Math

SECTEUR
Génie Civil
QUALIFICATION
Chef d’équipe TP (Canalisation, Génie Civil,

VRD et terrassement)
GUIDE DE SOUTIEN
MODULE : 2
Mathématiques appliquées au GC
Technicien Spécialisé en Génie Civil 1/142

École EMBTP de SETTAT GS-Module 2
EQUIPE DE PRODUCTION
Le présent document a été réalisé avec la collaboration des personnes suivantes :
Coordination :
- Gilles PARIS Directeur Délégué à l’enseignement à l’EATP
- El Mostapha CHIHANI Directeur Pôle Hydraulique à CID
- Mokhtar ANNAKI Consultant en Formation (Méthodologue)
Animation et rédaction du rapport :

- Gilles PARIS Directeur Délégué à l’enseignement à l’EATP
- Abdelhay BENADDI Ingénieur Génie Civil, Principal, Pôle Hydraulique, CID
- Ghaffouli Houria Ingénieur Géologue, Principal, Pôle Hydraulique, CID
- Reda Bensaid Ingénieur ENPC, Spécialiste en structures, Pôle Hydraulique, CID
- Rachid Essahli Ingénieur Génie Civil, Spécialiste organisation et management qualité, Pôle
Hydraulique, CID
- Mokhtar ANNAKI Consultant en Formation (Méthodologue)

TABLE DES MATIERES
PAGE
INTRODUCTION……………………………………………………………………….…………………………………...…….. 4
1. TABLEAU SYNTHESE DU PROGRAMME DE FORMATION……………………………………………………………..……… 5
2. PROGRAMME DE FORMATION DU MODULE…………………………………………………………………..……………… 6
3. GUIDE PEDAGOGIQUE DU MODULE ……………………………………………….………………………………………… 8
4. FONCTION, REFERENTS ET STRUCTURE DU PLAN DE MODULE…………………………….………………...................... 10
5. PLAN DE MODULE ……………………………………………………………………………………..………………….…. 11
6. INFORMATION RELATIVE A LA CONCEPTION ET A L’INTERPRETATION DE LA PLANIFICATION GLOBALE D’UN MODULE … 13
7. PLANIFICATION GLOBALE DU MODULE …………………………………………………………………………………… 15
8. DESCRIPTION DES ACTIVITES D’ENTRAINEMENT ET DE TRANSFERT SELON LA PLANIFICATION GLOBALE DU MODULE … 16
9. SECTION DES NOTES TECHNIQUES ET DES MOYENS MEDIA…………………………….………………………………… 18

INTRODUCTION
Le programme de formation énonce par un objectif opérationnel chacune des compétences à développer chez le stagiaire.
La planification pédagogique s’effectue suivant les paramètres de chaque objectif opérationnel : les conditions d’évaluation,
les critères généraux de performance, les précisions sur le comportement attendu et les critères particuliers de
performance. Lors de la planification pédagogique, le formateur peut aussi référer à l’analyse de situation de travail pour
vérifier les attentes des employeurs dans la fonction de travail que le lauréat occupera à la fin de sa formation.
La planification pédagogique repose sur la mise en œuvre d’une pédagogie active centrée sur l’acquisition des
compétences par le stagiaire. Pour traduire les objectifs opérationnels en activités d’apprentissage significatives et
représentatives des savoir faire exigés du monde du travail, le formateur planifie un environnement éducatif qui situe le
stagiaire au cœur de l’acte d’apprendre lui permettant de traiter de façon efficace l’information, de développer de nouveaux
comportements et ainsi construire ses compétences.
La planification pédagogique permet d’anticiper et de préparer la situation d’enseignement en fonction des objectifs, des
contenus et des critères d’évaluation du programme de formation d’une part et, d’autre part, en prenant en compte les
phases d’acquisition d’une compétence et les différentes façons d’apprendre des apprenants.
Le Guide de soutien pour le module « Mathématiques appliquées au GC » du programme de formation « Technicien
spécialisé en Génie Civil » propose une démarche d’organisation de l’enseignement. Ce module de compétence
spécifique est d’une durée de 90 heures dont 5 heures doivent être consacrées à l’évaluation à la fin du module.
Les ressources éducatives sont organisées selon le plan de module qui permet d’associer les ressources aux préalables et
précisions sur le comportement figurant au niveau de la compétence dans le programme de formation et le guide
pédagogique. Le Guide de soutien comprend l’ensemble des ressources utilisables dans un parcours de formation pour
aider le stagiaire dans ses apprentissages dans un contexte d’approche par compétences et pour faciliter l’action du
formateur. Les ressources sont les suivantes :
1. Le tableau synthèse des modules du programme de formation
2. Le module tel que prescrit au « Programme de formation»
3. Le module tel que suggéré au « Guide pédagogique »
4. La fonction, les référents et la structure du plan de module
5. Le plan du module
6. L’information relative à la conception et à l’interprétation de la planification globale d’un module
7. La planification globale du module
8. La description des activités d’entraînement et de transfert selon la planification globale
9. La section des notes techniques et des moyens media
Le « Tableau synthèse du programme de formation», le « Module du programme de formation » ainsi que le « Module du
guide pédagogique » sont d’abord fournis pour rappeler, aux utilisateurs de ce guide, les paramètres et permettre la juste
interprétation de la planification suggérée. On trouvera ensuite une explication particulière pour le Plan de module et pour la
Planification globale du module.

1. TABLEAU DE SYNTHESE DU PROGRAMME DE FORMATION
Titre du programme : Technicien Spécialisé en Génie Civil (TS-GC)

Nombre de modules : 23
Durée en heures : 1855
Code du programme : TS-GC
DUREE
CODE N° TITRE DU MODULE
(heures)
GC-CFP 1. Connaissance de la profession et de la formation 30
GC -MAT 2. Mathématiques appliquées au GC 90
Les Technologies d’Information et de Communication à
GC -INF 3. 75
usage professionnel (TIC)
Les Techniques d’Expression et de Communication
GC -COM 4. 60
(TEC)
GC-ANG 5. Anglais Professionnel 60
GC -EGE 6. Economie et gestion d’entreprise 30
Prévention des risques et protection de
GC -PRE 7. 45
l’environnement
GC-TOP 8. Topographie de base 30
GC -DMDO 9. Dessins, métrés et devis d’ouvrages 90
Techniques d’approvisionnement en matériaux,
GC-AM 10. 30
matériels et équipements
GC -MC 11. Les matériaux de construction 90
Les technologies de fabrication et de mise en œuvre
GC -FMB 12. 30
des bétons
GC-GG 13. Géologie et Géotechnique 90
GC-HA 14. L’hydraulique appliquée au GC 60
GC - RDM 15. Résistance Des Matériaux (RDM) 120
GC - CBA 16. Calcul des ouvrages en BA 60
GC-PC 17. Planification d’un chantier de BTP 30
GC-CC 18. Conduite d’un chantier de BTP 60
TC-BAT 19. Techniques d’études et de réalisation d’un bâtiment 180
Techniques d’études et de réalisation des routes et
GC-TRO 20. 180
ouvrages d’art
GC-VRD 21. Techniques d’études et de réalisation des VRD 180
GC -PFE 22. Projet de fin d’études 220
GC -TRE 23. Techniques de recherche d’emplois 15
Total 23 1855

2. PROGRAMME DE FORMATION DU MODULE
MODULE ME 2 : MATHEMATIQUES APPLIQUEES AU GENIE CIVIL
Code : GC-MAT Durée : 90 Heures
OBJECTIF OPERATIONNEL
COMPORTEMENT ATTENDU
Pour démontrer sa compétence, le stagiaire doit résoudre des problèmes de mathématiques appliquées au génie-civil selon
les conditions, les critères et les précisions qui suivent.
CONDITIONS D’EVALUATION
- Seul
- En salle
- Fiches techniques des engins objets des applications mathématiques visées
- Fiches techniques des structures objets des applications mathématiques visées
- Documents et manuels autorisés
CRITÈRES GÉNÉRAUX DE PERFORMANCE
Les critères généraux de performance consistent en la maîtrise des :
- Etudes des fonctions classiques
- Calculs algébriques
- Résolutions des systèmes linéaires
- Opérations de dérivation, de différentiation et d’intégration
- Statistiques appliquées
- Applications aux GC

PRÉCISIONS SUR LE COMPORTEMENT ATTENDU CRITÈRES PARTICULIERS DE ERFORMANCE

A. Etudier les fonctions réelles
 Etudier les variations des fonctions classiques (dérivées,  Les études des fonctions réelles et leurs applications aux GC
variations, limites) sont maîtrisées
 Décrire les fonctions multi variables appliquées à la mécanique
B. Maîtriser le calcul des primitives et des intégrales
 Maitriser les formules de primitives des fonctions usuelles
(polynômes, exponentielles, logarithmiques, trigonométriques,
 Les méthodes de calculs des primitives et des intégrales ainsi
composées de fonctions)
que leurs applications sont maîtrisées
 Maîtriser les bases du calcul intégral et de l’intégration par
parties
 Appliquer le calcul intégral au GC sur des exemples simples
C. Etudier les équations différentielles
 Les études des équations différentielles et leurs applications aux
 Maitriser les équations différentielles linéaires d’ordre 1 et 2
GC sont maîtrisées
 Maitriser les bases du calcul complexe
D. Réaliser des calculs algébriques courants
 Maîtriser le calcul vectoriel de base (vecteur, opérations sur les
 Les calculs algébriques courants sont maîtrisés et correctement
vecteurs)
réalisés
 Calculer la somme, le produit, des matrices.
 Résoudre des systèmes linéaires.
E. Maîtriser les statistiques appliquées et le calcul de
probabilités
 Maitriser les statistiques descriptives à une et à deux variables
 Les statistiques appliquées sont maîtrisées et leurs utilisations
 Maîtriser les méthodes d’ajustements
sur des exemples de GC sont pertinentes
 Effectuer des calculs d'incertitude
 Maitriser les lois de probabilités et leurs applications
 Aborder l’estimation, l’échantillonnage et leurs applications

3. GUIDE PEDAGOGIQUE DU MODULE
MODULE ME 2 : MATHEMATIQUES APPLIQUEES AU GENIE CIVIL
Code : GC-MAT Durée : 90 Heures
COMPETENCE
Résoudre des problèmes de mathématiques liés au génie civil.
PRESENTATION
Ce module de compétence transversale est un préalable à l’acquisition des compétences techniques de la filière. Il doit de ce
fait être dispensé conformément au logigramme de la filière.
Ce module permet au stagiaire étudier les fonctions réelles, les bases du calcul complexe, d’apprendre le calcul des
primitives et des intégrales, de réaliser des calculs algébriques courants et d’acquérir les principes et les applications des
statistiques. Les contenus de ce module sont destinés à faciliter l’acquisition des modules techniques et technologique de la
filière TS-GC.
CONTEXTE DE REALISATION
- Salle de classe
- Toute la promotion
- Moyens Multimédia (Micro ordinateurs, Projecteur, Internet, intranet)
- Logiciels spécifiques recommandés par le formateur
- TD et exercices d’application
- Calculatrices graphiques
REFERENCES
- Module 2.
- Guide de soutien.
- Manuel

PRECISION ET PREALABLES ELEMENTS DE CONTENU
A. Avant d’étudier les fonctions réelles le stagiaire doit :

1. Connaître la notion de fonction - Etudes de fonctions (chapitres 2 et 3)
2. Maitriser le nombre dérivé - Généralités sur les fonctions
3. Savoir utiliser les techniques de calculs algébriques - Notions de limites
simples - Dérivées
B. Avant de maîtriser le calcul des primitives et des
intégrales, le stagiaire doit :
4. Maitriser les dérivées
- Calculs intégrales (chapitre 4)
5. Savoir mener une étude de fonctions
C. Avant d’étudier les équations différentielles, le stagiaire
doit :
6. Maitriser les dérivées et le calcul d’intégrales
- Equations différentielles (chapitre 5)
7. Savoir résoudre des les dérivées et le calcul d’intégrales
D. Avant de réaliser des calculs algébriques courants, le
stagiaire doit :
8. Savoir résoudre des équations linéaires simples - Matrices (chapitre 6)
E. Avant de maîtriser les statistiques appliquées et le
calcul de probabilités, le stagiaire doit :
9. Connaître les notions de statistiques descriptives - Statistiques descriptives (chapitre 7)
10. Maitriser la fonction exponentielle - Dénombrement (chapitre 8)
11. Maitriser le calcul d’intégrales - Variables aléatoires (chapitre 9)
12. Avoir quelques notions de dénombrement - Estimations (chapitre 10)

4. FONCTION, REFERENTS ET STRUCTURE DU PLAN DE MODULE
FONCTION
Le plan de module a pour fonction de clarifier le projet d’enseignement et de le transmettre dans une forme communicable
tout d’abord aux membres de la direction du centre. Il est aussi présenté aux apprenants lors de la première séance de
formation afin de les informer des objectifs visés et des éléments contenus, et leur donner une vue d’ensemble des activités
et des éléments de contenu marquant le déroulement de l’enseignement du module .
Le plan de module s’avère également fort utile au formateur, d’abord pour clarifier son approche et se donner un outil de
référence en cours d’enseignement, ensuite pour rationaliser son travail de planification en vue des prestations ultérieures :
ayant déjà déterminé les stratégies, les moyens, le matériel et les équipements nécessaires, il lui sera plus facile d’aborder
l’enseignement du module et ce à plusieurs groupes. Le plan de module peut aussi fournir au conseiller à la pédagogie,
aux collègues, au personnel formateur suppléant, aux membres de la direction et aux employeurs des informations sur le
module.
REFERENTS
Le plan de module s’appuie principalement sur les données fournies dans le programme de formation et le guide
pédagogique. Le programme de formation est un document prescriptif et aucune donnée dans ce document ne peut être
modifiée alors que les données du guide pédagogique sont fournies en tant qu’appui et peuvent être enrichies tout au long
de son utilisation.
STRUCTURE
De manière générale, le plan de module présente deux parties :
- une première partie dédiée aux renseignements généraux relatifs au module, tels que l’identification du module, le numéro
du module, le code et la durée de module, la compétence visée, les critères généraux ainsi que l’identification des modules
préalables. Un schéma est présenté ci-après.
- une seconde partie regroupe les conditions spécifiques au déroulement de l’enseignement du module : Savoirs préalables
et précisions sur le comportement, éléments de contenus, activités d’enseignement et d’apprentissage ainsi que les thèmes
que le formateur identifie comme étant importants et qui sont retenus en termes d’évaluation formative. Une information
sommaire concernant l’évaluation de certification du module est inscrite à la fin du plan de module.
Le plan pour le présent module est présenté comme suit :

5. PLAN DU MODULE
NO ET TITRE DU MODULE : Module 2. Mathématiques appliquées au génie civil

CODE : GC-MAT DURÉE : 90 heures
COMPÉTENCE VISÉE : Résoudre des problèmes de mathématiques liés au GC CRITÈRES GÉNÉRAUX : Résoudre les problèmes professionnels simples
MODULES PRÉALABLES : néant
TYPE DE COMPÉTENCE : Générales scientifiques
MODULES PARALLÈLES : néant
SAVOIRS PRÉALABLES ET PRÉCISIONS ÉLÉMENTS DE CONTENU ACTIVITÉS EVALUATION FORMATIVE

1. Connaître la notion de fonction - Etudes de fonctions (chapitres 2 et 3) - Exercices et problèmes dirigés
2. Maitriser le nombre dérivé - Généralités sur les fonctions - Exercices et problèmes dirigés
3. Savoir utiliser les techniques de calculs - Notions de limites
- Dérivées - Exercices et problèmes dirigés
algébriques simples
Contrôle de la réalisation de la qualité de l’activité
A. Etudier les fonctions réelles - Réaliser l’activité d’entraînement E2
d’entrainement E2
4. Maitriser les dérivées - Exercices et problèmes dirigés
- Calculs intégrales (chapitre 4)
5. Savoir mener une étude de fonctions - Exercices et problèmes dirigés
B. Maîtriser le calcul des primitives et des Contrôle de la réalisation de la qualité de l’activité
- Réaliser l’activité d’entraînement E4
intégrales d’entrainement E4
6. Maitriser les dérivées et le calcul
- Exercices et problèmes dirigés
d’intégrales
- Equations différentielles (chapitre 5)
7. Savoir résoudre des systèmes - Exercices et problèmes dirigés et travaux
d’équations linéaires simples pratiques sur des cas physiques
Contrôle de la réalisation de la qualité de l’activité
C. Etudier les équations différentielles - Réaliser l’activité d’entraînement E6
d’entrainement E6
8. Savoir résoudre des équations linéaires
- Matrices (chapitre 6) - Exercices et problèmes dirigés
simples
D. Réaliser des calculs algébriques Contrôle de la réalisation de la qualité de l’activité
courants d’entrainement E8

