Methodes Et Exos ECS 2eme Annee PDF

Mathmatiques
Mthodes et exercices
ECS 2e anne
Ccile Lardon
Professeur en classe prparatoire
au lyce du Parc Lyon
Jean-Marie Monier
Professeur en classe prparatoire
au lyce La Martinire-Monplaisir Lyon
Dunod, Paris, 2011

ISBN 978-2-10-058112-2
Table des matires
Remerciements
1. Rduction des endomorphismes
et des matrices carres
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices
2. Algbre bilinaire
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
3. Intgrales sur un intervalle

quelconque
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
VI
1
2
4
12
15
38
39
41
47
50
Dunod. Toute reproduction non autorise est un dlit
5. Variables alatoires discrtes,

vecteurs alatoires discrets
Les mthodes retenir
noncs des exercices
6. Variables alatoires densit

Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
7. Convergences et approximations
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
8. Estimation, statistique
66
66
70
79
84
4. Fonctions numriques de plusieurs

variables relles
116
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Du mal dmarrer ?
117
120
126
129
150
151
154
Les mthodes retenir

noncs des exercices
Du mal dmarrer ?
9. Algorithmique
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
10. Problmes de rvision
161
163
180
180
183
190
193
217
217
218
224
227
243
244
245
254
257
276
276
281
290
293
312
noncs des exercices

Du mal dmarrer ?
313
332
338
Index
378
III
Pour bien utiliser cet ouvrage
La page dentre de chapitre

Elle propose un plan du chapitre, les
thmes abords dans les exercices, ainsi
quun rappel des points essentiels du cours
pour la rsolution des exercices.
Les mthodes retenir

Cette rubrique constitue une synthse des principales mthodes connatre, dtailles tape
par tape, et indique les exercices auxquels elles
se rapportent.
IV
Pour bien utiliser cet ouvrage
noncs des exercices

De nombreux exercices de difficult croissante
sont proposs pour sentraner. La difficult de
chaque exercice est indique sur une chelle
de 1 4.
Du mal dmarrer ?
Des conseils mthodologiques sont proposs

pour bien aborder la rsolution des exercices.

Tous les exercices sont corrigs de faon dtaille.
Remerciements
Nous tenons ici exprimer notre gratitude aux nombreux collgues qui ont accept de rviser des parties du manuscrit :
Pascal Alessandri, Jean-Philippe Berne, Grard Bourgin, Frdrique Christin, Jean-Paul Christin, Sophie Cohlach,
Carine Courant, Sylvain Delpech, Hermin Durand, Viviane Gaggioli, Marguerite Gauthier, Andr Laont, Tewfik
Lahcne, Hadrien Larome, Ibrahim Rihaoui, Ren Roy, Marie-Dominique Sifert, Marie-Pascale Thon, Audrey Verdier.
VI
Rduction
des endomorphismes
Plan
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
12
15
K dsigne R ou C
Par commodit, on utilise
les abrviations suivantes :
ev pour : espace vectoriel

sev pour : sous-espace vectoriel
vp pour : valeur propre
SEP pour : sous-espace propre.
CHAPITRE
Thmes abords dans les exercices
Dtermination des valeurs propres et des sous-espaces propres dun endomorphisme ou dune matrice carre
tude de la diagonalisabilit dun endomorphisme ou dune matrice carre, obtention dune diagonalisation
Calcul des puissances dune matrice carre
Rsolution dquations matricielles.
Points essentiels du cours

pour la rsolution des exercices
Dfinition de : valeur propre, vecteur propre, sous-espace propre
Matrices de passage, formules de changement de base, matrices carres semblables
Dfinition de la diagonalisabilit, dune diagonalisation
CNS de diagonalisabilit faisant intervenir la somme des sous-espaces propres
CNS de diagonalisabilit faisant intervenir la somme des dimensions des sousespaces propres
Condition susante de diagonalisabilit : n valeurs propres deux deux distinctes en dimension n
Polynmes dendomorphisme, polynmes de matrice carre, polynmes annulateurs dun endomorphisme, polynmes annulateurs dune matrice carre
Toute matrice symtrique relle est diagonalisable.
Chapitre 1
Rduction des endomorphismes et des matrices carres
Les mthodes retenir

Essayer lune des trois mthodes suivantes :
calculer, pour tout K, le rang de la matrice A In en fonction

de ; est valeur propre si et seulement si rg (A In ) < n
Exercices 1.1 a), b), c), e), f), 1.4 b), 1.6 b)2), 1.10 a), 1.11 a),
1.35 b)
Pour dterminer
les valeurs propres
dun endomorphisme f
dun espace vectoriel E
ou dune matrice carre A de M n(K)
revenir la dfinition, cest--dire rsoudre lquation f (x) = x,

dinconnue K, o x E\{0}, ou lquation AX = X, dinconnue
K, o X Mn,1 (K) \ {0}
Exercices 1.26 b), 1.34
faire intervenir la notion de polynme annulateur, si f ou A satisfait

une quation assez simple.
Exercices 1.2 b), 1.5 a), 1.16 d), 1.18 a), 1.19, 1.32, 1.33 b)
Se rappeler que les valeurs propres dune matrice triangulaire se lisent
sur sa diagonale.
Exercices 1.1 d), 1.8 c), 1.13 c), 1.15 a), 1.20 a), 1.25 d)2),
1.33 a).
Appliquer la dfinition :
Pour dterminer
le sous-espace propre
associ une valeur propre 0
dun endomorphisme f
SEP ( f, 0 ) = Ker ( f 0 IdE ) = {x E ; f (x) = 0 x},

SEP (A, 0 ) = X Mn,1 (K) ; AX = 0 X ,
cest--dire rsoudre lquation f (x) = 0 x, dinconnue x E ou
lquation AX = 0 X, dinconnue X Mn,1 (K).
Exercices 1.1, 1.5 b), 1.10 b), 1.20 a), 1.25 d)2), 1.33 a).
Essayer de :
Pour dterminer
les valeurs propres
et les vecteurs propres
dun endomorphisme f
dterminer dabord les valeurs propres de f ou de A, par une mthode vue plus haut, puis, pour chaque valeur propre, dterminer le
sous-espace propre associ par la mthode vue plus haut
Exercice 1.1
rsoudre lquation f (x) = x, dinconnues K, x E \ {0} ou

lquation AX = X, dinconnues K, X Mn,1 (K).
Exercices 1.3 b), 1.6 b)1), 1.14 b), 1.27, 1.28 b).
Dterminer les valeurs propres de A :
Pour tudier la diagonalisabilit
dune matrice carre A de M n(K) et
ventuellement pour diagonaliser A
si A admet n valeurs propres deux deux distinctes, alors, daprs le

cours, A est diagonalisable
Exercices 1.1 a), b), 1.6 c), 1.9, 1.11 a), 1.27 d)
Les mthodes retenir
si A nadmet quune seule valeur propre et si A In , alors A

nest pas diagonalisable, comme on le montre en raisonnant par labsurde.
Exercices 1.1 d), 1.8 c), 1.9, 1.13 c)
(suite)
sinon, dterminer les sous-espaces propres de A puis les dimensions

des sous-espaces propres de A ; daprs le cours, A est diagonalisable
si et seulement si la somme des dimensions des sous-espaces propres
de A est gale n
Exercices 1.1 c), e), 1.2 c), 1.5 c), 1.8 c), 1.10 b), 1.17,
1.25 d)2), 1.26 c)
si A est diagonalisable, en notant D la matrice diagonale forme

(sur la diagonale) par les valeurs propres de A (prsentes autant de
fois que la dimension du sous-espace propre associ), et en notant
P la matrice de passage de la base canonique de Mn,1 (K) une base
de vecteurs propres de A (associs aux valeurs propres de A, dans
lordre), on obtient une diagonalisation A = PDP1 de A
se rappeler que toute matrice symtrique relle est diagonalisable.
Exercices 1.1 a), b), c)

Exercices 1.1 b), 1.2 c), 1.3 a), 1.4 a), 1.7 b), 1.12 e), 1.14 a),
1.28 a), 1.35 a) .
Dterminer les valeurs propres de f :
si f admet n valeurs propres deux deux distinctes, alors f est diagonalisable
Exercice 1.6
Pour tudier
la diagonalisabilit
dun endomorphisme f
de dimension finie n
sinon, dterminer les sous-espaces propres de f , puis ventuellement les dimensions des sous-espaces propres de f
f est diagonalisable si et seulement si la somme des sous-espaces
propres de f est gale E
Exercice 1.16
f est diagonalisable si et seulement si la somme des dimensions
des sous-espaces propres de f est gale n
Exercices 1.6, 1.25
on peut essayer de se ramener ltude de la diagonalisabilit dune

matrice carre, en considrant la matrice de f dans une certaine base
de E.
Exercices 1.7, 1.8, 1.12, 1.29.
Pour calculer
les puissances
dune matrice carre
Essayer dutiliser, si possible, une diagonalisation A = PDP1 de A,

o D est diagonale et P est inversible.
On a alors : n N, An = PDn P1 .
De plus, A est inversible si et seulement si D est inversible, et, dans ce
cas, on a alors : n Z, An = PDn P1 .
Exercice 1.3 c).
3
Chapitre 1
noncs des exercices

1.1 Exemples dtude de diagonalisabilit et de diagonalisation ventuelle de matrices carres
dordre 3
Pour chacune des matrices suivantes, est-elle diagonalisable et, si oui, la diagonaliser :
4 6 3
a) A = 1 3 1
4 4 3
1 2 1
d) E = 0 1 1
00 1
0 0 1
b) B = 0 0 1
111
3 6 2
c) C = 0 1 0
4 12 3
3 1 1
e) F = 0 2 2
1 1 3
1 0 1
f) G = 0 1 2 .
1 1 1
1.2 Exemple de diagonalisation dune matrice carre dordre 4, daprs HEC 2009
1 1 1 1
1 1 1 1
de M4 (R) et on note f lendomorphisme de R4
On considre la matrice A =
1 1 1 1
1 1 1 1
reprsent par A dans la base canonique B0 = (e1 , e2 , e3 , e4 ) de R4 .
a) On note v1 = (1, 1, 0, 0), v2 = (1, 1, 1, 1), v3 = (1, 0, 1, 0).

Calculer f (vi ) pour tout i 1 ; 3.
b) Calculer A2 . Quen dduit-on pour les valeurs propres de A ?
c) Montrer que A est diagonalisable dans M4 (R) et dterminer une matrice de passage P de la
base B0 une base de vecteurs propres pour f .
1.3 Exemple de dtermination des valeurs propres et des sous-espaces propres dune matrice
carre dordre 5, daprs HEC 2006
0 1 0 0
1 0 1 0
On considre la matrice A = 0 1 0 1
0 0 1 0
0001
0 M5 (R).
a) Est-ce que A est diagonalisable ?

b) Dterminer les valeurs propres et les sous-espaces propres de A.
1.4 Exemple de calcul des puissances dune matrice carre dordre 3 laide dune diagonalisation
0 0 1
On note A = 0 1 1 M3 (R).
1 1 1/2
a) Montrer que A est diagonalisable et que A est inversible.
b) Diagonaliser A.
c) En dduire lexpression de An pour tout n Z.
4
noncs des exercices
1.5 Exemple dtude de diagonalisabilit pour un endomorphisme de M2 (R)
On note E = M2 (R) et : f : E E,

1 a+d b+c
ab

.
c d
2 b+c a+d
a) Vrifier : f L (E) et f 2 = f.
b) Dterminer les valeurs propres et les sous-espaces propres de f .
c) Est-ce que f est diagonalisable ?
1.6 lments propres dun endomorphisme dun ev de polynmes

On considre lapplication f dfinie dans C2 [X] par :
P C2 [X], f (P) = (X2 + 1)P (2X 1)P.
a) Montrer que f est un endomorphisme de C2 [X].
b) Dterminer les valeurs propres et les sous-espaces propres de f , de deux faons direntes,
en utilisant :
1) la dfinition des lments propres de f
2) la matrice de f dans la base (1, X, X2 ) de C2 [X].
c) Lendomorphisme f est-il diagonalisable ?
1.7 Exemple de dtermination des lments propres dun endomorphisme de M2 (R)

On considre lapplication
f : M2 (R) M2 (R),

a b
d b

.
c d
c a
a) Vrifier que f est un endomorphisme de lespace vectoriel M2 (R) et crire la matrice de f

dans la base canonique de M2 (R).
b) Montrer que f est diagonalisable.
1.8 tude de diagonalisabilit pour un endomorphisme dun ev de polynmes

Soit (a, b) R2 . On note
f : R2 [X] R2 [X], P P(X + a) + P(X + b) (a + b)P (X).

a) Vrifier : f L R2 [X] .
b) Former la matrice de f dans la base canonique B = (1, X, X2 ) de R2 [X].
c) Dterminer une CNS sur (a, b) pour que f soit diagonalisable.
1.9 tude de diagonalisabilit pour une matrice carre dordre 2 paramtres, daprs
EDHEC 2008
Dterminer une condition ncessaire et susante sur (x, y) R2 pour que la matrice A =

0 1
y 2x
soit diagonalisable dans M2 (R).
1.10 Exemple dtude de diagonalisabilit dune matrice carre dordre 3 paramtre, daprs
EDHEC 2008
3 a 5 + a a
On note, pour tout a R, M(a) = a a 2 a M3 (R).
5
5 2
5
Chapitre 1
a) Dterminer les valeurs propres de M(a), pour tout a R.

b) Trouver lensemble des a R tels que M(a) soit diagonalisable.
1.11 tude de diagonalisabilit pour une matrice carre dordre 3 paramtre
0 0 1
a) On note J = 1 0 1 . Montrer que J est diagonalisable dans M3 (C).
010
b
a c
b) On note, pour tout (a, b, c) C3 , M(a, b, c) = b a + c b + c .
c b a+c
Montrer que, pour tout (a, b, c) C3 , M(a, b, c) est diagonalisable dans M3 (C).
1.12 Exemple dtude de diagonalisabilit pour un endomorphisme de M2 (R)

11
M2 (R) et f : M2 (R) M2 (R), M AM.
11

a) Vrifier : f L M2 (R) .
On note A =
b) Dterminer Ker ( f ) et en donner une base et la dimension.

c) Dterminer Im ( f ) et en donner une base et la dimension.
d) crire la matrice de f dans la base canonique B = (E1 , E2 , E3 , E4 ) de M2 (R), o :

10
01
00
00
,
E2 =
,
E3 =
,
E4 =
.
E1 =
00
00
10
01
e) Est-ce que f est diagonalisable ?
1.13 Exemple dendomorphisme dun espace de fonctions, daprs HEC 2010

On note, pour tout k 0 ; 3 : fk : R R, x xk e x
et on note B = ( f0 , f1 , f2 , f3 ), E = Vect (B).
a) Montrer que B est une base de E et dterminer dim (E).
b) Montrer que lapplication : f f f
On note M la matrice de f dans B.

est un endomorphisme du R-espace vectoriel E.
c) La matrice M est-elle inversible ? diagonalisable ?
1.14 Exemple de dtermination des valeurs propres dune matrice carre dordre n
1 si i + j est pair
Soient p N , n = 2p + 1, A = (ai j )i j Mn (R), o : ai j =
0 sinon.
a) Est-ce que A est diagonalisable ?

b) Dterminer les valeurs propres et les sous-espaces propres de A.
1.15 Exemple dtude de diagonalisabilit pour une matrice carre dordre n
1 si (i = 1 ou j = n)
Soient n N \ {0, 1}, A = (ai j )i j Mn (R) o : ai j =
0 sinon.
noncs des exercices
a) Dterminer les valeurs propres de A.

b) Calculer A2 . Est-ce que A2 = A ?
c) Montrer que A nest pas diagonalisable.
1.16 Endomorphismes f tels que ( f ae) ( f be) = 0, daprs EDHEC 2006

Soient E un K-ev de dimension finie, n = dim (E) N , e = IdE , (a, b) K2 tel que a b,
f L (E) tel que ( f ae) ( f be) = 0.
a) Montrer :
Im ( f be) Ker ( f ae)
Im ( f ae) Ker ( f be).
et
1
1
( f be) +
( f ae) = e.
ab
ba
c) Dmontrer que les sev Ker ( f ae) et Ker ( f be) de E sont supplmentaires dans E.
b) tablir :
d) Conclure que f est diagonalisable.
1.17 Matrices A Mn(R) telles que A2 = In, daprs EDHEC 2006

Soit n N . Le but de lexercice est dtudier lexistence de matrices A Mn (R) telles que
A2 = In .
a) On suppose ici n pair.

0 1
En utilisant la matrice
, montrer quil existe A Mn (R) telle que A2 = In .
1 0
b) On suppose ici n impair, et on suppose quil existe A Mn (R) telle que A2 = In .
1) En utilisant lexercice 1.16, montrer que A est diagonalisable dans Mn (C) et que ses valeurs
propres sont i et i .
On note E i et E i les sous-espaces propres de A respectivement associs i et i .
Pour toute matrice carre M = (mi j )i j Mn (C), on note M = (mi j )i j Mn (C), et, pour toute
matrice colonne X = (xi )i Mn,1 (C), on note X = (xi )i Mn,1 (C).
2) Montrer, pour toute X Mn,1 (C) : X E i X E i .
3) En dduire que, si (u1 , ..., ud ) est une base de E i , alors (u1 , ..., ud ) est une base de E i et
conclure : dim (E i ) = dim (E i ).
4) Amener une contradiction et conclure.
1.18 tude dun endomorphisme nilpotent

Soient E un K-ev de dimension finie n 1 et f L (E) nilpotent (cest--dire quil existe
p N tel que f p = 0).
a) Montrer que 0 est une valeur propre de f , et que cest la seule.
b) Lendomorphisme f est-il diagonalisable ?
1.19 Polynmes dendomorphismes, daprs HEC 2010

Soient E un espace vectoriel de dimension finie, e = IdE , f L (E) tel que :
( f e)3 ( f 2e)2 = 0
tudier la diagonalisabilit de f .
et
( f e)3 ( f 2e) 0.
1.20 Exemple de recherche des sev stables par un endomorphisme, daprs HEC 2009
Soient E un K-espace vectoriel de dimension 3, B = (e1 , e2 , e3 ) une base de E.
7
Chapitre 1
0 1 0
On considre la matrice A = 0 0 1 de M3 (K) et on note f lendomorphisme reprsent par A
000
dans la base B de E.
On se propose de trouver tous les sev F de E stables par f , cest--dire les sev F de E tels que
f (F) F.
a) Dterminer les valeurs propres et les sous-espaces propres de f .
b) Soit F un sev de E stable par f .
1) Montrer que, si dim (F) = 1, alors F = Vect (e1 ).
2) Montrer que, si dim (F) = 2, alors F = Vect (e1 , e2 ).
c) Conclure.
1.21 Noyau et image de f 2 lorsque f est diagonalisable

Soient E un espace vectoriel de dimension finie, f L (E) diagonalisable. Montrer :
Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).
1.22 Racines carres dune matrice carre de Mn(C) ayant n valeurs propres
Soient n N , A Mn (C) admettant n valeurs propres deux deux distinctes, notes 1 , ..., n .
On note D = diag(i ) et P GLn (C) telle que A = PDP1 .
1in
On se propose de rsoudre lquation M 2 = A, dinconnue M Mn (C).

a) Soit M Mn (C). On note N = P1 MP. Montrer : M 2 = A N 2 = D.
b) Montrer que, pour toute N Mn (C), si N 2 = D, alors N commute avec D.
c) Dterminer toutes les matrices de Mn (C) qui commutent avec D.

d) En dduire lensemble M Mn (C) ; M 2 = A .
Cet ensemble est-il fini ? Si oui, combien a-t-il dlments ?
1.23 Lien entre les diagonalisabilits de AB et de BA

Soient n N , A, B Mn (R) telles que AB soit diagonalisable.
a) Montrer que, si A ou B est inversible, alors BA est diagonalisable.
b) Le rsultat prcdent est-il valable sans lhypothse dinversibilit ? (On pourra se limiter au
cas n = 2.)
1.24 f g et g f ont les mmes valeurs propres

Soient E un espace vectoriel de dimension finie, f, g L (E). Montrer que f g et g f ont les
mmes valeurs propres.
1.25 Exemple dendomorphisme dun espace de polynmes, daprs HEC 2010

On note f : R[X] R[X], P 3XP + (X2 X)P (X3 X2 )P .
a) Montrer que f est un endomorphisme du R-espace vectoriel R[X].
b) Calculer f (Xn ) pour tout n N.
c) Lapplication f est-elle injective ? surjective ?
8
noncs des exercices
d) 1) Montrer quil existe n N unique tel que Rn [X] soit stable par f et dterminer cet entier n.
2) On note g lendomorphisme de Rn [X] (o n a la valeur obtenue ci-dessus) induit par f .
Est-ce que g est diagonalisable ?
1.26 Exemple dtude de diagonalisabilit pour une matrice carre dordre n
2
1
Soit n N tel que n 3. On note An = ...
2
0
..
.
0
2
. . . 2 2
. . . 0 1
.. .. M (R).
n
(0) . .
. . . 0 1
... 2 2
a) Quel est le rang de An ? En dduire que 0 est valeur propre de An et dterminer la dimension
du sous-espace propre associ.
b) Dterminer les valeurs propres de An .
c) Montrer que An est diagonalisable.
1.27 tude de diagonalisabilit pour une matrice carre dordre n

Soient n N , a1 , ..., an R tels que 0 < a1 < ... < an . On note :
0 a2 a3 . . . . . . an
a 0 a . . . . . . a
3
n
1
.
.
..
a a 0 . .
1 2
Mn (R).
A = . . . .
.. .. . . . . . . . ...
. .
..
.. ..
.
0
a
n
a
a
.
.
.
.
.
.
a
0
1 2
n1

x1
n

.
ai xi . Montrer :
a) Soit R, X = .. Mn,1 (R) \ {0}, S =

i=1
xn

AX = X S = ( + a1 )x1 , . . . , S = ( + an )xn .
b) En dduire que, pour tout R, est valeur propre de A si et seulement si :

k 1 ; n, + ak 0
et
n

k=1
ak
= 1.
+ ak
c) Dresser le tableau des variations de la fonction f : 1 +
n

k=1
ak
.
+ ak
d) Conclure quant la diagonalisabilit de A dans Mn (R).
1.28 tude des valeurs propres dune matrice carre dordre n tridiagonale, par utilisation
dune suite rcurrente linaire
0 1 0 . . .
.
1 0 . . (0)
Soient n N , A = 0 . . . . . . . . .
.
.
.. (0) . . 0
0 ... 0 1
..
.
0 Mn (R).
1
0
9
Chapitre 1
a) Montrer que A est diagonalisable dans Mn (R).

x1
.
b) Soient R une valeur propre de A, X = .. Mn,1 (R) \ {0} tel que AX = X. On note de

xn
plus x0 = 0 et xn+1 = 0.
i 0 ; n 1, xi+2 xi+1 + xi = 0.
1) Montrer :
2) tablir que lquation r2 r + 1 = 0, dinconnue r C, admet deux solutions distinctes,

notes r1 , r2 .
3) En dduire : [2 ; 2].
1.29 Somme de projecteurs

k
Soient E un K-ev de dimension finie note n, e = IdE , k N , (u1 , ..., uk ) L (E) tel que :
k

ui = e et (i, j) 1 ; k2 , i j = ui u j = 0 .
i=1
a) Montrer : i 1 ; k, u2i = ui .

b) tablir que les sev Im (ui ), i 1 ; k, sont en somme directe et que E =
k

Im (ui ).
i=1
c) Dmontrer que tout lment de Vect (u1 , ..., uk ) est diagonalisable.
1.30 Trois endomorphismes vrifiant des galits

Soient E un espace vectoriel de dimension finie, e = IdE , f, g, h L (E) tels que :
f g = h,
g h = f,
h f = g.
a) Montrer : f 2 = g2 = h2 puis f 5 = f.
On suppose dornavant que f est bijectif et diagonalisable.
b) tablir : f 2 = e.
c) Montrer que f, g, h commutent deux deux.
1.31 CNS pour que 2 soit valeur propre de f 2

Soient E un espace vectoriel de dimension finie, R, f L (E).
Montrer : 2 est valeur propre de f 2 si et seulement si ou est valeur propre de f .
1.32 Exemple des puissances dune matrice carre non diagonalisable

Soient n N , A Mn (R) telle que :
A(A In )2 = 0,
(A In )2 0,
A(A In ) 0.
a) Montrer que les valeurs propres de A sont 0 et 1.

b) tablir que A nest pas diagonalisable.
c) Exprimer, pour tout k N , Ak comme combinaison linaire de A et A2 .
d) Donner un exemple de telle matrice A pour n = 3.
10
noncs des exercices
1.33 tude de projecteur, daprs HEC 2010
0 0 1
a) La matrice A = 0 1 0 est-elle diagonalisable dans M3 (R) ?
000
b) Soient E un R-ev de dimension 3 et f L (E) tel que f 2 soit un projecteur et que rg ( f 2 ) = 1.
1) Montrer que lensemble des valeurs propres de f est {0} ou {0, 1} ou {0, 1}.
2) On suppose, de plus, que f admet 1 pour valeur propre et que f nest pas un projecteur.
Montrer quil existe une base B de E dans laquelle f est reprsent par A.
1.34 Disques de Gershgorin

que, pour toute valeur propre de A dans C, il
Soient n N , A = (ai j )i j Mn (C). Montrer

existe i 1 ; n tel que : | aii |
|ai j |.
1 jn, ji
1.35 Comportement asymptotique des valeurs propres dune matrice carre dordre n
1
1
On note, pour tout n N tel que n 4 : An = 1

.
.
.
1
1 1 ...
1 0 ...
.
0 0 ..
.. ..
. . (0)
0 0 ...
0 Mn (R).
..
.
a) Montrer que An est diagonalisable dans Mn (R).

b) Montrer que 0 est valeur propre de An et dterminer la dimension du sous-espace propre
associ.
c) tablir que An admet exactement quatre valeurs propres, qui sont 0 et trois autres relles deux
deux distinctes, notes an , bn , cn , qui sont les racines du polynme
Pn = X3 2X2 (n 2)X + (n 2), et que : an < 0 < bn < 1 < cn .
d) Dmontrer successivement :
cn > 2,
cn +,
n
cn
n,
bn 1,
n
an n.
n
1.36 galits de polynmes de matrices carres

Soient P K[X], A, B Mn (K) diagonalisables. On suppose que lapplication polynomiale
P : K K, x P(x) est injective et que P(A) = P(B). Montrer : A = B.
11
Chapitre 1
Du mal dmarrer ?
1.1
1.6
Dterminer les SEP en utilisant la dfinition.
b) 1) Rsoudre lquation f(P) = P, dinconnues C,

P C2 [X] \ {0}, en notant P = aX2 + bX + c, (a, b, c) C2 .
a) Pour dterminer les vp de A, tudier le rang de la matrice A I3 selon les valeurs du rel .
b) Remarquer que B est symtrique relle.

Pour dterminer les vp de B, tudier le rang de la matrice BI3
selon les valeurs du rel .
c) Pour dterminer les vp de C, tudier le rang de la matrice

C I3 selon les valeurs du rel .
a) Immdiat.
b) 2) Calculer f(1), f(X), f(X2 ), en dduire la matrice de f dans

la base canonique (1, X, X2 ) de C2 [X] et dterminer les vp et
les SEP de cette matrice carre dordre 3 par la mthode habituelle.
c) Lendomorphisme f de C2 [X] admet trois vp deux deux distinctes.
1.7
d) Pour les vp, remarquer que E est triangulaire.
Calculer les images par f des vecteurs de la base canonique

B = (E1 , E2 , E3 , E4 ) de M2 (R).
Montrer que E nest pas diagonalisable en raisonnant par labsurde.
e) Pour dterminer les vp de F, tudier le rang de la matrice

F I3 selon les valeurs du rel .
a) La linarit de f est immdiate.
b) Remarquer que la matrice de f dans B est symtrique relle.
1.8
a) Immdiat.
b) Calculer f(1), f(X), f(X2 ).

c) Le cas a2 + b2 = 0 est dtude immdiate.
f) Pour dterminer les vp de G, tudier le rang de la matrice

G I3 selon les valeurs du rel . cet effet, tudier les variations de la fonction 3 + 2 4.
Si a2 + b2 0, raisonner par labsurde pour montrer qualors f

nest pas diagonalisable.
Montrer que G nest pas diagonalisable en raisonnant par labsurde.
1.9
1.2
a), b) Immdiats.
1.10
c) Remarquer que A est symtrique relle.

Dterminer SEP (f, 2) et, dautre part, utiliser a) pour dduire Vect (v1 , v2 , v3 ) SEP (f, 2).
1.3
a) Remarquer que A est symtrique.
b) Rsoudre lquation AX = X, dinconnues R,

x1

X = .. M5,1 (R) \ {0}, en exprimant, par exemple, x2 , x3 , x4 , x5
.

x5
en fonction de x1 .
1.4
tudier les valeurs propres de A et sparer en cas selon

le signe de y x2 .
a) Remarquer que A est symtrique relle.
a) Calculer, pour R, le rang de M(a) I3 selon les

valeurs de .
b) Dterminer les SEP de M(a) en utilisant la dfinition.
tudier la somme des dimensions des SEP de M(a).
1.11
a) Dterminer les vp de J par la mthode habituelle.
Montrer que le polynme X3 X 1 de C[X] admet trois zros

deux deux distincts.
b) Remarquer que M(a, b, c) se dcompose linairement sur

I3 , J, J2 .
1.12
a) Immdiat.
Calculer le rang de A, par exemple.

x y
M2 (R).
z t

x y
M2 (R).
z t
b) Pour dterminer les vp de A, tudier le rang de la matrice

A I3 selon les valeurs du rel .
c) Calculer f(M) pour toute M =
Dterminer les SEP de A par la dfinition.
d) Calculer f(E1 ), ..., f(E4 ) en fonction de E1 , ..., E4 .
c) Utiliser la diagonalisation A = PDP

culer (PDP 1 )n = PDn P 1 .
1.5
obtenue en b) pour cal-
a) Immdiat.
b) Pour dterminer les vp, utiliser a).

c) Calculer la somme des dimensions des SEP.
12
b) Rsoudre f(M) = 0, dinconnue M =
e) Remarquer que la matrice obtenue en d) est symtrique

relle.
1.13
a) Montrer que B est libre en revenant la dfinition et

en faisant intervenir un polynme.
b) Calculer (fi ) pour tout i 0 ; 3.
c) Montrer que M admet une valeur propre et une seule, puis
raisonner par labsurde.
Du mal dmarrer ?
1.14
b) Rsoudre lquation AX
x1
X = .. M2p+1,1 (R) \ {0}.

.
x2p+1
1.15
Utiliser : 2 = 0 = 0.

=
X, dinconnues
R,
a) Remarquer que A est triangulaire. b) Immdiat.
c) Pour montrer que A nest pas diagonalisable, raisonner par

labsurde et remarquer que, si D est une matrice diagonale semblable A, alors D2 = D.
1.16
a) Passer par les lments.
b) Immdiat.
c) Montrer que Ker (f ae) Ker (f be) = {0} en passant par
les lments.
Montrer E = Ker (f) + Im (f) en passant par les lments et
en utilisant a).
1.22
b) Immdiat.
c) Noter N = (xij )ij et traduire ND = DN.
d) Utiliser a), b), c). Pour dterminer le nombre dlments de
lensemble tudi, distinguer en deux cas selon que 0 est valeur
propre de A ou non.
1.23
a) Supposer A inversible et diagonaliser AB sous la forme

AB = PDP 1 .
tudier le cas o B est inversible.
b) Trouver un contrexemple, par exemple dans lequel AB = 0 et

BA 0.
1.24
Soit une valeur propre de f g, x E \ {0} tel que

(f g)(x) = x. Calculer (g f) g(x) et sparer en deux cas :
g(x) 0, g(x) = 0.
d) Montrer que les vp de f sont parmi a et b et utiliser c).
1.17
a) Considrer la matrice, diagonale par blocs, forme par

la rptition de la matrice dordre 2 propose.
b) 1) Appliquer lexercice 1.16, version matricielle, au couple

(a, b) = ( i , i ).
Ne pas oublier de montrer que i et i sont vp de A, en raisonnant par labsurde.
b) 2) Partir de AX = i X et conjuguer.
b) 3) Montrer que u1 , ..., ud sont dans E i et que la famille
(u1 , ..., ud ) est libre et gnratrice de E i .
b) 4) Dduire n = 2 dim (E i ), puis une contradiction.
1.18
a) Remarquer que le polynme Xp est annulateur de f.
Montrer que f nest pas bijectif.
b) Montrer que, si f est diagonalisable, alors f = 0.

Rciproque immdiate.
1.19
Remarquer que le polynme (X 1)3 (X 2)2 est annulateur de f et raisonner par labsurde pour montrer que f nest
pas diagonalisable.
1.20
a) Immdiat.
b) 1) Immdiat.
b) 2) Supposer quil existe v F tel que v Vect (e1 , e2 ), noter
v = a1 e1 + a2 e2 + a3 e3 o (a1 , a2 , a3 ) R3 et a3 0, et considrer
f(v) et f 2 (v).
c) Immdiat.
1.21
Faire intervenir une base B = (e1 , ..., en ) de E dans laquelle f est reprsent par une matrice diagonale. Exprimer
Ker (f) et Im (f) laide de e1 , ..., en .
a) Remplacer M par PNP 1 .
Appliquer le rsultat de 1) (g, f) la place de (f, g).
1.25
a) b) Immdiats.
c) Considrer f(X2 ) et f(X3 ).

Remarquer : f(P)(0) = 0.
d) 1) Utiliser b).
d) 2) crire la matrice de g dans la base canonique de R3 [X],
en dduire les valeurs propres de g, puis dterminer les sousespaces propres de g.
1.26
a) Remarquer que, en notant C1 , ..., Cn les colonnes

de An , on a C1 = Cn et C2 = ... = Cn1 .
Appliquer le thorme du rang.
b) Dterminer les vp de An par ltude de lquation An X = X,

dinconnue R et o X Mn,1 (R) \ {0}.
c) tudier les dimensions des SEP de An .
1.27
a) Immdiat.
b) Supposer, par exemple, + a1 = 0, et dduire X = 0, contradiction.

