3
4 4 4
4. Calcul de l’inverse d’une matrice

On peut calculer l’inverse d’une matrice dont le déterminant est non nul de plusieurs méthodes :
- Méthode des cofacteurs ;
- Méthode de Pivot de Gauss ;
- En utilisant le polynôme caractéristique ou annulateur ;
4.1 Méthode des cofacteurs

4.1.1 Définition
Soit la matrice A=( aij ) avec 1 ≤i ≤ met 1 ≤ j ≤ n
18
 On appelle mineur d’un élément d’un déterminant donné, le déterminant obtenu en

supprimant la ligne et la colonne contenant cet élément. On le note par une lettre
majuscule. Par exemple X ij .
Exemple
| |
a11 a12 a13
a21 a22 a23
a31 a32 a33
Le mineur de a 11 est | a22 a23
a32 a33 |
 On appelle cofacteur de l’élément d’un déterminant, le mineur de cet élément multiplié
par (−1)i+ j(Où i+ j est la somme de la ligne et de la colonne contenant cet élément).
 La matrice dont les éléments sont les cofacteurs est appelée comatrice.
4.1.2 Comatrice d’une matrice

La comatrice de la matrice A est notée Com(A).
( )
a11 a12 a13
A= a21 a22 a23
a31 a32 a33
La comatrice de A s’écrit :
( )
|
+
| |
a22 a 23
a32 a 33
−
a21 a 23
a31 a33 | |
+
|
a 21 a22
a 31 a32
|
Com ( A ) = − a12 a 13
a32 a 33 | | +
a11 a13
a31 a33 | |
−
a11 a12
|
a 31 a32
|
+
| |
a12 a 13
a22 a 23
−
a11 a13
a21 a 23 | |
+
a11 a12
|
a 21 a22
Application
( )
1 5 −4
A= 3 2 1
−1 2 6
Déterminer la comatrice de A.
La comatrice de A s’écrit :
19
( )
|22 16| −|−13 16| +|−13 22|
+
Com ( A ) = −|
2 6 | |−1 6 | |−1 2|
5 −4 1 −4 1 5
+ −
+|5 −4| −|1 −4| +|1 5|

2 1 3 1 3 2
( )
10 −19 8
Com( A)= −38 2 −7
13 −13 −13
4.1.3 Théorème
−1 1 −1 1
Si A est une matrice inversible, alors A = t Com ( A ) ou A = Comt .
det ⁡(A ) det ⁡(A ) A
−1
A : Inverse de la matrice A ;
det ( A ) : Déterminant de la matrice A ;
Com ( A ) :Comatrice de la matrice A ;
t Com( A ) :Transposée de lacomatrice A ;
t A :Transposée de la matrice A ;
Comt :Comatrice de latransposée de A .

A
Application :
( )
1 2 1
On donne la matrice A= 1 2 2
4 3 5
Calculer l’inverse de la matrice A.

Résolution
Calculons l’inverse de la matrice A.
−1 1
On sait que : A = t Com ( A )
det ⁡(A )
Etape 1 : Calculons le déterminant de la matrice A.
| |
1 2 1
Det ( A )= 1 2 2 L2 ← L2−L1
4 3 5
20
| |
1 2 1
¿0 0 1
4 3 5
¿−1 |14 23|

Det ( A )=−( 3−8 )
Det ( A )=5
Etape 2 : Calculons la comatrice de la matrice A.
( )
|23 25| −|14 25| +|14 23|
+
Com ( A ) = −
|23 15| +|14 15| −|14 23|
+|2 1| −|1 1| +|1 2|
2 2 1 2 1 2
( )
4 3 −5
Com( A)= −7 1 5
2 −1 0
Etape 3 : Déterminons la transposée de la comatrice A.
( )
4 −7 2
t Com( A )= 3 1 −1
−5 5 0
Etape 4 : Déterminons l’inverse de A.
( )
4 −7 2
−1 1
A = 3 1 −1
5
−5 5 0
( )
4 −7 2
5 5 7
−1
A = 3 1 −1
5 5 5
−1 1 0
 Cas des matrices carrées d’ordre 2
Si A=
a b
c d ( )
alors Com( A)=
d −c
−b a
et t Com( A )= (
d −b
−c a ) ( )
−1
Finalement A =
1 d −b
det ⁡(A ) −c a ( )
21
Exemple : B=
2 4
3 5( )
Déterminer l’inverse de la matrice B.
|23 45|=10−12=−2 ≠ 0.
det ( B )=
On a: com B= (−45 −3
2) −1 −1
, donc B = (
5 −4
2 −3 2
. )
4.2 Méthode de Pivot de Gauss

Pour calculer l’inverse d’une matrice A, notée A−1 par la méthode de Pivot de Gauss, on peut
procéder comme suit :
- Disposer côte à côte la matrice A et la matrice identité, la matrice A étant à gauche et la
matrice identité à droite ;
- Transformer A par des opérations élémentaires pour arriver à la matrice identité I n.
- Les mêmes opérations élémentaires appliquées à la matrice identité I n donnent à la fin du
calcul A−1 .
NB : Les opérations sur la matrice A et sur la matrice identité I n doivent se faire simultanément.
Remarque :
Si le calcul n’aboutit pas alors A−1 n’existe pas.
Application :
Reprendre l’exercice précédent en utilisant la méthode de Pivot de Gauss.
Résolution :
( )
1 2 1
Calculons l’inverse de la matrice A= 1 2 2 en utilisant la méthode de Pivot de Gauss.
4 3 5
( | )
1 2 11 0 0
1 2 20 1 0
4 3 50 0 1
L2 ← L2−L1
L3 ← L3−4 L1
( | )
1 2 1 1 0 0
0 0 1 −1 1 0
0 −5 1 −4 0 1
L 2 ↔ L3
22
( | )
1 2 1 1 0 0
0 −5 1 −4 0 1
0 0 1 −1 1 0
1
L2 ←− L
5 2
( | )
1 2 1 1 0 0
−1 −4 −1
0 1 0
5 5 5
0 0 1 −1 1 0
NB : A ce niveau du calcul (A rendue triangulaire supérieure), on dit que la matrice A est

inversible (dét A ≠0 ¿
L1 ← L1−2 L2
1
L 2 ← L2 + L
5 3
( | )
−3 2
7 0
1 0 5 5
5
3 1 −1
0 1 0
5 5 5
0 0 1
−1 1 0
7
L 1 ← L1 − L
5 3
( | )
4 −7 2
1 0 0 5 5 5
0 1 0 3 1 −1
0 0 1 5 5 5
−1 1 0
( )
4 −7 2
5 5 7
−1
Donc l’inverse de la matrice A est A = 3 1 −1
5 5 5
−1 1 0
( )
1 3 1
Exemple 2 : Déterminer l’inverse de la matrice K= 2 −1 2
0 4 3
23
( | )
1 3 11 0 0
( | )
2 −1 2 0 1 0 L2−2 L1 ← L2 21 63 0 29 −4 −7
0 4 30 0 1 0 −7 0 −2 1 0 L1 + 9 L2 ← L1
0 0 21 −8 4 7
( | )
1 3 1 1 0 0
0 −7 0 −2 1 0 7 L3 +4 L2 ← L3 1
L ← L1
21 1
|
0 4 3 0 0 1
( )
21 0 0 11 5 −7
1
0 −7 0 −2 1 0 − L ← L2
7 2
| )
0 0 21 −8 4 7
(
1 3 1 1 0 0 1
0 −7 0 −2 1 0 21 L1− L3 ← L1 L ← L3
21 3
0 0 21 −8 4 7
( )
−11 −5 7
−1
( | )
−1
Donc A = −6 3 0 .
11 5 −7 21
8 −4 −7
21 21 21
1 0 0
2 −1
0 1 0 0
7 7
0 0 1
−8 4 7
21 21 21
Si A= ( )
a b
c d
alors pour déterminer l’inverse de A, il faut effectuer des opérations
élémentaires sur A et la matrice identité I 2
( | )a b1 0
c d0 1
4.3 En utilisant le polynôme caractéristique ou polynôme annulateur

Soit A une matrice. S’il existe une matrice B telle que AB=BA=I n alors A est inversible et son
inverse est A−1=B .
Théorème : Cayley Hamilton
Soit A ∈ et P(x) le polynôme caractéristique de la matrice A. on a alors P(A)=0, A vérifie son
polynôme caractéristique.
Application :
( )
1 2 1
On donne la matrice A= 1 2 2
4 3 5
24
Soit la matrice N définie par N=−A 3 +8 A 2−5 A+5 I 3.

1. Calcule N.
2. a) En déduire que A est une matrice inversible.
b) Ecrire l’inverse de A sous forme matricielle.
Résolution
1. Calculons N.
Je calcule d’abord A², puis ensuite A3
( )( )( )
1 2 1 1 2 1 7 9 10
2
A = A . A= 1 2 2 1 2 2 = 11 12 15
4 3 5 4 3 5 27 29 35
( )( )( )
7 9 10 1 2 1 56 62 75
3
A =A ². A= 11 12 15 1 2 2 = 83 91 110
27 29 35 4 3 5 196 217 260
Calculons N maintenant.
( )( )( )( )
56 62 75 7 9 10 1 2 1 1 0 0
N=− 83 91 110 + 8 11 12 15 −5 1 2 2 +5 0 1 0
196 217 260 27 29 35 4 3 5 0 0 1
( )( )( )( )
−56 −62 −75 56 72 80 −5 −10 −5 5 0 0
N= −83 −91 −110 + 88 96 120 + −5 −10 −10 + 0 5 0
−196 −217 −260 216 232 280 −20 −15 −25 0 0 5
( )( )
0 10 5 0 −10 −5
N= 5 5 10 + −5 −5 −10
20 15 20 −20 −15 −20
( )
0 0 0
N= 0 0 0
0 0 0
N=0
2. a) Déduisons que A est inversible.
3 2
N=0⇔−A +8 A −5 A+ 5 I 3=0
⇔ A3 −8 A 2 +5 A=5 I 3
1
⇔ A( A ¿ ¿ 2−8 A+5 I 3)=I 3 ¿
5
⇔ A¿
−1 1
Donc A est inversible et son inverse est A = ( A ¿ ¿ 2−8 A+5 I 3)¿
5
25
b) Ecrivons l’inverse de A sous forme matricielle.

−1 1
On sait que : A = ( A ¿ ¿ 2−8 A+5 I 3)¿
5
[( ) ( )( )]
7 9 10 1 2 1 1 0 0
1
A−1= 11 12 15 −8 1 2 2 +5 0 1 0
5
27 29 35 4 3 5 0 0 1
[( )( )( )]
7 9 10 −8 −16 −8 5 0 0
1
A−1= 11 12 15 + −8 −16 −16 + 0 5 0
5
27 29 35 −32 −24 −40 0 0 5
[( )( )]
−1 −7 2 5 0 0
1
A−1= 3 −4 −1 + 0 5 0
5
−5 5 −5 0 0 5
( )
4 −7 2
−1 1
A = 3 1 −1
5
−5 5 0
( )
4 −7 2
5 5 5
−1
A = 3 1 −1
5 5 5
−1 1 0

Méthode d’identification
Soit A=
a b
c d ( )
. Si A est inversible, alors il existe une matrice carrée B telle que AB=I 2
AB=I 2 ⟺ (ac bd)( xz yt )=( 10 01)
cx+ dz=0{
⟺(S 1) ax +bz =1 et (S2) {aycy++bt=0
dt=1
Dans ces équations les inconnues sont x et z pour (S1) et y et t pour (S2).
5. Rang d’une matrice
Soit A une matrice de type (n , p). les p colonnes de A forment une famille de p vecteurs dans
l’espace vectoriel Rn .
26
Le rang de la matrice A est la dimension du sous espace vectoriel engendré par les vecteurs
colonnes de A.
Le rang d’une matrice est inchangé par opérations élémentaires sur ses lignes. C’est-à-dire que
deux matrices lignes-équivalentes ont le même rang.
Propriétés
 A est une matrice carrée (n , n) inversible ⇔ rang ( A ) =n.
 Le rang de la matrice A est le plus grand entier naturel r , r ≤n tel que l’on puisse
extraire de A une matrice carrée d’ordre r inversible.
 Le rang de la matrice A est le nombre maximum de colonnes linéairement
indépendantes.
Exemples :
( )
1 1 0
1) A= 1 1 1
2 2 3
det ( A)=0, car les colonnes 1 et 2 sont identiques.
Donc rang ( A )< 3.On cherche alors à extraire une matrice carrée d’ordre 2 dont le
déterminant est non nul. | |
1 1
2 3
=3−2=1≠ 0, donc rang ( A)=2
( )
0 0 0
2) A= 0 0 0
0 0 0
Rang( A)=0, la matrice nulle a pour rang 0.
( )
0 0 3
3) A= 0 0 0
0 0 0
det ( A)=0, car A a au moins une colonne nulle.
Donc rang ( A )< 3.On cherche alors à extraire une matrice carrée d’ordre 2 dont le
déterminant est non nul. On n’en trouve pas car | |
0 3
0 0
=0, donc rang ( A)=1
( )
1 2 0
4) A= 1 −1 0
0 1 1
det ( A )=|1 2
1 −1 |
=−1−2=−3≠ 0 ,
On peut extraire une matrice carrée d’ordre 2 dont le déterminant est non nul.
Autrement dit, les colonnes de A sont linéairement indépendantes.
donc rang ( A)=3
EXERCICES
Détermine le rang des matrices suivantes :
27
( ) ( ) ( ) ( )
1 1 0 1 −2 0 1 0 0 −3 7 8
A= 1 1 1 B= 5 1 4 C= −10 2 1 D= 1 1 1
2 2 3 2 6 3 15 6 3 2 2 2
TRAVAUX DIRIGES N°1
EXERCICE 1 :
Déterminer la matrice A de coefficients a ij telle que :1 ≤i ≤3 ; 1 ≤ j≤ 2 et
définie par aij =3 i−2 j .
EXERCICE 2 :
( ) ( ) ( )
0 1 −1 1 2 0 −3
A= −3 4 −13 B= 0 5 C= 2 1
−1 1 0 −6 −1 8 −7
1. Calculer 2 B+ C ; B−2 C ; et 2 B−3 C

2. Calculer AB , AC , A ² et A 3
3. Déterminer t A , t B et t ( AB)
EXERCICE 3 :
Calculer chacun des detreminant suivants :
| | | | | | | |
−1 0 2 1 0 0 b a c 1 ab 1
∆ 1= 1 1 −1 ; ∆1= 2 3 0 ; ∆1 = c b a ; ∆1= 1 b a
0 0 1 1 1 3 a c b a b 1
EXERCICE 4 :
On donne les matrices suivantes :
( )
0 1 1
A= ( 1 −2
1 5 ) B= 2 4 −3
1 −1 10
C=
(−sin
cos ⁡( x)
⁡(x ) )
sin ⁡(x )
cos ⁡(x )
1. Calculer le déterminant des matrices ci-dessus.

2. Calculer A−1 et B−1
EXERCICE 5 :
Soit les Matrices suivantes :
28
( ) ( ) ( )
2 0 1 1 2 3 −1 1 0
A= 0 1 −1 ; B= 1 4 3 et C= 1 0 1
1 0 1 0 7 0 0 −1 1
1 ¿ Déterminer A , B et C sont −elles inversibles ? Justifier
'
2 ¿ Parmi ces matrices déterminer l inverse de celles qui sont inversibles .
EXERCICE 6 :
( )
0 1 −1
Soit M = 0 1 1
1 0 1
1. Calculer P=M 3 −2 M ²+2 M

2. Déduire de ce qui précède que la matrice M est inversible, puis donner son inverse sous la
forme matricielle.
3. Retrouver M −1 en utilisant la méthode de comatrice.
EXERCICE 7 :
( )
α −1 0
Soit A= −2 α −2 où α est un paramètre réel. α ∈ R
0 −1 α
1. Discuter suivant les valeurs de α de l’inversibilité de la matrice A.

2. Lorsque cela est possible, calculer A−1 .
EXERCICE 8:
( )
1 a a²
Soit A= 1 b b ² où a , b et c sont des réels non nuls.
1 c c²
Dire pour quelle(s) valeur(s) de a , b et c la matrice A est inversible.

EXERCICE 9 :
( )
1 −3 6
Soit la matrice A= 6 −8 12 où α est un paramètre réel. α ∈ R
3 −3 4
1. Calculer A ² , puis retrouver les réels α et β tels que : A ²=αA + βI où I est la matrice identité
( )
1 0 0
I= 0 1 0 .
0 0 1
2. Déduire de ce qui précède que la matrice A est inversible, puis calculer son inverse sous la
forme matricielle.
29
3. Retrouver A−1 en utilisant la méthode de comatrice.
Leçon 2 : SYSTEME D’EQUATIONS LINEAIRES
I. GENERALITES
1. Définition
On appelle système linéaire toute équation la forme AX=B où A est une matrice de type (n,p), B
une matrice colonne à n lignes et X une matrice colonne inconnue à p lignes.
2. Ecriture ou présentation
Un système linéaire peut se présenter sous plusieurs formes :
- La forme la plus abrégée : AX=B
- La forme matricielle :
)( ) ( )
x1 b1
(
a11 a 12 ⋯ a 1 p
x2 = b2
⋮ ⋱ ⋮
an 1 a n 2 ⋯ a np … …
xp bn
(n,p) (p,1) (n ,1)
- La forme avec les n équations :
{
a11 x1 +a 12 x 2+ …+a 1 p x p=b 1
a 21 x 1+ a22 x 2 +…+a 2 p x p=b 2
……
an 1 x1 +a n 2 x 2 +…+a np x p=bn
II. METHODES DE RESOLUTION

On s’intéresse ici aux systèmes de n équations à n inconnues, c’est-à-dire du type (n, n). Dans ce
cas, la matrice A est carrée d’ordre n. Pour la résolution d’un tel système, on distingue deux cas :
1er cas : A est inversible
Un système où la matrice associée est inversible est dit de Cramer. Il existe plusieurs méthodes de
résolution de ce type de système. Parmi celles-ci nous verrons :
30
- La méthode de matrice inverse ou méthode matricielle ;

- La méthode de CRAMER ;
- Et la méthode de Pivot de GAUSS.
1. Méthode de matrice inverse

La matrice associée au système est inversible, c’est-à-dire que la matrice A est carrée et det ( A)≠ 0
.
−1
AX=B⇒ X= A B
() ()
x1 b1
x 2 = A−1 b2
… …
xp bn
Application
Résoudre dans R3le système suivant :
{
2 x− y +3 z=−1
( S ) : −3 x + y−z =5
x + y + z=−1
Résolution
- Ecriture matricielle du système
( )( ) ( )
2 −1 3 x −1
−3 1 −1 y = 5
1 1 1 z −1
( ) () ( )
2 −1 3 x −1
( S ) ⟺ A X=B avec A= −3 1 −1 , X= y et B= 5
1 1 1 z −1
−1
AX=B⇒ X= A B
- Calculons A−1 la matrice inverse de A.
−1 1
A = t Com ( A )
det ⁡(A )
*Calculons le déterminant de la matrice A.
| |
2 −1 3 2 −1
Det ( A)= −3 1 −1 −3 1
1 1 1 1 1
Det ( A )= ( 2+ 1−9 ) −(3−2+3)

Det ( A )=−6−4
Det ( A )=−10
31
** Calculons la Comatrice de la matrice A.
( )
|11 −11 | −|−31 −11 | +|−31 11|
+
Com( A)= −
|−11 31| +|21 31| −|21 −11 |
+|−1 3 | −| 2
−3 −1| |−3 1 |
3 + 2 −1
1 −1
( ) ( )
2 2 −4 2 4 −2
Com( A)= 4 −1 −3 t Com( A )= 2 −1 −7
−2 −7 −1 −4 −3 −1
( )
2 4 −2
−1 −1
L’inverse de la matrice A est : A = 2 −1 −7
10
−4 −3 −1
*** Revenons sur les solutions du système
() ( )( )
x 2 4 −2 −1
−1 1
X =A B ⇒ y =¿− 2 −1 −7 5
10
z −4 −3 −1 −1
()( )
x −2
y = 0
z 1
S R = { (−2; 0 ; 1 ) }
3
2. Méthode de CRAMER
On appelle système de CRAMER tout système de n équations à n inconnues tel que le
déterminant det(A) de la matrice A issue du système est non nul.
Si un système est de CRAMER alors sa solution ( x 1, x 2 , … ; x n ¿ est telle que :
∆x
x i= i
det ⁡( A)
Où ∆ x est le déterminant issu de celui de A dans lequel on remplace la ième colonne par le second
i
membre.
Application
Résoudre dans R3le système suivant :
{
2 x− y +3 z=−1
( S ) : −3 x + y−z =5
x + y + z=−1
32
Résolution
( ) () ( )
2 −1 3 x −1
( S ) ⟺ A X=B avec A= −3 1 −1 , X= y et B= 5 avec det ( A )=−10 ≠ 0.
1 1 1 z −1
( )
2 −1 3
La matrice A associée au système est : A= −3 1 −1
1 1 1
- Calculons le déterminant de la matrice A.

- Déduisons les inconnues x , y et z
 Calculer x
| |
−1 −1 3
5 1 −1
∆x det ( x 1 ) −1 1 1 + 20
x=x 1= =
1
= = =−2
det ⁡( A) det ( A ) −10 −10
 Calculer y
| |
2 −1 3
−3 5 −1
∆x det ( A 2 ) 1 −1 1 −0
y=x 1= = 2
= = =0
det ⁡( A) det ( A ) −10 −10
 Calculer z
| |
2 −1 −1
−3 1 5
∆x det ( A 3 ) 1 −1 −1 −10
z=x 1= = 3
= = =1
det ⁡( A) det ( A ) −10 −10
S R = { (−2; 0 ; 1 ) }
3
3. Méthode de Pivot de GAUSS.

La méthode de Pivot de GAUSS consiste à transformer le système de départ en un système
triangulaire de la forme :
{
x+ by+ cz= p
y +dz=q
z=r
Avec b, c, p, d, q et r des nombres réels.

On utilise les opérations élémentaires suivantes :
33
 Permuter deux lignes ;

 Multiplier une ligne par un scalaire ;
 Ajouter à une ligne une autre ligne multipliée par un scalaire α .
Application
{
2 x− y +3 z=−1
Résoudre≤système suivant : ( S ) : −3 x+ y−z=5 .
x + y + z=−1
Résolution
{
x + y + z=−1 L1 ↔ L3
( S ) : −3 x + y −z=5 L2 ⟵ L2+3 L1
2 x− y +3 z=−1 L3 ⟵ L3−2 L1
{
x+ y + z=−1
( S ) ⟺ 4 y +2 z=2 L2 ⟵ 3 L2
−3 y + z=1 L3 ⟵ 4 L3
{
x + y + z=−1
( S ) ⟺ 12 y +6 z=6 L2 ⟵ L2 + L3
−12 y + 4 z=4
{
x + y + z=−1
( S ) ⟺ 12 y +6 z=6
10 z=10
{ { ()
x + y + z=−1 x =−2 −2
( S ) ⟺ 12 y +6 z=6 ⟺ y=0 . Donc X = 0 .
z=1 z=−1 1
S R = { (−2; 0 ; 1 ) }
3
2ème cas : A est non inversible

Si A n’est pas inversible, des trois méthodes ci-dessus, seule la méthode du Pivot de GAUSS est
encore pratique. Elle conduit à deux solutions :
▪ On obtient deux équations contradictoires. Le système n’admet donc pas de solutions.
▪ Certaines équations sont identiques. Le système est alors équivalent à un système de r
équations à n inconnues (r désignant le rang de la matrice A) Certaines inconnues étant
considérées comme des paramètres, la résolution du système nous conduit à une infinité de
solution.
34
Résoudre dans R3les systèmes suivants :
{ {
x + y + z=1 x− y +3 z=0
(S1 ) x+ 2 y −2 z =0 (S2 ) 2 x+ 3 y+ z =0
2 x+3 y −z=5 3 x+ 4 y +2 z=0

EXERCICE 1 :
Résoudre dans R3les systèmes suivants :
{ { {
2 x + y + z=3 x− y +3 z=4 −x + y + z=−4
(S1 ) 2 x+ y−z=−1 (S 7) − x− y + z=2 (S 2) x+ 2 y + z=1
x+ y−3 z=−6 x−2 y+ z =−5 −x+ 3 y+2 z=−5
{ { {
2 x− y +3 z=4 x+ y−z=2 −x + y + z=1
(S3 ) −x− y+ z=1 (S 9 ) x+ 2 y + z =3 (S 4 ) 2 x− y +2 z=2
x−2 y +4 z=5 x+ y−z=2 3 x−2 y + z=3
{ { {
−x + y + z=3 −x−3 y + z=1 −x + y + z=0
(S5 ) 3 x + y−z=1 (S 8) 2 x− y +2 z =0 (S 6) x− y + z=1
x + y−3 z=6 x−2 y−z=−3 2 x + y +2 z =−5
EXERCICE 2 :
( )
2 2 0
Soit la Matrice suivante : A= 0 1 1
1 1 1
−1
1 ¿ Justifier que A est inversible et caculer A
{
2 x+ 2 y =−1
2 ¿ Soit ≤système suivant : ( s ) y + z=2
x + y + z=−1
a ¿ Ecrire ( S ) sous forme matricielle .
b ¿ En déduire ( S ) sous forme matricielle .
EXERCICE 3 :
'
On considère≤système d équations ci−dessous dans lequel
{
x +3 y + z=20
x , y et z ∈ R . ( S ) 3 x + y +2 z=18
x + y +2 z=12
a ¿ Resoudre ( s ) par la methode du pivot de Gauss
b ¿ Resoudre ( s ) par la methode matricielle .
35
EXERCICE 4 :
( )
1 1 1
Soit les Matrices A et B telles que A= 0 1 −1 et B= A−I 3
0 0 1
1 ¿ Ecrire B sous forme matricelle
2 3
2 ¿ Calculer B et B
EXERCICE 5 :
3 2
1 ¿ Soit ≤polynome P ( x )=−x + 4 x + x −4 où x ∈ R
a ¿ Calculer P (1)
'
b ¿ Resoudre dans R l équation P ( x )=0
( ) ( )
1 m 2 1 0 0
II ¿ Soit m∈ R et A et I les matrices definies par A= m 2 m ; I = 0 1 0
2 m 1 0 0 1
1 ¿ Calculer det ⁡( A)
2 ¿ Pour quelles valeurs de mla matrice A est−elle inversible ?
2 3
3 ¿ Dans toute la suite du problème on admet que m=1 ; Calculer A et A
4 ¿ ∀ x ∈ R . on pose : K= A−xI
a ¿ Calculer det ⁡(K )et montrer que −A 3 +4 A 2 + A=4 I
−1 2
c ¿ Endéduire que A est inversible et exprimer A en fonction de A ; A et I .
−1
d ¿ Calculer A
'
III ¿ Onconsidère≤système d équations ci−dessous dans lequel x , y et z sont des réels .
{
x+ y+2 z=31
( s ) x +2 y + z=28 en utilisant ≤calcul matriciel ,resoudre ( s ) .
2 x + y + z=33
Exercice 6 :
3
I ¿ On considère≤ polynomes P tel que P ( x )=x −6 x + 4
1−a ¿Calculer P(2)
'
b ¿ Ecrire P sous forme d un produit de facteur du 1 er degré .
'
II ¿ Onconsidère≤système d équations ci−dessous dans lequel x , y et z sont
{
( m+1 ) x+ y +2 z=−1
les inconnues et m un paramètre réel . ( s m ) : x +my + z=2
x+ 2 y + ( m−1 ) z=1
36
'
1 ¿ Déterminer lamatrice A m du systeme et donner l écriture matricielle de ( sm ) .
2 ¿ Pour quelles valeurs de mla matrice A m est−elle inversible ? .
3 ¿ Déterminer lamatrice inverse de A m lorsque cela est possible .
4 ¿ Onsuppose que m=−1
a ¿ Déterminer la matrice inverse de A−1
a) En déduire la solution du systeme ( s−1 )
Leçon 3 : ESPACE VECTORIEL REEL DE DIMENSION 3
I. L’ESPACE VECTORIEL R3
1. Rappel sur le produit cartésien de 3 ensembles non vides
a) Définition
Soient E, F et G trois ensembles non vides. On appelle produit cartésien de ces trois ensembles,
l’ensemble noté ExFxG et définie par l’égalité ci-dessous.
ExFxG= {( x , y , z ) ; x ∈ E , y ∈ F et z ∈ G }
b) Remarque
Ainsi, les éléments du produit cartésien de trois ensembles non vides sont un triplet (x , y , z) tel que
le premier élément du triplet appartient au 1 er ensemble, le deuxième élément du triplet au 2 ème
ensemble et le troisième élément du triplet appartient au 3 ème ensemble.
Exemple :
N x Z x C={ ( x , y , z ) ∕ x ∈ N , y ∈ Z et z ∈C }
Ainsi, (1 ,−2 ; 2+5 i √ 3)∈ N x Z x C , mais (−2 , 1; 2+5 i √ 3)∉ N x Z x C , car −2 ∉ N
2. Produit cartésien de 3 ensembles non vides et identiques

a) Définition
Soit E un ensemble non vide. On appelle produit cartésien des ensembles E , E et E
l’ensemble E x E x E= { ( x , y , z ) ∕ x ∈ E , y ∈ E et z ∈ E }
b) Notation
37
Le produit cartésien des ensembles E , E et E est noté E x E x E ou E3 et on a :

c) Cas particulier
On a : R x R x R est noté R3et R3=R x R x R= { ( x , y , z ) ∕ x ∈ R , y ∈ R et z ∈ R }
Exemple :
On a : (−1 , 2 ,5)∈ R3, (4 ,−2 ; 2)∈ R3 et (0 , 0 , 1) ∈ R 3
3. Somme dans R3
a) Définition
Soit (x , y , z) et (x ' , y ' , z ') deux éléments de R3. On appelle somme de (x , y , z) et (x ' , y ' , z ')
L’élément de R3. noté ( x , y , z )+ ( x ' , y ' , z ' ) =(x + x ' , y + y ' , z + z ' ).
b) Exemple :
( 1 , 2,−3 ) + (−2 , 1, 4 )=(−1 , 3 ,1) et ( 1 , 2, 6 )+ (7 ,0 ,−4 )=(8 , 2 ,2)
4. Multiplication d’un élément R3 par un réel

a) Définition
Soit α ∈ R , un nombre réel et ( x , y , z ) un élément de R3. On appelle multiplication de ( x , y , z ) par α
l’élément noté α ( x , y , z ) tel que : α ( x , y , z )=(αx , αy , αz).
b) Exemple :
−2 ( 4 ,−3 ,−7 )=(−8 , 6 , 14) , 3 ( 7 , 0 ,−4 ) =(21 , 0 ,−12) et −5(−1 , 3 , 1)=(5 ,−15 ,−5)
5. L’espace vectoriel réel R3

a) Définition
L’ensemble R3=R x R x R muni de l’addition et de la multiplication définies ci-dessus est appelé un
espace vectoriel sur R ou sur espace vectoriel réel
b) Remarque
Les éléments d’un espace vectoriel sont appelés les vecteurs.
c) Exemple
Le vecteur (0, 0, 0) est appelé le vecteur nul de R3 et on note 0 R 3
Le vecteur ( 4 ,−3 ,−7 ) est appelé un vecteur de R3
38
II. FAMILLE GENERATRICE, FAMILLE LIBRE ET FAMILLE LIEE DE VECTEURS

1. Famille de vecteurs d’un espace vectoriel
a) Définition
Une famille de vecteurs d’un espace vectoriel est tout simplement un ensemble fini de vecteurs
de cet espace vectoriel.
b) Exemple :
On donne les ensembles F 1={ ( 1 ,2 ,−3 ) ;(2 , 0 ,−1) } et F 2=¿
F 1 est une famille de deux vecteurs de R3, alors que F 2 est une famille de trois vecteurs de R3 .
2. Famille génératrice d’un espace vectoriel
a) Définition 1 : Combinaison linéaire d’une famille de vecteurs.