SAVOIRS PRÉALABLES ET PRÉCISIONS ÉLÉMENTS DE CONTENU ACTIVITÉS EVALUATION FORMATIVE
9. Connaître les notions de statistiques
descriptives - Statistiques descriptives (chapitre 7)
10. Maitriser la fonction exponentielle - Dénombrement (chapitre 8) - Exercices et problèmes dirigés
11. Maitriser le calcul d’intégrales - Variables aléatoires (chapitre 9) - Exercices et problèmes dirigés
12. Avoir quelques notions de - Estimations (chapitre 10)
dénombrement
E. Maîtriser les statistiques appliquées et Contrôle de la réalisation de la qualité de l’activité
le calcul de probabilités d’entrainement E10
INFORMATION SUR L’EVALUATION DE FIN DE MODULE :

La tâche consiste à mettre les stagiaires dans des situations de contrôle écrit individuel portant sur l’ensemble du module
Il leur sera demandé :
- D’analyser et de rechercher des informations dans des documents techniques (manuels, brochures) pour répondre aux questions posé
- De répondre à des questions sur des connaissances techniques acquises lors de la dispense du module considéré
- De remettre un document soigné et claire

6. INFORMATION RELATIVE A LA CONCEPTION ET A L’INTERPRETATION DE LA PLANIFICATION GLOBALE D’UN MODULE
Compte tenu des caractéristiques mêmes de la compétence, les activités d’apprentissage proposées aux stagiaires dans le
plan de module doivent être fondées sur la pratique du métier et sur la création de produits ou la prestation de services
concrets semblables à ceux qu’ils seront appelés à réaliser à leur entrée sur le marché du travail. Ces activités
d’apprentissage doivent intégrer toutes les dimensions de la compétence (savoirs, savoir faire et savoir être) ; c’est donc
dire que l’on doit analyser chaque activité proposée pour s’assurer qu’elle intègre bien ces dimensions et que leur
ordonnancement permet une progression des apprentissages conduisant à la maîtrise de la compétence visée.
Il faut donc, lorsqu’on aborde la planification d’un module, se représenter ce que l’on veut ultimement faire réaliser aux
apprenants en se posant cette question : « Comment cette activité d’intégration entraînement traduit-elle de façon réaliste et
authentique les exigences de la compétence ? ». « Quels éléments de contenu sont essentiels à la réalisation de l’activité
d’entraînement prévue ? » Toutes ces donnés peuvent être regroupées dans un tableau qui donne une vision globale des
activités de base (éléments de contenu et exercices) et activités d’entraînement (tâche partielle, globale ou de transfert qui
vise la pratique de la compétence visée).
Dans la façon de planifier globalement l’enseignement d’un module, le formateur doit être familier avec l’un des facteurs qui
présente un impact sur le choix des activités, soit les phases d’acquisition d’une compétence.
On distingue cinq phases successives d’acquisition d’une compétence : l’exploration, l’apprentissage de base, l’intégration-
entraînement, le transfert des apprentissages et L’enrichissement. Les phases de l’apprentissage de base, de
l’intégration entraînement et du « transfert » sont centrales et elles sont directement prises en compte lors de l’organisation
de l’enseignement. Cependant les phases Exploration et enrichissement ne doivent pas être négligées dans le cadre de
l’organisation de l’enseignement par le formateur. Dans les énoncés qui suivent chacune des phases est commentée et
leur importance précisée.
1. La phase dite « Exploration » consiste pour le formateur à présenter l’objectif d’apprentissage au stagiaire et à
échanger avec lui sur cet objectif afin qu’il en saisisse toute la portée. Dans cette même phase le formateur doit faire une
présentation sommaire de la stratégie qui sera poursuivie et enfin il devra organiser des activités pédagogiques qui
permettent aux apprenants un rappel des connaissances antérieures nécessaires aux apprentissages à venir. Cette phase
d’introduction permet au stagiaire de saisir l’importance et la pertinence de ce qu’il devra apprendre, de se motiver et de
stimuler son intérêt, de se sentir responsable de ses apprentissages, de faire des liens entre les compétences du
programme de formation et celle qu’il est en train de développer et d’activer les connaissances et les expériences qu’il a
déjà en mémoire au regard de ce qui lui est proposé.
2. La phase « Apprentissage de base » permet l’acquisition des connaissances, des habiletés motrices, des attitudes et
des perceptions qui vont permettre au stagiaire de réaliser adéquatement la tâche. Elle inclut le traitement des notions et
l’assimilation des connaissances de base et l’organisation de l’enseignement dans des séquences logiques. Au cours de
cette phase, le stagiaire encode et organise l’information, met souvent dans ses propres mots l’information reçue et fait des
liens avec ce qu’il sait déjà.
3. L’« Intégration – Entraînement » constitue la troisième phase du processus. Cette phase vise l’intégration des
apprentissages de base aux étapes de réalisation d’une tâche partielle ou complète dans un entraînement progressif, c’est-
à-dire de la tâche la plus simple à la plus complexe correspondant aux performances déterminées. Au cours de cette
phase, le formateur favorise la pratique supervisée et l’autoévaluation des résultats. Cette phase a l’avantage de faire
acquérir au stagiaire de l’assurance par l’amélioration de la pratique des tâches. Elle permet au stagiaire d’exécuter les
tâches partielles ou complètes sans erreurs et d’intégrer les contenus liés à la compétence.
4. La quatrième phase « Transfert des apprentissages » devrait préparer le stagiaire à mobiliser ses savoirs, savoir
faire et savoir être dans d’autres situations que celles dans lesquelles il a développé ses compétences. En effet, mobiliser
ses compétences dans des situations complètement différentes l’une de l’autre n’est pas un phénomène spontané ou
automatique. Dans un premier temps, le savoir nouvellement acquis est associé au contexte qui est familier au stagiaire.

Cette phase exige du formateur d’avoir la préoccupation de varier les contextes de réalisation d’une tâche et de veiller à la
démonstration d’une autonomie d’exécution par le stagiaire placé dans le nouveau contexte.

5. La phase « Enrichissement » permet à l’apprenant d’aller plus loin que ne l’indique le programme de formation. Au
cours de cette phase, le stagiaire peut approfondir la compétence développée, acquérir une plus grande autonomie et
développer le goût d’aller plus loin. Au cours de cette phase, le formateur doit prévoir des activités qui favorisent cet
enrichissement et ajoutent de la valeur à ce que le stagiaire a déjà acquis.
La planification globale d’un module présente, sous forme de tableau, une vision synthèse des activités devant être
conduites par le formateur afin que ce dernier assure au stagiaire des activités permettant l’intégration de l’ensemble du
processus d’acquisition de la compétence visée. Ainsi il est essentiel que les phases d’acquisition 2, 3 et 4 d’une
compétence soient respectées dans le choix des activités et des stratégies utilisées tout au long du module. Cette façon de
faire vise à intégrer le plus tôt possible dans le module l’ensemble des précisions sur le comportement, tout d’abord dans
des activités simples mais qui deviennent de plus en plus complexes au fur et à mesure du déroulement du module.
Voici des précisions sur les types d’activités apparaissant dans le tableau de planification et les symboles utilisés.
Types d’activités Symboles
Activité d’apprentissage de base en rapport avec les notions théoriques supportée par des exercices
A
d’application.
Activité d’entraînement se rapporte à un, plusieurs ou à l’ensemble des objets de formation et doit
E
être effectuée dans le cadre d’une tâche représentative du métier et encadrée par le formateur.
Activité de transfert se rapporte, le plus souvent, à tous les objets de formation du module de
T
formation, doit être représentative du métier et réalisée de façon autonome par le stagiaire.
Evaluation est une activité autonome pendant laquelle le stagiaire est évalué à la fin de chacun des
V
modules.
Dans le tableau de planification du présent module, on y retrouve :

Activités d’apprentissage de base qui totalisent 31 heures de notions théoriques et symbolisées par ▲. Ces
12
activités peuvent être accompagnées d’exercices relatifs à chacune des nouvelles notions.
Activités d’entraînement qui totalisent 54 heures constituées de tâches représentatives du métier et symbolisées
5
par.
Activités de transfert dont les durées sont incluses dans les temps des activités d’entrainement constituées de
5
tâches représentatives du métier et symbolisées par √.
Évaluation de fin de module d’une durée de 5 heures et symbolisée par ■. Cette activité est décrite dans le guide
1
d’évaluation du programme de formation.

7. PLANIFICATION GLOBALE DU MODULE
Comportement attendu : Activités liées aux phases d’acquisition d’une compétence :

Résoudre des problèmes de mathématiques liés au génie civil A = Apprentissage de base E = Entraînement T = Transfert V = Évaluation de fin de module
Types d’activités A E A E A E A E A E T V
Objets de formation
No de l’activité 1 2 3 4 5 6 7 8 9 10
1. Connaître la notion de fonction ▲
2. Maitriser le nombre dérivé ▲
3. Savoir utiliser les techniques de calculs algébriques
▲
simples
A. Etudier les fonctions réelles   ■
4. Maitriser les dérivées ▲
5. Savoir mener une étude de fonctions ▲
B. Maîtriser le calcul des primitives et des intégrales   ■
6. Maitriser les dérivées et le calcul d’intégrales ▲
7. Savoir résoudre des systèmes d’équations linéaires
▲
simples
C. Etudier les équations différentielles   ■
8. Savoir résoudre des équations linéaires simples ▲
D. Réaliser des calculs algébriques courants   ■
9. Connaître les notions de statistiques descriptives ▲
10. Maitriser la fonction exponentielle ▲
11. Maitriser le calcul d’intégrales ▲
12. Avoir quelques notions de dénombrement ▲
E. Maîtriser les statistiques appliquées et le calcul de
  ■
probabilités
Durée de chaque activité dont l’ensemble
5H 8H 7H 14H 5H 10H 6H 8H 8H 14H 5H
doit totaliser 90 heures

8. DESCRIPTION DES ACTIVITES D’ENTRAINEMENT ET DE TRANSFERT SELON LA PLANIFICATION GLOBALE DU MODULE
Les activités d’entraînement sont définies selon l’analyse du module présentée dans le tableau précédent « Planification
globale ».
Pour les tâches d’entraînement planifiées dans le cadre de ce module, une brève description précise les objets de
formation, le matériel requis, la tâche ainsi que les étapes de déroulement.
Pour l’activité de transfert, la tâche est brièvement décrite au stagiaire car ce dernier doit être capable d’en définir les étapes
et d’organiser le travail à effectuer de façon autonome. Cette activité prépare le stagiaire à l’évaluation de la compétence
visée.
ACTIVITE D’ENTRAÎNEMENT N°2
Durée de l’activité : 8Heures
Précisions sur le comportement attendu (objets de formation)

L’activité vise à :
A. Etudier les fonctions réelles
Matériel requis :
- Calculatrice + ordinateur avec logiciel mathématiques
Description de l’activité :
La tâche consiste à :
- Connaître la notion de fonction
- Maitriser le nombre dérivé
- Savoir utiliser les techniques de calculs algébriques simples
Étapes de déroulement :
- Exercices de découverte
- Exercices d’application du cours
- Exercices de transferts
- Sujets types Examens
- Exercices d’approfondissement.
Durée de l’activité : 14 Heures

B. Maîtriser le calcul des primitives et des intégrales
Matériel requis :
- Maitriser les dérivées
- Savoir mener une étude de fonctions

- Exercices d’approfondissement

C. Etudier les équations différentielles
Matériel requis :
- calculatrice + ordinateur avec logiciel mathématiques
- Maitriser les dérivées et le calcul d’intégrales
- Savoir résoudre des systèmes d’équations linéaires simples

D. Réaliser des calculs algébriques courants
Matériel requis :
- Savoir résoudre des équations linéaires simples

E. Maîtriser les statistiques appliquées et le calcul de probabilités
Matériel requis :
- Connaître les notions de statistiques descriptives
- Maitriser la fonction exponentielle
- Maitriser le calcul d’intégrales
- Avoir quelques notions de dénombrement
- Exercices d’approfondissement
9. SECTION DES NOTES TECHNIQUES ET DES MOYENS MEDIA
Pour les éléments de contenu, des notes techniques sont fournies et des moyens multimédia identifiés et présentés dans
cette section selon l’ordre établi dans le plan du module.
Egalement, chacune des sections des notes techniques et moyens multimédia est identifiée au plan de module, aux
préalables et/ou à la précision sur le comportement.
Les notes de cours annexées à ce guide fournissent les précisions utiles pour les différents supports
Objets de formation
Le recueil des cours de ce module est joint en annexe.

SOMMAIRE
PAGE
OBJET DE FORMATION A : Etudier les fonctions réelles ……………………………………………………………………… 20
OBJET DE FORMATION B : Maîtriser le calcul des primitives et des intégrales ……………...………………..................... 51
OBJET DE FORMATION C : Etudier les équations différentielles …………………………………………………………….. 65
OBJET DE FORMATION D : Réaliser des calculs algébriques courants …………………………………………………… 77
OBJET DE FORMATION E : Maîtriser les statistiques appliquées et le calcul de probabilités …………………………… 81

OBJET DE FORMATION A : ETUDIER LES FONCTIONS REELLES
ACTIVITE A1
Chapitre 2
Généralités sur les fonctions - Notion de limites
I. Fonctions usuelles
1. Fonctions en escalier
Définition 1
Une fonction en escalier est une fonction constante par intervalles
Exemple 1
La fonction définie sur [-8 ; +[ par f x =
{  si    x   ;  si   x   ;  si   x   ;  si   xest une fonction en escalier.
2. Fonctions affines
Définition 2
Soient a et b sont deux réels donnés. La fonction définie sur  par f x  ax  b est appelée
fonction affine. Sa représentation graphique est la droite d’équation y  ax  b, où :
- le réel a est le coefficient directeur de cette droite.
- le réel b est l’ordonnée à l’origine.
Une fonction affine est dérivable sur  de dérivée f ‘x  a.

Exemple 2
Le graphique ci-contre représente les droites d’équation :
d : y  x  
d : y   d d 4
d
d : y  x 
d : x   3
d
d : y  Error!x  
2
1
d
0
-4 -3 -2 -1 0 1 2 3 4
-1
-2
-3
-4

3. Fonction logarithme
Définition 3
La fonction logarithme népérien, notée ln, est la fonction définie pour tout x ∈ ]0 ; +[, telle
que ln   et sa dérivée est la fonction inverse.
Si f x  ln x alors f ‘x  Error!.
Propriété 1
Soient a et b deux réels strictement positifs et n est un entier naturel, alors :
- ln ab  ln a  lnb
- ln Error!   ln a
- ln Error!  ln a – ln b
- ln an  n ln a
- ln  a  Error! ln a
- ln e
En résumé, le logarithme népérien a la particularité de transformer les produits en sommes, les quotients
en différences et les puissances en multiplications.
Tableau de variations et courbe
3
x 0 +
2
1
y  lnx
0
-1 0 1 2 3 4 5 6 7 8 9
-1
-2
-3
-4
-5

Définition 4
Soit a un réel strictement positif différent de . On définit la fonction « logarithme de base
a»:
loga x  Error!
Si a  , on l’appelle fonction logarithme décimal et on la note log.
4. Fonction exponentielle
Définition 5
La fonction exponentielle, est la fonction définie sur  par f x  ex, où ex étant l’unique
nombre réel positif telle que ln ex  x.
Remarque 1
La fonction exponentielle est la fonction réciproque de la fonction logarithme, ce qui signifie que
graphiquement, les courbes sont symétriques par rapport à la première bissectrice (y  x) dans un repère
orthonormal.
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
-2
-3
-4
-5

Conséquences
- exp x  
- exp   e  e ≈ ,
- ln ex  x
- e ln x  x pour x  
Propriété 2
Soient a et b deux réels et n est un entier relatif, alors :
- ea  b  ea  eb
- Error!  ea
- Error!  eab
- ean  ean
En résumé l’exponentielle à la particularité de transformer les sommes en produits, les différences en

quotients et les multiplications en puissances. (Inversement au logarithme !)
Propriété 3
La fonction exponentielle est dérivable sur  de dérivée ex’  ex
Tableau de variations et courbe

6
x - +
5

4
expx
0
-5 -4 -3 -2 -1 0 1 2 3
-1

5. Fonction puissance
Définition 6
Soit  un nombre réel, la fonction puissance (d’exposant) , notée f , est la fonction qui, à
tout nombre x ∈ ; associe
f x  x  eln x
Exemple 3
Pour  Error! , on a f / x  x/  e/ln x  Error!
Propriété 4
Pour tout , la fonction f est dérivable sur ; de dérivée f ’ x  x 
Tableau de variation et courbe (pour  = 0, la fonction est constante égale à 1 sur ;)
<0 >0
x 0 + x 0 +
f f
y  x2 
y  x , y  x
y  x  y  x0,5
y  x 

II. Notion de limites
1. Interprétation graphique
• Limite en un point
lim; f x  
3
x  
        
2
Il n'y a pas d'asymptote.
A 1
-4 -3 -2 -1 0 1 2 3 4
lim; f x   
6
x  
5            
      La courbe
 admet  une asymptote
4
verticale d’équation x  
0
-2 -1 1 2 3 4 5
-1
lim; f x   
x  
1
0
La courbe admet une asymptote
-5 -4 -3 -2 -1 verticale d’équation x  - 
-1
-2
-3
-4
-5