Dduire S 0.
c) Calculer f () pour R \ {a1 , ..., ad } et dterminer les limites

de f.
d) Dduire de c) que A admet n vp deux deux distinctes.
1.28
b) 1) Poser le systme dquations correspondant AX = X.

b) 2) Raisonner par labsurde : supposer que lquation
r2 r + 1 = 0, dinconnue r C, admet une solution double, et
amener une contradiction.
b) 3) Remarquer : r1 + r2 = , r1 r2 = 1.
13
Chapitre 1
1.29
a) Pour i 1 ; k, calculer ui par ui = e ui .
b) Soit (x1 , ..., xk ) Im (u1 ) Im (uk ) tel que
k

d) Envisager, par exemple, une matrice triangulaire dont les

termes diagonaux sont 0, 1, 1.
xi = 0. In-
i=1
troduire ti E tel que xi = ui (ti ), dduire xi = ui (xi ), puis, pour

k

j 1 ; k, calculer uj
xi .
i=1
Montrer que, pour tout x E, x se dcompose sur les

Im (ui ), 1 i k, en partant de x = e(x).
c) Utiliser une base de E forme par la runion de bases des

Im (ui ).
1.30
a) Calculer f 2 en remplaant (une fois) f par g h et en

utilisant les hypothses.
Calculer f 5 par f 2 f f 2 (par exemple).
b) Remarquer f (f 4 e) = 0 et utiliser la bijectivit de f.

Montrer que f 2 +e est bijectif, par exemple en passant laspect
matriciel dans une base de diagonalisabilit de f.
c) Calculer g f, en utilisant les hypothses et g2 = e (par

exemple).
1.31
1) Supposer que est valeur propre de f. Faire intervenir

un vecteur propre x de f associ , et calculer f 2 (x).
De mme si est valeur propre de f.
2) Pour la rciproque, raisonner par contraposition. Supposer

que nest pas valeur propre de f et que nest pas valeur
propre de f. Traduire ceci par des bijectivits.
1.32
a) 1) Remarquer que le polynme X(X1)2 est annulateur
de A.
2) Supposer que 0 nest pas valeur propre de A et, en utilisant

A1 , dduire une contradiction.
Supposer que 1 nest pas valeur propre de A et, en utilisant
(A In )1 , dduire une contradiction.
b) Raisonner par labsurde : supposer A diagonalisable.

crire alors A = PDP
sible.
avec D = diag (1, ..., 1, 0, ..., 0) et P inver-
Calculer D2 puis A2 et conclure.
1.33
a) Dterminer les vp et les SEP de A.
b) 1) Remarquer que le polynme X4 X2 est annulateur de f.

Montrer que 0 est valeur propre de f, en raisonnant par labsurde.
Montrer que 0, 1, 1 ne peuvent pas tre tous trois valeurs
propres de f, en raisonnant par labsurde.
b) 2) Montrer que f nest pas diagonalisable, en raisonnant par

labsurde.
tablir : Ker (f) Ker (f 2 ).
Utiliser un vecteur v3 tel que v3 Ker (f 2 ) et v3 Ker (f).
1.34
Soit une vp de A dans C.

x1

Introduire X = .. Mn,1 (C) \ {0} tel que AX = X, et pas .

xn
ser aux lments. Considrer un indice i 1 ; n tel que
|xi | = Max |xk |. Faire passer aii xi dans lautre membre et utiliser
1kn
lingalit triangulaire.
1.35
a) Remarquer que An est symtrique relle.

b) Montrer rg (An ) = 3 et dduire dim SEP (An , 0) = n 3 1.
c) tudier, pour R, le rang de An In et sparer en cas :

= 0,
= 1,
0 et 1.
Montrer que Pn admet trois zros rels, deux deux distincts.
d) Calculer Pn (2).
Montrer cn3 n 2.
Montrer cn3 (n 2)cn .
n
b3n b2n
.
n2
Remarquer an bn cn = (n 2).
Montrer bn 1 =
c) Obtenir A3 = 2A2 A.
Montrer, par rcurrence, que, pour tout k N , il existe
(ak , bk ) R2 tel que : Ak = ak A + bk A2 , et obtenir des relations exprimant ak+1 et bk+1 en fonction de ak et bk .
Exprimer ak+2 en fonction de ak et ak+1 . Rsoudre cette rcurrence linaire du second ordre coefficients constants.
14
1.36
Introduire D = diag(di ), E = diag(ei ), Q, R GLn (K) telles
que :
Dduire :
1in
A = QDQ1
et
1in
B = RER1 .
(R1 Q)P(D) = P(E)(R1 Q).
Noter U = R1 Q et passer aux lments.

1.1
a) Dterminons les valeurs propres de A. Soit R. On a :
3
4 6
rg (A I3 ) = rg 1 3 1
4
4 3
1 3 1
3 L1 L2
= rg 4 6
4
4 3
3
1
= rg 0 6 (4 + )(3 ) 3 + (4 + )
0
4 + 4(3 )
1
L2 L2 (4 + )L1
L3 L3 + 4L1
3
1
1
8 4 1 L2 L3
= rg 0
2
0 6 + + 1 +
3
1 1
= rg 0 1 8 4 C2 C3
2
0 1 + 6 + +
3
1 1
= rg 0 1 8 4 L3 L3 + L2
2
0
0
3 + 2
3 si 1 et 1 et 2
=
2 sinon.
Ceci montre que les valeurs propres de A sont : 1, 1, 2.
Comme A est carre dordre 3 et que A admet trois valeurs
propres deux deux distinctes, daprs le cours, A est diagonalisable.
Dterminons les sous-espaces propres de A.

x

Soit X = y M3,1 (R).

z
X SEP (A, 1) AX = X
3x + 6y 3z = 0
4x + 6y 3z = x

x + 4y z = 0
x + 3y z = y
4x 4y + 4z = 0
4x 4y + 3z = z
(x + z) + 2y = 0
x + z = 0

(x + z) + 4y = 0
y = 0.
(x + z) y = 0

1

x

Ainsi : SEP (A, 1) = 0 ; x R = Vect ( 0 ).

1
x
X SEP (A, 1) AX = X
4x + 6y 3z = x
5x + 6y 3z = 0

x + 3y z = y
x + 2y z = 0
4x 4y + 3z = z
4x 4y + 2z = 0
x = 2y z
z = 2y

5(2y
z)
+
6y
3z
=
0
x = 0.
4(2y z) 4y + 2z = 0

0
0

Ainsi : SEP (A, 1) = y ; y R = Vect (1).

2
2y
X SEP (A, 2) AX = 2X
6x + 6y 3z = 0
4x + 6y 3z = 2x

x + 3y z = 2y
x + y z = 0
4x 4y + z = 0
4x 4y + 3z = 2z
2(x y) z = 0
x y = 0

(x
y)
z
=
0
z = 0.
4(x y) + z = 0

1

x
Ainsi : SEP (A, 2) = x ; x R = Vect (1).

0
0
On conclut A = PDP1 , o, par exemple :
1 0 1
P = 0 1 1 ,
1 2 0
1 0 0
D = 0 1 0 .
0 02
b) La matrice B est symtrique relle, donc, daprs le cours, B

est diagonalisable.
Dterminons les valeurs propres de B. Soit R. On a :
rg (B I3 ) = rg 0
= rg 0
0
1
1 1
1 1 L1 L3
0
1
15
Chapitre 1
= rg 0
= rg 0
1
1
2 L3 L3 + L1
1+
1 1
0 L3 L3 + L2
o = 2 + 2 = (1 + )(2 )
3 si 0 et 1 et 2
=
2 sinon.
Ceci montre que les valeurs propres de B sont : 0, 1, 2.

Puisque B est carre dordre 3 et admet trois valeurs propres
deux deux distinctes, daprs le cours, B est diagonalisable,
ce que lon a vu autrement plus haut.
Dterminons les sous-espaces propres de B.

x


z
X SEP (B, 0) BX = 0
z = 0
x + y + z = 0
z = 0

y = x,
x
= Vect
;
x
R
donc : SEP (B, 0) =

1
1 .

0
X SEP (B, 1) BX = X
z = x

z = y
x + y + z = z
y = x

z = x,
x
= Vect
;
x
R
donc : SEP (B, 1) =

1
1 .

1
X SEP (B, 2) BX = 2X
z = 2x

z = 2y
x + y + z = 2z
donc : SEP (B, 2) =
x ; x R
= Vect
2x

1

1 .
2
On conclut B = PDP1, o, par exemple :
1 1 1
P = 1 1 1 ,
0 1 2
16
0 0 0
D = 0 1 0 .
0 0 2
y = x
z = 2x,
c) Dterminons les valeurs propres de C. Soit R. On a :
2
3 6
0
rg (C I3 ) = rg 0 1
4 12 3
4 12 3 L1 L3
0
= rg 0 1
3 6
2
4 12 3
0
= rg 0 1
2 L3 4L3 + ( 3)L1
0 12(1 ) 1
4 12 3
= rg 0 12(1 ) 1 L2 L3
0 1
0
3
4 12
1
= rg 0 12(1 )
=
2
12(1 )(1 + ) L3 L3 12L2
si 1 et 1
si = 1
si = 1.
Ceci montre que les valeurs propres de C sont : 1 et 1.

Dterminons les sous-espaces propres de C.

x


z
X SEP (C, 1) CX = X
3x 6y 2z = x

y = y
4x 12y 3z = z

0 ; x R
= Vect
donc : SEP (C, 1) =
2x
y = 0

z = 2x

1

0 .
2
X SEP (C, 1) CX = X
3x 6y 2z = x
x = 3y + z,

y=y
4x 12y 3z = z
3y + z
y
(y,
z)
donc : SEP (C, 1) =
1
3
0
1
;
(y,
z)
R
+
z
y
= Vect
=

3
1 ,

0

1
0 .

1
La matrice C est carre dordre 3 et la somme des dimensions

des sous-espaces propres de C est gale 1 + 2 = 3, donc,
daprs le cours, C est diagonalisable.
y
= Vect
;
y
R
donc : SEP (F, 4) =
On conclut C = PDP1, o, par exemple :
1 3 1
P = 0 1 0 ,
201
1 0 0
D = 0 1 0 .
0 01
Puisque F est carre dordre 3 et que la somme des dimensions

des sous-espaces propres de F est 1 + 1 = 2, on conclut que F
nest pas diagonalisable.
d) La matrice E est triangulaire (suprieure) donc les valeurs

propres de E se lisent sur sa diagonale : E admet une valeur
propre et une seule, qui est 1.
Si E tait diagonalisable, il existerait P M3 (R) inversible telle
que E = PI3 P1 = PP1 = I3 , contradiction.
On conclut que E nest pas diagonalisable.
e) Dterminons les valeurs propres de F. Soit R. On a :
1
3 1
rg (F I3 ) = rg 0 2 2
1
1 3
1 3
1
L L3
= rg 0 2 2 1
3 1
1
3
1 1
2
= rg 0 2
0 2 6 + 10 L3 L3 + (3 )L1
1 1 3
= rg 0 2 2
0
0
L3 L3 L2
o = 2 6 + 8 = ( 2)( 4)
3
=
f) Dterminons les valeurs propres de G. Soit R. On a :
1
1 0
1 2
rg (G I3 ) = rg 0
1
1 1
1 1 L1 L3
1
1 2
= rg 0
1 0
1
1
1
1
2
= rg 0 1
2 L3 L3 + (1 + )L1
0 (1 + ) 2
1 1 1
1 C2 C3
= rg 0 2
0 2 2 1
1 1 1
= rg 0 2 1
2
0 0
L3 2L3 (2 )L2
o = 2 2 (2 2 )(1 ) = 3 + 2 4
3
=
si 0
si = 0.
si 2 et 4
Les valeurs propres de G sont donc les tels que = 0.
si = 2 ou = 4.
tudions les variations de lapplication
Ceci montre que les valeurs propres de F sont : 2 et 4.
X SEP (F, 2) FX = 2X
3x y + z = 2x

2y + 2z = 2y
x + y + 3z = 2z

= Vect
;
x
R
x
donc : SEP (F, 2) =
P : R R, 3 + 2 4.
Lapplication P est drivable (donc continue) sur R et :
Dterminons les sous-espaces propres de F.

x


z

0
1 .

1
R, P () = 32 + 2 = (3 + 2).
z = 0

x = y,

1
1 .

0
X SEP (F, 4) FX = 4X
3x y + z = 4x

2y + 2z = 4y
x + y + 3z = 4z
On forme le tableau des variations de P :
0
2/3
+
P ()
0
+
0
+
<0
P()

4
2
8
4
= + 4 < 0.
On a :
P
3
27 9
Ceci montre que P ne sannule en aucun point de [0 ; +[.
Daprs le thorme de la bijection monotone, P admet un zro
et un seul, not et on a : < 0.
x = 0
,
y = z
Ainsi, G admet une valeur propre et une seule, et cest .

Si G tait diagonalisable, il existerait P M3 (R) inversible telle
que G = P(I3 )P1 = I3 , contradiction.
On conclut que G nest pas diagonalisable.
17
Chapitre 1
Montrons que (v1 , v2 , v3 ) est libre.
1.2
a) On a :
do :

1 1 2

1 1 2
= ,
1 0 0

0
1 0

1 1 1 1 1 2
1 1 1 1 1 2

1 1 1 1 1 = 2 ,

1
1 1 1 1
2

1 1 1 1 1 2
1 1 1 1 0 0

1 1 1 1 1 = 2 ,

0
1 1 1 1 0
1
1
1
1
1
1
1
1
1
1
i 1 ; 3, f (vi ) = 2vi .
On a, pour tout (a1 , a2 , a3 ) R3 :

a1 v1 + a2 v2 + a3 v3 = 0
a1 + a2 + a3 = 0
a1 a2 = 0

a2 + a3 = 0
a2 = 0
donc (v1 , v2 , v3 ) est libre.

Il en rsulte :
dim SEP( f, 2) 3.

Si dim SEP ( f, 2) = 4, alors SEP ( f, 2) = R4 , et 2 ne serait
pas valeur propre de f , contradiction.

On a donc dim SEP ( f, 2) = 3, et on obtient :
b) On calcule le produit de A par elle-mme et on obtient :

A = 4 I4 .
2
Ainsi, le polynme X 4 est annulateur de A. Daprs le

cours, les valeurs propres de A sont parmi les zros de ce polynme, donc les valeurs propres de A sont parmi 2 et 2. Comme
f est reprsent par A, on conclut que les valeurs propres de f
sont parmi 2 et 2.
2
c) La matrice A est symtrique relle, donc, daprs le cours,

A est diagonalisable dans M4 (R).

x
y
On a, pour tout V = M4,1 (R) :
z
t
x + y + z + t = 2x
x + y z t = 2y
AV = 2V
x y + z t = 2z
x y z + t = 2t
3x + y + z + t = 0
4x + 4y = 0
x + 3y z t = 0
2x 2y + 2z + 2t = 0

x y + 3z t = 0
2x 2y + 2z + 2t = 0
x y z + 3t = 0
4z 4t = 0
y = x

z = x
t = x,
SEP ( f, 2) = Vect (v1 , v2 , v3 ).

On conclut quune matrice de passage P de la base canonique
B0 de R4 une base de vecteurs propres pour f est :
1 1 1 1
1 1 0 1
.
P =
0 1 1 1
0 1 0 1
1.3
a) La matrice A est symtrique, donc, daprs le cours, A est
diagonalisable.

x1

b) Soient R, X = ... M5,1 (R) \ {0}. On a :

x5
x2 = x1
x2 = x1
x1 + x3 = x2
x3 = x2 x1
AX = X
x2 + x4 = x3
x4 = x3 x2
x3 + x5 = x4
x5 = x4 x3
x4 = x5
x4 = x5
x2 = x1
x3 = (2 1)x1
(S)
x4 = (3 2)x1
x5 = (4 32 + 1)x1
(3 2)x1 = (5 33 + )x1 .

donc : SEP ( f, 2) = Vect (1, 1, 1, 1) .
Si x1 = 0, alors, x2 , x3 , x4 , x5 sont tous nuls, donc X = 0, exclu.
Daprs a), 2 est valeur propre de f et v1 , v2 , v3 sont des vecteurs propres pour f associs la valeur propre 2, donc :
On a donc x1 0. Et :
Vect (v1 , v2 , v3 ) SEP ( f, 2).

18
a2 = 0

a1 = 0
a3 = 0,
3 2 = 5 33 + 5 43 + 3 = 0
(4 42 + 3) = 0 (2 1)(2 3) = 0
( 1)( + 1)(
3)( +
3) = 0.
Si = 0, alors :

(S) x2 = 0, x3 = x1 , x4 = 0, x5 = x1 ,

1
0

donc 0 est vp de A et SEP (A, 0) = Vect 1 .

0
1
Si = 1, alors :

(S) x2 = x1 , x3 = 0, x4 = x1 , x5 = x1 ,

1
1


1
1
Si = 1, alors :

(S) x2 = x1 , x3 = 0, x4 = x1 , x5 = x1 ,

1
1


1
1
Si = 3, alors :

(S) x2 = 3 x1 , x3 = 2x1 , x4 = 3 x1 , x5 = x1 ,

1

3

3
1
Si = 3, alors :

(S) x2 = 3 x1 , x3 = 2x1 , x4 = 3 x1 , x5 = x1 ,
1
3
3
1
On conclut
que
les valeurs propres de A sont
0, 1, 1, 3, 3 et que les sous-espaces propres de A sont

les droites vectorielles engendres respectivement par les cinq
vecteurs :

1 1 1 1 1
0 1 1 3 3

1 , 0 , 0 , 2 , 2 .

0 1 1 3 3

1
1
1
1
1
Remarque : Puisque A est carre dordre 5 et que que A admet

cinq valeurs propres deux deux distinctes, daprs le cours, A
est diagonalisable, ce que lon avait obtenu en a) par une autre
mthode.
1.4
a) La matrice carre A est symtrique relle, donc, daprs le
cours, A est diagonalisable.
On a, par L1 L3 :
1 1 1/2
0 0 1
rg (A) = rg 0 1 1 = rg 0 1 1 = 3,
00 1
1 1 1/2
donc A est inversible.
b) Dterminons les valeurs propres de A. Soit R. On a :
1
0
1
rg (A I3 ) = rg 0 1
1
1 1/2
1 1/2
1
1
= rg 0 1
L L
1
3
0
1
1/2
1 1
1
= rg 0 1
2 L3 L3 + L1
0 1+ 2
Si 1, alors, par L3 (1 )L3 L2 :
1 1 1/2
1
rg (A I3 ) = rg 0 1
0 0
o :

3
3
= (1 ) 1 + 2 = 1 2 + 3
2
2
2

1
5
.
= (1 + ) 1 + 2 = (1 + )(2 )
2
2
1
.
2
Remarque : Puisque A est carre dordre 3 et que A admet trois
valeurs propres deux deux distinctes, A est diagonalisable,
rsultat obtenu en a) par une autre mthode.
On conclut que les valeurs propres de A sont : 1, 2,

x

Soit X = y M3,1 (R). On a :

z
19
Chapitre 1
X SEP (A, 1) AX = X
1.5
z = x
y + z = y

x + y + z = z
2
donc :
z = x
y = ,
2

2

SEP (A, 1) = Vect 1 .

2
X SEP (A, 2) AX = 2X
z = 2x
y + z = 2y

x + y + z = 2z
2
= f (M) + f (M ),
z = 2x

y = 2x,

1

donc :
SEP (A, 2) = Vect 2 .

2
1
1
X SEP A,
AX = X
2
2
z= x

y+z=
x + y +
donc :
donc f est linaire.

a b
M2 (R) :
c d

1 a+d b+c
f 2 (M) = f f (M) = f (
)
2 b+c a+d

1 1 (a + d) + (a + d) (b + c) + (b + c)
=
2 2 (b + c) + (b + c) (a + d) + (a + d)

1 a+d b+c
= f (M),
=
2 b+c a+d
On a, pour toute M =
donc : f 2 = f.
1
y
2
1
1
z= z
2
2
1
SEP A,
= Vect
2
x = 2z

y = 2z,

2
2 .

1
On en dduit une
de A, A =
diagonalisation
1 0 0
2 1 2
exemple : P = 1 2 2 , D = 0 2 0 .
0 0 1/2
2 2 1
2 1
1
On calcule P1 et on obtient : P1 = 1 2
9
2 2
PDP1 , o, par
2 .
c) Remarquons dabord que, pour tout n Z, An et Dn existent,

car A et D sont inversibles.
On a, pour tout n Z : An = (PDP1)n = PDn P1
et on obtient en faisant le produit de ces trois matrices, la matrice An :
4(1)n + 2n + 4 2n 2(1)n + 2n+1 22n 4(1)n + 2n+1 + 21n

1
2(1)n + 2n+1 22n (1)n + 2n+2 + 22n 2(1)n + 2n+2 21n

9 4(1)n + 2n+1 + 21n 2(1)n + 2n+2 21n 4(1)n + 2n+2 + 2n
20
a)
On a, pour
tout R et pour toutes matrices
ab
a b
M=
, M = M2 (R) :
c d
c d

a + a b + b
f (M + M ) = f
c + c d + d

1 (a + a ) + (d + d ) (b + b ) + (c + c )
=

2 (b + b ) + (c + c ) (a + a ) + (d + d )

1 a + d b + c
1 a+d b+c
+
=
2 b+c a+d
2 b + c a + d
b) Puisque f 2 f = 0, le polynme X2 X est annulateur de f .

Daprs le cours, les valeurs propres de f sont parmi les zros
de ce polynme annulateur de f , donc les valeurs propres de f
sont parmi 0 et 1.

a b
M2 (R) :
c d

1 a+d b+c
00
f (M) = 0M
=
00
2 b+c a+d
d = a
a + d = 0

c = b
b + c = 0
donc 0 est valeur propre de f et :

a b
2
SEP ( f, 0) =
; (a, b) R
b a

1 0
0 1
= Vect
,
.
0 1
1 0

a b
M2 (R) :
c d
1 a+d b+c
a
=
f (M) = 1M
b+c a+d
c
2
a + d = 2a = 2d

b + c = 2b = 2c
b
d
d = a

c = b
donc 1 est valeur propre de f et :

1 0
0 1

a b
,
.
SEP ( f, 1) =
; (a, b) R2 = Vect
01
10
ba
Donc :
f (P) = P
= 1 2i
= 1 + 2i
=1
ou

c = a
c = a
b = 0 ou
b = 2 i a
b = 2 i a
a = c
Finalement, les valeurs propres de f sont 0 et 1 et les sousespaces propres associs ont t dtermins ci-dessus.
c) Chacun des deux sous-espaces propres de f est de dimension 2, donc la somme des dimensions des sous-espaces
propres de f est gale 4, donc gale la dim (E). Daprs le
cours, on conclut que f est diagonalisable.
Ainsi, les valeurs propres de f sont 1, 1 + 2 i , 1 2 i , et les

sous-espaces propres de f sont :
SEP ( f, 1) = Vect (1 + X2 ),
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X X2 ),
1.6
SEP ( f, 1 2 i ) = Vect (1 2 i X X2 ).
a) On a, pour tout P = aX + bX + c C2 (X] :

2
f (P) = (X2 + 1)(2aX + b) (2X 1)(aX2 + bX + c)

= (a b)X2 + (2a + b 2c)X + (b + c) C2 [X].
On a, pour tout C et tous P, Q C2 [X] :
f (P + Q) = (X2 + 1)(P + Q) (2X 1)(P + Q)
= (X2 + 1)(P + Q ) (2X 1)(P + Q)

= (X2 + 1)P (2X 1)P + (X2 + 1)Q (2X 1)Q
= f (P) + f (Q),
donc f est linaire.

On conclut que f est un endomorphisme du C-ev C2 [X].
b) 1) Soient C, P = aX2 + bX + c C2 [X] \ {0}.
On a, en rutilisant le calcul de f (p) eectu en a) :
f (P) = P (a b)X2 + (2a + b 2c)X + (b + c) = (aX2 + bX + c)
b = (1 )a
a b = a

2a + (1 )b 2c = 0
2a + b 2c = b
b = ( 1)c
b + c = c
c = a
=1
ou

b
=
0
b
=
(1
)a
2a + (1 )2 a + 2a = 0
2a 2c = 0
(1 )2 + 4 = 0
=1
ou

b
=
0
c
=
a
b = (1 )a,
a = c
b) 2) On calcule les images par f des vecteurs de la base canonique de C2 [X] :
f (1) = (2X 1) = 1 2X
f (X) = (X2 + 1) (2X 1)X = 1 + X X2
f (X2 ) = (X2 + 1)2X (2X 1)X2 = 2X + X2 ,

do la matrice A de f dans B = (1, X, X2 ) :
1 1 0
A = 2 1 2 .
0 1 1
Dterminons les valeurs propres de A. Soit R. On a :
0
1 1
rg (A I3 ) = rg 2 1 2
0
1 1
2 1 2
0 L1 L2
= rg 1 1
0
1 1
1
2
2
= rg 0 2 + (1 ) 2(1 )
0
1
1
L2 2L2 + (1 )L1
1
2
2
1
1
= rg 0
2
0 2 + (1 ) 2(1 ) L2 L3
2 1 2
= rg 0 1 1
0
0
car, dans le second systme, si a = 0, alors c = 0, b = 0, donc

P = 0, exclu.

L3 L3 + 2 + (1 )2 L2
Et :
(1 )2 + 4 = 0 ( 1)2 = 4

1 = 2 i ou 1 = 2 i

= 1 + 2 i ou = 1 2 i .
o :

= 2(1 ) + 2 + (1 )2 (1 )

= (1 ) 4 + (1 )2 ,
21
Chapitre 1
et : = 0 = 1 ou = 1 + 2 i ou = 1 2 i .
1.7
Ainsi, les valeurs propres de A sont : 1, 1 + 2 i , 1 2 i .
a)
On a, pour
tout R et pour toutes matrices
ab
a b
M=
, M = M2 (R) :
c d
c d

a + a b + b
f (M + M ) = f (
)
c + c d + d

d + d (b + b )
=
(c + c ) a + a

d b
d b
=
+
= f (M) + f (M ),

c a
c a

x

X = y SEP (A, 1) AX = X

z

1 1 0 x x

2 1 2 y = y

z
0 1 1 z
x+y = x

2x + y + 2z = y
y + z = z
y = 0
x = z,

1

donc : SEP (A, 1) = Vect 0 .

1

x

X = y SEP (A, 1 + 2 i ) AX = (1 + 2 i )X

z

x
1 1 0 x

2 1 2 y = (1 + 2 i ) y

z
0 1 1 z
x
+
y
=
(1
+
2
i
)x

2x + y + 2z = (1 + 2 i )y
y + z = (1 + 2 i )z
2 i x + y = 0
y = 2 i x

2x
2
i
y
+
2z
=
0
z = x,
y 2 i z = 0

1

donc : SEP (A, 1 + 2 i ) = Vect 2 i .

1
De mme : SEP (A, 1 2 i ) = Vect 2 i .
1
Lendomorphisme f a les mmes valeurs propres que A,
donc les valeurs propres de f sont 1, 1 + 2 i , 1 2 i . Les vecteurs propres de A nous donnent les coordonnes des vecteurs
propres de f dans la base (1, X, X2 ) de C2 [X] :
ce qui montre que f est linaire.

On conclut que f est un endomorphisme de lespace vectoriel
M2 (R).
Considrons la base canonique B = (E1 , E2 , E3 , E4 ) de
M2 (R), dfinie par :

10
01
00
00
E1 =
, E2 =
, E3 =
, E4 =
.
00
00
10
01
On a :
f (E1 ) = E4 , f (E2 ) = E2 , f (E3 ) = E3 , f (E4 ) = E1 .
On en dduit la matrice A de f dans B :
0 0 0 1
0 1 0 0
.
A =
0 0 1 0
1 0 0 0
b) La matrice A est symtrique relle, donc, daprs le cours, A
est diagonalisable, puis, comme A reprsente f dans une base
de E, on conclut que f est diagonalisable.
1.8
a) Pour tout P R2 [X], on a :
P(X + a) R2 [X], P(X + b) R2 [X],
(a + b)P (X) R1 [X] R2 [X],
donc : f (P) = P(X + a) + P(X + b) (a + b)P [X] R2 [X].
On a, pour tous R, P, Q R2 [X] :

f (P + Q) = (P + Q)(X + a) + (P + Q)(X + b) (a + b) (P + Q) (X)
= P(X + a) + Q(X + a) + P(X + b) + Q(X + b)
(a + b)P (X) (a + b)Q (X)

= P(X + a) + P(X + b) (a + b)P (X)

+ Q(X + a) + Q(X + b) (a + b)Q (X)
SEP ( f, 1) = Vect (1 + X2 ),
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X X2 ),
= f (P) + f (Q),
SEP ( f, 1 2 i ) = Vect (1 2 i X X2 ).
Remarque : On retrouve bien les mmes rsultats que dans 1).
c) Lendomorphisme f admet trois valeurs propres deux deux

distinctes et dim C2 [X] = 3, donc, daprs le cours, f est diagonalisable.
22
donc f est linaire.

On conclut : f L R2 [X] .
b) On a :
f (1) = 1 + 1 0 = 2,
f (X) = (X + a) + (X + b) (a + b) = 2X,
Finalement :
f (X2 ) = (X + a)2 + (X + b)2 (a + b)2X = 2X2 + (a2 + b2 ).
1.10
On en dduit la matrice M de f dans la base canonique

B = (1, X, X2 ) de R2 [X] :
2 0 a2 + b2
0 .
M = 0 2
00
2
c) On remarque que M est triangulaire (suprieure), donc
les valeurs propres de M se lisent sur sa diagonale, do
Sp (M) = {2}.
Ainsi, M est diagonalisable si et seulement sil existe
P M3 (R) inversible telle que M = P(2 I3 )P1 = 2 I3 , si et
seulement si a2 + b2 = 0, si et seulement si a = b = 0.
On conclut que f est diagonalisable si et seulement si
a2 + b2 = 0, cest--dire si et seulement si a = b = 0, puisque
(a, b) R2 .
1.9
Soit (x, y) R2 fix.
tudions les valeurs propres de A =

0 1
.
y 2x
a) Soit a R. Soit R. On a :
a
3 a 5 + a

a2
a
rg M(a) I3 = rg a
5
5
2
0
3 3
L1 L1 L2 .
a
= rg a a 2
5
5
2

Si = 3, alors : rg M(a) I3 2.
Si 3, alors, en divisant L1 par 3 , on a :
1
0
1

a
rg M(a) I3 = rg a a 2
5
5
2
0
0
1
a C2 C2 + C1 .
= rg a 2
5
0
2
Si 2, alors, en divisant C2 par 2 :
0
1 0

a
rg M(a) I3 = rg a 1
5 0 2

1
a
= 1 + rg
= 1 + 2 = 3.
0 2

Si = 2, alors : rg M(a) I3 2.
On a, pour tout R :

1 C1 C2
rg (A I2 ) = rg
y 2x

1 L2 L2 + (2x )L1
= rg
2x y

1 si 2x + y = 0
=
= rg
2
2 sinon.
0 2x + y
On obtient :

2
rg M(a) I3
= 3

Il en rsulte :
vp de A 2 2x + y = 0
( x)2 + (y x2 ) = 0
A est diagonalisable dans M2 (R) si et seulement si y < x2 .
().
Si y x2 < 0, alors lquation () ci-dessus, dinconnue R,

admet deux solutions distinctes, donc A admet deux valeurs
propres distinctes, et donc, comme A est carre dordre 2, on
conclut que A est diagonalisable dans M2 (R).
Si y x2 > 0, alors lquation () na pas de solution dans R,
donc A nest pas diagonalisable dans M2 (R).
Supposons y x2 = 0.
Alors, A admet une valeur propre et une seule, qui est = x.
Si A tait diagonalisable dans M2 (R),
il existerait

P GL2 (R)
0 1
x0
1
telle que A = P(x I2 )P = x I2 , do
=
, contray 2x
0 x
diction (1 0).
On dduit que A nest pas diagonalisable dans M2 (R).
si = 2 ou = 3
sinon.
On conclut que les valeurs propres de M(a) sont : 2 et 3.

Remarque : les valeurs propres de M(a) ne dpendent pas de a.
b) Dterminons les sous-espaces propres de M(a).

x

Soit X = y M3,1 (R). On a :

z

X SEP M(a), 2 M(a)X = 2X

x
3 a 5 + a a x

a a 2 a y = 2 y

z
5
5 2 z
(5 a)x + (5 + a)y + az = 0
x = y

ax + ay + az = 0
az = 0,
5x 5y = 0
23
Chapitre 1

donc : si a = 0, alors SEP M(a), 2 = Vect

a 0, alors SEP M(a), 2 = Vect

1

1 ,
0

1 0
1 , 0 , et, si

0 1
2 si a = 0

do : dim SEP M(a), 2 =
1 si a 0.

X SEP M(a), 3 M(a)X = 3X

x
3 a 5 + a a x

a a 2 a y = 3 y

z
5
5 2 z
ax + (a 5)y + az = 0

5x 5y 5z = 0

1
On dduit 2 = , puis, en reportant dans la premire qua3
3 2 1
1
3
= ,
tion :
1 = 0, donc = , puis
3
2
2
3
contradiction.
Ceci montre que les racines du polynme 3 1 sont toutes
simples.
z = x
y = 0

1

donc : SEP M(a), 3 = Vect 0,

1

do : dim SEP M(a), 3 = 1.
Il en rsulte que la somme des dimensions des sous-espaces
propres de M(a) est gale 3 si a = 0, et est gale 2 si a 0.
Comme M(a) est diagonalisable si et seulement si la somme
des dimensions de ses sous-espaces propres est gale 3, on
conclut que M(a) est diagonalisable si et seulement si a = 0.
1.11
a) Dterminons les valeurs propres de J dans C.
Soit C. On a :
rg (J I3 ) = rg
= rg
= rg
= rg
= rg
0 1
1 1
0 1
1 1
0 1 L1 L2
0 1
1 1
L2 L2 + L1
2
0 1 +
0 1
1 1
0 1
0 2 1 + L2 L3
0 1
3
0 0 + + 1 L3 + 2 L2
Les valeurs propres de J sont donc les solutions de lquation

3 1 = 0, dinconnue C.
Daprs le cours, cette quation du troisime degr admet,
dans C, trois solutions (a priori non ncessairement distinctes) ;
24
montrons que celles-ci sont deux deux distinctes. Raisonnons

par labsurde : supposons que lquation admette (au moins)
une solution (au moins) double, note . Daprs le cours,
annule le polynme considr et sa drive premire, cest-
3
1 = 0
dire :
32 1 = 0.
Ainsi, lquation 3 1 = 0, dinconnue C, admet

exactement trois solutions deux deux distinctes.
Il en rsulte que J admet (dans C) trois valeurs propres deux
deux distinctes. Comme J est carre dordre trois et admet
trois valeurs propres deux deux distinctes, daprs le cours,
on conclut que J est diagonalisable dans M3 (C).
b) Soit (a, b, c) C3 . On a :
b
a c
M(a, b, c) = b a + c b + c
c b a+c
0
1 0 0
= a 0 1 0 + b 1
0
001

0 1 0 1 0

0 1 +c 0 1 1

10
101
!"
=J
et on remarque que la troisime matrice, dans cette dernire

expression, est J 2 .
Daprs a), il existe D D3 (C) et P GL3 (C) telles que
J = PDP1. On a alors J 2 = PD2 P1 , puis :
M(a, b, c) = a I3 + bJ + cJ 2
= a I3 + bPDP1 + cPD2 P1 = P(a I3 + bD + cD2 )P1 .
Comme a I3 + bD+ cD2 est diagonale, on conclut que M(a, b, c)
est diagonalisable dans M3 (C).
1.12
a) Dabord, f est bien une application de M2 (R) dans luimme.
On a, pour tout R et toutes M, N M2 (R) :
f (M + N) = A(M + N) = AM + AN = f (M) + f (N),
donc f est linaire.

