Le bachelor général Yncréa

Prépa 2
SIGMA 2 A & B

Algèbre Linéaire

Algèbre Linéaire et Probabilité

Version α

Diagonalisation, Arithmétique & Probabilité

Hans Fotsing T. & Guy Kombou

[email protected] [email protected]

Nom de l’étudiant : ......................................................................................

Matricule : ....................................
Filière : ........................
Contact : ............................................

Octobre 2022

Tout est logique

 Table des matières

Table des matières ii

1 Diagonalisation 6
1.1 Sous-espaces propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Valeurs propres et vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Sous-espaces propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Ordres de multiplicité d’une valeur propre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Diagonalisation d’un endomorphisme, d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
m
1.3.1 Calcul de A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Résolution d’un système X 0 = AX, où la matrice A est diagonalisable . . . . . . . . . . . . . . 11

Fiche de Travaux Dirigés sur la Diagonalisation 13

2 Arithmétique 15
2.1 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 PGCD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Algorithme d’Euclide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.3 PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Entiers premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4 Théorème de Bézout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Résoudre l’équation ax + by = c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Fiche de Travaux Dirigés sur l’Arithmétique 20

3 Variables Aléatoires sur un Espace Probabilisé Fini 22

3.1 Univers et évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Probabilité sur un univers fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Indépendance et conditionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5 Variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Caractéristiques d’une variables aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.7 Quelques lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.8 Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.8.1 Covariance et coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Fiche de Travaux Dirigés sur les Variables Aléatoires Discrètes finies 28

i © Institut Universitaire de la Côte 2022-2023

 Page ii sur 40
TABLE DES MATIÈRES

4 Variables Aléatoires Continues 32

4.1 Espace probabilisé (infini) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2 Variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Caractéristiques d’une variable aléatoire continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4 Quelques lois continues usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.1 Lois uniformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.2 Lois exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.3 Lois normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.5 Décomposition en élément simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Fiche de Travaux Dirigés sur les Variables Aléatoires Continues 39

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

Chapitre

1
Diagonalisation

Sommaire
1.1 Sous-espaces propres d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Diagonalisation d’un endomorphisme, d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Dans ce chapitre et sauf mention exprès du contraire, K est un corps (R ou C, en générale), E est un K−espace
vectoriel de dimension n, B = {e1 , . . . ,en } est une base de E, f est un endomorphisme de E, de matrice A dans B. Il
sera question dans ce chapitre non seulement de trouver des conditions pour qu’il existe une base dans laquelle la matrice
de f est diagonale, mais aussi de trouver de telles bases.

1.1 Sous-espaces propres d’un endomorphisme

1.1.1 Valeurs propres et vecteurs propres
Définition 1.1

À λ ∈ K est une valeur propre de f s’il existe un vecteur non nul x ∈ E tel que f (x) = λx. λ est alors appelée
valeur propre associée au vecteur propre x.
Á Un vecteur non nul x ∈ E est un vecteur propre de f s’il existe un scalaire λ ∈ K tel que f (x) = λx. x est alors
appelé vecteur propre associé à la valeur propre λ.
 L’ensemble des valeurs propre de f est appelé spectre de f et noté Sp(f ).

Propriété 1.1
λ est une valeur propre de f si et seulement si Ker(f − λIE ) 6= {0}, si et seulement si det(A − λIn ) = 0. En
particulier, 0 est valeur propre de f si et seulement si f est non injective.

1.1.2 Polynôme caractéristique

Définition 1.2
Le polynôme caractéristique de f est le polynôme Pf (ou PA ) de degré n défini par
Pf (λ) = det(A − λIn ).

Propriété 1.2
Les valeurs propres sont les racines du polynôme caractéristique.

6 © Institut Universitaire de la Côte 2022-2023

 Page 7 sur 40
1.1. SOUS-ESPACES PROPRES D’UN ENDOMORPHISME

Exercice de cours 1.1

 
1 −1 −1
Déterminer les valeurs propres de A =  1 3 1 .
 

−1 −1 1
Solution

1.1.3 Sous-espaces propres

Définition 1.3
On appelle sous-espace propre de f associé à la valeur propre λ, l’ensemble Eλ = Ker(f − λIE ).

Remarque 1.1. Hors mis le vecteur nul 0E , les vecteurs de Eλ sont les vecteurs propres de f associés à la valeur propre
λ.

Proposition 1.1. Eλ est un sous-espace vectoriel de E et 1 ≤ dim(Eλ ) ≤ n.

Exercice de cours 1.2

 
1 −1 −1
Déterminer les sous-espaces propres de A =  1 3 1 .
 

−1 −1 1
Solution

1.1.4 Ordres de multiplicité d’une valeur propre

Pour rappel, l’ordre de multiplicité d’une racine α d’un polynôme P est le plus grand entier naturel k tel que
P (i) (α) = 0, pour tout i ∈ {0,1, . . . ,k}, où P (i) désigne la dérivée d’ordre i de P . De façon équivalente, c’est l’unique
entier naturel k tel que P puisse se mettre sous la forme P (X) = (X − α)k Q(X), Q étant un polynôme qui n’admet
pas α comme racine. On dit qu’un polynôme P de degré n est scindé lorsque P admet n racines, confondues ou non,
c’est-à-dire que la somme des multiplicités des racines distinctes de P donne n.
Si P est un polynôme scindé de racines distinctes α1 , . . . ,αp de multiplicités respectives m1 , . . . ,mp alors,
P (X) = (X − α1 )m1 · · · (X − αp )mp .
Proposition-Définition 1.1. Tout polynôme dans C est scindé. On dit alors que C est un corps algébriquement clos.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 8 sur 40
1.2. DIAGONALISATION D’UN ENDOMORPHISME, D’UNE MATRICE

Définition 1.4

À L’ordre de multiplicité algébrique d’une valeur propre de f , est l’ordre de multiplicité de cette valeur propre
considérée comme racine du polynôme caractéristique de f .
Á L’ordre de multiplicité géométrique d’une valeur propre λ de f , est la dimension du sous-espace propre Eλ .

Remarque 1.2. Lorsqu’on parlera de multiplicité d’une valeur propre sans précision, il s’agira de sa multiplicité algé-
brique

Proposition 1.2. La multiplicité algébrique d’une valeur propre est toujours supérieure ou égale à sa multiplicité géomé-
trique.

1.2 Diagonalisation d’un endomorphisme, d’une matrice

Définition 1.5

+ Un endomorphisme f ∈ L(E) est diagonalisable s’il existe une base de E dans laquelle la matrice de f est diagonale.
+ Une matrice carrée A est diagonalisable si elle est semblable à une matrice diagonale D, c’est-à-dire s’il existe une
matrice inversible P telle que D = P −1 AP soit diagonale.

Proposition 1.3. Un endomorphisme f ∈ L(E) est diagonalisable si et seulement s’il existe une base de E formée de
vecteurs propres de f .

Preuve. Si B = (e1 , . . . ,en ) est une base de E formée de vecteurs propres e1 , . . . ,en , de f , de valeurs propres respectives
λ1 , . . . ,λn (distinctes ou non) alors, la matrice de f dans B est donnée par
 
λ1 0 ··· ··· 0
 .. ..

0
 λ2 . .


. .. .. .. ..

 ..
MB (f ) =  . . . .


.
.. ..

.
. .

. 0
0 0 ··· 0 λn

Proposition 1.4. Si λ1 , . . . ,λp sont p valeurs propres distinctes de f alors, les sous-espaces propres Eλ1 , . . . ,Eλn sont
en somme directe.

Preuve. Exercice.

Corollaire 1.1. Si f admet n valeurs propres distinctes, alors, f est diagonalisable.

Proposition 1.5. Soient λ1 , . . . ,λp les p valeurs propres distinctes d’une matrice A, de multiplicités algébriques respec-
tives m1 , . . . ,mp . Si PA est scindé alors,
p p
λm
P Q
tr(A) = mi λi et det(A) = i
i

i=1 i=1
Preuve. Exercice.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 9 sur 40
1.2. DIAGONALISATION D’UN ENDOMORPHISME, D’UNE MATRICE

Théorème 1 –
Soit f un endomorphisme sur un espace vectoriel E de dimension n. Soient λ1 , . . . ,λp les p valeurs propres distinctes
de f . f est diagonalisable si et seulement si
p
L
E= Eλi .
i=1

Corollaire 1.2. Soit f un endomorphisme sur un espace vectoriel E de dimension n. f est diagonalisable si et seulement
si Pf est scindé et les multiplicités algébrique et géométrique de chaque valeur propre sont égales.

Exercice de cours 1.3

 
1 −1 −1
La matrice A =  1 3 1  est-elle diagonalisable ?
 

−1 −1 1
Solution

1.2.1 Méthode
Pour diagonaliser un endomorphisme f de matrice carrée A dans une base B, on suit les étapes suivantes.

À On cherche les valeurs propres de A. (Ce sont les racines du polynômes caractéristiques PA de A.)
Á Si A admet n racines distinctes alors, A est diagonalisable et on passe au point Ä.
 Sinon si le polynôme caractéristique de A n’est pas scindé, alors A n’est pas diagonalisable. Sinon, on ne peut rien
dire à ce niveau.
à On cherche les sous-espaces propres de A en résolvant l’équation (A − λIn )X = 0 pour chaque valeur propre λ de
A.
Ä Si A admet une base de vecteurs propres B 0 alors, A est diagonalisable et on passe suivant.
Å La matrice A est semblable à une matrice diagonale T , correspondante à la matrice de f dans une nouvelle base B 0 .
Si P est la matrice de passage de B à B 0 alors,

T = P −1 AP .
Plus de détails dans la résolution de l’exercice suivant.
Exercice de cours 1.4 Avec un paramètre
 
0 1 α
On considère pour α ∈ R, la matrice : A = 1 0 2 .
 