• Limite en +
7
lim; f x  
6 x  
5
4 verticale d’équation y  
3
0
-3 -2 -1 0 1 2 3
-1
f x   
6
lim;
x  
5
4
Il n’y a pas d’asymptote.
-4 -3 -2 -1 0 1 2 3
-1
lim; f x  
1 x  
0
-4 -3 -2 -1 1 2 3
-1
-2
-3
-4
-5

• Limite en - 
lim; f x  
x  
6
5
horizontale d’équation y  
4
0
-4 -3 -2 -1 1 2 3
-1
6 lim; f x   
x  
5
4
-4 -3 -2 -1 0 1 2 3
1 lim; f x   
x  
-4 -3 -2 -1 0 1 2 3
-1
-2
-3
-4
-5

Définition 7
Soit f une fonction et d la droite d’équation y  ax  b tel que :
lim; [ f x – ax  b]  
x  ± 
On dit alors que la droite d est une asymptote à la courbe représentative cf en ± .
Exemple 5
Soit f la fonction sur ; par f x  Error!  Error!  .
4 lim; [f x – ,x  ]  lim; Error!  .

x   x  
3
2
1
oblique d’équation y  ,x  
0
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
-1
-2
-3
-4
2. Limite des fonctions usuelles
Voici un tableau qui résume les différentes limites des fonctions de référence. n ∈ 
xn Error!
f x ln x e x cos x sin x
n pair n impair n pair n impair
lim; f x + - 0+ 0- 0+
x  
lim; f x 0+ 0- + - 1- 1- 0-
x  
lim; f x 0+ 0+ + + - 1+ 1+ 0-
x  
lim; f x + + 0+ 0+ + +
x   

3. Opérations sur les Limites
La notation FI désigne une Forme Indéterminée, c'est-à-dire qu’on ne sait pas calculer par une opération
élémentaire. La notation « * » signifie qu’il faut appliquer « la règle des signes »
• Limite d’une somme

   
lim f     
lim g  ± + - +
lim f  g  +  ± + - FI
• Limite d’un produit

  
lim f  ≠ 0  
lim g  ± ±  ±
lim f  g    * * FI
• Limite d’un quotient

  
lim f     ± 
lim g ≠ ± 0 ≠ ± 0
lim Error! Error! 0 * * FI FI

4. Compositions
Propriété 5
Soient deux fonctions : f définie de I dans J et g de J dans .
f x  b ; lim; g x  c alors lim; f x  lim; g f x
Si { lim;
x  a x  b x  a
g 
x  a
c
Exemple 6
Calculer la limite de la fonction e x   en - 
lim; - x   = + et lim; e X = + donc lim; e x  
x   X    x  
5. Calcul de limites dans les cas de formes indéterminées
En présence d’une forme indéterminée, toutes les situations sont a priori possibles : existence d’une limite
finie, nulle ou non, existence d’une limite infinie, absence de limite. Seule une étude permet de lever
l’indétermination.
Tableau des indéterminations des limites
lim f x lim g x Limite indéterminée Type d’indétermination
+ - f x  g x -
0 ± f x  g x 0
0 0 Error! Error!
± ± Error! Error!
Exemple 7 Indétermination du type «    » f x  x  x
• lim; x  

x  
lim; x  x est une forme indéterminée du type «  -  »
x  
• lim; –x  
x  


Mettre en facteur le terme de plus haut degré : x  f x  x  x  x  Error! 
• lim; x  
x  
   lim; f x   
x  
• lim; 3 - Error!  3
x  
Remarque 2
Le comportement d’une fonction polynomiale en ± est dictée par le comportement de son

terme de plus en degré en ±.
Exemple 8 Indétermination du type « Error! » f x  Error!

• lim; x  x    
x  
lim; Error! est une forme indéterminée du type « Error! »
x  
• lim; x –   
x  
On factorise par la puissance de x maximale et on simplifie.

f x  Error!  Error! Error!
• lim;   Error!  Error!  
x  
lim; f x   
x  
• lim; Error!
x  
Remarque 3
Le comportement d’une fraction rationnelle en ± est dicté par le comportement du quotient

des deux termes de plus haut degré en ±.

Exemple 9 Indétermination du type « 0  ∞ » f x  Error! (x + 1)
• lim; Error!  0
x  
lim; Error! (x + 1) est une forme indéterminée du type « 0 »
x  
• lim; x    +
x  
On développe : f x  Error! (x + 1) = x  Error!
• lim; x  
x  
lim; f x  +
x  
• lim; Error!
x  
Exemple 10 Indétermination du type « Error! » f x  Error!

• lim; x    
x  
lim; Error! est une forme indéterminée du type « Error! »
x  
• lim; x    0
x  
On factorise : f x  Error! = Error! = x  donc Error! f x  2
6. Théorème des gendarmes
Théorème des gendarmes

Soit f , g et h définies sur  telle que f x  g x  h x avec lim; f x  lim; h
x   x  
x  
Alors : lim; g x  
x  

7. Croissance comparée de l’exponentielle, du logarithme et des fonctions
puissances
Propriété 6
Pour tout nombre réel  strictement positif :
• lim; Error! = 0 • Error! Error! = 0
x  
Idée à retenir
Au voisinage de +, les fonctions ln, puissance et exponentielle prennent des valeurs qui se classent dans
cet ordre de la plus petite à la plus grande.

ACTIVITES A2 & A3
Chapitre 3
Etude de fonctions
I. Dérivation
1. Nombre dérivé
Quelques rappels
 Déterminer l’équation d’une droite y  ax  b
On choisit deux points A et B sur la droite de façon à avoir des coordonnées simples. On repère leurs
coordonnées respectives :
A xA ; yA et B xB ; yB
Le coefficient directeur a s’obtient par : a  Error!
L’ordonnée à l’origine b s’obtient en écrivant que les coordonnées de A ou de B vérifient l’équation ce
qui entraine :
b  yA – axA ou b  yB – axB
 Tangente à une courbe en un point
La courbe c est la courbe représentative d’une fonction f définie sur un intervalle I.

A est le point de la courbe c d’abscisse xA.
- Au voisinage du point A, on peut approcher la courbe c par une droite. Cette droite est la
tangente T en A à la courbe c.

 Nombre dérivé
La courbe c est la courbe représentative d’une fonction f définie sur un intervalle I.

Soit xA un nombre de l’intervalle I et A le point de c d’abscisse xA.
La droite T est la tangente en A à la courbe c.
- On appelle nombre dérivé de la fonction f en xA le coefficient directeur de la tangente
T à c en son point d’abscisse xA.
- On note ce nombre f ‘ xA
2. Fonction dérivée
Définition 1
Soit f une fonction dérivable en tout point x d’un intervalle I, alors la fonction qui à x
associe le nombre dérivée f ‘x est appelé fonction dérivée de f sur I.

Tableau de dérivation
fonction fonction Commentaires

f dérivée f ‘
k 0 k réel
  
x x  est un nombre réel.
Cette formule est utilisé pour avec un  entier positif dans l’étude des polynôme.
Lorsque que  est entier négatif, on retrouve les formules pour les fonctions du
type Error! …. Pour  = Error! , on retrouve la formule de Error! .
Elle est à la base de nombreuses formules.
x 1 x  x  x’  x  x  
Error!  Error! ’
Error! = x Error! = x’  x  x   Error!
Error! Error! ’
Error!  x  Error!  x’  x  x  Error!
x Error! x  x,   x ’  x,’  ,x,  Error!x,  Error!
 
ln x Error!
 
e 
x
e x
sin x cos x

cos x  sin x

Exemple 1 Calcul de dérivées
- f x     f ‘x  
- f x  x 2/3 f ‘x  Error! x/
- f x  x  f 'x  x 
- f x  Error! f ‘x  Error!


3. Opérations sur les fonctions dérivées
Opération Fonction Dérivée
addition uv u’  v ’
multiplication par un nombre ku ku’
multiplication uv u’v  uv’
division Error! Error!
puissance un n u’ u n
inverse Error!  Error!
exponentielle eu u ‘ e u
logarithme ln u Error!
 
sinus sin u u ‘  cos u
 
cosinus cos u  u ‘  sin u
fonction composée uov v‘u‘ov

Exemple 2 Calcul de dérivées
- f x  x  x      f 'x  x  
- f x  x       f 'x  x
- f x  x  x –     f 'x  x  
- f x  x –      f 'x  x 
- f x  e x       f 'x  e x  
- f x  ln x      f 'x Error! 
- f x  cos x   f ‘x  sin x  
4. Equation de la tangente
Propriété 1
Soit f une fonction numérique définie sur un intervalle I et dérivable en a  I.
La tangente Ta en a à la courbe cf a pour coefficient directeur f ‘ a.
Méthode de détermination de l’équation de la tangente
La tangente a pour équation y  f ‘a x  b.

Elle passe par le point de coordonnées a ; f a.
Ces coordonnées vérifient l’équation de T donc :
f a  f ‘a  a  b  b  f a – f ‘a  a

Exemple 3

Soit f x  x  . Les équations des

tangentes en  et en  sont : y   et y 
x  
II. Etude des variations d’une fonction

1. Lien entre dérivation et sens de variation
L’idée est qu’il y a un lien entre le signe du coefficient directeur de la tangente de la courbe cb et le sens
de variation de la fonction f. [geogebra]
Propriété 2
On suppose que f est dérivable sur I.
 f est croissante sur I  f ‘x   pour tout x I

 f est décroissante sur I  f ‘x   pour tout x I
 f est constante sur I  f ‘x   pour tout x I
 Il est donc possible de déterminer les variations d’une fonction à partir du signe de sa dérivée.

Etude d’une fonction polynomiale
Soit f x  x – x x 
- f ‘x  x – x –   x – x 
- On détermine le signe de f ‘x en cherchant ses racines. On obtient  et .
- On peut déterminer le signe de la dérivée et en déduire le tableau de variations de la

fonction f . On complète le tableau en calculant les limites de f .
x - -12 + 
signe de f ‘x + 0  0 +
6 +
variations de f
--21
Etude d’une fonction logarithme

Soit g x  x   – ln x
- Domaine de définition : ;
- Domaine de dérivation : ;
- g 'x  x – Error!
- On détermine le signe de g' . Pour cela, on réduit on même dénominateur :
g ' x x – Error!  Error!  Error!

fonction g . On complète le tableau en calculant les limites de g.

x 00,5 + 
x   + | +
x    0 +
x + | +
signe de g ‘x  0 +
+ +
variations de g
1,5 + ln 2
Etude d’une fonction exponentielle

Soit h x  x  e – x
- h ‘x   x – e – x

fonction h. On complète le tableau en calculant les limites de h.
x - -1 + 
x   + 0 
e-x + | +
signe de h ‘x + 0 
e
variations de g
- 0
2. Extremum d’une fonction
Propriété 3
Soit f une fonction dérivable sur un intervalle I.
Si f admet un extremum (minimum ou maximum) en a distinct des extrémités de I, alors f
‘a  .

Remarque 1
Attention, la réciproque n’est pas vraie :
f ‘a   n’implique pas forcément qu’il existe un
extremum en a.
La fonction f x  x – x x admet pour

dérivée f 'x x – x 

Ici f '   et f ‘   mais f n'admet ni
minimum ni3.maximum.
Théorème des valeurs intermédiaires
En revanche la fonction f admet un minimum
local en x   et un maximum local en x  
Théorème des valeurs intermédiaires (TVI)

Soit f une fonction continue, dérivable et strictement croissante (resp. décroissante) sur
un intervalle [a ; b].
Pour tout c Error!, (resp. c Error!), l’équation f x  c admet une unique solution sur
l’intervalle [a ; b].
f b
f a
a x b

Exemple 4
Soit f x  x  x    . Résoudre l’équation f x   à 10-1 près
- La fonction f est continue sur  (fonction polynomiale)
- Calcul de la dérivée :
f ‘x  x  
- Variation de la fonction f :
f ‘ est strictement positive sur , on en déduit que f est strictement croissante sur 
- D'après le théorème des valeurs intermédiaires :

  Error! Error!. L’équation f x   admet une unique solution dans [ ; ]
- A l’aide de la calculatrice, on cherche la valeur de x tel que f x   à 10-1 près

f ,  , et f ,  ,
La racine vaut x  ,

III. Fonctions trigonométriques inverses
1. Rappel sur les fonctions sinus et cosinus
Définition 2
Soit c un cercle de centre O et de rayon 1.
Soit x un réel, il lui correspond un unique point M de c tel que x soit une mesure en radians
  
de l’angle ; ( ;OA , ;OM ).
 
 Le cosinus de x, noté cos x, est l’abscisse de M dans le repère (0 , ;i, ;j )
 
 Le sinus de x, noté sin x, est l’ordonnée de M dans le repère (0 , ;i, ;j )
Propriété 4
 cos x  sin x  
   cos x   et   sin x  
 Valeurs remarquables

 
Error! Error! Error! Error!
x  
 Error! Error!
 
Error!  
sin x 

 Error! Error! Error!

cos x   
 Fonction sinus
- Parité : sinx   sinx  IMPAIRE
- Périodicité : sinx    sinx  Périodique de période 2
- Dérivée : sinu’  u’  cosu
- Graphique :

 Fonction cosinus
- Parité : cosx   cosx  PAIRE
- Périodicité : cosx    cosx  Périodique de période 2
- Dérivée : cosu’   u’  sinu
- Graphique :
2. Fonction Arcsinus
 Construction f : [ Error! ; Error! ] Error! [ ;

Considérons la fonction f définie par : ]
x  sin x
La fonction f est une fonction strictement croissante et dérivable. On peut en déduire que pour tout réel a
de [ ; ], il existe un unique réel b  [ Error! ; Error! ] vérifiant : sin(b)  a.
On définit ainsi b  Arcsina





  Interprétation géométrique :

Le cercle c est le cercle trigonométrique. b est la

 

mesure en radians de l’angle ( ;OI, ;OM) mais
 
aussi
 la longueur de l’arc de cercle ;IM (ce
qui
 explique la notation Arcsin). On a donc :

Arcsin a  Définition
;IM . et propriétés
Définition 3
Error! si et seulement si Error!
La fonction Arc sinus est dérivable et croissante. Sa représentation graphique s’obtient à partir de celle de
f par symétrique orthogonale par rapport à la droite d’équation y  x.
Dérivée :
Arcsin x’  Error! Pour x

 Tableau de variation
x -1
1
Arc sin x Error!
- Error!

 Représentation graphique
3. Fonction arc cosinus
 Construction
f : [0 ;  ]  [ ; ]
Considérons la fonction f définie par : x 
La fonction f est une fonction strictement décroissante et dérivable. On peut en déduire que pour tout
cosx
réel a de [ ; ], il existe un unique réel b  [0 ;  ] vérifiant : cos (b)  a.
On définit ainsi : b  Arccosa)
  Interprétation
géométrique :
Soit c le cercle trigonométrique.

Comme précédemment : Arccos a 

;IM .

 Définition et propriétés
Définition 4
 cos x  y ; x[  Arccos y  x ; y  [

 si et seulement si 
 ]  ]
La fonction Arc cosinus est dérivable et décroissante. Sa représentation graphique s’obtient à partir de
celle de f par symétrique orthogonale par rapport à la droite d’équation y  x.
Dérivée :
Arccos x’ = Error!
x -1
1

Arc cos x

4. Fonction Arc tangente
 Définition et propriétés
Définition 5 f : [0 ;  ]  [ ; ]

Considérons la fonction f définie par : x  tan x
Cette fonction est dérivable et strictement croissante, elle admet donc une fonction
réciproque notée Arc tan.
Error! si et seulement si Error!
Dérivée :
Arctan x’ = Error!
x -
+
Arc tan x Error!
- Error!

OBJET DE FORMATION B : MAITRISER LE CALCUL DES PRIMITIVES ET DES INTEGRALES
ACTIVITES B4 & B5
Chapitre 4
Calcul intégral
1-1.1.1. « En mathématiques, on ne comprend pas les choses, on s’y habitue. »

John Von Neumann
Mathématicien américain d’origine hongroise
I. Primitives
1. Définition
Définition 1
Soit f une fonction définie sur un intervalle I. On appelle primitive de f sur I toute
fonction F définie et dérivable sur I vérifiant :
F ‘x  f x
Exemple 1
Considérons la fonction f définie sur  par f x  x.
- La fonction F définie sur  par Fx  x est une primitive de f sur  puisque
F ‘x  f x.
- La fonction G définie sur  par Gx  x   est une primitive de f sur  puisque
G ‘x  f x.
Application
Soit f x = Error! . Montrer que la fonction F définie sur  par F x  Error! +  est une primitive
de f .
Propriété 1
Soit f une fonction dérivable sur un intervalle I de , k un réel, x  I et y   fixés.
- Toute fonction f dérivable sur I possède des primitives sur I.

- Si f admet une primitive F sur I :
Les primitives de f sont les fonctions du type F x  k
- Il existe une unique primitive F de f sur I telle que Fx  y.