Soit F={ e 1 , e2 , e3 } une famille de trois vecteurs. On appelle combinaison linéaire de ces trois
vecteurs, toute écriture de la forme α 1 e1 +α 2 e 2 +α 3 e 3
b) Définition 2 : Famille génératrice d’un espace vectoriel
Soit F={ e 1 , e2 , e3 } une famille de trois vecteurs. On dit que la famille F={ e 1 , e2 , e3 } est une famille
génératrice de l’espace vectoriel E ou que la famille F engendre E si tout vecteur de E peut s’écrire
comme combinaison linéaire des vecteurs de F.
c) Exemple d’application:
On considère l’espace vectoriel réel R3=R x R x R= { ( x , y , z ) ; x ∈ R , y ∈ R et z ∈ R }
Montrer que la famille B=¿ engendre R3
Résolution
Tout vecteur de R3 s’écrit ( x , y , z ).
Déterminons les réels α , β et γ en fonction de x, y, z pour que :
( x , y , z )=α (1 , 0 , 0 ) + β ( 0 ,1 , 0 ) + γ ( 0 , 0 ,1 ) =( α , 0 , 0 ) + ( 0 , β ,0 )+ ( 0 , 0 , γ )
( x , y , z )=( α , β , γ )
{
α=x
On en déduit que β= y
γ =z
D’où ( x , y , z )=x (1 , 0 , 0 ) + y ( 0 , 1, 0 )+ z ( 0 , 0 ,1 ) et on en déduit que la famille
B=¿ engendre R3.
4. Famille libre d’un espace vectoriel
a) Définition
Soit H= { e1 , e 2 , e 3 ,… , e n } une famille de n vecteurs d’un espace vectoriel.
39
On dit que la famille H= { e1 , e 2 , e 3 ,… , e n } est libre

si : α 1 e1 +α 2 e 2 +α 3 e 3 +α 4 e 4 +…+ α n e n=0 E , alors cette égalité à une solution
α 1=α 2=α 3=…=α n=0
NB : (0 E désigne le vecteur nul de l’espace)
b) Exemple d’application :
Montrer que la famille B'=¿ est une famille libre de R3 .
Résolution :
On a α (1 , 0 , 0 ) + β (1 , 1 , 0 ) +γ ( 1 , 1 ,1 ) =(0 , 0 , 0) ⟺
( α ,0 ,0 )+ ( β , β , 0 )+ ( γ , γ , γ ) =(0 , 0 , 0)⟺
{
α + β+ γ =0
( α + β+ γ , β +γ , γ )=(0 , 0 , 0)⟺ β + γ=0
γ =0
{
α =−γ −β
⟺ β=−γ
γ =0
{
α =0
⟺ β=0
γ =0
Donc α (1 , 0 , 0 ) + β (1 , 1 , 0 ) +γ ( 1 , 1 ,1 ) =(0 , 0 , 0)
⟹ α =0 , β=0 et γ =0la famille B'=¿ est libre
III. BASE D’UN ESPACE VECTORIEL

1. Définition d’une base d’un espace vectoriel
a) Définition
Soit E un espace vectoriel réel et B=(e 1 , e 2 , e 3) une famille de 3 vecteurs de E.
On dit que B=(e 1 , e 2 , e 3) est une base de E si la famille B est à la fois libre et génératrice.
b) Exemple :
La famille B1={ ( 1 , 0 , 0 ) + ( 1 ,1 , 0 ) + ( 1 , 1, 1 ) } est -elle une base de R3?
 Montrons que la famille B1engendre R3.
3
∀(x , y , z )∈ R , déterminons les réels α , β , et γ dépendant de x, y et z tels que
D’où ( x , y , z )=α (1 , 0 , 0 ) + β (1 , 1 , 0 ) +γ ( 1 , 1 ,1 )
( x , y , z )=( α ,0 , 0 )+ ( β , β , 0 )+ ( γ , γ , γ )
( x , y , z )=( α + β+ γ , β +γ , γ ) . On a alors le système :
{
x=α + β+ γ
⟺ y=β+ γ
z=γ
{ { { {
α =x−β−γ α=x −β−z α =x−( y −z)−z α=x− y
⟺ β= y−γ ⟺ β= y−z ⟺ β= y−z ⟺ β= y−z
γ =z γ =z γ= z γ =z
40
Donc ( x , y , z )=( x− y) ( 1 , 0 ,0 )+( y −z) ( 1, 1 , 0 ) + z ( 1 , 1 ,1 )
{
α =0
⟺ β=0
γ =0
On en déduit que la famille { ( 1 , 0 , 0 ) ; (1 , 1 , 0 ) ; (1 , 1 ,1 ) } engendre R3

 Montrons que la famille { ( 1 , 0 , 0 ) ; (1 , 1 , 0 ) ; (1 , 1 ,1 ) } est libre.
α (1 , 0 , 0 ) + β (1 , 1 , 0 ) +γ ( 1 , 1 ,1 ) =(0 , 0 , 0)
( α + β+ γ , β +γ , γ )=(0 , 0 , 0)
{
γ =0
⟺ β +γ =0
α + β + γ=0
{ {
γ =0 γ =0
⟺ β=−γ ⟺ β=0
α =−β−γ α =0
Donc la famille B1={ ( 1 , 0 , 0 ) ; ( 1, 1 , 0 ) ; (1 , 1 ,1 ) } est libre
Donc la famille B1={ ( 1 , 0 , 0 ) ; ( 1, 1 , 0 ) ; (1 , 1 ,1 ) } est qui est à la fois une famille génératrice et libre est
une base de R3.
2. Base canonique de R3
a) Définition
Soit B=(e 1 , e 2 , e 3) , une famille de 3 vecteurs R3
Dire que la famille B=(e 1 , e 2 , e 3) est une base canonique de R3, cela signifie que e 1=( 1, 0 , 0),
e 2=(0 ,1 , 0) et e 1=(0 , 0 ,1).
C’est-à-dire que la base canonique de R3 est B= { (1 , 0 , 0 ) ; ( 0 , 1, 0 ) ; ( 0 , 0 , 1 ) }

b) Coordonnée d’un vecteur dans une base
Si B=(e 1 , e 2 , e 3) une base d’un espace vectoriel E, alors tout vecteur de E s’écrit comme combinaison
linéaire unique des vecteurs de base (e 1 ,e 2 , e3 ). C’est-à-dire que l’écriture U =αe 1+ β e 2 +γ e3 est
()
α
unique et les réels α , β et γ sont appelés coordonnées du vecteur U dans la base B et on écrit U β ou
γ
()
α
U= β
γ
IV. DIMENSION D’UN ESPACE VECTORIEL

1. Définition
41
Dans un l’espace vectoriel, toutes les bases possèdent le même nombre de vecteurs et le nombre de
vecteurs que possèdent toutes les bases est appelé la dimension de l’espace vectoriel E et est noté
dim (E).
2. Exemples
Exemple 1 :
B= { (1 , 0 , 0 ) ; ( 0 , 1, 0 ) ; ( 0 , 0 , 1 ) } est la base canonique de R3, et comme cette base contient 3 vecteurs de
R , alors dim ( R ) =3
3 3
Exemple 2 :
Si l’on dit qu’un espace vectoriel E est de dimension 3 alors toutes base contient 3 vecteurs e 1 ,e 2 et
e 3 c’est-à-dire B=(e 1 , e 2 , e 3) .
V. SOUS-ESPACE VECTORIEL
1. Définition
Soit un espace vectoriel et F une partie de E. (E ⊂ F).
On dit que F est un sous-espace vectoriel de E si :
i) F≠0
ii) F est stable par la 1ère loi, notée +
C’est-à-dire ∀ U ∈ F , ∀ V ∈ F ,(U +V )∈ F
iii) F est stable par la loi externe
C’est-à-dire ∀ α ∈ R , ∀ U ∈ F , Alors αU ∈ F
2. Exemple
On considère l’espace vectoriel R3 et F={ ( 0 , y , z ) , y ∈ R , z ∈ R }
Montrer que F est un sous-espace vectoriel de R3
- F ≠ 0 car ( 0 , 0 , 0 ) ∈ F
- Stabilité par l’addition :
soit ( 0 , y , z ) et ( 0 , y ' , z ' ) ∈ R
Alors ( 0 , y , z ) + ( 0 , y ' , z ' )=( 0+ 0 , y + y ' , z + z ' )=(0 , y + y ' , z + z ' )∈ F car son premier terme
est 0
- Stabilité par la loi externe
Soit ( 0 , y , y ' ) ∈ R , α ∈ R alors α ( 0 , y , y ' )=(α .0 , αy , α y ' )
'
α ( 0 , y , y ' )=(0 , αy , α y )∈ F
Donc F est un sous-espace vectoriel de R3
42
Leçon 4 : APPLICATIONS LINEAIRES
I. APPLICATION LINEAIRE
1. Définition
Soit E et F deux espaces vectoriels et f une application de E dans F. On dit que f est une
application linéaire sur E si et seulement si :
 ∀ ⃗u, ⃗v , ∈ E on a f (⃗u + ⃗v )=f ( ⃗u ) + f (⃗v );
 ∀ α ∈ R , ∀ u⃗ ∈ E , on a f (α u⃗ )=αf ( ⃗u )
2. Théorème
Soit E et F deux espaces vectoriels et f une application de E dans F. On dit que f est une
application linéaire sur E si et seulement si :
∀ ⃗u, ⃗v ∈ E , ∀ α , β ∈ R ,on a f (α u⃗ + ⃗
βv)=αf ( ⃗u ) + βf (⃗v )
Exemple 1:
Soit f : R ² → R
( x , y ) ⟼ 3 x+ y
Montrer que f est une application linéaire.
Résolution
v ( x , y ) ∈ R 2 , f ( 1 , 1 )=3 ( 1 ) + ( 1 )=4 ∈ R
 Démontrons que f est une application linéaire en utilisant la définition.
 Démontrons f (⃗u + ⃗v )=f ( ⃗u ) + f (⃗v );
Posons u⃗ ( x , y ) et ⃗v (x ' , y ' ) .
f ( u⃗ + ⃗v )=f ( x+ x' , y+ y ' )

43
¿ 3 ( x + x ' ) + ( y+ y ' )
¿ ( 3 x+ y )+ ( 3 x' + y ' )
f (⃗u + ⃗v )=f ( ⃗u ) + f (⃗v )
 Démontrons que ∀ α ∈ R , ∀ u⃗ ∈ R , f (α u⃗ )=αf ( ⃗u )

f (α u⃗ )=f [ α (x , y ) ]
¿ f ( αx , αy )
¿ 3 αx+ αy
¿ α (3 x+ y)
f (α u⃗ )=αf ( ⃗u ) .
Conclusion
On a f (⃗u + ⃗v )=f ( ⃗u ) + f (⃗v )et f (α u⃗ )=αf ( ⃗u ) donc f est une applicationlinéaire .

 Démontrons que f est une application linéaire en utilisant le théorème.
Démontrons que ∀ ⃗u, ⃗v ∈ R ², ∀ α , β ∈ R ,on a f (α u⃗ + β ⃗v )=αf ( ⃗u ) + βf (⃗v )
f ( α ⃗u + β ⃗v )=f [ α ( x , y )+ β ( x , y ) ]
' '
¿ f ( αx+ β x ' , αy+ β y ' )
¿ 3 ( αx+ β x ' ) + ( αy+ β y ' )
' '
¿ 3 αx+3 β x +αy+ β y
' '
¿ 3 αx+ αy+3 β x + β y
¿ α (3 x + y ) + β ( 3 x ' + y ' )
f (α u⃗ + β ⃗v )=αf ( ⃗u ) + βf (⃗v )
Conclusion : on a montré que f ( α ⃗u + β ⃗v )=αf ( ⃗u ) + βf ( ⃗v ) . Donc f est application linéaire.
Exemple 2:
Soit f : R ² → R ²
( x , y ) ⟼ 2 x− y , x−3 y
Montrer que f est une application linéaire.
Résolution
Démontrons que f est une application linéaire en utilisant le théorème.
44
Démontrons que ∀ ⃗u, ⃗v ∈ R ², ∀ α , β ∈ R ,on a f (α u⃗ + β ⃗v )=αf ( ⃗u ) + βf (⃗v )

Posons u⃗ ( x , y ) et ⃗v ( x' , y ' ) et 2 x− y , x−3 y= ( 2 x , x ) +(− y ,−3 y )
f ( α ⃗u + β ⃗v )=f [ α ( x , y )+ β ( x , y ) ]=f ( αx , αy+ β x , β y )

' ' ' '
' '
¿ f (αx+ β x , αy+ β y )
¿ 2 ( αx+ β x ' ) −( αy+ β y ' ) , ( αx+ β x ' )−3 ( αy+ β y ' )
¿¿
¿ ( 2 αx , αx ) + ( 2 β x ' , β x ' ) + (−αy ,−3 αy ) + (−β y ' ,−3 β y ' )
¿ ( 2 αx , αx ) + (−αy ,−3 αy )+ ( 2 β x ' , β x ' ) + (−β y ' ,−3 β y ' )
¿ α [ ( 2 x , x ) +(− y ,−3 y ) ] + β [ ( 2 x , x ) +(− y ,−3 y ) ]

' ' ' '
¿ α (2 x− y , x−3 y ) + β ( 2 x ' − y ' , x ' −3 y ' )
¿ αf ( x , y ) + βf ( x' , y ' )
f (α u⃗ + β ⃗v )=αf ( ⃗u ) + βf (⃗v )
On peut donc conclure que f est une application linéaire ou f est R−linéaire.
Exemple 3:
Soit f : R → R ²
x⟼ x ²
Montrer que f n’est pas une application linéaire.

Résolution
2 2 2
f ( x + y )= ( x + y ) =x +2 xy + y =f ( x ) +2 xy +f ( y )
On a f ( x + y ) ≠ f ( x )+ f ( y), donc f n’est pas une application linéaire.

3. Conséquences
i) f est appelée endomorphisme si f est une application linéaire de E vers E.

ii) L’application f est dite injective si :
∀ x 1 , x 2 ∈ E , x 1 ≠ x 2 ⇒ f (x ¿¿ 1)≠ f (x ¿¿ 2)¿ ¿ou encore.
∀ x 1 , x 2 ∈ E , f (x 1)≠ f (x ¿¿ 2)⇒ x1 ≠ x2 ¿
iii) f est une application surjective si :

∀ y ∈ F , ∃ x ∈ E ∕ y=f (x)
iv) f est une application bijective si f est à la fois injective et surjective. C’est –à-dire
∀ y ∈ F , ∃! x ∈ E ∕ y=f (x)
45
v) f est isomorphisme si f est une application linéaire bijective.

vi) f est un automorphisme si f est un endomorphisme bijectif.
Récapitulons
 une application linéaire f : E → E ⇒ f est endomorphisme .
 une application linéaire f : E → E bijectif ⇒f est automorphisme .
 une application linéaire f : E → F bijectif ⇒ f est isomorphisme .
4. Condition nécessaire et suffisante pour qu’un endomorphisme soit un

automorphisme
Un automorphisme est endomorphisme bijectif. Cela veut dire, en pratique que le déterminant de
la matrice associée à l’endomorphisme doit être non nul.
II. MATRICE D’UNE ENDOMORPHISME D’UN ESPACE VECTORIEL DE

DIMENSION 3 RELATIVEMENT A UNE BASE DONNEE
1. Définition
Soient E et F deux espaces vectoriels de dimension finie, ( e 1 , e2 , … , e p ) une base de E, ( f 1 , f 2 ,… , f n )
une base de F et u une application linéaire de E dans F.
On appelle matrice de u par rapport aux bases ( e 1 , e2 , … , e p ) et ( f 1 , f 2 ,… , f n ), la matrice de type
( n , p ) dont la j ième colonne est formée des cordonnées de u(e j) dans la base ( f 1 , f 2 ,… , f n ) .
En notant A la matrice de u, on peut calculer facilement l’image d’un vecteur X par u puisque
u ( X ) =A . X
2. Méthode pratique
Soit E un est espace vectoriel de dimension 3, muni de la base B=(e 1 , e 2 , e 3) et f un
endomorphisme de E.
Pour déterminer la matrice A de l’endomorphisme f relativement à la base
B=(e 1 , e 2 , e 3) , on exprime :
- f (e ¿¿ 1) ¿ en fonction de e 1 ,e 2 et e 3;
- f (e ¿¿ 2)¿ en fonction de e 1 ,e 2 et e 3;
- f (e ¿¿ 3)¿ en fonction de e 1 ,e 2 et e 3;
Si par exemple, ¿
Alors on consigne les égalités ci-dessous dans un tableau comme suit :
f (e ¿¿ 1) f (e¿ ¿2)f (e¿¿ 3)¿ ¿ ¿
[ ]
e1 α 1 β1 γ1
e2 α 2 β2 γ2 46
M. N’GUESSAN KOUAME
e 3 α 3 βJB γ07-07-36-84-39 HETEC
3 2
Le tableau ainsi obtenu noté A et défini par :
( )
α 1 β1 γ 1
A= α 2 β2 γ 2
α3 β 3 γ 2
est appelé la matrice de l’endomorphisme f relativement à la base B=(e 1 , e 2 , e 3)

3. Exemples
Exemple 1 :
On considère l’espace vectoriel R3 muni de sa base canonique B=(e 1 , e 2 , e 3) et f l’endomorphisme
de R3défini par :
3 3
f :R →R
( x , y , z ) ↦ f ( x , y , z ) =(2 x− y + z ; y+ z ;−x+ 2 z )
A désigne la matrice de l’endomorphisme f relativement à la base canonique

B=(e 1 , e 2 , e 3) de R3.
Donner l’expression de A.
B=(e 1 , e 2 , e 3) étant la base canonique de R3 , alors e 1=( 1 , 0 ,0 ) ,e 2=( 0 , 1 , 0 ) et e 3=(0 , 0 ,1)
f ( e1 ) =f ( 1 , 0 ,0 )=( 2 , 0 ,−1 )=2e 1 +0 e 2−e 3
f ( e2 ) =f ( 0 , 1 ,0 )=(−1 , 1, 0 )=−e 1+ 1e 2 +0 e 3
f ( e3 ) =f ( 0 , 0 , 1 )=( 1 , 1, 2 )=1 e 1 +e 2+2 e 3
En consignant ces égalités dans un tableau, on a :
f (e ¿¿ 1) f (e¿ ¿2)f (e¿¿ 3)¿ ¿ ¿
[ ] [ ]
e 1 2 −1 1 2 −1 1
e2 0 1 1 d’où A= 0 1 1
e3 −1 0 2 −1 0 2
Exemple 2 :
Soit l’application linéaire u de R2 dans R3 telle que :
47
u ( e 1 )=2 e 1−e 2+ 3 e3 et u ( e 2 )=−e1 +5 e 2+ e3
- La matrice A de u est :
u ( e 1 )=2 e 1−e 2+ 3 e3=(2 ;−1 ; 3)
u ( e 2 )=−e1 +5 e 2+ e3=(−1 ; 5 ; 1)
u(e1 ) u(e2 )
( )
2 −1 e1
Donc la matrice A= −1 5 e2
3 1 e3
- L’image d’un vecteur X(1 ; 2) est :
( )( )
2 −1
u ( X ) =A . X ⇔ u ( X )= −1 5 1
3 1 2
()
0
⇔ u ( X )= 9
5
Exemple 3 :
Pour tout réel m , on définit l’endomorphisme f m de R3 muni de sa base canonique B=(e 1 , e 2 , e 3)
par :
f m ( x , y , z )= (−x +2 my+ mz ; 2 x −z ;− y−2 z )
Déterminer la matrice A de f .
Résolution
f m (e ¿¿ 1)=(−1 ; 2 ; 0)¿ représente les coefficients de x .
f m (e ¿¿ 2)=(2 m ; 0 ;−1)¿ représente les coefficients de y .
f m (e ¿¿ 3)=(m;−1;−2)¿ représente les coefficients de z .
f m (e ¿¿ 1)f m (e ¿¿ 2)f m (e ¿¿ 3) ¿ ¿ ¿
( )
−1 2 m m e1
A
Donc la matrice m = 2 0 −1 e2
0 −1 −2 e3
Exemple 4 :
48
L’espace vectorielle R3est muni de sa base canonique B=(e 1 , e 2 , e 3) . On définit l’endomorphisme f

de R3 tel que :
f (1 , 0 ,0)=(2 ; 0 ; 1)
f (−1 ,2 , 0)=(5 ; 2;−1)
f (2 ,−1 , 1)=(1 ; 2;−4)
Déterminer la matrice A de f
Résolution
f (1 , 0 ,0)=(2 ; 0 ; 1) donc f ( e1 ) =2 e1 +0 e 2+ e3
f (−1 ,2 , 0)=(5 ; 2;−1) donc f ( −e1 +2 e 2 )=5 e 1+ 2e 2−e3
f (2 ,−1 , 1)=(1 ; 2;−4) donc f ( 2e 1−e 2 +e 3 )=e 1 +2 e2−4 e 3
{
f ( e 1 )=2 e 1+ 0 e2 +e 3
D’où −f ( e1 ) +2 f ( e2 ) =5 e1 +2 e 2−e 3
2 f ( e 1 )−f ( e2 ) + f ( e 3 )=e 1 +2 e2−4 e 3
{
f ( e 1 )=2 e 1+ 0 e2 +e 3
2 f ( e 2 )=5 e 1 +2 e2−e3 + f ( e 1)
f ( e 3 )=e1 +2 e 2−4 e3 −2 f ( e 1) + f ( e 2 )
{
f ( e1 ) =2 e1 +0 e 2+ e3
2 f ( e 2) =5 e 1+2 e 2−e 3 +2 e1 +e 3
f ( e 3 )=e1 +2 e 2−4 e3 −2(2 e1 +e 3)+ f ( e 2 )
{
f ( e 1 )=2 e 1+ 0 e2 +e 3
2 f ( e 2) =7 e 1+ 2 e2
f ( e 3 )=−3 e1 +2 e 2−6 e 3+ f ( e 2 )
{
f ( e1 ) =2 e1 +0 e 2 +e 3
7
f ( e 2) = e 1 +e 2
2
7
f ( e 3 )=−3 e1 +2 e 2−6 e 3+ e1 + e2
2
49
{ {
f ( e 1 )=2 e 1+ 0 e2 +e 3 f ( e1 ) =(2 , 0 ,1)
7 7
f ( e 2 )= e1 +e 2 ⇔ f ( e2 ) =( ,1 0)
2 2
1 1
f ( e 3 )= e1 +3 e 2−6 e 3 f ( e 3 )=( ,3 ,−6)
2 2
f (e ¿¿ 1)f (e¿ ¿2)f (e¿¿ 3)¿ ¿ ¿

Donc la matrice
( )
7 1
2 e
2 2 1
Am e
0 1 3 2
1 0 −6 e 3
EXERCICE 1 : (Extrait du BTS RIT 2014)
L’espace vectoriel IR3 est muni de la base canonique On considère

l’endomorphisme de IR3 définie par :
1. Ecrire la matrice associée à relativement à la base canonique de IR3.

2. Déterminer les valeurs de m pour lesquelles l’endomorphisme est un automorphisme de
3
IR .
EXERCICE 2 : (Extrait du BTS IDA 2020)

On considère l’espace vectoriel muni de sa base canonique , et pour tout réel
m, on définit l’endomorphisme de défini par :
1. Donner la matrice de dans la base B, où désigne la transposée de la matrice .

2. Pour quelles valeurs de m, est-il un automorphisme de ?
L’espace vectoriel IR3 est muni de la base canonique On considère

l’endomorphisme de IR3 définie par :
Ecrire la matrice associée à relativement à la base canonique de IR3.
50
L’espace vectoriel IR3 est muni de la base canonique Pour tout couple de réel (a,
b), on considère l’endomorphisme de IR3 définie par :
Ecrire la matrice associée à relativement à la base canonique de IR3.

On considère l’espace vectoriel , muni da sa base canonique B et

l’endomorphisme de défini par :
1. Ecrire la matrice associée à relativement à la base canonique de IR3.

2. L’endomorphisme est – il bijectif ?
III. NOYAU, IMAGE D’UNE APPLICATION LINEAIRE

1. Noyau d’un endomorphisme
a) Définition
Soit f un endomorphisme d’un espace vectoriel E de dimension 3 ayant A pour matrice
relativement à une base B de E
Le noyau de f noté kerf et donnée par l’égalité ci-dessous :
K er ¿
b) Exemple d’application
On considère l’espace vectoriel R3 muni de sa base canonique :
B=( e1 , e2 , e3 ) et f l’ endomorphisme R3 définie par
3 3
f :R ⟶R
( x , y , z ) ⟶ f ( x , y , z )=( x +2 y + z ;−2 x− y +2 z ;−x+ y+3 z )
51
1- Déterminer la matrice A de l’endomorphisme f relativement à la base canonique

B=( e1 , e2 , e3 ) de R3
2- Donner le noyau de l’endomorphisme f .
Résolution
1) B=( e1 , e2 , e3 ) étant la base canonique de R3
Alors e 1=( 1 , 0 ,0 ); e 2=( 0 , 1 , 0 ) et e 3=( 0 , 0 , 1 )

f ( e1 ) =f ( 1 , 0 ,0 )=( 1 ,−2 ,−1 )=1 e1−2e 2−e 3
f ( e2 ) =f ( 0 , 1 ,0 )=( 2 ,−1 , 1 )=2 e 1−e 2+ e3
f ( e1 ) =f ( 0 , 0 , 1 )=( 1 , 2, 3 ) =e1 +2 e 2+ 3 e3
f ( e1 ) f ( e2 ) f ( e3 )
[ ] [ ]
e1 1 2 1 1 2 1
e
On a : 2 −2 −1 2 A= −2 −1 2
e 3 −1 1 3 −1 1 3
2) Détermination de ker f
{( ) ( ) ( )}
x x 0
3
ker f = y ϵ R , A y = 0
z z 0
() () [ ][ ] [ ]
x 0 1 2 1 x 0
A y = 0 ⟺ −2 −1 2 y = 0
z 0 −1 1 3 z 0
{ {
x+ 2 y + z=0 x=−2 y−z
⟺ −2 x− y+ 2 z=0 ⟺ −2(−2 y−z )− y +2 z=0
−x+ y+ 3 z=0 − (−2 y −z )+ y+ 3 z=0
{
x =−2 y −z
⟺ 4 y +2 z− y +2 z=0 ⟺ x=−2 y−z
2 y + z+ y+ 3 z =0
¿3 y + 4 z=0 {
{
−4
{
x=−2 y−z y= z
⟺ 3
−4 ⟺
¿ y= z 8 3 5
3 ¿ x=−2 y−z= z − z= z
3 3 3
D’où
() ()
x 0
−4 5
A y = 0 ⟺ y= z et x= z
3 3
z 0
52
{( ) }
x
−4 5
ker f = y ϵ R 3 , y = z et x= z
3 3
z
{( ) } { ( )
5
} ⟨( )⟩
z
3 5 5 5
❑ ❑
ker f = −4 , zϵ R = z −4 , zϵ R = −4
z 3
3 3 3
z
( )
5
ker f est le sous – espace vectoriel engendré par le vecteur U = −4
3
( )
5
il est de dimension 1 et une base de ker f est B={ U } avec U = −4
3
2. Image d’un endomorphisme

a) Définition
On appelle image de f, notée Im(f), l’ensemble { ∀ y ∈ F , ∃ x ∈ E ∕ f (x )= y }.
{ ( ) ( )}
x x'
3 3
Si E=F=R 3 alors ℑ ( f )= ∀ ( x ' , y ' , z ' ) ∈ R ∃ ( x , y , z ) ∈ R / A . y = y ' .
z z'
ℑ ( f ) est l’ensemble des images des éléments de E par f .
b) Remarque
Pour déterminer l’image d’un endomorphisme f de E ou E est un espace vectoriel de dimension 3
notée ℑ(f ), on détermine d’abord le noyau de l’endomorphisme et on applique le théorème de la
dimension
c) Théorème de la dimension
Soit E et F deux espaces vectoriels et soit f une application linéaire de E dans F.
Ker ( f ) est un sous espace vectoriel de E et ℑ ( f ) est un sous espace vectoriel de F, et on a :
 dim Ker ( f ) +dim ℑ ( f ) =dim E

 Rang ( f ) + dim Ker ( f )=dim E
Plus particulièrement :
Si E est un espace vectoriel de dimension 3 et f : E → E un endomorphisme, alors théorème de la
dimension dit que
dim ( ker f ) +dim ( Imf )=3
et donc dim ( Imf )=3−dim ( kerf )

53
1er cas : dim ( kerf )=1
a
dim ( kerf )=1 ⟺ ker f = b
c ⟨( )⟩
Alors dim ( Imf )=3−dim ( kerf )=3−1=2
Comme dim ( Imf )=2 alors Imf est engendré par 2 vecteurs colonnes linéairement indépendants de
la matrice A de f
Exemple
D’après ce qui précède l’endomorphisme f défini par
3 3
f :R ⟶R
( x , y , z ) ⟶ f ( x , y , z )=( x +2 y + z ;−2 x− y +2 z ;−x+ y+3 z )
Alors la matrice A de f est :
⟨( )⟩
5
[ ]
1 2 1 3
A= −2 −1 2 et ker f = −4 et dim ker f =1
−1 1 3 3
1
Donc dim ( Imf )=2 et la matrice A est engendrée par 2 vecteurs colonnes linéairement indépendant
[ ]
1 2 1
A= −2 −1 2
−1 1 3
[] [] []
1 2 1
Le premier vecteur colonne est C 1= −2 , le deuxième est C 2= −1 et le troisième est C 3= 2
−1 1 3
Montrons que les vecteurs colonnes C 1 et C 2 sont linéairement indépendant
() ( ) ( )()
0 1 2 0
αC 1 + βC 2= 0 ⟺ α −2 + β −1 = 0
0 −1 1 0
( ) () {
α+2β 0 α +2 β=0 ( 1 )
⟺ −2 α− β = 0 ⟺ −2 α −β=0 ( 2 )
−α + β 0 −α + β=0 ( 3 )
De ( 1 ) On a : α =−2 β en remplaçant α par sa valeur ( 3 ) on a :

−(−2 β )+ β=3 β=0 ⟺ β=0 et α =−2 β=0
54
()
0
αC
Donc 1 + βC 2 = 0 ⟹ α =β=0
0
Donc les vecteurs colonnes C 1 et C 2 sont linéairement indépendant et comme dim(Imf)=2 alors les
vecteurs C 1 et C 2 engendre Imf, c’est-à-dire Imf = ⟨ C 1 , C 2 ⟩
⟨( ) ( )⟩
2
Imf = −2 , −1
−1 1
2e cas : dim ( kerf )=2

Dans ce cas, d’après le théorème de la dimension dim ( Imf )=3−2=1
dim ( Imf )=1, cela veut dire que Imf est engendre par tout vecteur colonne non nul de la matrice A
de f
Exemple
On considère l’espace vectoriel R3 muni de sa base canonique
B=( e1 , e2 , e3 ) et f l’ endomorphisme R3 définie par
3 3
g:R ⟶R
( x , y , z ) ↦ g ( x , y , z )=( x + y + z ; x + y + z ; x+ y+ z )
B désigne la matrice de l’endomorphisme g relativement à la base canonique de R3

1- Déterminer la matrice B
2- Déterminer Ker(g)
3- Déterminer Img
Résolution
1)
g ( e 1 )=g ( 1 ,0 ,0 )=( 1 ,1 , 1 )=e 1 +e 2+ e3
g ( e 2 )=g ( 0 , 1 ,0 )=( 1 ,1 , 1 )=e 1 +e 2+ e3
g ( e 1 )=g ( 0 , 0 , 1 )=( 1 ,1 , 1 )=e 1 +e 2+ e3
g ( e 1 ) g ( e2 ) g ( e3 )
[ ]
e1 1 1 1
On a : e 2 1 1 1
e3 1 1 1
55
[ ]
1 1 1
D’où B= 1 1 1
1 1 1
2)
{( ) ( ) ( )}
x x 0
3
ker g= y ϵ R , B y = 0
z z 0
( ) ( ) [ ]( ) ( )
x 0 1 1 1 x 0
B y =0 ⟺ 1 1 1 y =0
z 0 1 1 1 z 0
{
x+ y+ z =0
x+ y+ z =0 ⟺ x + y + z=0 ⟺ x=− y−z
x+ y+ z =0
{( ) }
x
ker g= y ϵ R3 , x=− y−z
z
{( ) }
− y −z
ker g= y ; y , zϵ R❑
z
{( ) ( ) }
−y −z
❑
ker g= y + 0 ; y , zϵ R
0 z
{( ) ( ) }
−1 −1
ker g= y 1 + z 0 ; y , zϵ R❑
0 1
ker g=¿
⟨( ) ( )⟩
−1 −1
1 ; 0 ¿
0 1
Ker(g) est un sous- espace vectoriel de dimension 2 dont la base est
() ()
−1 −1
B=( U , V ) avec U = 1 et V = 0 car les vecteurs U et V sont linéairement indépendants
0 1
d’après le théorème de la dimension
dim ( Img )=3−dim ker g=3−2=1
Comme dim ( Img )=1alors Img est engendrée pour tous vecteurs colonne non nulle de la matrice B
or
[ ]
1 1 1 1
B= 1 1 1 alors Img= 1
1 1 1 1 ⟨( ) ⟩ 56
3. Automorphisme d’un espace vectoriel

a) Définition
Soit f un endomorphisme d’espace vectoriel de dimension 3 ayant A pour matrice relativement à
une base B=( e1 , e2 , e3 ) de E
On dit f est un automorphisme si f est bijectif
b) Caractérisation des automorphismes de R3
Soit f un automorphisme de R3 ayant A pour matrice relativement à la base canonique de R3 alors
sont équivalente
i) f est un automorphisme
ii) det A ≠0
{( )}
0
iii) ker f = 0
0
3
iv) Imf =R
IV. ENDOMORPHISME BIJECTIF OU NON BIJECTIF

Lorsque la matrice est déterminée ou simplement donnée par le sujet, l’étudiant doit être capable
de savoir s’il s’agit d’un automorphisme (endomorphisme bijectif) ou un endomorphisme non
bijectif.
Le calcul du déterminant de la matrice permet de le savoir.
1. Endomorphisme bijectif et conséquence
1.1 Définition
Un endomorphisme bijectif est un automorphisme. Dans ce cas, le déterminant de la matrice A
associé à l’endomorphisme est non nul ¿).
1.2 Conséquences
 Noyau Ker ( f ) ou N ( f )
()
0
Ker ( f )={0 R } ou Ker (f )= 0
3
 Image ℑ(f )
ℑ ( f )=¿ R3
 Endomorphisme réciproque
57
On peut aussi calculer l’endomorphisme réciproque dont la matrice est A−1 par la relation :
()
−1 −1
x
f ( x , y , z )= A y
z
 Antécédent d’un vecteur quelconque par f.

