Chapitre I

Suites numériques

Suite roissante/dé roissante/monotone

Soit (un )n∈N une suite numérique.
La suite est dite roissante si, pour tout n ∈ N, un+1 > un .
La suite est dite dé roissante si, pour tout n ∈ N, un+1 6 un .
Une suite roissante ou dé roissante est dite monotone.
Suite majorée/minorée/bornée
Soit (un )n∈N une suite numérique.
La suite (un )n∈N est dite majorée s'il existe un réel M , appelé majorant, tel que, pour tout n ∈ N, un 6 M .
La suite (un )n∈N est dite minorée s'il existe un réel m, appelé minorant, tel que, pour tout n ∈ N, un > m.
La suite (un )n∈N est dite bornée si elle est majorée et minorée.
Théorème de la limite monotone
Toute suite roissante majorée (resp. dé roissante minorée) est onvergente.
Suites adja entes
Deux suites (un )n∈N et (vn )n∈N sont adja entes si
• la suite (un )n∈N est roissante ;
• la suite (vn )n∈N est dé roissante ;
• la suite (vn − un )n∈N onverge vers 0.
Deux suites adja entes sont onvergentes et ont la même limite.
Intervalle stable par une fon tion f
Un intervalle J est stable par f si f (J) ⊂ J , autrement dit si, pour tout x ∈ J , f (x) ∈ J .
Point xe d'une fon tion f
α est un point xe de f si f (α) = α.
Chapitre II
Matri es

Matri es qui ommutent

Deux matri es A et B ommutent si AB = BA.
Formule du binme de Newton
Si deux matri es A et B ommutent, alors, pour tout p ∈ N, on a :
p   p  
p k p−k X p
Ap−k B k .
X
(A + B)p = A B =
k k
k=0 k=0

Matri e inversible. Inverse d'une matri e

Une matri e A est inversible s'il existe une matri e B telle que
AB = BA = I .
La matri e B , notée A−1 , est l'inverse de A.
Par dénition, si A est une matri e inversible, on a AA−1 = A−1 A = I .
Chapitre III
Fon tions numériques

Théorème des valeurs intermédiaires

Soit f : [a, b] −→ R une fon tion ontinue. Pour tout γ ompris entre f (a) et f (b), il existe c ∈ [a, b] tel que
f (c) = γ .
Bije tion
Soient I, J deux intervalles de R et f : I −→ R une fon tion. On dit que f réalise une bije tion de I sur J si
f (I) = J et si tout élément de J possède un unique anté édent appartenant à I .
La fon tion ré iproque de f , notée f −1 , est à la fon tion qui, à tout élément de J , asso ie son unique anté édent
appartenant à I .
On a :
∀x ∈ I, ∀y ∈ J, x = f −1 (y) ⇐⇒ f (x) = y

Théorème de la bije tion

Soient I un intervalle de R et f : I −→ R une fon tion ontinue stri tement monotone.
Alors f réalise une bije tion de I sur J = f (I). De plus, la bije tion ré iproque f −1 : J −→ I est ontinue et
stri tement monotone, ave la même monotonie que f .
Inégalité des a roissements nis
Soit f une fon tion dérivable sur un intervalle I = [a, b], a < b. On suppose qu'il existe des réels m et M tels
que
∀x ∈ [a, b], m 6 f ′ (x) 6 M
Alors on a :
m(b − a) 6 f (b) − f (a) 6 M (b − a).

Inégalité des a roissements nis

Soit f une fon tion dérivable sur un intervalle I .On suppose qu'il existe k ∈ R∗+ tel que
∀x ∈ I, |f ′ (x)| 6 k

Alors on a :
∀a, b ∈ I, |f (b) − f (a)| 6 k|b − a|
Chapitre IV
Fon tions numériques

Série numérique, sommes partielle, onvergen e/divergen e

n
Soit (un )n∈N une suite de nombres réels. La série de terme général un est la suite (Sn )n∈N dénie par Sn = uk .
P
k=0
Pour toutPn ∈ N, un est le terme d'indi e n et Sn est la somme partielle d'indi e n.
La série un est onvergente (resp. divergente) si la suite (Sn )n∈N est onvergente (resp. divergente).
+∞
Si la série un est onvergente, on note S = un sa limite, somme de la série.
P P
n=0
Série géométrique. Séries géométriques dérivées
Soit q ∈ R ave |q| < 1. On a :
+∞ +∞ +∞
X
n 1 X
n−1 1 X 2
q = nq = n(n − 1)q n−2 =
n=0
1 − q n=1
(1 − q)2 n=2
(1 − q)3

Série exponentielle
Pour tout x ∈ R, on a
+∞ n
x
.
X
x
e =
n=0
n!
Chapitre V
Variables aléatoires dis rètes infinies

Espéran e d'une variable aléatoire dis rète innie

Soit X une variable aléatoire réelle dis rète innie ave X(Ω) = {xk ; k ∈ N}. Sous réserve de onvergen e,
l'espéran e de X est égale à
+∞
xk P(X = xk ).
X
E(X) =
k=0