Exemple 2
Soit f x  x.
Les fonctions Fx  Error! x ; Fx  Error! x   Fx  Error! x … ; Fk x  Error! x 
k avec k   sont toutes des primitives de f. Cependant, il n’existe qu’une unique primitive F de f
vérifiant F    : il s’agit de F .
2. Primitives usuelles
La lecture du tableau des primitives se fait en lisant celui des dérivées « à l’envers ».
Les fonctions f suivantes sont définies, dérivables sur un intervalle I.
L’entier n est un entier relatif différent de .
Remarque
Pour obtenir toutes les primitives d’une fonction f donnée, il suffit de rajouter une constante.
Exercice 1
Déterminer une primitive pour chacune des fonctions suivantes définies par :
a) f x  x 
b) g x  x
c) h x  Error!
d) k x  

Tableau des primitives
f x Fx Condition
k kx 


xn Error! x n  si n  
 ; si n  

Error! ln x ;
sin x  cos x 
cos x sin x 
ex ex 
Error!
arc sin x ] ; [
 Error!
arc cos x ] ; [
Error! arc tan x 

3. Opérations sur les primitives
On note u et v les fonctions de primitives U et V sur un intervalle I.
Rappel - Fonctions composés

Soit une fonction composée du type f u. Alors la dérivée est de la forme u’ f ’u.
Propriété 2 (Fonctions composés)

Si la fonction f s’écrit sous la forme u’gu, une primitive de f est alors Gu
G étant une primitive de g.
Exercice 2
Donner une primitive de chacune des fonctions suivantes définies par :
a) f x  sinx  
b) g x  Error!
c) hx = Error!
d) k x  Error!

Tableau des opérations sur les primitives
Forme de la fonction Primitive Conditions
u  v UV
ku kU
u ’ u n Error! n
Error!  Error! n ;
Error!  u u x  
u’ cos u sin u
u’ sin u  cos u
u’e u eu
Error! ln u ux  

II. Intégrale d’une fonction
1. Définition
Définition 2
Soit f définie, dérivable sur [a ; b]. Soit F une primitive quelconque de f .
Le nombre Fb – Fa, indépendant du choix de F, est appelé intégrale de a à b de f . Il est
noté :
Error!  F b – F a
Exercice 3
Calculer les intégrales suivantes :
I =Error! I = Error!
I = Error! I = Error!
Exercice 4
Calculer a, b pour que x   ax  b ex soit une primitive de x   x   e x.
En déduireError!.
2. Linéarité de l’intégrale
Linéarité de l’intégrale
Error! =  Error! +  Error!
Exercice 5
Calculer l’intégrale suivante : I  Error!  Error!

1. Relation de Chasles pour les intégrales
Relation de Chasles
Error! + Error! = Error!
Exercice 6
On considère la fonction f définie sur [  ; ] par :
f x  sin x si x  [ ; ]
f x   sinon
Calculer I  Error!.
2. Positivité de l’intégrale
Positivité
Si a  b et f   sur [a ; b] alors Error!  0.
Si a  b et si f  g sur [a ; b] alors Error!  Error!

1. Inégalité de la moyenne
Soit f une fonction définie et dérivable sur [a ; b] et deux réels m et M tels que :
m  f x  M
En intégrant et en utilisant la propriété de l’inégalité on obtient :
Error! Error! Error!
En calculant, il vient :
mb  a  Error!  M b –a
On en déduit alors la propriété suivante :
Propriété 3
Si a  b et si m  f x  M, alors :
mb – a  Error!  M b – a
La double inégalité obtenue est appelée « inégalité de la moyenne ».
2. Inégalité des accroissements finis

Une conséquence de l’inégalité de la moyenne est la propriété suivante :
Propriété 4
Si a  b et si f x  k alors :
Error!  Error!  k b – a
On en déduit alors le théorème de l’inégalité des accroissements finis
Inégalité des accroissements finis :

Si a et b quelconques et si f ‘x  k alors f b – f a  k b –a 

III. Méthodes d’intégrations
1. Intégrations par parties
Soit u et v deux fonctions sur [a ; b] et telles que u’ et v’ soient aussi définies sur I.
Formule d’intégration par parties (IPP)
Error! = Error!Error! – Error!
Exercice 7
Calculer les intégrales suivantes :
I  Error!  I  Error!  I  Error!
I Error! I  Error!
2. Intégrations par changement de variable
 Changement de variable du type u  x  a
Si f dérivable sur [a   ; b  ] :
Error! = Error!
Exercice 8
Calculer l’intégrale I  Error! en posant u  x  .

 Changement de variable du type u  x
Si f dérivable sur [a ; b] :
Error! = Error! Error!
Exercice 9
Calculer I Error! en posant u  x.
3. Intégration des fonctions rationnelles

Soit f x  Error! où P et Q sont deux fonctions polynômes.
a) deg P  deg Q
Si f x  Error! (a, b, c, … distincts deux à deux). On montre que f x peut s’écrire sous la forme :
f x  Error!  Error!  Error!  …
Le calcul de l’intégrale devient « réalisable ».
Exercice 10
Calculer I  Error!

b) deg P  deg Q
On réalise la division euclidienne de P par Q puis on procède comme précédemment.

Exercice 11
Calculer Error!
c) Conclusion
Dans la plupart des exercices pour lesquels vous aurez à faire une décomposition de ce
type, l’énoncé donnera la forme du résultat à obtenir.
Une telle décomposition est appelée décomposition en éléments simples.
4. Intégrale d’une fonction paire, impaire ou périodique
 Intégrale d’une fonction paire
Soit f une fonction paire dérivable sur [a ; a] a  ) :
Error!   Error!
 Intégrale d’une fonction impaire
Soit f une fonction impaire dérivable sur [a ; a] (a  ) :
Error!  

 Intégrale d’une fonction périodique
Soit f une fonction de période T définie sur  et un réel a :
Error! = Error! = Error!
IV. Applications du calcul intégral

1. Calcul d’aire
a2
a1
Calcul de l’aire comprise entre c, l’axe des abscisses et les droites x  a et x  b
Si f x   sur [a ; b] alors A =Error!.

Si f x   sur [a ; b] alors A  Error!.

Exercice 12
On considère la fonction f définie par f x  x – x  
On note a l’aire du domaine compris entre la courbe de f , l’axe des abscisses, et les droites d’équation x
  et x  .
Calculer a.
Aire comprise entre deux courbes

Si f x  g x) sur [a ; b] alors A  Error!
g
f
d
d
Exercice 13
Calculer l’aire du domaine d compris entre les deux courbes représentatives des fonctions f et g
définies par :
f x  x et g x = Error! pour x 

2. Calcul de volumes
Solide de révolution autour de l’axe des

abscisses
v = Error! .
Exercice 14
 
Le plan est rapporté à un repère orthonormé (0, ;i, ;j).
Soit la fonction f définie sur Error! par f x    cos Error! et c la courbe représentative.
Soit d le domaine plan limité par c, l’axe des abscisses et les droites x   et x  Error! .
Calculer la valeur exacte, en unités de volume, du volume engendré par la rotation de d autour de l’axe
des abscisses.
3. Valeur moyenne et valeur efficace

Soit f une fonction continue sur [a ; b].
 Valeur moyenne sur [a ; b]

m = Error! Error!
 Valeur efficace sur [a ; b]

fe  Error!
Exercice 15
Soit la fonction f définie sur Error! par f t  sinError!.
Calculer la valeur moyenne et la valeur efficace de f.

OBJET DE FORMATION C : ETUDIER LES EQUATIONS DIFFERENTIELLES
ACTIVITES C6 ETC7
Chapitre 5
Equations différentielles / Nombres complexes
« Les mathématiques sont comme la logique de la physique »

Gottfried Wilhelm Leibniz
Philosophe et mathématicien allemand (1646-1716)
Introduction
En électricité, en mécanique ou en économie, certaines situations se traduisent par une relation entre une
fonction et ses dérivées.
Ainsi d’après le principe fondamental de la dynamique, le déplacement x en fonction du temps d’un
véhicule de 500 kg, placé sur des rails et soumis à une force d’entrainement horizontale d’intensité 1000
N vérifie l’équation  – x’  x’’ (si l’on considère que la résistance à l’avancement, due aux
frottements, est proportionnelle à la vitesse).
Les dérivées premières et secondes x’ et x’’ par rapport au temps t désignent respectivement la vitesse et
l’accélération du véhicule.
Ce type de relation est une équation différentielle.
I. Equations différentielles d’ordre 1
Définition
Soient a, b et c trois fonctions définies sur un intervalle I de  et x la fonction inconnue,
définie et dérivable sur l’intervalle I.
On suppose de plus que la fonction a ne s’annule pas sur l’intervalle I.
On appelle équation différentielle linéaire du premier ordre toute équation du type :
at x ‘t  btx t  ct
1. Solution générale de l’équation sans second membre
Définition
Soit l’équation :
at x ‘t  btx t

Cette équation est appelée équation différentielle sans second membre ou encore équation
homogène.

Théorème
Les fonctions a et b sont supposés dérivables sur I avec a ne s’annulant pas sur I.
L’ensemble des solutions de l’équation différentielle homogène est l’ensemble des fonctions
f définies sur I par :
f t  ke G t
où k est une constante réelle et G une primitive de la fonction Error! .
Exemple
Equation homogène : x ’t – x t  
On a Error!   donc G t   t
La solution générale est alors du type f t  ke t .
1. Solution particulière
Définition
On appelle solution particulière de l’équation différentielle at x ‘t  btx t  cttoute
fonction h vérifiant cette équation
Dans les sujets, toutes les indications permettant d’obtenir une solution particulière sont données. Bien
souvent, une fonction est proposée et il « suffit » de vérifier que c’est une solution particulière. C'est-à-
dire de remplacer les « x » par la fonction proposée dans l’équation et de vérifier que l’on obtient bien le
second membre.
Exemple
Soit g t  t – e t
Vérifions que la fonction g est une solution particulière de x ’t – x t te t
g ‘t    e t  t – e t 
 e t t – 
g ‘t – g t  e tt –  – t – e t

 e tt –  t – 
 e tt     t e t
La fonction g est solution particulière de l’équation différentielle.

2. Ensemble des solutions d’une équation différentielle
Théorème
Les solutions d’une équation différentielle sont de la forme f t  f t  fp t où f est la
solution de l’équation sans second membre et fp est une solution particulière.
Exemple
Soit l’équation différentielle x ’t – x t te t.
 Solution de l’équation homogène : f0 t  ke t
 Solution particulière : g t  t – e t
On en déduit l’ensemble des solutions de l’équation différentielle :

f t  ke t  t – e t
3. Unicité de la solution
Théorème
Une équation différentielle linéaire du premier ordre possède une unique solution vérifiant
une condition initiale du type f A  B.
Exemple
Soit l’équation différentielle x ’t – x t te t .
L’ensemble des solutions est : f t  ke t  t – e t
On cherche la solution vérifiant f   .
f   k    
k
On déduit k  
La solution est f t  e t  t  e t

II. Initiation à l’ensemble des nombres Complexes
1. Introduction
a) Historique
Au début du XVIème siècle, le mathématicien Scipione dal Ferro, propose une formule donnant une
solution de l'équation du 3ème degré x px q
x  Error!  Error!
A la fin du XVIème siècle, le mathématicien Bombelli applique cette formule à l'équation
x x 
Il obtient littéralement :
x   ;  –      ;     
Cette écriture n'a, a priori, pas de sens puisqu'on ne sait pas ce que représente le symbole noté .
Mais Bombelli va plus loin. Il remarque, en utilisant les règles usuelles de calcul que :

( )   –  
(  )     
Si bien qu'il obtient finalement : x       
Or x  est bien une solution de l'équation x x .
Une question naturelle s'est alors posée :
Peut-on légitimement calculer avec des symboles imaginaires comme  et obtenir des réponses
réelles ? C'est ainsi qu'est née la théorie des nombres complexes...
b) Le nombre i
L’équation x    n’a pas de solutions dans , mais elle en a dans un ensemble plus grand :
De même, l’équation x  n’a pas de solutions dans , alors que dans un ensemble plus grand, , il y
en a une : x /.
L’équation x  n’a pas de solutions dans . Il faut chercher dans l’ensemble des nombres réels
pour en trouver.

Bref, quand une équation n’a pas de solution, une démarche naturelle (et historique) consiste à en
chercher dans un ensemble plus grand. Au stade de nos connaissances actuelles, l’ensemble numérique le
plus grand connu est .
Pourtant, l’équation x     n’a pas de solution dans ...
On va donc « construire » ou plutôt « imaginer » un ensemble plus grand que  dans lequel l’équation
x    possède des solutions. On l'appellera  : ensemble des nombres complexes.
Le principal élément de  sera noté i (i comme imaginaire).
Définition
Le nombre i est tel que i  –
L’équation x     possède alors deux solutions : x i ou x – i.
La notation i fut introduite par Euler en 1777, puis reprise par Gauss au début du XIXème siècle.
Cependant le premier à parler de nombre imaginaire fut le très « cartésien » Descartes en 1637.
a) Ensemble des nombres complexes


 0,007

i  121


4
0
-33
-1 1/6

3/25 - 2/3
i  


2. Forme Algébrique
a) Définition
Définition
Chaque élément z de l’ensemble  s’écrit de manière unique z  a  ib où a et b sont des
réels.
- le nombre a est appelé partie réelle de z notée re z
- le nombre b est appelé partie imaginaire de z notée im z
Remarque
 si b  , on a z  a : z est donc un réel.
 si a  , on a z  ib : z est imaginaire pur.
Exemple
Nombres complexes Partie réelle Partie imaginaire
z re z im z

  i  
  Error! i  Error!

i  

  
i – Error!  Error! 
  Error!  Error!
Error! Error! Error!
Propriété
Deux nombres complexes sont égaux si et seulement si ils ont la même partie réelle et la
même partie imaginaire :
z  z’  a  ib  a’  ib’  a  a’ et b  b’

b) Calculs
Propriété
Soient z  a  ib et z’  a’  ib’ deux nombres complexes où a, a’, b et b’ réels
Soit k  
 z  z’  a  a’  ib  b’
 z – z’  a – a’  ib – b’
 kz  ka  ikb
 zz’  aa’ – bb’  iab’  a’b
Exercice
Démonstration de la dernière propriété.
zz’  a  iba’  ib’
zz’  aa’  iab’  ia’b  ibb’
zz’  aa’  iab’  ia’b – bb’
zz’  aa’ – bb’  i ab’  a’b
Exemple
Nombres complexes
z  z’ z – z’ z zz’ z
z z’

  i i –   i i   i i  i

  i i i   i   i i  – i
c) Représentation graphique
Définition
On se place dans un repère orthonormal.
- Au point M de coordonnées a ; b on peut associer le nombre complexe z 
a  ib.
On dit que z  a  ib est l’affixe du point M.

- Au vecteur ; de coordonnées a ; b on peut associer le nombre complexe
z  a  ib.

On dit que z  a  ib est l’affixe du vecteur ;.
- Lorsqu’on repère un point ou un vecteur par son affixe dans un repère

orthonormal, on dit qu’on se place dans le plan complexe.

Propriété
Si M a pour affixe z  a  ib et si M ’ a pour affixe z’  a’  ib’ alors :

 Le vecteur ;MM ’ a pour affixe z’ – z  a – a’  ib – b‘

 |; | ;OM |; |  a  b

 |; | ;MM ’ |; |  a – a ’  b – b ’
 Le milieu I de [ MM’ ] a pour affixe zI  Error!
d) Conjugué d’un nombre complexe
Définition
On appelle conjugué du nombre complexe z  a  ib le nombre z  a – ib.
Géométriquement, si M est le point d’affixe z, le point M d’affixe z est le symétrique de M par

rapport à l’axe des abscisses.
M z  b Mz
a a
Mz M z 
b
Propriété
Soient z et z’ deux nombres complexes, alors :
 z + z'  z  z ’
 z  z’  z  z’
 zz
 z    z  z et z  i  z   z
 re zError!et im zError!

3. Equation du second degré
Soit ax  bx  c   une équation du second degré où a, b et c   avec a ≠ .

On pose   b – ac.
 Si  > 0, l’équation du second degré admet deux solutions réelles distinctes :
x  Error! et x  Error!
 Si  > 0, l’équation du second degré admet une unique solution réelle :
x  Error!
 Si  < 0, l’équation du second degré admet deux solutions complexes

conjuguées :
x  Error! et x  Error!
Exemple
Résolution dans  de x – x –   .
  b – ac  
Le discriminant étant négatif, l’équation admet deux solutions complexes conjuguées :
x  Error!  Error!  Error!    i
x  Error!  Error!  Error!    i

III. Equations différentielles linéaires d’ordre 2 à coefficients
constants
Définition
Soient a, b et c trois constantes réelles et x la fonction inconnue, définie et deux fois
dérivable sur un intervalle I de  et d une fonction dérivable sur I.
On appelle équation différentielle linéaire du second ordre à coefficients constants toute
équation du type :
a x’’t  bx’tc xt  dt
1. Solution générale de l’équation sans second membre
Théorème
On considère l’équation différentielle homogène (sans second membre) : ax’’  bx’  cx  
On appelle équation caractéristique le polynôme : ar  br  c  

Les solutions de l’équation différentielle homogène dépendent du discriminant 

Solutions de l’équation caractéristique associée
Solution générale de
ar  br  c  
ax’’  bx’  cx  

 racines réelles
 f t  e r1t e r2t
r  Error! et r  Error!
Une racine réelle

 f t  t  e rt
r   Error!
2 racines complexes conjuguées
r    i et r    i
  f t  et cost  sint
avec
  Error! et   Error!