2 2 α+1
(1) Déterminer si le sous-espace h(1, 0, 0), (0, 1, 0)i contient des vecteurs propres de Aα .
(2) Déterminer les sous-espaces propres de Aα .
(3) Pour quelle valeur de α ∈ R la matrice Aα est-elle diagonalisable ?

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 10 sur 40
1.3. APPLICATIONS

(4) Pour cette valeur de α, déterminer une matrice de passage P telle que D = P −1 AP soit une matrice diagonale.
Préciser D.
Solution

1.3 Applications
1.3.1 Calcul de Am
Si A est diagonalisable alors, il existe une matrice diagonale D, et une matrice inversible P telle que A = P DP −1 .
On a alors
Am = P Dm P −1 .
Proposition 1.6. Soient E,F et G trois espace vectoriels de dimension finie, de bases B, B 0 et B 00 respectivement. Soient
f : E → F et g : F → G deux applications linéaires de matrices A et B dans les bases B et B 0 , et dans les bases B 0 et
B 00 respectivement. Alors, la matrice C de g ◦ f dans les bases B et B 00 est donnée par C = BA .

Corollaire 1.3. Si A est la matrice de l’endomorphisme f : E → E dans une base B alors, pour tout κ ∈ N, Ak est la
matrice de f k dans la base B.

Exercice de cours 1.5

 
−4 −6 0
Soit la matrice A =  3 5 0 .
 

3 6 5
À Diagonaliser A.
Á Calculer Ak en fonction de k ∈ N.
 On considère les suites (un ), (vn ) et (wn ) définies par leur premier terme u0 , v0 et w0 , et les relations suivantes :

un+1 = −4un − 6vn



vn+1 = 3un + 5vn



w = 3u + 6v + 5w
n+1 n n n

 
un
pour n ≥ 0. On pose Xn =  vn . Exprimer Xn+1 en fonction de A et Xn . En déduire un , vn et wn en fonction
 

wn
de n.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 11 sur 40
1.3. APPLICATIONS

Solution

Définition 1.6
Une matrice N est dite nilpotente lorsqu’il existe un entier naturel m, tel que N m soit la matrice nulle. L’indice de
nilpotence de N est alors le plus petit entier naturel p tel que N p = 0.

Définition 1.7
[Décomposition de Dunford] On appelle décomposition de Dunford d’une matrice carrée A, une écriture de A sous
la forme A = D + N , D étant une matrice diagonale et N une matrice nilpotente qui commute avec D.

Proposition 1.7. Si A = D + N est une décomposition de Dunford de A avec N une matrice nilpotente d’indice de
nilpotence p alors, pour tout entier k ≥ p,
p−1
k


Ak = N i Dk−i .
P
i
i=0

Exercice de cours 1.6

 
1 0 0
Soit la matrice A = 0 −1 2  . Déterminer Ak en fonction de k ∈ N.
 

0 0 −1
Solution

1.3.2 Résolution d’un système X 0 = AX, où la matrice A est diagonalisable

Le but dans cette sous section est de résoudre les systèmes différentiel de la forme
 
x1 (t)
 . 
X 0 (t) = AX(t), où X(t) =  . 
 .  , A ∈ Mn (R). (1.1)
xn (t)
Proposition 1.8. Si λ est une valeur propre de A et v un vecteur propre associé, alors la fonction

R → Rn
X:
t 7→ eλt v

est une solution du problème (1.1).

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 12 sur 40
1.3. APPLICATIONS

Preuve. En cours.
!
3 1
Exemple 1.1. Travailler avec A = .
−1 1

Théorème 2 – Solution générale de (1.1)

Soit A ∈ Mn (R) une matrice diagonalisable. Soient (v1 , . . . ,vn ) une base de vecteurs propres et λ1 , . . . , λn les
valeur propres correspondantes. Alors, la solution générale duproblème (1.1) est donnée par

X(t) = a1 eλ1 t v1 + · · · + an eλn t vn , a1 , . . . ,an ∈ R.

Soit
 à résoudre le système
0
 x = 5x − y + 9z

y 0 = 3x + 4y

z0 = x + y + z

 
5 −1 9
La matrice A =  3 40  a pour valeurs propres λ1 = 1, λ2 = 2, λ3 = 7.
 

1 1 1
     
9 −2 3
Des vecteurs propres correspondants sont V1 = −9,V2 =  3 ,V3 = 3
     

5 1 1
La solution générale du système s’écrit donc
       
x(t) 9 −2 3
t 2t 7t t 2t  7t  
X(t) = y(t) = αe V1 + be V2 + ce V3 = αe −9 + be  3  + ce 3
   

z(t) 5 1 1
On l’écrit plutot sous la forme :
x(t) = 9aet − 2be2t + 3ce7t
y(t) = −9aet + 3be2t + 3ce7t
z(t) = 5aet + be2t + ce7t
Cherchons la solution vérifiant x(0) = 1, y(0) = 2, z(0) = 0.
 faisant t = 0 dans le système ci-dessus, on obtient le système (non différentiel)
En
 9a − 2b + 3c = 1

−9a + 3b + 3c = 2

5a + b + c = 0

En résolvant ce système linéaire, on trouve a = −1/12, b = −1/10, c = 31/60.
La solution cherchée est donc
x(t) = −3/4et + 1/5e2t + 31/20e7t
y(t) = 3/4et − 3/10Be2t + 31/20e7t
z(t) = −5/12et − 1/10e2t + 31/60e7t

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 FICHE DE TRAVAUX DIRIGÉS SUR LA DIAGONALISATION
Institut Universitaire de la Côte Algèbre Linéaire
SIGMA 2 A & B Prépa 2
Année Académique 2022-2023
Exercice 1.1 Diagonaliser une matrice dans R3
Diagonaliser les matrices suivantes :   
0 2 −1 0 3 2
A= 3 −2 0  B = −2 5 2 .
   

−2 2 1 2 −3 0
On donnera aussi la matrice de passage de la base canonique à la base de vecteurs propres.
Exercice 1.2 Diagonalisation dans R, C
 
1 1 −1
La matrice A = 0 1 0  . est-elle diagonalisable dans R ? Dans C ? Justifier à chaque fois !
 

1 0 1
Exercice 1.3 Avec un paramètre
Soient m un nombre réel et f l’endomorphisme de R3 dont la matrice dans la base canonique est
 
1 0 1
A =  −1 2 1.
 

2−m m−2 m

À Quelles sont les valeurs propres de f ?

Á Pour quelles valeurs de m l’endomorphisme est-il diagonalisable ?
 On suppose m = 2. Calculer Ak pour tout k ∈ N.

Exercice 1.4 Application de la diagonalisation aux suites


u = 0 u1 = 1
0
On considère la suite (un )n∈N définie par . Trouver une matrice A ∈ M2 (R) telle
u
n+1 = un + un−1 ∀n ∈ N?
! !
un+1 n u1
que =A . Diagonaliser A et déterminer le terme général un en fonction de n.
un u0
Exercice 1.5 Racine cubique d’une matrice carrée 2 × 2
!
−5 3
Soit A = . Montrer que A est diagonalisable. En déduire qu’il existe une matrice B telle que B 3 = A.
6 −2

Exercice 1.6 Diagonalisation d’une matrice carrée d’ordre 3

 
−4 −2 −2
Soit u l’endomorphisme de R3 dont la matrice dans la base canonique est A =  2 0 2 .
 

3 3 1
À Déterminer et factoriser le polynôme caractéristique de A.
Á Déterminer les valeurs propres de u et les sous-espaces propres associés.
 Démontrer que A est diagonalisable et donner une base de R3 dans laquelle la matrice de u est diagonale.
à Trouver une matrice P telle que P −1 AP soit diagonale.

Exercice 1.7 Diagonalisable !

13 © Institut Universitaire de la Côte 2022-2023

 Résoudre les systèmes différentiels suivants :
 
0 0
 x
 = x + 2y − z  x
 = y+z
1. y0 = 2x + 4y − 2z 2. y0 = −x + 2y + z

 0 
 0
z = −x − 2y + z z = x+z

Exercice 1.8
Résoudre le système différentiels suivants :
(
x01 (t) = 6x1 (t) + 3x2 (t) − 3t + 4e3t
.
x02 (t) = −4x1 (t) − x2 (t) + 4t − 4e3t

On donnera les solutions réelles.

Exercice 1.9
 
a b c
Soit A la matrice A =  0 a b . Calculer exp(A). En déduire la solution générale du sytème X 0 = AX.
 

0 0 a

14 © Institut Universitaire de la Côte 2022-2023

Chapitre

2
Arithmétique

Sommaire
2.1 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Entiers premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4 Théorème de Bézout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Résoudre l’équation ax + by = c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

L’arithmétique est au cœur du cryptage des communications. Pour crypter un message on commence par le trans-
former en un ou plusieurs nombres.
Un entier naturel est un nombre positif permettant de dénombrer des objets. La première définition de l’ensemble des
entiers naturel a été donnée au XIX e siècle par Richard Dedekind et ne contenait pas le nombre zéro. De nos jours on
définit les entiers naturels par les cinq axiomes suivants, appelés axiomes de Peano.
Définition 2.1 Les entiers naturels

À L’élément zéro noté 0, est un entier naturel.

Á Tout entier naturel a un unique successeur.
 Aucun entier naturel n’a 0 pour successeur.
à Deux entiers naturels ayant même successeur sont égaux.
Ä Si un ensemble d’entiers naturel contient 0 et le successeur de chacun de ses éléments, alors il est noté N.