On conclut : f L M2 (R) .

xy
b) On a, pour toute M =
M2 (R) :
z t
M Ker ( f ) f (M) = 0 AM = 0
11 xy
00
x + z = 0
11 z t
00
y + t = 0,

xy

donc :
Ker ( f ) =
; x + z = 0 et y + t = 0
z t

x y
=
; (x, y) R2
x y

1 0
0 1
Une base de Ker ( f ) est
,
1 0
0 1

et dim Ker ( f ) = 2.

xy
c) Comme, pour toute matrice M =
M2 (R),
z t

x+z y+t
f (M) =
, on a :
x+z y+t
Im ( f )

1 0
0 1
a b
; (a, b) R2 = Vect
,
.
a b
1 0
0 1
cest--dire : x R, a0 + a1 x + a2 x2 + a3 x3 = 0.
Le polynme a0 + a1 X+ a2 X2 + a3 X3 sannule en tout rel, donc
cest le polynme nul, do a0 = a1 = a2 = a3 = 0.
Ceci montre que B est libre.
Puisque B est libre et que, par dfinition de E, B engendre E,
on conclut : B est une base de E.
Il en rsulte :
dim (E) = Card (B) = 4.
b) Il est clair que, pour toute f E, f est deux fois drivable

sur R, donc ( f ) = f f existe.
Calculons les images par des lments de B.
On a, pour tout x R :
( f0 )(x) = e x ,
( f1 )(x) = (1 x) e x ,
( f2 )(x) = (2x x2 ) e x ,
( f3 )(x) = (3x2 x3 ) e x ,
donc :
Dautre part, daprs le thorme du rang :

dim Im ( f ) = dim M2 (R) dim Ker ( f ) = 22 2 = 2.
Il en rsulte quil y a galit dans linclusion prcdente :
Im ( f ) =

a b

1 0
0 1
; (a, b) R2 = Vect
,
.
a b
1 0
0 1
d) On calcule les images

par f :
1
f (E1 ) = AE1 =
1
1
f (E2 ) = AE2 =
1
1
f (E3 ) = AE3 =
1
1
f (E4 ) = AE4 =
1
des lments E1 , E2 , E3 , E4 de B

1 1
1 0

1 0
1 0

1 0
1 1

1 0
1 0
0
1
=
0
1

1
0
=
0
0

0
1
=
0
1

0
0
=
1
0
1 0
0 1
do la matrice de f dans B : F =
1 0
01

0
= E1 + E3 ,
0

1
= E2 + E4 ,
1

0
= E1 + E3 ,
0

1
= E2 + E4 ,
1
1 0
0 1
.
1 0
01
e) La matrice F de f dans B est symtrique relle, donc,

daprs le cours, F est diagonalisable, et on conclut : f est diagonalisable.
1.13
a) Montrons que B est libre.
Soit (a0 , a1 , a2 , a3 ) R4 tel que
3

ak fk = 0. On a donc :
k=0
x R, (a0 + a1 x + a2 x2 + a3 x3 ) e x = 0,
( f0 ) = f0 ,
( f1 ) = f0 f1 ,
( f2 ) = 2 f1 f2 ,
( f3 ) = 3 f2 f3 .
Comme est linaire (par linarit de la drivation), il en rsulte :

f E, ( f ) E.
On conclut : est un endomorphisme de lespace vectoriel E.
De plus, la matrice M de dans B est :
1
0
M =
0
0
1
1
0
0
0
2
1
0
0
.
3
c) La matrice M est triangulaire (suprieure) et ses termes

diagonaux sont tous non nuls, donc M est inversible.
La matrice M est triangulaire (suprieure), donc ses valeurs
propres se lisent sur sa diagonale : M admet 1 pour valeur
propre et cest la seule.
Si M tait diagonalisable, il existerait P GL4 (R) telle que
M = P(I4 )P = I4 , contradiction. On conclut que M nest
pas diagonalisable.
1.14
Il sagit dune matrice forme de 0 et de 1 en damier :
1
0
A = 0
.
..
0
1
0
1
..
.
1
0
1
0
1
0
..
.
0
1
0
1
0
1
..
.
1
0
...
...
...
...
..
.
...
...
0
1
0
1
..
.
1
0
0 M
2p+1 (R).
..
.
1
25
Chapitre 1
a) Daprs la dfinition de A :
qui est de dimension 1, engendr par le vecteur de coordonnes

(0, 1, 0, 1, ..., 0, 1, 0)
x1
.
SEP (A, p + 1) = .. M2p+1,1 (R) ;
x2p+1

x1 = x3 = = x2p+1 et x2 = x4 = = x2p = 0 ,
(i, j) 1 ; n2 , ai j = a ji ,
donc A est symtrique relle.
Daprs le cours, on conclut que A est diagonalisable.
x1
.
b) Soient R, X = .. M2p+1 (R) \ {0}. On a :
x2p+1
qui est de dimension 1, engendr par le vecteur de coordonnes

(1, 0, 1, 0, ..., 1, 0, 1).
x1 + x3 + + x2p+1 = x1 (1)
(2)
x2 + x4 + + x2p = x2
AX = X
..
x1 + x3 + + x2p+1 = x2p+1
Remarque : La somme des dimensions des sous-espaces

propres de A est gale 2p + 1, et on retrouve ainsi le fait
que A est diagonalisable.
1.15
(1), (2), x1 = x3 = = x2p+1 , x2 = x4 = = x2p
0
x = x3 = = x2p+1
ou
x
2 = x4 = = x2p
(p
+ 1)x1 = x1
px = x
2
2
b)
1 . . .
2
A = (0)
=0
x1 + x3 + + x2p+1 = 0
x2 + x4 + + x2p = 0
=p
= p+1
ou
ou
x1 = x3 = = x2p+1 = 0
x
=
x
=
=
x
1
3
2p+1
x2 = x4 = ... = x2p .
x2 = x4 = = x2p = 0
x1
..
.
x2p+1
M2p+1,1 (R) ;
x2p+1
M2p+1,1 (R) ;
x1 = x3 = = x2p+1 = 0 et x2 = x4 = = x2p
26
c) Nous allons montrer que A nest pas diagonalisable, en raisonnant par labsurde. Supposons que A est diagonalisable. Il
existe alors P Mn (R) inversible et D Mn (R) diagonale
telles que A = PDP1. Puisque les termes diagonaux de D sont
les valeurs propres de A, les termes diagonaux de D sont parmi
0 et 1, donc D2 = D. Do :
A2 = (PDP1 )2 = PD2 P1 = PDP1 = A.
On conclut : A nest pas diagonalisable.
qui est de dimension 2p 1 (on peut, par exemple, exprimer

x2p et x2p+1 en fonction de x1 , ..., x2p1 ),
x1
..
.
1 1 n
1

1
.. =
. ,
.
(0) ..
1
1
Contradiction avec b).

x1 + x3 + + x2p+1 = 0 et x2 + x4 + + x2p = 0 ,

SEP (A, p) =
1 1 . . .
..
. (0)
donc A2 A.
On conclut que les valeurs propres de A sont 0, p, p + 1 et que

les sous-espaces propres de A sont :

SEP (A, 0) =
. . . 1 1
. . . 0 1
. . .
(0) .. ..
... 0 1
a) Puisque la matrice A est triangulaire (suprieure), les valeurs

propres de A se lisent sur sa diagonale, donc les valeurs propres
de A sont 0 et 1.
=0
x1 + x3 + + x2p+1 = 0
x2 + x4 + + x2p = 0
1
0
Il sagit de la matrice A = .
..
1.16
a) Soit y Im ( f be).
Il existe x E tel que y = ( f be)(x). On a :

( f ae)(y) = ( f ae) ( f be)(x)

= ( f ae) ( f be) (x) = 0,
!"
=0
donc : y Ker ( f ae).

Ceci montre : Im ( f be) Ker ( f ae).
Puisque f ae et f be commutent, on a aussi :

Im ( f ae) Ker ( f be).
b) On a :
1
1
( f be) +
( f ae)
ab
ba

1
1
( f be) ( f ae) =
=
(a b)e = e.
ab
ab
c) Soit x Ker ( f a) Ker ( f be).
Ceci montre que i est valeur propre de A.

De mme, i est valeur propre de A.
On conclut que les valeurs propres de A sont i et i .
b) 2) Soit X Mn,1 (C).
Supposons X E i .
On a alors : ( f ae)(x) = 0 et ( f be)(x) = 0,
On a alors AX = i X, donc AX = i X = i X.
cest--dire : f (x) = ax et f (x) = bx,
Mais AX = A X, comme on le voit en passant aux lments.
do : ax = bx, puis (a b) x = 0, donc x = 0.

!"
Do : AX = i X.
On a alors : Ker ( f ae) Ker ( f be) {0}, et, comme

lautre inclusion est vidente, on obtient :
Ainsi : X E i .
0
Ker ( f ae) Ker ( f be) = {0},

Soit y E. Daprs b), on a :
1
1
( f be)(y) +
( f ae)(y),
y = e(y) =
a
b
b
a !"
!"
not v
not u
et :
u Im ( f be) Ker ( f ae)
v Im ( f ae) Ker ( f be)
Comme A est relle, on a A = A, do : AX = i X.

Ceci montre : X E i = X E i .
On montre de mme la rciproque.
On conclut, pour toute X Mn,1 (C) : X E i X E i .
b) 3) Le sev E i admet au moins une base (u1 , ..., ud ).
Daprs 2), puisque : k 1 ; d, uk E i ,
on a :
k 1 ; d, uk E i .
Montrons que (u1 , ..., ud ) est libre.
Ceci montre : E Ker ( f ae) + Ker ( f be), et, comme

lautre inclusion est vidente, on obtient :
E = Ker ( f ae) + Ker ( f be),
Soit (1 , ..., d ) Cd tel que
On conclut que Ker ( f ae) et Ker ( f be) sont supplmentaires

dans E.
On a alors, en conjuguant :
d) Daprs le cours, puisque (X a)(X b) est un polynme

annulateur de f , les valeurs propres de f sont parmi a et b.
Les sous-espaces propres de f sont donc Ker ( f ae) et
Ker ( f be), lorsque ceux-ci sont dirents de {0}.
Si i nest pas valeur propre de A, alors i est la seule valeur

propre de A, et alors, comme A est diagonalisable, A est semblable i In , donc A = i In , contradiction, car A Mn (R).
d

k uk = 0.
k=1
d

k uk =
d

k=1
k uk = 0 = 0.
k=1
Comme (u1 , ..., ud ) est libre, il sensuit :

k 1 ; d, k = 0,
puis, en conjuguant : k 1 ; d, k = 0.
Daprs c), la somme des sous-espaces propres de f est gale

E.
Ceci montre que (u1 , ..., ud ) est libre.
On conclut, daprs le cours, que f est diagonalisable.
Soit X E i . Daprs 2), on a alors X E i . Il existe donc

d

k uk .
(1 , ..., d ) Cd tel que X =
1.17
a) On suppose ici n pair, n = 2p, p N .

0 1
1 0
2
, on a A2 =
= I2 .
Pour A2 =
1 0
0 1
Montrons que (u1 , ..., ud ) engendre E i .
k=1
Do, en conjuguant :
X=
d

k uk =
k=1
d

k uk .
k=1
La matrice A, diagonale par blocs, forme par la rptition du

bloc A2 (p fois) sur la diagonale, vrifie alors A2 = I2p , donc
A convient.
Ceci montre que (u1 , ..., ud ) engendre E i .
b) 1) On a : 0 = A2 + In = (A i In )(A + i In ),
On a donc dim (E i ) = d = dim (E i ).
donc comme i i , daprs lexercice 1.16, A est diagonalisable dans Mn (C) et ses valeurs propres sont parmi i et i .
Do : n = dim (E) = dim (E i ) + dim (E i ) = 2 dim (E i ),
On conclut que (u1 , ..., ud ) est une base de E i .

b) 4) Daprs 1), on a : E = E i E i .
27
Chapitre 1
contradiction avec n impair.

Ce raisonnement par labsurde montre que, si n est impair, il
nexiste pas de matrice A Mn (R) telle que A2 = In .
Lendomorphisme f tant nilpotent, il existe p N
tel que f p = 0.
1.18
a) Puisque le polynme X p est annulateur de f , daprs le

cours, les valeurs propres de f sont parmi les zros de X p , donc
la seule valeur propre possible de f est 0.
De plus, puisque f nest pas bijectif (car sinon, f p = 0 le serait aussi, ce qui est absurde, puisque E nest pas rduit {0} !),
f nest donc pas injectif, do Ker( f ) {0}. Donc 0 est une
valeur propre de f .
Ainsi :
0 est la seule valeur propre de f .
b) Si f est diagonalisable, comme f admet une seule valeur

propre, le SEP associ est de dimension n = dim(E).
Ainsi :
Ker( f ) = SEP( f, 0) = E.
Donc :
f est lapplication nulle.
On conclut, pour un endomorphisme nilpotent :
1.19
si et seulement si
f = 0.
Notons n = dim (E). Supposons f diagonalisable.
Daprs lhypothse, le polynme (X 1)3 (X 2)2 est annulateur de f .

Daprs le cours, il en rsulte que les valeurs propres de f sont
parmi 1 et 2.
Il existe donc une base B de E telle que la matrice D de f
dans B soit diagonale, termes diagonaux parmi 1 et 2,
D = diag (1, ..., 1, 2, ..., 2) o 1 est crit p fois, 2 est crit q fois,
(p, q) N2 , p + q = n.
On a alors, par produit de matrices diagonales :
(DIn )3 (D2 In ) = diag (0, ..., 0, 1, ..., 1) diag (1, ..., 1, 0, ..., 0)
!" !"
!" !"
p fois
q fois
p fois
q fois
= diag (0, ..., 0, 0, ..., 0) = 0,

!" !"
p fois
On conclut, par ce raisonnement par labsurde, que f nest pas

diagonalisable.
0 1 0
a) Puisque A = 0 0 1 est triangulaire (suprieure), les va
000
leurs propres de A se lisent sur sa diagonale, donc A admet 0
28
donc : SEP ( f, 0) = Vect (e1 ).

b) 1) Puisque dim (F) = 1, il existe v1 F {0} tel que
F = Vect (v1 ).
Comme F est stable par f , on a f (v1 ) F, donc il existe K
tel que f (v1 ) = v1 .
Ceci montre que v1 est un vecteur propre pour f . Daprs a),
il en rsulte v1 Vect (e1 ), puis F = Vect (v1 ) Vect (e1 ).

Comme dim (F) = 1 = dim Vect (e1 ) , on a ncessairement :
F = Vect (e1 ).
b) 2) Soit v F.
Puisque F est stable par f , on a f (v) F, puis encore f 2 (v) F.
Et : f (v) = a2 e1 + a3 e2 et f 2 (v) = a3 e1 .
1 2
Si a3 0, alors e1 =
f (v) F,
a3
puis a3 e2 = f (v) a2 e1 F, donc e2 F,
puis a3 e3 = v a1 e1 a2 e2 F, donc e3 F et donc F = E,
exclu car dim (F) = 2 et dim (E) = 3.
Ceci montre a3 = 0, donc v = a1 e1 + a2 e2 Vect (e1 , e2 ).
On a donc : F Vect (e1 , e2 ).

Comme dim (F) = 2 = dim Vect (e1 , e2 ) , il en rsulte :
F = Vect (e1 , e2 ).
c) Daprs b), si F est un sev de E stable par f et de dimension
1 ou 2, alors F = Vect (e1 ) ou F = Vect (e1 , e2 ).
Rciproquement, Vect (e1 ) et Vect (e1 , e2 ) sont stables par f ,
car f (e1 ) = 0 et f (e2 ) = e1 .
Enfin, dautre part, {0} et E sont stables par f .
On conclut que les sev de E stables par f sont :
{0}, Vect (e1 ), Vect (e1 , e2 ), E.
q fois
donc ( f e)3 ( f 2e) = 0, contradiction.
1.20
On a, pour tout v = (x1 , x2 , x3 ) R3 :
x2 = 0
f (v) = 0
x3 = 0
Il existe (a1 , a2 , a3 ) K3 tel que v = a1 e1 + a2 e2 + a3 e3 .
Rciproquement, si f = 0, alors il est clair que f est diagonalisable.
f est diagonalisable
pour valeur propre et cest la seule, et donc, comme f est reprsent par A, on conclut que f admet 0 pour valeur propre et
que cest la seule.
1.21
Puisque f est diagonalisable, il existe une base
B = (e1 , ..., en ) de E et il existe (1 , ..., n ) Rn tels que :

i 1 ; n, f (ei ) = i ei .
La matrice de f dans B est la matrice diagonale
(0)
1
.
..
(0)
n
On a alors :
Ker ( f ) = Vect (ei ; i = 0),
Im ( f ) = Vect (ei ; i 0)
o, par exemple, Vect (ei ; i = 0) dsigne le sev de E engendr

par les ei correspondants aux indices i 1 ; n tels que tels
que i = 0.
De plus :

i 1 ; n, f 2 (ei ) = f f (ei ) = f (i ei ) = i f (ei ) = 2i ei ,
donc on a aussi de mme :
Ker ( f 2 ) = Vect (ei ; 2i = 0), Im ( f 2 ) = Vect (ei ; 2i 0).
i = 0 i = 0
Comme : i 1 ; n,
,
2i 0 i 0
il en rsulte : Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).
Pour chaque u 1 ; n, lquation 2i = i , dinconnue i C admet exactement une solution si i = 0,

et exactement deux solutions si i 0. Il en rsulte que

M Mn (C) ; M 2 = A est fini.
Comme 1 , ..., n sont deux deux distincts, il existe au plus
un indice i 1 ; n tel que i = 0 et on conclut :

Card M Mn (C) ; M 2 = A
si i 1 ; n; i 0
2n
=

2n1 si i 1 ; n; i = 0 .
1.23
a) 1) Supposons A inversible.
Puisque AB est diagonalisable, il existe P Mn (R) inversible
et D Mn (R) diagonale telles que AB = PDP1 .
1.22
1
a) On a A = PDP , donc :
M 2 = A (PNP1 )2 = PDP1
PN 2 P1 = PDP1 N 2 = D.
On obtient : BA = (P1 A)1 D(P1 A),
ND = NN 2 = N 3 = N 2 N = DN.
donc BA est diagonalisable.
c) Soit N = (xi j )i j Mn (C). On a :
De plus, AB et BA ont les mmes valeurs propres.
ND = DN (i, j) 1 ; n2 , (ND)i j = (DN)i j

n
n

(i, j) 1 ; n2 ,
(N)ik (D)k j =
(D)ik (N)k j
k=1
On a alors :
BA = A1 (AB)A = A1 (PDP1)A = (A1 P)D(P1 A).
Comme (A1 P)(P1 A) = A1 (PP1)A = A1 A = In ,
la matrice P1 A est inversible et son inverse est A1 P.
b) Soit N Mn (C) telle que N 2 = D. Alors :
k=1
(i, j) 1 ; n2 , xi j j = i xi j
(i, j) 1 ; n2 , (i j )xi j = 0.

On conclut que lensemble M Mn (C) ; M 2 = A est
lensemble des matrices de Mn (C) de la forme PNP1 , o
N = diag (1 , ..., n ), (1 , ..., n ) Cn tel que, pour tout
i 1 ; n, 2i = i .
Comme 1 , ..., n sont deux deux distincts, on a donc :

ND = DN (i, j) 1 ; n2 , i j = xi j = 0 .
On conclut que lensemble des matrices N de Mn , (C) qui commutent avec D est lensemble des matrices diagonales.
d) Soit M Mn (C) telle que M 2 = A.
En notant N = P1 MP, on a, daprs a), N 2 = D, puis, daprs
c), N est diagonale. Notons diag (1 , ..., n ) = N. Alors :
N 2 = D diag (21 , ..., 2n ) = diag (1 , ..., n )
i 1 ; n, 2i = i .
Rciproquement, pour tout i 1 ; n, soit i C tel que
2i = i . Notons N = diag (1 , ..., n ) et M = PNP1 . On a alors
M 2 = A.
2) Le cas o B est suppose inversible se traite de la mme

faon.
On conclut que, si A ou B est inversible et si AB est diagonalisable, alors BA est diagonalisable.
b) Montrons que le rsultat prcdent nest pas valable sans
lhypothse dinversibilit, pour n = 2, par exemple.

01
11
Considrons :
A=
,
B=
.
00
00

00
On a : AB =
, donc AB est diagonalisable.
00

01
Dautre part : BA =
, qui nest pas diagonalisable. En
00
eet, BA est triangulaire (suprieure), donc les valeurs propres
de BA se lisent sur sa diagonale, BA nadmet que 0 pour valeur propre ; si BA tait diagonalisable, elle serait semblable
la matrice nulle, donc serait gale la matrice nulle, contradiction.
1.24
1) Montrons que toute valeur propre de f g est valeur propre
de g f .
Soit R une valeur propre de f g.
29
Chapitre 1
Il existe x E \ {0} tel que : ( f g)(x) = x.
On a, daprs la dfinition de f :
On a alors :

(g f ) g(x) = (g f ) g (x) = g ( f g) (x)

= g ( f g)(x) = g(x) = g(x).
Si g(x) 0, le rsultat ci-dessus montre que est valeur
propre de g f (et que g(x) est un vecteur propre associ).
Supposons g(x) = 0. On a alors :

x = ( f g)(x) = f g(x) = f (0) = 0.
Comme x 0, on dduit = 0. Dautre part, puisque x 0 et
g(x) = 0, 0 est valeur propre de g, donc g nest pas bijectif.
Montrons alors que g f nest pas bijectif. Raisonnons par
labsurde et supposons g f bijectif. Alors g f est surjectif, et daprs lexercice 1.17 du volume de premire anne, g
est alors surjectif. Puisque E est de dimension finie, g est alors
bijectif, do une contradiction.
Ce raisonnement par labsurde montre que g f nest pas bijectif. Donc 0 est valeur propre de g f .
On a montr que toute valeur propre de f g est valeur propre
de g f .
2) En appliquant le rsultat prcdent au couple (g, f ) la place
du couple ( f, g), on a aussi : toute valeur propre de g f est valeur propre de f g.
On conclut : f g et g f ont les mmes valeurs propres.
1.25
a) Il est clair que f est une application de R[X] dans R[X].
On a, pour tout R et tous P, Q R[X] :
f (P + Q)
= 3X(P + Q) + (X2 X)(P + Q) (X3 X2 )(P + Q)
= 3X(P + Q) + (X2 X)(P + Q ) (X3 X2 )(P + Q )

= 3XP + (X2 X)P (X3 X2 )P

+ 3XQ + (X2 X)Q (X3 X2 )Q ,
donc f est linaire.

On conclut que f est un endomorphisme du R-espace vectoriel
R[X].
b) On a, pour tout n N :
f (Xn ) = 3X Xn (X2 X)(nXn1 ) (X3 X2 )n(n 1)Xn2
= 3Xn+1 + n(Xn+1 Xn ) n(n 1)(Xn+1 Xn )
= (n2 + 2n + 3)Xn+1 + (n2 2n)Xn .
(Les critures nXn1 et n(n 1)Xn2 ne sont pas clairement dfinies lorsque n = 0 ou n = 1, mais le rsultat final est valable
aussi dans ces deux cas.)
c) Daprs b), on a, en particulier : f (X ) = 3X et
f (X3 ) = 3X3 . Ainsi, X2 et X3 sont dirents et ont la mme
image par f , donc f nest pas injective.
2
30
P R(X],

f (P) (0) = 0,
puisque f (P) contient X en facteur. En particulier, le polynme

constant 1 nest pas atteint par f , donc f nest pas surjective.
d) 1) Soit n N tel que Rn [X] soit stable par f .
On a alors en particulier : f (Xn ) Rn [X], donc, daprs b) :
n2 + 2n + 3 = 0, cest--dire n = 1 ou n = 3, donc n = 3
(puisque n N).
Rciproquement, montrons que R3 [X] est stable par f .
On a, daprs b) :
f (1) = 3X, f (X) = 4X2 X, f (X2 ) = 3X3 , f (X3 ) = 3X3 .
Il en rsulte, puisque f est linaire et que (1, X, X2 , X3 ) est
une base de R3 [X], que R3 [X] est stable par f .
On conclut quil existe n N unique tel que Rn [X] soit stable
par f , et on a n = 3.
d) 2) Daprs 1), la matrice A de g dans
0 0 0
3 1 0
(1, X, X2 , X3 ) de R3 [X] est : A =
0 4 0
0 0 3
la base canonique
0
0
.
0
Puisque A est triangulaire (infrieure), les valeurs propres de A

se lisent sur sa diagonale, donc les valeurs propres de A sont :
1, 0, 3.

x
y
Soit V = M4,1 (R). On a :
z
t
V SEP (A, 1) AV = V
0 = x
3x y = y

4y = z
3z + 3t = t
x=0

z = 4y
t = 3y,

0
1

donc SEP (A, 1) = Vect ( ), dim SEP (A, 1) = 1.
4
3
V SEP (A, 0) AV = 0
3x y = 0

4y = 0
3z + 3t = 0
x=0

y=0
t = z,

0
0

donc SEP (A, 0) = Vect ( ), dim SEP (A, 0) = 1.
1
1
x1 = xn , x2 = ... = xn1 ,
2(x1 + + xn ) = x1 , x1 + xn = x2
V SEP (A, 3) AV = 3V
0 = 3x
x=0
3x y = 3y

y=0
4y = 3z
z = 0,
3z + 3t = 3t

0
0

donc : SEP (A, 3) = Vect ( ), dim SEP (A, 3) = 1.
0
1
Puisque A est carre dordre 4 et que la somme des dimensions
des sous-espaces propres de A est 1 + 1 + 1 = 3 4, daprs le
cours, A nest pas diagonalisable dans M4 (R).
Comme A reprsente g, on conclut que g nest pas diagonalisable.
1.26
a) On remarque, en notant C1 , ..., Cn les colonnes de An :
C1 = Cn et C2 = C3 = = Cn1 ,
do : rg (An ) 2.
Dautre part, (C1 , C2 ) est libre, car C2 nest pas colinaire C1 .
On conclut : rg (An ) = 2.
Comme rg (An ) = 2 < n, 0 est valeur propre de An et :

dim SEP (An , 0) = n rg (An ) = n 2.
n1
x1 = x2
2x2 + 2(n 2)x2 = x2

2
(1)
(2)
(3)
et :
(3)
2
2

2 2(n 2) x2 = 0

2 4 4(n 2) = 0
(4),
car x2 0, puisque, si x2 = 0, alors on dduit x1 = 0, puis

x3 = ... = xn1 = 0, xn = 0, X = 0, exclu.
Le discriminant de cette quation du second degr en est :
= 16 + 16(n 2) = 16(n 1) > 0,

donc :
(4) = 1 ou = 2 ,
2 = 2 + 2 n 1.
o :
1 = 2 2 n 1,
Il en rsulte que les valeurs propres de An sont :
0,
2 2 n 1,
2 + 2 n 1,
et ces trois valeurs propres sont bien deux deux distinctes, car
n 3.
Daprs a), dim (E0 ) = n 2.
b) On sait dj que 0 est valeur propre de An .

x1

Soient R , X = ... Mn,1 (R) \ {0}. On a :

xn
x1
2 2 . . . 2 2 x1
x2
1 0 . . . 0 1 x2

An X = X ... ... (0) ... ... ... = ...
xn1
1 0 . . . 0 1 xn1
xn
2 2 . . . 2 2 xn
2x1 + 2x2 + + 2xn1 + 2xn = x1
x1 + xn = x2
..

x1 + xn = xn1
2x + 2x + + 2x + 2x = x
2
On a :
c) Notons, pour {0, 1 , 2 }, E = SEP (An , ).
Ceci montre que 0 est valeur propre de An et :

dim SEP (An , 0) = n 2.
x1 = xn , x2 = ... = xn1 ,

2 2x1 + (n 2)x2 = x1 (1), 2x1 = x2 (2).
Daprs b), dim (E1 ) 1 et dim (E2 ) 1.

Dautre part, daprs le cours, la somme des dimensions des
sous-espaces propres pour A est infrieure ou gale n.
On a donc ncessairement :
dim (E0 ) = n 2, dim (E1 ) = dim (E2 ) = 1,
donc la somme des dimensions des sous-espaces propres
pour An est gale n.
On conclut, daprs le cours, que An est diagonalisable.
1.27
a) On a :
a2 x2 + + an xn = x1
a x + a3 x3 + + an xn = x2
1 1
AX = X
..
a x + + a x = x
1 1
n1 n1
n
31
Chapitre 1
S a1 x1 = x1
S a2 x2 = x2
..
S a x = x
n n
n
S = ( + a1 )x1
..

S = ( + a )x .
n n
Ceci montre que A admet n valeurs propres relles deux deux

distinctes.
d) Puisque A Mn (R) et que A admet n valeurs propres deux
deux distinctes, daprs le cours, on conclut que A est diagonalisable dans Mn (R).
1.28
b) Supposons + a1 = 0.
On a alors S = ( + a1 )x1 = 0. Dautre part, comme a2 , ..., an
sont tous dirents de a1 , on a :
b) 1) On a :
+ a2 0, ... , + an 0,
0=S =
n

ak xk = a1 x1 ,
k=1
donc x1 = 0. On obtient X = 0, contradiction.

Ceci montre : + a1 0.
De mme : k 1 ; n, + ak 0.
Comme X 0, il existe i 1 ; n tel que xi 0, et, comme
+ ai 0, on a : S = ( + ai )xi 0.
Do :
AX = X

S
S
S
, ..., xn =
, S =
ak
x1 =
+ a1
+ an
+
ak
k=1

x1 =
S
S
, ..., xn =
,
+ a1
+ an
n

k=1

k 1 ; n, + ak 0 et
k=1
c) La fonction f : 1 +
n

k=1
ak
+ ak
ak
= 1.
+ ak
ak
est dfinie sur
+ ak
n

k=1
f ()
an
||
||
||
||
n1
...
...
...
a1
||
||
||
||
n+1
n1
b) 2) Pour montrer que lquation du second degr

r2 r + 1 = 0,
k 0 ; n + 1, xk = (k + )r0k1 ,
o r0 =
(0)
...
i 0 ; n 1, xi+2 xi+1 + xi = 0.
ak
< 0.
( + ak )2
Daprs le thorme des valeurs intermdiaires et la stricte

monotonie par intervalles, f admet exactement n zros, nots
1 , ..., n et on a :
an < n < an1 < ... < a2 < 2 < a1 < 1 .
32
x2 x1 + x0 = 0
x3 x2 + x1 = 0
..
xn xn1 + xn2 = 0
x x + x = 0
0
..
.
Daprs le cours sur les suites rcurrentes linaires du second

ordre coecients constants et sans second membre, il existe
alors (, ) R2 tel que :
On en dduit le tableau des variations de f :
f ()
x2 = x1
x1 + x3 = x2
..

xn2 + xn = xn1
x = x
dinconnue r C, admet deux solutions distinctes, il sut de

montrer que son discriminant = 2 4 est non nul. cet
eet, raisonnons par labsurde : supposons = 0.
D = R \ {a1 , ..., an }, drivable sur D, et :

D, f () =
. . . 0
x1
.. x1
(0) . x2
x2
. . .. = ..
.
. 0 .

xn1
. . xn1
. 1
xn
xn
1 0

=1 .
Ceci montre que, pour tout R, est valeur propre de A si et

seulement si :
n

0
..
.
..
.
..
.
0
AX = X 0
.
..
do : x2 = ... = xn = 0.
Ensuite :
a) La matrice carre A est symtrique relle, donc, daprs le

cours, A est diagonalisable dans Mn (R).
est la racine double du trinme.

2
On a :
x0 = 0
xn+1 = 0
= 0

(n + 1) + r0n = 0
= 0

= 0 ou r0 = 0.
Si = = 0, alors tous les xk sont nuls, X = 0, exclu.
Si r0 = 0, alors = 2r0 = 0, = 2 4 = 4 0, contradiction.

Ce raisonnement par labsurde montre 0. On conclut que
lquation r2 r + 1 = 0, dinconnue r C, admet deux
solutions distinctes, notes r1 , r2 .
b) 3) En considrant la somme et le produit des racines r1 , r2 de
lquation du second degr r2 r + 1 = 0, dinconnue r C,
on a :
r1 + r2 = et r1 r2 = 1.
|r1 | |r2 | = |r1 r2 | = 1.
Do :
On conclut que les sev Im (ui ), i 1 ; k, sont en somme

directe et que leur somme est gale E.
c) Pour chaque i 1 ; k, il existe une base Bi de Im (ui ).
Comme E est somme directe des Im (ui ), i 1 ; k, la famille
B = B1 Bk est une base de E.
Soit f Vect (u1 , ..., uk ).
Il existe (1 , ..., k ) Kk tel que f =
De plus, puisquil sagit dune quation coecients rels,

on a r2 = r1 , donc |r2 | = |r1 |, puis : |r1 |2 = 1, |r1 | = 1 = |r2 |.
|| = |r1 + r2 | |r1 | + |r2 | 2.
Ensuite :
Comme lautre inclusion est vidente, on a lgalit.
Soit x B1 . Il existe alors t E tel que x = u1 (t), do :

k

i ui (x) =
i=1
1.29
k

i=1
i ui u1 (t) = 1 u21 (t) = 1 u1 (t) = 1 x.