On peut aussi calculer l’antécédent d’un vecteur quelconque de R3.
Soit u⃗ =⃗
e1 −2 ⃗
e3 donc u⃗ =( 1, 0 ,−2 ) .
Pour calculer l’antécédent de u⃗ par f, comme suit :

- Première méthode
( )
−1
1
f (1 , 0 ,−2 )= A−1 0
−2
- Deuxième méthode
()( )
x 1
On pose f ¿ ⟹ A y = 0
z −2
On obtient un système d’équation qu’on résous pour déterminer x, y et z.
Remarque :
Lorsque f est un automorphisme, alors le réel 0 n’est pas une valeur propre de f ou de sa
matrice A.
2. Endomorphisme non bijectif

2.1 Définition
Un endomorphisme f est non bijectif s’il n’est pas un automorphisme. C’est-à-dire que le
déterminant de la matrice associée à cet endomorphisme est nul, ¿).
2.2 Conséquences
Dans ce cas, deux cas de figures se présentent :
 Premier cas : les colonnes de la matrice sont proportionnelles deux à deux.
Dans ce cas :
 Le Noyau Ker(f) ou N(f) est un plan vectoriel engendré par deux vecteurs que
l’on trouvera par une seule équation (puisque les équations seront identiques).
 L’image Im(f) est une droite vectorielle engendrée soit par f ( ⃗e1 ) , ou soit par
f (⃗e 2) ou soit par f (⃗e 3) non nul.
ℑ(f )=¿ f ( e⃗ 1 ) >¿ ou ℑ(f )=¿ f ( e⃗ 2 ) >¿ ou ℑ(f )=¿ f ( e⃗ 3 ) >¿
 Deuxième cas : Il existe deux colonnes non proportionnelles
On a alors le contraire du premier cas :
58
 Le Noyau Ker(f) ou N(f) est une droite vectorielle engendrée par un vecteur
que l’on déterminera par un système d’équations.
 L’image Im(f) est un plan vectorielle engendrée par deux vecteurs libres
f ( ⃗e1 ) et f (⃗e2 ) ou soit f ( ⃗e2 ) et f (⃗e3 ) ou f ( ⃗e1 ) et f (⃗e3 )
ℑ ( f )=¿ f ( ⃗e 1 ) ; f ( e⃗ 2)> ¿ ou ℑ ( f )=¿ f ( ⃗e 2 ) ; f ( e⃗ 3 )> ¿ ou ℑ(f )=¿ f ( e⃗ 3 ) >¿
Remarque :
Lorsque l’endomorphisme f est non bijectif, c’est-à-dire n’est pas un automorphisme, alors
le réel 0 est une valeur propre de f ou de sa matrice A. Car, le produit des valeurs propres
est égal au déterminant.
APPLICATION
3
L’espace vectoriel R est muni de la base canonique On considère
l’endomorphisme f m de R3 définie par :
{
f m ( e1 )=me 1+ 2 e2 +2 e 3
f m ( e2 )=2 e1 +me2 +2 e 3
f m ( e3 ) =2 e1 +2 e2 +m e 3
1. Déterminer la matrice Am de f m dans la base canonique de R3.

2. Pour quelles valeurs de m, f m est un automorphisme de R3?
3. Déterminer le noyau, le rang et l’image de f dans les cas suivants :
a) Pour m ∈ R ∖ {−4 ; 2 };
b) Pour m=−4 ;
c) Pour m=2;
RESOLUTION
1°) Déterminons la matrice Am de f.
{ {
f m ( e1 )=me 1+ 2 e2 +2 e 3 f m ( e 1 )=(m, 2 , 2)
f m ( e2 )=2 e1 +me2 +2 e 3 ⇔ f m ( e 2 )=(2 ,m , 2)
f m ( e3 ) =2 e1 +2 e2 +m e 3 f m ( e 3 )=(2 ,2 , m)
La matrice Am de f s’écrit donc
f (e ¿¿ 1)f (e¿ ¿2)f (e¿¿ 3)¿ ¿ ¿
( )
m 2 2 e1
Am = 2 m 2 e2
2 2 m e3
2°) Déterminons les valeurs de m pour lesquelles f m est un automorphisme de R3

f m est un automorphisme de R3 ⇔ det ⁡(A m )≠ 0
59
Calculons le déterminant de Am en fonction de m.
| |
m 2 2
det ( A m ) = 2 m 2
2 2 m
C 1 ← C1 +C 2+C 3
| |
m+4 2 2
det ( A m ) = m+4 m 2
m+4 2 m
| |
1 2 2
det ( A m ) =(m+ 4) 1 m 2
1 2 m
| |
1 2 2
det ( A m ) =( m+ 4 ) 1 m 2 L2 ← L2−L1
1 2 m
L3 ← L3−L1
| |
1 2 2
det ( A m ) =( m+ 4 ) 0 m−2 0
0 0 m−2
det ( A m ) =( m+ 4 ) (m−2) ²
NB : Le déterminant d’une matrice triangulaire (ou diagonale) est le produit des éléments de sa
diagonale principale.
det ( A m ) ≠ 0 ⇔ ( m+ 4 ) ( m−2 )2 ≠ 0
⇔ m+ 4 ≠ 0 et (m−2)² ≠ 0
⇔ m≠−4 et m−2 ≠ 0
⇔ m≠−4 et m ≠2
f m est un automorphisme de R3 ⇔ m≠−4 et m ≠2
f m est un automorphisme de R3 ⇔ m∈ R ∖ {−4 ; 2 } .
3°) Déterminons le noyau, l’image et le rang de f, dans chacun des cas suivants :
a) Pour m ∈ R ∖ {−4 ; 2 }
Dans ce cas f m est un automorphisme de R3.
 Noyau Ker ( f ) ou N ( f )
()
0
Ker ( f )={0 R } ou Ker (f )= 0
3
60
 Rang de f m
D’après le théorème de la dimension,
3
Rang ( f ) + dim Ker ( f )=dim R
Rang ( f ) =dim R3−¿ dim Ker ( f )
Rang ( f ) =3−0
Rang ( f ) =3
 Image ℑ(f )
ℑ ( f )=¿ R3
b) Pour m=−4 ;
( )
−4 2 2
A−4= 2 −4 2
2 2 −4
 Déterminons le noyau
{( ) }
x
3
Ker ( f )= u y ∈ R /f ( u )=0 R 3
() ()()
0 x 0
f ( u )= 0 ⇔ A− 4 y = 0
0 z 0
( )( ) ( )
−4 2 2 x 0
⇔ 2 −4 2 y = 0
2 2 −4 z 0
On obtient le système suivant :
{ {
−4 x +2 y +2 z=0 −2 x+ y + z=0
2 x−4 y +2 z=0 ⇔ x−2 y+ z =0
2 x +2 y−4 z=0 x+ y−2 z =0
L 1 ⟷ L2
{
x −2 y + z =0
−2 x + y + z=0
x + y −2 z =0
L2 ← L2 +2 L1
L3 ← L3−L1
{
x−2 y+ z=0
−3 y +3 z =0
3 y−3 z=0
{
x−2 y+ z=0
y =z
y =z
61
Remplaçons y par z dans l’équation (1). On obtient alors :
{x=z
y=z
d’où x= y =z.
() ()()
x x x
u= y ∈ Ker ( f ) ⇔ y = x
z z x
() ()
x 1
⇔ y =x 1
z 1
Le noyau Ker (f )=¿ 1, 1 ,1> ¿. C’est une droite vectorielle engendrée par le vecteur u1=¿ 1 , 1 ,1>¿ .
 Déterminons le rang de f
3
3
Rang ( f ) =dim R −¿ dim Ker ( f )
Rang ( f ) =3−1
Rang ( f ) =2
 Déterminons l’image de f
dim Ker ( f ) +dim ℑ ( f ) =dim R3
dim ℑ ( f )=dim R −¿ dim Ker ( f )
3
dim ℑ ( f )=3−1
dim ℑ ( f )=2
L’image Im(f) est un plan vectoriel engendré par les vecteurs f ( e1 ) et f ( e 2 ) libres.
( )( )
−4 2
ℑ ( f )=¿ 2 ; −4 >¿
2 2
c) Pour m=2;
( )
2 2 2
A 2= 2 2 2
2 2 2
 Déterminons le noyau
{( ) }
x
3
Ker ( f )= v y ∈ R /f ( v )=0 R 3
() () ()
0 x 0
f ( v ) = 0 ⇔ A2 y = 0
0 z 0
62
( )( ) ( )
2 2 2 x 0
⇔ 2 2 2 y =0
2 2 2 z 0
On obtient un système composé de trois équations identiques :
{
2 x +2 y +2 z =0
2 x +2 y +2 z =0 ⇔ x + y + z=0
2 x +2 y +2 z =0
Trois cas de figure se présentent à nous.

- Soit on choisit d’exprimer x en fonction de y et z
- Soit on choisit d’exprimer y en fonction de x et z
- Soit on choisit d’exprimer z en fonction de x et y
Retenons le premier choix. x=− y −z.
() ()( )
x x − y−z
v= y ∈ Ker ( f ) ⇔ y = y
z z z
() ( )( )
x − y −z
⇔ y = y + 0
z 0 z
() ( ) ( )
x −1 −1
⇔ y = y 1 +z 0
z 0 1
( )( )
−1 −1
Le noyau Ker (f )=¿ 1 + 0 >¿ . C’est un plan vectoriel engendrée par les vecteurs
0 1
v 1=(−1 , 1 ,0) et v 2=(−1 , 0 , 1)
 Déterminons le rang de f
3
3
Rang ( f ) =dim R −¿ dim Ker ( f )
Rang ( f ) =3−2
Rang( f ) = 1
 Déterminons l’image de f
3
dim Ker ( f ) +dim ℑ ( f ) =dim R
3
dim ℑ ( f )=dim R −¿ dim Ker ( f )
dim ℑ ( f )=3−2
dim ℑ ( f )=1
L’image Im(f) est une droite vectorielle engendré par le vecteur f ( e1 ) .
63
()
2
ℑ ( f )=¿ 2 >¿
2

EXERCICE 1 :
On considère dans R3 les vecteurs u⃗ =(1 ,−1 , 2) et ⃗v =(2 , 1 , 0) .
1. Déterminer le vecteur ⃗ w =3 u⃗ −2 ⃗v .
2. Soit le vecteur t⃗ =( 14 , 4 , 4 ); montrer que le vecteur t⃗ est combinaison linéaire des vecteurs u⃗
et ⃗v .
EXERCICE 2 :
Dans IR² muni de sa base canonique (e 1 ,e 2 ), on considère les vecteurs i⃗ et ⃗j définis par : i⃗ =(1 ,1)
et ⃗j =(−1 , 1) .
1. Soit : u⃗ =(x , y) un vecteur quelconque de R².
Montrer que l’on peut écrire de manière unique u⃗ sous forme : u⃗ =a ⃗i + b ⃗j où a et b sont
des nombres réels que l’on exprimera en fonction de x et de y .
2. Soit l’application linéaire f de R ² dans R ² définie par :
f ( e1 ) =2 e1 +e 2
f ( e2 ) =−e 1+3 e2
a) Déterminer la matrice de f dans la base canonique.
b) Déterminer dans la base canonique les coordonnées des vecteurs f ( i⃗ ) et f ( ⃗j ).
c) Exprimer chacun des vecteurs f ( i⃗ ) et f ( ⃗j ) sous forme de combinaison linéaire des
vecteurs i⃗ et ⃗j .
EXERCICE 3 :
L’espace vectoriel IR3 est muni de la base canonique B=( i⃗ , ⃗j , ⃗k ) . On considère l’application
linéaire f de IR3 définie par :
{
f ( i⃗ ) =2 i⃗ + ⃗j
f ( ⃗j )=−i⃗ +3 ⃗j+ k⃗
f ( ⃗k )= ⃗j−k⃗
1. Ecrire la matrice M associée à f relativement à la base canonique de IR 3.

2. Soit u⃗ =x i⃗ + y ⃗j+ z k⃗❑un vecteur de IR3 et ⃗
w =f (⃗u )
a. Exprimer le vecteur ⃗ w en fonction de f ( i⃗ ) , f ( ⃗j ) , f ( ⃗k ) .
b. En déduire l’expression des coordonnées x ' , y ' et z ' du vecteur ⃗ w dans la base B en
fonction de x , y et z .
EXERCICE 4 :
Dans tout l’exercice, n désigne un entier naturel non nul.
64
1. Une suite (U n ) est définie par son premier terme U 1=2 et par la relation U n +1=3 U n +2.
Soit (V n ) la suite définie par V n=U n +1
a) Montrer que la suite (V n ) est une suite géométrique dont on précisera la raison.
b) Exprimer V n et U n en fonction de n.
( ) ( )
2 0 2 1 0 0
2. On considère les matrices : A= −1 0 −1 et I = 0 1 0
−1 0 −1 0 0 1
a) Calculer les matrices A ² et B=2 A+ I
b) On admet que pour tout n, il existe un réel a tel que : Bn=an A+ I
En utilisant le fait que Bn+1 =B n x B avec Bn+1 =an +1 A+ I , exprimer a n+1 en fonction de a n
3. En utilisant les résultats du 1. et du 2. Exprimer Bn en fonction de A, I et n.
V. INFLUENCE DU CHANGEMENT DE BASES

1. Condition pour qu’une famille de trois vecteurs de R3soit une base de R3,
a) Définition du déterminant de trois vecteurs de R3
B=( e1 , e2 , e3 ) et B'=( U 1 , U 2 ,U 3 )
Une autre famille de 3 vecteurs R3 tels que ;
U 1=α 1 e1 + α 2 e2 +α 3 e3
U 2= β1 e 1+ β 2 e2 + β 3 e3
U 3=γ 1 e 1+ γ 2 e 2+ γ 3 e 3
On appelle déterminant de ces 3 vecteurs, le réel noté de t ( U 1 , U 2 ,U 3 ) et définie par l’égalité ci-
dessous
| |
α1 β1 γ 1
det ( U 1 , U 2 ,U 3 )= α 2 β2 γ 2
α3 β3 γ 3
b) Condition pour qu’une famille de 3 vecteurs de R3 forment une base R3

B=( e1 , e2 , e3 ) et B'=( U 1 , U 2 ,U 3 )
Une famille de 3 vecteurs de R3

' 3
B =( U 1 , U 2 ,U 3 ) est une base de R ⟺ det ( U 1 , U 2 ,U 3 ) ≠ 0
65
c) Exemple :
B=( e1 , e2 , e3 ) et B'=( U 1 , U 2 ,U 3 )
Une famille de 3 vecteurs de R3 tels que :

U 1=2 e 1 +3 e2 −e3
U 2=e1 +e 3
U 3=e2 +e 3
Montrer que la famille B'=( U 1 , U 2 ,U 3 ) est une base de R3
| |
2 1 0 2 1
det ( U 1 ,U 2 , U 3 )=¿ 3 0 1 3 0 ¿
−1 1 1 −1 1
det ( U 1 ,U 2 , U 3 )=¿ ( 0−1+0 )−( 0+2+3 )=−1−5=−6 ¿
det ( U 1 ,U 2 , U 3 ) ≠ 0 alors B'=( U 1 , U 2 ,U 3 ) est une base de R3
2. Matrice de passage d’une base à une autre base

a) Définition
Soit B=( e1 , e2 , e3 ) une base d’un espace vectoriel de dimension 3 et B'=( U 1 , U 2 ,U 3 ) une autre
base de E telle que
U 1=α 1 e1 + α 2 e2 +α 3 e3
U 2= β1 e 1+ β 2 e2 + β 3 e3
Alors pour déterminer la matrice de passage de la base B=( e1 , e2 , e3 ) à la base B'=( U 1 , U 2 ,U 3 ) on

procède comme suit :
U1 U2U 3
[ ] [ ]
e1 α 1 β1 γ 1 α 1 β1 γ 1
On a : e 2 α 2 β 2 γ 2 , donc P= α 2 β 2 γ 2
e3 α 3 β3 γ 3 α 3 β3 γ 3
b) Remarque
La matrice de passage d’une base B à une autre B’, alors la matrice P est inversible et la matrice
de passage de la base B’ à la base B est P−1
66
3. Expression de la matrice d’un endomorphisme dans une autre base

a) Propriété
Soit f un endomorphisme d’un espace vectoriel E si A est la matrice de l’endomorphisme f

relativement à une base B et si A’ la matrice du même endomorphisme f relativement à une autre
base B’ alors A et A’ liées par l’égalité
' −1
A =P AP où P est la matrice de passage de la base B à la base B’
b) Exemple d’application
On considère l’endomorphisme f de l’espace vectoriel R3 muni de sa base canonique
B=( e1 ; e 2 ; e 3 ) dont la matrice associée est
( )
2 −2 2
A= 8 −7 4
2 −2 −1
{
u=−2 e 1−2 e 2+ e3= (−2;−2 ; 1 )
Soit B'=( u ; v ; w ) une base de R telle que :
3
v=e 1−2 e 3=( 1; 0;−2 )
w=e2 + e3= ( 0; 1 ; 1 )
Déterminons la matrice de passage de la base B à la base B'
{
u=−2 e 1−2 e 2+ e3= (−2;−2 ; 1 )
Comme B'=( u ; v ; w ) une base de R telle que :
3
v=e 1−2 e 3=( 1; 0;−2 )
w=e2 + e3= ( 0; 1 ; 1 )
Alors la matrice de passage de la base B à la base B' est :
uv w
[ ] ( )
e 1 −2 1 0 −2 1 0
On a :P = e 2 −2 0 1 donc P= −2 0 1
e 3 1 −2 1 1 −2 1
Déterminons la matrice de passage P−1 de la base B' à la base B
La matrice de passage P−1 de la base B' à la base B est donne par la formule
−1 1
P = t
d ét ( P ) Com (P )
| |
−2 1 0
On a dét ( P )=d ét ( B ' ) =d ét ( u ; v ; w )= −2 0 1 =−4+ 3+0=−1
1 −2 1
67
( ) ( )
2 3 4 2 −1 1
Avec Com ( P ) = −1 −2 −3 et t Com ( P)= 3 −2 2
1 2 2 4 −3 2
( ) ( )
2 −1 1 2 −1 1
−1 1 1
Ainsi P = t Com (P )= 3 −2 2 =− 3 −2 2
d ét ( P ) −1
4 −3 2 4 −3 2
Donnons la matrice de l’endomorphisme f dans la base B'
Soit D la matrice de l’endomorphisme f dans la base B'
( )( )( )
2 −1 1 2 −2 2 −2 1 0
−1
On a D=P AP=− 3 −2 2 8 −7 4 −2 0 1
4 −3 2 2 −2 −1 1 −2 1
( )( ) ( )( )
−2 1 −1 −2 1 0 1 0 0 −1 0 0
D=− −6 4 −4 −2 0 1 =− 0 2 0 = 0 −2 0 .
−12 9 −6 1 −2 1 0 0 3 0 0 −3
( )
−1 0 0
Par conséquent D= 0 −2 0
0 0 −3
4. Puissance d’une matrice carrée diagonalisable

Si A est diagonalisable alors on a une matrice diagonale D, formée uniquement de valeurs
propres tels que : D=P−1 AP et A=PD P−1 .
( )
λ n1 0 0
n
avec D = 0
¿ n n −1 n
∀ n ∈ N , A =P D P λ 2 0
0 0 λ n3
Démonstration
Démontrons par récurrence sur n que : ∀ n ∈ N ¿ , A n=P D n P−1
Résolution
Soit la proposition ( Pk ¿ : A k =P Dk P−1
- Vérifions la proposition au rang 1 ;
( P1 ¿: A 1=P D1 P−1 . La proposition ( P1 ¿ est vérifiée.
- Supposons la proposition ( Pk ¿ vraie, c’est-à-dire :
( Pk ¿ : A k =P Dk P−1
- Démontrons que la proposition ( Pk +1 ¿ vraie
( Pk ¿ : A k =P Dk P−1
k k −1
A A=P D P . A
k+1 k −1 −1
A =P D ( P P) D P
k+1 k −1
A =P D D P
68
A =P D P La proposition ( Pk +1 ¿ est vérifiée.

k+1 k+1 −1
Conclusion
¿ n n −1
∀ n ∈ N , A =P D P
La plupart des sujets en Algèbre linéaire de terminent toujours par la résolution d’un sujet d’un
système différentiel ou un système de récurrence.
5. Détermination du terme générale 3 suites ( u n) ,(v n ) et (wn ) qui sont des suites
récurrentes linéaires d’ordre 1
Rappel :
Déterminer le général d’une suite ( u n) revient à exprimer un en fonction de n ,
Soit 3 suites ( u n) ,(v n ) et (wn ) réelles vérifiant
{
U n +1=a U n +b V n+ c W n
∀ nϵ N , V n+1=a ' U n+ b ' V n +c ' W n avec ( u 0) , (v 0 ) et ( w0 ) données
W n+ 1=a ' ' U n +b ' ' V n+ c ' ' W n
Le système ci-dessous a pour écriture matricielle
[ ] [ ][ ]
U n+1 a b c Un
∀ nϵ N , V n+1 = a ' b ' c ' V n
W n+1 a' ' b' ' c' ' Wn
[ ][] [ ]
U n+1 Un a b c
∀ nϵ N , V n+1 = A V n avec A= a ' b ' c '
W n+1 Wn a'' b'' c ''
[][]
U1 U0
pour n=0 V 1 = A V 0
W1 W0
[][] []
U2 U1 U0
pour n=1 V 2 =A V 1 =A 2 V 0
W2 W1 W0
[][] [] []
U3 U2 U0 U0
3
pour n=2 V 3 = A V 2 = AA ² V 0 =A V 0
W3 W2 W0 W0
[] []
Un U0
n
Supposons V n =A V 0 alors
Wn W0
69
[ ][] [] []
U n+1 Un U0 U0
n n+1
V n+1 = A V n = A A V 0 =A V0
W n+ 1 Wn W0 W0
[] []
Un U0
n
On a ainsi montré par récurrence sur ∀ nϵ N que V n =A V0
Wn W0
Donc la donné An et ( u 0) , (v 0 ) et ( w0 ) permettent de déterminer le terme général des suites ( u 0) , (v 0 )

et ( w0 )
Exemple :
{
U n+1 =4 U n+V n+ W n
Déterminons le terme général des suite ( 0) 0 et ( 0 ) définie par :
u , (v ) w ∀ nϵ N , V n +1=U n + 4 V n +W n
W n+ 1=U n +V n +4 W n
avec u0 =1, v 0=2 et w 0=3
[ ] [ ][ ] [ ]
U n+1 4 1 1 Un Un
L’écriture matricielle du système ci-dessous est ∀ n ϵ N , V n+ 1 = 1 4 1 Vn =A Vn
W n+1 1 1 4 Wn Wn
[] []
Un U0
n
Donc V n =A V 0
Wn W0
D’après ce qui précède on a :
[ ]
n n n n n n
(6) +2(3) (6) −(3) (6) −(3)
[]
3 3 3
[]
Un n n n n n n 1
(6) −(3) (6) +2(3) (6) −(3)
Vn = 2
3 3 3
Wn n n n n n n
3
(6) −(3) (6) −(3) (6) +2(3)
3 3 3
(6) +2(3) 2 [(6) −(3) ] 3 [(6) −(3) ]

n n n n n n
Un= + +
3 3 3
(6) −(3) 2 [ (6) +2(3) ] 3 [(6) −(3) ]

n n n n n n
V n= + +
3 3 3
(6) −(3) 2 [ (6) −(3) ] 3 [(6) +2(3) ]

n n n n n n
W n= + +
3 3 3
70
6. Puissance d’une matrice carrée diagonalisable

Si A est diagonalisable alors on a une matrice diagonale D, formée uniquement de valeurs
propres tels que : D=P−1 AP et A=PD P−1 .
( )
λ n1 0 0
n
avec D = 0
¿ n n −1 n
∀ n ∈ N , A =P D P λ 2 0
0 0 λ n3
Démonstration
Démontrons par récurrence sur n que : ∀ n ∈ N ¿ , A n=P D n P−1
Résolution
Soit la proposition ( Pk ¿ : A k =P Dk P−1
- Vérifions la proposition au rang 1 ;
( P1 ¿: A 1=P D1 P−1 . La proposition ( P1 ¿ est vérifiée.
- Supposons la proposition ( Pk ¿ vraie, c’est-à-dire :
( Pk ¿ : A k =P Dk P−1
- Démontrons que la proposition ( Pk +1 ¿ vraie
( Pk ¿ : A k =P Dk P−1
k k −1
A A=P D P . A
k+1 k −1 −1
A =P D (P P) D P
k+1 k −1
A =P D D P
A =P D P La proposition ( Pk +1 ¿ est vérifiée.
k+1 k+1 −1
Conclusion
¿ n n −1
∀ n ∈ N , A =P D P
La plupart des sujets en Algèbre linéaire de terminent toujours par la résolution d’un sujet d’un
système différentiel ou un système de récurrence.
71
EXERCICE 1:
Soit l’application linéaire f de R ² dans R ² définie par :
f ( e1 ) =2 e1 +3 e 2
f ( e2 ) =−4 e1−5 e2
1. Déterminer la matrice de f dans la base canonique.
2. Déterminer les valeurs propres et les vecteurs propres de f .
3. On considère les vecteurs u⃗ 1=(4 ,3) et u⃗ 2=(1 ,1).
a) Vérifier que ces vecteurs forment une base de R ², base que l’on notera B’.
b) Donner la matrice de f dans cette base B’.
4. Donner la matrice de passage P de la base canonique à la base B’.
5. Déterminer la matrice inverse P−1 de P.
Vérifier M =PDP−1
6. Sachant que, pour n entier naturel non nul, on a : M n=PD n P−1, calculer M n.
EXERCICE 2 :
L’espace vectoriel IR3 est muni de la base canonique B=( e1 , e2 , e3 ) . On considère
l’endomorphisme f de IR3 définie par :
f ( x , y , z )=(x+ 2 y + 4 z ; 7 x−8 y−14 z ;−4 x +6 y +11 z)
1. Ecrire la matrice M associée à f relativement à la base canonique de IR 3.
2. Déterminer les valeurs propres de f . (On vérifiera que −1 est une valeur propre)
3. a) En déduire les vecteurs propres correspondants.
b) Déterminer le sous-espace propre associé à chaque valeur propre.
c) A est-il diagonalisable ?
4. On considère les vecteurs u⃗ =(0 , 2 ,−1) , ⃗v =(−6 ,−7 , 2 ) et ⃗
w =(2 ,0 , 1)
3
a) Vérifier que ces vecteurs forment une base de R , base que l’on notera B’.
b) Donner la matrice de passage de la base B à la base B’.
c) Donner la matrice de f dans cette base B’.
EXERCICE 3 : BTS 2020 IDA

On considère l’espace vectoriel R3 muni de sa base canonique B0=(e 1 , e 2 , e 3) , et pour tout réel m,
on définit l’endomorphisme f m de R3défini par :
3 3
f m: R ⟶ R
( x , y , z ) ⟼ f m ( x , y , z )=[ −x + ( m+1 ) z ; x−2 y ;−x + y +mz ]
1.Donner la matrice t A de f m dans la base B, où t A désigne la transposée de la matrice Am .

m m
3. Pour quelles valeurs de m, f m est-il un automorphisme de R3 ?

4. On prend ici m=1 et on note h=f 1
a) Déterminer le noyau de h en en précisant une base.
b) Déterminer l’image de h en en précisant une base.
72
( )
1 0 0
5. On pose m=0 , A=A 0 et f =f 0 ; I =I 3 = 0 1 0 est la matrice unité d’ordre 3.
0 0 1
a) Déterminer les matrices A+ I et ( A+ I )2 .
b) On considère l’identité id de R3 et les vecteurs e ' 1=( 1 , 1, 0 ) ; e ' 2=( 1 , 0 ,1 ) et e ' 3 =e 3.
Montrer que ( f +id ) ( e 1) =0 ; ( f +id ) ( e 2) =e ' 1 et ( f +id ) ( e 3) =e ' 2
' ' '
c) Montrer que la famille B =( e 1 , e 2 , e 3 ) est une base de R3 .