L’ensemble des entiers naturels est alors N = {0, 1, 2, 3, . . .}. C’est un ensemble infini. Une propriété importante
des entiers naturels, démontrée par Dedekind à partir des axiomes de la définition, est le principe de récurrence. Sur
l’ensemble N on définit l’addition et la multiplication. Les entiers naturels sont suffisants pour plusieurs situations que
nous rencontrons dans la vie réelle, mais pas pour toutes. Dans certaines situations il est convenable d’utiliser des nombres
négatifs. Par exemple, en économie, il est convenable de considérer un débit comme un crédit négatif de telle sorte que la
somme algébrique des sorties et des entrées donne le bilan économique d’une entreprise.
L’ensemble des entiers relatifs est alors Z = {. . . , −3, −2, −1, 0, 1, 2, 3, . . .}. On définit également les opérations
d’addition et de multiplication sur Z. On note Z∗ (resp. N∗ ) l’ensemble des entiers relatifs (resp. entiers naturels) non nuls.
Il faut noter que (N, +) n’est pas un groupe, puisque tout élément de N n’admet pas de symétrique (opposé) dans N.
Par contre, (Z, +) est un groupe abelien. Toutefois, (Z, +, ×) n’est pas un corps, puisque tout élément de Z n’admet pas
d’inverse dans Z. Ceci est une insuffisance de Z.

2.1 Division euclidienne

15 © Institut Universitaire de la Côte 2022-2023

 Page 16 sur 40
2.2. PGCD ET PPCM

Définition 2.2 Divisibilité

Soient deux entiers a, b ∈ Z. On dit que b divise a, et on note b|a, lorsque a est un multiple de b, autrement dit,
lorsqu’il existe q ∈ Z tel que
a = bq.

Exemple 2.1. À 4|12, 11|121, 2|34567876.

Á Un entier a ∈ Z est pair si et seulement si 2|a.
 Pour tout a ∈ Z, on a a|0 et 1|a.
à Si a|1 alors, a = 1 où a = −1.

Proposition 2.1. Soient deux entiers a, b ∈ Z.

À (a|b et b|a) =⇒ b = ±a.
Á (a|b et b|c) =⇒ a|c.
 (a|b et a|c) =⇒ a|b + c.
Démonstration

Le résultats suivant est très important et admis.

Théorème 3 – Division euclidienne

Soient a ∈ Z et b ∈ N r {0}. Il existe des entiers q, r ∈ Z tels que
a = qb + r et 0 ≤ r < b.
De plus, q et r sont uniques.

Dans ce résultat, r est appelé le reste dans la division euclidienne de a par b. Alors que, q est le quotient, a le dividende
et b le diviseur. Notons que,
r = 0 si et seulement si b|a.
Exemple 2.2. Pour a = 6789 et b = 34, la division euclidienne donne 6789 = 34 × 6789 + 23.

2.2 PGCD et PPCM

2.2.1 PGCD

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 17 sur 40
2.2. PGCD ET PPCM

Définition 2.3 PGCD

Soient deux entiers a, b ∈ Z. On appelle plus grand commun diviseur de a et b, et on note pgcd(a, b), le plus grand
entier qui divise à la fois a et b.

Exemple 2.3. pgcd(12, 9) = 3, pgcd(12, 32) = 4, pgcd(21, 26) = 1.

Proposition 2.2. Si a est un entier positif, et k ∈ Z alors,

pgcd(a, ka) = a, pgcd(a, 0) = a et pgcd(a, 1) = 1.
Preuve. En cours.

2.2.2 Algorithme d’Euclide

Lemme 2.1. Soient a, b ∈ N∗ . Alors, pour tout entier q ∈ Z on a
pgcd(a, b) = pgcd(b, a − qb).
Preuve. En cours.
En particulier, si la division euclidienne de a par b s’écrit
a = bq + r alors pgcd(a, b) = pgcd(b, r).
Voici le principe de l’algorithme d’Euclide : On souhaite calculer le pgcd de a, b ∈ N∗ . On peut supposer a ≥ b. On
calcule des divisions euclidiennes successives. Le pgcd sera le dernier reste non nul.

Exemple 2.4. Calculer le pgcd de a = 600 et b = 124.

Exercice de cours 2.1 Algorithme d’Euclide

Calculer le pgcd de a = 9945 et b = 3003.
Solution

2.2.3 PPCM
Définition 2.4 PPCM
Soient deux entiers a, b ∈ Z. On appelle plus petit commun multiple de a et b, et on note ppcm(a, b), le plus petit
entier positif divisible par a et par b.

Exemple 2.5. ppcm(12, 9) = 36.

Proposition 2.3. Si a et b sont des entiers (non tous nuls) alors,

pgc(a, b) × ppcm(a, b) = |ab|.
Démonstration

Proposition 2.4. Si a|c et b|c alors, ppcm(a, b)|c.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 18 sur 40
2.3. ENTIERS PREMIERS ENTRE EUX

2.3 Entiers premiers entre eux

Définition 2.5 Entiers premiers entre eux
Deux entiers a, b sont dits premiers entre eux lorsque pgcd(a, b) = 1.

Exemple 2.6. 99 et 100 sont premiers entre eux. De façon générale, pour tout a ∈ Z, on montre que a et a + 1 sont
premier entre eux.

Proposition 2.5. Soient a, b ∈ Z, et d = pgcd(a, b). Alors, il existe des entiers a0 et b0 , premiers entre eux, tels que
a = a0 d et b = b0 d.

2.4 Théorème de Bézout

Le résultat suivant découle de l’algorithme d’Euclide.

Théorème 4 – Théorème de Bézout

Soient a, b des entiers. Il existe des entiers u, v ∈ Z tels que

au + bv = pgcd(a, b).

Les entiers u et v ne sont pas uniques et sont appelés coefficients de Bézout.

Exemple 2.7. Travailler avec a = 600 et b = 124.

Exercice de cours 2.2

Calculer des coefficient de Bézout avec a = 9945 et b = 3003. Solution

Corollaire 2.1. Si d|a et d|b alors d|pgcd(a, b).

Corollaire 2.2. Deux entiers a et b sont premiers entre eux si et seulement s’il existe u, v ∈ Z tels que
au + bv = 1.
Corollaire 2.3 (Lemme de Gauss). Soient a, b, c ∈ Z.
Si a|bc et pgcd(a, b) = 1 alors a|c.

2.5 Résoudre l’équation ax + by = c

Proposition 2.6. Pour a, b, c ∈ Z, on considère l’équation

ax + by = c. (2.1)
À L’équation (2.1) possède des solutions (x, y) ∈ Z2 si et seulement si pgcd(a, b)|c.
Á Si pgcd(a, b)|c alors il existe même une infinité de solutions entières et elles sont exactement les (x, y) = (x0 +
αk, y0 + βk), avec (x0 , y0 ) une solution particulière de (2.1), et α, β ∈ Z fixés, et k parcourant Z.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 19 sur 40
2.5. RÉSOUDRE L’ÉQUATION AX + BY = C

Exemple 2.8. Trouver les solutions entière de

161x + 368y = 115.

Théorème 5 – Théorème des restes chinois

Prenons m1 , ..., mn des entiers supérieurs à 2 deux à deux premiers entre eux, et a1 , . . . ,an des entiers. Le système
d’équations : 

 x ≡ a1 [m1 ]
.. .. ..

 . . .

x ≡ an [mn ]


admet une unique solution modulo M = m1 × · · · mn donnée par la formule :

x = a1 M1 y1 + · · · + an Mn yN

où Mi = M/mi et yi ≡ Mi−1 [mi ] pour i compris entre 1 et n.

Exemple 2.9. Une bande de 17 pirates s’est emparée d’un butin composé de pièces d’or d’égale valeur. Ils décident de
se les partager également, et de donner le reste au cuisinier chinois. Celui-ci recevrait alors 3 pièces. Mais les pirates se
querellent, et six d’entre eux sont tués. Le cuisinier recevrait alors 4 pièces. Dans un naufrage ultérieur, seuls le butin, six
pirates et le cuisinier sont sauvés, et le partage donnerait alors 5 pièces d’or à ce dernier. Quelle est la fortune minimale
que peut espérer le cuisinier quand il décide d’empoisonner le reste des pirates ?
Si x est ce nombre, x est le plus petit entier positif tel que :

 x
 ≡ 3 [17]
x ≡ 4 [11]

x ≡ 5 [6]


On applique le théorème chinois : on a M = 17 × 11 × 6 = 1122, M1 = 66, M2 = 102, M3 = 187. L’inversion de

chaque Mi modulo mi (par l’algorithme d’Euclide) donne y1 = 8, y2 = 4, y3 = 1. On obtient donc :

x ≡ 3 × 66 × 8 + 4 × 102 × 4 + 5 × 187 × 1 [1122] ≡ 785 [1122].

785 pièces d’or, voila qui est particulièrement motivant !