!"
= 0 si i1
De mme :
a) Soit i 1 ; k. On a :
ui = e ui =
k

i 1 ; k, x Bi , f (x) = i x.
k

u j ui =
(u j ui ).
j=1
j=1
On a donc :
Daprs lhypothse, u j ui est nul lorsque j i, donc :
k

u j ui = ui ui =
(0)
1 In1
,
..
MatB ( f ) =
(0)
k Ink

o, pour chaque i 1 ; k, on a not ni = dim Im (ui ) .
u2i
On conclut que f est diagonalisable.
j=1
1.30
et on conclut : u2i = ui .
b) Soit (x1 , ..., xk ) Im (u1 ) Im (uk ) tel que
k

xi = 0.
i=1
2
2
f = (g h) f = g (h f ) = g g = g
a) On a :
g2 = (h f ) g = h ( f g) = h h = h2 .
Pour tout i 1 ; n, il existe ti E tel que xi = ui (ti ), donc :

xi = ui (ti ) = u2i (ti ) = ui ui (ti ) = ui (xi ).
Puis :
Soit j 1 ; n fix. On a donc :
f 5 = f 2 f f 2 = h2 f h2 = h (h f ) h2 = h g h2
0 = uj
k

xi = u j
i=1
!"
i ui .
i=1
f (x) =
On conclut : [2 ; 2].
k

k
ui (xi )
= h (g h) h = h f h = (h f ) h = g h = f.
b) On a :
i=1
Comme f est suppos bijectif, on dduit : f 4 e = 0.
=0
k

i=1
Ceci montre que la somme
u j ui (xi ) = u2j (x j ) = u j (x j ) = x j .
!"
= 0 si i j
k

Dautre part :
Ainsi :
Im (ui ) est directe.
i=1
k
k
k

x = e(x) =
ui (x) =
ui (x)
Im (ui ).
!"
i=1
i=1
k

i=1
f 4 e = ( f 2 + e) ( f 2 e).
( f 2 + e) ( f 2 e) = 0.
Montrons que f 2 + e est bijectif.

Puisque f est suppos diagonalisable, il existe une base B
de E telle que la matrice de f dans B soit diagonale :
Soit x E. On a :
Ceci montre :
f ( f 4 e) = f 5 f = 0.
Im (ui )
i=1
MatB ( f ) = diag (1 , ..., n ).

On a alors : MatB ( f 2 + e) = diag (21 + 1, ..., 2n + 1).
Comme :
i 1 ; n, 2i + 1 0,
la matrice diag (21 + 1, ..., 2n + 1) est inversible,

Im (ui ).
donc f 2 + e est bijectif.

33
Chapitre 1
Puisque ( f 2 + e) ( f 2 e) = 0 et que f 2 + e est bijectif, on

dduit f 2 e = 0, et on conclut : f 2 = e.
donc :
c) On a :
On conclut : A nest pas diagonalisable.
g f = g (g h) = g2 h = f 2 h = e h = h = f g.
Comme les hypothses de lnonc sont invariantes en permutant circulairement ( f, g, h), on a aussi :
h g = g h et f h = h f.
Finalement, f, g, h commutent deux deux.
1.31
1) Supposons que est valeur propre de f . Il existe x E\{0}
tel que f (x) = x. On a alors :

f 2 (x) = f f (x) = f (x) = f (x) = (x) = 2 x,
donc 2 est valeur propre de f 2 .
c) De A(A In )2 = 0, on dduit : A3 2A2 + A = 0, donc :

A3 = 2A2 A.
Montrons que, pour tout k N , il existe (ak , bk ) R2 tel
que :
Ak = ak A + bk A2 .
cet eet, raisonnons par rcurrence sur k.
Comme A = 1 A + 0 A2 , le couple (a1 , b1 ) = (1, 0) convient.
Supposons, pour un k N fix quelconque, quil existe
(ak , bk ) R2 tel que Ak = ak A + bk A2 . On a alors :
Ak+1 = A Ak = A(ak A + bk A2 ) = ak A2 + bk A3
= ak A2 + bk (2A2 A) = bk A + (ak + 2bk )A2 .
Ainsi, la suite (ak , bk )kN dfinie par (a1 , b1 ) = (1, 0) et :

Supposons que est valeur propre de f . Daprs le rsultat

prcdent ()2 est valeur propre de f 2 , cest--dire que 2 est
valeur propre de f 2 .
convient.
2) Pour la rciproque, raisonnons par contraposition.
On a alors, pour tout k N :
Supposons que et ne sont pas valeurs propres de f .

Alors, en notant e = IdE , les endomorphismes f e et
f + e sont bijectifs. Par composition, il en rsulte que f 2 2 e
= ( f e) ( f + e) est bijectif, donc 2 nest pas valeur propre
de f 2 .
Finalement, 2 est valeur propre de f 2 si et seulement si ou
est valeur propre de f .
1.32
a) 1) Puisque A(A In )2 = 0, le polynme X(X 1)2 est annulateur de A, donc, daprs le cours, les valeurs propres de A
sont parmi 0 et 1.
k N ,
ak+1 = bk ,
bk+1 = ak + 2bk
ak+2 = bk+1 = (ak + 2bk ) = ak 2(ak+1 ) = 2ak+1 ak .
La suite (ak )kN est donc une suite rcurrente linaire du second ordre coecients constants. Lquation caractristique
r2 2r + 1 = 0 admet une racine double gale 1. Daprs le
cours, il existe (, ) R2 tel que :
k N , ak = (k + )1k = k + .
= 1
+ = 1
a1 = 1
On a :
= 2.
2 + = 0
a2 = 0
k N , ak = k + 2,

puis : k N , bk = ak+1 = (k + 1) + 2 = k 1.
On obtient :
2) Supposons que 0 nest pas valeur propre de A. Alors, A est

inversible. Comme A(A In )2 = 0, en multipliant par A1 , on
dduit A1 A(A In )2 = 0, (A In )2 = 0, exclu.
Remarque :
Ceci montre que 0 est valeur propre de A.
On peut contrler ce rsultat pour k = 1, k = 2, k = 3 :
Supposons que 1 nest pas valeur propre de A. Alors, A In

est inversible. Comme A(A In )2 = 0, on dduit
A(A In )2 (A In )1 = 0, A(A In ) = 0, exclu.
Ceci montre que 1 est valeur propre de A.
On conclut : les valeurs propres de A sont 0 et 1.
b) Raisonnons par labsurde : supposons A diagonalisable.
Il existe P Mn (R) inversible, D = diag (1, ..., 1, 0, ..., 0) telles
que A = PDP1.
On a alors D2 = D, puis :
A2 = (PDP1)2 = PD2 P1 = PDP1 = A,
34
A(A In ) = A(A2 + 2A In )
= A(A In )2 = 0, exclu.
On conclut : k N , Ak = (2 k)A + (k 1)A2 .
A = 1 A + 0 A2 , A2 = 0 A + 1 A2 , A3 = A + 2A2 .
0 0 0
d) La matrice A = 0 1 1 convient.
001
1.33
0 0 1
a) La matrice A = 0 1 0 est triangulaire (suprieure), donc
000
les valeurs propres de A se lisent sur sa diagonale : les valeurs
propres de A sont 0 et 1.

x


z
On a : AX = 0 (z = 0, y = 0),

1

donc : SEP (A, 0) = Vect (0), dim SEP (A, 0) = 1.

0
On a : AX = X (x = 0, z = 0),

0

donc : SEP (A, 1) = Vect (1), dim SEP (A, 1) = 1.

0
Puisque A est carre dordre 3 et que la somme des dimensions des sous-espaces propres pour A est 1 + 1 = 2 3, on
conclut, daprs le cours, que A nest pas diagonalisable.
b) 1) Puisque f 2 est un projecteur, on a ( f 2 )2 = f 2 , cest-dire f 4 f 2 = 0. Ainsi, le polynme X4 X2 est annulateur
de f . Daprs le cours, les valeurs propres de f sont parmi les
zros de X4 X2 = X2 (X 1)(X + 1), donc les valeurs propres
de f sont parmi 0, 1, 1.
Si 0 nest pas valeur propre de f , alors f est bijectif, puis
f 2 est bijectif, donc rg ( f 2 ) = 3, contradiction avec lhypothse
rg ( f 2 ) = 1. Ceci montre que 0 est valeur propre de f .
Si 1 et 1 sont valeurs propres de f , alors f admet trois

valeurs propres, qui sont 0, 1, 1, donc, puisque E est de dimension 3, f est diagonalisable et il existe une base B1 de E
telle que la matrice
de f dans B1 soit la matrice diagonale
0 0 0
D = 0 1 0 et alors f 2 est reprsent, dans B1 , par la ma
0 0 1
0 0 0
trice diagonale D2 = 0 1 0 , do rg ( f 2 ) = rg (D2 ) = 2,
001
contradiction avec lhypothse rg ( f 2 ) = 1.
On conclut que lensemble des valeurs propres de f est {0} ou
{0, 1} ou {0, 1}.
b) 2) Daprs lhypothse et 1), lensemble des valeurs propres
de f est {0, 1}.
Montrons que f nest pas diagonalisable.
Raisonnons par labsurde : supposons f diagonalisable.
Comme f admet 0 et 1 pour valeurs propres, que f nest pas

diagonalisable et que dim (E) = 3, on dduit :

dim SEP ( f, 0) = 1 et dim SEP ( f, 1) = 1.

En particulier : dim Ker ( f ) = dim SEP ( f, 0) = 1.
Ker ( f ) Ker ( f 2 ).
Remarquons :
Dautre part, par hypothse : rg ( f 2 ) = 1, donc, daprs le tho

rme du rang : dim Ker ( f 2 ) = 3 rg ( f 2 ) = 3 1 = 2.
On a donc : Ker ( f ) Ker ( f 2 ) et Ker ( f 2 ) Ker ( f )
Il existe donc v3 Ker ( f 2 ) tel que v3 Ker ( f ). Notons
v1 = f (v3 ). On a alors : f (v1 ) = f 2 (v3 ) = 0.
Dautre part, il existe un vecteur propre v2 pour la valeur propre
1 de f , cest--dire tel que f (v2 ) = v2 .
Notons B = (v1 , v2 , v3 ).
Montrons que B est libre.
Soit (1 , 2 , 3 ) R3 tel que 1 v1 + 2 v2 + 3 v3 = 0.
On obtient, en appliquant f : 2 v2 + 3 v1 = 0,
puis, en appliquant encore f : 2 v2 = 0. Do 2 = 0, puis
3 v1 = 0, donc 3 = 0, puis 1 v1 = 0, donc 1 = 0.
Ainsi, B est libre.
Comme E est de dimension 3, que B est libre et que
Card (B) = 3, il sensuit que B est une base de E.
Puisque f (v1 )
0
dans B est 0
=
0
1
0
0, f (v2 ) = v2 , f (v3 ) = v1 , la matrice de f

1
0 cest--dire A.
Soit une valeur propre de A dans C.

x1
.
Il existe X = .. Mn,1 (C) \ {0} tel que AX = X. On a :

xn

x1
a11 . . . a1n x1
.. .. = ..
AX = X ..
. .

an1 . . . ann xn
xn
a11 x1 + + a1n xn = x1
..

a x + + a x = x .
n1 1
nn n
n
1.34
Il existe alors une base B2 de E telle que f soit reprsent

dans B2 par une matrice diagonale D dont les termes diagonaux sont parmi 0 et 1. Comme alors D2 = D, on a f 2 = f,
donc f est un projecteur, exclu.
Il existe i 1 ; n tel que : |xi | = Max |xk |. On a alors, en
Ce raisonnement par labsurde montre que f nest pas diagonalisable.
do, en faisant passer aii xi dans lautre membre :

( aii )xi =
ai j x j ,
1kn
prenant la ligne numro i du systme dquations prcdent :

ai1 x1 + + ain xn = xi ,
1 jn, ji
35
Chapitre 1
puis, en prenant les modules et en utilisant lingalit triangulaire :

##
##
ai j x j ##
| aii | |xi | = ##
1 jn, ji
|ai j | |x j |
1 jn, ji
Si = 1, alors :
0 1 1 . . . 1
1 0 0 . . . 0
rg (A In ) = rg 1 0 1 (0) ..
. .
..
. .
. . (0) . 0
1 0 . . . 0 1
1 1 . . . 1 0
0 0 . . . 0 1
= rg 0 1 (0) .. 1
.
..
. .
.
. (0) . 0 .
0 . . . 0 1 1

|ai j | |xi |.
1 jn, ji
Si |xi | = 0, alors j 1 ; n, x j = 0, donc X = 0, exclu.

On a donc |xi | > 0, et on conclut, en simplifiant par |xi | :

|ai j |.
| aii |
1 jn, ji
Gomtriquement, dans le plan complexe,

est dans le disque

ferm de centre aii et de rayon
|ai j |.
1 jn, ji
Remarque :
En appliquant ce rsultat la matrice A de lexercice 1.28, on
retrouve le fait que les valeurs propres de A (qui sont alors
toutes relles car A est symtrique relle) sont dans [2 ; 2].
1.35
a) La matrice carre An est symtrique relle, donc, daprs le
cours, An est diagonalisable dans Mn (R).
b) En notant C1 , ..., Cn les colonnes de An , on remarque que
C3 = ... = Cn , donc :
rg (An ) = rg (C1 , C2 , C3 )
1
1
= rg 1
..
.
1
1
0
..
.
0
0
..
.
0
C1 C3
1
0
rg 0
..
.
1
1
0
..
.
0
1 = 3 < n.
..
.
1
Il en rsulte que 0 est valeur propre de A et, en utilisant le thorme du rang :
par change successifs des colonnes C1 , ..., Cn pour amener C1

en dernire colonne
1 1 . . . 1 0
.
0 1 (0) .. 0
..
= rg ..
. (0) . 0 0
0 . . . 0 1 1
0 0 ... 0 1
par change successifs des lignes L2 , ..., Ln pour amener L2 en
dernire ligne
donc :
Si 0 et 1, alors, en mettant 1 en facteur

dans L2 et en facteur dans L3 , ..., Ln , puis en eectuant
L1 L1 + (L2 + + Ln ), on a :
1 1 1 . . . 1
1 1 0 . . . 0
1
1
0 1 (0) 0
rg (An In ) = rg
..
.
..
. (0) . . 0
.
1
0 . . . 0 1

1
1
1
= rg
..
.
1

dim SEP (An , 0) = n rg (An ) = n 3 1.
c) Dterminons les valeurs propres (relles) de An .
Soit R. On a :
1 1
1 1
0
rg (An In ) = rg 1
.
..
.
.
.
1
0
Le cas = 0 a t vu en b).
36
1 . . . 1
0 . . . 0
.
(0) .. .
.
(0) . . 0
. . . 0
rg (A In ) = n.
o :
0 ...
0 ...
1 (0)
.
(0) . .
... 0
1
1
= 1+
+ (n 2) .
1
0
1
0
..
.
0
0
1
0
0
0
On obtient :
3 si = 0
rg (A In ) =
n 1 si 0, 1, = 0
n si = 1 ou 0, 1, 0 .
Il en rsulte que les valeurs propres de An sont 0 et les solutions

en de lquation = 0, o 0 et 1.
Et :
= 0 (1 )( 1) + + (n 2)( 1) = 0
3 + 22 + (n 2) (n 2) = 0
3 22 (n 2) + (n 2) = 0
Pn () = 0,
1.36
Puisque A et B sont diagonalisables dans Mn (K), il existe
D, E Mn (K) diagonales, Q, R GLn (K), telles que :
A = QDQ1 et B = RER1 .
Notons D = diag(di ), E = diag(ei ). On a alors :
en utilisant la notation Pn de lnonc.
1in
tudions les zros de Pn .

Puisque Pn est un polynme de R3 [X], Pn admet au plus trois
zros rels.
On a :
n2
an
n.
n
n n
do :
Pn ()
Pn ()
On conclut que Pn admet exactement trois zros rels, nots

an , bn , cn , deux deux distincts, et :
an < 0 < bn < 1 < cn .
donc : cn > 2.
=
c2n
!"
+(n 2)(cn 1) n 2,
!"
1
0
P(A) = P(B) Q P(D)Q1 = R P(E)R1

(R1 Q)P(D) = P(E)(R1 Q).
Notons U = R1 Q. On a donc :
UP(D) = P(E)U.
Passons aux lments des matrices dans lgalit ci-dessus.
Notons U = (ui j )i j .
d) On a, pour tout n 4 : Pn (2) = (n 2) < 0,

On a, pour tout n 4 :
do :
+,
donc, daprs le thorme des valeurs intermdiaires, Pn admet

au moins trois zros rels.
c3n
P(A) = Q P(D)Q1 et P(B) = R P(E)R1 ,
Pn (0) = n 2 > 0,
Pn (1) = 1 < 0,
donc cn (n 2) , do : cn +.
1/3
En
utilisant
le
1 si k = j
k j =
0 si k j
UP(D)

ij
n

symbole
de
passant aux quivalents : c3n (n 2)cn , do, puisque les cn
P(E)U

ij
Kronecker,
n

k=1

P(ei )ik uk j = P(ei )ui j .
P(E) ik uk j =
n
k=1
k=1
Ainsi :
On a, pour tout n 4 : b3n b2n = (n 2)(bn 1),

Soit j 1 ; n. On a : ui j P(d j ) P(ei ) = 0,
b3n b2n
0,
n 2 n
Il en rsulte : bn 1.
donc :
bn 1 =
car (bn )n est borne.
par

uik P(D) k j =
uik P(d j )k j = ui j P(d j ),
sont tous 0 : c2n n 2 n, puis, comme les cn sont tous

n
n
> 0 : cn n.
n
dfini
, on a, pour tout (i, j) 1 ; n2 :
k=1
Puisque c3n c2n = (n 2)(cn 1) et que cn +, on a, en
1in
(i, j) 1 ; n2 , ui j P(d j ) = P(ei )ui j .
Soit i 1 ; n fix.
donc : ui j = 0 ou P(d j ) = P(ei ).

Comme P est injectif, il sensuit : ui j = 0 ou d j = ei .
Dans chacun de ces deux cas, on a ncessairement :
Comme
Pn = (X an )(X bn )(X cn )
= X3 2X2 (n 2)X + (n 2),
on dduit, en remplaant X par 0 : an bn cn = (n 2).
Dautre part :
an bn cn an 1 n,
n
ui j (d j ei ) = 0.
Par un calcul analogue celui du deuxime point ci-dessus et
plus simple, il en rsulte UD = EU.
Puis, par un calcul analogue celui du premier point ci-dessus
et plus simple, on conclut A = B.
37
Algbre bilinaire
Plan
Les mthodes retenir
39
noncs des exercices
41
Du mal dmarrer ?
47
50
On abrge espace vectoriel en ev,

sous-espace vectoriel en sev.
38
CHAPITRE
Montrer quune certaine application est un produit scalaire
Trouver une base orthogonale, trouver une base orthonormale dun espace vectoriel euclidien
Obtenir des ingalits par utilisation de lingalit de Cauchy-Schwarz ou de

lingalit triangulaire
tude de sous-espaces vectoriels orthogonaux, dtermination du supplmentaire

orthogonal dun sous-espace vectoriel, dtermination dun projet orthogonal,
calcul de la distance dun vecteur un sous-espace vectoriel
Montrer ou utiliser quun endomorphisme est symtrique
tudier des matrices symtriques relles
tudier le signe dune forme quadratique.

Dfinitions de : forme bilinaire symtrique, produit scalaire, vecteurs orthogonaux entre eux, famille orthogonale, famille orthonormale, sous-espaces vectoriels orthogonaux entre eux, supplmentaire orthogonal dun sous-espace vectoriel
Expression matricielle du produit scalaire et de la norme euclidienne en base

orthonormale, coordonnes et norme dun vecteur dans une base orthonormale
Changement de base orthonormale
Projecteur orthogonal sur un sous-espace vectoriel
Dfinition et proprits des endomorphismes symtriques
Thorme spectral : tout endomorphisme symtrique est diagonalisable et ses

sous-espaces propres sont deux deux orthogonaux
Expression matricielle du thorme spectral : pour toute matrice symtrique

relle S , il existe une matrice orthogonale P et une matrice diagonale D telles
que S = PDP1
tude du signe dune forme quadratique sur Rn , associe une endomorphisme

ou une matrice symtrique relle.
Les mthodes retenir
Les mthodes retenir

Pour montrer
quune application E E R
est une forme bilinaire symtrique
Pour montrer
quune application : E E R
est un produit scalaire sur un R-ev E
Pour obtenir une ingalit

faisant intervenir des racines carres,
ou des carrs, ou des carrs
de normes, ou des produits scalaires
Revenir la dfinition dune forme bilinaire symtrique.
Exercice 2.5 a).
Revenir la dfinition dune produit scalaire sur un R-ev.
Exercices 2.1, 2.10 b), 2.16 a), 2.19 c)1), 2.20 c)2).
Essayer dutiliser lingalit de Cauchy-Schwarz.
Exercice 2.11 d)4).
Essayer de :
Pour montrer quun vecteur x
dun espace vectoriel euclidien

E, (. | .)
muni de la norme associe ||.||,
est le vecteur nul
montrer : ||x||2 = 0
Exercice 2.1
montrer : y E, (x | y) = 0.
Exercice 2.7.
Essayer de :
utiliser la dfinition de lorthogonal F dun sev F de E :

F = x E ; y F, (x | y) = 0
Pour manipuler
des orthogonaux de sev
dun espace vectoriel euclidien E
Exercice 2.6
utiliser la formule sur la dimension de lorthogonal F dun sev F

de E :
dim (F ) = dim (E) dim (F).
Exercice 2.6.
Pour montrer que deux sev F, G


E, (. | .)
sont orthogonaux
Revenir la dfinition, cest--dire montrer :

x F, y G, (x | y) = 0.
Exercice 2.22.
39
Chapitre 2
Algbre bilinaire
Montrer que F est orthogonale et que F est une base de E.

Pour montrer
quune famille finie F = (e1 , ..., e n)
est une base orthogonale

E, (. | .)
ventuellement, utiliser les proprits suivantes :
si F est orthogonale et vecteurs tous non nuls, alors F est libre
si F est libre et si Card (F ) = dim (E), alors F est une base de E
si F engendre E et si Card (F ) = dim (E), alors F est une base

de E.
Exercice 2.16.
Pour manipuler un vecteur x


E, (. | .)
muni dune base orthonormale
B = (e1 , ..., e n)
Pour faire disparatre

tous les termes sauf lun deux
dans une combinaison linaire
de vecteurs
Pour calculer
le projet orthogonal pF (x)
dun vecteur x

E, (. | .)
sur un sev F de E
Penser dcomposer x sur B, sous la forme x =
Pour montrer
quune matrice A de M n(R)
est symtrique
40
xi ei , o
i=1
(x1 , ..., xn ) Rn , ou plus prcisment, daprs le cours, sous la forme

n

(ei | x)ei .
x=
i=1
Exercice 2.15.
Essayer de faire le produit de cette combinaison linaire avec un vecteur orthogonal presque tous les termes de cette combinaison linaire.
Exercice 2.22.
Si on connat le supplmentaire orthogonal G = F de F dans E,

dcomposer x en x = y+z, o y F et z G, et on a alors pF (x) = y.
Si on connat une base orthonormale ( f1 , ..., f p ) de F, appliquer la
p

( fk | x) fk .
formule du cours : pF (x) =
k=1
Exercices 2.3, 2.12 a).
Pour montrer
quun endomorphisme f

E, (. | .)
est symtrique
n

Revenir la dfinition : un endomorphisme f de E est symtrique si

et seulement si :
# #

(x, y) E 2 , f (x) ##y = x ## f (y)
Exercice 2.11 c)
Montrer quil existe une base orthonormale B de E telle que la matrice de f dans B soit symtrique.
Revenir la dfinition, cest--dire montrer : t A = A.
Exercice 2.8 .
noncs des exercices
Essayer de revenir la dfinition, cest--dire montrer :
x E, q(x) 0
x E, q(x) = 0 = x = 0
Si E = R , essayer de montrer que les valeurs propres de la matrice

de q dans la base canonique sont toutes strictement positives.
Pour dcider
si une forme quadratique q : E R
est dfinie-positive
Exercices 2.8 c), 2.23

n
Exercices 2.5 d), 2.10 b)2).

Utiliser :
Pour rsoudre une question
faisant intervenir
une (seule) matrice symtrique
relle S
la dfinition : t S = S
le thorme spectral sous sa forme matricielle : il existe une matrice

orthogonale P et une matrice diagonale D telles que : S = PDP1 .
On est ainsi ramen ltude dune matrice diagonale, pour laquelle
on pourra passer aux coecients des matrices.
Exercices 2.13, 2.14, 2.21 b), 2.24.
noncs des exercices

2.1 Exemple de produit scalaire sur un espace de fonctions
On note E lensemble des applications f : [0 ; 1] R de classe C 1 telles que f (0) = 0, et :
$ 1
(2 f g + 2 f g + 3 f g ).
: E E R, ( f, g)
0
Montrer que E est un espace vectoriel et que est un produit scalaire sur E.
2.2 Exemple dingalit plusieurs variables relles

Montrer, pour tous n N et (a1 , ..., an ) Rn :
n

ak
k=1
2
n
n

a2k .
k=1
2.3 Exemple de dtermination dun projet orthogonal

Dterminer, dans R4 muni de son produit scalaire canonique, le projet orthogonal de
u = (1, 1, 1, 1) sur le sous-espace vectoriel
x1 + 2x2 + 3x3 + 4x4 = 0

4
F = (x1 , x2 , x3 , x4 ) R ;
.
x1 + 3x2 + 5x3 + 7x4 = 0
2.4 Exemple dendomorphisme sur un espace de fonctions, daprs EML 2011

On note E = C ([0 ; 1] ; R), muni du produit scalaire (. | .) dfini par :
$ 1
f, g E, ( f | g) =
f (x)g(x) dx
0
41
Chapitre 2
Algbre bilinaire
et, pour toute f E :
T ( f ) : [0 ; 1] R, x (x2 x) f (x) + (2x 1) f (x).
Montrer que T est un endomorphisme de E et que :

f, g E,

T ( f ) | g = f | T (g) .
2.5 Exemple de produit scalaire en dimension 3, daprs ESC 2005

Soit a R.
2 a 1

2
On note Ma = a 3 a M3 (R) et a : M3,1 (R) R, (X, Y) t XMa Y.
1a2
a) Vrifier que, pour tout a R, a est une forme bilinaire symtrique sur M3,1 (R).

1
1
1

b) On note
U1 = 0 , U2 = 2 , U3 = 2 .

1
1
1
Calculer, pour tout a R, les produits Ma U1 , Ma U2 , Ma U3 .
c) En dduire, pour tout a R, une matrice diagonale Da de M3 (R) et une matrice inversible P
de M3 (R) telles que : Ma = PDa P1 .
3
3
d) Montrer que a est un produit scalaire si et seulement si : < a < .
2
2
2.6 tude dorthogonaux de sous-espaces vectoriels

Soient E, (. | .) un espace vectoriel euclidien, F, G deux sous-espaces vectoriels de E, supplmentaires dans E. Montrer que F et G sont supplmentaires dans E.
2.7 Linarit dapplications associes via un produit scalaire

Soient E un espace vectoriel muni
produit scalaire (. | .), f, g : E E des applications
# dun

#

telles que : (x, y) E 2 , f (x) ## y = x ## g(y) .
Dmontrer que f et g sont linaires.
2.8 Exemple de matrice symtrique dfinie-positive

Soit n N .
1
1
(1)
.
..
a) On note T =
1
(0)
Mn (R). Est-ce que T est inversible ?
b) Calculer le produit t T T .

c) On note M = Min (i, j) 1i, jn Mn (R).
Dmontrer que la forme quadratique canoniquement associe M est dfinie-positive.
2.9 Noyaux, images, rangs de matrices

Soient n, p N , A Mn,p (R). Montrer : Ker (A) = Ker ( t AA).
42
noncs des exercices
2.10 Exemple de produit scalaire sur R3 , daprs ESC 2009

On considre une matrice symtrique H de M3 (R) telle que H 2 = H. On note I = I3 et, pour
tout a ]0 ; +[ : M(a) = aI + (1 a)H.
a) 1) Justifier que, pour tout a ]0 ; +[, M(a) est une matrice symtrique et diagonalisable
dans M3 (R).
2) Montrer :
3) Montrer :
4) Montrer :
(a, b) ]0 ; +[2 , M(a)M(b) = M(ab).

1

1
a ]0 ; +[, M(a) GL3 (R) et M(a) = M
..
a

a ]0 ; +[, M(a) = t M( a) M( a).
b) Soit a ]0 ; +[ fix.
1) Soit une valeur propre de M(a), X un vecteur propre pour M(a) associ la valeur propre
de M(a).

Montrer : t M( a)X M( a)X = t XX et en dduire : > 0.
2) En dduire que lapplication

x

: R3 R3 R, (x, y, z), (x , y , z ) x y z M(a) y

z
est un produit scalaire sur R3 .
1
c) On suppose ici a = 4 et on note H =
4
3
1 2
1
3 2 .

2 2 2
1) Vrifier H 2 = H et expliciter la matrice M(4).
1 1
2
1 1
2
2
2
, w= , ,
.
2) On note : u =
,
,0, v= , ,
2
2
2 2
2
2 2 2
Montrer que B = (u, v, w) est une base de R3 , orthonorme pour le produit scalaire canonique
et orthogonale pour le produit scalaire .
2.11 Exemple dendomorphisme symtrique de R3 , daprs ESC 2008

On munit R3 de son produit scalaire canonique < . , . > et de la norme ||.|| associe. Soit (u1 , u2 )
une famille libre de R3 . On note H = Vect (u1 , u2 ) et
f : R3 R3 , u f (u) = < u1 , u > u2 + < u2 , u > u1 .
a) Vrifier : f L (R3 ).
b) Montrer : Ker ( f ) = H et Im ( f ) = H.

c) Montrer que f est un endomorphisme symtrique de R3 , < . , . > .
d) 1) Montrer que H est stable par f .
On note g : H H, x f (x) lendomorphisme induit par f sur H.
2) crire la matrice de g dans la base B = (u1 , u2 ) de H.

3) On note B = ||u2 ||u1 ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2 .
43
Chapitre 2
Algbre bilinaire
Vrifier que B est une base orthogonale de H et former la matrice de g dans B .

4) En utilisant lingalit de Cauchy-Schwarz, montrer que f admet une valeur propre 1 < 0,
la valeur propre 0, une valeur propre 2 > 0.
2.12 tude dune matrice antisymtrique dordre 3, daprs Ecricome 2008

Le R-espace vectoriel R3 est muni de son produit scalaire canonique < . , . > et de la base

canonique B = ( i , j , k ). On note e = IdR3 .
u = (a, b, c) R3 tel que a2 + b2 + c2 = 1.
Soit
u ) et p le projecteur orthogonal sur D.
On note D = Vect (
v ) laide de <
v ,
u > et de
u .
v R3 , p(
a) Exprimer, pour tout
Calculer p( i ), p( j ), p( k ).
En dduire la matrice P de p dans la base B.
0 c b
On note M = c 0 a et f lendomorphisme de R3 reprsent par M dans la base B.
b a 0
b) 1) Montrer : M 2 = P I3 .
2) Montrer : Ker ( f ) = D et Im ( f ) = D .
c) 1) tablir : f 3 + f = 0.
2) Quelles sont les valeurs propres de f ?
3) Est-ce que f est diagonalisable ?
d) On note, pour tout t R : gt = e + (sin t) f + (1 cos t) f 2 .
1) Calculer la compose gt gt pour tout (t, t ) R2 et montrer quelle se met sous la forme
g o t R est calculer.
t
2) En dduire que, pour tout t R, gt est bijectif et exprimer (gt )1 .
2.13 Valeurs propres extrmes dune matrice symtrique relle, daprs HEC 2006
Soient n N , S Mn (R) symtrique. On note la plus petite valeur propre de S , et la plus
grande valeur propre de S . On munit Mn,1 (R) de son produit scalaire canonique et de la norme
associe ||.||.
Montrer :
X Mn,1 (R), ||X||2 t XS X ||X||2 .
2.14 Existence dune racine carre symtrique positive dune matrice symtrique positive,
daprs EML 2009
On note Sn (R) lensemble des matrices symtriques de Mn (R), et S+n lensemble des matrices
symtriques positives de Mn (R). Soit S S+n .
a) Montrer que toutes les valeurs propres de S sont 0.
b) Justifier lexistence dune matrice orthogonale P de Mn (R) telle que la matrice
D = P1 S P soit diagonale.
c) Trouver une matrice R de S+n telle que R2 = S .
44
noncs des exercices
2.15 Diverses CNS pour une base orthonormale

Soient E un espace vectoriel muni dun produit scalaire (. | .), n N , (e1 , ..., en ) E n . Montrer
que les assertions suivantes sont deux deux quivalentes :
(i) (e1 , ..., en ) est une base orthonormale de E
n

(ii) i 1 ; n, ||e1 || = 1 et (x, y) E 2 ,
(ei | x)(ei | y) = (x | y)
i=1

(iii) i 1 ; n, ||ei || = 1
et
n

x E,
(ei | x)2 = ||x||2 .
i=1
2.16 Exemple de produit scalaire sur un espace vectoriel de polynmes, mise en vidence dune
base orthonormale
Soit n N . On note E = Rn [X] et : E E R lapplication dfinie par :
n

P(k) (0)Q(k) (0).
(P, Q) E E, (P, Q) =
k=0
a) Vrifier que est un produit scalaire sur E.

b) 1) Calculer, pour tout (i, j) 0 ; n2 , (Xi , X j ).
2) En dduire une base orthonormale de (E, ).
2.17 tude de lapplication x
p
(ei | x)ei
i=1

Soient E, (. | .) un espace vectoriel euclidien, p N , F = (e1 , ..., e p ) E p .
f : E E, x f (x) =
p

(ei | x)ei .
i=1
a) Vrifier que f est un endomorphisme de lespace vectoriel E.

b) Montrer : Ker ( f ) = F et Im ( f ) = Vect (F ).
c) tablir que f est bijective si et seulement si F engendre E.
2.18 Somme dune matrice symtrique dfinie-positive et dune matrice antisymtrique

Soient n N , S Mn (R) symtrique dfinie-positive, A Mn (R) antisymtrique, cest--dire
telle que t A = A.
Dmontrer que S + A est inversible.
2.19 Exemple de produit scalaire dfini par une intgrale sur un intervalle quelconque, daprs
EML 2009
On note E lensemble des applications f : [0 ; +[ R bornes, de classe C 1 , telles que
f (0) = 0.
a) Dmontrer que E est un sous-espace vectoriel de lespace vectoriel rel des applications de
[0 ; +[ dans R.
f (x)
f (0).
x x 0
$ +
f (x)g(x)
dx converge.
2) Dmontrer que, pour tout ( f, g) E 2 , lintgrale
x2
0
b) 1) Montrer :
f E,
45
Chapitre 2
Algbre bilinaire
$
On note :
< . , . > : E 2 R, ( f, g) < f , g > =

0
f (x)g(x)
dx.
x2
c) 1) Montrer que < . , . > est un produit scalaire sur E.