' ' ' '
d) Donner la matrice A' de f dans la base B' .

6. a) Déterminer la matrice B telle que A' =B−I .
'k k 0 0 k−1 1 k−2 2
c) Pour k ≥ 2, on admet que : A = (−1 ) C k B + (−1 ) C k B+ (−1 ) Ck B ²
'k k k−1 k−2 k (k −1)

Montrer que : A = (−1 ) I + (−1 ) kB+ (−1 ) B²
2
d) Déterminer A' 5sous la forme matricielle.
EXERCICE 4 :
On considère l’espace vectoriel de R3muni de sa base canonique B0=(e 1 , e 2 , e 3) et f
l’endomorphisme défini par : f ( x , y , z )=(2 x −2 y + z ; 2 x −3 y+ 2 z ;−x +2 y)
1. Déterminer la matrice A de f relativement à la base B.
2. a) Déterminer les valeurs propres de A.
b) Déterminer le sous-espace propre associé à chaque valeur propre.
c) Justifier que A est diagonalisable.
3. On pose
( )
2 1 1
P= 1 0 2
0 −1 −1
Calculer la matrice inverse P−1 de P et montrer que :
( )
1 0 0
−1
P AP= 0 1 0
0 0 −3
4. Montrer par récurrence sur n que : An =P−1 D n P, pour tout entier naturel n. Calculer An .
5. Résoudre le système récurrent suivant :
{
U n+1=2U n−2V n+ W n
U n+1 =2U n−3 V n +2W n ¿ U n+ 1=−U n +2 V n ¿ avec u ( 0 ) =1, v ( 0 )=2 et w ( 0 )=−1
¿
EXERCICE 5:
Dans l’espace vectoriel R3 muni de sa base canonique B0=(e 1 , e 2 , e 3) , on considère les vecteurs
u1=3 e1−2 e 2+ e3 , u2=−e2 +e 3 et u3=e1 +e 3
Soit f l’endomorphisme de R3 défini par :
73
{
f ( u1 ) =2u 1
f ( u2 ) =u1 +u2 +2u 3
f ( u3 )=−u 2+ 4 u3
1. Montrer que la famille B=(u1 ,u 2 , u3 ) est une base de R3.
2. Déterminer la matrice A de f dans la base B.
3. Déterminer le noyau N( f ¿ et l’image I( f ¿ de f dans la base B.
( ) ( ) ( ) ( )
1 0 1 2 1 0 0 1 0 2 0 0
4. On pose : P= 0 1 1 J= 0 2 0 , E= 0 0 0 et D= 0 2 0
0 −1 −2 0 0 3 0 0 0 0 0 3
( )
1 1 1
−1
a) Vérifier que l’inverse de P est P = 0 2 1 et que A=PJP−1
0 −1 −1
b) Montrer que, par récurrence sur n on a : An =PJ n P−1
c) Calculer E² et vérifier que : J=D+ E .
d) On admet que :
n
J =∑ Cnk Dn−k Ek , ∀ n ≥1. où C nk est le coefficient du Binôme de Newton).
n
k=0
Montrer que J n=D n+ n D n−1 E . En déduire l’expression explicite de J n en fonction de n.
5. On cherche à résoudre le système d’équation linéaire de récurrence suivant ;
{ ()
x n=−4 xn −1−2 y n−1 xn
y n =−2 y n−1+2 z n−1 avec X n= y n
z n =−4 y n−1−8 z n−1 zn
a) Montrer que (S) est équivalent à M X n−1=X n où M =−2 A est une matrice associée au
système (S).
b) Exprimer X n en fonction de A , n et X 0.
()
1
c) En déduire la solution du système (S) en fonction de n pour X 0= 0 .
0
Leçon 5 : CALCUL INTEGRAL
I – Primitives
1. Définition
Soient f et F deux fonction définis sur un intervalle I. F est une primitive de f sur I si et seulement
si F est dérivable sur I et ∀x ∈ I, F′(x) = f(x)
2. Propriétés a. Primitives usuelles

Fonction f Primitives de f Sur l’intervalle
x ⟼ a (a ∈ ℝ) x ⟼ ax + c ℝ
74
xn+1
x ⟼ x (n ∈ ℕ\{−1})
n
x ⟼ + c (n ∈ ℕ\ ℝ
{−1}) n + 1
1
x⟼−
(n − 1)x n−1
+ c (n ∈ ℕ\{−1}) ℝ∗
x ⟼ ln|x| + c ℝ∗
x ⟼ ex x ⟼ ex + c ℝ∗
x ⟼ ln(x) x ⟼ xln(x) − x + c ]0; +∞[
xr+1
x ⟼ xr(r ∈ ℚ\{−1}) x ⟼ + c (r ∈ ℚ\ ℝ∗
{−1}) r + 1
ℝ∗
]0; +∞[
x ⟼ sin(x) x ⟼ − cos(x) + c ℝ
x ⟼ cos(x) x ⟼ sin(x) + c ℝ
x ⟼ tan(x) x ⟼ −ln|cosx| + c
1
x⟼
cos ² x x ⟼ tan(x) + c
1 x
x⟼
sin x x ⟼ ln |tan | + c ℝ\{kπ, k ∈ ℤ}
2
1
x⟼
cos (x)
ℝ
ℝ
x ⟼ sh(x) x ⟼ ch(x) + c ℝ
x ⟼ ch(x) x ⟼ sh(x) + c ℝ
1
x⟼ 2 x ⟼ Arctan(x) + c ℝ
x +1
1 ℝ
75
1
x⟼ 2 ,a≠0
x +a
1 x ⟼ arcsin ( x )+ c
x⟼
√1−x ² x ⟼−arccos(x )+c ]−1,1[
1
x⟼
√ a ²−x ² x ⟼ arcsin ( ax )+c ]−a, a[
1
x⟼ ,a≠0
√x 2
+a ² x ⟼ ln (x + √x2 + a2) + c
1
x⟼ ,a≠0 ]−∞; −a[⋃]a; +∞[
√ x −a ²
2
x ⟼ ln ⁡(x+ √ x 2−a2) +c
ℝ
x⟼
1 x ⟼ Argshx = ln ⁡(x+ √ x 2 +1)+c
√ x 2 +1
1
x⟼
√ x 2−1 x ⟼ Argshx = ln (x + √x2 − 1) + c
]−∞; −1[⋃]1; +∞[
NB : C est nombre réel.
b. Opération sur les primitives

 Soient f et g deux fonctions admettant respectivement pour primitives sur un intervalle I les
fonctions F et G, 𝜆 ∈ ℝ
 la fonction f + g admet pour primitive sur I la fonction F + G  la
fonction 𝜆f admet pour primitive sur I la fonction 𝜆F
• Soient u et v deux fonctions dérivables sur un intervalle I
Fonction f Une primitive de f Sur l’intervalle

u n+1
u′un(n ∈ ℕ\{−1}) (n ∈ ℕ\{−1}) I
n+1
−1
(n ∈ ℕ\{−1}) {∀x ∈ I, u(x) ≠ 0}
(n − 1)u n−1
{∀x ∈ I, u(x) > 0}

u r+1 {∀x ∈ I, u(x) ≥ 0}si r≥ 0
u′ur(n ∈ ℚ\{−1}) (n ∈ ℚ\{−1})
r+1 {∀x ∈ I, u(x) > 0}si r< 0
u′v − uv′ {∀x ∈ I, u(x) ≠ 0}
76
v2
u′v + uv′ uxv I
ln|u| {∀x ∈ I, u(x) ≠ 0}
I
Exemple 1 :
• Déterminer la primitive F de f vérifiant la condition indiquée
f ( x )=3 x +1 I =R et F ( 1 ) =−2
2
g ( x )=3 x −5 x +5 I =R et F ( 1 )=−2
• Déterminer une primitive sur ] et une primitive sur ] [ de
• Déterminer une primitive de chaque fonction vérifiant la condition indiquée :
• En déduire le fait qu’une primitive d’une fonction de la forme e ax P(x ) (a ∈ ℂ) est une
fonction de la forme e ax Q(x ) avec d ° Q=d ° P , puis en l’identifiant (c’est-a-dire F’=F),
déterminer une primitive F de la fonction définie sur :
−2 x 2
g ( x )=e (3 x −5 x+ 5)
x
h ( x )=e 2 (x 2 + x+ 1)
• Déterminer une primitive de chaque fonction sur ℝ :
 En utilisant le fait qu’une primitive d’une fonction de la forme
est une fonction de la forme

), puis en l’identifiant, déterminer une primitive F de la fonction f
définie sur par :
II - Intégrale d’une fonction continue

1. Définition f, est une fonction continue sur un intervalle I de , F un primitive de
f sur I, le réel est l’intégrale de a à b de f. on note
2. Propriétés soit f et g deux fonctions continues sur un intervalle I ; a, b, c
77
•
•
• Relation de Chasles :
•
•
•
• Inégalité de la moyenne : f est une fonction continue sur l’intervalle
Si .
• Valeur moyenne :
f est une fonction continue sur l’intervalle .
On appelle valeur moyenne de f sur , le réel tel que
 Valeur efficace :
f une fonction continue sur l’intervalle[a, b]. On appelle valeur efficace de f sur [a, b], le
réel fc tel que
Exemple 2 :
soit i la fonction définie par i(t) = Imaxsin (ωt). Calculons sa valeur moyenne et efficace sur
l’intervalle
3. Technique de calcul a. Intégration par parties

Soient f et g deux fonctions dérivables sur un intervalle [a, b]. Si les fonctions dérivée f ′et g′
sont continues sur [a, b] alors
Exemple 3 : Calculer les intégrales suivantes :
b. Changement de variable affine

Soit à calculer
• Faire le changement de variable u = αt + β ⇒ du = αdt
• Utiliser l’égalité
Exemple 4 : Calculer les intégrales suivantes :
78
Exemple d’autres changements de variables : Calculer les intégrales suivantes :

• (on pose t = sin (u))
• (Utiliser le changement de la variable t = sh(u) et la relation sh2(u) −
ch2(u) = 1
• (utiliser le changement de la variable t = tan (u) et la relation 1 +
Intégration des fonctions rationnelles :
Calculer les intégrales suivantes :

•
c. Intégration par linéarisation :
La linéarisation est la transformation d’un produit en somme. Cette méthode est surtout employée
pour intégrer les fonctions trigonométriques. On linéarise à l’aide des formules de trigonométrique
ou à l’aide des formules d’Euler. Exemple :
•
•
c. Intégration de 𝐱 → e ax f (x) par identification

On utilisera ces théorèmes pour éviter une double intégration par parties
Théorème 1
Si P est un polynôme de degré n, alors une primitive de x ⟼ eaxP(x) est x ⟼ eaxQ(x), Q étant un
polynôme de degré n.
Théorème 2
Si f(x) = acos(ωx) + bsin(ωx), alors une primitive de x ⟼ eaxf(x) est x ⟼ eaxg(x), avec
79
4. Calcul l’aires a. Intégrale et aire d’un plan
Le plan est mini d’un repère orthogonal (O, I, J). Soit f une fonction numérique continue positive
sur le fermé [a, b]. L’aire de la partie du plan limitée par :
• La représentation graphique (Cf) de f
• La droite (OI) (l’axe des abscisses)
• Les droites d’équation x = a et x = b est le réel noté ou ua est l’unité
d’aire.
Exemple 9 : soit la fonction f définie par : f(x) = x + 1 et (Cf) sa courbe représentative d’unité
graphique 1 cm. Calculer l’aire (cm²) du domaine du plan délimité par la courbe (Cf), l’axe des
abscisses et les droites d’équation x = 1 et x = 2
b. Fonction continue et négative sur [a, b]
Si f est continue négative sur [a, b]. L’aire de la partie du plan limité par :
• La représentant graphique (Cf) de f ;
• La droite (OI) (l’axe des abscisses) ;
• Les droites d’équation x = a et x = b est le réel noté ou ua est l’unité
d’aire.
80
c. Fonction continue sur fermé[a, b] Si f est

continue sur [a, b]
L’aire de la partie du plan limité par :
• La représentation graphique (Cf) :  La droite (OI) (l’axe des abscisses) ;
• Les droite d’équation x = a et x = b est le réel noté :
Où ua est l’unité d’aire
Exemple 10 : Soit la fonction f définie par :f(x) = −1 − x² et (Cf) sa courbe représentative d’unité
graphique 1 cm. Calculer l’aire (cm²) du domaine du plan délimité par la courbe (Cf), l’axe des
abscisses et des droite s d’équation x = −2 et x = −1
d. L’aire de la partie comprise entre deux représentations graphiques :
Soit f et g deux fonctions continues positives sur un intervalle fermé [a, b] tel que :∀x ∈ [a, b],
f(x) ≥ g(x)
L’aire de la partie du plan limité par :
• Les représentations graphiques (Cf) de f et (Cg) de g ;  Les droites d’équation x = a et x =
b est réel noté : où ua est
b b b
A = ∫ f( t ) − g ( t ) dt . ua = ( ∫ f( t ) dt − ∫ g ( t ) dt ) . ua l’unité d’aire.
a a a
81
Exercice 1 : Calcul d’intégrales

(écrire sous la forme )
(on reconnaît à un facteur constant près

(on reconnaît à un facteur constant près
(on reconnaît (on

reconnaît
(pour K et L, on
remplace tan(x) par et on reconnaît
Exercice 2 : Intégration de fonctions trigonométriques par linéarisation
Exercice 3 : intégration par parties
82
Exercice 4 : Intégration par changement de variable

A l’aide du changement indiqué, calculer les intégrales :
Exercice 5 : Intégration par décomposition en éléments simples
Exercice 6 : Calcul d’aires

L’unit graphique est 4 cm. Représenter graphiquement la fonction f définie par .
Calculer l’aire du domaine plan délimité par l’axe des ordonnées, les équations
, et par la courbe d’équation
Exercice 7 : calculer les valeurs moyennes et les valeurs efficaces des fonctions f, g et h sur
l’intervalle donné :
Dans chacun des cas suivants, donner la primitive de f sur I prenant

]
Exercice 9 :
Calculer les intégrales suivantes :
Exercice 10 :
On pose
1. Calculer
2. Calculer à l’aide d’une intégration par parties
3. En déduire les valeurs de I et J
83
Leçon 6 : NOTIONS D’ANALYSE COMBINATOIRE
I –Eléments du langage des ensembles

1) Définition
 Ensemble : Un ensemble correspond à un groupement, une collection d’éléments qu’il
rassemble. Un ensemble correspond à la notion intuitive de « sac », de « contenant ».
Le nombre d’éléments d’un ensemble s’appelle le cardinal et est noté ‘card’.
 Sous-ensemble : C’est une partie d’un ensemble.2
2) Opérations sur les ensembles
Soient A et B deux ensembles finis.
 Inclusion : On dit que A est inclus dans B ( A⊂B) si tout élément de A est un élément
de B. On dit également que A est un sous-ensemble de B ou une partie de B.
 Réunion : La réunion des ensembles A et B est l’ensemble des éléments appartenant à
A ou à B (éventuellement aux deux). On le note A∪B
 Intersection : L’intersection des ensembles A et B est l’ensemble des éléments
appartenant à A et à B. On le note : A∩B
 Complémentaire : Si A est inclus dans B, le complémentaire de A dans B est
l’ensemble des éléments appartenant à B et n’appartenant pas à A. On le note :
CBA ou A
 On dit que A et B sont disjoint si : A ∩ B {}
 Produit cartésien : Le produit cartésien de A et B, noté AB , est l’ensemble des
couples (a ; b) tels que : a∈ A et b∈ B
Propriétés :Soient A et B deux sous-ensembles d’un ensemble fini E

 Card ( A ∪ B )=Card ( A ) +Card ( B )−Card ( A ∩ B)
 Card ( A ) +Card ( A ) =Card ( E )

 Card ( A x B )=Card ( A ) x Card ( B )
84
II – Dénombrement
1) Les p-uplets
Soit E un ensemble de cardinal n et p un nombre entier naturel non nul.

Un p-uplet de E est un élément de E p où Ep est le produit cartésien de p ensembles tous égaux
à E. E p =E x E x E x … . x E (p ensembles égaux à E)
Le nombre de p-uplet de l’ensemble E est n p .
2) Arrangement
Soit E un ensemble de cardinal n et p un nombre entier naturel non nul tel que : p ≤ n.
Un arrangement de p éléments de E est un p-uplet d’éléments de E deux à deux distincts.
Le nombre d’arrangement de p éléments de l’ensemble E de cardinal n est :
n ( n−1 )( n−2 ) ( n−3 ) x … x (n− p+ 1)
On le note : Anp
3) Notation factorielle
Soit n un entier naturel non nul. On appelle factorielle n, le produit : n

!=n ( n−1 )( n−2 ) ( n−3 ) x … x 2 x 1
On le note n!. On admet que 0!=1
4) Permutation
Soit E un ensemble non vide de cardinal n.
Une permutation de E est un arrangement des n éléments de E.

Le nombre de permutations de l’ensemble E est : n!.
5) Combinaison
Soit E un ensemble de cardinal n et p un nombre entier naturel non nul tel que : p≤n.
Une combinaison de p éléments de E est un sous-ensemble de E à p éléments.
Anp
Le nombre de combinaisons de p éléments de E est : . On le note Cnp p!
n! !
On a : Cnp = ,
p ! (n−p)!
6) Formule du binôme de Newton
85
Recopie le numéro de la question suivie du numéro de la bonne réponse. Exemple 1- e)

EXERCICE 1: 10 points
1) Si la plaque portant le numéro d’immatriculation d’un véhicule est composée de 2 lettres et
5 chiffres. Combien de numéros d’immatriculation commençant par 2 lettres et se
terminant par 5 chiffres peut-on former ?
Réponses a) 85 598 b) 67 600 c) 5 040 d) 85 650 000 e) Autre préciser
000 000
2) En supposant que les répétitions de lettres ou de chiffres sur la même plaque sont exclues,
combien de numéros d’immatriculation commençant par 2 lettres et se terminant par 5
chiffres peut-on former ?
Réponses a) 5 040 b) 27 852 c) 19 656 d) 21 e) Autre préciser
000 000
3) 20 chevaux participent à une course. On appelle tiercé, les 3 chevaux gagnants. Combien y
a-t-il de tiercés dans l’ordre ?
Réponses a) 6 b) 6 840 c) 1 140 d) 320 e) Autre préciser
4) Sur un ensemble de 100 ouvriers, 50 sont des maçons, 30 sont des plaquistes dont 20 sont
à la fois plaquistes et maçons, et le reste des ouvriers est constitué d’ouvriers non qualifiés.
Indiquer le nombre d’ouvriers non qualifiés.
Réponses a) 40 b) 30 c) 20 d) 0 e) Autre préciser
5) Combien d’anagrammes différents peut-on faire les lettres du mot EXPONENTIELLE ?

Réponses a) 6 227 020 b) 64 864 c) 6 264 020 d) 46 464 e) Autre
800 800 000 000 préciser
6) De combien de manières peut-on arranger 5 personnes sur une ligne ?

Réponses a) 24 b) 120 c) 3 125 d) 3 020 e) Autre préciser
7) De combien de manières peut-on arranger 5 personnes autour d’une table?

Réponses a) 24 b) 120 c) 3 125 d) 3 020 e) Autre préciser
86
8) Combien de numéros de téléphone composé de 8 chiffres peut-on avoir dans un réseau

téléphonique ?
Réponses a) 10 000 b) 80 000 c) 810 d) 100 000 000 e) Autre préciser
000 000
9) Combien de numéros de téléphone composé de 10 chiffres et commençant par 07 peut-on

avoir dans un réseau téléphonique ?
Réponses a) 1010 b) 100 000 c) 07 10 d) 10 000 000 e) Autre préciser
000
10) Si un nombre ne commence par le chiffre « 0 », combien y a-t-il de nombres de 8 chiffres

Réponses a) 108 b) 90 000 000 c) 910 d) 10 000 000 e) Autre préciser
Exercice 2
On donne les ensembles A, B et E suivants :
A = {1 ; 2 ; 3 ; 4} B = {3 ; 4 ; 5} E = {1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 7}.
Ecris en extension A∩ B ; A∪ B ; CEA ; A x B ; B2
Exercice 3
Une classe contient 30 élèves.

Deux sports sont proposés : le Football et le Basketball
18 élèves aiment le Football, 15 aiment le Basketball et 7 aiment les deux.

1) Combien d’élèves aiment uniquement le football, le basketball ?
2) Combien d’élèves n’aiment aucun des deux sports ?
Exercice 4
Détermine le nombre de façons de faire asseoir 4 personnes sur 4 chaises, chaque personne
s’asseyant sur une chaise.
Exercice 5
1) Détermine le nombre de numéros de téléphone différent à 8 chiffres.

2) Détermine le nombre de numéros de téléphone différents à 8 chiffres ne commençant pas
par 0.
Exercice 6
Dans une classe dont 12 filles et 18 garçons, on doit élire un comité composé d’un président, d’un
vice-président et d’un secrétaire.
1) Détermine le nombre de comités que l’on peut constituer.
2) Détermine le nombre de comités que l’on peut constituer sachant que le poste de secrétaire
doit être occupé par une fille.
87
3) Détermine le nombre de comités comprenant le chef de classe.

4) Détermine le nombre de comités pour lesquels le président est un garçon et le secrétaire
une fille.
5) Détermine le nombre de comités pour lesquels le président et le vice-président sont de
sexes différents.
Exercice 7
Un clavier de 9 touches permet de composer le code d’entrée d’un immeuble, à l’aide d’une lettre
suivie d’un nombre de 3 chiffres distincts ou non.
123
456ABC
1) Détermine le nombre de codes différents que l’on peut former. 2)

Détermine le nombre de codes sans le chiffre 1.
3) Détermine le nombre de codes comportant au moins une fois le chiffre 1.
4) Détermine le nombre de codes comportant des chiffres distincts.
5) Détermine le nombre de codes comportant au moins deux chiffres identiques
Exercice 8
Dans une classe, chaque élève étudie au moins l’une des 3 langues suivantes : Anglais, Allemand,
Espagnol.
5 élèves étudient les 3 langues

7 élèves étudient l’anglais et l’allemand
8 élèves étudient l’anglais et l’espagnol
9 élèves étudient l’allemand et l’espagnol.
Combien y a-t-il d’élèves dans cette classe.
Leçon 7 : PROBABILITES
I – Vocabulaire de probabilité
1) Expérience aléatoire
Une expérience aléatoire ou épreuve est une expérience qui vérifie les deux conditions
suivantes :
 On peut parfaitement déterminer par avance tous les résultats possibles ;

 On ne peut prévoir lequel de ces résultats sera réalisé.
Exemple : le lancer d’un dé ou d’une pièce de monnaie
88
2) Eventualité
On considère une expérience aléatoire ε donnant un nombre fini de résultats possibles.
Une éventualité ou une issue est un résultat de l’expérience ε .

L’ensemble de ces résultats possibles ou éventualités est appelé univers des éventualités de ε .
On le note souvent Ω .
Exemple : lancer d’un dé cubique à 6 faces numérotées de 1 à 6.
Les éventualités sont : 1 ; 2 ; 3 ; 4 ; 5 ; 6. L’univers Ω . est : {1 ; 2 ; 3 ; 4 ; 5 ; 6}

3) Evènement
On appelle évènement d’un univers Ω . , toute partie ou sous-ensemble de Ω .

Exemple
Expérience aléatoire : le lancer d’un dé cubique à 6 faces numérotées de 1 à 6.
« Obtenir un nombre strictement inférieur à 3 » est l’évènement {1 ; 2}
4) Evènement élémentaire
Un évènement élémentaire est un évènement composé d’un seul élément, c’est un singleton
Exemple
Evènement B : « Obtenir le chiffre 3 ». B est un évènement élémentaire ; B = {3}
5) Evènement certain
On appelle évènement certain tout évènement formé par l’ensemble de toutes les éventualités
d’une expérience aléatoire. Cet évènement est l’univers  lui-même.
6) Evènement impossible
Un évènement impossible est un évènement qui ne peut se réaliser à l’issue de l’expérience

aléatoire. Cet évènement est l’ensemble vide.
7) Evènement contraire
Soit A un évènement d’un univers Ω .
On appelle évènement contraire de A, le complémentaire de A noté A dans  .

Exemple
A est l’évènement : « Obtenir un nombre strictement inférieur à 3 ».

89
L’évènement contraire de A est A : « ……………………………………………………

……………………………. »
A = ……………. ; A = ………………………
II – Réunion, intersection de deux évènements.
1) Evènement (A ou B)
On considère deux évènements A et B d’un univers Ω .

On appelle évènement (A ou B), le sous-ensemble A∪B de Ω .
2) Evènement (A et B)
On considère deux évènements A et B d’un univers Ω .

On appelle évènement (A et B), le sous-ensemble A∩B de Ω .
3) Evènements incompatibles
On dit que l’évènement A et l’évènement B sont incompatibles lorsque l’évènement (A et B)

est impossible, c’est-à-dire lorsque A∩B =
III – Probabilité d’un évènement

1) Définition
Soit Ω l’univers associé à une expérience aléatoire.

Une probabilité P sur Ω est une application de P(Ω ¿ dans [0 ; 1], qui à toute partie A de Ω
associe le nombre réel P(A) appelé probabilité de l’évènement A et qui vérifie les conditions
suivantes :
 La probabilité d’un évènement est la somme des probabilités des évènements
élémentaires qui le constituent ;
 La probabilité de l’évènement certain est 1
 La probabilité de l’évènement impossible est 0
Propriétés
Soit P une probabilité définie sur un univers Ω , A et B deux évènements

 P ( A ∪ B )=P ( A ) + P ( B ) −P( A ∩ B)
 Si A et B sont incompatibles, alors : P ( A ∪ B )=P ( A ) + P ( B )
 Si A est l’évènement contraire de A alors P ( A=1−P ( A ) )
90
2) Calcul de la probabilité dans le cas d’équiprobabilité
Lorsque les évènements d’une expérience aléatoire ont tous la même probabilité, on dit qu’il y
a équiprobabilité.
Soit P une probabilité définie sur un univers Ω .
Dans l’hypothèse d’équiprobabilité, pour tout évènement A, on a :
Card ( A)
P ( A )=
Card (Ω)
3) Probabilité conditionnelle
a) Définition
Soient A et B deux évènements d’un univers Ω avec P( A)≠ 0
On appelle probabilité conditionnelle de B sachant A, la probabilité que l’évènement B se

réalise sachant que l’évènement A est réalisé.
P ( A ∩B)
Elle est notée PA(B) et est définie par PA(B) =
P( A )
b) Formule des probabilités totales
Soient A1 ,....., An , n évènements deux à deux incompatibles d’un univers Ω tels que la
probabilité de chaque évènement Ai soit non nulle et la réunion des Ai soit égale à Ω .
Pour tout évènement B de Ω , P(B) = P(B ∩ A1)+ .........+ P(B ∩ An )
P(B)  PA1 (B) x P(A1 )+......+ PAn (B) x P(An )
c) Evènements indépendants
Deux évènements sont dits indépendants si P ( A ∩B )=P ( A ) + P(B)

Si A et B sont indépendants et P(A) ≠ 0 , alors, PA(B) = P(B)
Si deux évènements A et B sont indépendants, alors les évènements A et B sont indépendants.
Si deux évènements A et B sont indépendants, alors les évènements A et B sont indépendants.
Exercice 1
Réponds par vrai ou faux à chacune des affirmations suivantes :
91
• Si P(A) + P(B) = 1, alors A = B

• La probabilité P(A) d’un évènement est un nombre réel supérieur à 1  Si A et B sont deux
évènements quelconques, alors :
• P ( A ∪ B )=P ( A ) + P ( B ) −P( A ∩ B)
• La probabilité d’un évènement impossible est 1
• La probabilité d’un évènement certain est 1
• Si A et B sont deux évènements incompatibles, alors
P ( A ∪ B )=P ( A ) + P ( B )
• La probabilité de l’évènement contraire de l’évènement A est égale à 1 + P(A)
Exercice 2
On lance un dé parfaitement équilibré à 6 faces numérotées de 1 à 6 et on s’intéresse au nombre lu

sur la face supérieure. Réponds par vrai ou faux à chacune des affirmations suivantes :
• Il s’agit d’une expérience aléatoire

• On a plus de chances d’obtenir le 6 que le 1
• La probabilité de ne pas obtenir le chiffre 5 est

• Les évènements « obtenir un chiffre pair » et « obtenir un chiffre supérieur ou égal à 5 »
sont des évènements incompatibles
• On a autant de chance d’obtenir un chiffre pair qu’un chiffre impair
• Les évènements « obtenir un chiffre pair » et « obtenir un chiffre impair » sont des
évènements incompatibles
Exercice 3
Soit l’univers d’une expérience aléatoire. Soient A et B deux évènements incompatibles de  tels
que : P(A) = 0,3 ; P(B) = 0,5.
1) Calcule P(A∩ B) et P(A∪ B)
2) Calcule P( A )et P( B)
Exercice 4
Soit Ω l’univers d’une expérience aléatoire. Soient A et B deux évènements  tels que : P(A) = 0,3
; P(B) = 0,5.
1) Calcule P(A∩ B)
2) Calcule P( A ), P( B), P( A ∩ B), P( A ∪ B), P( A ∪ B ¿ et P( A ∩ B ¿
Exercice 5
Soit Ω l’univers d’une expérience aléatoire. Soient A et B deux évènements de Ω tels que :
5 1 2
P( A ∪ B)= P( A ∩ B)= ; P( A)=
6 4 3
92
Calcule P(B), P( A ), P( A ∩ B), P( A ∪ B), ; P( A ∩ B ¿ et ; P( A ∪ B ¿
Exercice 6
Soit Ω l’univers d’une expérience aléatoire. Soient A et B deux évènements  tels que :
P(A) = 0,3 ; P( A ∩ B ¿=0 ,6 et P( A ∪ B ¿=0 , 9

Calcule P(B)
Exercice 7
Dans une urne, on place 10 cartes indiscernables au toucher portant chacune un numéro de 1 à 10.
On extrait une carte de l’urne et on note son numéro. On considère les évènements suivants :
A : « la carte extraite porte un numéro divisible par 3 »
B : « la carte extraite porte un numéro inférieur ou égal à 6 »
C : la carte extraite porte un numéro pair » et D : « la carte extraite porte un numéro impair »
1) Les évènements A et B sont-ils incompatibles ? Et les évènements C et D ?

2) Détermine P(A∪ B) et P(C ∪ D).
Exercice 8
Dans une urne se trouvent 2 boules blanches et 3 boules noires toutes indiscernables au toucher.
On tire successivement de l’urne deux boules sans remise
1) Calcule la probabilité de l’évènement : « Tirer deux boules de même couleur »

2) Calcule la probabilité de l’évènement : « Tirer deux boules de couleur différentes Exercice
12
Une urne contient 5 boules rouges et 3 boules noires indiscernables au toucher.