Exemple
 Résolution de l’équation différentielle y’’ – y’ – y  
L’équation caractéristique est r – r –    de discriminant     .

Les solutions sont r  , et r  .
Les solutions de l’équation différentielles sont f t  e,t  e t .
 Résolution de l’équation différentielle y ’’ – y’ + y  
L’équation caractéristique est r – r     de discriminant   .

Les solutions sont r  .
Les solutions de l’équation différentielles sont f t  te .
t
 Résolution de l’équation différentielle y’’  y  
L’équation caractéristique est r     de discriminant  

Les solutions sont r    i et r   – i. 
Les solutions de l’équation différentielles sont f t  e t cost  sintcost  sint
2. Solution particulière
Définition
On appelle solution particulière de l’équation différentielle ax’’t  bx’t  cxt  dt
toute fonction h vérifiant cette équation
Dans les sujets, toutes les indications permettant d’obtenir une solution particulière sont données. Bien
souvent, une fonction est proposée et il « suffit » de vérifier que c’est une solution particulière. C'est-à-
dire de remplacer les « x » par la fonction proposée dans l’équation et de vérifier que l’on obtient bien le
second membre.
Exemple
Soit ht  te t. Vérifions que la fonction h est une solution particulière de y’’ – y’  y  e t
h ‘t  t e t  te t 
 e t t t 
h’’t  e tt  t  e t  t

h’’t  e t  t  t
h’’t – h’t  ht  e t  t  t e t t t  te t
h’’t – h’t  ht  e t  t  tttt
h’’t – h’t  ht  e t
La fonction h est solution particulière de l’équation différentielle.

3. Ensemble des solutions d’une équation différentielle
Théorème
Les solutions d’une équation différentielle sont de la forme f t  f t  fp t où f est la
solution de l’équation sans second membre et fp est une solution particulière.
Exemple
Soit l’équation différentielle y’’ – y’  y  e t.
- Solution de l’équation homogène : f0 t  te t
- Solution particulière : h t  te t
- Ensemble des solutions de l’équation différentielle :
f t  te + te t = e t tt

t
4. Unicité de la solution
Théorème
Une équation différentielle linéaire du second ordre à coefficients constants possède une
unique solution vérifiant deux conditions initiales du type f A  B et f ’C  D.
Exemple
Soit l’équation différentielle y’’ – y’  y  e t .
L’ensemble des solutions est : f t = e t tt
On cherche la solution vérifiant f    et f ‘  
f     
f ‘t  e t tte t  t
f ‘t  e t t    t    
f ‘       
On déduit   0
La solution est f t  e t t 

OBJET DE FORMATION D : REALISER DES CALCULS ALGEBRIQUES COURANTS
ACTIVITE D8
Chapitre 6 – Calcul Matriciel
« Les chiffres sont aux analystes ce que les lampadaires sont aux ivrognes:
ils fournissent bien plus un appui qu'un éclairage. »
Jean Dion, journaliste et chroniqueur sportif québécois
Introduction
En mathématiques, les matrices sont des tableaux de nombres qui servent à interpréter en termes
calculatoires et donc opérationnels les résultats théoriques de l'algèbre linéaire et même de l'algèbre
bilinéaire. Toutes les disciplines étudiant des phénomènes linéaires utilisent les matrices. Quant aux
phénomènes non linéaires, on en donne souvent des approximations linéaires, comme en optique
géométrique avec les approximations de Gauss.
I. Définition d’une matrice

1. Etude d’un exemple
Trois usines C1, C2 et C3 fabriquent deux types d’appareil : L1 et L2.
Pour une période donnée, la fabrication est la suivante :
- L’usine C1 produit 2 appareils de type L1 et 6 de type L2
- L’usine C2 produit 1 appareil de type L1 et 3 de type L2
- L’usine C3 produit 5 appareil de type L1 et 4 de type L3
On peut représenter cette situation dans un tableau :

C1 C2 C3
L1 2 1 5
L2 6 3 4
En langage mathématique, cette situation est présentée sous la forme suivante :

2 1 5
6 3 4
On obtient une matrice à 2 lignes et à 3 colonnes.

1. Définition
Soit n et p deux entiers naturels non nuls donnés.
On appelle matrice à n lignes et à p colonnes un tableau dont les éléments sont des nombres
réels répartis en n lignes et en p colonnes.
Pour écrire un tel tableau, on repère chaque élément par deux indices :
mi j
Rang de la ligne Rang de la
dans laquelle colonne dans
figure l’élément laquelle figure
l’élément
j-ième
i-ième colonne
ligne
m11 m12 … … … m1j … … … m1p
m21 m22 … … … m2j … … … m2p
………
………
………
………
mi1 mi2 … … … mij … … … mip

………
………
………
………
mn1 mn2 … … … mnj … … … mnp
On écrit de manière condensée :

M  [ mij ] ;   i  n ,   j  p

Exemple
La matrice M  1 2 est une matrice à 3 lignes et à 2 colonnes. m   et m  .
-1 1
2 -1
2. Vocabulaire
 Matrices égales
Deux matrices à n lignes et à p colonnes M  [ mij ] et M ’  [ m’ij ] sont égales si et
seulement si,
 i  [ . .n] et  j  [ .. p] mi j  m’i j
 Matrice carrée
Dans le cas où le nombre de lignes est égal au nombre de colonnes (n  p), on dit que la
matrice est une matrice carrée d’ordre n.
 Matrice ligne et matrice colonne

si n  , on dit qu’on a une matrice-ligne
si p  , on dit qu’on a une matrice-colonne
II. Produit d’une matrice par un réel

Les appareils de type L1 et L2 fabriqués par les trois usines décrites dans le paragraphe précédent sont
vendus 25 centaines d’euros pièce.
Si la matrice M ci-dessous donne la production par type d’appareil et par usine, la matrice N donne le
chiffre d’affaire potentiel par type d’appareil et par usine en centaines d’euros.
2 1 5
M
6 3 4
2  25 1  25 5  25 = 50 25 125
N 
6  25 3  25 4  25 150 75 100
On dit que la matrice N est le produit de M par 50. On écrit N  M.

Définition
Soit A  [a ij ] une matrice à n lignes et p colonnes et  un réel.
Le produit de  par A est la matrice C  [ c ij ] à n lignes et p colonnes telle que pour tout
couple  i ,j   [..n][..p] :
c i j  a i j
On écrit C  A.
III. Somme de deux matrices
IV. Produit de deux matrices

1. Etude d’un exemple
2. Définition
3. Propriétés
4. Matrice unité

OBJET DE FORMATION E : MAITRISER LES STATISTIQUES APPLIQUEES ET LE CALCUL DE PROBABILITES
ACTIVITES E9, E10, E11 ET E12
SEQUENCE 1/4. STATISTIQUES A UNE ET A DEUX VARIABLES
Chapitre 7
Statistiques à une et à deux variables

« Il existe trois sortes de mensonges : les mensonges, les affreux mensonges et les statistiques »
Benjamin Disraeli
I. Statistiques à une variable

Dans cette partie, nous travaillerons sur 3 séries statistiques afin d’illustrer les notions.
• Série A Notes obtenues à un contrôle dans une classe de 30 étudiants :
0 – 0 – 1 – 1 – 1 – 2 – 3 – 3 – 3 – 3 – 4 – 5 – 5 – 6 – 6 – 6 – 6 – 6 – 9 – 9 – 9 – 9 – 9 – 13 – 13 – 14 - 14 –
17 – 17 – 17
• Série B Salaires en euros des employés d’une entreprise :
Salaires [800 ; 1200[ [1200 ; 1400[ [1400 ; 1700[ [1700 ; 2000[ [2000 ; 2400[ [2400 ; 3000[ Total
Effectif 50 20 70 70 50 40 300
• Série C Proportions d’adhérents à un club sportif dans différents sections

- 7 % jouent à la Pétanque
- 3 % jouent aux fléchettes
- 2 % jouent au curling
- 82 % jouent au football
- 6 % pratiquent la lutte Gréco-romaine
1. Méthodes de représentation
Vocabulaire
La population est l’ensemble des individus sur lesquels portent l’étude statistique dont chaque élément
est appelé individu.
Un échantillon est une partie de la population considérée.
Le caractère (ou variable) d’une série statistique est une propriété étudiée sur chaque individu :
- Lorsque le caractère ne prend que des valeurs (ou modalités) numériques, il est
quantitatif :
• discret s’il ne prend que des valeurs isolées.

• continu dans le cas contraire. On effectue alors un regroupement des valeurs par
classes.
- Sinon, on dit que le caractère est qualitatif : les modalités ne sont pas des nombres.

A chaque valeur (ou classe) est associée un effectif n : c’est le nombre d’individus associés à cette valeur.
Faire des statistiques, c’est recueillir, organiser, synthétiser, représenter et exploiter des données,
numériques ou non, dans le but de comparaison, de prévision, de constat…
Les plus gros consommateurs de statistiques sont les assurances, les médecins, les démographes, les
économistes, les météorologues…
Définition 1
On considère une série statistique X à caractère quantitatif dont les p valeurs sont données
par x, x, … , xp d’effectifs associées n, n, …, np avec n  n  …  np  N.
- A chaque valeur (ou classe) est associée une fréquence fi , c’est la

proportion d’individus associés à cette valeur.
- fi  Error! est un nombre compris entre  et , que l’on peut écrire sous
forme de pourcentage.
- L’ensemble des fréquences de toutes les valeurs du caractère s’appelle la
distribution des fréquences de la série statistique.
Exemple 1
On peut représenter la série A par un tableau d’effectifs et le compléter par la distribution des fréquences
Notes 0 1 2 3 4 5 6 9 13 14 17
Eff. 2 3 1 4 1 2 5 5 2 2 3
Fréq en % 6,6 10 3,3 13,3 3,3 6,6 16,6 16,6 6,6 6,6 10
Remarque 1
On peut vérifier que la somme des fréquences est égale à 1 ou à 100 si on les exprime en pourcentages
(sans prendre en compte les possibles arrondis)
Exemple 2
On peut aussi faire un regroupement par classe, ce qui rend l’étude moins précise, mais qui permet
d’avoir une vision plus globale. Pour la série A, en regroupant par classes d’amplitude 5 points, on
obtient :
Notes [0 ; 5[ [5 ; 10[ [10 ; 15[ [15 ; 20] total
Effectif 11 12 4 3 30
Fréquence 0,36 0,4 0,13 0,10 1
Définition 2
Lorsque le caractère étudié est quantitatif et discret, on peut représenter la série statistique
étudiée par un diagramme en bâtons : la hauteur de chaque bâton est alors proportionnelle à
l’effectif (ou à la fréquence) associé à chaque valeur.

Exemple 3
Voici le diagramme en bâtons représentant la série A
Effectifs
5
Notes
2
0
0 1 2 3 4 5 6 9 13 14 17
Définition 4
Lorsque le caractère étudié est quantitatif et continu, et lorsque les modalités sont
regroupées en classes, on peut représenter la série par un histogramme : l’aire de chaque
rectangle est alors proportionnelle à l’effectif (ou à la fréquence) associée à chaque classe.
Lorsque les classes ont la même amplitude, c’est la hauteur qui proportionnelle à l’effectif.
Exemple 4
L’histogramme pour la série B : Effectifs
10 effectifs
800 1200 1400 1700 2000 2400 3000 Salaires

Définition 5
Lorsque le caractère est qualitatif, on peut représenter la série par :
- Un diagramme circulaire (« camemberts »)
La mesure de chaque secteur angulaire est proportionnelle à l’effectif associé
- Un diagramme en bâtons
Chaque classe est représentée par un rectangle de même largeur et de
longueur proportionnelle à l’effectif, donc la fréquence.
- Un diagramme en bandes
Chaque classe est représentée par un rectangle de même largeur et de
longueur proportionnelle à l’effectif, donc la fréquence.
Exemple 5
Diagrammes de la série C 82
Effectifs
lutte
80 football
23 7 6 curling
60 fléchettes
pétanque
40 Sports
20
0
Pétanque Fléchettes Curling Football Lutte
2. Caractéristiques de position
L’objectif est de synthétiser davantage l’information pour les caractères quantitatifs en cherchant
quelques nombres permettant de décrire au mieux la population observée.
Définition 6
Soit une série statistique à caractère quantitatif dont les p valeurs sont données par x, x, … ,
xp d’effectifs associées n, n, …, np avec n  n  …  np  N.
La moyenne de cette série est le nombre noté ;x qui vaut :
;x = Error! = Error! Error!
Remarque 2
Lorsque la série est regroupée en classes, on calcule la moyenne en prenant pour valeurs xi le centre de
chaque classe.

Exemple 6
Dans la série A, la moyenne du contrôle est égale à ;x  Error!  
Dans la série B, une estimation du salaire moyen est donnée par ;x Error!.
Définition 7
Soit une série statistique ordonnée dont les n valeurs sont x  x  …  xn.
La médiane est un nombre noté Med qui permet de diviser cette série en deux sous-groupes
de même effectif.
- Si n est impair, Med est la valeur de cette série qui est situé au milieu, à
savoir la valeur dont le rang est Error!.
- Si n est pair, Med est le centre de l’intervalle médian, qui est l’intervalle
formé par les deux nombres situés « au milieu » de la série.
Exemple 7
- La médiane de la série « 2 – 3 – 6 – 9 – 10 – 11 – 13 » est 9.
- La médiane de la série « 2 – 3 – 6 – 9 – 10 – 11 » est 7,5.
- La médiane de la série « 2 – 3 – 6 – 6 – 10 – 11 – 13 » est 6.
Exemple 8
On calcule la médiane de la série A.
Pour cela, on commence par remplir le tableau des effectifs cumulés croissants
Notes 0 1 2 3 4 5 6 9 13 14 17
Eff. 2 3 1 4 1 2 5 5 2 2 3
ECC 2 5 6 10 11 13 18 23 25 27 30
L’effectif étant de 30 notes, on choisit la moyenne entre la 15ème et 16ème note. On obtient : M  .
Ce qui signifie que la moitié des notes est inférieure ou égale à 6 et que l’autre moitié est supérieure
ou égale à 6.

Exemple 9
Dans le cas de répartition par classes, la médiane peut être évaluée soit graphiquement, soit par
interpolation affine à l’aide d’un polygone des effectifs cumulés.
Répartition par classes de la série A. On crée le tableau des fréquences cumulées croissantes et celui des
fréquences cumulées décroissantes.
Notes [0 ; 5[ [5 ; 10[ [10 ; 15[ [15 ; 20]

Fréq en % 36 40 14 10
F.c.c. 36 76 90 100
F.c.d. 64 24 10 0
On place les points correspondants aux extrémités de chaque classe sur un graphique.
FCD
100 FCC
90
80
70
60
50
40
30
20
10
0
0 5 10 15 20
6,7
- On détermine le point du polygone d’ordonnée 50 %, soit 6,7.
- On peut aussi lire l’abscisse du point de concours des deux polygones, soit 6,7.
Définition 8
Soit une série statistique.
- On appelle quartiles de la série un triplet de réels Q, Q , Q qui sépare la
série en quatre groupes de même effectif.
- On appelle déciles de la série un 9_uplet de réels D, D, … , D qui sépare
la série en dix groupes de même effectif.

Remarque 3
Par définition, si X est une série statistique Q  D  Med.

Exemple 10
Le calcul des valeurs des quartiles ou des déciles se fait en général à partir des graphiques des effectifs
(ou des fréquences) cumulés croissantes, par interpolation linéaire.
Pour la série A, la calculatrice nous donne Q  , Med   et Q  . Graphiquement, on trouve D1  1,4
et D9  15.
1. Caractéristiques de dispersion
Définition 9
Soit X une série statistique. On appelle étendue de la série le réel défini par :
eX)  maxX – minX
Il s’agit de la première mesure de la dispersion d’une série statistique. Son principal mérite a longtemps
été d’exister, et de fournir une information sur la dispersion très simple à obtenir.
Exemple 13
L’étendue de la série A est de  –   .
Définition 10
On appelle intervalle interquartile, l’intervalle [ Q ; Q ]. L’amplitude de cet intervalle est
appelé l’écart interquartile.
Exemple 14
Dans la série A, l’intervalle interquartile est l’intervalle [3 ; 9] dont l’écart vaut 10 – 7 = 3.
Cet intervalle comprend donc la moitié des notes de la série située au centre de celle-ci.
Définition 11
La variance d’une série statistique X est le nombre noté VX obtenu comme moyenne des
carrés des écarts constatés par rapport à la moyenne de la série :
VX = Error! = Error! Error! = Error! Error!
« La variance est égale à la moyenne des carrés moins le carré de la moyenne »

Exemple 16
L’écart-type de la série B vaut : X    
Propriété 1
La variance et l’écart-type présentent les propriétés suivantes
- La variance et l’écart-type sont des nombres positifs ou nuls.
- Une variance nulle ou un écart-type nul signifient que toutes les valeurs de la
série sont égales à sa moyenne.
- Plus la variance (ou l’écart-type) d’une série est grande, plus cette série
est dispersée autour de sa moyenne.
II. Statistiques à deux variables

Dans cette partie, nous travaillerons sur la série statistique suivante afin d’illustrer les notions.
Evolution du nombre d’adhérents à un club de golf.