2) On note f : [0 ; +[ R, x x e x et, pour tout a R :
ga : [0 ; +[ R, x x(x a) e x .
Montrer que f appartient E et que, pour tout a R, ga appartient E.
Dterminer lensemble des a R tels que f ga .
d) Dmontrer, pour tout ( f, g) E : < f , g > =
f (x)g(x) + f (x)g (x)

dx.
x
cet eet, on pourra commencer par eectuer une intgration par parties sur un segment.
2.20 Exemple de produit scalaire dfini par une intgrale sur un intervalle quelconque, daprs
EML 2008
On
note E lensemble des applications u : R R continues sur R et telles que lintgrale
$ +

2
2
u(x) e x dx converge, et on note F le R-espace vectoriel des applications polynomiales
de R dans R.
1 2
( + 2 ).
2
$ +
2
b) En dduire que, pour tout (u, v) E 2 , lintgrale
u(x)v(x) e x dx converge.
a) tablir :
(, ) [0 ; +[2 ,
c) 1) Dmontrer que E est un R-espace vectoriel.

2) Montrer que lapplication (. | .) : E E R, (u, v)
u(x)v(x) e x dx
est un produit scalaire sur E.

d) Dmontrer : F E.
2.21 Exemple dquation matricielle deux inconnues

Soient n N , X, Y Mn (R) telles que : X t XY = In et Y t Y X = In .
a) Montrer que X et Y sont symtriques.
b) En dduire : X = Y = In .
2.22 Diverses caractrisations des projecteurs orthogonaux parmi les projecteurs

Soient E, (. | .) un espace vectoriel euclidien, ||.|| la norme associe, p un projecteur de E.
Montrer que les assertions suivantes sont deux deux quivalentes :
(1) p est symtrique
(2) Im (p) Ker (p)
#

(3) x E, x ## p(x) 0
(4) x E, ||p(x)|| ||x||.
46
Du mal dmarrer ?
2.23 Matrice de Hilbert

Soit n N . On note Hn =

1
Mn (R).
i + j 1 1i, jn
Dmontrer que la forme quadratique sur Rn canoniquement associe Hn est dfinie-positive.
2.24 Matrices symtriques relles coecients > 0, daprs HEC 2006

Soient n N , S = (ai j )1i, jn Mn (R) symtrique telle que :
(i, j) 1 ; n2 , ai j > 0.
On note la plus grande valeur propre de S et V le sous-espace propre de S associ .
On munit Mn,1 (R) de son produit scalaire canonique et de la norme associe ||.||.

x1
|x1 |
.

a) Soit X0 = .. V \ {0}. On note |X0 | = ... .

xn
|xn |
1) Montrer t X0 S X0 t |X0 | S |X0 | et en dduire : |X0 | V.
2) Montrer que les coordonnes de S |X0 | sont toutes strictement positives et en dduire que
X0 na aucune coordonne nulle.
3) Montrer :
mme signe.
X0 S X0 = t |X0 | S |X0 | et en dduire que les coordonnes de X0 sont toutes de
b) 1) En dduire quil nexiste pas deux vecteurs de V \ {0} orthogonaux entre eux.
2) Conclure : dim (V) = 1.
Du mal dmarrer ?
2.1
Revenir la dfinition dun espace vectoriel et la dfinition dun produit scalaire.
x
(x2 x)f (x) + (2x 1)f (x) est la drive de lapplication
x (x2 x)f (x).
2.2
2.5
Appliquer lingalit de Cauchy et Schwarz dans Rn muni

de son produit scalaire canonique.
2.3
Dterminer une base de F, puis une base orthonormale (u1 , u2 ) de F laide du procd dorthonormalisation de
Schmidt.
a) Revenir la dfinition dune forme bilinaire symtrique.
b) Immdiat.
c) Interprter les rsultats obtenus en b).
d) Utiliser le rsultat du cours faisant intervenir les valeurs
propres de Ma .
Appliquer la formule du cours donnant le projet orthogonal dun vecteur u de E sur F, laide de la base orthonormale (u1 , u2 ) de F.
2.6
2.4
2) Considrer les dimensions.
1) Vrifier que, pour toute f E, T (f) existe et T (f) E.
2) Vrifier que T est linaire.
#

3) Pour tout (f, g) E2 , calculer T (f) ## g laide dune
intgration par parties, en remarquant que lapplication
1) Pour montrer F G = {0}, considrer x F G ,

puis dcomposer x en x = u + v, o u F et v G.
2.7
Soient R, y, z E.
Montrer que le vecteur g(y + z) g(y) g(z) est orthogonal

tout vecteur de E.
47
Chapitre 2
Algbre bilinaire
2.8
a) Remarquer que T est triangulaire (suprieure) et que

ses termes diagonaux sont tous non nuls.
b) Immdiat.
c) Remarquer M = t TT et calculer le produit t XMX pout tout
X Mn,1 (R).
2.9
Se rappeler la dfinition du noyau dune matrice :

Ker (A) = X Mp,1 (R) ; AX = 0 .
Rciproquement, pour v Ker (f), en notant V la ma
trice de v dans B, calculer MV, M2 V et obtenir PV = V.
Soit w Im (f). Calculer < w , u > et dduire w D ,

do une inclusion.
Pour obtenir lgalit, raisonner sur les dimensions.
c) 1) Calculer M3 + M en utilisant M2 = P I3 .
c) 2) Remarquer que, daprs 1), on dispose dun polynme annulateur de f.
Montrer dabord : Ker (A) Ker ( t AA).
c) 3) Raisonner par labsurde, pour montrer que f nest pas diagonalisable.
Pour lautre inclusion, faire intervenir le produit scalaire canonique sur Mn,1 (R).
d) 1) Calculer gt gt en remplaant gt et gt par leurs expressions en fonction de t, t , e, f, et obtenir : gt gt = gt+t .
2.10
a) 1) et 2) Immdiats.
1
1
a) 3) Calculer M(a)M
et M
M(a).
a
a
a) 4) Immdiat.
b) 1) Immdiat.
b) 2) Utiliser le rsultat du cours faisant intervenir les valeurs

propres de M(a).
c) 1) Immdiat.
Utiliser le thorme spectral, do S = PDP 1 , o P est

orthogonale et D = diag (1 , ..., n ) est diagonale.

y1

t
Soit X Mn,1 (R). Exprimer XSX en notant Y = PX = .. .
.

yn
2.13
2.14
c) 2) Calculer les produits scalaires de u, v, w deux deux.

En notant U, V, W les matrices-colonnes de u, v, w dans
la base canonique de R3 , calculer M(4)V et M(4)W, puis
t
UM(4)V, t UM(4)W, t VM(4)W.
2.11
d) 2) Exprimer gt gt et gt gt en utilisant 1).
a) Immdiat.
a) Soit une valeur propre de S. Faire intervenir un vecteur propre X associ la valeur propre et calculer t XSX.
b) Citer le thorme spectral.

c) En notant D = diag(1 , ..., n ), considrer la matrice diagonale = diag ( 1 , ..., n ), et montrer que R = PP 1 convient.
2.15
b) 1) Montrer, pour tout u R3 : u Ker (f) u H .
(i) = (ii) :
Pour (x, y) E2 . calculer (x | y) en utilisant
b) 2) Montrer : Im (f) H.
Raisonner sur les dimensions pour obtenir lgalit.
x=
c) Revenir la dfinition dun endomorphisme symtrique.
n
n

(ei | x)ei , y =
(ej | y)ej .
i=1
j=1
d) 1) et 2) Immdiats.
d) 3) Noter v1 = ||u2 ||u1 ||u1 ||u2 , v2 = ||u2 ||u1 + ||u1 ||u2 ,
(ii) = (iii) :
et calculer < v1 , v2 >.
Immdiat.
Calculer g(v1 ) et g(v2 ).
d) 4) Utiliser lingalit de Cauchy-Schwarz et ltude du cas

dgalit dans lingalit de Cauchy-Schwarz pour obtenir :
(iii) = (i) :

Appliquer lhypothse ek pour k 1 ; n fix, et dduire :
(ei | ek )2 = 0, puis : i k, (ei | ek ) = 0.
i, ik
< u1 , u2 > < ||u1 || ||u2 ||.

Utiliser la matrice de g dans B obtenue en d)3) et utiliser b).
2.12
a) Immdiat.
b) 1) Immdiat.

a

b) 2) Calculer M b pour dduire D Ker (f).

c
48
Pour x E, noter u =
n

(ei | x)ei , calculer ||xu||2 , en montrant
i=1
(u | x) = ||x||2 et ||u||2 = ||x||2 , et dduire x = u.
2.16
a) Revenir la dfinition dun produit scalaire.
b) 1) Soit (i, j) 1 ; n2 . Calculer (Xi )(k) pour tout k 0 ; n, en

dduire (Xi )(k) (0), puis (Xi , Xj ).
b) 2) Immdiat.
Du mal dmarrer ?
2.17
b) Montrer : F Ker (f).

Pour x
n

a) Montrer que Y est inversible, que Y 1 est symtrique,

puis que Y est symtrique.
2.21
a) Immdiat.
Ker (f), calculer
f(x) | x
pour obtenir
(ei | x)2 = 0, et en dduire x F .
i=1
Montrer Im (f) Vect (F ).

Pour obtenir lgalit, considrer les dimensions.
c) Utiliser b).
2.18
Soit X Mn,1 (R) tel que (S + A)X = 0. Montrer t XAX = 0,

dduire t XSX = 0, puis X = 0.
2.19
b) Obtenir : X 3 = In .
Utiliser le thorme spectral pour dduire X = In .
2.22
Montrer (par exemple) :
(1) = (2),
(2) = (3),
(2) = (4),
(3) = (2),
(4) = (2),
(2) = (1).
Pour montrer (3) = (2), pour tous y Im (p) et z Ker (p),

appliquer lhypothse x = y + z pour tout R.
Pour montrer (4) = (2), pour tout y Im (p) et z Ker (p),
appliquer lhypothse x = y + z pour tout R.
a) Revenir la dfinition dun sous-espace vectoriel.
b) 1) Utiliser la dfinition de la drive de f en 0.

f(x)g(x)
b) 2) Vrifier que lapplication h : x
est continue
x2
sur ]0 ; +[.
tudier h(x) lorsque x tend vers 0 en utilisant 1).
tudier h(x) lorsque x tend vers + en utilisant le fait
que f et g sont bornes.
2.23
Dcomposer linairement ga sur f et sur lapplication

k : [0 ; +[, x x2 e x ,
1
=
k
k N ,
tk1 dt.
0

x1

En dduire, pour tout X = .. Mn,1 (R) :
.
xn
$
t
c) 1) Revenir la dfinition dun produit scalaire.

c) 2) Pour montrer que f est borne, tudier (par exemple) les
variations de f.
Remarquer :
XHn X =
n

2.24
ti1 xi
2
dt.
i=1
a) 1) Dvelopper t X0 SX0 .
Utiliser le thorme spectral : il existe une base orthonormale

(X1 , ..., Xn ) de Mn,1 (R) forme de vecteurs propres pour S. Noter 1 , ..., n les valeurs propres de S respectivement associes
X1 , ..., Xn , de faon que :
et montrer que k est borne.

Calculer < f , ga >, par exemple en faisant intervenir la
fonction dEuler.
d) Utiliser une intgration par parties sur un segment [ ; X]

puis faire tendre vers 0 et X vers +.
1 2
( + 2 ) .
2
b) Utiliser a), le thorme de majoration pour des fonctions
valeurs positives ou nulles, et le lien entre absolue convergence
et convergence.
2.20
a) Calculer
c) 1) Revenir la dfinition dun produit scalaire.
1 ... k < k+1 = ... = n = .

Dcomposer |X0 | sur (X1 , ..., Xn ) et calculer t X0 SX0 et t |X0 | S |X0 |.
a) 2) tudier les sommes
n

aij |xj |.
j=1
Remarquer que, daprs 1) : S|X0 | = |X0 |.
a) 3) Utiliser X0 V et |X0 | V pour calculer les produits

t
X0 SX0 et t |X0 | S |X0 |.
Dvelopper t |X0 | S |X0 | t X0 SX0 .
c) 2) Revenir la dfinition de E.
b) 1) Soient X, X V \ {0}. Raisonner sur les signes des coordonnes de X et X pour montrer : t XX 0.
d) Utiliser la comparaison lexemple de Riemann en +.
b) 2) Raisonner par labsurde et utiliser 1).
49

2.1
Dabord, E est bien un R-espace vectoriel, car cest un sousespace vectoriel de C 1 ([0 ; 1], R), puisque E et :
R, f, g E, ( f + g)(0) = f (0) + g(0) = 0.
!" !"
=0
$ 1 =0
(2 f g + 2 f g + 3 f g )
Pour toutes f, g E, ( f, g) =
0
existe, car 2 f g + 2 f g + 3 f g est continue sur le segment [0 ; 1].

1) Il est clair que est symtrique et que est linaire par
rapport la deuxime place (par exemple) par linarit de lintgration, donc est bilinaire.
$ 1
(4 f f + 3 f 2 ).
2) Notons q : E R, f ( f, f ) =
0
On a, pour toute f E :
$ 1
2

2

2
4 f f = [2 f 2 ]10 = 2 f (1) 2 f (0) = 2 f (1) ,
!"
0
=0
$ 1

2
2
f 0.
donc :
q( f ) = 2 f (1) +
0
Si q( f ) = 0, alors, comme les deux termes formant q( f ) cidessus sont 0, chacun des deux est nul, donc, en particulier
$ 1
f 2 = 0. Comme f 2 est continue et 0, il en rsulte :
f
0
2
= 0, puis f = 0. Ainsi, f est constante.
Comme de plus f (0) = 0, on dduit : f = 0.

On conclut : est un produit scalaire sur E.
cet eet, commenons par remplacer le systme dquations

dfinissant F par un systme plus simple, par exemple en exprimant x1 et x2 en fonction de x3 et x4 .
On a, pour tout x = (x1 , x2 , x3 , x4 ) R4 :
x1 + 2x2 + 3x3 + 4x4 = 0 L1

x F
x1 + 3x2 + 5x3 + 7x4 = 0 L2
L1 3L1 2L2
x1 x3 2x4 = 0

x2 + 2x3 + 3x4 = 0 L2 L2 L1
x1 = x3 + 2x4

x2 = 2x3 3x4 .
En choisissant successivement (x3 , x4 ) = (1, 0) puis (x3 , x4 )
= (0, 1), on obtient deux vecteurs v1 , v2 de F, formant une famille libre :
v1 = (1, 2, 1, 0),
Ainsi, (v1 , v2 ) est une base de F.
Cherchons un vecteur v3 de la forme v3 = v1 + v2 ( R) de
faon que v3 soit orthogonal v1 . On a :

#
v v (v | v ) = 0 v ## v + v = 0
3
k=1
||u||2 =
n

k=1
12 = n,
k=1
do :
n

k=1
ak
2
n
||v||2 =
n

u2k ,
a2k .
2.3
Dterminons une base orthonormale de F, en utilisant le procd dorthonormalisation de Schmidt.
50
1
u2 = (2, 1, 4, 3).
30
Daprs le cours, le projet orthogonal pF (u) de u sur F est

donn par la formule : pF (u) = (u1 | u)u1 + (u2 | u)u2 .
Ici :
k=1
1
u1 = (1, 2, 1, 0),
6
4
1
(u1 | u) = (1 + 2 + 1 + 0) = ,
6
6
4
1
(u2 | u) = (2 + 1 4 3) = ,
30
30
k=1
n

4
||v1 ||2 + (v1 | v2 ) = 0 6 + 8 = 0 = .
3
Considrons donc v3 dfini par :
v3 = v1 + v2
1
4
= (1, 2, 1, 0) + (2, 3, 0, 1) = (2, 1, 4, 3).
3
3
v1
v3
En notant u1 =
et u2 =
, on obtient une base ortho||v1 ||
||v3 ||
normale (u1 , u2 ) de F :
2.2
Appliquons
lingalit
de
Cauchy-Schwarz
(u | v)2 ||u||2 ||v||2 dans Rn muni de son produit scalaire canonique, aux vecteurs u = (1, ..., 1) et v = (a1 , ..., an ) :
2 n

2
(u | v)2 = 1 uk = uk ,
v2 = (2, 3, 0, 1).
donc :
4 1
4 1
pF (u) = (1, 2, 1, 0) +
(2, 1, 4, 3)
6 6
30 30
2
1
2
= (1, 2, 1, 0) (2, 1, 4, 3) = (2, 6, 6, 2).
3
15
5
2.4
car t Y Ma X R et Ma est symtrique.
1) Dabord, il est clair que, pour toute f E, T ( f ) existe et

T ( f ) E.
Ainsi, a est symtrique.
2) Soient R, f, g E.
On a, pour tout x [0 ; 1] :

T ( f + g)(x) = (x x) ( f + g) (x) + (2x 1) ( f + g) (x)

= (x2 x) f (x) + g (x) + (2x 1) f (x) + g (x)
&
%
= (x2 x) f (x) + (2x 1) f (x)
&
% 2

+ (x x)g (x) + (2x 1)g (x)

= T ( f )(x) + T (g)(x) = T ( f ) + T (g) (x),
2
donc :
T ( f + g) = T ( f ) + T (g).
Ceci montre que T est linaire.

Ainsi, T est un endomorphisme de E.
3) Soit ( f, g) E 2 . On a :
# $ 1% 2
&

(x x) f (x) + (2x 1) f (x) g(x) dx.
T ( f ) ## g =
On a, pour tout R et tous X, X , Y M3,1 (R) :

a (X + X , Y) = t (X + X )Ma Y = ( t X + t X )Ma Y
= t XMa Y + t X Ma Y = a (X, Y) + a (X , Y).
Ainsi, a est linaire par rapport la premire place.
Puisque a est linaire par rapport la premire place et est
symtrique, daprs le cours, a est bilinaire.
On conclut que a est une forme bilinaire symtrique.
b) On a, pour tout a R :

2 a 1 1 1

Ma U1 = a 3 a 0 = 0 = U1 ,

1
1a2 1

2 a 1 1
1
Ma U2 = a 3 a 2 = (3 + a 2) 2 = (3 + a 2)U2 ,

1a2 1
1
On remarque que lapplication

x (x2 x) f (x) + (2x 1) f (x)
est la drive de lapplication v : x (x2 x) f (x).
On eectue donc une intgration par parties, avec

u = g (x)
u = g(x)
v = (x2 x) f (x)
v = (x2 x) f (x) + (2x 1) f (x)
o u, v sont de classe C 1 sur le segment [0 ; 1] :
$ 1
# %
&1
g (x)(x2 x) f (x) dx.
T ( f ) ## g = (x2 x) f (x)g(x) 0
!"
0
=0
Dans cette dernire expression, f et g ont des rles symtriques, donc, en appliquant le rsultat ci-dessus au couple
(g, f ) la place du couple ( f, g), on obtient :
$ 1
# #
#

(x2 x) f (x)g (x) dx = T (g) ## f = f ## T (g) .
T ( f ) ## g =
0
2.5

2
a) Dabord, a est bien une application de M3,1 (R) dans R.
On a, pour tous X, Y M3,1 (R) :

a (Y, X) = t Y Ma X = t ( t Y Ma X)
= t X t Ma Y = t XMa Y = a (X, Y),
2 a 1 1
1
Ma U3 = a 3 a 2 = (3 a 2) 2 = (3 a 2)U3 .
1a2
1
1
c) Daprs b), les rels 1, 3 + a 2, 3 a 2 sont des valeurs

propres de Ma , et U1 , U2 , U3 sont des vecteurs propres pour
Ma respectivement associs aux valeurs propres considres.
0
0
1
0 qui est diagonale, et

Notons Da = 0 3 + a 2
0
0
3a 2
1
1 1
P = 0
2 2 .
1 1
1
La matrice P est inversible car cest la matrice de la famille
(U1 , U2 , U3 ) dans la base canonique de M3,1 (R) et ces trois
vecteurs sont des vecteurs propres pour Ma associs des valeurs propres deux deux distinctes, en choisissant par exemple
a = 1 et en remarquant que P ne dpend pas de a. On peut aussi
remarquer que P est inversible par une mthode usuelle.
Puisque (U1 , U2 , U3 ) est une base de vecteurs propres pour Ma ,
on a : Ma = PDa P1 .
d) Lapplication a est un produit scalaire sur M3,1 (R) si et
poseulement si les valeurs propres de Ma sont strictement
sitives, cest--dire si et seulement si 3 + a 2 > 0 et
3
3
3 a 2 > 0, ce qui revient : < a < .
2
2
51
Chapitre 2
Algbre bilinaire
Dabord, daprs le cours, F et G sont des sousespaces vectoriels de E.
2.6
b) On calcule le produit t T T :
T
1) Montrons : F G = {0}.
Soit x F G .
Puisque F + G = E, il existe u F, v G tel que : x = u + v.
On a alors :
(x | x) = (x | u + v) = (x | u) + (x | v).
1
1
(0)
..
(1)
1
1
!"
Mais : (x | u) = 0 car x F et u F,
et
(x | v) = 0 car x G et v G.
On a donc : (x | x) = 0 + 0 = 0, do : x = 0.
Ceci montre : F G = {0}.
tT
Ainsi, la somme F + G est directe.

2) Passons aux dimensions :
dim (F G ) = dim (F ) + dim (G )

= dim (E) dim (F) + dim (E) dim (G)

= 2 dim (E) dim (F) + dim (G)
= 2 dim (E) dim (F G)
= 2 dim (E) dim (E) = dim (E).
On conclut : F G = E,
cest--dire que F et G sont supplmentaires dans E.
2.7
Soient R, y, z E.
Nous allons montrer que le vecteur g(y + z) g(y) g(z) est

orthogonal tout vecteur x de E.
On a, pour tout x E :
##

x # g(y + z) g(y) g(z)
#

#
#

= x ## g(y + z) x ## g(y) x ## g(z)
#
#
#

= f (x) ## y + z f (x) ## y f (x) ## z
#
# &
#
#
%
= f (x) ## y + f (x) ## z f (x) ## y f (x) ## z
= 0.
Ceci montre que le vecteur g(y+z)g(y)g(z) est orthogonal
tout vecteur x de E, donc est nul, cest--dire :
g(y + z) = g(y) + g(z).
On conclut que g est linaire.
Par rles symtriques, f est linaire.
2.8
a) Puisque T est triangulaire (suprieure) termes diagonaux
tous non nuls, T est inversible.
52
!"
1
1
(1)
..
(0)
1
1 .
1
2
2
..
.
.
12
n
!"
tT T
c) Daprs b) et la dfinition de M, on a : M = t T T.
Do, pour tout X Mn,1 (R) :
t
XMX = t X( t T T )X = ( t X t T )(T X) = t (T X)(T X) = ||T X||2 0,
et :
t
XMX = 0 ||T X||2 = 0 T X = 0 X = 0,
puisque T est inversible.

On conclut que la forme quadratique canoniquement associe
M est dfinie-positive.
2.9
Rappelons la notion de noyau dune matrice, dfinie,

pour A Mn,p (R) par exemple, par :

Ker (A) = X M p,1 (R) ; AX = 0 .
Soit X Ker (A).
On a alors :
( t AA)X = t A(AX) = t A0 = 0,
donc : X Ker ( t AA).

Ceci montre : Ker (A) Ker ( t AA).
Soit X Ker ( t AA).
On a alors, en utilisant le produit scalaire canonique sur
Mn,1 (R) et la norme euclidienne ||.|| associe :
||AX||2 = t (AX)(AX) = t X t AAX = t X( t AAX) = t X0 = 0,
donc AX = 0, do X Ker (A).
Ceci montre : Ker ( t AA) Ker (A).
On conclut :
Ker (A) = Ker ( t AA).
Daprs le cours, il en rsulte que est un produit scalaire sur

R3 .
2.10
a) 1) Soit a ]0 ; +[. On a :

t
M(a) = t aI + (1 a)H
c) 1) On eectue le produit de H par H :
= aI + (1 a) H = aI + (1 a)H = M(a),
t
1
H2 =
16
donc M(a) est symtrique.

Daprs le cours, puisque M(a) est symtrique relle, M(a) est
diagonalisable dans M3 (R).
a) 2) On a, pour tout (a, b) ]0 ; +[2 :

M(a)M(b) = aI + (1 a)H (bI + (1 b)H)

2
= abI + a(1 b)+(1 a)b H +(1a)(1b) H!"
= abI + (a + b 2ab)H + (1 a b + ab)H
= abI + (1 ab)H = M(ab).
=H
1
M(4) = 4I 3H =
4
a) 3) On dduit de 2) :
1
1
M(a)M
=
M
a = M(1) = I
a
a
a ]0 ; +[,
1
1
M
M(a) = M a = M(1) = I.
a
a

M(a) GL3 (R) et
M(a)
=M
1
.
a
 = 1, = 0, = 0,

< v , v > = 1, < v , w > = 0, < w , w > = 1.
Ainsi, B = (u, v, w) est une famille orthonormale de R3 pour
le produit scalaire canonique.
a) 4) On a, pour tout a ]0 ; +[ :

2
M(a) = M ( a)2 = M( a) = t M( a) M( a),
puisque M( a) est symtrique.
Puisque B est orthogonale et forme de vecteurs tous non nuls,

daprs le cours, B est libre.
b) 1) On a :

t
M( a)X M( a)x = t X t M( a) M( a) X
Ainsi, B est une base orthonormale de R3 pour le produit scalaire canonique.
= t XM(a)X = t XX = t XX.
7
3 3 2

3
7 3 2 .
3 2 3 2 10
c) 2) On calcule les produits scalaires de u, v, w entre eux

(pour le produit scalaire canonique), et on obtient :
Ceci montre :
a ]0 ; +[,
3
1 2
1 2 3

1
3 2 1
3 2

2 2 2
2 2 2

12
4 4 2
1
=
4
12 4 2
16
4 2 4 2 8

3
1 2
1
= 1
3 2 = H.
4
2 2 2
Puisque X 0, on a t XX = ||X||2 > 0.
Puisque X 0 et que M( a) est inversible (cf. a)3)), on a :
M( a)X 0,

donc : t M( a)X M( a)X = ||M( a)X||2 > 0.

t
M( a)X M( a)X
> 0.
On dduit : =
t XX
Puisque B est libre et a trois lments dans R3 qui est de dimension 3, B est une base de R3 .
Notons U, V, W les matrices-colonnes de u, v, w dans la base

canonique de R3 , cest--dire :

2/2

U = 2/2 ,
1/2
1/2
W = .
2/2
On a :
1
M(4)V =
4
7
3 3 2 1/2
2
1
= 2 = V,

3
7 3 2 1/2
2 2
3 2 3 2 10 2/2
b) 2) Puisque M(a) est symtrique, lapplication est une

forme bilinaire symtrique sur R3 .
De plus, daprs b)1), les valeurs propres de M(a) sont
toutes > 0.
1/2
1/2
V = ,
2/2
1
M(4)W =
4
7
3 3 2 1/2
8
1
8 = 4W.

3
7 3 2 1/2 =
8 2
2/2
3 2 3 2 10
53
Chapitre 2
Do :
Algbre bilinaire
U M(4)V = 4 t UV = 0
t
U M(4)W = 4 t UW = 0
t V M(4)W = 4 t VW = 0,
c) On a, pour tout (u, v) (R3 )2 :

(
'
< f (u) , v > = < u1 , u > u2 + < u2 , u > u1 , v
= < u1 , u >< u2 , v > + < u2 , u >< u1 , v >
= < u1 , v >< u2 , u > + < u2 , v >< u1 , u >
'
(
= < u1 , v > u2 + < u2 , v > u1 , u
cest--dire : (u, v) = (u, w) = (v, w) = 0.

On conclut que B = (u, v, w) est une base orthogonale pour le
produit scalaire .
= < f (v) , u > = ,

donc f est un endomorphisme symtrique de R3 pour le produit
scalaire canonique < . , . >.
2.11
a) Il est clair que
x H, f (x) Im ( f ) H,
d) 1) On a :
f : u < u1 , u > u2 + < u2 , u > u1

est une application de R3 dans R3 .
On a, pour tout R et tous u, v R3 :
f (u + v) = < u1 , u + v > u2 + < u2 , u + v > u1

= < u1 , u > + < u1 , v > u2

+ < u2 , u > + < u2 , v > u1

= < u1 , u > u2 + < u2 , u > u1

+ < u1 , v > u2 + < u2 , v > u1
= f (u) + f (v),
donc H est stable par f .

On peut donc considrer lendomorphisme g induit par f
sur H :
g : H H, x f (x).
d) 2) On a :
g(u1 ) = < u1 , u1 > u2 + < u2 , u1 > u1 ,

g(u2 ) = < u1 , u2 > u2 + < u2 , u2 > u1 ,
donc la matrice G de g dans la base B = (u1 , u2 ) de H est :

< u2 , u1 > < u2 , u2 >

.
G=
< u1 , u1 > < u1 , u2 >
d) 3) Notons
v1 = ||u2 ||u1 ||u1 ||u2 ,
v2 = ||u2 ||u1 + ||u1 ||u2 ,
donc f est linaire.

On conclut : f L (R3 ).
de sorte quavec les notations de lnonc : B = (v1 , v2 ).
b) 1) On a, pour tout u R3 :
On a :
u Ker ( f )
f (u) = 0
(
'
< v1 , v2 > = ||u2 ||u1 ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2
= ||u2 ||2 < u1 , u1 > +||u2 || ||u1 || < u1 , u2 >
< u1 , u > u2 + < u2 , u > u1 = 0

< u1 , u > = 0 et < u2 , u > = 0
car (u1 , u2 ) est libre

u Vect (u1 , u2 ) u H .
Ceci montre : Ker ( f ) = H .
2) On a, pour tout u E :
f (u) = < u1 , u > u2 + < u2 , u > u1 Vect (u1 , u2 ) = H,
donc : Im ( f ) H.
dim Im ( f ) = 3 dim Ker ( f ) = 3 dim (H ) = dim (H).

Comme : Im ( f ) H et dim Im ( f ) = dim (H),
54
= ||u2 ||2 ||u1 ||2 ||u1 ||2 ||u2 ||2 = 0,

donc : v1 v2 .
Dautre part :
v1 = 0 ||u2 ||u1 ||u1 ||u2 = 0
||u2 || = ||u1 || = 0 car (u1 , u2 ) est libre
u1 = u2 = 0,
contradiction avec (u1 , u2 ) libre.
Daprs le thorme du rang et le thorme sur la dimension

de lorthogonal dun sous-espace vectoriel, on a :
on conclut :
||u1 || ||u2 || < u2 , u1 > ||u1 ||2 < u2 , u2 >
Im ( f ) = H.
Il en rsulte v1 0, et de mme v2 0.
Comme B est une famille orthogonale vecteurs tous non
nuls, daprs le cours, B est libre.
Ainsi B est une famille libre deux lments dans un espace
vectoriel H qui est de dimension 2, donc B est une base de H.
On conclut que B est une base orthogonale de H.
On a :
Enfin, comme R3 est de dimension 3 et que f est un endomorphisme de R3 , f admet au plus trois valeurs propres.
g(v1 ) = f (v1 )
= f (||u2 ||u1 ||u1 ||u2 )
= ||u2 || f (u1 ) ||u1 || f (u2 )

= ||u2 || < u1 , u1 > u2 + < u2 , u1 > u1

||u1 || < u1 , u2 > u2 + < u2 , u2 > u1

= ||u2 || < u1 , u2 > ||u1 || ||u2 || u1

+||u1 || ||u1 || ||u2 || < u1 , u2 > u2

= < u1 , u2 > ||u1 || ||u2 || ||u2 ||u1 ||u1 ||u2

= < u1 , u2 > ||u1 || ||u2 || v1 ,
g(v2 ) = f (v2 )
= f (||u2 ||u1 + ||u1 ||u2 )
= ||u2 || f (u1 ) + ||u1 || f (u2 )

= ||u2 || < u1 , u1 > u2 + < u2 , u1 > u1

+||u1 || < u1 , u2 > u2 + < u2 , u2 > u1

= ||u2 || < u2 , u1 > +||u1 || ||u2 || u1

+||u1 || ||u1 || ||u2 ||+ < u1 , u2 > u2

= < u2 , u1 > +||u1 || ||u2 || ||u2 ||u1 + ||u1 ||u2

= < u2 , u1 > +||u1 || ||u2 || v2 .
On conclut que la matrice de g dans B est :

0
< u1 , u2 > ||u1 || ||u2 ||
.
0
< u1 , u2 > +||u1 || ||u2 ||
d) 4) Daprs lingalit de Cauchy-Schwarz :
| < u1 , u2 > | ||u1 || ||u2 ||.

De plus, comme (u1 , u2 ) est libre, daprs ltude du cas dgalit dans lingalit de Cauchy-Schwarz :
Finalement, f admet une valeur propre 1 < 0, la valeur propre

0, une valeur propre 2 > 0.
2.12
u ) est une base orthonormale de

a) Daprs le cours, puisque (
u |
v >
u .
3
D, on a : v R , p( v ) = <
En particulier :

u |
u
p( i ) = u = a
= a(a i + b j + c k ) = a2 i + ab j + ac k ,

u |
u
p( j ) = <
j > u = b
= b(a i + b j + c k ) = ba i + b2 j + bc k ,

u |
u
p( k ) = <
k > u = c
= c(a i + b j + c k ) = ca i + cb j + c2 k .

La matrice P de p dans B = ( i , j , k ) est donc :
2
a ab ac
P = ba b2 bc .
2
ca cb c
b) 1) On a :
0 c b 0 c b
M 2 = c 0 a c 0 a
b a 0 b a 0
2
ab
ac
b c2
2
2
bc
a c
= ab
2
2
ac
bc
a b
ab
ac
1 + a2
2
bc = P I3 .
= ab 1 + b
2
ac
bc 1 + c
b) 2) On a :

a 0 c b a 0

M b = c 0 a b = 0 ,

0
b a 0 c
c
| < u1 , u2 > | ||u1 || ||u2 ||.