1) On tire simultanément trois boules de l’urne et on note leurs couleurs.
a) Calcule la probabilité de tirer 3 boules noires.
b) Calcule la probabilité de tirer 3 boules de même couleur.
c) Calcule la probabilité de tirer au moins une boule rouge
2) On tire successivement sans remise deux boules de l’urne et on note à chaque fois la
couleur.
a) Calcule la probabilité pour que la première boule tirée soit rouge et la dernière noire.
b) Calcule la probabilité pour que la première boule tirée soit noire.
c) Calcule la probabilité pour que la deuxième boule tirée soit rouge.
Exercice 9
Dans un pays, 2% de la population est contaminée par un virus. On dispose d’un test de dépistage
de ce virus qui a les propriétés suivantes :
93
- La probabilité pour qu’une personne contaminée choisie au hasard ait un test positif est de
0,99.
- La probabilité pour qu’une personne non contaminée ait un test négatif est de 0,99.
On fait passer un test à une personne choisie au hasard dans cette population.
On note V l’évènement : « la personne est contaminée par le virus ».
On note T l’évènement : « le test est positif »

1) Construis l’arbre pondéré de cette situation.
2) Déterminer la probabilité de chacun des évènements suivants :
A : « la personne a un test positif sachant qu’elle est saine ».
B : « la personne est contaminée et a un test négatif ».
Exercice 10
Dans une école d’ingénieurs, 20% des candidats sont admis directement sur dossier. Tous les
autres candidats passent une épreuve écrite. Ceux qui l’ont raté sont éliminés. Ceux qui l’ont
réussi passent une épreuve orale. 75% des candidats qui passent l’épreuve écrite la réussissent.
Deux tiers des candidats qui passent l’épreuve orale la réussissent et sont admis.
On considère les évènements suivants :
D : « le candidat est admis sur dossier »
E : « le candidat passe et réussit l’épreuve écrite »
O : « le candidat passe et réussit l’épreuve orale »

1) Traduis la situation à l’aide d’un arbre de choix 2) On
choisit un candidat au hasard.
a) Détermine la probabilité qu’il ait passé et raté l’épreuve orale.
b) Détermine la probabilité qu’il soit admis en ayant passé l’épreuve écrite.
3) Calcule la probabilité d’être admis à ce concours.
Exercice 11
Dans une population, il y a 45% d’hommes et 55% de femmes. 4% des hommes et 5% des
femmes présentent un caractère P. On prend un individu au hasard.
1) Calcule la probabilité de l’évènement A : « cet individu est une personne qui présente le
caractère P ».
2) Calcule la probabilité pour que ce soit un homme, sachant qu’il présente le caractère P.
94
Leçon 8 : GENERALITES SUR LES VARIABLES ALEATOIRES
INTRODUCTION
Dans cette leçon, Ω désigne un univers sur lequel une probabilité P a été définie. Une variable
aléatoire X est une application permettant d’associer un nombre réel à toute éventualité. On note
X (Ω) l’ensemble de toutes les valeurs que peut prendre X.
X est dite :
- Discrète lorsque l’ensemble des valeurs qu’elle peut prendre est dénombrable.
- Continue lorsqu’elle peut prendre toutes les valeurs d’un intervalle de R .
Exemple 1 : On lance deux dés. On note S l’application qui, à chaque lancer, associe la somme
des résultats obtenus. S est une variable aléatoire qui peut prendre toutes les valeurs de l’ensemble
S ( Ω )= {2 ; 3 ; 4 ; … ; 11; 12 }. S est une variable aléatoire discrète.
Exemple 2 : Après ensachage, on pèse des paquets de farine. On note Y l’application qui, à
chaque paquet, associe sa masse en grammes, emballage compris. On a constaté que les masses
variaient entre 950g et 1100g. Y est une variable aléatoire continue qui peut prendre toutes les
valeurs de l’intervalle Y ( Ω )= [ 950 ; 1100 ] .
I. VARIABLES ALEATOIRES DISCRETES

1. Définition
Soit Ω l’univers constitué d’un nombre fini d’éléments ou d’une infinité dénombrable
d’éléments.
Ω={ w 1 ; w 2 ; w3 ; … ; wn }
Définir une variable aléatoire X consiste à associer à chaque élément w de Ω un nombre x .

Ω⟶R
w ↦ X ( w )=x
Remarque :
En mathématiques, les applications de R dans R sont souvent désignées par des lettres
minuscules f, g, h, …, ect.
95
Avec cette terminologie y=f (x ), y est l’image du nombre réel x . Avec une variable
aléatoire, x=X (w), x est l’image de l’évènement élémentaire w.
Dans ce qui suit, les variables aléatoires sont désignées par des lettres majuscules et leur
réalisation par des lettres minuscules.
2. Activités
Une urne contient 100 boules de couleurs différentes à savoir : 10 bleues, 10 rouges,
5oranges, 15 vertes, 20 noires et 40 marrons. On note X la variable aléatoire qui consiste
associer à chaque élément de Ω , un nombre qui représente un gain en francs CFA, ce
nombre est négatif s’agit d’une perte. Les boules bleues et vertes gagnent 100F chacune.
Les boules rouges et marrons gagnent respectivement 300F et 50F. Les boules oranges et
noires font perdre 200F chacune.
On identifie la couleur par sa première lettre.
TAF :
1. Donner les éléments de Ω .
2. Déterminer l’image de chaque élément de Ω .
3. En déduire les valeurs prise par la variable aléatoires X.
(A traiter dans le cahier de recherches)
3. Loi de probabilité ou fonction de distribution d’une variable aléatoire discrète

3.1 Définition
L’application qui, à chaque valeur x d’une variable aléatoire X, associe la probabilité
P( X=x) est appelée loi de probabilité ou fonction de distribution de la variable aléatoire X.
NB :
Ne pas confondre X et x .
X désigne la variable aléatoire considérée et x une valeur possible prise par la variable X.
De même, ne pas confondre (X =x) et P( X=x) .
(X =x) désigne l’évènement « la variable aléatoire X prend la valeur x » tandis que
P( X=x) est la probabilité de réaliser cet évènement.
3.2 Cas pratique
96
a) Déterminer la loi de probabilité de la variable aléatoire X proposée dans l’activité

précédente.
b) Donner la représentation en bâtons de la loi de probabilité.
4. Fonction de répartition F
4.1 Définition
L’application F qui, à tout x associe, la probabilité que la variable aléatoire X prenne une valeur
inférieure au égale à x, est par définition, la fonction de répartition de X.
∀ x ∈ R , F ( x ) =P ( X ≤ x )=P ( X ∈ ] −∞ ; x ¿=∑ p i
4.2 Propriétés
- F est une fonction croissante ;
- Pour tout x, on a 0 ≤ F(x )≤ 1, puisque F(x) est une probabilité de réaliser un évènement.
- lim F ( x )=1 (Évènement certain) ;

x→+∞
- lim F ( x )=0 (Évènement impossible) ;

x→−∞
- Pour tout a et b, on a P(a< X ≤ b)=F ( b )−F (a)

4.3 Cas pratiques
Reprenons l’activité précédente
Définisser puis représenter la fonction de répartition.
(à traiter dans le cahier de recherche)
5. Espérance mathématique, variance et écart type d’une variable aléatoire discrète

5.1 Espérance mathématique
L’espérance mathématique de X est notée E(x) ou X et est définie par :
E ( x )=X = ∑ xP(X =x)

x ∈ X (Ω)
5.2 Variance
La variance est notée V(x) et définie par :
V ( x )=E ( X 2 ) −( X ) =
2
∑ x 2 P ( X =x )−( X )
2
x ∈X (Ω)
97
5.3 Ecart type
L’écart type est noté δ (X ) et est défini par :
δ ( X )=√ V (x )
5.4 Cas pratique
Reprendre l’activité précédente.
Calculer l’espérance mathématique, la variance et l’écart type de X.
5.5 Propriétés
Propriétés de E(x) Propriétés de V(x)

E ( b )=b V ( b ) =0
E ( ax +b )=aE ( x ) +b V ( ax +b )=a ² V ( x )
E ( X 1+ X 2 …+ X n )= E ( X 1 ) + E ( X 2) + …+ E ( X n ) V ( X 1 + X 2 …+ X n )=V ( X 1) + V ( X 2 ) +…+V ( X n )
E ( X −Y )=E ( X )−E ( Y ) V ( X−Y )=V ( X ) +V ( Y ) +2 COV ( X , Y )
NB : Pour une variable aléatoire indépendante,
V ( X−Y )=V ( X ) +(−1)² V ( Y )
II. VARIABLES ALEATOIRES CONTINUES

1. Définition
Une variable continue prend ses valeurs dans un intervalle. Si X est une variable aléatoire
continue on a :
Pour tout réel x, P( X=x)=0
2. Fonction de répartition
2.1 Définition
La fonction de répartition d’une variable aléatoire continue est :
F ( x )=P( X ≤ x ) ou F ( x )=P( X < x) , Pour tout réel x,
2.2 Propriété
- F est une fonction croissante ;
- Pour tout x on a 0 ≤ F(x )<1
98
- lim F ( x )=1 et lim F ( x )=0

x→+∞ x→−∞
- Pour tous réels a et b, P ( a< X ≤ b )=F ( b )−F (a) et puisque P ( X=a )=P ( X =b ) =0 on a
également
P ( a< X <b ) =P ( a ≤ X ≤ b ) =P ( a ≤ X< b ) =F ( b ) −F(a).
Exercice
Dans une banque, entre 9h et 10h le matin, le temps d’attente de l’employé entre deux clients (en
minutes) est une variable aléatoire X dont la fonction de répartition est la fonction F définie par :
−0.1 x
F ( x )=0 si x< 0 et F ( x )=1−e si x ≥ 0
Un client vient juste de partir.
Déterminer la probabilité que le client suivant se présente :
a) Dans 5 minutes exactement ;

b) Dans moins de 3 minutes ;
c) Dans plus de 3 mn mais moins de 10mn.
3. Variable aléatoire continue indépendante
Deux variables aléatoires continues X et Y sont indépendantes si et seulement si, pour tous réels x
et y, les évènements ( X ≤ x ) et (Y ≤ y) sont indépendants. Ce qui signifie que
P ( ( X ≤ x ) et ( Y ≤ y ) )=P ( X ≤ x ) x P ( Y ≤ y ) .
4. Loi ou densité de probabilité d’une variable aléatoire continue

4.1 Définition
Si X est une Variable Aléatoire Continue de fonction de répartition F dérivable, la loi de

probabilité de X est définie par la dérivée de F, notée f .
f est appelée densité de probabilité ( ou fonction de densité) de X. f (x)=F ’( x).
Application
Déterminer la densité de probabilité de la variable aléatoire continue dont la fonction de

répartition est la fonction F définie par :
99
−0.1 x
F ( x )=0 si x< 0 et F ( x )=1−e si x ≥ 0
4.2 Propriété
a) La densité est une fonction positive
La fonction de répartition F est croissante, sa dérivée est donc positive ou nulle. Graphiquement,
cela signifie que la courbe représentative de f est entièrement située au-dessus de l’axe des
abscisses.
b) Calcul de P ( a< X ≤ b ) à partir de la densité
On sait que P ( a< X ≤ b )=F ( b )−F ( a ) or F est une primitive de f . Donc

b
P ( a< X ≤ b )=∫ f ( x ) dx
a
c) ∫ f ( x ) dx=1
a
d) Expression de F en fonction de f . F ( x )= ∫ f ( t ) dt
−∞
6. Espérance mathématique, variance et écart type d’une variable aléatoire continue
Soit X une variable aléatoire continue de densité f, prenant ses valeurs dans l’intervalle I de
bornes α et β . ( ces bornes ou l’une de ces bornes étant éventuellement infinies).
β
- L’Espérance mathématique de X est E( X )=∫ tf ( t ) dt

α
- La variance de X est V ( X )=∫ t ² f ( t ) dt −( X ) ²

α
- L’écart type de X est δ ( X )=√ V ( X).
TRAVAUX DIRIGES n°1

PROBABILITES - STATISTIQUES
VARIABLES ALEATOIRES
EXERCICE 1 :
100
Une partie de loterie consiste à lâcher une bille dans un appareil qui comporte six portes de sortie,
numérotées de 1 à 6. Soit X la variable aléatoire qui à chaque partie associe le numéro de la porte
de sortie franchie. Sa loi de probabilité est définie par le tableau suivant :
i 1 2 3 4 5 6
P( X=i) 1 5 10 10 5 1
32 32 32 32 32 32
La règle du jeu est la suivante :
Un joueur mise 200F : il reçoit 1200F si la bille franchit les portes 1 et 6 ; 200F si elle franchit les
portes 3 et 4. Les portes 2 et 5 ne rapportent rien.
« Le gain » d’un joueur est la différence entre ce qu’il reçoit à l’issu de la partie et la mise. Soit Y
la variable aléatoire qui à chaque partie effectuée par un joueur donné associe le gain.
1°) Quelles sont les valeurs prises par Y ?
2°) Détermine la loi de probabilité de Y.
3°) un jeu est équitable si l’espérance mathématique du gain est nulle. Ce jeu est-il équitable ?
EXERCICE 2 :
Une urne contient 4 boules vertes, 2 boules rouges, et 3 boules bleues. On tire au hasard et
simultanément 2 boules. Pour chaque boule bleue tirée, on gagne 1000F ; pour chaque boule verte
tirée, on gagne 0 F. Pour chaque boule rouge tirée, on perd 1000F. On désigne par X le gain à
l’issue du tirage.
1°) Déterminer les différentes valeurs possibles de la variable aléatoire X.
2°) Déterminer et représenter la loi de probabilité.
3°) Calculer l’espérance mathématique, la variance et l’écart type de X.
EXERCICE 3 :
Une urne contient six jetons dont trois verts numérotés 1, 2 et 3 et trois jetons rouges numérotés 2,
3 et 4. On tire simultanément deux jetons de l’urne. Les tirages sont équiprobables.
1°) Combien existe –il de tirages possibles ?
2°) Quelle est la probabilité de tirer un jeton de chaque couleur ?
101
3°) Soit X la variable aléatoire qui associe à chaque tirage la valeur du jeton portant le plus petit
numéro si les numéros sont distincts et sinon, le numéro commun augmenté de 1.
Déterminer la loi de probabilité de X. La représenter graphiquement.
4°) Calculer l’espérance mathématique et l’écart type de X.
EXERCICE 4 :
Un transporteur a un car sur la ligne Abidjan –Bouaké. Il a estimé que le nombre de voyages
journaliers ( allers- retour) est une variable aléatoire X prenant les valeurs de 0 à 4, avec les
probabilités suivantes.
xi 0 1 2 3 4
P( X=x i) 0,20 0,10 0,40 0,14 0,16
1°) Calculer l’espérance mathématique et l’écart type de X.
2°) Chaque voyage rapporte 300.000F au transporteur. Soit Y le gain journalier du transporteur.
a) Donner la fonction de distribution de Y.
b) -Calculer l’espérance mathématique et l’écart type de Y.
3°) Soit Z la variable aléatoire qui donne le gain hebdomadaire. Sachant que le car travaille 6
jours par semaine, calculer l’espérance mathématique et l’écart type de Z.
Leçon 9 : LOIS FONDAMENTALES DISCRETES DE PROBABILITE
Les lois fondamentales discrètes de probabilité sont :
- La loi Binomiale ;
- La loi de Poisson.
I. LOI BINOMIALE
1. Variable de BERNOULLI
Une épreuve de BERNOULLI est une épreuve qui n’a que deux issues possibles :
- Le succès, avec une probabilité p .

- L’échec, avec une probabilité q=1− p
On définit la variable aléatoire X, dite de Bernoulli, qui prend la valeur 1 si l’issue de l’épreuve
est un succès et la valeur 0 si c’est un échec :
La loi de probabilité de X peut être donné par le tableau suivant :
102
k 0 1
P( X=k ) Q p
On a les caractéristiques suivantes :
- L’espérance mathématique
E ( X )=( 0. q ) + ( 1. p )= p
- La variance
V ( X )= ( 0².q ) + ( 1². p ) −p ²
V ( X )= p− p ²
V ( X )= p (1− p)
V ( X )= pq
L’espérance d’une variable aléatoire X de Bernoulli de paramètre p est E ( X )=p et sa
variance est V ( X )= pq .
2. Définition de la loi Binomiale
Considérons une épreuve ( dite de Bernoulli) n’ayant que deux issues possibles.
- L’une, appelée « succès » a la probabilité p de se réaliser.

- L’autre, appelée « échec », a la probabilité q=1− p de se réaliser.
Cette épreuve est répétée n fois, les épreuves successives étant indépendantes ( c’est-à-dire que
la probabilité de succès reste p à chaque fois).
La variable aléatoire X égale au nombre de succès obtenus au cours des n épreuves, suit alors, par
définition, la loi Binomiale de paramètres n et p .
On note X ↝ B(n , p).
3. Loi de probabilité de loi Binomiale
Lorsqu’on dit que X suit une loi Binomiale de paramètres (n, p) et qu’on écrit X ↝ B(n , p), X peut
prendre toutes les valeurs k entières comprises entre 0 et n. et on a :
k (n−k )
P ( X=k )=C p q
k
P ( X=k )=C p (1− p)
(n−k )
avec k ∈ { 0 ;1 ; 2 ; … . n }
Application
103
Grace aux tarifs réduits de toutes sortes, 90% des travailleurs de la SOTRA bénéficient de
tarifs réduits. Chaque soir, un contrôleur prend les billets de 5 passagers choisis au hasard dans
5 bus différents et note le nombre X de billets à tarif réduits qu’il trouve parmi eux.
1. Montrer que X suit une loi Binomiale.

2. Déterminer la loi de probabilité de X.
3. Déterminer la probabilité qu’il trouve un seul billet à tarif réduit.
4. Déterminer l’espérance mathématique de X ainsi que sa variance.
4°) Paramètres et valeurs caractéristiques d’une loi Binomiale.
4.1 Paramètres
Les paramètres d’une loi Binomiale sont n et p .
n. est le nombre de fois que l’épreuve de Bernoulli est répétée et p est la probabilité de succès.
4.2 Les valeurs caractéristiques
Si X suit la loi Binomale B(n , p) on a :
- L’espérance mathématique E( X )=np

- La Variance V ( X)=npq
- L’Ecart type σ (X )=√ V (X ¿)=√ npq ¿
4.3 Somme de variables aléatoires binomiales
Si X 1 et X 1 sont deux variables aléatoires indépendantes suivant les lois Binomiale B ( n1 , p ) et

B(n2 , p) , alors ( X 1+ X 1 ) suit la loi Binomiale B((n1 +n2 ), p)
4.4 Représentation graphique
Exemple 1 : Représentons la loi Binomiale de paramètre 30 et 0,5
Exemple 2 : Représentons la loi Binomiale de paramètre 10 et 0,5
104
II. LOI DE POISSON

1. Définition
Soit m un réel strictement positif donné. Une variable aléatoire discrète X suit la Loi de Poisson
de paramètre m, si elle peut prendre toutes les valeurs entières k avec la probabilité
k
−m m
P ( X=k )=e
k!
On note X ↝ P(m)
2. Représentation graphique
Exemple 1 : Représentons la loi de Poisson de paramètre 4
Exemple 2 : Représentons la loi de Poisson de paramètre 0,5
3. Valeurs caractéristiques
Si X suit la loi de Poisson de paramètre P(m) on a :
- L’espérance mathématique E( X )=m

- La Variance V ( X)=m
- L’Ecart type σ (X )=√ V (X ¿)=√ m¿
4. Somme de variables aléatoires binomiales
Si X 1 et X 1 sont deux variables aléatoires indépendantes suivant les lois Poisson P ( m1 ) et P ( m2 )

alors ( X 1+ X 1 ) suit la loi de Poisson P(m1 +m2)
Application
La compagnie de transport SOTRA a établi que le nombre de fraudeurs parmi 100 voyageurs
contrôlés suit une loi de Poisson d’espérance 2 si le contrôle est effectué un lundi et d’espérance 1
si le contrôle est effectué un dimanche.
Un contrôleur a reçu l’ordre de contrôler 100 personnes dimanche prochain et 100 autres le
lendemain.
1. Déterminer la probabilité qu’il trouve en tout 2 personnes en situation irrégulière.

2. Déterminer la probabilité de trouver au moins 3 fraudeurs le lundi.
105
3. Déterminer la probabilité de trouver au plus 3 fraudeurs le dimanche.
Résolution
4. Principaux cas où la loi de Poisson s’applique
Il est assez facile de reconnaitre une loi Binomiale (nombre de succès au cours d’une succession
finies d’épreuves de Bernoulli indépendantes), mais plus difficile de savoir à quelle occasion
utiliser une Loi de Poisson.
La loi de Poisson s’applique entre autres dans le cadre d’épreuves de Bernoulli au cours
desquelles la probabilité p de succès est faible. Elle est donc parfois appelée Loi des de petites
probabilité ou encore Loi des phénomènes rares. On la rencontre également dans certains
phénomènes de files d’attente. On retiendra les principaux exemples suivants :
- Nombre de pièces défectueuses dans un lot ;

- Nombre d’erreurs dans une comptabilité, une page ;
- Nombre de pannes d’un appareil au cours d’une période donnée ;
- Nombre de personnes arrivant à un guichet au cours d’une période donnée (arrivée dite
poissonnienne).
III. APPROXIMATION D’UNE LOI BINOMIALE PAR UNE LOI DE POISSON
Une loi Binomiale B(n , p) suivie par une Variable Aléatoire Discrète X peut être approchée par
une loi de Poisson P(m) (avec m=np) si les trois conditions suivantes sont satisfaites
simultanément.
 n est « grand », n ≥ 30
 p est « petit », p ≤ 0 ,1
 np « pas trop grand » np ≤ 15 (avec m=np).
Ce qui permet d’écrire pour k entier inférieur ou égal à n .

k
k (n−k ) −m m
P ( X=k )=C p (1− p) ≈e
k!
Application
106
La compagnie STL a établi que la probabilité qu’une personne contrôlée un lundi ne soit pas en
règle est égale à 0,02. On note par X le nombre de personnes en situation irrégulière parmi 100
contrôlées un lundi.
1. Montrer que X suit une Binomiale dont on précisera les paramètres.

2. Déterminer la loi de X.
3. Déterminer les valeurs caractéristiques de cette loi.
4. Calculer P( X=9) et P( X=10).
5. Montrer que cette loi Binomiale peut être approchée par loi de Poisson, dont on
déterminera le paramètre.
6. Reprendre la question 4).
Remarque
La loi Binomiale B(n , p) et la loi de Poisson P(m) ¿ dans le cas d’une approximation) sont deux
lois discrètes. De ce fait, l’approximation entre ces deux lois ne nécessite pas de correction de
continuité, comme cela n’est pas le cas lorsque l’une est discrète et l’autre continue.
VARIABLES ALEATOIRES DISCRETES : LOI BINOMIALE- LOI DE POISSON

EXERCICE 1 :
107
Un démarcheur à domicile propose des encyclopédies à une population dont on peut estimer la
proportion de futurs clients à 4%. Il prospecte 10 clients par jour et travaille 15 jours par mois.
Soit X le nombre d’encyclopédies vendues par mois.
1°) Quelle est la loi suivie par X ? Justifier
2°) Le démarcheur reçoit une commission de 10% sur les commandes et un fixe mensuel de
50.000F. Chaque encyclopédie est vendue à 75.000F.
Calculer l’espérance mathématique et l’écart type de son salaire mensuel Z.
3°) Calculer P(87 500 ≤ Z ≤ 102500)
EXERCICE 2 :
Une boite contient 5 pièces de 500F et 10 pièces de 200F. L’épreuve consiste à tirer au hasard une
pièce de la boite, à noter sa valeur puis à la ramener dans la boite. On suppose que les pièces sont
indiscernables au toucher.
A. Quelle est la probabilité de tirer une pièce de 200F ? et quelle est la probabilité de tirer une
pièce de 500F?
B. On répète 7 fois l’épreuve et on désigne par X le nombre de pièces de 200F tirées et S la
somme totale résultant des 7 tirages.
1. a) Quelle est la loi suivie par X ?
b) En déduire la probabilité d’avoir au plus 2 pièces de 200F et la probabilité d’avoir au
moins 3 pièces de 500F.
c) Calculer E(X) et V(X)
2. a) Exprimer S en fonction de X, puis calculer P ( S=2 600 ) et P (2000 ≤ S ≤3 200)
b) Calculer l’espérance mathématique, la variance et l’écart type de S.
EXERCICE 3 :
Lorsque RAMATOU trouve une publication dans sa boite aux lettres, 1 fois sur 10, elle prend
connaissance avant de la jeter, 9 fois sur 10, elle jette sans même l’avoir regardée.
1. Tous les matins de janvier, une même publication sera déposée dans la boite aux lettres de
RAMATOU.
a) Quelle est la probabilité qu’elle la regarde au moins deux fois au cours de l’année ?
b) Quels sont l’espérance et l’écart type du nombre de jours de janvier où elle regarde la
publicité en question ?
108
2. Combien de fois faut-il mettre la même publicité dans la boite aux lettres de RAMATOU
pour que la probabilité qu’elle la regarde au moins une fois soit supérieure à 0,95 ?
II. LOI DE POISSON
EXERCICE 4 :
Soit X une variable aléatoire suivant une loi de Poisson de paramètre 4.

1. Calculer P ( X=2 ) , P ( X <5 ) , P ( X >3 ) et P ( 3< X ≤ 5 )
2. Calculer L’espérance mathématique E(X) et la variance V(X) de X.
Leçon 10 : LOIS FONDAMENTALES CONTINUES DE PROBABILITE : Loi NORMALE
I. LOI NORMALE CENTREE REDUITE

1. Densité
Une Variable Aléatoire Continue T suit la loi Normale Centrée Réduite si elle admet pour densité
−1
1 2
t²
la fonction f définie sur R par : f ( t )= e
√2 π
2. Espérance, variance et écart type
Si T suit la loi Normale Centrée Réduite. Son espérance est E(T )=0, sa variance V (T )=1 ET son
écart type δ (T )=1. On note T ↝ N ( 0 ; 1 ) , le premier paramètre étant l’espérance et le second
l’écart type.
Remarques
• Comme la variable aléatoire T est centrée réduite i.e 𝐸(𝑇) = 0 𝑒𝑡 𝜎(𝑇) = 1.

109
• La densité de probabilité de T est la fonction
• La fonction de répartition T est
dx
• Sa représentation graphique est
• La courbe de la densité de probabilité 𝜑(𝑡) est symétrique par rapport à l’axe des
ordonnées.
• L’aire totale de la surface comprise entre la courbe de 𝜑 et l’axe des
abscisses est égale à 1.
3. Fonction de répartition
Si T est une Variable Aléatoire Continue suivant la loi Normale centrée réduite, sa fonction de
t −1
1 x²
répartition, souvent notée π est définie par π ( t ) =P ( T ≤t )= ∫ e 2
dx , ∀ t ∈ R
−∞ √2 π
4. Propriétés
- π ( 0 )=P ( T ≤ 0 ) =0 ,5
- P ( T ≤ t ) =P ( T <t )=π ( t )
- P ( T >t )=π (−t )=1−π ( t )
- P ( t 0 ≤ T ≤ t 1 ) =π ( t 1 )−π ( t 0 )
- P (−t ≤ T ≤ t ) =2 π ( t )−1
- P¿
5. Calculs numériques et calculs de probabilité
110
Pour t, strictement positif, on peut lire la valeur de π ( t ) dans la table.
Application 1 :
Utiliser la table de la fonction de répartition de la loi Normale Centrée pour déterminer
π ( 1 ) ; π ( 2 ,3 ) ; π ( 2, 38 ) ; π ( 3 ) ; π (−1 , 92 ).
Application 2 :
1. Déterminer a et b tels π ( a )=0,975 et π ( b )=0,006.