Propriétés de l'espéran e et de la varian e

On a :
E(aX + b) = aE(X) + b E(aX + bY ) = aE(X) + bE(Y ) (linéarité)
et
V(aX + b) = a2 V(X)
Chapitre VI
Lois usuelles dis rètes infinies

Loi géométrique
Soit p ∈]0; 1[. Une variable aléatoire X suit la loi géométrique de paramètre p si X(Ω) = N∗ et
∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 = pq k−1
On note X ֒→ G(p).
La loi géométrique est la loi d'attente du premier su ès au ours d'une innité d'épreuves de Bernoulli indé-
pendantes et identiques.
On a :
1 q
E(X) = et V(X) =
p p2

Loi de Poisson
Soit λ ∈ R∗+ . Une variable aléatoire X suit la loi de Poisson de paramètre λ si X(Ω) = N et
λk
∀k ∈ N, P(X = k) = e−λ
k!
On note X ֒→ P(λ).
On a :
E(X) = λ et V(X) = λ.
Chapitre VII
Intégrales impropres

Intégrale impropre onvergente/divergente

Soit f une fon tion dénie et ontinue (ou ontinue par mor eaux) sur I = [a, +∞[. On dit que l'intégrale de f
sur [a, +∞[ est onvergente si la fon tion F dénie sur [a, +∞[ par
Z x
F (x) = f (t)dt
a

admet une limite quand x tend versZ+∞.

+∞ Z +∞
Si elle existe, ette limite est notée f (t)dt ; on dit que l'intégrale f (t)dt est onvergente.
a Z +∞ a

Si ette limite n'existe pas ou est innie, l'intégrale f (t)dt est divergente.
a
Si l'intégrale ne onverge pas, elle est divergente.
Chapitre VIII
Variables aléatoires réelles à densité

Densité de probabilité
Une variable aléatoire réelle X admet une densité f si sa fon tion de répartition F s'é rit sous la forme
Z x
F (x) = f (t)dt
−∞

où f est une fon tion à valeurs réelles positives, ayant un nombre ni de points de dis ontinuité et telle que
Z +∞
f (t)dt = 1.
−∞

On dit alors que X est une variable aléatoire réelle à densité.

Cara térisation d'une densité de probabilité
Soit f : R −→ R une fon tion telle que :
• f (x) > 0 pour tout x ∈ R ;
• f est ontinue
Z sur R, sauf éventuellement en
Z un nombre ni de points ;
+∞ +∞
• l'intégrale f (t)dt est onvergente et f (t)dt = 1.
−∞ −∞
Alors f est la densité de probabilité d'une variable aléatoire.
Espéran e d'une variable aléatoire à densité
Soit X une variable aléatoire réelle de densité fX . Sous réserve de onvergen e, l'espéran e de X est égale à
Z +∞
E(X) = tfX (t)dt.
−∞
Chapitre IX
Lois usuelles

Loi uniforme
Une variable aléatoire réelle X suit la loi uniforme sur [a, b] si X a pour densité la fon tion f dénie par
( 1
si x ∈ [a, b]
f (x) = b−a
0 sinon
On note X ֒→ U([a, b]).
La fon tion de répartition F est donnée par :
si x < a

 0
 x− a
F (x) = si x ∈ [a; b]
 b−a
1 si x > b


De plus, on a :
b+a (b − a)2
E(X) = et V(X) =
2 12
Loi exponentielle
Soit λ ∈ R∗+ . Une variable aléatoire réelle X suit la loi exponentielle de paramètre λ, si X a pour densité la
fon tion f dénie par
si x > 0

λe−λx
f (x) =
0 si x < 0
On note X ֒→ E(λ).
La fon tion de répartition F est donnée par :
si x > 0

1 − e−λx
F (x) =
0 si x < 0
De plus, on a :
1 1
E(X) = et V(X) =
λ λ2
Loi normale entrée réduite
Une variable aléatoire réelle X suit la loi normale entrée réduite si X a pour densité la fon tion ϕ dénie par
 2
1 x
∀x ∈ R, ϕ(x) = √ exp −
2π 2
On note X ֒→ N (0, 1).
On note Φ la fon tion de répartition de X .

Φ(x)

x
Lois usuelles 10

De plus, on a :
E(X) = 0 et V(X) = 1

Propriété de la loi normale entrée réduite

Pour tout x ∈ R, on a
Φ(−x) = 1 − Φ(x)

Lien entre la loi
normale et la loi normale entrée réduite

X −µ
Si X ֒→ N µ, σ2 , alors X ∗ = ֒→ N (0, 1).
σ
Chapitre X
Convergen e et aproximations

Inégalité de Bienaymé-T heby hev

Soit X une variable aléatoire réelle.
Pour tout ε > 0, on a
V(X)
P(|X − E(X)| > ε) 6 .
ε2
Approximation de la loi binomiale par la loi de Poisson
La loi binomiale B(n, p) peut être appro hée par la loi de Poisson P(np) si
n > 30, p 6 0,1, et np < 15.

Approximation de la loi binomiale par la loi normale

La loi binomiale B(n, p) peut être appro hée par la loi normale N (np, np(1 − p)) si
n > 30, np > 15 et np(1 − p) > 5.