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 FICHE DE TRAVAUX DIRIGÉS SUR L’ARITHMÉTIQUE
Institut Universitaire de la Côte Algèbre Linéaire
SIGMA 2 A & B Prépa 2
Année Académique 2022-2023
Exercice 2.1
Écrire la division euclidienne de 111111 par 2021.
Exercice 2.2
Calculer les coefficients de Bézout correspondant à pgcd(560, 133), pgcd(12121, 789).
Exercice 2.3
Résoudre les équations : 407x + 129y = 1, 720x + 54y = 6, 216x + 92y = 8.
Exercice 2.4
Trouver les couples (a, b) vérifiant pgcd(a, b) = 12 et ppcm(a, b) = 360.
Exercice 2.5
Décomposer 48400 en produit de facteurs premiers. Combien 48400 admet-il de diviseurs ?
Exercice 2.6
Décomposer a = 2340 et b = 15288 en facteurs premiers. Calculer leur pgcd et leur ppcm.
Exercice 2.7
Trouver tous les nombres premiers ≤ 103.
Exercice 2.8
Trouver tous les entiers 1 ≤ a ≤ 50 tels que a et 50 soient premiers entre eux.
Exercice 2.9
Résoudre dans Z × Z les équations suivantes :
À 2x − 5y = 13 ;
Á 212x + 45y = 3 ;
 42x + 45y = 4 ;
à 7x + 5z = 3.

Exercice 2.10
(1) Donner, en le justifiant, le nombre de diviseurs positifs de 100100 .
(2) Déterminer le reste de la division de 101101 par 3, et par 5, en déduire le reste de la division euclidienne de 101101 par 15.
Exercice 2.11
Soit n un entier relatif. On pose a = 2n + 3 et b = 5n − 2.
(1) Calculer 5a − 2b. En déduire le PGCD de a et b en fonction de n.
(2) Procéder de même pour exprimer en fonction de n le PGCD de 2n − 1 et 9n + 4.
Exercice 2.12 Restes modulo 10
Calculer les restes modulo 10 de 122 + 455, 122 × 455, 122455 .
Exercice 2.13 Divisibilité par 3
Prouver qu’un entier est divisible par 3 si et seulement si la somme de ses chiffres est divisible par 3.
Exercice 2.14 Restes modulo 23
10 100
Calculer les restes modulo 23 de 3 et 3 .
Exercice 2.15 Restes modulo 17
3141
Calculer les restes modulo 17 de 14 .
Exercice 2.16
Déterminer le reste de la division euclidienne de 51000 par 7.
Exercice 2.17
Montrer que pour tout n ∈ N, l’entier 3n+3 − 44n+2 est un multiple de 11.

20 © Institut Universitaire de la Côte 2022-2023

 Exercice 2.18
Montrer que 4n est congru à 1 + 3n modulo 9. En déduire que 22n + 15n − 1 est toujours divisible par 9.
Exercice 2.19
Montrer que pour tout n ∈, 5n+2 + 3n+1 52n est divisible par 7.
Exercice 2.20
On se propose de déterminer tous les couples (m, n) ∈ N × N solutions de l’équation :

2m − 3n = 1 (2.2)

(1) Soit k ∈ N∗ .
(a) Quel est le reste de la division euclidienne de 9k par 8 ?
(b) Déterminer les restes de la division euclidienne de 32k + 1 par 8, puis 32k+1 + 1 par 8.
(2) 2. Soit (m, n) ∈ N × N un couple de solution de (2.2), montrer à l’aide de (1) que m ≤ 2.
(3) En déduire tous les couples (m, n) ∈ N × N d’entier naturels solutions de l’équation (2.2).
Exercice 2.21 Équation avec congruence
Résoudre les équations 3x ≡ 4[7], 4x ≡ 14[30].
Exercice 2.22 Système d’équation avec congruence
Résoudre les systèmes équations suivants.
  
x ≡ 2[56] x ≡ 3[6] 7x + 5y ≡ 2[8]
(1) . (3) . (5) .
x ≡ 3[99] x ≡ 6[9] 5x + 4y ≡ 16[8]
  
x ≡ 1[6] x ≡ 6[11] 7x + 5y ≡ 2[9]
(2) . (4) . (6) .
x ≡ 5[9] x ≡ 3[13] 5x + 4y ≡ 16[9]

Exercice 2.23
(1) Déterminer toutes les solutions de 2x + 5y = 59.
(2) Donner tous les couples (x, y) tels que la somme de x pièces de 2 euros et de y billets de 5 euros égale à 59 euros.
Exercice 2.24
(1) Résoudre les systèmes de congruence suivants.
  
x ≡ 7[15] 
 x ≡ 2[9] 
 x ≡ 1[2]
(a) .

 


x ≡ 5[6] (b) x ≡ 17[20] . x ≡ 2[3]


 (c) .
x ≡ 4[7]
 
 x ≡ 3[5]



x ≡ 4[7]


(2) Une bande de 17 pirates volent un sac de pièces d’or. Ils essayent de se partager la fortune en part égales. Il reste 3 pièces.
Dans la bagarre qui s’en suit pour l’attribution du reste, un pirate meurt. La fortune est redistribuée équitablement, cette
fois-ci il reste 10 pièces. A nouveau une dispute survient et un pirate meurt. La fortune est alors distribuée en lots pairs
sans reste parmi les survivants. Quel est le nombre minimum de pièces qu’on volées les pirates ?

21 © Institut Universitaire de la Côte 2022-2023

Chapitre

3
Variables Aléatoires sur un Espace
Probabilisé Fini

Sommaire
3.1 Univers et évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Probabilité sur un univers fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Indépendance et conditionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5 Variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Caractéristiques d’une variables aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.7 Quelques lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.8 Couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

LLa théorie des probabilités permet l ?étude de phénomènes ayant un aspect hasardeux.
3.1 Univers et évènements
Une expérience aléatoire est une expérience susceptible à priori de donner des résultats différents lorsqu’on la répète.
Définition 3.1 Univers
On appelle univers, l’ensemble des résultats possibles d’une expérience aléatoire. On le note en général Ω.

Exemple 3.1. L’expérience de lancé d’un dé à six face peut conduire à 6 résultats, selon la face obtenue. Pour modéliser
un tel lancer, on peut choisir pour univers Ω = {1, 2, 3, 4, 5, 6}.
Définition 3.2
Soit Ω un univers fini.
+ Un sous-ensemble de Ω est appelé un évènement.
+ Un singleton de Ω est appelé un évènement élémentaire ou une éventualité.
+ L’évènement Ω est appelé évènement certain et l’ensemble vide est appelé évènement impossible.
+ Deux évènements A et B sont dits incompatibles s’ils sont disjoints, i.e. A ∩ B = ∅.

Exemple 3.2. Dans le lancer de dé, les évènements obtenir un chiffre pair et obtenir un chiffre impair sont incompatibles.
Définition 3.3 Système complet d’évènements
On appelle Système complet d’évènements de Ω toute famille {A1 , . . . , An } d’évènements deux à deux incompa-
tibles dont la réunion est l’évènement certain Ω.

22 © Institut Universitaire de la Côte 2022-2023

 Page 23 sur 40
3.2. PROBABILITÉ SUR UN UNIVERS FINI

3.2 Probabilité sur un univers fini

Définition 3.4 Probabilité sur un univers fini
Soit Ω un univers fini. Une probabilité sur Ω est une application P : P(Ω) → [0, 1] telle que
À P (Ω) = 1 ;
Á A ∩ B = ∅ =⇒ P (A ∪ B) = P (A) + P (B).
Le couple (Ω, P ) est alors appelé un espace probabilisé fini.

Théorème 6 – Probabilité uniforme

|A|
Soit Ω un univers fini. L’application P : P(Ω) → [0, 1], A 7→ |Ω| est une probabilité sur Ω, appelé probabilité
uniforme.

Preuve. Exercice facile.

Exemple 3.3. Dans l’expérience du lancer de dé, calculer la probabilité des évènements A ="obtenir un nombre premier"
et B ="obtenir un nombre pair.

Définition 3.5 Évènements équiprobables

On dit que deux évènements A, B ∈ P(Ω) sont équiprobables lorsque P (A) = P (B).

Théorème 7 –
Soient (Ω, P ) un espace probabilisé fini et A, B ∈ P(Ω).
+ P (∅) = 0
+ P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
+ P (Ā) = 1 − P (A)
+ A ⊂ B =⇒ P (A) ≤ P (B).

Preuve. En cours.

3.3 Indépendance et conditionnement

Définition 3.6 Indépendance
Deux évènements A et B sont dits indépendants lorsque P (A ∩ B) = P (A) × P (B).

Exemple 3.4. Si on lance deux pièces indiscernables non truquées, les évènements "la première est pile" et "la seconde
est pile" sont indépendants.

Définition 3.7
Lorsque P (B) 6= 0, la probabilité conditionnelle de A sachant B est le réel
P (A∩B)
P (A|B) := P (B) .

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 24 sur 40
3.4. FORMULE DE BAYES

Théorème 8 –
A et B sont indépendant si et seulement si P (A|B) = P (A).

Preuve. Exercice facile.

La formule suivante se généralise pour n évènements.

Théorème 9 – Formule des probabilités composées

Si des évènements A1 , A2 et A3 sont telles que P (A1 ∩ A2 ∩ A3 ) 6= 0 alors
P (A1 ∩ A2 ∩ A3 ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ).

Théorème 10 – Formule des probabilités totales

Si (A1 , A2 , . . . , An ) est un système complet d’évènements alors, pour tout évènement B on a
Pn Pn
P (B) = k=1 P (B ∩ Ak ) = k=1 P (B|Ak )P (Ak ).

Exemple 3.5. Écrire cette formule pour (A, Ā).

3.4 Formule de Bayes

Théorème 11 – Formule de Bayes

Si P (A), P (B) 6= 0 alors
P (B|A)P (A)
P (A|B) = P (B) .

Preuve. En cours.
On a également de Bayes généralisée suivante

Théorème 12 – Formule de Bayes généralisée

Soit (A1 , A2 , . . . , An ) est un système complet d’évènements alors,
P (Aj |B) = PnP (B|Aj )P (Aj ) .
k=1 P (B|Ak )P (Ak )

Preuve. En cours.