2. Déterminer π ( 0,743 )
Résolution
II. LOI NORMALE DE PARAMETRE m ET .. , OU LOI NORMALE GENERALISEE
1. Densité, espérance, écart type
Soit m, un réel quelconque et δ un réel strictement positif. Une variable aléatoire continue X
suit une loi Normale d’espérance m et d’écart type δ si elle admet pour densité la fonction g
définie sur R par :
−1 X −m
1 2
(
δ
)²
g ( x )= e
δ √2 π
On note X ↝ N ( m; δ)
2. Variable centrée réduite associée
Si X suit la loi Normale d’espérance m et d’écart type δ , la variable T définie par :
X−m
T= suit la loi Normale Centrée réduite.
δ
3. Calculs pratiques
X−m
Si X ↝ N (m; δ) , on pose T =
δ
On sait que T ↝ N (0 ;1) et on note π sa fonction de répartition. On a alors :
P ( a<T ≤b )=P ( a−m

δ
<T ≤
δ )
b−m
111
P ( a<T ≤b )=π ( b−m

δ )−π (
δ )
a−m
II. APPROXIMATION PAR UNE LOI NORMALE
Il s’agit ici de l’approximation d’une loi Binomiale par une loi Normale
1. Condition d’approximation
Si la Variable Aléatoire Discrète X suit la loi Binomiale B(n , p) et si l’une des conditions
suivantes est réalisée :
- n « grand », (n ≥ 30) et p et q voisins de 0,5 ou

- np> 15 et nq> 15 ou encore
- npq >10
On peut alors approcher la loi de X par la loi Normale de paramètre np et √ npq .
Remarque :
Pour plus de clarté, on notera :
X, la Variable Aléatoire Discrète qui suit la loi Binomiale B(n , p) et
Y, la Variable Aléatoire Continue qui suit la loi Normale N ( np , √npq) et
2. Correction de continuité
Dans la pratique, comme l’approximation faite est une approximation d’une loi discrète par un loi
continue, il faut alors effectuer une correction de continuité. C’est-à-dire qu’à une valeur X 0 d’une
valeur discrète, il faut associer l’intervalle [ X 0−0 , 5 ; X 0 +0 , 5 ], pour la variable continue.
La loi Binomiale B(n , p) La loi Normale N ( np , √npq)
{ P( X ≤ t)
X ↝ B(n , p)
peut être « approchée par » { P(Y ≤ t+0 , 5)
Y ↝ N (np , √ npq)
{ P(X ≥ t)
X ↝ B(n , p)
peut être « approchée par » { P(Y ≥t−0 ,5)
Y ↝ N (np , √ npq)
{( P t 0 ≤T ≤ t 1 )
X ↝ B(n , p) {(
peut être « approchée par »
P t 0−0 ,5 ≤ T ≤ t 1 +0 , 5 )
Y ↝ N (np , √ npq)
112
Application 1
On considère une variable aléatoire X suivant la loi Binomiale B(400; 0 ,5).
1. Montrer que cette loi peut être approchée par la loi Normal N (200 ; 10)
2. En considérant cette nouvelle loi, calculer les probabilités suivantes :
a) P( X=190)
b) P( X ≤ 210)
c) P( X ≥ 205)
d) P( X< 205)
Application 2 :
Dans les mêmes conditions que l’exercice précédent, donner une valeur approchée des
probabilités suivantes :
a) P( X=220)
b) P( X ≤ 220)
c) P(190 ≤ X ≥210)
d) P( X< 207)
Application 3
On considère une variable aléatoire X suivant la loi Binomiale B(100 ; 0 , 2) .
En utilisant une approximation de cette loi par une loi Normale dont on précisera les paramètres,
Calculer une valeur approchée des probabilités suivantes :
P ( X=20 ) b ¿ P (X ≤22) c) P ( 18 ≤ X ≥ 22 )d) P( X> 18)

113
LOIS FONDAMENTALES CONTINUES DE PROBABILITE : LOI NORMALE

EXERCICE 1 :
Dans une compagnie d’assurance, on a constaté que sur les 1200 assurés, 60 avaient envoyé au
moins une déclaration de sinistre dans l’année.
On dira dans tout cet exercice que ces 60 dossiers sont de « types DS ».
On prélève au hasard et avec remise n dossiers parmi les 1200 dossiers des assurés. X est la
variable aléatoire donnant, parmi les n dossiers prélevés, le nombre de dossiers de « types DS ».
Les résultats des probabilités demandées seront donnés sous forme décimale, arrondies à 10−2
près.
1°) Quelle est la loi suivie par X ? Justifier votre réponse.
Donner les paramètres de cette loi.
2°) Dans cette question, on prend n=10. Calculer les probabilités :
a) Pour qu’un seul dossier soit de « type DS » ;
b) Pour qu’il ait, parmi ces 10 dossiers, au moins un dossier de « type DS ».
3°) Dans cette question, on prend n=60.
a) Montrer que la loi suivie par X peut être approchée par la loi Poisson dont on précisera le
paramètre. On note Y la variable aléatoire suivant cette loi de Poisson.
b) Calculer la probabilité P(Y ≥ 2) .
4°) Dans cette question, on prend n=200.
a) Montrer que la loi suivie par X peut être approchée par la loi Normale dont on précisera
les paramètres. Soit Z la variable aléatoire suivant cette loi de Normale.
b) Calculer les probabilités suivantes : P(Z ≤ 9) et P(Z ≥ 15)
EXERCICE 2:
Dans une coopérative de Négoce Café- Cacao, 15 % de production de cacao présente des défauts.
Le contrôle porte sur 400 sacs de 100 Kg chacun ; et on considère la variable aléatoire X
désignant le nombre de sacs présentant des défauts.
1. Montrer que la variable aléatoire X suit une loi Binomiale dont on précisera les paramètres.
2. Calculer à 10-2 près l’espérance mathématique, la variance et l’écart type de la variable
aléatoire X.
3. a) Montrer que la loi Binomiale que suit X peut être approchée par une loi Normale dont
précisera les paramètres.
b) Calculer la probabilité de chacun des évènements suivants :
A : « 60 sacs au moins présentent des défauts »
B : « 30 sacs au plus présentent de défauts ».
On admettraque :π ( 4 , 13 )=0,999979 et π (−t )=1−π (t)
4. Le contrôle qualité initié dans la filière Café-Cacao a ramené à la baisse le taux de sacs
défectueux jusqu’à 5% dans cette coopérative.
On procède à un contrôle portant sur 200 sacs de Cacao choisis de façon à constituer un
échantillon aléatoire.
114
a) Montrer que la loi Binomiale que suit X peut être approchée par une loi de Poisson
dont on précisera le paramètre.
b) Calculer la probabilité de chacun des évènements suivants :
C : « Il y a exactement 2 sacs défectueux ».
D : « Il y a au moins 2 sacs défectueux ».
EXERCICE 3 :
Une étude menée par le Cabinet Ashley a montré que 50% des étudiants échouent en Licence 1
GEE à HETEC. Il prélève un échantillon de 100 étudiants candidats de cette filière.
Soit X la variable aléatoire donnant le nombre d’étudiants admis en licence 1.
1. Montrer que X suit une loi binomiale. Préciser les paramètres.
2. a) Quelles sont les caractéristiques de cette loi ?
b) Quel est le nombre moyen d’étudiants admis ?
3. Calcule les probabilités qu’il ait exactement 10 étudiants admis.
4. Peut-on approcher la loi Binomiale que suit X par une loi normale ? Justifiez votre
réponse ?
5. Calculer la probabilité des évènements suivants :
A « Plus de 55 étudiants sont admis ».
B « Le nombre d’admis est compris entre 45 et 55 »
C « Au plus 40 étudiants sont admis ».
D « Au moins 60 étudiants sont admis ».
EXERCICE 4 :
Une usine fabrique des billes de diamètres 8 mm. Les erreurs d’usinage provoquent des variations
de diamètres. On estime sur les données antérieures, que l’erreur est une variable aléatoire qui
obéit à une loi normale, de paramètres : moyenne : 0mm et écart type : 0,02 mm. On rejette les
pièces dont le diamètre n’est pas entre 7,97mm et 8,03 mm.
Quelle est la proportion de billes rejetée ?
Leçon 11 : ECHANTILLONNAGE ET ESTIMATION
I. ECHANTILLONNAGE
1. Définition
La théorie de l’échantillonnage consiste à déterminer les caractéristiques d’échantillon
(moyenne, écart type et proportionnel à partir de celles de la population mère.
Dans de nombreuses situations statistiques, l’étude complète d’un caractère dans une population
d’effectif N n’est pas possible et doit être remplacé par une approche à l’aide d’un échantillon de
115
taille plus petite n. On suppose dans le choix de cet échantillon que toutes les unités statistiques
ont des chances égales d’être choisies.
Pour déduire de cet échantillon des propriétés de la population totale (ou population mère),
on est amené à étudier les propriétés de l’ensemble des échantillons de taille n appelés
échantillonnage de taille n.
Nous nous limiterons à étudier la loi d’échantillonnage de la moyenne, de l’écart type et de la
proportion dans le cas d’un tirage répété de Bernoulli.
2. Echantillonnage des moyennes
Soit X une variable aléatoire définie sur Ω , c’est-à-dire associé à la population mère. On note X n
la variable aléatoire qui, à tout échantillon de taille n, associe la moyenne des valeurs de X
observées sur cet échantillon.
Soit une population mère de moyenne m et d’écart type δ .
n n
∑ ni x i ou ∑ xi
i=1
m= m= i=1
N N
n n
∑ n i (x¿ ¿i−m)² ou ∑ ni xi
i=1
V ( X )= ¿ V ( X )= i=1 −m²
N N
N : Taille de la population mère

V(X) : Variance de la population mère
m : moyenne de la population mère
soit un échantillon de taille n et de moyenne x extrait de cette population mère. Soit
X une variable aléatoire associée à l’échantillon.
n n
∑ ni x i ou ∑ xi
X = i =1 X = i =1
N N
V ( X )=
V ( X)
n
et δ X =
√
V ( X)
n
=
n √
(δ ¿¿ X )² δ X
= ¿
√n
A retenir :
Si n ≥ 30 ou si (
X ↷ N m;
δX
√n ) ;X ↷N m;( δX
√n )
116
On peut donc affirmer par exemple que lorsqu’on tire un échantillon de taille n, a 95 chances sur
100 de trouver, sur cet échantillon une moyenne x des valeurs de X comprises entre
δ δ
m−1 , 96 et m+1 , 96 .
√n √n
Car pour un seuil de confiance α =95 % ou α =0 , 95
α +1
=0,975.
2
D’après la table de la loi Normale centrée, réduite N(0,1),

Π ( t α ) =0,975 on lit t α =1 , 96
De manière générale, l’intervalle de confiance de la moyenne m est :
δ δ
m−t α et m+t α
√n √n
Avec α et t α qui sont liés par la relation :

α +1
2 Π ( t α ) −1=α soit Π ( t α ) =
2
3. Echantillonnage des proportions

3.1 Définition
Dans une population Ω , on considère un caractère C donné tel que : une proportion p (supposé
connue) des éléments de Ω présente ce caractère et une proportion q=1− p des éléments de
Ω ne présente pas ce caractère ; n étant fixé (un entier), on considère tous les échantillons de taille
n extraits de Ω .
On note F n la variable aléatoire qui, a tout échantillon de taille n, associe la proportion d’éléments
de cet échantillon présentant le caractère C.
3.2 Espérance et écart type

Notons Y n la variable aléatoire qui, à tout échantillon de taille n, associe le nombre d’éléments de
cet échantillon présentant le caractère C.
Pour constituer un échantillon, on répète n fois de suite une même épreuve (« Tirer un élément de
la population ») les épreuves successives sont indépendantes (puisqu’il y a remise entre chaque
tirage). Et chaque épreuve a deux issues possibles :
- l’élément tiré présente le caractère C : succès, avec la probabilité p de se réaliser.
117
- l’élément tiré ne présente pas le caractère C : échec, avec une la probabilité q de se réaliser.
Y n suit donc la loi Binomiale de paramètres n et p.
Y n ↝ B(n , p)
 L’espérance mathématique de Y n est E ( Y n ) =np et son écart type est δ ( Y n )=npq .

Yn
 Or F n= . Sur un échantillon, on détermine, en effet la proportion d’éléments ayant le
n
caractère C en comptant le nombre de ces éléments. Le rapport entre ce nombre et la taille
de l’échantillon donne la proportion cherchée. Il en résulte que :
E ( F n )=E ( )
Yn 1
n
1
= E ( Y n) = np= p
n n
L’espérance de F n est donc E ( F n )= p
 L’écart type de de F n mesure la dispersion des proportions observées sur les échantillons
de taille n autour de p. Cette dispersion sera d’autant plus faible que les échantillons sont
grands.
En effet, V ( F n )=V ( )()

Yn
n
=
1 2
n
V ( Y n ) or V ( Y n ) =npq
()
2
1 pq
D’où V ( F n )= . npq Soit V ( F n )=
n n
L’écart type de F n est δ (F n) est

√ pq
n
Yn
Comme F n= et Y n ↝ B(n , p), on dit parfois que F n suit la loi « Binomiale en proportion ». Il
n
s’agit là d’une expression abusive mais peut commode.
3.3 Loi de F n
Lorsque cela est possible, les calculs de probabilités relatifs à F n peuvent être fais en utilisant la
Y
relation F n= n et la loi de Y n ( à savoir Y n ↝ B(n , p) ).
n
Exemple :
On prend au hasard un échantillon de 50 chevilles. 8% des chevilles coupées par la machine sont
jugées inutilisables.
Déterminer la probabilité que la proportion de chevilles inutilisables sur cet échantillon dépasse
10%.
Résolution
Y 50 ↝B ( 50 ; 0 , 08 )
118
On cherche P(F ¿¿ 50>0 , 1) ¿ or
P(F ¿¿ 50>0 , 1)=P ( Y50 > 0 ,1) ¿

n
P(F ¿¿ 50>0 , 1)=P ( Y n >5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P ( Y n ≤5 ) ¿
P(F ¿¿ 50>0 , 1)=1−[ ()+()+()+()+()+() ] ¿
P(F ¿¿ 50>0 , 1)=0,208 ¿
La probabilité que la proportion e chevilles inutilisables sur un échantillon de 50 chevilles

dépassent 10% vaut 0,208.
Si les échantillons sont assez grand (n ≥ 30 ¿, on peut considérer que F n suit une loi Normale.
Si n ≥ 30 alors F n ↝ N p , ( √ pqn )
Remarque :
On Se limite souvent à la contrainte n ≥ 30, mais en toute rigueur, comme nous le verrons dans
l’exemple suivant, cette contrainte n’est pas suffisante. Il faut en faite que les conditions
d’approximations de la loi Binomiale B(n , p) par la loi Normale soit remplie.
Exemple : si l’on reprend l’exemple précédent sur l’échantillon de taille 50, et si l’on refait les
calculs avec la variable F 50 en utilisant la loi ( √ pqn ),

Fn↝ N p , c’est-à-dire
(
F 50 ↝ N 0 ,08 ,
√ )
0 , 08 x 0 , 92 , on obtient :
50
P(F ¿¿ 50>0 , 1)=P T > ( 0 ,1−0 , 08

0,038
¿)
P(F ¿¿ 50>0 , 1)=1−Π ( 0 , 53 ) ¿
P(F ¿¿ 50>0 , 1)=1−0,7019 ¿
P(F ¿¿ 50>0 , 1)=0,2981 ≃0 ,3 ¿
L’approximation faite n’est donc pas très bonne. Simplement parce que approcher la loi de F 50 par
une loi Normale revient à faire pour Y 50, l’approximation de la loi Binomiale B(50 ; 0 , 08) par une
loi Normale N ( 4 , √3 , 68 ). Or les conditions d’approximation ne sont pas remplies.
'
p=0 ,08 n est pas voisin de 0 ,5 ; en plus les produit np et nq sont trop petits ¿ .
Néanmoins, on obtiendrait un meilleur résultat en utilisant la correction de continuité. En effet,
119
P(F ¿¿ 50>0 , 1)=P ( Y 50

50
>0 , 1 ¿ )
P(F ¿¿ 50>0 , 1)=P ( Y 50>5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P ( Y 50 ≤ 5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P ( Y 50 ≤ 5+0 , 5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P ( Y ¿50 ≤ 5 , 5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P T ≤

( 5 , 5−4
√ 3 , 68 )
¿
P(F ¿¿ 50>0 , 1)=1−⊓ (0 ,78)¿
P(F ¿¿ 50>0 , 1)=1−0,7823 ¿
P(F ¿¿ 50>0 , 1)=0,2177 ≃0 , 22¿ . Ce qui est plus proche de 0,208
Mais le mieux serait encore ici d’approcher la loi de Y 50 par la loi de Poisson P(4).
( car les conditions d’approximation sont réalisées). On obtient alors :
P(F ¿¿ 50>0 , 1)=P ( Y50 >0 , 1)¿

50
P(F ¿¿ 50>0 , 1)=P ( Y 50>5 ) ¿
P(F ¿¿ 50>0 , 1)=1−P ( Y 50 ≤ 5 ) ¿
[( ) ( ) ( ) ( ) ( ) ( )]
0 1 2 3 4 5
−4 4 −4 4 −4 4 −4 4 −4 4 −4 4
P(F ¿¿ 50>0 , 1)=1− e + e + e + e + e + e ¿
0! 1! 2! 3! 4! 5!
P(F ¿¿ 50>0 , 1)=1−e−4 1+4 +8+ ( 32 32 128

+ +
3 3 15
¿ )
P(F ¿¿ 50>0 , 1)=¿ ¿
Cas pratique :
Soit α un réel fixé entre 0 et 1. La proportion d’éléments présentant un caractère C quelconque, au
seuil de confiance α est compris entre :
p−t α
√ pq
n
et p+t α
n√
pq
De manière générale, l’intervalle de confiance de la proportion p est :
p−t α
√ pq
n
et p+t α
120 n √
pq
Avec α et t α qui sont liés par la relation :

α +1
2 Π ( t α ) −1=α soit Π ( t α ) =
2
II. ESTIMATION
1. Définition
L’estimation est l’opération inverse de la théorie de l’échantillonnage. Elle consiste à
déterminer les caractéristiques d’une population mère à partir de celle des échantillons qui en sont
extraits. Ainsi, grâce la théorie de l’échantillonnage, on peut, à partir des observations faites sur
un échantillon, estimer un paramètre dont la valeur est inconnue sur la population, soit en donnant
une valeur approchée de ce paramètre (estimation ponctuelle), soit en déterminant un intervalle
auquel on peut attribuer un certain degré de confiance (estimation par intervalle de confiance).
En d’autres termes, l’estimation est dite ponctuelle lorsqu’elle est faite sans préciser
l’erreur commise. Et lorsque l’erreur commise est précisée, on parle d’estimation par intervalle de
confiance.
2. Notation
On utilisera les notations suivantes :
Population Echantillon
Taille N N
Moyenne m xe
Fréquence p f
Ecart type S (estimateur), σ σe
On supposera que n ≥ 30
3. Estimations ponctuelles
3.1 Estimation ponctuelle de la moyenne
m est un paramètre inconnu de la population Ω que l’on cherche à estimer.
On utilise, pour cela un échantillon de taille n, sur lequel on calcule la moyenne
arithmétique x des valeurs observées.
x donne une estimation ponctuelle de m :
m=x
121
3.2 Estimation ponctuelle de la variance, de l’écart type de la population mère.

 Estimation ponctuelle de la variance
σ ² est un la variance de la variable aléatoire X définie sur Ω .
σ ² est un paramètre inconnu de la population Ω que l’on cherche à estimer.
On utilise, pour cela, un échantillon de taille n, sur lequel on calcule la variance σ e ² des valeurs
observées de X.
On admettra que σ e ² ne donne pas une bonne estimation ponctuelle de σ 2 . Ceci provient du fait
que σ e ² mesure la dispersion des valeurs de l’échantillon autour de x et non autour de m.
n
Le nombre s= n−1 σ e ² donne une estimation ponctuelle de σ 2
Cette estimation sera d’autant meilleure que l’échantillon sera choisi grand.
 Estimation ponctuelle de l’écart type

σ est un paramètre inconnu de la population Ω que l’on cherche à estimer.
On utilise, pour cela, un échantillon de taille n, sur lequel on calcule l’écart type σ e des valeurs
observées de X.
Le nombre s=σ e
√ n
n−1
donne une estimation ponctuelle de σ
3.3 Estimation ponctuelle d’une proportion

Dans une population, on considère un caractère C donné tel que :
une proportion p des éléments de Ω présente ce caractère et une proportion q=1− p des éléments
de Ω ne présente pas ce caractère.
p est un paramètre inconnu de la population mère que l’on cherche à estimer.
On utilise, pour cela, un échantillon de taille n, sur lequel on calcule la proportion f des éléments
de l’échantillon ayant le caractère C.
f donne une estimation ponctuelle de p:

p=f
Application 1
122
On a relevé sur un échantillon de 50 chevilles les longueurs suivantes :
Longueur des ¿ 28 , 5 ; 29¿ ¿ 29 ; 29 ,5 ¿ ¿ 29 , 5 ;30 ¿ ¿ 30 ; 30 ,5 ¿ ¿ 30 , 5 ;31 ¿ ¿ 31 ; 31, 5 ¿

chevilles
Nombre de 2 5 20 19 3 1
chevilles
1. On veut estimer l’espérance m de la longueur X (en mm) des chevilles coupées.

Donner une estimation ponctuelle de m.
2. Déterminer une estimation ponctuelle de l’écart type de X.
3. On suppose, dans cette partie, qu’une cheville est inutilisable si sa longueur est supérieure
ou égale à 31 mm ou inférieur à 29 mm.
En considérant le même échantillon de 50 chevilles, déterminer une estimation ponctuelle
de la proportion de chevilles inutilisables que l’on obtiendra avec cette machine.
RESOLUTION
Longueur ¿ 28 , 5 ; 29¿ ¿ 29 ; 29 ,5 ¿ ¿ 29 , 5 ;30 ¿ ¿ 30 ; 30 ,5 ¿ ¿ 30 , 5 ;31 ¿ ¿ 31 ; 31, 5 ¿ Total

des
chevilles
Nombre 2 5 20 19 3 1 50
de
chevilles
Centre 28,75 29,25 29,75 30,25 30,75 31,25
des
classes x i
ni x i 57,5 146,25 595 574,75 92,25 31,25 1497
ni x i ² 1653,125 4277,8125 17701,25 17386,1875 2836,6875 976,5625 44831,625
Notons x i le centre des classes et les effectifs partiels correspondants.

1) La moyenne arithmétique observée sur l’échantillon est :
6
1
x= ∑ ni x i
n i=1
1497
x= =29 , 94 mm
50
29,94 mm donne une estimation ponctuelle du paramètre m ( espérance de X sur la population des
chevilles coupées par la machine).
123
b) Déterminons une estimation ponctuelle de l’écart type de X.

Sur l’échantillon, la variance est :
6
1
σ = ∑ ni x 2i −( x )²
2
e
n i=1
2 44831,625 2
σ e= −( 29 , 94 )
50
2
σ e =0,2289
Une estimation ponctuelle de l’écart type est :
s=
√ n 2
σ
n−1 e
s=
√ 50
49
x 0,2289
s=0,4832
c) Déterminer une estimation ponctuelle de la proportion de chevilles inutilisables que l’on

obtiendra avec cette machine.
Sur cet échantillon, deux chevilles sont trop courtes et une cheville est trop longue. Soit trois
chevilles inutilisables.
3
Ce qui représente une proportion f = =0 , 06.
50
6 % donne une estimation ponctuelle du paramètre p.
( proportion de chevilles inutilisables que l’on obtiendra avec cette machine).

4. Estimations par intervalle
Dans cette partie, on se limitera à l’estimation d’une moyenne ou d’une proportion.
Au lieu de déterminer une estimation ponctuelle, qui donne une idée de la valeur du paramètre à
estimer mais qui est peu fiable, nous allons maintenant fixer un niveau de confiance α et chercher
à déterminer un intervalle fermé I α =[a ; b ] contenant la caractéristique à déterminer, avec bien
entendu la probabilité α .
I α est appelé intervalle de confiance au seuil de confiance α , ou au seuil de risque 1−α .
4.1 Estimation par intervalle de confiance de la moyenne m
m est un paramètre inconnu de la population Ω pour lequel on cherche un intervalle de confiance

I α au seuil de confiance α .
124
Si X est une variable aléatoire d’espérance inconnue m et d’écart type σ et si x est la moyenne des
valeurs de X observées sue un échantillon de taille n, alors
l’intervalle de confiance I α au seuil de confiance α pour le paramètre m est :
[
I α = x−t α
σ
√n
; x +t α
σ
√n ]
α +1
m ∈ I α où Π ( t α ) = (Table de la loi Normale centrée réduite)
2
Remarque 1:
Si l’écart type σ de la population mère est inconnu, on peut alors le remplacer par son estimation
ponctuelle s définie plus haut c’est-à-dire :
s=σ e
√ n
n−1
L’intervalle de confiance devient alors :
[
I α = x−t α
σ
√n
; x +t α
σ
√n ]
α +1
m ∈ I α où Π ( t α ) = (Table de la loi Normale centrée réduite)
2
Remarque 2: la table de la loi Normale centrée réduite permet de trouver la valeur de t α . Les cas
les plus sont :
 Pour α =95 % , Π ( t α )=0,975 on lit dans latable fréquents t α =1 , 96

 Pour α =98 % , Π ( t α )=0 , 99 onlit dans la table t α =2 , 33
 Pour α =99 % , Π ( t α )=0,995 on lit dans latable t α =1 , 58
4.2 Estimation par intervalle de confiance d’une proportion
p est une proportion inconnue sur la population Ω pour lequel on cherche un intervalle de
confiance I α au seuil de confiance α .
Si f est la proportion correspondante observées sur un échantillon de taille n, l’intervalle de

confiance I α au seuil de confiance α pour le paramètre p, est :
[ √
I α = f −t α
f (1−f )
n−1
; f +t α
√f (1−f )
n−1 ]
α +1 125
p ∈ I α où Π ( t α ) = (Table de la loi Normale centrée réduite)
2
5. Constitution d’un échantillon

Pour constituer un échantillon pris au hasard, il faut définir la taille de l’échantillon ou l’effectif
de l’échantillon.
 Question : « A partir de quel effectif, l’échantillon donnera –t-il une estimation

satisfaisante et sera donc représentatif de la population ? »
 Méthode :
On se fixe au seuil de confiance α , et un rayon r de l’intervalle de confiance ( on dit à r
prés).
La taille n de l’échantillon est telle que :
Pour la proportion :
Pour la moyenne :
tα
√ f (1−f )
n−1
≤r
σ
tα ≤r
√n
Application 2 :
1. Détermine la taille minimale n de l’échantillon pour obtenir un intervalle de confiance à
90% de rayon r =0 , 01, sachant que la fréquence observée est
f =0 , 06
Réponse :
Pour α =0 , 90 % ona t α =1,645
D’où
tα
√ f (1−f )
n−1
≤r
1,645
√
0 , 06 (1−0 , 06)
n−1
n−1≥ 1526 , 19
≤ 0 , 01
n ≥ 1527 , 19
La taille minimale de l’échantillon est 1527.
Application 3 :
126
L’écart type de la population est σ =0,294

Quelle est la taille minimale n de l’échantillon pour que la moyenne de la population soit connue à
0,04 près avec un risque de 0,05 ?
Réponse :
Pour α =0 , 90 % ona t α =1,645
D’où
σ
tα ≤r
√n
0 ; 294
1 , 96 ≤ 0 ; 04
√n
n ≥ 207 , 56
n ≥ 208
La taille minimale de l’échantillon est 208
RESUME
ESTIMATIONS PONCTUELLES ET PAR INTERVALLE DE CONFIANCE
Paramètre sur la Estimation ponctuelle à partir Intervalle de confiance I α au seuil de
population à d’un échantillon de taille n confiance α
estimer
Moyenne
E ( X )=m
Moyenne observée sur un
échantillon : x [ x−t α
σ
√n ]
; x+ t α
σ
√n
α +1
Avec π ( t α ) = et δ remplace s (s’il
2
est inconnu et si n ≥ 30
Ecart type Soit σ 'l’écart type calculé sur
√ V ( X )=σ un échantillon de taille n.
On définit s=
√ n
σ
n−1 e
s donne une estimation
ponctuelle de σ
Proportion p Proportion observée sur un ¿
échantillon : f α +1
Avec π ( t α ) =
2

Lors d’une étude e marché relative au lancement d’un nouveau produit, la société ASHLEY-
BEAUTE a demandé à 80 clients potentiels, le prix qu’ils seraient prêts à paye pour cet article.
Elle a obtenu les résultats suivants où les prix sont en milliers de francs.
PRIX CITES NOMBRES DE CLIENTS
( en milliers de Francs)
127
[65 ; 75[ 1
[75 ; 85[ 3
[85 ; 95[ 8
[95 ; 105[ 18
[105 ; 115[ 20
[115 ; 125[ 16
[125 ; 135[ 9
[135 ; 145[ 4
[145 ; 155[ 1
1°) Déterminer :
a. Le prix moyen cité par les clients.
b. Le prix médian cité par les clients.
c. Le prix modal.
2°) Déterminer l’écart type σ e de l’échantillon. On pourra faire l’arrondis d’ordre 2.
3°) Déterminer l’intervalle de confiance du prix moyen au seuil de confiance de 95%
4°) L’entreprise décide de fixer le prix de vente à un niveau tel que seulement 20% des clients
aient fixé un prix supérieur. En considérant que les prix cités sont distribués selon une loi
Normale de paramètre m=110 ,37 et σ =15 , 68
Déterminer le prix de vente retenu.

Une société de transport exploite 100 cars pour transporter des biens. Elle repère sur un
échantillon de 30 jours choisis au hasard, le nombre le nombre de camions Titan en panne.
Pannes 3 4 5 6 7 8
Nombre de jours 3 7 10 8 1 1
1°) Calculer la moyenne x et l’écart type σ de cet échantillon.

2°) Donner une estimation ponctuelle de la moyenne m et de l’écart type x du nombre de camions
Titan en panne pour la population des jours ouvrables de l’année.
3°) On désigne par X la variable aléatoire qui, à tout échantillon de taille 30, associe la moyenne
du nombre de camions Titan en panne chaque jour.
Déterminer un intervalle de confiance de la moyenne m de la population, au seuil de confiance
95%.
4°) On estime qu’aucun camion Titan de la société n’a jamais eu plus de 8 pannes en 30 jours et
qu’un camion est exploitable lorsqu’il présente au plus 4 pannes en 30 jours. On prélève un
groupe de 45 camions Titan de la société parmi les 100, au hasard et avec remise.
128
On désigne par Z la variable aléatoire qui, à tout groupe de 45 camions, associe le nombre de
camions exploitables.
a) Donner la loi de Z.
b) Préciser ses paramètres et son espérance mathématique.
Leçon 12 : FONCTIONS NUMERIQUES D ' UNE VARIABLE REELLE
I −GENERALITES SURLES FONCTIONS NUMERIQUES D ' UNE VARIABLE REELLE

'
1 ¿ Ensemble de définition d une fonction numérique
'
f est une fonction numérique définie sur l ensemble D ou D f ⊂ R si à tout réel x ∈ D ,
'
on peut associer un unique réel f ( x ) appelé image de x . L ensemble des points M de
coordonnées ( x ; f ( x ) ) est la courbe représentative ( C f ) de f dans un repère fixé du plan .
𝐸𝑥𝑒𝑚𝑝𝑙𝑒
On donne :f ( x )= √ x 2−1 . Déterminer l' ensemble de définition de f .
Résolution
2
x ∈ Df ⟺ x −1 ≥ 0.
⟺ ( x +1 )( x−1 ) ≥ 0.
⟺ x ∈ ¿−∞ ;−1 ¿ ¿∪ ¿
'
2 ¿ Ensemble de définition d une composée des fonctions
'
f et g sont deux fonctions numériques d ensembles de définition Df et Dg .
∎ f + g a pour ensemble de définition D f + g=D f ∩ Dg et ( f + g ) ( x )=f ( x ) + g ( x ) .
∎ f × g a pour ensemble de définition D f × g=D f ∩ Dg et ( f g ) ( x )=f ( x ) × g ( x ) .
f
∎ a pour ensemble de définition D f =Df ∩ D g ∖ { x ∈ R , g ( x ) =0 } et
g g
129
( fg ) ( x )= gf (( xx)) avec g ( x ) ≠ 0.
∎ f ∘ g a pour ensemble de définition D f ∘ g= { x ∈ Dg et g ( x ) ∈ Df } et ( f ∘ g ) ( x ) =f [ g ( x ) ] ( x ) .
Application
2 x −3
On donne f ( x )=√ x−1 et g ( x )= . Déterminer : Df + g , D f × g , D f et Df ∘ g .
x+ 2 g
Résolution
a−x ∈ Df ⟺ x−1 ≥ 0. x ∈ Dg ⟺ x +2≠ 0.
⟺ x ≥ 1. ⟺ x ≠−2.
Donc Df =¿ Donc Dg =¿−∞ ,−2[∪]−2;+ ∞ ¿
Par suite D f + g=¿
soit D f +g=¿
De même ,on a: D f × g=¿
b ¿ x ∈ D f ⟺ x ∈ Df ∩ D g et g ( x ) ≠ 0.
g
⟺ x∈¿
⟺ x∈¿
Donc D f =¿
g
c ¿ x ∈ D f ∘ g ⟺ x ∈ D g et g ( x ) ∈ Df
⟺ x ∈ ¿−∞ ,−2[∪]−2;+ ∞ ¿
⟺ x ∈ ¿−∞ ,−2[∪]−2;+ ∞ ¿
Donc Df ∘ g=¿
3 ¿ Eléments de symétrie
'
f est une fonction numérique d ensemblede définition D centré en 0.
∎ f est paire ⟺ ∀ x ∈ D ,−x ∈ D et f (−x )=f ( x ) .
∎ f est impaire ⟺ ∀ x ∈ D ,−x ∈ D et f (−x )=−f ( x ) .
∎ f est T −périodique ⟺ ∀ x ∈ D , x+ T ∈ D , x−T ∈ D et f ( x−T )=f ( x )=f ( x +T ) .
Application
130
Déterminer la nature de chacune de ces fonctions:

2 3
1−f ( x )=x 2−g ( x )=x +2 xet3−h ( x )=x−E ( x )
Résolution
2 2
1−∀ x ∈ R ,−x ∈ R et f (−x )=(−x ) =x =f ( x ) .
Donc f est paire .
3 3
2−∀ x ∈ R ,−x ∈ R et f (−x )=(−x ) +2 (−x )=−x −2 x=−f ( x ) .
Donc f est impaire .
3−∀ x ∈ R , x+ 1∈ R et f ( x +1 )= ( x +1 ) −E ( x +1 ) =x+1−E ( x )−1=x−E ( x )=f ( x ) .
Donc f est périodique et de période 1.
'
4 ¿ Sens de variationd une fonction numérique
Soit f une fonction définie sur un intervalle I et soit x 1 et x 2 quelconques de I .
−f est croissante ⟺ x1 < x 2 ⟹ f ( x 1) ≤ f ( x 2 ) .
−f est décroissante ⟺ x 1< x 2 ⟹ f ( x 1) ≥ f ( x 2 ) .
−f est croissante ⟺ x1 < x 2 ⟹ f ( x 1) =f ( x 2 ) .
Remarque
Une fonction croissante ou décroissante sur I est dite monotone sur I .
Application
On donne la fonction numérique définie par :f ( √ 3 ) =2 et f ( 2 ) =−5.
1−Déterminer≤sens de varaition de f .
2−Comparer f ( π2 ) et f ( π3 ).
Résolution
1−On a : √ 3≤ 2 et : f ( √ 3 ) ≥ f ( 2 ) . Donc f est une fonction décroissante .
2−f est décroissante , donc

π π
≥ ⟹f
2 3
π
2
≤
π
3
.()()
II−LIMITES ET CONTINUITE
'
1 ¿ Limites d une fonction numérique
a−Limite en un point
Soit x 0 ∈ D . f admet une limite en x 0 si ei seulement si lim ¿
−¿
x → x 0 f ( x )= lim
+¿
¿¿
x→x 0 f (x ). ¿
131
b−Théorème de comparaison
f , g et h sont trois fonctions numériques.
'
a désigne un nombre réel ou ∓ ∞ , let l deux nombresréels .
∎ Si g ( x ) ≤ f ( x ) et lim g ( x )=+ ∞ , alors lim f ( x )=+∞ .
x→ a x→ a
∎ Si g ( x ) ≤ f ( x ) et lim f ( x )=−∞ , alors lim g ( x )=−∞ .

x→ a x→a
∎ Si g ( x ) ≤ f ( x ) ≤ h ( x ) , lim g ( x )=l et lim h ( x )=l , alors lim f ( x )=l

x →b x→b x→ b
(Théorème des gendarmes ).