Année 2006 2007 2008 2009 2010 2011
Rang xi 1 2 3 4 5 6
Nbre d’adhérents yi 3 5 11 12 14 24
Le but est d’étudier cette série statistique à deux variables (le rang et le nombre d’adhérents) afin de
prévoir l’évolution du nombre d’adhérents pour les années suivantes.

1. Position du problème – Vocabulaire
La première étape consiste à réaliser un graphique qui traduise les deux séries statistiques ci-dessus.
Définition 13
Soit X et Y deux variables statistiques numériques observés sur n individus.
 
Dans un repère orthogonal (O, ;i, ;j), l’ensemble des n points de coordonnées xi ; yi forme
le nuage de points associé à cette série statistique.
Dans notre exemple, si on place le rang en abscisses, et le nombre d’adhérents en ordonnées, on peut
représenter par un point chaque valeur. On obtient ainsi une succession de points dont les coordonnées
(1 ; 3), (2 ; 5),…, (6 ; 14) forment un nuage de points.
Adhérents
24
20
16
12
0
0 1 2 3 4 5 6 Année
Le coin calculatrice
Touche STAT
Menu EDIT
Entrer les valeurs xi dans L
Entrer les valeurs yi dans L
Régler les valeurs du repère avec la touche WINDOWS
Appuyer sur la touche TRACE 

Menu STAT
Entrer les valeurs xi dans List1
Entrer les valeurs yi dans List
Choisir GRPH
Régler les paramètres avec SET
Choisir GRPH1

2. Ajustements
Le nuage de points associé à une série statistique à deux variables donne donc immédiatement des
informations de nature qualitatives.
Pour en tirer des informations plus quantitatives, il nous faut poser le problème de l’ajustement.
Définition 14
Soit une série statistique à deux variables X et Y, dont les valeurs sont des couples xi ; yi.
On appelle point moyen de la série le point G de coordonnées :
xG  Error!
yG  Error!
Dans notre exemple, on peut déterminer les coordonnées des points moyens suivants :
- G des années de 2006 à 2008 : G  ; ,
- G des années allant de 2009 à 2011 : G  ; ,
- G point moyen du nuage de points tout entier : G  , ; ,
Méthode de Mayer
Cet ajustement consiste à déterminer la droite passant par deux points moyens du nuage de
points.
La droite d’ajustement passant par G et G de notre exemple a pour équation y  ax  b.

Comme les coordonnées de G et G sont respectivement  ; , et  ; ,, on obtient :
y  Error! x – Error!



Adhérents
 24
20
G2
16
G1
12
0
0 1 2 3 4 5 6 Année
Méthode des moindres carrés

Il s’agit d’obtenir une droite équidistante des points situés de part et d’autre d’elle-même.
Pour réaliser ceci, on cherche à minimiser la somme des distances des points à la droite au carré.
On considère une série statistique deux variables représentée par un nuage justifiant un ajustement affine.
Définition 15
Dans le plan muni d’un repère orthonormal, on considère un nuage de n points de
coordonnées
xi ; yi.
La droite d d’équation y  ax  b est appelée droite de régression de y en x de la série
statistique ssi la quantité suivante est minimale :
Error! = Error!
Mi d
yi
axi  b Qi
xi

Remarque 4
Il serait tout aussi judicieux de s’intéresser à la droite d’ qui minimise la quantité Error!. Cette droite est
appelée droite de régression de x en y.
Définition 16
On appelle covariance de la série statistique double de variables x et y le nombre réel
covx, y  xy Error! Error! = Error! Error!
Remarque 5
On a : covx, x  Vx  x.
Théorème 1
La droite de régression d de y en x a pour équation y  ax  b où
a  Error!
b  ;y a;x
Les réels a et b sont donnés par la calculatrice.
Touche STAT
Menu CALC
Item LinReg
LinReg L, L
Menu STAT
Item CALC
Régler les paramètres avec SET
Item REG
Choisir X

Propriété 2
Le point moyen G du nuage appartient toujours à la droite de régression de y en x.
Dans notre exemple, l’équation de la droite d’ajustement d2 de y en x obtenue par la méthode des
moindres carrées est :
y  x - ,8
Adhérents
24
d d2
20
16
12
0
0 1 2 3 4 5 6 Année
Ajustement Exponentiel
On remarque qu’un ajustement linéaire ne semble pas très approprié pour ce nuage de points à partir de
2011, on se propose de déterminer un ajustement plus juste.
Dans notre exemple, on pose z  ln y. On obtient le tableau suivant en arrondissant les valeurs zi au
millième.
xi 1 2 3 4 5 6
zi 1,098 1,609 2,398 2,485 2,639 3,178
Par la même manipulation de la calculatrice, en modifiant les paramètres, on obtient une droite
d’ajustement d3 d’équation : z  ,x  ,.
Comme z = ln y, on obtient alors :
ln y  ,x  ,
exp ln y   exp,x  ,  exp,xexp,
On en déduit : y  ,exp,x.

Adhérents d3
d2
24
d1
20
16
12
0
0 1 2 3 4 5 6 Années
Comparaison
Grâce aux trois ajustements, on peut évaluer ce qui se passera pour l’année 2012, c'est-à-dire au rang 7
- La méthode de Mayer : y  Error!   – Error!   soit 23 adhérents
- La méthode des moindres carrés : y  , – ,soit 24 adhérents
- Ajustement exponentiel : y  ,exp,  , soit 32 adhérents
Le dernier ajustement semble le plus pertinent vu l’évolution en 2011.
3. Coefficient de corrélation linéaire
Définition 17
Le coefficient de corrélation linéaire d’une série statistique de variables x et y est le nombre
r défini par :
r  Error!
Ce coefficient sert à mesurer la qualité d’un ajustement.

Interprétation graphique
Plus le coefficient de régression linéaire est proche de 1 en valeur absolue, meilleur est l’ajustement
linéaire. Lorsque r  ± , la droite de régression passe par tous les points du nuage, qui sont donc alignés.
Dans notre exemple, le coefficient de corrélation est donné par la calculatrice avec les
coefficients des équations.
On trouve r  , et r  ,. Ce qui permet d’affirmer que l’ajustement exponentiel est
le plus fiable.
Propriété 4
Le coefficient de corrélation linéaire r vérifie    r  

SEQUENCE 2/4. PROBABILITES
Chapitre 8 – Probabilités
« Nécessairement, le hasard a beaucoup de pouvoir sur nous puisque c’est par hasard que nous vivons »
Léopold Sédar Senghor
I. Langage probabiliste
1. Vocabulaire
Définition 1
 Chaque résultat possible et prévisible d’une expérience aléatoire est appelé issue (ou
éventualité) liées à l’expérience aléatoire.
 L’ensemble formé par les issues est appelé univers, très souvent noté .
 Un événement d’une expérience aléatoire est une partie quelconque de l’univers.
 Un événement ne comprenant qu’une seule issue est un événement élémentaire.
 L’événement qui ne contient aucune issue est l’événement impossible, noté .
 L’événement composé de toutes les éventualités est appelé événement certain.
2. Opérations d’événements
On retrouve un vocabulaire et des notations ensemblistes :

- l’univers est l’ensemble
- l’issue est un élément de l’ensemble
- l’événement est une partie de l’ensemble
Opérations Exemple
 = {1,2,3,4,5,6}
L’événement contraire de A, noté A , est l’événement A  {,}
qui contient toutes les issues qui ne sont pas dans A. A = {2, 4, 5, 6}
La réunion de deux événements A et B, notée AB, est l’événement A = {1, 3, 5}

qui contient toutes les issues de A ou de B. B = {1, 2, 3, 4}
AB = {1, 2, 3, 4,
5}
L’intersection de deux événements A et B, notée AB, est A = {1, 3, 5}
l’événement B = {1, 2, 3, 4}
qui contient les issues communes à A et à B. AB = {1, 3}
Si AB  , on dit que les événements A et B sont des événements A = {2, 3, 4}

incompatibles ou disjoints. B = {6}
AB = 
A = {2, 4, 6}
On dit que A est inclus dans B, noté A  B si A est réalisé alors B est B = {1, 2, 4, 6}
réalisé. AB

1. Représentation des événements
Diagrammes « patatoïdes »
 
A AB B B
A 
B A
A 
A AB
Arbres
On lance une pièce de monnaie trois de suite, on peut schématiser cette expérience par un arbre.
pile
pile
face
pile
pile
face
• face
pile
pile
face
face
pile
face
face

II. Notion d’équiprobabilité
Définition 2
Soit  un univers fini, et p() l’ensemble des parties de 
Dans une épreuve, on appelle probabilité définie sur , toute application P de p() dans [
, ] qui vérifie :
- P  
- Si A et B sont des événements disjoints AB alors PAB  PA  PB
Propriété 1
P1 P A    – PA
P2 P  
P3   PA  
P4 PA  PAB  PA B  formule des probabilités totales
P5 PAB  PA  PB – PAB
P6 P A  B   P AB 
Définition 3
Soit  un univers fini.
On dit qu’il y a équiprobabilité quand tous les événements élémentaires ont la même
probabilité.
Si   {, , ,…,n} alors P{ i }Error! pour tout i ∈ [, n].
Propriété fondamentale
Soit A un événement de  dans une situation d’équiprobabilité, on a :
PA  Error!

III. Probabilités conditionnelles et indépendance
Définition 4
On suppose que PB≠.
 On appelle probabilité conditionnelle de A sachant B (ou de A relativement à B) la

probabilité que l’événement A se réalise sachant que B est réalisé.
Cette probabilité vaut PB A  Error!
Remarque 1
Il existe une autre notation pour la probabilité conditionnelle PA/B
Exemple 1
On considère l’expérience aléatoire consistant à lancer un dé à 6 faces, équilibré. On suppose que toutes
les faces sont équiprobables, et on définit les événements :
B : « La face obtenue porte un numéro pair »
A : « La face obtenue porte un numéro multiple 3 »
Déterminons la probabilité d’obtenir un numéro multiple de 3 sachant qu’on a un numéro pair.
1ère méthode
L’événement A/B correspond à l’événement « obtenir un numéro multiple de 3 » parmi les issues de B,
c'est-à-dire parmi {2 ; 4 ; 6}. Il n’y a donc que l’issue « obtenir 6 » qui correspond.
Comme nous sommes en situation d’équiprobabilité, on obtient PB A  Error!.
2ème méthode
Par le calcul, on a PB  Error! et PAB  Error! donc d’après la formule : PB A = Error! =
Error! = Error! .
Propriété 2
Pour tous événements A et B de probabilités non nulle, on a :
PAB  PBPB A  PAPA B

Propriété 3
Soit S un événement de probabilité non nulle, on a :
-   PS A  
- PS   
- PS   
- PS ( A    – PS A
- PS AB  PS A  PS B – PS AB
- Si A et B sont des événements disjoints, alors PS AB  PS A  PS B
- PS  A  B   PS  AB    – PS AB
Remarque 2
On remarque ainsi que la probabilité conditionnelle relative à un événement S a les mêmes propriétés
habituelles du calcul des probabilités.
Formule des Probabilités Totales

Pour tous A et B de probabilités non nulle
PA  PA/BPB  PA/ B P B 
Définition 5
On dit que A et B sont des événements indépendants si et seulement si PAB 
PA.PB.
Exemple 2
On considère le tirage au hasard d’une carte d’un jeu de 32 cartes. Etudions les événements suivant :
A : « Tirer un 7 »
B : « Tirer un trèfle »
C : « Tirer un noir »
Etudions l’indépendance A, B et C.
PA  Error!  Error!  PB  Error!  PC  Error!
PAB  Error!  PAC  Error!   PBC  Error!
PAPB  Error!  Error!  Error!  PAB les événements A et B sont indépendants.
PAPC  Error!  Error!  Error!  PAC les événements A et C sont indépendants.
PBPC  Error!  Error! Error! ≠ PBC les événements B et C ne sont pas
indépendants.

Remarque 3
Conséquence : Si A et B sont indépendants de probabilité non nulle alors
PA B  PB et PB A  PA
Propriété 4
Si A et B sont des événements indépendants alors A et B ; A et B ; A et B sont
également des événements indépendants.
IV. Dénombrement
Le problème du calcul de probabilités se réduit souvent à un problème de dénombrement (nombre des
issues possibles, nombre de cas favorables…). Voici différentes méthode de dénombrement.
1. Utilisation de tableaux
Exercice corrigé 1
Résultats d’un sondage effectué au début de l’année 2008 auprès de 1 000 personnes, à propos de la vie
politique.
- 40 % des personnes interrogées déclarent être intéressées par la politique.
- 35 % des personnes interrogées ont moins de 25 ans et parmi celles-ci, 80 % déclarent

être intéressées par la politique.
- 30 % des personnes interrogées ont plus de 50 ans et, parmi celles-ci, 85 % ne sont pas
intéressées par la politique.
a) Reproduire et compléter le tableau suivant :
Intéressés par Internet Non intéressés par Internet Total

Moins de 25 ans 70
De 25 à 50 ans
Plus de 50 ans
Total
b) On choisi au hasard une personne parmi les 1 000 interrogées. On suppose que toutes
les personnes ont la même probabilité d’être choisies. On considère les événements :
A : « La personne interrogée est intéressée par la politique »

B : « La personne interrogée a moins de 25 ans »
- Calculer les probabilités PA et PB.
- Définir par une phrase l’événement contraire de B, puis calculer sa probabilité.
- Définir par une phrase l’événement AB, puis calculer PAB. En déduire PAB.
- On sait maintenant que la personne interrogée n’est pas intéressée par la politique.
Quelle est la probabilité qu’elle ait moins de 50 ans ?

Solution
a)
Intéressés par Internet Non intéressés par Internet Total

Moins de 25 ans 280 70 350
De 25 à 50 ans 75 275 350
Plus de 50 ans 45 255 300
Total 400 600 1000
b)
- PA  Error!  Error!  , et PB  Error!  Error!  ,
- B : « La personne choisie à 25 ans ou plus » et P B    – PB   – Error!  Error!

 ,
- AB : « la personne interrogée est intéressée par la politique ET a moins de 25 ans »
PAB  Error!  Error!  ,

PAB  PA  PB – PAB  Error!  Error! – Error!  Error!  Error!  ,
- P  Error!  Error!  Error!  ,
2. Utilisation d’arbres
Exercice corrigé 2
Benjamin sait que le congélateur de la cuisine renferme quatre bâtons de crème glacée, de quatre parfums
différents (vanille, chocolat, pistache, fraise).
Gourmand et insomniaque, il décide de se lever en pleine nuit, sans allumer la lumière, et de prendre, à
tâtons et successivement, deux bâtons dans le congélateur.
Tous les choix sont équiprobables.
1. A l’aide d’un arbre, déterminer le nombre de couples différents de bâtons qu’il peut ainsi
obtenir.
2. Ses parfums préférés sont vanille et fraise. Calculer les probabilités qu’il obtienne :
- le bâton à la vanille, puis le bâton au chocolat.
- les bâtons de ses parfums préférés dans un ordre quelconque.
- un seul de ses parfums préférés.
- aucun de ses parfums préférés.