3.5 Variable aléatoire

Définition 3.8 Variable aléatoire
Soit Ω un univers fini. On appelle variable aléatoire (réel) sur Ω toute application X : Ω → R.

Exemple 3.6. Pour modéliser le lancer d’un dé deux fois, on peut prendre comme univers Ω = {1, 2, 3, 4, 5, 6}2 . Les
applications X1 et X2 qui a chaque paire de lancer donnent le premier et le second chiffre, respectivement, sont des
variables aléatoires. Aussi, S := X1 + X2 est une variable aléatoire.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 25 sur 40
3.6. CARACTÉRISTIQUES D’UNE VARIABLES ALÉATOIRE

Définition 3.9 loi d’une variable aléatoire

La loi d’une variable aléatoire X est, pour tout x ∈ X(Ω), la donnée de P (X = x).

La loi d’une variable aléatoire permet de définir sur X(Ω) la probabilité PX (x) = P (X = x).
Définition 3.10 Fonction de répartition
La fonction de répartition d’une variable aléatoire réelle X est l’application FX : R → [0, 1] définie par FX (x) =
P (X ≤ x).

3.6 Caractéristiques d’une variables aléatoire

Définition 3.11
Soit X une variables aléatoire réelle sur un espace espace probabilisé fini (Ω, P ).
X
+ L’espérance (mathématique) de X est E(X) := xP (X = x).
x∈X(Ω)

+ Lavariance de X est V (X) := E((X − E(X))2 ).

p
+ L’écart-type de X est σ(X) := V (X).

Théorème 13 –
Soit X une variables aléatoire réelle sur un espace espace probabilisé fini (Ω, P ). Soient ϕ : R → R une application
et a, b ∈ R.
X
+ E(ϕ(X)) = ϕ(x)P (X = x).
x∈X(Ω)

+ E(aX + b) = aE(X) + b.
+ V (X) = E(X 2 ) − E(X)2 (formule de Kœnning)
+ V (aX + b) = a2 V (X).
V (X)
+ P (|X − E(X)| ≥ a) ≤ a2 .

3.7 Quelques lois usuelles

Il nous souvient avoir vu la loi uniforme. Nous citons quelques autres lois usuelles.

+ Loi de Bernoulli de paramètre p ∈ [0, 1] notée B(p). Elle sert à modéliser une expérience n’ayant que deux éven-
tualités : succès de probabilité p, et échec de probabilité q = 1 − p. Son espérance est p et sa variance pq.
+ Loi binomiale de paramètres n ∈ N∗ et p ∈ [0, 1] notée B(n, p).
Elle permet de modéliser une expérience de Bernoulli exécutée n fois successivement. X ne prend alors que les
valeurs 0, 1, 2, . . . , n, et P (X = k) = Cnk pk (1 − p)n−k . Son espérance est np et sa variance npq.

3.8 Couple de variables aléatoires

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 26 sur 40
3.8. COUPLE DE VARIABLES ALÉATOIRES

Définition 3.12 Couple de variables aléatoires

Soient X et Y deux variables aléatoires sur un espace probabilisé fini (Ω, P ). Le couple de variables aléatoires
(X, Y ) est l’application de Ω dans R2 qui à ω associe (X(ω), Y (ω).

Définition 3.13 Loi du couple

La loi du couple (X, Y ) est, pour tous x ∈ X(Ω) et y ∈ Y (Ω), la donnée de P (X = x, Y = y).

Exercice de cours 3.1 Loi d’un couple

Une urne contient 3 boules blanches et 1 noire et on en tire successivement 2 sans remise. Le couple de couleur ainsi
tiré est noté (C1 , C2 ). Quelle est la loi de (C1 , C2 ) ?
Solution

Définition 3.14 Lois marginales

Les lois de X et de Y sont les lois marginale du couple (X, Y ).

Théorème 14 – Calcul des lois marginales à partir de la loi conjointe

Soit (X, Y ) un couple de variables aléatoires sur un espace probabilisé fini (Ω, P ). Les lois marginales PX et PY
sont données par : ∀x ∈ X(Ω), y ∈ Y (Ω),
X X
P (X = x) = P (X = x, Y = y) et P (Y = y) = P (X = x, Y = y).
y∈Y (Ω) x∈X(Ω)

Définition 3.15 Indépendance

On dit que le couple (X, Y ) est un couple de variables aléatoires indépendantes lorsque P (X = x, Y = y) =
P (X = x)P (Y = y) pour tous x ∈ X(Ω) et y ∈ Y (Ω).

3.8.1 Covariance et coefficient de corrélation linéaire

Définition 3.16 Covariance
La covariance du couple de variables aléatoires (X, Y ) est
Cov(X, Y ) = E((X − E(X)) · (Y − E(Y )).

Remarque 3.1. La covariance de (X, X) est la variance de X !

Théorème 15 –
Cov(X, Y ) = E(XY ) − E(X)E(Y ).

Preuve. En cours.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 27 sur 40
3.8. COUPLE DE VARIABLES ALÉATOIRES

Théorème 16 –
V (aX + bY ) = a2 V (X) + 2abCov(X, Y ) + b2 V (Y ).

Preuve. En cours.
Définition 3.17 Covariance
Le coefficient de corrélation linéaire du couple de variables aléatoires (X, Y ) est
Cov(X,Y )
ρ(X, Y ) = σ(X)σ(Y ) .

Proposition 3.1. |ρ(X, Y )| ≤ 1.

Preuve. En cours.

Théorème 17 –
Si ρ(X, Y ) = ±1 alors ∃µ ∈ R tel que Y − E(Y ) = µ(X − E(X)).

Preuve. En cours.

Théorème 18 –
Si X et Y sont indépendantes alors :
+ E(XY ) = E(X)E(Y ) ;
+ Cov(X, Y ) = 0 ;
+ ρ(X, Y ) = 0 ;
+ V (X + Y ) = V (X) + V (Y ).

Preuve. En cours.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 FICHE DE TRAVAUX DIRIGÉS SUR LES VARIABLES ALÉATOIRES DISCRÈTES FINIES
Institut Universitaire de la Côte Algèbre Linéaire
SIGMA 2 A & B Prépa 2
Année Académique 2022-2023
Exercice 3.1 Tirages simultané, successif sans et avec remise
Un sac contient 5 jetons verts (numérotés de 1 à 5) et 4 jetons rouges (numérotés de 1 à 4).
(1) On tire successivement et au hasard 3 jetons du sac, sans remettre le jeton tiré. Calculer les probabilités
(a) De ne tirer que 3 jetons verts ;
(b) De ne tirer aucun jeton vert ;
(c) De tirer au plus 2 jetons verts ;
(d) De tirer exactement 1 jeton vert ;
(2) On tire simultanément et au hasard 3 jetons du sac. Reprendre alors aux mêmes questions
(3) On tire avec remise et au hasard 3 jetons du sac. Reprendre alors aux mêmes questions
Exercice 3.2
Un avion peut accueillir 20 personnes, des statistiques montrent que 25% clients ayant réservé ne viennent pas. Soit
X la variable aléatoire : « nombre de clients qui viennent après réservation parmi 20 ». Quelle est la loi de X ? (on ne
donnera que la forme générale) quelle est son espérance, son écart-type ? Quelle est la probabilité pour que X soit égal à
15 ?
Exercice 3.3
A la kermesse du lycée, un jeu consiste à tirer 2 enveloppes parmi 5 ont une contient un billet de 1000 F, 2 contiennent
chacune un billet de 500 F et les 2 autres contiennent chacune une feuille sans valeur. Les enveloppes sont identiques et
non transparentes.
(1) Quelle est la probabilité de ne rien gagner ?
(2) Quelle est la probabilité de gagner exactement 500 F ?
(3) Quelle est la probabilité de gagner exactement 1000F ?
Exercice 3.4 Tirage successif avec remise
Une urne contient 10 boules numérotées de 1 à 10. On tire 4 fois de suite une boule avec remise.
(1) Décrire l’espace probabilisé associé à cette expérience.
(2) Déterminer les probabilités d’obtenir :
(a) Quatre nombres dans un ordre strictement croissant.
(b) Quatre nombres dans un ordre croissant (au sens large).
(c) Que le nombre 3 apparaisse au moins une fois.
Exercice 3.5 Tirage successif sans remise
Une urne contient 3 boules blanches et 2 boules noires, toutes indiscernables au toucher. On tire successivement et
sans remise 3 boules de l ?urne.
(1) Quel est le nombre de tirages possibles.
(2) Calculer la probabilité d’obtenir au moins une boule blanche.
(3) Calculer la probabilité d’obtenir une boule blanche au dernier tirage.
(4) On désigne par X la variable aléatoire égale au nombre de boules blanches obtenues à l’issues des trois tirages.
(a) Déterminer la loi de probabilité de X.
(b) Déterminer et construire la fonction de répartition de X.
(c) Déterminer les caractéristiques (Espérance, Variance et Ecart-type) de la variable X.
Exercice 3.6
Un industriel doit vérifier l’état de marche de ses machines et en remplacer certaines le cas échéant. D’après des
statistiques précédentes, il évalue à 30% la probabilité pour une machine de tomber en panne en 5 ans ; parmi ces dernières,