∎ Si g ( x ) ≤ f ( x ) , lim g ( x )=l et lim f ( x ) =l' alors l ≤ l ' .
x→ a x→a
∎ Si |f ( x )−l|≤ g ( x ) et lim g ( x )=0 , alors lim f ( x )=l .

x→a x→ a
Application
Déterminer les limites suivantes :
1. lim
cos ( x ) +sin ( x )
2. lim ( −x+ sin ( x ) ) 3. lim √ 1+ x 2
x →+∞ x2 x →+∞ x→0 x2
√
4. lim 1+
x→+ ∞
(
sin ( x )
x )
5. lim 2−x cos
x →0
1
x
et 6. lim
x →+∞ ( 1+ x 2
x
. ( ))
Résolution
cos ( x )+ sin ( x ) cos ( x )+ sin ( x )
1. Pour lim 2
, on pose f ( x )= 2
.
x→+∞ x x
On a: ∀ x ∈ R ,|f ( x )|=
| cos ( x )+ sin ( x )
x
2 |
=
|cos ( x )+ sin ( x )| 2
|x 2|
≤ 2.
x
2 cos ( x )+sin ( x )
Comme lim 2
=0 , on a : lim 2
=0
x →+∞ x x →+∞ x
2. . Pour lim (−x+ sin ( x ) ) , on pose f ( x ) =−x+ sin ( x ) .
x →+∞
On a: ∀ x ∈ R , f ( x ) ≤ g ( x )=−x +1.
Comme lim (−x+1 )=−∞ , on a : lim (−x+ sin ( x ) ) =−∞ .
x →+∞ x →+∞
3. Pour lim √ 1+ x 2 , on pose f ( x )= √ 1+ x2 .

x →0 x2 x2
132
1 √ 1+ x2
On a: ∀ x ∈ R , 1≤ 1+ x 2 ⟹ 1 ≤ √ 1+ x 2 et x 2> 0 si x ≠ 0 , donc ≤
x2 x2
√ 1+ x =+ ∞ .
( )
2
1
soit g ( x ) ≤ f ( x ) . Comme lim g ( x )=lim 2
=+ ∞ , on a : lim
x→ 0 x →0 x x →0 x2
4. Pour lim 1+
x →+∞
( sin ( x )
x )
, on pose f ( x )=1+
sin ( x )
x
.
On a: ∀ x ∈ R , f ( x )−1=
sin ( x ) '
x
d où|f ( x )−1|=
sin ( x ) 1
x | |
≤ =g ( x ) .
x
Comme lim g ( x )=lim

x →+∞
( 1x )=0 , on a : lim (1+ sinx( x ) )=1.
x→0 x →+∞
( x→ 0 x )
5. Pour lim 2−x cos ( ) , on pose f ( x )=2−x cos ( ) .
1 1
x
On a: ∀ x ∈ R , f ( x )−2=−x cos ( 1x ) d où|f ( x ) −2|=|− x cos ( 1x )|≤|x|=g ( x ) .

'
Comme lim g ( x )=lim |x|=0 , on a :lim 2−x cos

x→ 0 x→0 x→ 0 ( ( 1x ))=2.
1. Pour lim √1+ x 2 , on pose f ( x ) = √1+ x 2 .
x →+∞ x x
On a: ∀ x ∈ R+¿ , x ≤1+ x ≤ (1 +x ) ⟹ x ≤ √1 +x ≤1+ x .¿

¿ 2 2 2 2
Donc 1 ≤ √
1+ x 2 1+ x 1 1
≤ =1+ . En posant g ( x )=1 et h ( x )=1+ ,
x x x x
on a : g ( x ) ≤ f ( x ) ≤ h ( x ) . Comme lim g ( x )= lim h ( x )=1 , on a : lim √ 1+ x 2 =1 .

x →+∞ x→+ ∞ x →+∞ x
'
−Règle de l Hospital
Soient f et g deux fonctions définies de I vers R , dérivables et soit x 0 ∈ I .
On suppose que :
∎ f ( x 0 )=g ( x 0 ) =0 ,
∎ ∀ x ∈ I ∖ { x 0 } , g' ( x 0 ) ≠ 0.
f ' ( x0 ) f ( x0 )
Si lim =l ( ∈ R ) , alors lim =l.
x→ x 0 g' ( x 0 ) x→ x 0 g ( x0 )
Application
133
ln ( x 2+ x−1 )
Calculer lim .
x→1 ln ( x )
Résolution
f (x)
On a: p ( x )= avec f ( x )=ln ( x 2 + x−1 ) et g ( x )=ln ( x ) .
g(x)
∎ f ( 1 )=ln ( 12+1−1 )=ln (1 )=0 et g ( 1 )=ln ( 1 )=0.

2 x+1 1
∎ f ' ( x )= ' '
, g ( x ) = et g ( 1 ) ≠ 0.
2
x + x−1 x
( )
'
f (x ) 2 x +1
D' après la règle de l ' Hospital , on a lim '
= lim 2 × x =3.
x→ 1 g ( x ) x → x x + x−1
0
ln ( x 2 + x−1 )
Donc lim =3.
x →1 ln ( x )
Exercice
Déterminer les limites suivantes :
ln ( x +1 ) 1−cos ( x ) x−sin ( x )
1. lim 2. lim 3. lim
x→ 1 √x x→0 tan ( x ) x →0 x
3
2 ¿ Branches infinies
f est une fonction numérique de courbe représentative ( C f ) de f dans un repère fixé du plan .
∎ lim f ( x ) =∞ ⟺ ( C f ) admet une asymptote verticale d ' équation x=a .

x→a
∎ lim f ( x )=b ⟺ ( C f ) admet une asymptote horizontale d' équation y=b .

x →∞
f (x )
∎ Quand lim f ( x )=∞ , on calcule lim
x →∞ x →∞ x
f (x)
−Si lim =∞ , alors ( C f ) admet une branche parabolique de direction (Oy ) .
x→ ∞ x
f (x)
−Si lim =0 , alors ( C f ) admet une branche parabolique de direction ( Ox ) .
x→ ∞ x
f (x)
−Si lim =a ≠ 0 , alors on calcule lim [ f ( x )−ax ] :
x→ ∞ x x →∞
¬ Si lim [ f ( x )−ax ] =∞ , alors ( C f ) admet une branche parabolique de direction la

x →∞
'
droite d équation y=ax .
¬ Si lim [ f ( x )−ax ] =b , alors ( C f ) admet une asymptote oblique d équation y =ax +b .
'
x →∞
134
Illustrations
lim f ( x )=∞ lim f ( x ) =b lim [ f ( x )−ax ] =b
x →a x→ ∞ x→ ∞
donc x=a est une donc y=a est une donc y=ax +b est une
asymptote parallèle à ( Oy ) asymptote parallèle à ( Ox ) asymptote oblique
y
4 y y
4 4
3 (Cf)
x=1
3
3 y=2x+1
2 (Cf)
(Cf) 2
1
2
y=2
1
-3 -2 -1 0 1 2 3 4 5 x
1
-1
-3 -2 -1 0 1 2 3 4 5 x
-2
-1 0 1 2 3 4 5 x -1
-3
-1 -2
-4
branche parabolique de branche parabolique de branche parabolique de

direction ( Ox ) direction ( Oy ) direction y =ax
y y y
4 4 6
5
(Cf) (Cf)
3 3
( Cf ) 4
3
2 2
2
1 1 1
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 x
-3 -2 -1 0 1 2 3 4 5 x -3 -2 -1 0 1 2 3 4x -1
-1 -2
-1
-3
y=-x
-2 -2 -4
Application
2
2 x −3 x +5
On donne :f ( x )= . Déterminer les branches infinies .
x +3
Résolution
F est définie pour tout x ∈ R ∖ {−3 } .
135
( )
2
2 x −3 x+ 5
=± ∞ car lim ( 2 x −3 x +5 ) =32 et lim ( x +3 )=± 0.
2
lim f ( x )= lim
x→−3 x →−3 x+3 x→−3 x→−3
'
Donc ( C f ) admet une asymptote verticale d équation x=−3.
( ) ( )
2 2
2 x −3 x+5 2x
lim f ( x )= lim = lim =+∞ .
x→+∞ x→+ ∞ x +3 x→+ ∞ x
f (x)
( ) ( )
2 2
2 x −3 x+5 2x
lim = lim 2
= lim 2
=2.
x→+∞ x x →+∞ x +3 x x→+ ∞ x
lim [ f ( x )−2 x ] = lim

x→ ∞ x →+∞
( −9x +3x +5 )=−9.
'
Donc ( C f ) admet une asymptote oblique d équation y=2 x−9 au voisinage de +∞ .
'
3 ¿ Continuité d une fonction numérique
a−Propriétes
f est définie sur unintervalle I contenant x 0 .
−f est continue en x 0 si lim f ( x )=f ( x 0 ) .
x → x0
−f est continue sur I si elle est continue en chaque point de I .

−f est continue par morceaux sur I si elle admet en chaque point de I
une limite à gauche et à droite .
b−Opérations sur les fonctions continues

f et g sont deux fonctions continues sur I , α et β deux réels .
∎ f + g , f × g et α f + βg sont continues sur I .
f
∎ est continue en tout point x de I où g ne s ' annule pas .
g
∎ si f est continue sur I et g est continue sur f ( I ) , alors g ∘ f est continue sur I .
'
c−Prolongement par continuité d une fonction numérique
Si f est continue sur I ∖ { x 0 } et si lim f ( x )=L , alors la fonction g telle que
x → x0
g ( x )=
{
f ( x ) si x ≠ x 0
L si x=x 0
est continue sur I et est≤ prolongement par continuité de f sur I .
Exemple
2
x −5
On donne la fonction f définie sur R par :f ( x )= .
x+ √ 5
1. Déterminer Df .
136
2. Montrer que f est continue en 0.

3. Justifier que f est prolongeable par continuité en−√ 5.
Résolution
1. x ∈ D f ⟺ x+ √ 5 ≠ 0
x ∈ Df ⟺ x ≠−√ 5 . Donc D f =¿−∞ ;− √ 5 [∪ ]−√ 5 ;+∞ ¿
( )
2
x −5
2. Ona :0 ∈ Df et lim f ( x )=lim =−√ 5=f ( 0 ) . Donc f est continue en 0.
x→0 x→0 x +√ 5
x 2−5 ( x+ √ 5 )( x− √ 5 )
3. ∀ x ∈ D f , f ( x )= = =x− √ 5 .
x +√ 5 x+ √ 5
On a: lim f ( x ) = lim ( x −√5 )=−2 √5 .
x →− √ 5 x →− √5
{
Par suite g ( x )= f ( x ) si x ≠−√ 5 . g est≤ prolongement par continuité de f sur R .
−2 √ 5 si x= √ 5
d−Théorème des valeurs intermédiaires

' '
−L image d un intervalle par une fonction cotinue est unintervalle .
'
−Si f est continue et change de signe sur un intervalle I , alors f s annule dans I
' '
c est−à−dire que l équation f ( x )=0 admet au moins une solution dans I .
' '
−L image d un intervalle fermé par une fonction cotinue est unintervalle fermé .
Exemple
3
On donne :f ( x )=x +3 x−7.
La fonction f est une fonction polynôme , donc continue te dérivable sur R .
∀ x ∈ R , f ' ( x )=3 x 2 +3=3 ( x 2 +1 ) >0.
Donc f est strictement croissante sur R ,en particulier sur [ 1 ; 2 ] .
Par suite l image de [ 1; 2 ] est [ f ( 1 ) ; f ( 2 ) ] = [−3 ; 7 ] .
'
III −FONCTION RECIPROQUE

1 ¿ Bijection
La fonction f définie sur E ⊂ R est une bijection de E vers F si , pour tout y ∈ F ,
'
l équation f ( x ) = y admet une solution unique dans E .
137
2 ¿ Propriétés
−Si f est continue et strictement monotone sur unintervalle I , alors f est une bijection
de I vers f ( I ) et les intervalles I et f ( I ) sont de même nature .
−Si f est continue , strictement monotone et change de signe sur [ a ; b ] , alors f s annuleune
'
seule fois dans [ a ; b ] i. e que l équation f ( x )=0 admet une solutionunique dans [ a ; b ] .
'
Remarques
−Si f est strictement croissante sur [ a ; b ] , alors f ( [ a ; b ] ) =[ f ( a ) ; f ( b ) ] .
−Si f est strictement décroissante sur [ a ; b ] , alors f ( [ a ; b ] ) =[ f ( b ) ; f ( a ) ] .
'
3 ¿ Résolution de l équation f ( x )=λ
∎ Si f est une fonction dérivable et strictement croissante sur unintervalle I =[ a ; b ] ,
alors f réaliseune bijection de I dans I =[ f ( a ) ; f ( b ) ] .
'
∎ Si f est une fonction dérivable et strictement décroissante sur unintervalle I [ a ; b ] ,

alors f réaliseune bijection de I dans I =[ f ( b ) ; f ( a ) ] .
'
∎ Dansles deux cas , pour tout réel λ compris entre f ( a ) et f ( b ) ,

'
l équation f ( x ) =λ admet une solutionunique compris entre a et b .
Cas particulier
Si f est dérivable et strictement monotone sur [ a ; b ] et si f ( a ) et f ( b ) sont de signes
'
contraires , alorsl équation f ( x )=λ admet une solution unique dans ¿ a ; b ¿
4 ¿ Bijection réciproque
−Si f est une bijection de I vers f ( I ) , alors f admet une fonction réciproque ,
−1
notée f ,qui est une bijection de f ( I ) vers I .
−1
−Si f est continue sur I , alors f est continue sur f ( I ) .
−1
−Si f est strictement monotone sur I , alors f est strictement monotone sur f ( I ) et
de même sensde variation que f .
−Dans un repère orthonormé , ( C f ) et ( C f ) sont symétriques par rapport à la droite
−1
'
d équation y=x appeléela première bissectrice .
Application
Soit f une fonction définie: ¿−1 ;+∞ [ vers]−4 ;+∞ ¿
'
1. Justifie que f est une bijection et préciser l expression de sa bijectionréciproque .
138
−1
2. Dresser≤tableau de variation de f .
3. Montrer que l ' équation f ( x )=0 admet une solution uniquedans [ a ; b ] .
4. Tracer sur≤même graphique ( C f ) et ( C f ) . −1
Résolution
1. f est une fonction polynôme donc continue et dérivable sur R en particulier sur ¿−1 ;+ ∞ ¿
∀ x ∈ ¿−1 ;+ ∞¿
donc f estcontinue et strictement croissante sur ¿ – 1;+ ∞ ¿ , d ' ou f réalise une

bijection de ¿−1 ;+∞ ¿
∀ y ∈ ¿−4 ;+ ∞ ¿
2 2 2
y=f ( x ) ⟺ y=x +2 x−3 ⟺ y=( x +1 ) −1−3⟺ y + 4=( x+1 )
y=f ( x ) ⟺ x +1=√ y +4 ⟺ x=−1+ √ y+ 4 ⟺ x=f −1 ( y )=−1+ √ y +4
−1
Donc f est définie de ¿−4 ;+∞ [ vers]−1 ;+∞ ¿
2. Tableau de variation
∀ x ∈ ¿−1 ;+ ∞¿
−1 ' −1
f et f ont≤même sensde variation d où≤tableau de variation de f :
x −4 +∞
f
−1 '
(x) +¿
+∞
−1
f (x )
−1
3. f est continue et strictement croissante ¿−1 ;+ ∞ [dans]−4 ; +∞ ¿

Donc f réalise une bijection de ¿−1 ;+∞ [dans ]−4 ;+ ∞ [. Comme 0 ∈]−4 ;+ ∞ ¿
y
6
4. Représentation graphique 4
'
−En bleu:la droite d équation y=x . 3
2
−En noir :lareprésentation graphique 1
de la fontion f . -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
−En vert :la représentation graphique -1
-2
-3
139 -4
-5
-6
−1
de la fontion f .
IV −DERIVABILITE
1 ¿ Nombre dérivé en un point
a−Définition
Soit f une fonction défine sur un intervalle I ouvert contenant x 0 .
'
f ( x )−f ( x 0 )
La fonction f est dérivable en x0 si≤taux d accroissement de f en x 0
x−x 0
admet unelimite finie quand x tend vers x 0 .
'
f ( x )−f ( x 0 )
Cette limite est≤nombre dérivé de f en x 0 et f ( x 0 )= lim .
x→ x 0 x− x0
'
f ( x 0 +h ) −f ( x 0 )
En posant x=x 0+ h , on obtient : f ( x 0 ) =lim .
h→0 h
b−Propriétés
−Si f est dérivable en x 0 , alors la courbe représentative de f admet en x 0 une tangente
' ' '
d équation y=f ( x 0 ) ( x−x 0 ) + f ( x 0 ) et f ( x 0 ) est≤coefficient directeur de la tangente
'
au point d abscisse x 0 .
−Une fonction est dérivable en x 0 si elle est dérivable à droite et à gauche en x 0 et
siles nombres dérivés sont égaux .
−Si f est dérivable en x 0 , alors f est continue en x 0 , mais laréciproque est fausse .
c− Allure de lareprésentation graphique

'
−Si f est dérivable en x 0 et f ( x 0 ) =L, alors ( C f ) admet en x 0 soit un point régulier ,
'
soit un point d inflexion .
' '
−Si f n est pas dérivable en x 0 et f ( x 0 )=∞ , alors ( C f ) admet en x 0 soit un point
d ' inflexion , soit un point de rebroussement .
' '
−Si f n est pas dérivable en x 0 et f ¿avec f ' ¿
alors ( C f ) admet en x 0 soit un point anguleux .
f est dérivable en x 0 f non dérivable en x 0
' '
f ( x 0 )=L f ( x 0 )=∞ '
f ¿
régulier inflexion reboursement inflexion anguleux
140
2 ¿ Différentielle
a−Définition
Soit f une fonction définie sur un intervalle ouvert I contenant x 0 .
'
f est différentiable en x 0 s il existe une fonction φ telle que , pour tout h avec x 0 +h ∈ I ,
'
f ( x 0 +h )=f ( x 0 )+ h . f ( x 0 ) + h . φ ( h ) et lim φ ( h )=0.
h→ 0
'
On appelle différentielle de f au point x 0 la fonction linéaire d f x ( h )=f ( x 0 ) . h .
0
dfx
En posant h=dx , on obtient f ' ( x 0 )= 0
dx
b−Interpretation graphique
Pour les petites varaitions de dx ,
'
on peut assimiler d f x =f ( x 0 )
0
avec ∆ f =f ( x 0+ dx )−f ( x 0 ) .
Illustration graphique
V −FONCTION DERIVEE
1 ¿ Définition
df ( x )
Si f est dérivable en tout point de I , on définit la fonction dérivée f ' ( x )= .
dx
n
d f (x)
On définit de lamême manière les dérivées successives sur I notées f (n ) ( x )= .
d xn
(n )
On dit que f est de classe C sur [ a ,b ] si f est n fois dérivable sur [ a ,b ] et si f
n
est continue sur [ a , b ] .

Si f est de classe C pour tout n∈ N , alors f est de lasse C sur [ a , b ] .
n ∞
141
Exemples
∎ La fonction e x est de classe C∞ sur R .
∎ La fonction polynôme est de classe C ∞ sur R .
∎ La fonction rationnelle est de classe C ∞ sur son ensemble de définition .
∎ La fonction racine carrée est de classe C ∞ sur son ensemble de définition .
2 ¿ Propriétés
Si f et g sont deux fonctions dérivables , alors on a les propriétés suivantes :
Opérations Dérivée Différentielle
Somme ( f +g )' =f ' + g' d ( f + g )=df + dg
Linéarité ( λ f )' =λ f ' d ( λ f )=λ df
Produit ( f . g )' =f ' g+ f g ' d ( f g ) =g . df + f . dg
() ( fg )= g . df −fg . dg
' ' '
f f g−f g
Quotient = 2
d 2
g g
Fonction composée ( g ∘ f ) ' = ( g' ∘ f ) × f ' d ( g ∘ f )=( dg ∘ f ) . df
Exemple
Déterminer la dérivée des fonction suivantes :
1. f ( x )=
x+ ln ( x )
x
2
2. g ( x )=2 x+ ln ( x+x 1 ) 3.h ( x )=ln ( 1+ x ) 4. m ( x )=( 2−x ) e
2 1− x
.
Résolution
x +ln ( x )
1. Pour f ( x )= 2
, on a : D f =¿ 0 ,+ ∞ ¿
x
'
∀ x ∈ D f , f ( x )=
( x+ ln ( x ) ) × x −( x +ln ( x ) ) × ( x 2 )
' 2 '
=
( 1+ ) × x −( x+ ln ( x ) ) ×2 x
1
x
2
4 4
x x
2 2 2
x + x−2 x −2 x ln ( x ) −x + x−2 x ln ( x ) −x +1−2 ln ( x )
f ' ( x )= 4
= 4
soit f ' ( x )= .
x x x3
2. Pour g ( x )=2 x+ ln ( x+1x ) ,on a: D =¿−∞ ,−1 [∪ ]0 ,+ ∞ ¿

g
−1
[ ( )]
2 '
' ' x+ 1 x −1 x 1
∀ x ∈ Dg , g ( x )=( 2 x ) + ln =2+ =2− 2 × =2− .
x x +1 x x+ 1 x ( 1+1 )
x
3. Pour h ( x )=ln ( 1+ x 2 ) , on a : Dh=R .
D autre part h ( x )=( u ∘ v ) ( x )=u [ v ( x ) ] avec u ( x )=ln ( x ) et v ( x )=1+ x .
' 2
142
1 2x
∀ x ∈ Dh ,h ( x )=u ( v ( x ) ) × v ( x )=u ( 1+ x ) ×2 x=
' ' ' ' 2
2
× 2 x= 2
.
1+ x 1+ x
1−x
4. Pour m ( x )=( 2−x ) e , on a : Dm=R .
1−x '
+ (2−x ) × ( e ) =−e 1−x −( 2−x ) × e1− x =( x−3 ) e 1−x .
' ' 1− x
∀ x ∈ Dm ,m ( x ) =( 2−x ) × e
'
3 ¿ Dérivée d une fonction réciproque
−1
Soit f une fonction dérivable sur I et admettant sur I une fonction réciproque f .
1
est dérivable en tout point y 0 =f ( x 0 ) tel que f ( x 0 ) ≠ 0 et [ f ( y0) ] =
−1 ' −1 '
f .
f [f
' −1
( y0 ) ]
' 1
En d autres termes [ f ( x )] =
' −1
.
f ' [ f −1 ( x ) ]
4 ¿ Sens de variation
Soit f une fonction dérivable sur un intervalle I .
'
−Si f ≥ 0 , alors f est croissante sur I .
'
−Si f ≤ 0 , alors f est décroissante sur I .
'
−Si f =0 , alors f est constante sur I .
Remarque
' '
Lorsque la dérivée de f s annule en x 0 et change de signe de part et d autre de x 0 , f ( x 0 )
est un extremumet la courbe admet en x 0 une tangente horizontale .
5 ¿ Concavité et convexité
Soit f une fonction dérivable sur un intervalle I .
Propriété 1
'
−f est convexe ei f est croissante sur I .
'
−f est concave si f est décroissante sur I .
Propriété 2
Si f est deux fois dérivable sur I , alors :
''
−f est convexe sur I si f ( x ) ≥ 0.
''
−f est concave sur I si f ( x ) ≤ 0.
Propriété 3
'' ' '
Si f s annule en x 0 ∈ I et change de signe de part et d autre de x 0 , alors≤ point
143
' '
d abscisse x 0 est un point d inflexion à ( C f ) .
Remarques
'
−La courbe représentative d unefonction convexe est située au−dessus de toute tangente .
'
−La courbe représentative d unefonction concave est située en−dessous de toute tangente .
'
−La tangente en un point d inflexiontraverse la courbe .
Illustration graphique
fonction convexe fonction concave Point d ' inflexion
y y y
6 6 6
5 5 5
4 4 4
3 3 3
2 2 2
1 1 1
-2 -1 0 1 2 3 4 5 6 7 8 x -2 -1 0 1 2 3 4 5 6 7 8 x -2 -1 0 1 2 3 4 5 6 7 8 x
-1 -1 -1
Partie 2 :FONCTIONS LOGARITHMES ET FONCTIONS EXPONENTIELLES

I −Fonctionlogatithme
1−Définition
La fonction logariyhme népérien ,notée ln ,est la primitinr de lafonction :
1
x⟼ sur ¿ 0 ;+ ∞¿
x
2−Conséquences
∎ La fonction ln est définie et dérivable sur ¿ 0 ;+∞ [et , pour tout x ∈]0 ;+∞ ¿
∎ ln ( 1 )=0 et ln ( e )=1.
3−Propriétés algébriques
Pour tous réels a et b positifs et n unréel quelconque , on a :
∎ ln ( a b )=ln ( a )+ ln ( b ) .
∎ ln () 1
b
=−ln ( b ) .
1
∎ ln ( √ a ) = ln ( a ) .
2
∎ ln
a
b ()
=ln ( a )−ln ( b ) .
∎ ln ( a n )=n ln ( a ) .
Application
1−Exprimer en fonction de ln ( 2 ) les expressions suicantes :ln ( 32 ) , ln ( √5 8 ) et ln ( 4 ) + ln (16 ) .
144
2−Résoudre dans R+¿ ,l équation (E ) : ln (x−1 )+ln ( x+6 )= ln ( 10−x ) .¿

¿ '
Résolution
[ ]
1 3
3
1−ln ( 32 )=ln ( 2 ) =5 ln ( 2 ) , ln ( √ 8 )=ln ( 2 ) =ln ( 2 ) = ln ( 2 ) .
5 5 3 5 5
5
ln ( 4 ) + ln ( 16 )=ln ( 4 ×16 )=ln ( 26 ) =6 ln ( 2 ) .
2 ¿ Résolvons dans R+¿ ,l équation ( E) : ln ( x−1 )+ln ( x+6 )=ln ( 10−x ) .¿

¿ '
Notons D l ' ensemblede validité de l ' équation ( E )

x ∈ D ⟺ x −1> 0 , x +6 >0 et 10−x >0.
On a≤tableau de signe suivant :
x −∞−6 110+ ∞
−¿ −¿ 0 +¿ +¿
x−1
−¿ +¿ +¿ +¿
x +6 0
+¿ +¿ +¿ 0 −¿
10−x
signe +¿ −¿ +¿ −¿
Donc D=¿ 1 ; 10 ¿
∀ x ∈ D ,on a:
ln ( x−1 ) + ln ( x +6 )=ln ( 10−x ) ⟺ ln ( x−1 ) ( x+ 6 )=ln ( 10−x ) ⟺ ( x −1 )( x +6 )=10−x
2
⟺ x + 6 x−16=0 ⟺ ( x +8 )( x−2 )=0
⟺ x=−8 et x=2 ⟺ x ∈ {2 }car−8 ∉ D et 2∈ D .
Donc S= {2 } .
4−Etude de la fonction ln
a−Limites
ln ( x )
lim ln ( x )=+∞ et lim =0⟹ ( C f ) a une branche paraboloique de direction ( Ox )
x→+∞ x →+∞ x
lim ¿
+¿
x→ 0 ln ( x ) =−∞ ⟹ ( C f ) a une asymptote verticale de direction ( Oy ) ¿
lim ¿
+¿ ln ( x+1 )
x→ 0 x ln ( x ) =0 et lim =1.¿
x →0 x
145
b−Sens de variation
La fonction ln est une bijection strictement croissante se ¿ 0; +∞ ¿
On en déduit :
∎ Pour tous réels a et b strictement positifs :
−ln ( a )=ln ( b ) ⟺ a=b .
−ln ( a ) <ln ( b ) ⟺ a< b .
−ln ( a ) <0 ⟺ 0<a <1.
−ln ( a ) >0 ⟺ a>1.
∎ Tout réel y admet un unique antécédent par la fonction ln . En particulier ,

'
on appelle e l unique antécédent de 1 et ln ( e )=1 , puis 2,718< e<2,719.
c−Courbe représentative
y
6
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
-1
-2
Application
-3
-4
2
( ln ( x -5
))
Soit f la fonction numérique définie par f ( x )= .
x -6
Etudier la fonction f .
Résolution
On a: x ∈ D f ⟺ x> 0 soit x ∈ ¿ 0 ;+∞ ¿
Donc Df =¿ 0 ;+ ∞ ¿
f est continue et dérivable sur ¿ 0; +∞ [, et ∀ x ∈]0 ;+ ∞ ¿
1 2
2× × ln ( x ) × x−1× ( ln ( x ) ) 2 2
' x 2 ln ( x )−( ln ( x ) ) 2 ln ( x )−( ln ( x ) )
f ( x )= 2
= 2
= 2
.
x x x
On a: f ( x ) =0 ⟺ ln ( x ) ( 2−ln ( x ) )=0 ⟺ ln ( x )=0 ou 2−ln ( x )=0 ⟺ x=1 ou x=e .
' 2
' 2 ' 2
Donc f ( x ) >0 ⟺ x ∈ ¿1 , e [et f ( x ) <0 ⟺ x ∈]−∞ ; 1[∪]e ; +∞ ¿
146
( ( ))
2
( ln ( x ) )
2
( ln ( X 2) ) ln ( X )
2
On a: lim f ( x ) = lim = lim 2
= lim 4 =0 en posant X =√ x .
x →+∞ x →+∞ x X →+ ∞ X X →+∞ X
lim ¿
+¿
x→ 0 f ( x ) = lim ¿¿
2
+¿ ( ln ( x ))
x→0 =+ ∞ car lim ¿¿
x x → 0+¿ ( ln ( x ) ) 2=+∞ . ¿
'
D où≤tableau de variation et la courbe :
147
x y
0 1 2 +∞ 3
e
2
'
f (x) −¿ 0 +¿ 0 −¿
+∞
1
4
2
f (x) e
0 0 -1 0 1 2 3 4 5 6 7 x
-1
II−Fonction exponentielle
1 ¿ Définition
La fonction exponentielle définie dans R , à valeurs dans ¿ 0; +∞ ¿
est labijection réciproque de la fonction logarithme népérien .
x '
Elle se note e ou exp ( x ) et on a : ∀ x ∈ R , ( e ) =e .
x x
2 ¿ Conséquences
∎ exp ( 0 )=e0 =1 et exp ( 1 )=e1=e .
∎ Pour tout réel x , on a : e x > 0.
∎ Pour tous réels x et y strictement positifs , on a : y=e x ⟺ ln ( y ) =x .
∎ Pour tout réel x , on a : ln ( e x )=x .
∎ Pour tout réel x strictement positif , on a :e ln (x )=x .
∎ Pour tous réels x et y , on a :
y x
−e =e ⟺ y=x .
y x
−e >e ⟺ y > x .
∎ Dansun repère orthogonal ,la courbe de la fonction exponentielle est la symétrique
'
de celle de la fonction logarithme népérien , par rapport à la droite d équation y=x .
3−Limites
x x
lim e =+ ∞ et lim e =0.
x→+∞ x →−∞
La droite des abscisses est asymptote àla courbe exponentielle , lorsque x tend vers−∞ .
4−Sens de variation
148
La fonction exopentielle est dérivable sur R et est strictement croissante .
5−Propriétés algébriques
a et b sont deux entier et nun entier relatif .
a
1 e
∎e a+b a
=e × e
b ∎ e−a= a ∎e a−b
= b
e e
n a
∎ e n a= ( e a ) ∎ √ ea =e 2
6−Représentation graphique
y
6
5 exp
3
ln
2
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
-1
-2
-3
-4
-5
-6
Application
'
1−Résoudre dans R ,l équation et l ' inéquation suivantes :
2
a ¿ e x +x−2=1.
4x 2x
b ¿ e + 3 e −4=0.
−x
2−Faire une étude globale de la fonction f ( x )=( 1+ x ) e .
Résolution
2
1−a ¿ Pour e x + x−2=1 , on a : DV =R .