Solution
1)
•
Vanille Chocolat Pistache Fraise
C P F V P F V C F V C P
On obtient      possibilités.
2) Toutes les situations étant équiprobables, on a :
P  Error!
P  Error!  Error!
P  Error!  Error!
P  Error!  Error!
1. Permutations
Définition 6
On réalise une permutation si on écrit tous les éléments d’un ensemble dans un ordre
déterminé.
Exercice corrigé 3
On considère 4 pions de couleurs, respectivement verte (V), rouge (R), bleue (B) et noire (N). On
souhaite aligner les pions les uns derrière les autres. De combien de manières différentes (par l’ordre des
couleurs) peut-on le faire ?
Solution
Pour la première position, il y a 4 couleurs possibles. Pour la seconde, il n’y en a plus que 3. Pour la
troisième position, il ne reste plus que deux possibilités de couleur et pour la dernière position, il ne
restera qu’une couleur, la dernière. Un arbre permet de décrire complètement ce schéma.
On obtient donc : 4  3  2  1 = 24

Définition 7
Soit n ∈ . On appelle factorielle n le nombre noté n ! qui vaut n !  n  n –   …    .
Par convention  !  .
Remarque 4
Pour tout n ∈ ;, on a n   !  n  n !
Propriété 5
Le nombre de permutations de n éléments est n !
« On dit aussi qu’il y a n ! façons de ranger n objets dans n cases, de manière à placer tous les
objets dans une et une seule case. »
Exemple 3
Faire un emploi du temps consiste (grossièrement) à placer 16 blocs de 2 heures dans un planning
hebdomadaire vierge, qui compte 16 créneaux de 2 heures. On peut ainsi déterminer le nombre d’emplois
du temps différents que l’on peut constituer, soit :
16 ! = 20922789890000  21000 milliards….
3. Combinaisons
Définition 8
Soient n et p deux entiers naturels.
- On appelle combinaison de p éléments parmi n le fait de prélever p
élément parmi n, de manière à constituer un groupe dans lequel l’ordre n’a
pas d’importance.
- ce nombre de combinaisons vaut :
Error! si p n
 ; 
n
 p
 sinon
Remarque 5
Si l’on s’intéresse à la constitution d’un groupe ordonné, on parle d’arrangement, au lieu de
combinaison.
On trouve encore l’ancienne notation de la combinaison Cp;n …

Exemple 4
On tire 5 cartes au hasard dans un jeu de 32, pour constituer une main (sans tenir compte de l’ordre
d’arrivée des cartes).
- Il y a (;) = 201376 mains possibles
- Il y a (;)(;) = 4378 = 1512 mains contenant 3 rois exactement
Propriété 6
Soient n et p des entiers naturels tels que p n, alors
 (n;) = (n;n) = 1
 (n;p) = (n;n - p) (symétrie)
 (n;p) + (n;p + 1) = (n + 1;p + 1) relation de Pascal
Triangle de Pascal
(;)
(;) (;)
(;) (;) (;)
(;) (;) (;) (;)
(;) (;) (;) (;) (;)
1
1 1
1 + 2 1
1 3 3 1
1 4 6 4 1
Formule du Binôme de Newton

Pour tous réels a et b et tout entier naturel n, on a
a  bn  Error!
Exemple 5
Développons x  
- x    Error!
- Le triangle de Pascal nous donne les coefficients : pour n  , on obtient respectivement

1, 4, 6, 4 et 1.
- Ce qui donne :
x      x  x  x  x

SEQUENCE 3/4. VARIABLES ALEATOIRES DISCRETES
Chapitre 9
Variables aléatoires discrètes
I. Variable aléatoire discrète

1. Notion de variable aléatoire discrète
Exemple 1
Un jeu de hasard consiste à lancer un dé équilibré à 6 faces.
Le lanceur gagne le double de la somme de la valeur de la face obtenue si celle-ci est paire,
sinon, il perd le double de la valeur indiquée par le dé.
On appelle X le gain, positif ou négatif, du joueur après un lancer.
L’ensemble des issues possibles est  = {1; 2; 3; 4; 5; 6}. X défini ainsi une variable aléatoire
réelle.
X   , X   , X   , X   , X    et X   
Définition 1
Soit  un univers fini à n issues.   {, , …, n} (n ∈ )
Une variable aléatoire est une application de  dans  telle que
X :   
k  xi où k ∈ {, ,… , n}
xi est appelé valeur de la variable aléatoire X.
Remarque 1
- La variable aléatoire X peut toujours être définie de manière à avoir :
x  x  …  xn
- X  { x, x , …, xn }
Notations
L’ensemble des antécédents de xi par X se note { X  xi }.
L’ensemble des antécédents des valeurs de X inférieur ou égal à un réel x se note { X  x }.
Exemple 1 (suite)
• L’ensemble des antécédents de 4 par X se note { X   } est vaut {}
• L’ensemble des antécédents des valeurs de X inférieur ou égales à un réel 8 se note

{ X   } est vaut { 1; 2 ; 3 ; 4 ; 5 }

1. Loi d’une variable aléatoire
Définition 2
Soit i ∈ {  ;  ; … ; n }. L’ensemble des couples xi , PX  xi constitue la loi de
probabilité de la variable aléatoire X.
Remarque 2
En général, on présente la loi d’une variable aléatoire X sous la forme d’un tableau, qui récapitule les
valeurs prises par X ainsi que les probabilités associées.
On pose : pi  PX  xi
valeurs de X x x … xi … xn
PX  xi p p … pi … pn
On peut également représenter la loi de probabilité de X par un diagramme en bâtons.
Exemple 1 (suite)
La loi de X est donnée par :
Valeurs -10 -6 -2 4 8 12
de X
Error! Error! Error! Error! Error! Error!
PX 
xi

Exemple 2
On dispose d’un jeu de 32 cartes. On tire une carte dans ce jeu, et on attribue à ce tirage la
valeur X calculée suivant la règle suivante :
- si la carte est un Roi, X vaut 4 points

- si la carte est une Dame, X vaut 3 points
- si la carte est un Valet, X vaut 1 point
- toutes les autres cartes valent 0 point.
• La loi de X est donnée par :
xi 0 1 3 4
PX

xi
2. Fonction de répartition
Soit x un nombre réel. L’événement { X  x } est la réunion des événements { X  xi } pour des
valeurs xi inférieures ou égales à x.
Définition 3
On appelle fonction de répartition de la variable aléatoire X , l’application F définie par :
F :   [ ; ]
x  P  X  x
F X est la probabilité de l’événement « obtenir une valeur de X inférieure ou égale à x »
Propriété 1
Soient x et y deux réels.
• PX  x   – PX  x   – F X 
• Px  X  y  PX  y – PX  x  F y – F x
• La fonction F est croissante
• Si x  x alors F x  
• Si x  xn alors F xn  

Exemple 1 (suite)
Soit F la fonction de répartition de X.
F x est la probabilité que le gain issu du jeu soit inférieure ou égale à x.
Soit x  . Calculer F .
F   PX    PX    PX    PX     Error!
Le tableau suivant définit la fonction de répartition :
x -  -10 -6 -2 4 8 12 +
0 Error! Error! Error! Error! Error! Error! Error! Error!
PX  Error! Error! 1 1
x
Représentation graphique de la fonction F :

1. Valeurs caractéristiques : espérance, variance et écart-type
• Espérance d’une variable aléatoire X
Définition 4
Soit X une variable aléatoire discrète, on appelle espérance de la variable
aléatoire X
le réel noté EX  qui vaut :
EX  px  px  …  pnxn = Error!
Remarque 3
Ce nombre représente la valeur moyenne de la variable aléatoire X.
Exemple 2 (suite)
On reprend le jeu de cartes étudié précédemment. On rappelle que la loi de X est donnée par :
xi 0 1 3 4
PX
 xi

• Calcul de l’espérance :
EX   Error!  Error!  Error!  Error!  
Cela signifie : "en moyenne", le joueur gagne 1 point.
Propriété 2
Soit k une constante
EX  k   EX   k  EkX   kEX 

• Variance et écart-type d’une variable aléatoire X
La variance et l’écart-type permettent d’estimer la dispersion des valeurs de X autour de

l’espérance mathématique.
Définition 5
Soit X une variable aléatoire discrète.
On appelle variance de la variable aléatoire X le réel noté V X  défini par :
V X   EX  – EX 
On appelle écart-type de X le réel noté ( X ) défini par :
X   VX 
Exemple 2 (suite)
Calcul de la variance pour le jeu de cartes :
VX   EX  – EX   Error!  Error!  Error!  Error!    ,
Calcul de l’écart-type :

X   V X     ,

Propriété 3
Soit k une constante
VX  k   VX    VX   kVX    kX   k X 

II. Lois fondamentales
1. Loi de Bernoulli
Définition 6
Une expérience de Bernoulli est une expérience qui n’a que deux issues
possibles, l’une appelée « succès » qui a pour probabilité p, l’autre appelée « échec
» qui a pour probabilité q   - p.
Définir une loi de Bernoulli de paramètre p, c’est associer une loi de probabilité
discrète à cette expérience aléatoire en faisant correspondre la valeur 1 à
l’apparition d’un succès et 0 à celle d’un échec.
 
xi  

PX  xi  p   p
Exemple 3
Si on lance un dé et qu’on nomme « succès » l’apparition de la face 6, on obtient la loi de
Bernoulli suivante :
 
xi  

Error! Error!
PX  xi 
Propriété 4
Soit X une variable aléatoire suivant une loi de Bernoulli b( p), alors :
L’espérance de X vaut EX   p.
La variance de X vaut V X   pq.

Exemple 3 (suite)
Dans l’exemple précédent, on obtient :
EX  = Error! et VX  = Error!
2. Loi Binomiale
Définition 7
La loi Binomiale de paramètres n et p, notée b n ; p) est la loi de probabilité du
nombre de succès dans la répétition de n expériences de Bernoulli de paramètre p
identiques et indépendantes.
Elle est définie par :
PX  k   (n;p)  pk   – pk, kn
Exemple 4
On lance 2 fois un dé équilibré.
On s’intéresse à l’apparition de la face 6. Chaque lancer est une expérience de Bernoulli de
paramètre 1/6. On obtient donc une loi binomiale b(2 ; 1/6).
nombre de succès 0 1 2
probabilité 25/36 10/36 1/36
Propriété 5
Soit X une variable aléatoire suivant une loi Binomiale bn ; p, alors :
- L’espérance de X vaut EX   np
- La variance de X vaut V X   npp
- L’écart-type vaut X   npp

Exemple 4 (suite)
EX   / et V X   /.
1. Loi de Poisson
La Loi de Poisson modélise des situations où l’on s’intéresse au nombre de fois où apparait un
événement dans un laps de temps déterminé ou dans une région donnée.
Par exemple :
• nombre d’appels téléphoniques qui arrivent à un standard en x minutes,
• nombre de clients qui attendent à la caisse d’un magasin,
• nombre de défauts de peinture par m2 sur la carrosserie d’un véhicule . . .
Définition 8
La variable aléatoire X suit une loi de Poisson de paramètre , notée p() avec  >
0 lorsque sa loi de probabilité vérifie :
PX  k   e- Error!  k 
Le formulaire donne pour certaines valeurs du paramètre les probabilités PX  k , k ∈ . Les valeurs
non écrites sont négligeables. On peut aussi taper la formule directement sur la calculatrice.
Exemple 5
On considère la variable aléatoire X mesurant le nombre de clients se présentant au guichet
numéro 1 d’un bureau de poste par intervalle de temps de durée 10 minutes entre 14h30 et
16h30.
On suppose que X suit la loi de Poisson de paramètre  = 5.
En utilisant la table de la loi de Poisson avec  = 5, calculer :
• La probabilité qu’entre 14h30 et 14h40, 10 personnes exactement se présentent à ce guichet :
PX    , 

• La probabilité qu’entre 15h20 et 15h30, au maximum 3 personnes se présentent à ce guichet :
PX  = PX    PX    PX    PX  

= ,  ,  ,  ,  ,
• La probabilité qu’entre 16h00 et 16h10, 8 personnes au moins se présentent à ce guichet :
PX      PX      [PX    PX    …  PX  ]    ,   , .
Propriété 6
Soit X une variable aléatoire suivant une loi de Poisson de paramètre , alors l’espérance et
la variance sont égales et valent EX   V X   
Exemple 5 (suite)
EX  5 et V X  
I. Approximation d’une loi Binomiale par une loi de Poisson
Exemple 6
Dans une usine, 3 % des pièces sont défectueuses. On prélève une pièce, on examine si elle est
défectueuse et on la replace parmi les autres.
On répète 200 fois l’expérience.

On désigne par X la variable aléatoire qui à chaque tirage de 200 fois associe le nombre de pièces
défectueuses.

a. Justifier que X suit une loi Binomiale
La variable aléatoire X mesure le nombre de pièces défectueuses.

Pour chaque tirage, on a deux résultats possibles :
- ou bien la pièce est défectueuse, la probabilité est alors p  ,
- ou bien elle ne l’est pas, la probabilité est alors de q   – p  ,
On effectue 200 tirages de manière indépendante. On peut donc en conclure que X suit la loi Binomiale
b(200 ; 0,03).
b. Calculer PX = 
Comme X suit la loi Binomiale de paramètre n   et p  ,, on a
PX    (;),,
Le résultat peut être obtenu plus rapidement avec une loi de Poisson qui en donne une
bonne approximation.
Théorème 1
Soit n « assez grand » (n  ) et p voisin de 0 ( p  ,) tels que np –p  
On peut approcher la loi Binomiale b n ; p par la loi de Poisson p , où   np.

Exemple 6 (suite)
a. Montrer qu’une approximation de la loi Binomiale par une loi de Poisson convient.
b. Calculer P X   à l’aide de l’approximation.
c. Comparer pour apprécier la qualité de l’approximation
a. Comme n  , p  , et np –p  , l’approximation de la loi Binomiale

b ; ,) par la loi de Poisson p (6) convient.
b. Le résultat se lit directement dans la table de la loi de Poisson    et k  

PX   ≈ ,
c. La formule de P X    (;) ,, donne , à l’aide de la calculatrice. La loi de

Poisson donne une bonne approximation de P X  
III. Indépendance de deux variables aléatoires
Définition 9
Soient X et Y deux variables aléatoires discrètes de valeurs respectives x x ..., xn
et
y , y , ..., yp.
Les variables aléatoires X et Y sont indépendantes si pour tous i et j tels que   i
 n et
jp
PX  xi , Y  yj  PX  xiPY  yj.
Exemple 7
On lance deux dés équilibrés à six faces (un rouge, et un bleu). On appelle X le numéro de la
face du dé bleu, et Y le numéro de la face du dé rouge.
On appelle S la somme des faces obtenues.
Les variables X et Y sont indépendantes.

Les variables X et S ne sont pas indépendantes.
Les variables Y et S ne sont pas indépendantes.

Exemple 8
On donne deux variables aléatoires discrètes X et Y vérifiant
PX  -  Error! , PX    Error! , PX    Error!
Y  X .
• Loi de Y :
yi 0 1
Error! Error!
PY

yi
• Loi du couple (X ; Y )
On calcule la probabilité obtenue pour chaque couple.
   PY 
X yi
Y
  Error!  Error!
 Error!  Error! Error!
 Error! Error! Error!

PX

xi
PX    Y    

PX  - × PY    Error!  Error!  Error!  
X et Y ne sont donc pas indépendantes.
(Ce résultat était prévisible puisque, par construction, la variable Y est dépendante de la
variable X ).

SEQUENCE 4/4. VARIABLES ALEATOIRES CONTINUES
Chapitre 10
Variables aléatoires continues
I. Variable aléatoire continue

1. Notion de variable aléatoire continue
Définition 1
Une variable aléatoire continue est une variable qui prend ses valeurs dans un intervalle de .
Exemple 1
Le jeu consiste à trouver un nombre compris entre 1 et 100.
1er cas
On considère la variable aléatoire discrète X égale à un nombre entier compris entre 1 et 100.
Soit x le nombre choisi. La probabilité de trouver ce nombre est PX  x = Error!. Le nombre de
valeurs de X est fini. L’étude d’une telle variable aléatoire a été faite dans le chapitre 9.
2ème cas
On considère la variable aléatoire X égale à un nombre réel compris entre 1 et 100.
Soit x le nombre choisi. La probabilité de trouver ce nombre est P X  x  .
L’ensemble des valeurs de X est un intervalle : ensemble infini non dénombrable de réels.
On ne peut pas définir de loi de probabilité de X du type P X  xi.
2. Fonction de répartition d’une variable aléatoire continue
Définition 2
Soit X une variable aléatoire, on appelle fonction de répartition de X la fonction
définie sur  par :
F x  PX  x

Propriété 1
Soit x et y deux réels sur un intervalle I de .
- PX x   – P X  x   – F x
- P x  X  y  P X  y – P X  x  F y  – F x
- F est croissante, continue sur 
- lim; F x  
x   
- lim; F x  
x   
-  F x  
Remarque 1
On admet que pour une variable aléatoire continue, pour tout a   : PX  a   .
On a donc :
• Pa  X   Pa  X 
• PX  b   PX  b 
• P a  X  b   Pa  X  b   Pa  X  b   Pa  X  b 
3. Densité et loi de probabilité
Définition 3
Lorsqu’ une fonction de répartition F est dérivable, la fonction f dérivée de F est appelée
densité de probabilité de X et pour tout x  , F ‘x  f x.
Conséquences
• F étant une fonction croissante, f est positive.
• P a  X  b   Fb – Fa  Error!

• P X  a  F a  lim; Fa – Fx  lim; Error!  Error!
x    x   
• L’aire entre la courbe de f, qui est une fonction positive, et l’axe des abscisses vaut 1. Ce qui s’écrit :
Error!
Exemple 2
Densités de probabilités et courbes représentatives.
f x  {  si x; si   x   ;  si x
f x  {  si x   ; x   si   x   ; x   si   x   ;  si x
f x  {  si x   ; ex si x

4. Espérance mathématique, variance et écart-type
Définition 4
 L’espérance mathématique d’une variable aléatoire continue X est le nombre
réel,
noté E X, défini par :
E X   Error! *
 On appelle variance de X, le nombre réel noté V X, défini par :

V X   E X  – [E X ] Error! – [E X ]
 L’écart-type de X, note  X , est la racine carrée de la variance :

 X   V X
* On suppose que l’intégrale existe.
Exemple 2 (suite)
Calcul de l’espérance, la variance et l’écart-type pour la fonction f.
 E X   Error! = Error! + Error! + Error! + Error!
 Error! + Error!
 
 Error!Error!  Error!  
 
 V X Error! – [E X] = Error! + Error!

 Error!  Error!
 
  Error!  Error!  Error!
 