28 © Institut Universitaire de la Côte 2022-2023

 Page 29 sur 40
3.8. COUPLE DE VARIABLES ALÉATOIRES

la probabilité de devenir hors d’usage suite à une panne plus grave est évaluée à 75% ; cette probabilité est de 40% pour
une machine n’ayant jamais eu de panne.
(1) Quelle est la probabilité pour une machine donnée de plus de cinq ans d’être hors d’usage ?
(2) Quelle est la probabilité pour une machine hors d’usage de n’avoir jamais eu de panne auparavant ?
(3) Soit X la variable aléatoire « nombre de machines qui tombent en panne au bout de 5 ans, parmi 10 machines choisies au
hasard ».
(a) Quelle est la loi de probabilité de X, (on donnera le type de loi et les formules de calcul),
(b) Calculer l’espérance, la variance et l’écart-type de X.
(c) Calculer P [X = 5].
Exercice 3.7
(1) A et B sont deux évènements d ?une expérience aléatoire.
(a) Vérifier que P (A ∩ B̄) = P (A) − P (A ∩ B).
(b) b) On suppose que A et B sont indépendants. En déduire P (A ∩ B̄) en fonction de P (A) et P (B) puis en fonction
de P (A) et P (B̄). Que peut-on dire des évènements A et B̄ ?
(c) Expliquer pourquoi, si A et B sont indépendants, alors Ā et B ainsi que Ā et B̄ le sont aussi.
(2) Alain et Béatrice tentent de faire des paniers au basket Les évènements « Alain fait un panier » et « Béatrice fait un panier
» sont indépendants et de probabilités respectives et Alain et Béatrice font un essai chacun. Calculer la probabilité des
évènements suivants :
(a) Alain et Béatrice réussissent tous les deux.
(b) Seul Alain réussit.
(c) Aucun panier n ?est marqué.
(d) Au moins un panier est marqué.
(e) Un panier et un seul est marqué.
Exercice 3.8 Le plus grand nombre tiré
On lance deux dés parfaitement équilibrés. On note X le plus grand des numéros obtenus. Déterminer la loi de la
variable aléatoire X.
Exercice 3.9 Tirage avec remise
Une urne contient N boules numérotées de 1 à N . On en tire n en effectuant des tirages avec remise. On note X et Y
le plus petit et le plus grand des nombres obtenus. Déterminer la loi de X et la loi de Y .
Exercice 3.10 Minimum et maximum de deux dés
On lance deux dés équilibrés, on note U1 et U2 les variables aléatoires correspondant aux résultats obtenus. On appelle
X = min(U1 ,U2 ) et Y = max(U1 , U2 ).
(1) Donner la loi de X. En déduire E(X).
(2) Exprimer X + Y en fonction de U1 et U2 . En déduire E(Y ).
(3) Exprimer XY en fonction de U1 et U2 . En déduire Cov(X, Y ). X et Y sont-elles indépendantes ?
Exercice 3.11 Loi d’un dé truqué
On considère un dé cubique truqué dont les faces sont numérotés de 1 à 6 et on note X la variable aléatoire donnée
par le numéro de la face du dessus. On suppose que le dé est truqué de sorte que la probabilité d’obtenir une face est
proportionnelle au numéro inscrit sur cette face.
(1) Déterminer la loi de X, calculer son espérance.
(2) On pose Y = 1/X. Déterminer la loi de Y , et son espérance.

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 30 sur 40
3.8. COUPLE DE VARIABLES ALÉATOIRES

Exercice 3.12
Y \X a1 a2 a3
Soit un couple (X, Y ) de variables aléatoires de loi conjointe est donnée par 1 1 avec ai 6= aj et
b1 0 5 5
1 1
b2 5 5 α
bi 6= bj si i 6= j.
(1) Que vaut α ? Déterminer les lois de X et de Y (lois marginales).
(2) Calculer Cov(X, Y ). Que remarque-t-on si 2a1 = a2 + a3 ?
(3) Les variables aléatoires X et Y sont-elles indépendantes ?
Exercice 3.13 Loi marginale
On dispose de n boites numérotées de 1 à n. La boite k contient k boules numérotées de 1 à k. On choisit au hasard
de façon équiprobable une boite, puis une boule dans cette boite. On note X le numéro de la boite et Y le numéro de la
boule.
(1) Déterminer la loi conjointe du couple (X, Y ).
(2) En déduire la loi de Y .
(3) Calculer l’espérance de Y .
Exercice 3.14 Loi jointe uniforme
2
Soit (X,Y ) un couple de variables aléatoires suivant une loi uniforme sur {0, . . . ,n} .
(1) Déterminer la loi de X, la loi de Y , la loi de X + Y .
(2) X et Y sont-elles indépendantes ?
Exercice 3.15 En plein dans le mille !
Un joueur tire sur une cible de 10cm de rayon, constituée de couronnes concentriques, délimitées par des cercles de
rayons 1,2, ..., 10 cm, et numérotées respectivement de 10 à 1. La probabilité d ?atteindre la couronne k est proportionnelle
à l’aire de cette couronne, et on suppose que le joueur atteint sa cible à chaque lancer. Soit X la variable aléatoire qui à
chaque lancer associe le numéro de la cible.
(1) Quelle est la loi de probabilité de X ?
(2) Le joueur gagne k euros s’il atteint la couronne numérotée k pour k compris entre 6 et 10, tandis qu’il perd 2 euros s’il
atteint l’une des couronnes périphériques numérotées de 1 à 5. Le jeu est-il favorable au joueur ?
Exercice 3.16 Garagiste
Un garagiste dispose de deux voitures de location. Chacune est utilisable en moyenne 4 jours sur 5. Il loue les voitures
avec une marge brute de 300 euros par jour et par voiture. On considère X la variable aléatoire égale au nombre de clients
se présentant chaque jour pour louer une voiture. On suppose que X(Ω) = {0, 1, 2, 3} avec

P (X = 0) = 0,1 P (X = 1) = 0,3 P (X = 2) = 0,4 P (X = 3) = 0,2.

(1) On note Z le nombre de voitures disponibles par jour. Déterminer la loi de Z. On pourra considérer dans la suite que X et
Z sont indépendantes.
(2) On note Y la variable aléatoire : " nombre de clients satisfaits par jour". Déterminer la loi de Y .
(3) Calculer la marge brute moyenne par jour.
Exercice 3.17 Somme et différence de couple de lois de Bernoulli
Soit X et Y deux variables aléatoires indépendantes suivant la même loi de Bernoulli de paramètre p.
(1) Quelle sont les lois des v.a. S = X + Y et de D = X − Y ?
(2) Ces v.a. X + Y et X − Y peuvent-elles être indépendantes ?
(3) Donner la loi du couple (S, D) et retrouver les résultats de 1).
(4) Calculer E(S), E(D) et Cov(S, D).
Exercice 3.18 Recrutement

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Une entreprise souhaite recrute un cadre. n personnes se présentent pour le poste. Chacun d’entre eux passe à tour
de rôle un test, et le premier qui réussit le test est engagé. La probabilité de réussir le test est p ∈]0,1[. On pose également
q = 1 − p. On définit la variable aléatoire X par X = k si le k-ième candidat qui réussit le test est engagé, et X = n + 1
si personne n’est engagé.
(1) Déterminer la loi de X.
Pn Pn
(2) En dérivant la formule donnant k=0 xk , calculer k=1 kxk−1 pour x 6= 1.
(3) En déduire l’espérance de X.
(4) Quelle est la valeur minimale de p pour avoir plus d’une chance sur deux de recruter l’un des candidats ?
Exercice 3.19 Trouver le paramètre d’une loi uniforme connaissant son espérance
Soit X une variable aléatoire suivant une loi uniforme sur {0, 1, . . . , a}, où a ∈ N. On suppose que E(X) = 6.
Déterminer a.
Exercice 3.20 Avion
A et B sont deux avions ayant respectivement 4 et 2 moteurs. Les moteurs sont supposés indépendants les uns des
autres, et ils ont une probabilité p de tomber en panne. Chaque avion arrive à destination si moins de la moitié de ses
moteurs tombe en panne. Quel avion choisissez-vous ? (on discutera en fonction de p).

Exercice 3.21 Lancer de pièces

On lance n fois une pièce parfaitement équilibrée. Quelle est la probabilité d’obtenir strictement plus de piles que de
faces.

Exercice 3.22 QCM

Un examen consiste en un QCM de 15 questions. Pour chaque question, 3 réponses sont possibles. Les étudiants
répondent à chaque question indépendamment. L’enseignant estime que les étudiants ayant préparé l’examen sont 70% et
répondent à une question correctement avec probabilité 0,8. Les autres étudiants choisissent les réponses au hasard. Il faut
au moins 8 bonnes réponses pour réussir l’examen.
(1) Quelle est la probabilité qu’un étudiant, choisi au hasard, réussisse l’examen ?
(2) Si un étudiant échoue, quelle est la probabilité qu’il ait préparé l’examen ?
Exercice 3.23 Au carré
2 2
Soit X une variable aléatoire réelle définie sur un espace probabilisé fini. Démontrer que E(X) ≤ E(X ).

31 © Institut Universitaire de la Côte 2022-2023

Chapitre

4
Variables Aléatoires Continues

Sommaire
4.1 Espace probabilisé (infini) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2 Variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Caractéristiques d’une variable aléatoire continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4 Quelques lois continues usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5 Décomposition en élément simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Dans ce chapitre les univers Ω considérés sont infinis.

4.1 Espace probabilisé (infini)
Soit Ω un univers quelconque, par exemple R.
Définition 4.1 Tribu
Une tribu ou une σ−algèbre sur ω est une collection A de sous-ensembles de Ω telle que :
+ ∅ ∈ A;
+ si A ∈ A alors Ac ∈ A ;
∞
+ si A1 ,A2 , . . . ∈ A alors ∪ An ∈ A.
n=1

L’ensemble des parties de Ω est la plus grande tribu sur Ω, et {Ω, ∅} est la plus petite tribu sur Ω.