On a donc :
| < u1 , u2 > | < ||u1 || ||u2 ||.
La matrice de g dans B , qui est diagonale daprs 3), admet

deux valeurs propres qui sont
1 = < u1 , u2 > ||u1 || ||u2 || < 0,
u Ker ( f ), puis : D Ker ( f ).

donc
v Ker ( f ).
Rciproquement, soit
v dans B, on a : MV = 0, donc :
En notant V la matrice de
2 = < u1 , u2 > +||u1 || ||u2 || > 0.

Comme g est lendomorphisme induit par f sur H, les deux
rels 1 et 2 sont aussi valeurs propres de f .
De plus, comme Ker ( f ) = H {0}, le rel 0 est valeur propre
de f .
M 2 V = M(MV) = M0 = 0,
puis :
PV = (M 2 + I3 )V = M 2 V + V = V,
v Im (p) = D.
donc
Il en rsulte : Ker ( f ) D.
55
Chapitre 2
Algbre bilinaire
= e + (sin t + sin t ) f + (2 cos t cos t + sin t sin t ) f 2

+ sin t(1 cos t ) + sin t (1 cos t) f 3
!"
Ceci montre : Ker ( f ) = D.
Soit
w Im ( f ).
=f
v ).
v R3 tel que
w = f (
Il existe
+ (1 cos t)(1 cos t ) f 4

!"
=f2
%
&
= e + sin t + sin t sin t(1 cos t ) sin t (1 cos t) f
&
%
+ 2 cos t cos t + sin t sin t (1 cos t)(1 cos t ) f 2
= e + (sin t cos t + sin t cos t) f
+ (1 cos t cos t + sin t sin t ) f 2

= e + sin(t + t ) f + 1 cos(t + t ) f 2 = gt+t .
u dans B et V la matrice de
v dans
Notons U la matrice de
B. On a :
u > = < f (
v ) ,
u > = t (MV)U
<
w ,
= t V t MU = t V(M)U = t V(MU
!") = 0,
donc
w D .
=0
d) 2) Daprs 1), en remplaant t par t, on a :
Ainsi : Im ( f ) D .
t R,
Daprs le thorme du rang et le thorme sur la dimension du supplmentaire orthogonal dun sous-espace vectoriel,
on a :
dim Im ( f ) = 3 dim Ker ( f ) = 3 dim (D) = dim (D ).
Ainsi, Im ( f ) D et dim Im ( f ) = dim (D ), donc, daprs le

cours :
Im ( f ) = D .

gt gt = g0 = e et gt gt = g0 = e .
Il en rsulte que, pour tout t R, gt est bijectif et que :

(gt )1 = gt .
2.13
Puisque S est symtrique relle, daprs le thorme

spectral, il existe D = diag (1 , ..., n ) Dn (R) et P orthogonale telles que : S = PDP1.
Soit X Mn,1 (R).
c) 1) On a :
M 3 + M = MM 2 + M = M(P I3 ) + M = MP
ab
ac
0 c b 1 + a2

bc = 0,
= c 0 a ab 1 + b2
2
b a 0
ac
bc 1 + c
donc :
f 3 + f = 0.
On peut aussi remarquer P = U t U, donc :

t
MP = M(U t U) = (MU
!") U = 0.
=0
c) 2) Daprs 1), le polynme X +X = X(X2 +1) est annulateur

de f , donc les valeurs propres de f sont parmi les zros (rels)
de ce polynme, donc la seule valeur propre possible pour f
est 0.
On a, en utilisant t P = P1 :
t
XS X = t X(PDP1)X = ( t XP)D(P1 X)
= t ( t PX)D(P1 X) = t (P1 X)D(P1 X).

y1
.
1
Notons Y = P X = .. . On a :

yn

(0) y1
1
n

t
..
.. =
XS X = t Y DY = y1 . . . yn
i y2i .
.
. i=1
(0)
n yn
Dautre part, comme Ker ( f ) = D {0}, 0 est valeur propre

de f .
On conclut :
f admet une valeur propre et une seule, qui est 0.
c) 3) Si f tait diagonalisable, comme f nadmet que la valeur
propre 0, f serait reprsent par la matrice nulle, donc f = 0,
contradiction avec Ker ( f ) = D R3 .
On conclut : f nest pas diagonalisable.
d) 1) On a, pour tout (t, t ) R2 :

gt gt = e + (sin t) f + (1 cos t) f 2

e + (sin t ) f + (1 cos t ) f 2
56
Comme : i 1 ; n, i ,
et que les y2i sont tous 0, on dduit :
n
n
n

y2i
i y2i
y2i .
i=1
i=1
i=1
Et :
||X||2 = t XX = t (PY)(PY) = t Y t PPY
= t Y(P1 P)Y = t YY = ||Y||2 =
n

i=1
On conclut :
||X|| XS X ||X|| .
2
2.14
a) Soit une valeur propre de S .
Il existe X Mn,1 (R) tel que : S X = X et X 0.
y2i .
Puisque S S+n , on a : t XS X 0.
Et :
On suppose que (e1 , ..., en ) est une base orthonormale de E.
XS X = X(X) = ( XX) = ||X|| .

!"
t
Do :
XS X
0.
||X||2
>0
On conclut : toutes les valeurs propres de S sont 0.

b) Puisque S Sn (R), daprs le thorme spectral, il existe
une matrice orthogonale P de Mn (R) et une matrice diagonale
D de Mn (R) telles que S = PDP1 , do D = P1 S P.
De plus, daprs le cours, pour tout (x, y) E 2 , on a :

n
n

(ei | x)ei et y =
(e j | y)e j ,
x=
i=1
(x | y) =
n

n
##

(ei | x)ei ##
(e j | y)e j
i=1
j=1
D = diag (1 , ..., n ).
Considrons la matrice diagonale = diag ( 1 , ..., n ) et la

matrice R = PP1 .
On a :
R2 = (PP1)2 = P2 P1 = PDP1 = S .
On a :
R = t (PP1) = t P1 t t P = PP1 = R,
car P est orthogonale et est diagonale.
Soit X Mn,1 (R) quelconque. On a :

= t ( t PX)(P1 X) = t (P1 X)(P1 X).

y1

1
Notons P X = ... .

yn
= i j
(ei | x)(ei | y).
vident : il sut dappliquer (ii) (x, x) la place de (x, y).

Montrons (iii) = (i) :
i 1 ; n, ||ei || = 1
n

On suppose :
(ei | x)2 = ||x||2 .

x
E,
En isolant le terme dindice k dans la sommation prcdente :

n

(ei | ek )2 = ||ek ||4 +
(ei | ek )2 .
!"
i=1
=1
i, ik

i, ik
XRX = YY =
t
n

)
Il en rsulte :
k y2k
0.
On conclut : R S+n .
2e mthode :
Considrons la matrice diagonale U = diag ( 4 1 , ..., 4 n ) de

2
t
sorte que = U = UU.
On a alors, pour toute X Mn,1 (R) :
XRX = t XPP1 X = t XP t UUP1 X
= t (UP1 X)(UP1 X) = ||UP1 X||2 0.
On conclut : R S+n .
2.15
i=1
Montrons (ii) = (iii) :
On dduit :
k=1
i=1
i=1
XRX = t XPP1 X
On a alors :
n

(ei | x)(e j | y) (ei | e j ) =

!"
j=1
En appliquant lhypothse ek pour k 1 ; n fix, on a :

n

(ei | ek )2 = ||ek ||2 = 1.
1re mthode :
n
n

i=1
Montrons S+n .
j=1
do :
c) Notons 1 , ..., n les lments diagonaux de D :

Daprs a) : k 1 ; n, k 0.
i 1 ; n, ||ei || = 1.
Il est clair qualors :
Montrons (i) = (ii) :
(ei | ek )2 = 0.
!"
0
i k, (ei | ek ) = 0.
Ceci montre que la famille (e1 , ..., en ) est orthogonale.

Vu lhypothse, on conclut que la famille (e1 , ..., en ) est orthonormale.
En particulier, puisque la famille (e1 , ..., en ) est orthogonale et
vecteurs tous non nuls, cette famille est libre.
Soit x E. Notons u =
n

(ei | x)ei .
i=1
Nous allons montrer x = u, en calculant ||x u||2 .

||x u||2 = ||x||2 2(x | u) + ||u||2 .
On a :
Mais :
(u | x) =
n

i=1
n
n
##

(ei | x)ei ## x =
(ei | x)(ei | x) =
(ei | x)2 = ||x||2
i=1
i=1
57
Chapitre 2
Algbre bilinaire
et, puisque (e1 , ..., en ) est une famille orthonormale :

n
n
####2
####
(ei | x)2 = ||x||2 .
||u||2 = #### (ei | x)ei #### =
i=1
i=1
||x u||2 = ||x||2 2||x||2 + ||x||2 = 0,
On obtient :
donc x u = 0, x = u =
n

b) 1) Soit (i, j) 0 ; n2 . On a, pour tout k 0 ; n :
i(i 1) (i k + 1)Xik
si k i
0
(Xi )(k) (0) =
i!
donc :
(ei | x)ei .
i=1
Ceci montre que la famille (e1 , ..., en ) engendre E.

Finalement, (e1 , ..., en ) est une base orthonormale de E.
si k = i.
Il en rsulte :
0
(Xi , X j ) =
(Xi )(k) (0)(X j )(k) (0) =
(i!)2
k=0
n

2.16
a) On a, pour tout (P, Q) E E :
n

n

si i j
si i = j.
donc est symtrique.
b) 2) Daprs 1), (Xi )0in est une famille orthogonale pour ,

forme de vecteurs tous non nuls, donc cette famille est libre.
Comme dim (E) = n + 1, cette famille libre de n + 1 lments
est une base de E.
On a, pour tout R et tous P, Q, R E :
De plus : i 0 ; n, (Xi , Xi ) = (i!)2 .
(Q, P) =
Q(k) (0)P(k) (0) =
k=0
P(k) (0)Q(k) (0) = (P, Q),
k=0
(P, Q + R) =
n

On conclut que
P (0)(Q + R) (0)
(k)
(k)
k=
n

Xi
i!
2.17

P(k) (0) Q(k) (0) + R(k) (0)
n

P(k) (0)Q(k) (0) +
n

k=0
a) Soient R, x, y E. On a :
f (x + y) =
P(k) (0)R(k) (0)
donc est linaire par rapport la seconde place.
n

P(k) (0)
0.
k=0
Soit P E tel que (P, P) = 0.

n

2
P (0) = 0,
On a alors :

!"
k=0
p

(ei | x)ei + (ei | y)ei
p

(ei | x)ei +
i=1
p

donc f est linaire.

On conclut que f est un endomorphisme de lespace vectoriel E.
b) Soit x F .
(k)
k 0 ; n, P(k) (0) = 0.
(ei | y)ei
i=1
= f (x) + f (y),
On a alors :
i 1 ; p, (ei | x) = 0,
donc :
f (x) =
0
donc :
(ei | x + y)ei
i=1
Puisque est symtrique et linaire par rapport la seconde

place, est aussi linaire par rapport la premire place, donc
est bilinaire.
(P, P) =
p

i=1
k=0
= (P, Q) + (P, R),
On a, pour tout P E :
est une base orthonormale de (E, ).
0in
k=0
58
si k i
p

i=1
(ei | x) ei = 0,
!"
Si P 0, en notant k = deg (P), on a k 0 ; n et P(k) est une

constante non nulle, contradiction avec le rsultat prcdent.
do : x Ker ( f ).
Il en rsulte : P = 0.
Ceci montre : F Ker ( f ).
On conclut que est un produit scalaire sur E.
Soit x Ker ( f ).
=0

p

f (x) =
On a donc :
et on conclut : S + A est inversible.
(ei | x)ei = 0,
i=1
2.19
do, en faisant le produit scalaire avec x :

(ei | x)ei
0 = (0 | x) = f (x) | x =
p
a) On a E R[0 ; +[ et 0 E.
##
## x
Soient R, f, g E.
i=1
p
p

(ei | x)(ei | x) =
(ei | x)2 .
=
!"
i=1
i=1
0
i 1 ; p, (ei | x) = 0,
Il en rsulte :
Puisque f et g sont
bornes, il existe M f , Mg R+ tels que :
x [0 ; +[, | f (x)| M f
x [0 ; +[, |g(x)| M .
On a alors :
et donc : x F .
#
#
x R, ## f (x) + g(x)## || | f (x)| + |g(x)| ||M f + Mg ,
Ceci montre : Ker ( f ) F .

On conclut : Ker ( f ) = F .
On a :
p

x E, f (x) =
(ei | x)ei Vect (F ),
i=1
donc : Im ( f ) Vect (F ).
Daprs le thorme du rang et le rsultat prcdent (sur le
noyau de f ), on a :
dim Im ( f ) = dim (E) dim Ker ( f ) = dim (E) dim (F )

= dim (E) dim Vect (F ) = dim Vect (F ).
Comme Im ( f ) Vect (F ) et que ces deux sev sont de dimensions finies et ont la mme dimension, on conclut :
Im ( f ) = Vect (F ).
c) Puisque f est un endomorphisme de lespace vectoriel E qui
est de dimension finie, on a :
f bijective f surjective Im ( f ) = E
Vect (F ) = E F engendre E.
Soit X Mn,1 (R) telle que (S + A)X = 0.
2.18
On a alors : t X(S + A)X = 0.

t
Mais :
X(S + A)X = t XS X + t XAX.
Comme A = A et que XAX est une matrice carre une seul

lment, on a :
t
XAX = t ( t XAX) = t X t AX = t X(A)X = t XAX,
donc f + g est borne.

Puisque f et g sont de classe C 1 , daprs le cours, f + g est
de classe C 1 .
On a :
( f + g)(0) = f (0) + g(0) = 0.

!" !"
=0
=0
On dduit : f + g E.
On conclut : E est un sous-espace vectoriel de lespace vectoriel rel des applications de [0 ; +[ dans R.
b) 1) Soit f E. Puisque f (0) = 0 et que f est drivable en 0,
f (x)
f (x) f (0)
=
f (0).
x 0
x
x0
on a :
b) 2) Soit ( f, g) E 2 .
Lapplication h : x
On a, daprs 1) :
f (x)g(x)
est continue sur ]0 ; +[.
x2
h(x) =
f (x) g(x)
f (0)g (0).
x
x x 0
Ainsi, lapplication h admet une limite finie en 0, donc lint$ 1

grale
h(x) dx converge (intgrale faussement impropre).
0
Puisque f et g sont
bornes, il existe M f , Mg R+ tels que :
x [0 ; +[, | f (x)| M f
x [0 ; +[, |g(x)| M .
M f Mg
| f (x)| |g(x)|

.
x2
x2
donc 2 t XAX = 0, do t XAX = 0.
On a : x [1 ; +[, |h(x)| =
On obtient alors t XS X = 0.
Daprs
lexemple de Riemann en + (2 $ > 1), lint$ +
+
M f Mg
1
dx converge, donc lintgrale
dx
grale
2
x
x2
1
1
converge.
Comme S est symtrique dfinie-positive, la forme quadratique

canoniquement associe S est dfinie-positive, donc X = 0.
On a montr :
X Mn,1 (R),

(S + A)X = 0 = X = 0 ,
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
|h(x)| dx converge.
1
59
Chapitre 2
Algbre bilinaire
Ainsi, lintgrale
h(x) dx est absolument convergente,

1
donc convergente.
1re mthode : utilisation des variations de la fonction f :

$
Puisque les deux intgrales
h(x) dx et
h(x) dx
1
$ +
h(x) dx converge.
convergent, par dfinition, lintgrale
0
On
$ +conclut que, pour tout ( f, g)
f (x)g(x)
dx converge.
x2
0
E 2 , lintgrale
On a :
x [0 ; +[, f (x) = (1 x) e x ,
do le tableau des variations de f :

x
0
1
f (x)
+
0
e 1
f (x)

0
c) 1) La symtrie est vidente.
On a donc :
La linarit par rapport la premire place est immdiate, par

linarit de lintgration.
Il en rsulte que f est borne.
Puisque < . , . > est linaire par rapport la seconde place et

est symtrique, < . , . > est bilinaire.
$
On a :
f E, < f | f > =
f (x)
x2
2
dx 0.
Soit f E telle que < f | f > = 0, cest--dire telle

2
$ +
f (x)
que :
dx = 0. On a alors, daprs la relation de
x2
0
Chasles :
2
2
2
$ +
$ +
$ 1
f (x)
f (x)
f (x)
dx +
dx =
dx = 0,
x2
x2
x2
0
1
0

!"
!"
0
donc :
0
f (x)
x2
0
Lapplication
dx = 0 et
1
H : X
1
f (x)
x2
f (x)
x2
2
dx = 0.
2
dx
est croissante sur [1 ; +[, car elle est de classe C 1 et sa drive

2
f (X)
qui est 0.
est X
X2
2
$ +
f (x)
dx = 0.
De plus, H(1) = 0 et H(X)
X +
x2
1
X [1 ; +[, H(X) = 0,

2
f (X)
puis, en drivant : X [1 ; +[,
= 0,
X2
Il en rsulte :
donc :
X [1 ; +[, f (X) = 0.
On montre de mme :
X ]0 ; 1], f (X) = 0.
On obtient donc : f = 0.
On conclut que < . . . > est un produit scalaire sur E.
c) 2) Lapplication f : [0 ; +[ R, x x e x est de
classe C 1 et f (0) = 0.
60
Nous allons maintenant montrer que f est borne.

0
x [0 ; +[, 0 f (x) e 1 .
2e mthode : utilisation du comportement linfini et de la

continuit sur un segment :
On a, par prpondrance de lexponentielle sur les puissances :
f (x) 0.
x +
Il existe donc [0 ; +[ tel que :

x [0 ; +[, | f (x)| 1.
Dautre part, f est continue sur le segment [0 ; ], donc,
daprs le cours, f est borne sur ce segment ; il existe donc
M R+ tel que : x [0 ; ], | f (x)| M.
On a donc :
x [0 ; +[, | f (x)| Max (1, M),
ce qui montre que f est borne.

On conclut : f E.
Soit a R.
Lapplication
ga : [0 ; +[ R, x x(x a) e x
est de classe C 1 et ga (0) = 0.

On remarque : ga = k a f, o on a not
k : [0 ; +[ R, x x2 e x .
Comme ci-dessus (par lune des deux mthodes), on montre
que k est borne.
Ainsi : k E.
Comme E est un R-espace vectoriel et que ( f, k) E 2 , on dduit, par combinaison linaire : ga E.
On a, pour tout a R :
$ +
f (x)ga (x)
dx
< f , ga > =
x2
0

$ +
(x e x ) x(x a) e x
dx
=
x2
0
=
$
0
+
t=2x
1
4
Lapplication f : x u(x)v(x) e x est continue sur R

2
(x a) e 2x dx
et, daprs a), pour tout x R :
t

1
a e t dt
2
2
(t 2a) e t dt
$
$ +

1 + t
t e dt 2a
e t dt
4 0
0

1
(2) 2a(1)
=
4
1
1
= (1! 2a 0!) = (1 2a).
4
4
=
On conclut : lensemble des a R tels que f ga est
1
2
d) Soit ( f, g) E .
Comme les deux
$ +

2 x2
v(x) e dx convergent, par combinaison linaire,
$ +
1
2
2
1
2
2
u(x) e x + v(x) e x dx converge,
lintgrale
2
2
puis, par$thorme de majoration pour des fonctions 0, lin+

| f (x)| dx converge.
tgrale
donc convergente.
On a, par intgration par parties avec

u (x) = f (x)g(x) + f (x)g (x)

u(x) = f (x)g(x)
v = 1
v = 1
2
x
x
o u, v sont de classe C 1 sur le segment [ ; X] :
$ X
f (x)g(x)
dx
x2
* f (x)g(x) +X $ X f (x)g(x) + f (x)g (x)

dx.
=
+
x
x
Comme f et g sont bornes, on a :
f (X)g(X)
X
X +
0.
Dautre part, daprs b)1) appliqu f et puisque g est continue

f ()
f ()g()
=
g() f (0) g(0) = 0.
en 0 :
0
!"
=0
Il en rsulte que lintgrale

0
converge et que :
$
< f , g >=
0
f (x)g(x) + f (x)g (x)

dx
x
f (x)g(x) + f (x)g (x)

dx.
x
2.20
a) On a, pour tout (, ) [0 ; +[2 :
2 + 2 2 ( )2
1 2
( + 2 ) =
=
0,
2
2
2
b) Soit (u, v) E 2 .
f (x) dx est absolument convergente,
Ainsi, lintgrale
Soit (, X) ]0 ; +[2 tel que < X.
donc :
1

2
u(x)2 + v(x)2 e x
2
2
2
1
1
2
2
= u(x) e x + v(x) e x .
2
2
$ +

2
2
u(x) e x dx et
intgrales
| f (x)| = |u(x)| |v(x)| e x
1 2
( + 2 ).
2
On conclut : lintgrale
c) 1) Il est clair que E RR et que, en notant 0 la fonction

constante nulle, 0 E.
Soient u, v E. On a, pour tout x R :

2
2
u(x) + v(x) e x

2

2
2
2
2
= u(x) e x + 2u(x)v(x) e x + v(x) e x .
$ +

2
2
u(x) e x dx et
Puisque u, v E, les deux intgrales
$ +

2
2
v(x) e x dx convergent.
Daprs b), lintgrale
2
Par combinaison linaire, on dduit que lintgrale

$
+

2
2
u(x) + v(x) e x dx converge, donc u + v E.
Soient R, u E.
$ +

2
2
Puisque lintgrale
u(x) e x dx converge, par multi
$ +

2
2
plication par la constante 2 , lintgrale
u(x) e x dx
converge, donc u E.
Ceci montre que E est un sous-espace vectoriel de RR .

On conclut : E est un R-espace vectoriel.
c)
Daprs b), pour tout (u, v) E 2 , lintgrale
$ 2)
+
2
u(x)v(x) e x dx converge, donc (u | v) existe.
61
Chapitre 2
Algbre bilinaire
La symtrie est vidente.

La linarit par rapport la premire place rsulte de la linarit de lintgration.
$
On a :
u E, (u | u) =
u(x)
0
$
=
u(x)
e x dx = 0 et
2
u(x)
Lapplication F : [0 ; +[
u(x)
e x dx = 0.
2
X [0 ; +[, F(X) = 0,
u(X)
X [0 ; +[, u(X) = 0.
De mme :
X ] ; 0], u(X) = 0.
X 2
= 0,
On conclut : (. | .) est un produit scalaire sur E.
Il est clair qualors P est continue sur R.

2
2
Lapplication x P(x) e x est continue sur R et, par prpondrance de lexponentielle sur les puissances :

2
2
0.
x2 P(x) e x
x +
Il existe donc a > 0 tel que :
do :
x2
$ 0

2
2
P(x) e x dx et
$ +

2
2
P(x) e x dx convergent, par dfinition, lintgrale
$0 +

2
2
P(x) e x dx converge, et on conclut : P E.
2.21
a) Puisque (X t X)Y = In , la matrice Y est inversible et on a :
Y 1 = X t X.
On a alors :
(Y 1 ) = t (X t X) = X t X = Y 1 ,
donc Y 1 est symtrique, puis Y = (Y 1)1 est symtrique.

Comme X et Y ont des rles symtriques dans les hypothses,
on conclut que X est aussi symtrique.
b) Puisque t X = X et t Y = Y, on a : X 2 Y = In donc Y = X 2
puis : In = Y 2 X = (X 2 )2 X = X 3 ,
1re mthode :
D3 = (P1 XP)3 = P1 X 3 P = P1 In P = In .
Mais, en notant D = diag (1 , ..., n ), o (1 , ..., n ) Rn , on a

D3 = diag (31 , ..., 3n ). do : k 1 ; n, 3k = 1,
k 1 ; n, k = 1,
puis, comme les k sont rels :

donc D = In , puis : X = PDP
= PIn P1 = In .
Enfin : Y = X 2 = I2
n = In .
2e mthode :
1,

2
1
2
x [a ; +[, 0 P(x) e x 2 .
x
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
62
On a :
d) Soit P F.
Puisque X est symtrique relle, daprs le thorme spectral,

il existe une matrice orthogonale P et une matrice diagonale D
telles que : X = PDP1 .
On dduit : u = 0.
x [a ; +[, x2 P(x)
e x dx converge.
donc : X 3 = In .
puis :
est croissante, valeurs 0 et de limite 0 en +, donc :
puis, par drivation : X [0 ; +[,
P(x)
Finalement : F E.
e x dx = 0,

2
2
u(x) e x dx
De mme, lintgrale
Chasles :
$ 0
$ +

2

2
2
2
u(x) e x dx +
u(x) e x dx
0
!" !"
do :
$ 0
e x dx 0.
Soit
u E telle que (u | u) = 0, cest--dire telle
$ +

2
2
que
u(x) e x dx = 0. On a alors, par la relation de
0
Par thorme
$ +de majoration pour des fonctions 0,

2
2
P(x) e x dx converge, donc lintgrale
lintgrale
a
$ +

2
P(x) 2 e x dx converge.
Comme X 3 = In , daprs le cours, les valeurs propres de X sont

parmi les racines du polynme X3 1, donc X nadmet que 1
pour valeur propre, do D = In , X = PIn P1 = In .,
2.22
Montrons (1) = (2) :
On suppose que p est symtrique.
En appliquant lhypothse x = y + z, pour tout R, on a :
Soient y Im (p), z Ker (p).
||y||2 = ||p(x)||2 ||x||2 = ||y + z||2

= ||y||2 + 2(y | z) + 2 ||z||2 ,
Il existe x E tel que y = p(x), donc :

p(y) = p p(x) = p2 (x) = p(x) = y.
# #

(y | z) = p(y) ## z = y ## p(z ) = 0.
!"
On a :
=0
cest--dire :
||z||2 2 + 2(y | z) 0.
Par le mme raisonnement que pour limplication prcdente,

on dduit (y | z) = 0 et on conclut : Im (p) Ker (p).
Ceci montre : Im (p) Ker (p).
On suppose : Im (p) Ker (p).
Soit (x, u) E 2 .
Soit x E. Puisque p est un projecteur, daprs le cours :
Puisque p est un projecteur, daprs le cours :

x = p(x) + x p(x) , y Im (p), z Ker (p).
!" !"

x = p(x) + x p(x) , y Im (p), z Ker (p).
!" !"
not y
not y
not z
not z
On a alors :
##

x # p(x) = (y + z | y) = (y | y) + (z | y) = ||y||2 0.
!"
On a :
#
#

##

#
#

x # p(u) = y + z ## p(u) = y ## p(u) + z ## p(u) = p(x) ## p(u) .
!"
En appliquant ce rsultat (u, x) la place de (x, u), on a aussi :

#
#
##

u # p(x) = p(u) ## p(x) = p(x) ## p(u) .
=0
=0

Soit x E.
Do :
Avec les mmes notations que ci-dessus, on a :

||x||2 = ||y + z||2 = ||y||2 + 2 (y | z) + ||z||2 ||y||2 = ||p(x)||2 ,
!" !"
=0
0
donc : ||p(x)|| ||x||.

#

On suppose : x E, x ## p(x) 0.
En appliquant lhypothse x = y + z, pour tout R, on a :
#

0 x ## p(x) = (y + z | y) = ||y||2 2 + (y | z).
Ainsi, le trinme ||y|| + (y | z) est positif ou nul sur
tous les rels, donc son discriminant est ngatif ou nul, do
(y | z)2 0, puis (y | z) = 0.
2 2
#
##
#

x # p(u) = u ## p(x) = p(x) ## u .
On conclut que p est symtrique.
2.23
Dabord, il est clair que Hn est symtrique.

$ 1
1
=
tk1 dt.
Remarquons : k N ,
k
0

x1

Soit X = ... Mn,1 (R). On a :

xn
t
XHn X =
=
1
xj
i+ j1
$
1i, jn
ti1 xi
n

i=1
1

ti+ j2 xi x j dt
1i, jn
=
$
ti+ j2 xi x j dt
0

On suppose : x E, ||p(x)|| ||x||.

xi
1i, jn
Ceci montre : Im (p) Ker (p).

n

t j1 x j dt
j=1
2
ti1 xi dt 0.
i=1
63
Chapitre 2
Algbre bilinaire

x1
.
Soit X = .. Mn,1 (R) tel que t XHn X = 0.

xn
1
0
n

i1
2
n

u2i = || |X0 | ||2 = ||X0 ||2
i=1
xi dt = 0.
i=1
n

t [0 ; 1],
= t X0 S X0 t |X0 | S |X0 | =
ti1 xi
2
n

n

Do :
n

k

i1
(i )u2i 0.
!"
i=1
xi sannule en une
<0
i=1
infinit de points (les lments de [0 ; 1]), donc cest le polynme nul, do : i 1 ; n, xi = 0, puis : X = 0.
Il en rsulte :
On conclut que la forme quadratique canoniquement associe

Hn est dfinie-positive.
donc :
i 1 ; k, ui = 0,
|X0 | =
n

ui Xi Vect (Xk+1 , ..., Xn ) = V.
i=k+1
a) 2) Les coordonnes de S |X0| sont les
2.24
X0 S X0 =
n

ai j |x j |, pour
j=1
1i, jn
ai j xi x j
ai j |xi | |x j | = |X0 | S |X0 |.
!"
1i, jn
t
0
Puisque S est symtrique relle, daprs le thorme spectral,

il existe une base orthonormale (X1 , ..., Xn ) de Mn,1 (R) forme
de vecteurs propres pour S .
i 1 ; n. Comme les ai j sont tous > 0 et que les |x j | sont

tous 0 et non tous nuls (car X0 0), il en rsulte que la
sommation prcdente est > 0.
On conclut que les coordonnes de S |X0| sont toutes > 0.
Puisque |X0 | V, on a : S |X0| = |X0 |.
Notons 1 , ..., n les valeurs propres de S respectivement associes ces vecteurs propres, cest--dire :
Daprs le point prcdent, les coordonnes de |X0 | sont donc

toutes > 0, donc, comme > 0, les coordonnes de X0 sont
toutes > 0.
i 1 ; n, S Xi = i Xi .
Il en rsulte que les coordonnes de X0 sont toutes non nulles.

a) 3) On a, puisque X0 et |X0 | sont dans V :
On peut supposer les i rangs de faon que :
1 ... k < k+1 = ... = n = ,

o k 0 ; n 1. Autrement dit, on a rang les valeurs propres
de S par ordre croissant, les dernires tant gales la plus
grande valeur propre, note .
Dune part :
X0 S X0 = t X0 X0 = t X0 X0 = ||X0 ||2 .
Dautre part, il existe (u1 , ..., un ) Rn tel que :

|X0 | =
n

do :
|X0 | S |X0 | =
|X0 | S |X0 | = t |X0 | |X0 | = t |X0 | |X0 | = || |X0 | ||2 = ||X0 ||2 ,
do :
1i, jn
X0 S X0 = t |X0 | S |X0 |.
On a :
0 = t |X0 | S |X0 | t X0 S X0 =

1i, jn
ui Xi ,
ui u j t Xi S X j =
X0 S X0 = t X0 X0 = t X0 X0 = ||X0 ||2
et
i=1
64
(i )u2i 0,
cest--dire, puisque k+1 = ... = n = :
ti1 xi = 0.
Ainsi, la fonction polynomiale t
a) 1) On a :
i u2i .
i=1
i=1
n

i=1
est conti-
i=1
nue et valeurs 0, on dduit :
u2i .
Daprs le point prcdent :
Comme lapplication polynomiale t
n

i=1
Avec les notations prcdentes, on a donc :

$
|| |X0 | ||2 =
et :
n

i=1
ai j |xi | |x j |
Il en rsulte :
ai j xi x j
1i, jn

ai j |xi | |x j | xi x j .
!" !"
1i, jn
>0
u2i i
0

(i, j) 1 ; n2 , ai j |xi | |x j | xi x j = 0,
puis, comme les ai j sont tous > 0 :

(i, j) 1 ; n , |xi | |x j | xi x j = 0,
2
cest--dire :
(i, j) 1 ; n2 , xi x j 0.
Comme de plus les xi sont tous non nuls, on a :

(i, j) 1 ; n2 , xi x j > 0.
Ceci montre que x1 , ..., xn sont tous de mme signe.
b) 1) Soient X, X V \ {0}.
i=1
On conclut que X et X ne sont pas orthogonaux entre eux.

b) 2) Raisonnons par labsurde : supposons dim (V) 2.
Daprs le cours, V admet au moins une base orthonormale,
donc il existe au moins deux vecteurs non nuls de V et orthogonaux entre eux, contradiction avec le rsultat de 1).
On conclut : dim (V) = 1.
Daprs a)3), les coordonnes (x1 , ..., xn ) de X sont toutes non

nulles et de mme signe, et les coordonnes (x1 , ..., xn ) de X
sont toutes non nulles de mme signe. Il en rsulte que les produits x1 x1 , ..., xn xn sont tous non nuls et de mme signe, donc :
n

t
XX =
xi xi 0.
65
Intgrales
sur un intervalle
quelconque
Plan
Les mthodes retenir
66
noncs des exercices
70
Du mal dmarrer ?
79
84
CHAPITRE
Dtermination de la nature dune intgrale impropre
Existence et calcul dintgrales impropres
Dtermination de la limite ou dun quivalent simple dune intgrale impropre

dpendant dun paramtre
tude dune fonction dfinie par une intgrale.