  X = V X = /

Propriété 2
Soient X, Y deux variables aléatoire continues admettant une espérance et une variance.
Soient a, b  .
- E aX  b  aE X   b
-
- V aX  b  aVX 
-  aX  b  a  X 

- E X  Y   E X   E Y 

-E X – Y   E X  – E Y 


Si de plus X et Y sont indépendantes :
- V X  Y   V X   V Y 
- V X – Y   V X   V Y 
II. La loi normale ou Loi de Laplace – Gauss
1. Définition
Définition 5
En probabilité, on dit qu'une variable aléatoire réelle X suit une loi normale (ou loi normale
gaussienne, loi de Laplace-Gauss) d'espérance m et d'écart type  strictement positif (donc
de variance ) si cette variable aléatoire réelle X admet pour densité de probabilité la
fonction f x définie, pour tout nombre réel x  , par :
f x  Error! exp Error!
Une telle variable aléatoire est alors dite variable gaussienne. On note habituellement cela
de la manière suivante :
X  n m ; 

La loi normale est une des principales distributions de probabilité. Elle a été introduite par le
mathématicien Abraham de Moivre en 1733 et utilisée par lui afin d'approcher des probabilités associées
à des variables aléatoires binomiales possédant un paramètre n très grand. Cette loi a été mise en évidence
par Gauss au XIXe siècle et permet de modéliser de nombreuses études biométriques. Sa densité de
probabilité dessine une courbe dite courbe en cloche ou courbe de Gauss.
Conséquence
Soit X une variable aléatoire qui suit la loi normale n(m ; ).
La fonction de répartition F de X est donnée par l’intégrale :
F x  P X  x  Error!
Propriété 3
Si une variable aléatoire X suit la loi normale n(m ; ) alors :
E X  m  V X     X  

2. Loi normale centrée réduite
Définition 6
Si les paramètres d’une loi normale sont respectivement 0 et 1, alors on dit que la loi normale
est centrée réduite. On la note n  ; 
La densité de probabilité associée à la loi normalen  ; est la fonction f définie par :
f x  Error!expError!
Propriété 4
- f est une fonction paire sur  : f x  f x
- La représentation graphique de f notée cf , est symétrique par rapport à l’axe
des ordonnées

Théorème 1
Soit X une variable aléatoire qui suit la loi Normale n (m ; 
En effectuant le changement de variable suivant :
T  Error!
On obtient une nouvelle variable aléatoire, notée T, qui suit la loi normale centrée réduite n
(0 ; 1).
Conséquence
La loi normale n (m ; ) a deux paramètres (comme la loi Binomiale) mais le changement de variable T 
Error! permet de travailler avec la loi normale centrée réduite n (0 ; 1) dont la table est fournie.
Définition 7
Soit T une variable aléatoire qui suit la loi normale centrée et réduite.
La fonction de répartition de T, notée  est donnée par :
 t  P T  t  Error!
avec f x  Error! expError!
Propriété 5
Soit T une variable aléatoire de loi n (0 ; 1)
 P T  t     t
  t   , t    t
  a , b   avec a  b, P  a  T  b  b  a
  t  , P t  T  t     

3. Utilisation de la table de la loi Normale n ( 0 ; 1)
Le formulaire ne donne que des valeurs de la loi normale centrée réduite et pour des valeurs positives.
Extrait :
t , , ,

, , , ,

, , , ,
, , , ,
 Calcul de PT  ,
Le nombre situé à l’intersection de la colonne , et de la ligne , est la valeur de la

fonction de répartition de T pour t  ,  ,  ,
Ainsi  T  ,   ,

 Calcul de PT  ,25
P  T  ,    ,   – ,  ,
 Calcul de PT  -,17

PT  ,    ,   – ,  ,
 Calcul de P ,  T  ,

P ,  T  ,  ,  , = 0,0398
Exercice 1
Soit X la variable aléatoire qui suit la loi normale n( m ; où m  , et   ,.
Calculer P X  , et P ,  X  ,.

III. Approximation de la loi Binomiale par la loi Normale
Exercice 2
On lance 700 fois une pièce de monnaie pipée. La probabilité d’obtenir face est de 2/3
On désigne par X la variable aléatoire qui à chaque partie associe le nombre de « face » obtenus.
1. Justifier que X suit une loi binomiale, en préciser les paramètres.
2. Peut-on calculer P X   ?
Solution
1.
La variable aléatoire X mesure le nombre de « face » obtenus. Pour chaque jet, on a deux résultats
possibles. Soit un succès avec une probabilité de 2/3, soit un échec avec une probabilité de 1/3.
Les 700 lancers sont indépendants. On peut donc conclure que X suit la loi Binomiale b n ; p avec
n   et p  
2.
Comme X suit la loi Binomiale b (700 ; 2/3), on a :
P X     – PX     – [PX    PX    …  PX  ]  ……..
Théorème 2
Pour n « assez grand » (n  ) et pour p ni voisin de  ni voisin de , tels que np – p 
10, on peut approcher la loi binomiale b n ; ppar la loi normale n (m ; ) où
m  np et  = np – p
Exercice 2 (suite)
1. Montrer qu’une approximation de la loi Binomiale par une loi normale se justifie.
Donner les paramètres de la loi normale.
2. Calculer P X   à l’aide de l’approximation.

Solution
1.
n   et p  
npp  7/    
L’approximation de la loi Binomiale b (700 ; 2/3) par une loi normale n (m ; ) convient. les paramètres
m et σ sont :
- m    (  

- σ   
2.
On utilise le changement de variable T  Error!.
La variable aléatoire T suit la loi normale n ( 0 ; 1).
P  X     P σT  m  
  P T  Error!     P  T  ,   –   ,  ,  ,
IV. Test du 2 (Khi-deux)

Principe
Le test du 2 confirme ou infirme l’approximation par une loi normale d’une distribution expérimentale.
Méthode
Il s’agit de comparer les fréquences fi d’un échantillon de taille N aux probabilités pi calculées à partir de
la loi normale. Pour cela, on calcule :
  N Error!Error!
On dispose de la table de distribution de 2 donnant les valeurs théoriques notées en fonction de deux
paramètres  et .
-  : nombre de degrés de liberté
Pour la loi normale, on définit  = p  où p est le nombre de valeurs testées.

-  : seuil de signification ou seuil de risque

Lorsque on dit que la série statistique observéeest assimilable à une loi
normale au seuil de signification
Exercice d’application
Une entreprise a relevé le diamètre en centimètres de 100 pièces fabriquées :
Diamètre (cm) Effectifs
[8 ; 10[ 8
[10 ; 12[ 18
[12 ; 14[ 48
[14 ; 16[ 16
[16 ; 18[ 10
Peut-on assimiler la série à une loi normale au seuil de risque 1 % ?

- moyenne de la série : m  
- écart-type de la série :   ,
- Seuil de risque :  = 0,01
- Nombre de degré de liberté :  = 5 – 3 = 2
- Lecture de la valeur théorique 
Le but de l’exercice est de savoir si, au seuil de signification de 0,05, la variable aléatoire X qui à
chaque pièce associe son diamètre suit une loi normale n ; ,.
Pour cela il faut calculer et comparer la valeur 2 à la valeur théorique Il faut donc calculer
toutes les probabilités pi et les fréquences fi .
X –  ; 
On pose T  .

La variable aléatoire T suit la loi normale centrée réduite.
 P  P  X    P,  T  ,  ,  ,
   , – [  ,]
 ,  ,  ,
 P2  P  X    P  T        ,24
 P  P  X    P  T  0,49    

  – [  ]
 2  1  0,3758

 P  P  X  16  P  T  1,46  
 , – 
 P  P  X  18  P  T  2,43  

  – 
Remarque
;
La somme des Pi donne 0,985. On peut proposer de multiplier chaque résultat par afin d’avoir une

somme des probabilités égale à 1
Calcul de 2 = N Error!
Error! Diamètre en cm fi Pi 2
[8 ; 10[ 0,08 0,066 0,297
[10 ; 12[ 0,18 0,244 1,679
[12 ; 14[ 0,48 0,382 2,514
[14 ; 16[ 0,16 0,244 2,892
[16 ; 18[ 0,1 0,066 1,751
Totaux 1 1 9,133
On obtient 2 = 9,133 < 
On peut conclure que la longueur des diamètres suit, au seuil de signification 1 % , la

loi normale n(13 ; 2,06).

V. Lois limites
1. Loi faible des grands nombres ou théorème de Bernouilli
Théorème 3
Soit n variables aléatoires indépendantes X, X, … , Xn ayant même espérance m et même
écart-type 
Soit Xn = Error! , alors :
  > 0, lim; P  Xn  m  

x  
Exemple :« Interpétation » du Théorème

On lance un dé. Si on obtient 6, on gagne 1 point (succès) sinon on n’obtient aucun point (échec).
Soit Xi la variable aléatoire correspondant au nombre de point obtenu lors du lancer i.

On a alors :
PXi    Error!
PXi     Error!
EXi  Error!
On répète n fois cette même expérience. Les variables aléatoires X1, X2, … ,Xn ont même loi de
probabilité.
Pour connaitre le nombre de succès, on étudie la variable aléatoire :
Xn = nombre de succès / nombre d’expérience aléatoires
= Error!
 Pour n  , il y a peu de chance pour obtenir X3 = Error!.
 Pour n  , la probabilité d’obtenir X  Error! augmente sans être forte
 Pour n  , on se rapproche de la valeur de Error! .
Le théorème confirme cette observation. Plus n est grand, plus Xn se rapproche de la valeur
moyenne théorique Error! . Intuitivement, ce résultat semble simple.

2. Théorème de la limite centrée
Théorème 4
Soit n variables aléatoires indépendantes X, X, … , Xn ayant même espérance m et même
écart-type 
Soit Xn = Error! , alors :
Pour n suffisamment grand, Xn suit approximativement la loi normale n  m , Error!
3. Lois d’échantillonnage
En statistique, il est en général impossible d’étudier un caractère sur toute une population de taille N
élevée.
Avant d’aborder le problème de l’estimation de valeurs caractéristiques inconnues dans la population, il

est indispensable de commencer par l’étude de la théorie de l’échantillonnage :
Question ?
En supposant connus les paramètres statistiques de la population, que peut-on en déduire sur les
échantillons prélevés dans la population ?
On suppose que ces échantillons sont prélevés au hasard et que le tirage de ces échantillons est effectué
avec remise.
L’ensemble de ces échantillons de taille n est appelé échantillonnage de taille n.
 Loi d’échantillonnage des moyennes
Étant donné une population de taille N et X une variable aléatoire telle que EX  m et σ X  σ.
Pour prélever les échantillons de taille n, on a procédé à n épreuves indépendantes de variables aléatoires
X, X, . . ., Xn de même loi que X.
La variable aléatoire Xn = Error! associe à tout échantillon de taille n la moyenne de cet échantillon.
D’après le théorème de la limite centrée, pour n assez grand, on a :
Propriété 5
La loi d’échantillonnage de taille n de la moyenne Xn quand n devient grand (n  ),
peut être approchée par la loi normale n ( m , Error! ).

Exemple 4
Une machine fabrique des pièces en grande série.
A chaque pièce tirée au hasard, on associe sa longueur exprimée en millimètres. On définit
ainsi une variable aléatoire X. On suppose que X suit la loi normale n, ; ,.
Soit Mn la variable aléatoire qui à tout échantillon aléatoire de taille n associe la moyenne des
longueurs des n pièces de l’échantillon.

La propriété nous dit alors que pour n assez grand, Mn suit la loi normale n, ; ).
; n
Supposons que les échantillons soient de taille 100, alors M suit la loi n(,  ; , ).
 Loi d’échantillonnage de la fréquence
On étudie, dans une population de taille N, un caractère X suivant une loi de Bernoulli b(p), c’est-à-dire
que les éléments possèdent une certaine propriété de fréquence p.
Dans un échantillon de taille n, on répète n fois la même épreuve de façon indépendante. On obtient n
variables aléatoires X, X, . . ., Xn de même loi que X.
La variable aléatoire fn  Error! associe à tout échantillon de taille n la fréquence de succès sur cet
échantillon.
Propriété 6
La loi d’échantillonnage de taille n de la fréquence fn pour n « assez grand » peut être
approchée par
la loi normale n (p ; Error! ).
Remarque
Ce résultat est un cas particulier du précédent en l’appliquant à m  p et σ = p – p
Exemple
Une urne contient 100 boules numérotées de 1 à 100, indiscernables au toucher. Lors d’un
tirage aléatoire d’une boule, la probabilité d’obtenir un nombre inférieur ou égal à 37 est p  ,
.
On appelle succès l’événement qui consiste à tirer une boule numérotée de 1 à 37.
Un échantillon de taille 50 est obtenu par un tirage aléatoire, avec remise, de 50 boules. On
s’intéresse à la fréquence d’apparition d’un succès lors du tirage de ces 50 boules.

Soit f la variable aléatoire qui à chaque échantillon de taille 50 associe sa fréquence de
succès.
Xi est la variable aléatoire qui à chaque échantillon associe 1 si la i − ième boule apporte un
succès, O sinon.
Les Xi sont des variables aléatoires indépendantes et suivent la même loi de Bernoulli de
paramètre p = ,  d’espérance EXi  , et d’écart-type σ(X) = p – p  , .
La loi d’échantillonnage de f = Error! peut être approché par la loi normale de paramètres , et
p – p  , .


Math

Transféré par

Droits d'auteur :

Formats disponibles

Math

Transféré par

Informations du document

Description originale:

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

Math

Transféré par

Droits d'auteur :

Formats disponibles

SECTEUR

Chef d’équipe TP (Canalisation, Génie Civil,

Technicien Spécialisé en Génie Civil 1/142

Le présent document a été réalisé avec la collaboration des personnes suivantes :

Animation et rédaction du rapport :

Technicien Spécialisé en Génie Civil 2/142

1. TABLEAU SYNTHESE DU PROGRAMME DE FORMATION……………………………………………………………..……… 5

2. PROGRAMME DE FORMATION DU MODULE…………………………………………………………………..……………… 6

3. GUIDE PEDAGOGIQUE DU MODULE ……………………………………………….………………………………………… 8

4. FONCTION, REFERENTS ET STRUCTURE DU PLAN DE MODULE…………………………….………………...................... 10

5. PLAN DE MODULE ……………………………………………………………………………………..………………….…. 11

6. INFORMATION RELATIVE A LA CONCEPTION ET A L’INTERPRETATION DE LA PLANIFICATION GLOBALE D’UN MODULE … 13

7. PLANIFICATION GLOBALE DU MODULE …………………………………………………………………………………… 15

8. DESCRIPTION DES ACTIVITES D’ENTRAINEMENT ET DE TRANSFERT SELON LA PLANIFICATION GLOBALE DU MODULE … 16

9. SECTION DES NOTES TECHNIQUES ET DES MOYENS MEDIA…………………………….………………………………… 18

Technicien Spécialisé en Génie Civil 3/142

Technicien Spécialisé en Génie Civil 4/142

Titre du programme : Technicien Spécialisé en Génie Civil (TS-GC)

Technicien Spécialisé en Génie Civil 5/142

MODULE ME 2 : MATHEMATIQUES APPLIQUEES AU GENIE CIVIL

Code : GC-MAT Durée : 90 Heures

Technicien Spécialisé en Génie Civil 6/142

PRÉCISIONS SUR LE COMPORTEMENT ATTENDU CRITÈRES PARTICULIERS DE ERFORMANCE

Technicien Spécialisé en Génie Civil 7/142

MODULE ME 2 : MATHEMATIQUES APPLIQUEES AU GENIE CIVIL

Code : GC-MAT Durée : 90 Heures

Technicien Spécialisé en Génie Civil 8/142

A. Avant d’étudier les fonctions réelles le stagiaire doit :

Technicien Spécialisé en Génie Civil 9/142

Technicien Spécialisé en Génie Civil 10/142

NO ET TITRE DU MODULE : Module 2. Mathématiques appliquées au génie civil

SAVOIRS PRÉALABLES ET PRÉCISIONS ÉLÉMENTS DE CONTENU ACTIVITÉS EVALUATION FORMATIVE

Technicien Spécialisé en Génie Civil 11/142

INFORMATION SUR L’EVALUATION DE FIN DE MODULE :

Technicien Spécialisé en Génie Civil 12/142

Technicien Spécialisé en Génie Civil 13/142

Technicien Spécialisé en Génie Civil 14/142

Dans le tableau de planification du présent module, on y retrouve :

Technicien Spécialisé en Génie Civil 15/142

Comportement attendu : Activités liées aux phases d’acquisition d’une compétence :

Technicien Spécialisé en Génie Civil 16/142

ACTIVITE D’ENTRAÎNEMENT N°2

Durée de l’activité : 8Heures

Précisions sur le comportement attendu (objets de formation)

ACTIVITE D’ENTRAÎNEMENT N°4

Durée de l’activité : 14 Heures

Précisions sur le comportement attendu (objets de formation)

Technicien Spécialisé en Génie Civil 17/142

ACTIVITE D’ENTRAÎNEMENT N°6

Durée de l’activité : 10 Heures

Précisions sur le comportement attendu (objets de formation)

ACTIVITE D’ENTRAÎNEMENT N°8

Durée de l’activité : 8 Heures

Précisions sur le comportement attendu (objets de formation)

ACTIVITE D’ENTRAÎNEMENT N°10

Durée de l’activité : 14 Heures

Précisions sur le comportement attendu (objets de formation)

9. SECTION DES NOTES TECHNIQUES ET DES MOYENS MEDIA

Technicien Spécialisé en Génie Civil 19/142

lim Error! Error! 0   FI FI