Proposition 4.1. Soit A une σ−algèbre sur Ω. Alors,

À Ω ∈ A.
∞
Á Si A1 ,A2 , . . . ∈ A alors ∩ An ∈ A.
n=1
 Si A,B ∈ A alors A r B ∈ A.

Preuve. Exercice.
Définition 4.2 Espace probabilisable
Soient Ω un univers et A une tribu sur Ω. Le couple (Ω, A) est appelé espace probabilisable.

Définition 4.3 Probabilité

Soit (Ω, A) un espace probabilisable. Une probabilité sur (Ω, A) est une application P : A → [0, 1] telle que
À P (Ω) = 1 ;
Á ∀A, B ∈ A, A ∩ B = ∅ =⇒ P (A ∪ B) = P (A) + P (B).
Le triplet (Ω, A, P ) est alors appelé espace probabilisé.

32 © Institut Universitaire de la Côte 2022-2023

 Page 33 sur 40
4.2. VARIABLES ALÉATOIRES À DENSITÉ

Théorème 19 –
Soient (Ω, P ) un espace probabilisé fini et A, B ∈ P(Ω).
+ P (∅) = 0
+ P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
+ P (Ā) = 1 − P (A)
+ A ⊂ B =⇒ P (A) ≤ P (B).

Dans ce qui suit, (Ω, A, P ) désigne un espace probabilisé.

4.2 Variables aléatoires à densité

Définition 4.4 Variable aléatoire continue ou à densité
On appelle variable aléatoire à densité toute fonction X : Ω → R telle qu’il existe une fonction f : R → R continue
par morceaux vérifiant la propriété suivante :
ˆ b
∀a < b, P (a ≤ X ≤ b) = f (x)dx.
a

Si une telle fonction f existe, elle est appelée densité de la variable aléatoire X.

Proposition 4.2. Soit f la densité d’une variable aléatoire continue X. Alors

+ ∀t ∈ R, f (x) ≥ 0 ;
+ f est continue par morceaux sur R ;
´ +∞
+ −∞ f (t)dt = 1.

Définition 4.5 Fonction de répartition

Soit X une variable aléatoire continue. Sa fonction de répartition F : R → [0, 1] est définie
ˆ t
F (t) = P (X ≤ t) = f (x)dx.
−∞

Théorème 20 –
Si X est une variable aléatoire à densité, sa fonction de répartition est continue. Autrement dit, pour tout a ∈ R, on a
P (X = a) = 0.

Une conséquence de ce résultat est que, si X est une variable aléatoire à densité, et si a < b, alors
ˆ b
P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b) = f (t)dt,
a

ˆ +∞
P (X ≥ a) = P (X > a) = f (t)dt,
a
ˆ a
P (X ≤ a) = P (X < a) = f (t)dt.
−∞

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 34 sur 40
4.3. CARACTÉRISTIQUES D’UNE VARIABLE ALÉATOIRE CONTINUE

Proposition 4.3. Soit F la fonction de répartition d’une variable aléatoire continue X. Alors
+ F est croissante sur R ;
+ F est continue sur R ;
+ ∀a ≤ b, P (a ≤ X ≤ b) = F (b) − F (a) ;
+ lim F (x) = 0 et lim F (x) = 1 ;
x→−∞ x→+∞
+ F est dérivable sur R, sauf en au plus un nombre dénombrable de points, et F 0 (x) = f (x) si F dérivable en x.

4.3 Caractéristiques d’une variable aléatoire continue

4.3.1 Espérance
´ +∞
Soit X une variable aléatoire ayant pour densité f . On dit que X admet une espérance si l’intégrale −∞
|x|f (x)dx
converge. Dans ce cas, on appelle espérance de X le réel E(X) défini par
ˆ +∞
E(X) = xf (x)dx.
−∞

Théorème (linéarité de l’espérance) : Soit X et Y deux variables aléatoires à densité définies sur Ω. Alors aX + b admet
une espérance, et E(aX + b) = aE(X) + b ; X + Y admet une espérance et E(X + Y ) = E(X) + E(Y ).

Théorème 21 – Théorème de transfert

Soit X une variable aléatoire admettant f pour densité, et soit ϕ : Ω → R une fonction continue. On suppose en outre
que
ˆ +∞
|ϕ(x)|f (x)dx converge.
−∞

Alors la variable aléatoire ϕ(X) admet une espérance donnée par

ˆ +∞


E ϕ(X) = ϕ(x)f (x)dx.
−∞

4.3.2 Variance
Soit X une variable aléatoire à densité f . On dit que X admet une variance si X admet une espérance E(X) = m et si

2 ´ +∞
la variable aléatoire X −E(X) admet une espérance, autrement dit si l’intégrale −∞ (x−m)2 f (x)dx est convergente.
Dans ce cas, on appelle variance de X la valeur de cette intégrale :
ˆ +∞
V (X) = (x − m)2 f (x)dx.
−∞

Les propriétés de la variance des variables aléatoires discrètes restent vraies pour les variables aléatoires continues. Ainsi,
si X est une variable aléatoire à densité admettant une densité, alors aX + b admet une variance donnée par

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

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 35 sur 40
4.4. QUELQUES LOIS CONTINUES USUELLES

On dit que deux variables aléatoires X et Y (pas nécessairement à densité...) sont indépendantes si, pour tous intervalles I
et J, on a


P (X ∈ I) ∩ Y ∈ J) = P (X ∈ I) × P (Y ∈ J).

Si X et Y sont deux variables aléatoires à densité indépendantes admettant une variance, alors X + Y admet une variance
et
V (X + Y ) = V (X) + V (Y ).

4.4 Quelques lois continues usuelles

4.4.1 Lois uniformes
On dit qu’une variable aléatoire X suit une loi uniforme sur [a,b] si X admet pour densité la fonction f définie par
(
1
b−a si x ∈ [a,b]
f (x) =
0 sinon.

Si X suit une loi uniforme sur [a,b], alors la fonction de répartition de X est donnée par

 0
 si t ≤ a
t−a
F (t) = b−a si t ∈ [a,b]

1 si t ≥ b.


X admet une espérance et une variance données respectivement par

a+b (b − a)2
E(X) = et V (X) = .
2 12

4.4.2 Lois exponentielles

On dit qu’une variable aléatoire X suit une loi exponentielle de paramètre λ > 0 si X admet pour densité la fonction
f définie par (
λe−λx si x ≥ 0
f (x) =
0 sinon.
Si X suit une loi exponentielle de paramètre λ > 0, alors la fonction de répartition de X est donnée par
(
0 si t ≤ 0
F (t) = −λt
1−e si t ≥ 0

X admet une espérance et une variance données respectivement par

1 1
E(X) = et V (X) = 2 .
λ λ

Théorème : Si X suit une loi exponentielle de paramètre λ > 0, alors X est sans mémoire :

∀s,t > 0, P(X>s) (X > s + t) = P (X > t).

Proposition (temps de demi-vie) : Soit X une variable aléatoire suivant une loi exponentielle de paramètre λ > 0 et soit
a > 0 l’unique réel tel que P (X > a) = P (X < a) = 12 . Alors a = ln 2
λ .

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 36 sur 40
4.5. DÉCOMPOSITION EN ÉLÉMENT SIMPLE

4.4.3 Lois normales

On dit qu’une variable aléatoire X suit une loi normale centrée réduite N (0,1) si X admet une densité f donnée par

1 2
f (x) = √ e−x /2 .
2π

La variable aléatoire X admet alors une espérance qui vaut 0 et une variance qui vaut 1. Puisque la densité d’une loi
normale centrée réduite est une fonction paire, on a pour a > 0

P (X ≤ −a) = P (X ≥ a).

La fonction de répartition d’une variable aléatoire centrée réduite ne s’exprime pas à l’aide des fonctions usuelles. On
en calcule des valeurs approchées à l’aide de l’outil informatique (ou de tables). Néanmoins, les valeurs suivantes inter-
viennent souvent en statistiques :
P (−1 ≤ X ≤ 1) = 0,683
P (−2 ≤ X ≤ 2) = 0,954
P (−3 ≤ X ≤ 3) = 0,997
P (−1,96 ≤ X ≤ 1,96) = 0,95
P (−2,57 ≤ X ≤ 2,57) = 0,99.
X−m
On dit qu’une variable aléatoire X suit une loi normale de paramètres m ∈ R et σ > 0, notée N (m,σ 2 ), si Y = σ
suit une loi N (0,1). Dans ce cas, X admet une espérance égale à m et une variance égale à σ 2 .