Dfinition de la convergence, de la divergence dune intgrale impropre
Thorme de majoration, thorme dquivalence, thorme de comparaison

pour des fonctions valeurs positives ou nulles
Exemples de Riemann en +, en 0
Relation de Chasles pour des intgrales impropres
Dfinition de la convergence absolue pour une intgrale impropre et lien entre

convergence absolue et convergence.
Les mthodes retenir

Pour dterminer la nature
Sassurer dabord que f est continue (ou continue par morceaux)

sur [a ; +[.
Essayer dutiliser :
dune intgrale impropre
f
a
o f est une application

continue sur [a ; +[
et valeurs positives ou nulles
le thorme de majoration (pour montrer que lintgrale converge)
Exercices 3.1 d), 3.8, 3.9 c), 3.17 a), 3.20 a)2), 3.21 a),
3.30 a), 3.37 b), 3.40 a)
le thorme de minoration (pour montrer que lintgrale diverge)
Exercice 3.1 e), g)

66
Les mthodes retenir
le thorme dquivalence
Exercices 3.1 a), b), c), f), h), 3.9 a), 3.10 a), 3.11 a),
3.12 d), e), 3.22 a), 3.26
la comparaison lexemple de Riemann en +, cest--dire :

chercher ]1 ; +[ fix, tel que x f (x) 0, pour
x +
conclure que lintgrale converge
Exercices 3.12 a), f), g), h), 3.18 a), 3.31 a), 3.34 a), 3.40 a)
ou montrer, par exemple, x f (x)
que lintgrale diverge
(suite)
x +
+, pour conclure
Exercice 3.12 b)
$
le retour la dfinition, cest--dire tudier ou calculer
f (x) dx
a
pour tout X [a ; +[, puis tudier la limite de cette intgrale

lorsque X tend vers + si elle existe. Mais cette mthode fournit (lorsquelle sapplique) non seulement lexistence de lintgrale,
mais aussi sa valeur, donc lnonc aurait plutt pos la question
sous la forme : existence et calcul de lintgrale (voir mthodes cidessous).
sur [a ; +[.
Si f 0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction 0.
Exercice 3.12 c)
Essayer de :

continue sur [a ; +[
et non ncessairement
valeurs positives ou nulles
tudier la convergence absolue, par les mthodes indiques cidessus, sachant que la convergence absolue entrane la convergence
Exercice 3.3, 3.14, 3.37 c)
f
a
utiliser une intgration par parties
utiliser un dveloppement asymptotique
Exercice 3.15
Exercices 3.27, 3.28
$
revenir la dfinition, cest--dire tudier ou calculer
f (x) dx
a
pour tout X [a ; +[, puis tudier la limite de cette intgrale

lorsque X tend vers si elle existe. Mais cette mthode fournit (lorsquelle sapplique) non seulement lexistence de lintgrale, mais
aussi sa valeur, donc lnonc aurait plutt pos la question sous la
forme : existence et calcul de lintgrale (voir mthodes ci-dessous).
f,
o f est une application continue

de ] ; b] dans R

sur ] ; b].
67
Chapitre 3
Intgrales sur un intervalle quelconque
Essayer de :
faire le changement de variable t = x pour se ramener une intgrale impropre sur [b ; +[, puis appliquer les mthodes vues
ci-dessus
(suite)
Exercices 3.2 b), 3.13 a), b)
appliquer les mthodes vues pour les intgrales impropres

sur [a ; +[, adaptes au cas de ] ; b].
Exercices 3.2 a), 3.4, 3.34 c).

sur [a ; b[ (resp. ]a ; b]).
Essayer dutiliser :
le thorme de majoration (pour montrer que lintgrale converge)
le thorme de minoration (pour montrer que lintgrale diverge)
le thorme dquivalence
Exercices 3.2 e), 3.13 d)
Exercices 3.2 c), d), 3.23 a), 3.32 a), b)
la comparaison lexemple de Riemann en b (resp. a) cest--dire :

chercher [0 ; 1[ fix, de faon que (b x) f (x) 0
x b
(resp. (x a) f (x) 0 ), pour conclure que lintgrale

x a
converge
Exercices 3.12 c), 3.13 c), e)
montrer, par exemple, (b x) f (x) + (resp
f,
a

continue sur [a ; b[ (resp. ]a ; b])
et valeurs positives ou nulles
x b
(x a) f (x) +) pour montrer que lintgrale diverge

x a
$ X
le retour la dfinition, cest--dire tudier ou calculer
f (x) dx
a
$ b
(resp.
f (x) dx) pour tout X [a ; b[ (resp. pour tout ]a ; b]),
puis tudier la limite de cette intgrale lorsque X tend vers b (resp.

tend vers a).
[a ; b[ R admet une limite finie en b (resp. si
$ b
f : ]a ; b] R admet une limite finie en a), alors lintgrale
f
a
converge.
Si f
Exercices 3.2 f), g), 3.21 d), 3.24 a), 3.35 b)1).
f,

a

continue sur [a ; b[ (resp. ]a ; b])
et non ncessairement
valeurs positives ou nulles
68

sur [a ; b[ (resp. ]a ; b]).
Si f 0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction 0.
Les mthodes retenir
Essayer de :
(suite)
tudier la convergence absolue, par les mthodes indiques cidessus, sachant que la convergence absolue entrane la convergence
$ X
revenir la dfinition, cest--dire tudier ou calculer
f (x) dx
a
pour tout X [a ; b[, puis tudier la limite de cette intgrale lorsque

X tend vers b, si elle existe. Mais cette mthode fournit (lorsquelle
sapplique) non seulement lexistence de lintgrale, mais aussi sa
valeur, donc lnonc aurait plutt pos la question sous la forme :
existence et calcul de lintgrale (voir mthodes ci-dessous).
sur ]a ; b[.
$ b
f , impropre la borne a et
Revenir la dfinition : lintgrale
f,
a
o f est une application continue

sur ]a ; b[
la borne b, converge si et seulement sil existe c ]a ; b[ tel que les

$ c
$ b
deux intgrales
f, impropre la borne a, et
f, impropre la
a
borne b, convergent.
Exercices 3.14, 3.17 a), 3.18 f), 3.19 a), 3.29, 3.33, 3.36,
3.40 b)d).
Suivant les exemples, on sparera existence et calcul, ou bien on tudiera existence et calcul de faon groupe :
pour lexistence, voir les mthodes ci-dessus
pour le calcul, revenir la dfinition, cest--dire calculer une primitive puis passer la limite
Exercices 3.5 a) f), 3.6, 3.7, 3.16 a), b), c), 3.34 d)
Pour montrer
quune intgrale impropre converge
et calculer cette intgrale,
dans un exemple
Exercice 3.30 e)
un changement de variable peut tre fait directement sur une intgrale impropre
penser ventuellement un changement de variable qui change les
bornes
Exercice 3.29
mais, pour une intgration par parties, on procdera dabord sur un

segment, puis on fera tendre une borne vers la valeur indique.
Exercices 3.5 b), c), 3.16 b), 3.18 b), 3.31 b), 3.36, 3.38.
Pour trouver la limite

dune intgrale
dpendant dun paramtre
Essayer de conjecturer la limite, qui est souvent lintgrale de la

limite, et montrer que la dirence entre lintgrale de lnonc et la
limite conjecture tend vers 0.
Exercice 3.7 b), 3.10, 3.11 b)
Envisager lutilisation dun changement de variable
Exercice 3.33.
69
Chapitre 3
noncs des exercices

3.1 Exemples de dtermination de la nature dune intgrale impropre de fonction positive ou
nulle, la borne +
Dterminer la nature des intgrales impropres suivantes :

$
a)
x x+2
ln x
dx
x+1
e)
1
$ + 2
$ +
1
x +1
1
dx c)
dx
d)
dx
x5 + 1
x2 ln x
(x + 1)(x + 2)
0
2
$ +
$ +
1
ex
x ex +1
dx
g)
dx
h)
dx.
x
x e +1
x+1
x e 2x + 1
0
0
dx b)
+
f)
0

nulle
$
a)
d)
0
1
dx
x4 + x + 1
e)
0
ex
dx
x1
b)
$
x+1
dx
x2 + 2x
ln x
dx
x4 + x2
f)
x2 + 2
dx
x2 + x
c)
0
x ln x dx
g)
1 + ln x
dx.
1 + (ln x)2
3.3 Exemples de dtermination de la nature dune intgrale impropre de fonction la

borne +

$
a)
1
sin x
dx b)
x2
+
0
sin x + cos x
dx c)
x3 + 1
e x sin x dx d)
cos x
dx.
e x + cos x
3.4 Exemples de dtermination de la nature dune intgrale impropre

$
a)
sin3 x
dx
x2
e x cos x dx
b)
ln(2x + 3 sin x) dx.
c)
0
3.5 Exemples dexistence et calcul dintgrales impropres

Existence et calcul des intgrales suivantes :
$
a)
0
d)
1
1
dx
(x + 1)2
x2 3x 4
dx
x4
b)
ln x dx
0
$
e)
c)
x e x dx
x4 e x dx
f)
0
x
dx.
(x2 + 1)2
3.6 Utilisation dune dcomposition en lments simples pour le calcul dune intgrale
a) Dterminer des rels a, b, c, d de faon que :
x [1 ; +[,
70
4
b
a
c
d
= 2 + +
+
.
x2 (x + 1)(x + 2)
x
x x+1 x+2
noncs des exercices
b) Existence et calcul de I =
1
4
dx.
x2 (x + 1)(x + 2)
3.7 Calcul direct dune intgrale impropre avec paramtre

$
a) Existence et calcul, pour tout a R, de I(a) =

1
1
a 2
dx.
x2
b) Dterminer le minimum de I(a) lorsque a dcrit R.
3.8 Lien entre les convergences des intgrales de f et de f 2 , lorsque f est borne
$
Soit f : ]0 ; 1] R continue et borne. Montrer que, si lintgrale

$ 1

2
alors lintgrale
f (x) dx converge.
| f (x)| dx converge,
0
Le rsultat subsiste-t-il si on ne suppose pas que f est borne ?
3.9 Limite dune intgrale dpendant dun paramtre entier, daprs EDHEC 2004
On note, pour tout n N \ {0, 1}, sous rserve dexistence :
$ +
$ 1
1
1
dt,
J
=
dt,
In =
n
n
1 + t + tn
0
0 1+t+t
Kn =
1
1
dt.
1 + t + tn
a) Justifier, pour tout n N \ {0, 1}, lexistence de In , Jn , Kn .

Quelle relation y a-t-il entre In , Jn , Kn ?
$ 1
1
b) On note J =
dt.
1) Montrer : Jn J 0.
n
1
+t
0
$ +
1
dt.
c) 1) Montrer : n N {0, 1}, 0 Kn
n
t
1
2) En dduire lim Jn .
n
2) En dduire lim Kn .
n
d) Conclure sur lim In .

n
3.10 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier, daprs
ESC 2007
On note, pour tout n N :
In =
1
dx.
(1 + x3 )n
a) Prouver, pour tout n N , lexistence de In .

b) tablir : n N , 0 In
1
. En dduire lim In .
n
3n 1
3.11 tude dune intgrale dpendant dun paramtre, daprs EDHEC 2004
$
On note, sous rserve dexistence, pour x R : f (x) =

1
1
dt.
1 + t + t x+1
a) Montrer que, pour tout x R, f (x) existe si et seulement si x ]0 ; +[.

b) tablir : f (x) + et f (x) 0.
x 0
x +
c) Montrer que f est dcroissante sur ]0 ; +[.

d) Tracer lallure de la courbe reprsentative de f . (On admettra que f est convexe.)
71
Chapitre 3

nulle, la borne +

$
a)
1
d)
0
f)
ln x
dx
x2
x2 + x
x2 + x +
b)
2
x2 + 1
x2 + 1
1
dx
x ln x
$
dx
+
1
x2 + 3x + 1
x2
ln x
x3 + 1
x2 + x + 3
x4 + 1
dx
x2 e x + 1
g)
e)
x x + 2 e 3x dx
c)
h)
dx
dx
dx.

nulle
$
a)
x2 + 1
dx b)
x4 + e x
x e x dx c)
ln x
dx d)
x
e x dx e)
3
e x dx
4
3.14 Dtermination de la nature dune intgrale impropre avec paramtre
Dterminer lensemble des couples (a, b)

$
+
1 e x + a sin x + b cos x
dx converge.
x2
0

3.15 Nature des intgrales impropres

1
R2 tels que lintgrale impropre
cos x
dx et
x
Soit R fix.
a) 1) Montrer que, si = 0, alors les intgrales

1
gentes.
2) Montrer que, si < 0, alors les intgrales

1
gentes.
$
b) Montrer que, si > 1, alors les intgrales

1
convergentes, donc convergentes.
sin x
dx
x
cos x
dx et
x
cos x
dx et
x
cos x
dx et
x
c) Montrer que, si 0 < 1, alors les intgrales

1
gentes et non absolument convergentes.
$
1
+
1
cos x
dx et
x
+
1
sin x
dx sont diverx
sin x
dx sont diverx
sin x
dx sont absolument
x
+
1
sin x
dx sont converx
3.16 Exemples dexistence et calcul dintgrales impropres

Existence et calcul des intgrales suivantes :
$ +
$ +
1
ln x
dx
dx
b)
a)
(x
+
1)(x
+
2)
x2
0
1
xa ln x dx, a ] 1 ; +[ fix.
c)
0
3.17 Calcul dintgrales impropres avec paramtre entier

$
On note, pour tout n N : In =

0
72
1
dx,
(1 + x2 )n
Jn =
0
ln x
dx.
(1 + x2 )n
noncs des exercices
a) Montrer que, pour tout n N , In et Jn existent.

b) 1) tablir : n N , 2nIn+1 = (2n 1)In .
2) En dduire lexpression de In en fonction de n, pour tout n N , laide de factorielles.
c) 1) tablir : n N , 2nJn+1 = (2n 1)Jn In .
2) Calculer In et Jn pour n = 1, 2, 3.
3.18 Exemples de calcul dintgrales lies lintgrale de Gauss

$
On note, pour tout n N, sous rserve dexistence : In =
xn e x
2 /2
dx.
a) Montrer que, pour tout n N, In existe.

b) laide dune intgration par parties sur un segment puis dun passage la limite, montrer :
n N, In+2 = (n + 1)In .
,
c) En utilisant la loi normale centre rduite, justifier que : I0 =

.
2
d) Calculer I1 .
e) Dmontrer, par rcurrence sur p, que, pour tout p N :
,
(2p)!
I2p = p
et
I2p+1 = 2 p p!.
2 p!
2
$ +
2
xn e x /2 dx.
f) Existence et calcul, pour tout n N, de : Jn =
3.19 Calcul dune intgrale particulire, daprs EML 2009

Soit (a, b) (R+ )2 .
$
a) Montrer que lintgrale

0
e ax e bx
dx converge.
x
b) 1) tablir, pour tout (, X) ]0 ; +[2 tel que X :

$ X ax
$ aX y
$ X bx
$ bX y
e
e
e
e
dx =
dy
et
dx =
dy.
x
y
x
y
b
( cet eet, on pourra utiliser des changements de variable.)
2) En dduire, pour tout (, X) ]0 ; +[2 tel que X :
$ b y
$ bX y
$ X ax
e
e bx
e
e
dx =
dy
dy.
x
y
y
a
aX
1 e y
si y 0
y
c) 1) Montrer que lapplication h : [0 ; +[ R, y
1
si y = 0
nue sur [0 ; +[.
$ b y
e
b
dy ln .
2) En dduire :
y
0
y
a
a
$ X ax
$ bX y
e
e bx
e
b
d) tablir, pour tout X ]0 ; +[ :
dx = ln
dy.
x
a
y
0
aX
est conti-
73
Chapitre 3
e) Conclure :
0
b
e ax e bx
dx = ln .
x
a
3.20 Convergence dintgrales impropres de f 2 , g2 , f g

a) 1) Montrer : (, ) (R+ )2 ,
1 2
( + 2 ).
2
2) Soient a R, f, g : [a ; +[ continues telles que les intgrales

$ +
convergent. tablir que lintgrale
| f g| converge.
a
+
a
b) Soient a R, f : [a ; +[ R continue telle que les intgrales

$ +
convergent. Montrer que lintgrale
f 3 converge.
f 2 et
$
f 2 et
3.21 Dtermination dun quivalent dune intgrale paramtre
On note, pour tout x ]0 ; +[, sous rserve dexistence : I(x) =

x
e t
dt.
t
a) Montrer que, pour tout x ]0 ; +[, I(x) existe.

$ 1 t
e
b) tablir :
x ]0 ; +[, I(x) =
dt + I(1).
t
x
$ 1
1 e t
dt.
c) On note, pour tout x ]0 ; 1] : J(x) =
t
x
$ 1 t
e
dt + J(x) = ln x.
Montrer :
x ]0 ; 1],
t
x
$ 1
1 e t
dt converge.
d) tablir que lintgrale impropre
t
0
e) Conclure : I(x)
x 0
ln x.
3.22 Nature dune srie dintgrales, daprs EDHEC 2009

Soit N \ {0, 1}.
a) Montrer que, pour tout n N , lintgrale un =

0
1
dt existe et que un > 0.
(1 + t )n
b) 1) Montrer, grce une intgration par parties : n N , un = n(un un+1 ).

n N \ {0, 1}, un = u1
2) En dduire :
n1
1
.
1
k
k=1
3) Montrer : un 0.
n
c) On note, pour tout n N : S n =
n

uk .
k=1
n
un+1 .
1
n *

1 +
1
ln 1
.
ln 1
2) En dduire : n N \ {0, 1}, ln S n = ln u1 +
k
k
k=2
1) Montrer :
74
n N , S n =
g2
f4
noncs des exercices
1
3) laide dun dveloppement limit lordre 1 en , donner un quivalent simple, lorsque
k

1
1
lentier k tend vers linfini, de ln 1
ln 1 .
k
k

un .
4) Conclure quant la nature de la srie
n1
3.23 tude dune fonction dfinie par une intgrale, daprs EML 2010
On note J = ] 1 ; +[.
a) Justifier, pour tout x J, la convergence de lintgrale

0
f : J R, x f (x) =
On note
b) Montrer : x J, 0 f (x)
tx
dt.
1+t
t
dt.
1+t
1
et en dduire : f (x)
x+1
x +
0.
c) 1) Montrer que f est dcroissante sur J.

2) tablir : x J, f (x) + f (x + 1) =
1
.
x+1
3) En dduire : f (x)
x +
1
.
2x
d) 1) Calculer f (0) et f (1).

2) Montrer :
x [0 ; 1], 1 ln 2 f (x) ln 2.
3) En dduire : f (x)
x 1
1
.
x+1
3.24 Limite dune intgrale paramtre entier
On note, pour tout n N , sous rserve dexistence : In =

0
a) Montrer que, pour tout n N , In existe et In =
n1

k=0
b) 1) tablir, pour tout n N tel que n 2
n

k=1
2) Dterminer lim
n
n

k=1
x2n x4n
dx.
1 x2
1
.
2n + 2k + 1

1
1
In
.
2n + 2k
2n
+
2k
k=0
n1
1
.
n+k
3) En dduire lim In .
n
3.25 Intgrale dune fonction dcroissante
Soit f : [0 ; +[ R continue, dcroissante, telle que lintgrale
f converge.
0
a) Montrer : f 0.
$ x
f (t) dt et en dduire : f (x) =
b) tudier
x/2
x +
1
x
3.26 Condition de convergence pour une intgrale impropre

$
Trouver tous les polynmes P R[X] tels que lintgrale
converge.
+
1
x2 + 4x + 2 P(x)
dx
x
75
Chapitre 3
3.27 Exemple de dtermination de la nature dune intgrale impropre

$
Dterminer la nature de lintgrale impropre
sin x
x

1 dx.
3.28 Exemple de dtermination de la nature dune intgrale impropre

$
Dterminer la nature de lintgrale impropre
cos x
dx.
x + x cos x
3.29 Exemple de calcul dune intgrale sur un intervalle quelconque, par changement de variable qui change les bornes
$ +
ln x
dx.
Existence et calcul de
1
+ x2
0
3.30 quivalent dune intgrale paramtre

On note, pour tout x ]0 ; +[, sous rserve dexistence :
$ + t
$ + t
e
e
dt et J(x) =
dt.
I(x) =
t
t2
x
x
a) Montrer que, pour tout x ]0 ; +[, I(x) et J(x) existent.
b) tablir : x ]0 ; +[, 0 J(x)
c) Montrer : x ]0 ; +[, I(x) =
d) En dduire : I(x)
$
e) Dmontrer :
0
x +
e x
.
x2
e x
J(x).
x
e x
.
x
e u
du
u+x
x +
1
.
x
On note, pour tout (n, ) N R, sous rserve dexistence : un () =
t e t dt.
a) Montrer que, pour tout (n, ) N R, u(n, ) existe.

b) Montrer, pour tout (n, ) N R : un () = n e n + un ( 1).
c) tablir, pour tout (n, ) N R : 0 un ( 1)
un ()
.
n
d) En dduire : un () n e n .
n

On note, pour tout x ]0 ; +[, sous rserve dexistence :
$ x
$ x
1
1
1
dt.
dt,
g(x) =
f (x) =
4
4
4
3
4
3
t
0
1
t +t
t +t
a) Montrer que, pour tout x ]0 ; +[, f (x) et g(x) existent et : f (x) = ln x + f (1) + g(x).
$ +
1
1
dt converge.
b) tablir que lintgrale
4
t
1
t4 + t3
76
noncs des exercices
c) En dduire : f (x)
ln x.
x +
3.33 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier
$
a) Montrer que, pour tout n N , lintgrale In =

0
nxn ln x
dx existe.
xn 1
b) Dterminer lim In , laide dun changement de variable.

n
3.34 Exemple dtude de fonction dfinie par une intgrale
On note, pour tout x ]0 ; +[, sous rserve dexistence : f (x) =

0
t
dt.
1+ x et
a) Justifier, pour tout x ]0 ; +[, lexistence de f (x).

b) Montrer que f est strictement dcroissante sur ]0 ; +[.
c) Dterminer lim f (x) et
lim
x +
x 0
f (x).
d) Montrer, pour tout x ]0 ; +[, en utilisant le changement de variable u = x e t :

$ +
ln u

du.
f (x) = (ln x) ln x ln(1 + x) +
u(1 + u)
x
e) 1) En dduire que f est de classe C 1 sur ]0 ; +[ et :

1
ln x ln(1 + x) .
x ]0 ; +[, f (x) =
x
2) Retrouver ainsi le rsultat de b).
3) Montrer que f est convexe.
f) Dresser le tableau de variation de f et tracer lallure de la courbe reprsentative C de f .
3.35 Limite dune intgrale paramtre entier

a) Montrer, pour tout n N et tout t [0 ; +[ :
n1

tk n t
k=0
n1
2
b) On note, pour tout n N , sous rserve dexistence : In =

0
1) Montrer que, pour tout n N , In existe.
1 xn
dx.
1x
2) Dmontrer : In 0.
n
3.36 Exemple de calcul dune intgrale partir dune autre

$
Existence et calcul de I =
0
sin2 x
dx en admettant
x2
+
0
sin x
dx = .
x
2
3.37 Rgularit dune fonction partir de la convergence dintgrales

$
Soit f : [0 ; +[ R de classe C 2 telle que les intgrales

0
a) Montrer : f
| f | et
| f | convergent.
0.
+
b) En dduire que lintgrale
| f f | converge.
c) Dmontrer : f 0.
+
77
Chapitre 3
3.38 tude de lexistence de la transforme de Laplace
$ +
e at f (t)dt
Soient a R, f : [0 ; +[ R continue telle que lintgrale impropre
0
$ +
e bt f (t)dt converge.
converge. Dmontrer que, pour tout b [a ; +[, lintgrale impropre
0
3.39 Une ingalit portant sur des intgrales
Soit f : [0 ; +[ R de classe C 2 telle que les intgrales
$
| f | et
a) Montrer : f (x)
$
0
c) En dduire :
0.
2x
d) Dmontrer :
| f | convergent.
$ 2
x2
f (x) dx.
f (x) dx = f ( 2) + 2 f (0)
2
0
$ 2
$ +
$ 2

2| f (0)|
| f (x)| dx + | f (x)| dx +
( 2x x2 )| f (x)| dx.
b) tablir :
x +
2 | f (0)|
| f (x)| dx +

| f (x)| dx.
3.40 Reprsentation intgrale des fonctions puissances, daprs ESSEC 2007

a) Soit $ : ]0 ; +[ R continue, valeurs positives ou nulles, telle que lin+
(t)
dt converge. Montrer que, pour tout x ]0 ; +[, lintgrale
tgrale
1
+ t2
0
$ +

t
1
(t) dt converge.
1 + t2 x + t
0
$ +
t
b) Dterminer lensemble E des R tels que lintgrale
dt converge.
1
+
t2
0
$ +
1
t
t dt.
On note, pour tout E : f : ]0 ; +[ R, x

2
1+t
x+t
0
c) Exprimer f0 laide de fonction(s) usuelle(s).
d) On suppose ici ] 1 ; 0[.
t
dt converge et, laide dun
x+t
0
changement de variable, exprimer cette intgrale en fonction de x et dun rel indpendant de x

(mais dpendant, a priori, de ).
1) Montrer que, pour tout x ]0 ; +[, lintgrale
2) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant priori de

) tels que : x ]0 ; +[, f (x) = cx + d. Prciser le signe de c.
e) On suppose ici ]0 ; 1[.
1) Montrer, pour tout (x, h) R2 tel que x > 0, x + h > 0, h 0 :
$ +
t
f (x + h) f (x)
=
dt.
h
(x + h + t)(x + t)
0
2) En dduire que f est drivable sur ]0 ; +[ et que :
$ +
t
dt.
x ]0 ; +[, f (x) =
(x + t)2
0
3) Montrer :
x ]0 ; +[, f (x) = f (1)x1 .
4) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant a priori

de ) tels que : x ]0 ; +[, f (x) = cx + d. Prciser le signe de c.
78
Du mal dmarrer ?
Du mal dmarrer ?
3.1
Situer limproprit et indiquer sur quel intervalle la

fonction f considre est continue.
1
1
.
a) f(x)
.
b) f(x)
x + x 3/2
x + x
1
1
c) f(x)
.
d) f(x) 2 pour x e .
x + x 3
x
1
pour x e .
e) f(x)
x+1
1
1
1
f) f(x)
, et
x pour x 1.
x + x e x
x ex
e
1
.
g) f(x)
h) f(x)
e x .
x +
x+1
3.2

1
a) f(x)
.
x x 4
t
e
b) Changement de variable t = x, puis : 0
e t .
t+1
2
1
c) f(x)
.
d) f(x)
.
x 0 x 1/2
x 0 2x
ln x
1
e) Passer la fonction oppose, puis 4
4
x + x2
x + x2
1
1
pour x e 1 et 4
.
x + x2 x 0 x2
f) f(x) 0.
g) f(x) 0.
x 0
x 0
3.3

Montrer que lintgrale propose est absolument convergente,
en majorant convenablement la valeur absolue de f.
3.4

e) Chercher une primitive de f : x x4 e x sous la forme

g : x (ax4 + bx3 + cx2 + dx + k) e x , o (a, b, c, d, k) R5 est
calculer, en drivant g.
$ X
Calculer alors
f(x) dx puis faire tendre X vers +.
0
f) Changement de variable t = x2 + 1.
x
Ou bien remarquer que x 2
ressemble la drive
(x + 1)2
1
de x 2
.
x +1
3.6
a) Rduire au mme dnominateur et identifier.

$ X
3
4
1
2
b) Calculer
+
dx, puis faire tendre X

2
x
x
+
1
x
+
2
x
0
vers +.
3.7
a) Calculer
0
1
x
a 2
dx, puis faire tendre X vers +.
x2
b) Utiliser une mise sous forme canonique pour un trinme, ou

bien tudier les variations de a I(a) obtenue en a).
3.8
Majorer f 2 laide de |f| en utilisant f borne.
Considrer, par exemple, f : ]0 ; 1] R, x x3/4 .
3.9
a) Situer les improprits.
Pour In et Kn :
1
1 + t + tn
t +
1
.
tn
Pas dimproprit pour Jn .
b) 1) Majorer convenablement |Jn J|.

b) 2) Immdiat.
c), d) Immdiats.
a) Pour n N fix, situer limproprit et indiquer sur
quel intervalle la fonction considre est continue.
3.10
convergence.
Utiliser un quivalent ou une majoration.
c) Considrer la fonction oppose.
b) Encadrer convenablement la fonction qui est dans lintgrale.
1 mthode : Comparer ln x lexemple de Riemann en 0.

re
2e mthode : Calculer une primitive de x ln x.
3.5
a) Calculer
0
1
dx puis faire tendre X vers +.
(x + 1)2
b) Intgrer par parties sur [ ; 1], puis faire tendre vers 0.

c) Intgrer par parties sur [0 ; X], puis faire tendre X vers +.
$
d) Calculer
1
1
3
4

x2 x3 x4
3.11
a) Pour x R fix, situer limproprit et indiquer sur

1
est continue.
1 + t + tx+1
Dterminer un quivalent simple de (t) lorsque t + , en
sparant en cas : x > 0, x = 0, x < 0.
quel intervalle la fonction : t
b) Pour ltude en 0, minorer convenablement f(x).

Pour ltude en +, majorer convenablement f(x).
c) Revenir la dfinition dune fonction dcroissante.

d) Immdiat.
79
Chapitre 3
3.12

a) Considrer, par exemple, x3/2 f(x).
Non-convergence absolue :
b) Considrer, par exemple, xf(x).

ln x
, note g(x), puis considrer, par exemple,
x3/2
c) f(x)
x 5/4 g(x).
x +
d) Utiliser une expression conjugue, puis prendre un quivalent lorsque x + .

e) Utiliser une expression conjugue, puis prendre un quivalent lorsque x + .
f)
f(x)
x +
2
x3/2 e 3x ,
note g(x), puis considrer, par
exemple, x g(x).
g) f(x)
x 2 g(x).
x +
x2 e x , note g(x), puis considrer, par exemple,
h) Considrer, par exemple, x2 f(x).
3.13
Situer la ou les improprits et indiquer sur quel intervalle la fonction f considre est continue.
1
t2 + 1
.
+ e t t + t2
b) Changement de variable t = x, puis considrer, par
exemple, t2 (t e t ).
a) Changement de variable t = x, puis
t4
c) Passer la fonction oppose, puis considrer, par exemple,

ln x
x 3/4 .
x
d) Remarquer que, pour tout x ] ; 1] : e x e .
3
e) Considrer, par exemple, x2 f(x).
3.14
Situer les improprits et indiquer sur quel intervalle la

tude en 0 :
Utiliser des dveloppements limits lorsque x tend vers 0 et ob1+a 1+b
b
+ o (1).
tenir :
f(x) = 2 +
x 0
x
2
x
En dduire un quivalent simple de f(x) lorsque x tend vers 0,

en sparant en cas selon que les coefficients qui interviennent
successivement sont nuls ou non.
tude en + :
Majorer convenablement |f(x)| et utiliser labsolue convergence.
3.15
a) 1) Calculer une primitive et revenir la dfinition

dune intgrale divergente.
$ 2n+
2 cos x
a) 2) Minorer convenablement
dx, pour n N , et
x
2n
raisonner par labsurde.
## cos x ##
b) Majorer ## ## et faire intervenir labsolue convergence.
x
c) Convergence :
80
Utiliser une intgration par parties sur [1 ; X], puis faire tendre
X vers +, en utilisant le rsultat de b) appliqu + 1 la
place de .
Remarquer : x [1 ; +[, | cos x| cos2 x et linariser cos2 x.
3.16
a) 1) Existence : Situer limproprit et indiquer sur

quel intervalle la fonction f considre est continue, et
1
.
f(x)
x + x 2
1
1
1
a) 2) Calcul : Remarquer
=
,
(x + 1)(x + 2)
x+1 x+2
$ X
1
1

calculer
x
+
1
x
+
2
0
$ X
ln x
b) Calculer
dx laide dune intgration par parties,
x2
1
puis faire tendre X vers +.
$ 1
c) Soit a ] 1 ; +[ fix. Calculer
xa ln x dx laide dune
intgration par parties, puis faire tendre vers 0.
3.17
a) Existence de In :
Pour n N , situer limproprit, indiquer sur quel intervalle

1
est continue, et utiliser le thola fonction fn : x
(1 + x2 )n
rme de majoration ou le thorme dquivalence.
Existence de Jn :
Pour n N , situer les improprits et indiquer sur quel interln x
est continue.
valle la fonction gn : x
(1 + x2 )n
En 0, utiliser un quivalent puis un calcul de primitive.
En +, former x3/2 gn (x).
b) 1) Effectuer une intgration par parties sur [0 ; X] puis faire

tendre X vers +.
b) 2) Intercaler les facteurs pairs manquants.
c) 1) Effectuer une intgration par parties sur [ ; X], puis faire
tendre vers 0 et X vers +.
c) 2) Immdiat, en utilisant le rsultat de lexercice 3.29.
3.18
a) Situer limproprit et indiquer sur quel intervalle la

2
fonction fn : x xn e x /2 est continue, et considrer, par
2
exemple, x fn (x).
$ A
b) Calculer
fn (x) dx laide dune intgration par parties,
0
puis faire tendre A vers +.
c) Rappeler une densit de la loi normale centre rduite.

d) Remarquer que la fonction x x e x
2
fonction, x e x /2 .
/2
est la drive de la
e) Immdiat, en utilisant b), c), d).

f) Remarquer un argument de parit ou dimparit.
Du mal dmarrer ?
3.19

fonction considre est continue.
tude en 0 :
Utiliser des dveloppements limits lorsque x tend vers 0.
tude en + :
c) 4) Utiliser le thorme dquivalence pour les sries

termes 0.
3.23
a) Pour x J, situer limproprit, indiquer sur quel intervalle la fonction considre est continue, et, lorsque t tend
vers 0, utiliser un quivalent.
e ax
.
x
b) 1) Utiliser le changement de variable y = ax dans la premire
intgrale et le changement de variable y = bx dans la seconde.
b) Minorer 1 + t par 1.
b) 2) Utiliser la linarit de lintgration.
c) 1) Revenir la dfinition dune fonction dcroissante.
c) 1) Montrer que h est continue sur ]0 ; +[ et que h est continue en 0.
c) 2) Revenir la dfinition de f(x) et de f(x + 1).
c) 2) Remplacer e y par 1 (1 e y ) et faire intervenir h.
d) 1), 2) Immdiats.
d) Pour X > 0 fix, faire tendre vers 0.

$ bX y
e
dy 0 et conclure.
e) Montrer que
X +
y
aX
d) 3) Utiliser c) 2) et d) 2) appliqu x + 1 la place de x.
Majorer convenablement
3.20
a) 1) Dvelopper ( )2 .

a) 2) Appliquer 1) (, ) = |f(x)|, |g(x)| .
3.21

e t
e t
fonction f : t
est continue, et utiliser 0
e t
t
t
pour t 1.
b) Relation de Chasles.
c) Linarit de lintgration de x 1.
d) Montrer que lapplication g : t ]0 ; 1]
1 e t
t
admet une limite finie en 0.