2
∀ x ∈ R , e x +x−2=e0 ⟺ x2 + x−2=0 ⟺ ( x+ 2 )( x−1 )=0

⟺ x +2=0 ou x−1=0 ⟺ x=−2 ou x=1.
Donc S R= {−2 ; 1 }
4x 2x
1−b ¿ Pour e +3 e −4=0 , on a : DV =R .
149
2x 2
Posons X =e ,on a: X +3 X−4=0 ⟺ ( X−1 )( X + 4 )=0 ⟺ X−1=0 ou X + 4=0
2x
⟺ X =1 ou X=−4 ⟺ e =1
Donc 2 x=0 soit x=0. Par suite S R= { 0 } .
−x
2−Etude complète de la fonction f ( x )=( 1+ x ) e .
−x
Df =R et f est la produit de deux fonctions x +1 et e continues et dérivables sur R .
−x
lim f ( x ) =−∞ car lim ( x+1 )=−∞ et lim e =+∞
x→−∞ x →−∞ x→+ ∞
−x x
lim f ( x )=−∞ car lim e =0 et lim x
=0.
x→+∞ x→+ ∞ x→+ ∞ e
' −x −x −x −x
∀ x ∈ R , f ( x )=e −( 1+ x ) e =−x e et son signe depend de−x car e > 0.
'
D où≤tableau de variation et la courbe : y
x −∞ 0 +∞
1
'
f (x) +¿ 0 −¿ (Cf)
1
f (x)
-2 -1 0 1 2 3 x
−∞ 0
-1
'
III Puissance d exposant b réel
1 ¿ Définition
a est un réel strictement positif et b un réel quelconque
' b b b ln ( a)
On appelle puissance de a d exposant b ,≤nombre réel noté a défini par a =e .
2 ¿ Propriétés
'
a et a sont deux réels strictement positifs .
'
b et b sont deux réels quelconque s
b +b
'
b b
'
1 b−b ab
−b
' '
∎a =a × a ∎ a = b ∎ a = b ' '
a a
(b)
b b
( ' b
) b 'b a a
∎ a a =a × a ∎ = 'b
a
3 ¿ Définition
Soit aun réel strictement positif .
x
La fonction expa=a , définie sur R , est appelée fonction exponentielle de base a .
150
x '
Elle est dérivable sur R et ( a ) =ln ( a ) a .
x
4 ¿ Sens de variation
Pour a>1 Pour a< 1
x −∞ +∞ x −∞ +∞
+∞
x +∞
a 0 x −∞
a
Application
Etudier la fonction f définir sur R par : f ( x )=3x −2 x .
Df =R , f est la somme de deux fonctions continues et dérivables sur R .
x x
On a: lim 3 =0 et lim 2 =0 , donc lim f ( x )=0.
x →−∞ x→−∞ x →−∞
[( ) ] [( ) ]
x x
x 3 x 3
lim f ( x )= lim 2 −1 =+∞ car lim 2 =+ ∞ et lim −1 =+ ∞ .
x→+∞ x→+ ∞ 2 x →+∞ x →+∞ 2
Donc lim f ( x )=+∞ .
x →+∞
' x x '
∀ x ∈ R , f ( x )=ln ( 3 ) . 3 −ln ( 2 ) . 2 et f ( x )=0 ⟺ x=
ln
( )
ln ( 2 )
ln ( 3 )
=a . y
()
ln
3
2
(Cf)
' 1
D où≤tableau de variation et la courbe :
x −∞ a +∞
'
f (x) −¿ 0 +¿ -2 -1 0 1 2 x
0 0
f (x)
-1
f ( a)1
IV Fonctions puissances
1 ¿ Définition
'
Soit α un nombre réel queconque .On appelle fonction puissance d exposant α ,
la fonction définie de ¿ 0; +∞ [vers]0 ;+ ∞ ¿
151
2 ¿ Conséquences
∎ P α ( x )=x α =eα ln ( x ) .
∎ Si α =n entier naturel , alors on retrouve la fonction x n , dont la définition peut s ' étendre à R
1
∎ Si α =−n entier naturel non nul , alors on retrouve la fonction n
, dont la définition peut
x
s étendre à R ∖ { 0 } .
'
3 ¿ Propriétés
∎ P α est dérivable sur ¿ 0 ;+ ∞ ¿
∎ Tableau de variation pour α >0 et pour α <0.
x 0 +∞ x 0 +∞
+∞ +∞
Pα
0 Pα
∎ Courbes représentatives
y  
y
1 1
0 1 2 3 x
0 1 2 3 x
-1
-1
−2
courbe de f ( x ) =x
4 ¿ R acine n−ième
a ¿ Définition
n est un nombre entier naturel . a et b sont des réels strictement positifs .
1
a =b ⟺ a=√ b=b .
n n n
1
Pour n=2 , on a : a=b 2 = √ b=√ b est la racine carrée de b .
2
1
Pour n=3 , on a : a=b =√3 b est la racine cubique de b .
3
152
b ¿ Propriété
a et b sont deux réels strictement positifs , on a : √ a b=√ a × √ b .
n n n
5 ¿ Croissance comparée
153
ln ( x ) e
x
∎ lim α
=0 pour α >0 ∎ lim α
=+ ∞ pour α > 0.
x →+∞ x x →+∞ x
∎ lim ¿
+¿ α −x
x →0 x ln ( x ) =0 pour α >0 ∎ lim x e =0 pour α>0 ¿
α
x →+ ∞
Cas particuliers
ln ( x ) ln ( x ) ln ( x )
∎ lim = lim = lim =0 .
x →+∞ √ x x →+∞ x x →+∞ x 2
x x x
e e e
∎ lim = lim = lim 2 =+ ∞ .
x →+∞ √x x →+∞ x x →+∞ x
∎ lim ¿
+¿
x →0 √ x ln ( x ) = lim ¿¿
x→0 x ln ( x )=
+¿
lim ¿¿
+¿ 2
x → 0 x ln ( x ) =0. ¿
∎ lim √ x e−x = lim x e−x = lim x2 e− x =0

x →+∞ x→+ ∞ x→+∞
TRAVAUX DIRIGES
EXERCICE 1 :
1. Calculer les limites suivantes :
1
lim ( √ x ²+ x + x )
a) x→−∞ lim
b) x→−∞ 3
(√ x + x + x )
2
2. On considère la fonction f définie sur IR par f ( x )= √ x ²+2 x+ 5

Montrer que la droite (D) d’équation y=x +1 une asymptote oblique à la courbe représentative
(Cf ) de la fonction f en + ∞ .
EXERCICE 2 :
Calculer les limites suivantes.
lim ( √ x 2 + x + x)² −x + √ x
1) 2) lim
x→−∞ x→+∞ x −1
EXERCICE 3:
Démontrer que la fonction f admet un prolongement par continuité en x0 que l’on définira.
f ( x )=
√ 2−x−2 , x0 = -2
x+ 2
EXERCICE 4 :
I. Soit la fonction f : x ⟼
√ 3 x ²+1−2
x−1
1. Calculer la limite de la fonction f en 1.

154
2. En déduire une fonction h, prolongement par continuité de f en 1.

3
x −x ²−8 x−8
II. Soit g : x ⟼
(x −2) ²
1. Déterminer les trois nombres réels a, b et c tels que : ∀ x ∈ IR− {2 } ,
c
g ( x )=ax +b+
(x−2)²
2. En déduire la primitive de g sur ]2 ;+ ∞ ¿ .
3. Déterminer celle qui s’annule en 3.
EXERCICE 5
A)Soit la fonction g dérivable et définie sur ¿ 0 ;+ ∞¿ par : g ( x )=x 2−lnx−1
1. Calculer les limites de g en 0 et en + ∞.
2
2 x −1
2. Démontrer que, pour tout nombre réel strictement positif x , g ' ( x )=
x
3. Étudier les variations de g et dresser son tableau de variation.
4. a) Démontrer que l'équation g(x )=0 admet deux solutions sur l’intervalle¿ 0 ;+ ∞¿. On
désigne par  la plus petite des solutions.
b) Démontrer que : 0 , 4 <α <0 , 5.
c) Calculer g(1)et en déduire que, pour tout nombre réel strictement positif x :
si x ∈ ¿ 0 ; α [∪ ]1;+ ∞ ¿ , alors g ( x )> 0 et si x ∈ ¿ α ; 1 ¿, alors g ( x )< 0.
2 ln x
B) Soit f la fonction dérivable et définie sur ¿ 0 ;+ ∞¿par : f ( x )=x + +
x x
On note (C) sa courbe représentative dans le plan muni d'un repère orthogonal
(0, I, J). L'unité est 4 cm sur (OI) et 2 cm sur (OJ).
1. a) Déterminer la limite de f en 0. Donner une interprétation graphique du résultat.
b) Déterminer la limite de f en + ∞.
g(x )
2. Démontrer que, pour tout nombre réel strictement positif x , f ' ( x )= 2
x
1
3. a) Démontrer que f ( α )=2α +
α
b) Etudier les variations de f et dresser son tableau de variation.
4. Démontrer que la droite (D) d'équation y=x est asymptote à (C) en + ∞.
5. Étudier les positions relatives de la droite (D) et de la courbe (C).
6. Tracer (D) et (C) dans le même repère. On prendraα =0 , 45 et f ( α )=3 ,1.
EXERCICE 6
lnx
0; f(x)  2x  3 
L’objet de ce problème est l’étude de la fonction f définie sur par : x .
On note (C) la courbe représentative de f dans le plan muni d’un repère orthonormé (O, I, J).
L’unité graphique est 2 cm.
A) Soit g la fonction dérivable sur
0; et définie par g(x)  2x2  1  lnx .
1. Etudier les variations de g puis dresser son tableau de variation
x  0;  ;g(x)  0
2. Justifier que .
B)
1. a) Calculer la limite de f en  .
155
lim f(x)
x 0
b) Déterminer  puis interpréter graphiquement le résultat.
2. a) Démontrer que la droite (D) d’équation y  2x  3 est une asymptote à (C) en  .
b) Préciser la position de (C) par rapport à (D).
g(x)
f (x)  2
3. a) Démontrer que pour tout nombre réel strictement positif x, x .
b) Etudier les variations de f puis dresser son tableau de variation.
c) Démontrer qu’une équation de la tangente (T) à (C) au point d’abscisse 1 est : y  3x  4
4. Démontrer que l’équation f(x)  0 admet une solution unique  et que 1,3    1,4
2
C) On pose (x)  f(x)  (3x  4) et h(x)   x  1  lnx
1. a) Déterminer le sens de variation de h sur
0;
 x  0;1 ;h(x)  0


x  1;  ;h(x)  0
b) Calculer h(1) puis justifier que : 
h(x)
x  0;  ; (x)  2
2. a) Démontrer que x
b) Etudier les variations de  puis en déduire le signe de (x) suivant les valeurs de x.
c) Déterminer la position de (C) par rapport à la tangente (T).
3. Tracer la courbe (C), la droite (D) et la tangente (T) dans le même repère.
EXERCICE 7 Partie A
R h(x)  3   x  1 e  x
Soit h la fonction dérivable sur et définie par :
1. Calculer les limites de h en  et en  .
h'(x)   2  x  e  x
2. Démontrer que, pour tout x élément de R , .
3. Etudier les variations de h et dresser son tableau de variation.
4.
a) Démontrer que sur l'intervalle
,2 l'équation h(x)  0 admet une unique solution 
b) Démontrer que 1    0 .
5. En déduire que, :si x   , alors h(x) < 0 et si x   , alors h(x) > 0.
Partie B
x
Soit fia fonction numérique définie sur R par : f(x)  3x  1  xe .On note (C) sa
courbe représentative dans le plan muni du repère orthonormé(O, I, J). (unité : 2 cm).
1. Calculer les limites de f en  et en 
2. Démontrer que, pour tout nombre réel x, f '(x)  h(x) .
3. Etudier le sens de variation de f et dresser son tableau de variation.
4. Démontrer que la droite () d'équation y  3x  1 est asymptote à (C) en  .
5. Etudier la position relative de () et (C).
6. Démontrer que (C) admet en  une branche parabolique de direction (OJ).
7. Déterminer une équation de la tangente (T) à (C) au point d'abscisse 0.
8. Tracer (), (T) et (C) (On prendra :   0,6 et f()  0,3 ).
156
EXERCICE 8
Partie A
On donne la fonction P définie sur R par : P(x)  e  5e  4
2x x
1. Résoudre l'équation : ∀ x ∈ R , P ( x )=0

x  ;0  ln4;  , P(x)  0 x  0;ln4 , P(x)  0
2. Démontrer que : et
Partie B
1
R R f(x)  x  1  x
Soit la fonction f définie de vers par : e  2 . On désigne par (C) sa courbe
représentative dans le plan muni du repère orthonormé (O, I, J). (Unité : 2 cm).
1. Déterminer l'ensemble de définition de f.
2. Calculer les limites de f en  en  , à gauche et à droite en ln2 .
3. On admet que f est dérivable sur son ensemble de définition et f ' est sa dérivée.
157
P(x)
x  ;ln2  ln2;  , f '(x) 
e  2
x 2
a) Vérifier que :
b) Etudier le signe de f '(x) suivant les valeurs de x.
c) Dresser le tableau de variation de f.
4. Démontrer que la droite (D) d'équation y  x  1 est une asymptote oblique à (C) en  .
5. Etudier la position de (C) par rapport à (D) sur l'intervalle
;ln2 .
3 ex
x  ;ln2  ln2;  , f(x)  x  
2 2 e x  2 
6. Démontrer que:
3
y  x
7. Démontrer que la droite () d'équation 2 est une asymptote oblique à (C) en 
8. Etudier la position de (C) par rapport à () sur l'intervalle

;ln2 .
9. Construire (C)
EXERCICE 9 Le plan est muni d'un repère orthonormé (O, I, J) (unité graphique : 4 cm)
Partie A
1
R f(x) 
On considère la fonction numérique f définie sur par : 1  e  x .On note () sa courbe .
1. a) Justifier que la fonction f est strictement croissante sur R .
b) Calculer les limites de f en  et en  .
2. Justifier que () admet pour asymptotes la droite (OI) et la droite (D) d'équation y  1 .
 1
K  0; 
3. a) Démontrer que le point  2  est un centre de symétrie de ().
b) Démontrer que la droite () d'équation : x  4y  2  0 est une tangente à () en K.
4. On se propose d'étudier la position relative de () par rapport à (). Soit h et 
1 1
h(x)  f(x)   x (x)  4e  x  1  e  x 
2
R
les fonctions numériques définies sur par : 2 4 et .
φ(x)
a) Démontrer que : ∀ x ∈ R ,h ' ( x )= −x 2
4 ( 1+e )
b) Etudier le sens de variation de  et dresser son tableau de variation.
(On ne demande pas de calculer les limites de en  et en  ).
c) En déduire que : ∀ x ∈ R , φ ( x ) ≤ 0
d) Démontrer que h est une fonction strictement croissante sur R .
e) A l'aide des questions précédentes, démontrer que :
x  ;0, h(x)  0 x  0;  , h(x)  0
et
f) En déduire la position relative de () par rapport à ().
g) Tracer la courbe (), les droites () et (D) dans le repère (O, I, J).
158
Partie B
1
R g(x) 
On considère la fonction g définie sur par 1  e x . (C) est la représentation
graphique de g dans le repère (O, I, J) et (') est la tangente à (C) en K.
1. Démontrer que () et (C) sont symétriques par rapport à la droite (OJ).
En déduire les constructions de (') et (C) dans le repère (O, I, J)
(Utiliser une couleur différente de la précédente).
EXERCICE 11 Le plan est muni d’un repère orthonormé (O, I, J), f est une fonction définie sur
R
x
e −2
par f ( x )= x .
e −2 x
1) On considère la fonction U définie et dérivable sur R par : U ( x )=e x −2 x
a. En utilisant le sens de variation de U , montrer que pour tout x ∈ R ,U (x)>0 .
b. En déduire l’ensemble de définition de la fonction f .
c. Déterminer les limites de f aux bornes de son ensemble de définition.
d. Donner une interprétation graphique des résultats précédents.
2) Soit g la fonction définie sur R par g ( x )=( 2−x ) e x −2.
a. Étudier les variations de g et dresser son tableau de variation.
b. Déterminer la limite de g en + ∞ et démontrer que l’équation g ( x )=0 admet
une unique solution α dans l’intervalle [1,+ ∞ ¿.
c. Vérifier que 1,5¿ α <¿1,6.
d. Trouver le signe de g(x ) suivant les valeurs de x.
' 2 g(x )
3) a. Démontrer que pour tout x ∈ R , f ( x ) = x
(e −2 x)2
b. Dresser le tableau de variation de f .
1
c. Démontrer que f ( α )= et en déduire un encadrement de f (α)
α −1
4) Construire (Г) la courbe représentative de f . On prendra α =1 , 6et f ( α )=1 , 68.
EXERCICE 12Partie A
1) On considère la fonction gdéfinie sur R+¿ ¿ par : g ( x )=−x +e x −1
a. Étudier le sens de variation de la fonction g.
b. Calculer g(0) et en déduire que pour tout x ∈ R+¿ ,g (x)≥0 ¿
2) Soit h fonction définie sur R+¿ ¿, par : h ( x )=−x e x +2 e x −1
a. Étudier la fonction h et dresser son tableau de variation.
b. Démontrer que pour tout x ∈ R+¿¿ , l’équation h ( x )=0 admet une solution unique α
telle que 1 , 84< α <1 , 85
c. Préciser le signe de h( x)sur R+¿ ¿.
Partie B
x
1−e
Soit la fonction f définie sur R+¿ ¿ par : f ( x )=
x On appelle (C) la courbe représentative
x−e
de f dans le plan rapportéau repère orthonormé (O, I, J). Unité graphique : 5cm
Remarque : On admettra que pour tout x ∈ R+¿¿ , x−e x <0
159
−x
1−e
1) Démontrer que pour tout x ∈ R+¿¿ , f ( x )= −x
1−x e
a. En déduire la limite de f (x) lorsque x tend vers + ∞.
b. Interpréter géométriquement le résultat obtenu.
' h(x)
2) Démontrer que pour tout x ∈ R+¿¿ , f ( x )= x
(e −x)2
a. En déduire les variations et le tableau de variations de f .
1
b. Démontrer que f ( α )= . En déduire que f (α ) ≈ 1 ,2.
α −1
3) Préciser une équation de la tangente (T) à (C) au point d’abscisse 0.
( 1−x ) g(x )
4) a. Démontrer que pour tout x ∈ R+¿¿ , f ( x )−x =
e x −x
b. Étudier la position de (C) par rapport à la droite (T).
5) Construire la droite (T) et la courbe (C).
EXERCICE 13 :
PARTIE A :
On considère la fonction polynôme P défini par P ( x )=2 x 3 −3 x 2−1
1. Etudier le sens de variation de P. En déduire son tableau de variation.
2. Démontrer que l’équation P ( x )=0 admet une solution réelle unique α et que α ϵ ]1,6 ;1,7[.
3. Montrer que {
∀ x <α , P ( x )< 0
∀ x > α , P (x)>0
PARTIE B :
1−x
On considère la fonction f défini par f ( x )= 3
1+ x
1. a) Développer et réduire l’expression A ( x )=( 1+ x ) ( x 2−x +1)
b) Déterminer l’ensemble de définition D f de f .
lim f (x) lim f (x)
2. a) Calculer x→−1 et x→−1 .
¿ ¿
b) Donner une interprétation graphique du résultat obtenu.

lim f (x) et lim f (x ).
3. a) Calculer x→−∞ x→+∞
b) Donner une interprétation graphique du résultat.

P(x )
4. a) Montrer que pour tout x différent de -1 ; f ' ( x )=
(1+ x3 ) ²
b) En déduire le sens de variation f .
5. Dresser le tableau de variation de f .
2(1−α)
6. Montrer que f ( α )= et donner un encadrement de f (α ¿ à 10-2 près.
3(1+ α 2 )
160
7. Soit g la restriction de f sur l’intervalle ]α ; +∞ ¿.

a) Montrer que g est une bijection de ]α ; +∞ ¿ vers un intervalle J à préciser.
'
b) Calculer g(0) et ( g−1) ( 1 ) .
8. Construire (Cf ) la courbe représentative de f . (Unité graphique 4 cm).
EXERCICE 14 :
Le plan est muni d’un repère orthonormé (O,I,J). Soit (C ) la courbe représentative de la fonction f
lnx
définie sur ¿ 0 ;+ ∞¿ vers IR par f ( x )=2−x−
x
Partie A :
Soit g la fonction définie de ¿ 0 ;+ ∞¿ vers IR par :
∀ x ∈ IR lnx
+¿¿ f ( x ) =2−x− ¿
x
1. Déterminer les limites de g aux bornes de Dg.

2. a. Etudier les variations de g
b. Dresser le tableau de variations de g.
3. a. Montrer que g
2 ( )
√ 2 = −1 (3+ln 2)
2
b. En déduire le signe de g ( x ) sur IR+ ¿ ¿
¿
Partie B :
1. Déterminer les limites de f aux bornes de Df.
Interpréter graphiquement les résultats trouvés
2. a. Montrer que ∀ x ∈ ¿ 0 ;+∞ ¿
b. En déduire le signe de f ' ( x ) puis les variations de f.
c. Dresser le tableau de variations de f.
3. a. Justifier que la droite (∆) d’équation y=2−x est une asymptote oblique à la courbe (C )
au voisinage de + ∞ .
b. Etudier la position relative de (C ) et la droite (∆) .
4. a. Justifier que la fonction f réalise une bijection de IR+ ¿ ¿vers un intervalle K que l’on
¿
déterminera.
b. Montrer l’équation f ( x )=0 admet une solution unique α sur ¿ 0 ;+ ∞¿ .
c. Calculer f (1) et f (2) puis donner un encadrement de α par deux décimaux consécutifs
d’ordre 2.
5. Tracer la droite (D) et la courbe (C ) : Unité graphique 2 cm
Partie C :
Soit f −1la bijection réciproque de f
161
1. Dresser le tableau de variation de f −1 .

2. f −1est-elle dérivable en 1 ? Si oui déterminer (f −1)' .
3. Tracer en pointillé la courbe (C’) de f −1 dans le même repère.
EXERCICE 15 : ETUDE DE FONCTION : (Extrait du BTS IDA 2011)

On considère la fonction numérique à variable réelle définie sur R par :
1−x ²
f ( x )=1+ x −x e et (C ) sa courbe représentative dans un repère orthonormée (O,I,J) d’unité
graphique 2 cm.
PARTIE A :
Soit g la fonction numérique à variable réelle définie sur R par : g ( x )=1+(2 x 2−1) e1−x ² .
1. a) Démontrer que g est une fonction paire.
b) Déterminer la limite de g en + ∞
2. a) Déterminer que : ∀ x ∈ R , g ' ( x )=x (6−4 x 2 )e 1−x ²
b) Etudier les variations de g sur ¿
3. a) Démontrer que l’équation g ( x )=0 admet une solution unique α dans l’intervalle 0 , [ √]
2
6
et que 0 , 51<α <0 , 52

b) En déduire que g (−α )=0
c) En utilisant la question 1-a et 3 a,
Démontrer que : ∀ x ∈ ¿−α ; α [ , g ( x )< 0 et ∀ x ∈ ] −∞ ;−α [ ∪ ] α ;+ ∞ ¿
PARTIE B
1. Calculer la limite de f en + ∞ et en −∞ .
2. a) Démontrer que ∀ x ∈ R , f ' ( x )=g ( x ) .
b) Etudier les variations de f et dresser le tableau de variation de f .
3. a) Déterminer une équation de la tangente (T) au point d’abscisse 0.
b) Démontrer que le point J (0 ; 1) est centre de symétrie de la courbe (C ).
4. a) Démontrer que la droite d’équation y=x +1 est asymptote à (C ) en + ∞ et en −∞ .
b) Etudier la position relative de (C ) par rapport à (D).
5. Tracer (D), (T) et (C ).
EXERCICE 16 : ETUDE DE FONCTION

PARTIE A
Soit la fonction numérique g définie et dérivable sur l’intervalle ]0, +∞[ par
−2 x +1
g(x) = 2
+lnx
x
162
lim g (x) etlim g (x)

1- Calculer x→+∞ x →0
¿
2
' x +2 x +2
2- a- Démontrer que Ɐ xϵ ]0, +∞[ , g’(x)= g ( x ) = 3
x
b- En déduire le sens de variation de g.
c- Dresser le tableau de variation de la fonction g.
3- a- Démontrer que l’équation
x ϵ ¿ 0 ,+ ∞ ¿ , g(x )=0 admet une solution unique α
b- Justifier que 2,55 < α < 2,56.
c- En déduire le signe de g(x ).
PARTIE B
On considère la fonction f dérivable sur ]0, +∞[ par f ( x )= ( 1x −lnx ) . e
−x
On note (C) la courbe représentative de f dans le plan muni d’un repère orthogonal (O, I, J) unité
graphique OI =2 cmet OJ=10 cm .
1-a) Calculer la limite de f en O et en + ∞

b) Donner une interprétation graphique de chacun des résultats.
1+α −α
2- Démontrer que f ( α )=−( 2 )e
α
3)- a) Démontrer que Ɐ xϵ ¿ 0 ,+∞ ¿
b) En utilisant la partie A, déterminer les variations de f.
4- Déterminer une équation de la tangente (T) à la courbe (C) au point d’abscisse 1.
5- Construire la tangente (T) et la courbe (C) dans le repère (O , I , J ).
EXERCICE 10
Le plan est muni d’un repère orthonormé (O,I,J). L’unité graphique est 2cm. On considère la
fonction f dérivable et définie sur ]−∞ ; 1¿ . On note (C ) la courbe de f.
1-a) Démontrer que l’ensemble de définition de f est Df =¿−∞ ;1 ¿.
f (x )
1−b ¿Calculer lim f (x)et lim puis donner une interpretation graphique du résultat .
x →−∞ x →−∞ x
1-c) Calculer la limite de f à gauche en 1. Donner une interprétation graphique du résultat.
2-a) Pour tout nombre réel x de l’intervalle ¿−∞ ;1 ¿, calculer la dérivée f ‘(x).
b) Démontrer que f est strictement décroissante sur ¿−∞ ;1 ¿.
3-a) Démontrer que l’équation (E ) : x ∈ ¿−∞ ; 1 ¿, f ( x )=0 admet une solution unique ∝.
b ¿ Justifie que−0 , 7<∝←0 , 6
4 -a) Démontrer qu’une équation de la tangente (T) à (C ) au point d’abscisse 0 est y=− x−1.
163
b) Compléter le tableau ci-dessous en arrondi d’ordre 1.

x -2 -1,5 -1 -0,75 -0,5 -0,25 0,25 0,5 0,75
f(x)
4-c Tracer (C ) et (T)

5. ) Soit f-1 la bijection réciproque de f et (C’) sa courbe représentative.
a) Calculer f(-1).
b) Démontrer que le nombre dérivée de f-1 en ln2 existe puis le calculer.
c) Construire (C’) et sa tangente(D1) au point d’abscisse ln2 sur la figure de la question 4-c.
164

Calcul Matriciel Idafinal1 Oui

Transféré par

Droits d'auteur :

Formats disponibles

Calcul Matriciel Idafinal1 Oui

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calcul Matriciel Idafinal1 Oui

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Mathématiques Générales.

BTS IDA Année académique 2023-2024

Leçon 1 : CALCUL MATRICIEL

Déterminer la matrice A de coefficients a ij telle que :1 ≤i ≤3 , 1 ≤ j≤ 3 et

définie par aij =2i− j .

2.1 Matrice ligne

La matrice A est de type (1 ; 2)

La matrice C est de type (1 ; 4)

La matrice D est de type (2 ; 1)

2.3 Matrice nulle

G= (00) H= (00 00) J= (00 0 0

K est matrice carrée d’ordre 1, ou encore de type (1 ; 1);

N est matrice diagonale d’ordre 2, ou une matrice diagonale de type (2 ; 2) ;

I 2 est la matrice identité d’ordre 2.

I 3 est la matrice identité d’ordre 3.

I 4 est la matrice identité d’ordre 4.

2.6 Matrice triangulaire supérieure

2.7 Matrice triangulaire inférieure

2.8 Matrice symétrique

3. Trace d’une matrice

Tr ( Y )=3+ (−13 ) +1=−9

II. OPERATIONS SUR LES MATRICES

1. Transposée d’une matrice

La transposée de matrice X est : t X = (−75 101 ).

2. Addition des matrices

A= (102 01) et B= (−82 37) on a A+ B= (

3. Multiplication par un scalaire

A= (102 01) (−82 37) on a

4. Produit de deux matrices

 Le produit AC n’est pas possible, car A est de type (2 , 2) et B de type (3 , 2).

Première disposition Deuxième disposition

Quelques produits possibles

(2,2) (2,3) (2,3)

Propriétés Traduction mathématiques

L’addition de matrices est associative ( A+ B ) +C= A+ ¿)

Le produit de deux matrices n’est pas commutatif A . B ≠ BA .

6. Opérations élémentaires sur les lignes d’une matrice

⋱ ⋮ =∑ (−1 ) a ij mij =∑ (−1 ) aij mij

Où mij désigne le mineur associé au coefficient a ij de A ( c’est le déterminant obtenu en

2. Déterminant d’une matrice carrée d’ordre 2

Exemple : Calculons le déterminant de la matrice A.

Det ( A )= |−25 13|=5 x 3−(−2) x 1

3. Déterminant d’une matrice carrée d’ordre 3

On peut choisir de développer suivant une ligne ou une colonne quelconque

∆=0−4 × (−7+8 )−5 × ( 0+ 2 )=−14.

∆=−7 × (−4+ 0 ) +1 × ( 0−10 )−4 × ( 0+ 8 )=28−10−32=−14.

∆=−2 × ( 16+ 5 ) +0−1 × ( 0−28 )=−42+28=−14.

Suivant la 1ère colonne:

∆=0−7 × (−4+0 )−2 × ( 16+5 )=0+28−42=−14.

∆=4 × (−7+ 8 ) +1 × ( 0−10 )−0 × ( 0+35 )=4−10=−14.

∆=−5 × ( 0+2 )−4 × ( 0+ 8 )−1 × ( 0−28 ) =−10−32+28=−14.

Calculons le déterminant de la matrice A, en utilisant la méthode de développement.

Det ( A )=2 |−12 11|−3|−11 11|+0|12 11|

NB : La partie en gras n’aurait pas dû figurée parce qu’elle est nulle.

3.2 Méthode de SARRUS

 Calcul de| A| suivant les colonnes

Calculons le déterminant de la matrice A, en utilisant la méthode de développement.

Det ( A )= ( 0+ (−3 ) + 4 ) −[ (−2 ) +3+ 0]

Pour quelles valeurs de m ∈ R , la matrice Am est elle inversible ? Justifier

det A m=¿ ( 2 m−2−6 )− ( 2+ 3 m+ 4 ) ¿