Théorème 22 –
Si X suit une loi normale N (m,σ 2 ), alors X admet pour densité la fonction f donnée par

(x − m)2
 
1
f (x) = √ exp − .
σ 2π 2σ 2

Théorème 23 – Théorème de Moivre-Laplace

Soit (Xn ) une suite de variables aléatoires suivant une loi binomiale B(n,p) et soit Zn = √Xn −np . Alors, pour tous
np(1−p)
nombres réels a < b, on a ˆ b
1 2
P (Zn ∈ [a,b]) → √ e−x /2 dx.
a 2π

4.5 Décomposition en élément simple

P (x)
Décomposer en éléments simples une fraction rationnelle (x−a)n (bx2 +cx+d)m , avec deg(P ) < n + 2m, c’est l’écrire
sous la forme

P (x) a1 a2 an
= + + ··· +
(x − a)n (bx2 + cx + d)m (x − a) (x − a)2 (x − a)n
b1 x + c 1 b2 x + c2 bm x + cm
+ + + ··· + ,
(bx2 + cx + d) (bx2 + cx + d)2 (bx2 + cx + d)m

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 37 sur 40
4.5. DÉCOMPOSITION EN ÉLÉMENT SIMPLE

a1 , . . . ,an , b1 , . . . ,bm , c1 , . . . ,cm , étant des constantes réelle à déterminer (soit par identification, soit par autres
ai bi x+ci
méthodes). Les fractions (x−a)i sont appelés éléments simples de première espèces, et les fractions (bx2 +cx+d)i sont
appelés, éléments simples de seconde espèce.
Pour intégrer une fraction rationnelle P (x)/Q(x), on suit les étapes suivantes :

+ Si deg(P (x)) ≥ deg(Q(x)), on effectue la division euclidienne de P (x) par Q(x) pour obtenir P (x)/Q(x) =
P0 (x) + P1 (x)/Q1 (x), P0 ,P1 et Q1 étant des polynômes tels que deg(P1 (x)) < deg(Q1 (x))
+ On factorise Q1 (x) en produit de facteurs de premier et/ou de second degré.
+ On décompose P1 (x)/Q1 (x) en éléments simples.
b
+ Primitives des éléments simples de première espèce (x−a)n.
´ b
— Pour n = 1, (x−a) = b · ln |x − a| + cste
´ b b
— Pour n ≥ 2, (x−a) n = − (n−1)(x−a)n−1 + cste

a1 x+b1
+ Primitives des éléments simples de seconde espèce (ax2 +bx+c)m ., avec ∆ = b2 − 4ac < 0.
√
b −∆
— On écrit ax2 + bx + c = a[(x − α)2 + β 2 ], avec α = − 2a , et β = 2a .
x−α
— On effectue le changement de variables u = β , et on obtient :
ˆ ˆ
a1 x + b1 1 a1 βu + a1 α + b1
= 2m−1 n .
(ax2 + bx + c)m β a (u2 + 1)m
´ u
´ 1
+ Reste à déterminer les primitives (u2 +1) m et (u2 +1)m
´ u 2
— Pour, (u2 +1) m , on pose t = u + 1.
´
— (u21+1) = arctan u + cste
´ 1
— Pour N ≥ 2, on intègre (u2 +1) m par partie.

x4 x2 +3x+1
´3 ´0
Exemple 4.1. Soit les fonctions f (x) = (x−1)3 et h(x) = (x−1)(x2 +2x+2) . Calculons I = 2
f (x)dx et J = −1
h(x)dx.
Comme le degré du numérateur de f est supérieur ou égal à celui de son dénominateur, il faut commencer par effectuer
une division euclidienne. On obtient
6x2 − 8x + 3
f (x) = x + 3 +
(x − 1)3
La partie polynômiale est directement intégrable. La décomposition en éléments simples (de première espèce) de g(x) =
6x2 −8x+3
(x−1)3 donne
6 4 1
g(x) = + + .
x − 1 (x − 1)2 (x − 1)3
Par suite,
ˆ 3  3  3
1 3 1 1
I= f (x)dx = [ x + 3x]32 + [6 ln(x − 1)]2 − 4 −
2 2 x−1 2 2(x − 1)2 2
15
Donc, I = 4 + 8 + 6 ln 2 .
Comme le degré du numérateur de h est strictement inférieur à celui du dénominateur, pas de division euclidienne
nécessaire ! La décomposition en éléments simples (de première et seconde espèces) de h donne

1 1
h(x) = + .
x − 1 x2 + 2x + 2

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 Page 38 sur 40
4.5. DÉCOMPOSITION EN ÉLÉMENT SIMPLE

Le premier terme est directement intégrable. La forme canonique du second terme donne x2 + 2x + 2 = (x + 1)2 + 1. On
peut alors poser u = x + 1. Il suit que
ˆ 0 ˆ 0 ˆ 1
dx du 1
J= h(x)dx = + = [ln |x − 1|]0−1 + [arctan(u)]0
−1 −1 x−1 0 u2 + 1

π
Donc, J = 4 − ln 2

Exercice de cours 4.1 Décomposition en éléments simples

´ 1 2x ´0 x2 −x+2
´2 2x
´2
Calculer I = 0 x2 +x+1 dx, J = −1 (x2 +1)(x−1) dx, K= 1 (x2 +1)
dx, et L = 1 (x22x
+1)2 dx.
Solution

Dico, 2022-2023 . Diagonalisation, Arithmétique & Probabilité

 FICHE DE TRAVAUX DIRIGÉS SUR LES VARIABLES ALÉATOIRES CONTINUES
Institut Universitaire de la Côte Algèbre Linéaire
SIGMA 2 A & B Prépa 2
Année Académique 2022-2023
Exercice 4.1 Densité ou non ?
Parmi les fonctions suivantes définies sur R, déterminer lesquelles sont la densité d’une variable aléatoire à densité.
Calculer le cas échéant leur fonction de répartition et préciser si elles admettent une espérance.
(
cos x si x ∈ [0,π/2] 1
1. f1 (x) = 2. f2 (x) = x∈R
1+x2 ,
0 sinon.

 1 + x si x ∈ [−1,0]

ex
3. f3 (x) = (ex +1)2 , x∈R 4. f4 (x) = 1 − x si x ∈ [0,1]

0 sinon

(
1
|x|3 si |x| > 1
5. f5 (x) = 6. f6 (x) = sin x + 1, x ∈ R.
0 sinon

Indicat
Exercice 4.2 Loi de Cauchy
a
Soit f la fonction définie sur R par f (x) = 1+x2 . Déterminer a pour que f soit la densité de probabilité d’une
variable aléatoire X. Déterminer la fonction de répartition de X. X admet-elle une espérance ?
Exercice 4.3 Une densité
a
Soit la fonction f définie sur R par f (x) = x x
√ si x ≥ 1 et f (x) = 0 sinon.
(1) Déterminer le réel a pour que f soit une densité de probabilité d’une certaine variable aléatoire X.
(2) Déterminer la fonction de répartition associée à X.
(3) X admet-elle une espérance ? Si oui, la déterminer.

Exercice 4.4
On modélise la durée de vie des galaxies par des lois exponentielles. On estime qu’une galaxie a probabilité de
disparaître d’ici à un million d’année égale à 0,000 002%.
(1) Déterminer la valeur du paramètre λ de la loi exponentielle X mesurant la durée de vie de la galaxie.
(2) Quelle est l’espérance de vie de la galaxie ?
(3) Quelle est la probabilité que la galaxie ait disparu d’ici à 3 millions d’années ?
(4) Quelle est la probabilité que la galaxie soit toujours là dans 10 millions d’année ?

Exercice 4.5 Une densité (bis)

c
On considère une variable aléatoire X de densité f (x) = 1+x2 .
(1) Pour quelle(s) valeur(s) de c la fonction f est-elle bien une densité ?
(2) Calculer la fonction de répartition de X.
(3) Déterminer P (X < 0) et P (−1 < X < 1).

Exercice 4.6 Une densité (bis bis)


ax + b si x ∈ [0, 1]
On considère une variable aléatoire X de densité f (x) = .
0 sinon
(1) Pour quelle(s) valeur(s) de a et b la fonction f est-elle bien une densité ?
(2) Calculer la fonction de répartition de X.
(3) Déterminer P (X ≥ 1/2), E(X) et V (X).

39 © Institut Universitaire de la Côte 2022-2023

 Exercice 4.7 La station-service
Dans une station-service, la demande hebdomadaire en essence, en milliers de litres, est une variable aléatoire X de
densité f (x) = c(1 − x)4 1[0,1] .
(1) Déterminer c.
(2) La station est réapprovisionnée chaque lundi à 20h. Quelle doit être la capacité du réservoir d’essence pour que la proba-
bilité d’épuiser ce réservoir soit inférieure à 10−5 ?

Exercice 4.8 Étude d’une densité et d’une fonction de variable aléatoire

x
Soit la fonction f définie sur R par f (x) = e si x < 0 et 0 sinon.
(1) Montrer que f est une densité de probabilité d’une certaine variable aléatoire, que l’on notera X
(2) Déterminer la fonction de répartition de X.
(3) Montrer que X admet une espérance et la calculer.
(4) On pose Y = 2X + 1.
(a) Déterminer la fonction de répartition de Y .
(b) Démontrer que Y est une variable aléatoire à densité, et déterminer la densité de Y .
(c) Reprendre les mêmes questions avec Y = X 2 .

Exercice 4.9 Lois binomiale et normale

On effectue un contrôle sur des pièces de 50 FCFA dont une proportion p = 0,05 est fausse, et sur des pièces de 100
FCFA dont une proportion p0 = 0,02 est fausse. Il y’a dans un lot 500 pièces dont 150 pièces de 50 FCFA et 350 pièces de
100 FCFA.
(1) On prend une pièce au hasard dans ce lot.
(a) Quelle est la probabilité qu’elle soit fausse ?
(b) Sachant que cette pièce est fausse, quelle est la probabilité qu’elle soit de 50 FCFA ?
(2) On contrôle à présent un lot de 1000 pièces de 50 FCFA. Soit X la variable aléatoire associé au nombre de pièces de
50 FCFA fausses parmi 1000.
(a) Quelle est la loi suivie par X ? Préciser ses paramètres.
(b) Calculer son espérance et son écart-type.
(3) On décide d’approcher cette loi par une loi normale.
(a) Préciser les paramètres de la loi normale.
(b) Calculer la probabilité pour que X soit comprise entre 48 et 52.
(c) Déterminer le réel a pour que P (50 − a ≤ X ≤ 50 + a) = 0,9.
On donne dans le tableau suivant un extrait de la table de la loi normale centrée réduite :

t 0,290 0,640 1,550 0,600 1,645

F(t) 0,614 0,738 0,939 0,945 0,950

40 © Institut Universitaire de la Côte 2022-2023