$ 1
1 e t
dt, obtenir :
e) En notant K =
t
0

I(x) = ln x + I(1) K +
Immdiat.
c) 3) Utiliser c)1) et c)2) et le thorme dencadrement.
3.24

x 2n x4n
est continue. Transformer lcrifonction fn : x
1 x2
ture de fn (x) en utilisant une sommation gomtrique.
b) 1) Utiliser un changement dindice pour obtenir la premire
ingalit.
b) Appliquer a)2) avec f 2 la place de g.
o (1).
x 0
a) Pour n N fix, situer limproprit, indiquer

1
est continue, et,
sur quel intervalle la fonction t
(1 + t )n
en +, utiliser un quivalent.
3.22
c) 3) Immdiat.
b) 2) Faire apparatre une somme de Riemann.

b) 3) Immdiat.
3.25
a) Montrer que f admet une limite finie en +, puis montrer que cette limite est 0, et dduire f 0.
$ x
b) tudier, pour x [0 ; +[, lintgrale
f(t) dt pour faire
x/2
apparatre
1
xf(x). En dduire : xf(x) 0.
x +
2
3.26
Montrer dabord que, si deg (P) 0 ou deg (P) 2, alors

lintgrale propose diverge.
Montrer que, si P = aX + b o (a, b) R2 et a 1, alors lintgrale diverge.

Si P = X + b, o b R, utiliser une expression conjugue et
distinguer en cas selon que 4 2b est nul ou non.
3.27
Situer les improprits et indiquer sur quel intervalle la

Minorer convenablement lintgrale.
tude en 0 :
b) 1) Pour n N fix et X [0 ; +[, effectuer une intgration

par parties sur [0 ; X], puis faire tendre X vers +.
Montrer que f admet une limite finie en 0.
b) 2) Dcaler lindice dune unit et ritrer la formule obtenue

en 1).
b) 3) Prendre le logarithme.
Utiliser la divergence de la srie
1
.
k
k1
c) 1) Exprimer Sn et faire apparatre un tlescopage.

c) 2) Prendre le logarithme.
tude en + :
Utiliser des dveloppements limits lorsque x tend vers +,
lexercice 3.15 et la convergence absolue.
3.28

fonction considre est continue.
Pour ltude en +, utiliser des dveloppements limits lorsque

x tend vers +, lexercice 3.15 et la convergence absolue.
81
Chapitre 3
3.29
1) Existence :
Situer limproprit et indiquer sur quel intervalle la fonction f

considre est continue.
tude en 0 :

Considrer x f(x) .
c) Pour ltude lorsque x tend vers 0, minorer f(x) par une

intgrale de 0 ln x.
Pour ltude lorsque x tend vers +, majorer f(x) convenablement.
$ +
1
du, remarquer :
d) Pour calculer
u(1 + u)
x
tude en + :
u ]0 ; +[,
1
1
1
=
.
u(1 + u)
u 1+u
Considrer x3/2 f(x), ou bien x3/2 g(x) o g(x) est un quivalent

simple de f(x) lorsque x tend vers +.
e) 1) Utiliser d).
2) Calcul :
e) 2) Immdiat.
1
Utiliser le changement de variable t = , qui change les
x
bornes.
e) 3) Calculer f et tudier les variations dune fonction auxiliaire.
3.30
a) Remarquer : t [1 ; +[, 0
e t
e t
e t .

t
t2
e t
e t
b) Majorer 2 par 2 pour t x.
t
x
c) Intgrer par parties sur [x ; X], puis faire tendre X vers +.
f) Immdiat.
3.35
a) Noter, par exemple, S =
n1

tk , et remarquer :
k=0
2S = (1 + tn1 ) + (t + tn2 ) + + (tn1 + 1).
d) Combiner b) et c).
Utiliser :
e) Changement de variable t = u + x, pour x fix.
b) 1) Remarquer que 1 x = 1 (x1/n )n et utiliser une sommation

gomtrique.
3.31
a) Considrer t2 (t e t ).
(, ) (R+ )2 , 2 + 2 2.
b) 2) Utiliser a).
b) Intgrer par parties sur [n ; T ], puis faire tendre T vers +.

c) Dans la dfinition de un ( 1), majorer t1 , cest--dire
1
t .
n
d) Combiner b) et c).
1
t ,
t
par
3.32
a) Pour f(x), situer limproprit et utiliser un quivalent lorsque t 0.

Pour g(x), il ny a pas dimproprit.
Relation de Chasles.
b) Situer limproprit et former un dveloppement limit

lordre 2 pour obtenir un quivalent.
c) Combiner a) et b).
3.36
1) Existence :
Situer limproprit et indiquer sur quel intervalle la fonction f

considre est continue.
tude en 0 : Montrer que f admet une limite finie en 0.
tude en + : Majorer f convenablement.
2) Calcul :
Pour (, X) fix, effectuer une intgration par parties sur [ ; X],
puis faire tendre vers 0 et X vers +.
3.37
a) Exprimer f (x) laide de
f (t) dt et dduire que
f admet une limite finie en +. Montrer = 0 en raisonnant

par labsurde.
tude en 0 :
b) Montrer que f est borne au voisinage de + et en dduire

une majoration de |ff |.
$ x
c) Exprimer f 2 (x) laide de
(f 2 ) (t) dt et dduire que f 2 ad-
Montrer que fn admet une limite finie en 0.
met une limite finie L en +. Montrer L = 0 comme en a).
a) Pour n N , situer limproprit et indiquer sur quel

intervalle la fonction fn considre est continue.
3.33
tude en 1 :
3.38
Soit b ]a ; +[. Noter c = b a, remarquer

t [0 ; +[, e bt f(t) = e ct e at f(t) ,
Factoriser xn 1 et en dduire que fn admet une limite finie

en 1.
b) Utiliser le changement de variable y = xn .
3.34
a) Utiliser la comparaison lexemple de Riemann en +.
b) Pour (x, y) ]0 ; +[2 fix tel que x < y, tudier les variations
$ T
$ T
t
t
dt
dt.
de D : T [0 ; +[
t
t
0 1+x e
0 1+y e
82
considrer g : [0 ; +[ R, t e at f(t)
$ t
et
G : [0 ; +[ R, t
g(s) ds,
0
exprimer
0
e ct g(t) dt laide dune intgration par parties,
puis faire tendre T vers +.
Du mal dmarrer ?
3.39
a) Voir la solution de lexercice 3.37 a).
b) Effectuer deux intgrations par parties successives.

$ +
c) Utiliser f (x) 0 pour exprimer f (x) dx , utiliser
x +
lingalit triangulaire et les variations de la fonction

x [0 ;
2]
x2
.
2x
2
3.40
a) Pour x ]0 ; +[, situer limproprit et indiquer sur

quel intervalle la fonction f considre est continue. Majorer
convenablement la valeur absolue de la fonction.
b) Pour R, situer les improprits et indiquer sur quel intervalle la fonction considre est continue.
tude en 0 : Utiliser un quivalent.
tude en + : Utiliser un quivalent.
c) Faire intervenir des logarithmes et lever une indtermination.
tude en 0 : Utiliser un quivalent.

tude en + : Utiliser un quivalent.
Utiliser le changement de variable u =
t
.
x
d) 2) Lexistence de c et d est immdiate.

Pour montrer c > 0, soit faire intervenir un thorme gnral
sur les intgrales, soit minorer c convenablement.
e) 1) Immdiat.
x
e) 2) En supposant, de plus, h > , majorer convenablement
2
$
## $ +
##
+
t
t
##
dt
dt##,
2
(x + t)(x + h + t)
(x + t)
0
0
pour dduire que cette expression tend vers 0 lorsque h tend
vers 0.
t
Utiliser le changement de variable u = .
x
e) 3) Intgrer partir du rsultat prcdent.
d) 1) Soit x ]0 ; +[.
Situer limproprit et indiquer sur quel intervalle la fonction considre est continue.
83

Il sagit dintgrales impropres de fonctions 0 et
continues sur un intervalle du type [a ; +[, a R.
3.1
a) Lapplication f : [1 ; +[ R, x
est continue sur [1 ; +[ et f (x)
x +
x x+2
1
0.
x3/2
Daprs lexemple de Riemann en + (3/2 > 1), lintgrale

$
+
1
dx converge.
x3/2
1
Daprs le thorme dquivalence
pour des fonctions 0, on
$ +
1
conclut que lintgrale
dx converge.
1
x x+2
b) Lapplication
f : [0 ; +[ R, x
x +
1
0.
x
1
(x + 1)(x + 2)
$
+
1
1
dx
x
Daprs le thorme dquivalence pour des fonctions 0,

$ +
f (x) dx diverge, puis on conclut
on dduit que lintgrale
1
$ +
1
dx diverge.
que lintgrale
(x + 1)(x + 2)
0
c) Lapplication f : [0 ; +[ R, x
x +
x2 + 1
x5 + 1
1
x2
= 3 0.
x5
x
Daprs
$ +
1
dx converge.
x3
1
Daprs le thorme dquivalence
pour des fonctions 0, on
$
+
dduit que lintgrale

f (x) dx converge, puis on conclut
$ + 2 1
x +1
dx converge.
que lintgrale
x5 + 1
0
1
d) Lapplication f : [2 ; +[ R, x 2
x ln x
e) Lapplication f : [1 ; +[ R, x
84
ln x
x+1
est continue sur [1 ; +[.

On a, pour tout x e : f (x) =
1
x+1
Et :
x +
1
ln x

.
x+1
x+1
1
0.
x
+
e
diverge.
1
dx
x
Par
thorme dquivalence pour des fonctions 0, lintgrale
$ +
1
dx diverge.
x
+
1
e
Par thorme
$ + de minoration pour des fonctions 0, lintgrale
f (x) dx diverge, et on conclut que lintgrale
e
$ +
ln x
dx diverge.
x
+1
1
f) Lapplication f : [0 ; +[ R, x
1
x ex +1

On a : x [1 ; +[, 0 f (x)
$
Lintgrale
1
1
x = e x .
x ex
e
e x dx converge car, pour X 1 :
e x dx = [ e x ]1X = e X + e 1
X +
e 1 .
Par
thorme de majoration pour des fonctions
0, lintgrale
$ +
$ +
1
1
dx converge, puis lintgrale
dx
x +1
x +1
x
e
x
e
1
0
converge.
g) Lapplication f : [0 ; +[ R, x
1
1
2.
x2 ln x
x
1
dx
x2
Daprs$le thorme de majoration pour des fonctions 0, lin+

f (x) dx converge, puis on conclut que lintgrale
tgrale
e
$ +
1
dx converge.
x2 ln x
2
est continue sur [2 ; +[ et, pour tout x e :

0 f (x) =
Daprs lexemple de Riemann en +, lintgrale

diverge.
$
converge.
ex
x+1
On a : x [0 ; +[, f (x)
1
x+1
et :
1
0
x+1
x +
1
0.
x

1
diverge.
1
dx
x
Par
$ +
1
dx diverge.
x
+
1
1
Par thorme
$ + de x minoration pour des fonctions 0, line
tgrale
dx diverge et on conclut que lintgrale
x
+1
1
$ +
x
e
dx diverge.
x
+1
0
x ex +1
x e 2x + 1
h) Lapplication f : [0 ; +[ R, x
est continue sur [0 ; +[ et : f (x)
$
Lintgrale
x ex
= e x 0.
x e 2x
x +
e x dx converge, car, pour X 0 :
t [0 ; +[, 0
On a :
$
Lintgrale
e t dt converge, car, pour T 0 :
e t dt = [ e t ]T0 = e T + 1
e x dx = [ e x ]0X = e X + 1
X +
1.
Par thorme dquivalence

pour des fonctions 0, on conclut
$ +
x ex +1
que lintgrale
dx converge.
x e 2x + 1
0
continues sur un intervalle qui nest pas du type [a ; +[, cest-dire qui est du type ] ; b], ]a ; b], [a ; b[, o (a, b) R2 .
3.2
a) Lapplication f : ] ; 0] R, x
est continue sur ] ; 0]. On a : f (x)
1
x4 + x + 1
1
.
x4
Daprs lexemple de Riemann en (4 > 1), lintgrale

$ 1
1
dx converge.
4
x
Par thorme dquivalence pour des fonctions 0, lin$ 1
f (x) dx converge, et on conclut que lintgrale
tgrale
$ 0
1
dx converge.
4 + x+1
x
b) Lapplication f : ] ; 0] R, x
est continue sur ] ; 0].
ex
x1
1.
T +
Par
$ +
e t
dt converge.
t+1
0
En passant la fonction oppose, puis par le changement de
$ 0
ex
variable t = x, on conclut que lintgrale
dx
x 1
converge.
,
est continue sur ]0 ; 1].
e t
e t .
t+1
c) Lapplication f : ]0 ; 1] R, x
Par le changement de variable t = x, lintgrale pro$ 0

ex
dx est de mme nature que lintgrale
pose
x
1
$ +
t
e
dt.
t+1
0
On a :
f (x)
x 0
x2 + 2
x2 + x
2
2
= 1/2 0.
x
x
Daprs lexemple de Riemann en 0 (1/2 < 1), lintgrale

$ 1
1
dx converge.
1/2
x
0
$ 1, 2
x +2
dx converge.
que lintgrale
x2 + x
0
d) Lapplication f : ]0 ; 1] R, x
x+1
x2 + 2x

On a :
f (x)
x 0
1
0.
2x
Daprs lexemple de Riemann en 0, lintgrale

$ 1
1
verge, donc lintgrale
dx diverge.
2x
0
1
0
1
dx dix
Par thorme dquivalence pour des fonctions 0, on conclut

$ 1
x+1
dx diverge.
que lintgrale
2 + 2x
x
0
e) Lapplication f : ]0 ; 1] R, x
ln x
x4 + x2
est continue sur ]0 ; 1] et valeurs 0.

85
Chapitre 3
Par passage la fonction oppose, lintgrale propose est de

$ 1
ln x
dx.
mme nature que lintgrale
4 + x2
x
0
On a :
x ]0 ; 1/ e ], ln x 1,
donc :
x ]0 ; 1/ e ],
1
x4 + x2
Et :
1
ln x
4
0.
x4 + x2
x + x2
x 0
1
0.
x2
Par thorme dquivalence pour des fonctions 0, lintgrale

$ 1
1
dx diverge.
4 + x2
x
0
Par thorme de minoration pour des fonctions 0, lintgrale
$ 1
ln x
dx diverge.
4
2
0 x + x
Par passage la fonction oppose, on conclut que lintgrale
$ 1
ln x
dx diverge.
4
2
0 x + x
x ln x
f (x) =
x ln x 0,
Puisque f admet une limite finie en 0, on conclut, daprs le

$ 1
x ln x dx converge.
cours, que lintgrale
0
donc convergente.
f (x) 0.
sin x
dx est absolument convergente,
x2
sin x + cos x
x3 + 1
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
| f (x)| =
| sin x + cos x| | sin x| + | cos x|

2
2

3/2 .
3
3
3
x
x +1
x +1
x +1
Daprs
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
1
dx converge.
x3/2
1
Par
$ +
1
donc convergente.
Enfin, on conclut que lintgrale

0
converge.
1
ln x
=
, et
(ln x)2
ln x
c) Lapplication f : [0 ; +[ R, x e x sin x
1
0, donc :
ln x x 0
x [0 ; +[, | f (x)| = e x | sin x| e x .

$
Lintgrale
e x dx converge car, pour X 0 :
x 0
e x dx = [ e x ]0X = 1 e X
Puisque f admet une limite finie en 0, on conclut, daprs le

$ 1
1 + ln x
dx converge.
cours, que lintgrale
2
0 1 + (ln x)
Il sagit dintgrales impropres de fonctions signe variable, continues sur un intervalle du type [a ; +[, a R.
sin x
x2
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
86
1
| sin x|
2.
x2
x
X +
1.
Par
$ +
3.3
| f (x)| =
sin x + cos x
dx
x3 + 1
est continue sur [0 ; +[ et :

x 0
b) Lapplication f : [1 ; +[ R, x
1 + ln x
g) Lapplication f : ]0 ; 1] R, x
1 + (ln x)2
f (x)
x 0
par prpondrance des puissances sur le logarithme.
On a :
Ainsi, lintgrale

On a :
Par
$ +
Ainsi, lintgrale
Daprs lexemple de Riemann en 0 (2 1), lintgrale

$ 1
1
dx diverge.
2
x
0
f) Lapplication f : ]0 ; 1] R, x
Daprs
$ +
1
dx converge.
x2
1
donc convergente.
Ainsi, lintgrale
0
cos x
e x + cos x
est continue sur [0 ; +[ comme quotient de fonctions dont
le dnominateur ne sannule pas, car, pour tout x ]0 ; +[,
d) Lapplication f : [0 ; +[ R, x
on a e x > 1 et cos x 1, donc e x + cos x > 0, et, dautre

part, e 0 + cos 0 = 2 > 0.
b) Lapplication x e x cos x est continue sur ] ; 0],

lintgrale est impropre la borne .
On a :
Par le changement de variable t =$ x, lintgrale propose est

+
e t cos t dt, qui est imde mme nature que lintgrale
1
1
| cos x|
x
x
e x + cos x
e + cos x
e 1
x [1 ; +[, | f (x)| =
1
ex 1
et :
$
Lintgrale
x +
1
= e x .
ex
On a :
$
dx =
[ e x ]1X
= e
X +
e .
Par
$ +
1
dx converge.
x 1
e
1
Par
$ +
1
Ainsi, lintgrale
donc convergente.
On conclut que lintgrale

0
cos x
dx converge.
e x + cos x
3.4
Il sagit dintgrales impropres de fonctions signe

variable, continues sur un intervalle qui nest pas du type
[a ; +[, a R.
sin3 x
est continue sur ] ; 1], lina) Lapplication x
x2
tgrale est impropre la borne .
Par le changement de variable t = x, lintgrale propose
$ +
sin3 t
dt, qui est imest de mme nature que lintgrale
t2
1
propre la borne +.
e t dt converge car, pour T 0 :
e t dt = [ e t ]T0 = 1 e T
## sin3 t ## 1
t [1 ; +[, ## 2 ## 2 .
t
t
Daprs
lexemple de Riemann en +, (2 > 1) lintgrale
$ +
1
dt converge.
t2
1
Par le thorme de majoration pour des fonctions 0, lint$ + # 3 #
## sin t ##
grale
# 2 # dt converge.
t
1
$ +
sin3 t
dt est absolument convergente,
Ainsi, lintgrale
t2
1
donc convergente.
$ 1
sin3 t
dt converge.
t2
T +
1.
Par
$ +
| e t cos t| dt converge.
0
Ainsi, lintgrale
e t cos t dt est absolument conver-
gente, donc convergente.

$
e x cos x dx converge.
On a :
$
0
t [0 ; +[, | e t cos t| e t .
Lintgrale
dx converge car, pour X 0 :
propre la borne +.
c) Lapplication f : x ln(2x + 3 sin x) est continue sur

]0 ; ], lintgrale propose est impropre la borne 0.
On a, par dveloppement limit lorsque x 0 :

f (x) = ln 2x + 3 x + o(x) = ln 5x + o(x)

= ln x + ln 5 + ln 1 + o(1)
do :
f (x)
x 0
x 0
ln x,
ln x 0.
1re mthode : comparaison lexemple de Riemann
On a :
x f (x) x ln x 0.
x 0
x 0
Il existe donc a ]0 ; ] tel que :
x ]0 ; a], x f (x) 1,
puis :
1
x ]0 ; a], 0 f (x) .
x
Daprs
lexemple de Riemann en 0 (1/2 < 1), lintgrale
$ a
1
dx converge.
x
0
Par
$ a thorme de majoration pour des fonctions 0, lintgrale
f (x) dx converge.
0
$ a
En passant la fonction oppose, lintgrale
f (x) dx
0
$
converge, et on conclut que lintgrale
ln(2x + 3 sin x) dx
0
converge.
87
Chapitre 3
2e mthode : utilisation dune primitive
c) Lapplication x x e x est continue sur [0 ; +[.
On a, pour ]0 ; 1] :
$ 1
%
&
ln x dx = (x ln x x) 1 = 1 ln + 1,
Soit X [0 ; +[. On a, par une intgration par parties, avec
u = x
v = e x
par prpondrance de la puissance sur le logarithme.

$ 1
ln x dx converge.
Ceci montre que lintgrale
0

$ 1
f (x) dx converge.
o u, v sont bien de classe C 1 sur le segment [0 ; X] :

$
$ 1
En passant la fonction oppose, lintgrale
f (x) dx
0
$
converge et on conclut que lintgrale
ln(2x + 3 sin x) dx
0
converge.
3.5
x e x dx = [x e x ]0X +
e x dx
= [x e x ]0X + [ e x ]0X = X e X e X + 1
X +
1.
Ceci montre que lintgrale propose converge et que

$ +
x e x dx = 1.
0
1
a) Lapplication x
(x + 1)2
On a, pour tout X [0 ; +[, par un calcul simple de primitive :
$ X
*
1 +X
1
1
dx =
=
+ 1 1.
2
0
X +
(x
+
1)
x
+
1
X
+1
0
Ceci montre que lintgrale propose converge et que
$ +
1
dx = 1.
(x + 1)2
0
b) Lapplication x ln x est continue sur ]0 ; 1].
Soit ]0 ; 1] fix.
une intgration par parties, avec
Eectuons
u = ln x
u = x
v = 1
v = x
o u, v sont bien de classe C 1 sur le segment [ ; 1] :
$ 1
$ 1
ln x dx = [x ln x]1
1 dx = [x ln x]1 [x]1
&
= x ln x x 1 = 1 ln + .
Par prpondrance de la puissance sur le logarithme :

ln 0.
0
d) Lapplication x
On a, pour X 1 :
$
x2 3x 4
x4
$ X
x2 3x 4
1
3
4
dx
=
3 4 dx
4
2
x
x
x
x
1
1
$ X
* x1
x2
x3 +X
=
3
4
(x2 3x3 4x4 ) dx =
1
2
3 1
1
* 1
4 +X
1
4
3 4
3
3
= + 2 + 3 = +
+
+1
x 2x
3x 1
X 2X 2 3X 3
2 3
3 4
11
1 = .
X +
2 3
6
X
On conclut que lintgrale propose converge et que

$ + 3
11
x 3x 4
dx = .
4
x
6
1
e) Lapplication f : x x4 e x est continue sur [0 ; +[.
Lutilisation dtaille dintgrations par parties successives serait ici assez longue. Cependant, il est clair, par intgrations
par parties successives, quune primitive de f est de la forme
g : x (ax4 + bx3 + cx2 + dx + k) e x , o (a, b, c, d, k) R5
est calculer.
En drivant g, on obtient, pour tout x [0 ; +[ :
Do :
ln x dx 1.
0
Ceci montre que lintgrale propose converge et que :

$ 1
ln x dx = 1.
0
88
u = 1
v = e x
g (x) = (ax4 + bx3 + cx2 + dx + k) e x

+ (4ax3 + 3bx2 + 2cx + d) e x
%
= ax4 + (b + 4a)x3 + (c + 3b)x2
&
+ (d + 2c)x + (k + d) e x .
Pour que g soit une primitive de f , il sut que les coecients

soient les mmes :
a = 1
a = 1
b = 4
b + 4a = 0

c = 12
c + 3b = 0
d = 24
d + 2c = 0
k = 24.
k + d = 0
Do, pour X 0 :
$
X
0
Ceci montre quil existe un quadruplet (a, b, c, d) convenant et

un seul :
(a, b, c, d) = (2, 3, 4, 1).
b) Existence :
4
est continue sur
x2 (x + 1)(x + 2)
4
. Daprs lexemple de Rie[1 ; +[. On a : f (x)
4
$ +x + x
1
dx converge. Par thorme dquimann, lintgrale
x4
1
$
X +
24.
Calcul :
On a, pour X [1 ; +[, en utilisant le rsultat de a) :
$ X
$ X
4
1
4
2
3
dx
=
dx
+
2 (x + 1)(x + 2)
2
x
x
x
x
+
1
x
+
2
1
1
* 2
+X
= 3 ln x + 4 ln(x + 1) ln(x + 2)
1
x
x
f) Lapplication x 2
(x + 1)2
Soit X [0 ; +[. On a, par le changement de variable t =
x2 + 1, dt = 2x dx :
1
x
dx =
(x2 + 1)2
2
X 2 +1
1
1 * 1 +X2 +1
1
dt =
2
t
2
t 1

1
1
=
2
+1
2
X +1
X +
1
.
2
f (x) dx
1
converge, autrement dit I existe.
&X
%
x4 e x dx = (x4 + 4x3 + 12x2 + 24x + 24) e x 0

$ +
x4 e x dx = 24.
valence pour des fonctions 0, lintgrale
= (X 4 + 4X 3 + 12X 2 + 24X + 24) e X + 24
f : x
Lapplication
2
3 ln X + 4 ln(X + 1) ln(X + 2) + 2 4 ln 2 + ln 3
X
2
(X + 1)4
= + ln 3
+ 2 4 ln 2 + ln 3.
X
X (X + 2)
Comme :
on a :
ln
(X + 1)4
X 3 (X + 2)
X +
X4
= 1,
X4
(X + 1)4
X 3 (X + 2)
X +
ln 1 = 0.

$ +
x
1
dx = .
2 + 1)2
(x
2
0
On dduit :
3.6
ce qui re-dmontre que I existe.
a) Soit (a, b, c, d) R4 .
On conclut :
f (x) dx
1
2 4 ln 2 + ln 3,
X +
I = 2 4 ln 2 + ln 3.
On a, en rduisant au mme dnominateur :

x [1 ; +[,
a
c
d
b
4
= 2 + +
+
x2 (x + 1)(x + 2)
x
x x+1 x+2

x [1 ; +[, 4 = (a+bx)(x+1)(x+2)+ x2 c(x+2)+d(x+1)
x [1 ; +[, (b + c + d)x3
+ (a + 3b + 2c + d)x2 + (3a + 2b)x + (2a 4) = 0
b+c+d =0
a + 3b + 2c + d = 0

3a + 2b = 0
2a 4 = 0

a = 2, b = 3, c + d = 3, 2c + d = 7

a = 2, b = 3, c = 4, d = 1 .
3.7
a) Soit a R fix.
Lapplication x
1
x
a 2
x2
On a, pour X 1 :
$
X
1
1
a 2
dx =
x2
1
2a a2
3 + 4 dx
2
x
x
x
x
1
$ X
* x1
2
x3 +X
x2
3
2 4
x 2ax + a x dx =
2a
+ a2
=
1
2
3 1
1
2
2
* 1
+
a X
1
a
a2
a
a
= + 2 3 = + 2
+1a+
3
1
x x
X
3
3x
X
3X
X +
1a+
a2
.
3
Ceci montre que lintgrale propose converge et que :

89
Chapitre 3
I(a) = 1 a +
a2
.
3
b) On a, par mise sous forme canonique dun trinme, pour tout

aR:
I(a) =
1 2
1 *
3 2 3 + 1
3 2 1
+
+ .
(a 3a + 3) =
a
= a
3
3
2
4
3
2
4
On conclut que I(a) admet un minimum, atteint lorsque

3
1
a = , et que ce minimum est gal .
2
4
b) 1) On a, pour tout n N \ {0, 1} :

## $
|Jn J| = ##
$
=
0
Comme
3.8
1
dt
1 + t + tn
|Jn J| 0.
n
b) 2) Il en rsulte :
On a alors :

2
x ]0 ; 1], 0 f (x) = | f (x)| | f (x)| M| f (x)|.
$ 1
| f (x)| dx converge, par multiplication
Puisque lintgrale
0
$ 1
par la constante M, lintgrale
M| f (x)| dx converge, puis,
0
par thorme de majoration pour des fonctions 0, lintgrale

$ 1

2
f (x) dx converge.
1
0, on dduit, par encadrement :
n + 1 n
Puisque f est borne, il existe M R+ tel que :

x ]0 ; 1], | f (x)| M.
##
1
dt##
0
0 1+t
$ 1
n
* tn+1 +1
t
1
tn dt =
=
dt

.
n
(1 + t)(1 + t + t )
n+1 0 n+1
0
1
Jn J =
n
%
&
1
dt = ln(1 + t) 10 = ln 2.
1+t
1
1
n,
1 + t + tn
t
$ +
1
do, puisque les intgrales Kn et
dt convergent :
tn
1
c) 1) On a : n N \ {0, 1}, 0
Le rsultat ne subsiste pas si lon ne suppose pas f borne. Par exemple, pour f : ]0 ; 1] R, x x3/4 , daprs
$ 1
| f (x)| dx converge
lexemple de Riemann en 0, lintgrale
0
$ 1

2
f (x) dx diverge, car
car 3/4 < 1, mais lintgrale
0

f (x) 2 = x3/2 et 3/2 1.
3.9
fn (t)
t +
1
0.
tn
Daprs
lexemple de Riemann en + (n > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
tn
1
$ +
fn (x) dx converge.
fonctions 0, lintgrale
1
On a, par la relation de Chasles : In = Jn + Kn .

$
J=
0
90
c) 2) Comme
1
on dduit de 1) :
* tn+1 ++
1
1
dt =
=
,
n
t
n + 1 1
n1
n N \ {0, 1}, 0 Kn
1
.
n1
1
dt
1+t
d) Daprs a), b), c), on a : In = Jn + Kn ln 2 + 0 = ln 2.

n
On conclut : lim In = ln 2.
n
3.10
a) Soit n N .
1
est continue sur [1 ; +[,
(1 + x3 )n
donc In est une intgrale impropre la borne + (seulement).
Lapplication fn : x
On a :
Ceci montre que Kn existe, et ensuite In existe.
t
1
dt.
tn
1
est continue sur [0 ; +[,
Lapplication fn : t
1 + t + tn
donc In est impropre la borne +, Jn existe, Kn est impropre
la borne +.
b) Lintgrale
En faisant tendre lentier n vers linfini, on conclut, par encadrement : lim Jn = 0.
a) Soit n N \ {0, 1}.
On a :
$
n N \ {0, 1}, 0 Kn
existe, car lapplication
1
est continue sur le segment [0 ; 1].
1+t
fn (x)
1
1
= 3n 0.
(x3 )n
x
Daprs
$ + lexemple de Riemann en + (3n > 1), lintgrale
1
dx converge, donc, par thorme dquivalence pour
3n
x
1
des fonctions 0, lintgrale In converge.
b) On a : n N , x [1 ; +[, 0
1
1
3n ,
(1 + x3 )n
x
do, avec des intgrales convergentes :
* x3n+1 ++
1
1
.
dx =
=
3n
x
3n + 1 1
3n 1
n N , 0 In
Comme
1
+, on dduit : f (x) +.
x 0
3x x 0
On a :
x ]0 ; +[, 0 f (x) =
1
Comme
3n 1 n
lim In = 0.
3.11
Comme
a) Soit x R.
Lapplication : t
1
1 + t + tx
1er cas : x > 0

On a :
(t)
t +
1
0.
t x+1
Daprs lexemple de Riemann en + (x + 1 > 1), lintgrale

$
+
1
dt converge.
x+1
t
1
Par
thorme dquivalence pour des$fonctions 0, lintgrale
$ +
+
(t) dt converge, donc f (x) =
(t) dt existe.
1
1
x
x +
1
dt
1 + t + t x+1
$ +
* tx ++ 1
1

dt =
= .
x+1
t
x 1
x
1
0, on dduit : f (x)
x +
0.
c) Soit (x, y) ]0 ; +[2 tel que x y.

On a : t [1 ; +[,
1
1

,
1 + t + t x+1
1 + t + ty+1
donc, avec des intgrales convergentes :

$ +
$ +
1
1
dt

dt,
1 + t + t x+1
1 + t + ty+1
1
1
cest--dire : f (x) f (y).
On conclut que f est dcroissante.
d)
2e cas : x = 0
On a :
(t)
t +
1
0.
2t

1
diverge.
1
dt
2t
Par
thorme dquivalence pour des
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1

continues sur un intervalle [a ; +[, a R.
3.12
3 cas : x < 0
e
On a :
(t)
t +
1
0.
t

1
diverge.
1
dt
t
Par
thorme dquivalence pour des
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1
On conclut : f (x) existe si et seulement si x ]0 ; +[.
ln x
x2
est continue sur [1 ; +[ et valeurs 0.

On a :
x3/2 f (x) = x3/2
ln x ln x
= 1/2
x2
x
x +
0,

Il existe donc a [1 ; +[ tel que :
x [a ; +[, 0 x3/2 f (x) 1,
b) On a :
$
x ]0 ; +[, f (x) =
1
1
dt
1 + t + t x+1
$ +
1 * tx ++
1
1
dt
=
=
.

x+1
1
3t
3
x
3x
1
do :
x [a ; +[, 0 f (x)
1
.
x3/2
Daprs
1
dx converge.
3/2
x
a
91
Chapitre 3
Par thorme
$ + de majoration pour des fonctions 0, linf (x) dx converge, et on conclut que lintgrale
tgrale
a
$ +
ln x
dx converge.
x2
1
1
b) Lapplication f : [2 ; +[ R, x
x ln x
x f (x) = x
x
1
=
x ln x ln x
+,
x +

Il existe donc a [2 ; +[ tel que : x [a ; +[, x f (x) 1,
do :
x [a ; +[, f (x)
1
0.
x

a
diverge.
1
dx
x
Par thorme
$ + de minoration pour des fonctions 0, lintgrale
f (x) dx diverge et on conclut que lintgrale
a
$ +
1
dx diverge.
x
ln x
2
c) Lapplication f : [1 ; +[ R, x
x3
f (x)
x +
+1
ln x
ln x
= 3/2 0
3
x
x !"
et :
ln x
x g(x) = 1/4
x
x +
f : [1 ; +[ R, x
x2 + 1

$
+
1
dx converge.
x5/4
a
Par thorme
$ + de majoration pour des fonctions$ + 0, lintgrale
g(x) dx converge, puis lintgrale
g(x) dx
a
1
converge.
$ +
ln x
que lintgrale
dx converge.
1
x3 + 1
x2 + x + 3
On a, par une expression conjugue, pour x [1 ; +[ :
x [a ; +[, 0 x5/4 g(x) 1,

1
.
x5/4
x2 + 3x + 1
x2
92
x2 + 1
e) Lapplication
f (x) =
0,
x [a ; +[, 0 g(x)
Par thorme
$ + dquivalence pour des fonctions 0, lintgrale
f (x) dx diverge, et on conclut que lintgrale
$ + 21
x + x x2 + 1
dx diverge.
0
x2 + x + x2 + 1
do :
x2 + x +
(x2 + x) (x2 + 1)
x [0 ; +[, f (x) =
2
x2 + x + x2 + 1
x1
x1
=
,
2 = ,
2
2
x + x+ x +1
1
1 2
x2
1+ + 1+ 2
x
x
1
x
=
0.
x + 4x2
4x
$ +
1
dx
x
1
diverge.
not g(x)
5/4
x2 + x
ln x

On a :
f : [0 ; +[ R, x
On a, laide dune expression conjugue :

On a :
d) Lapplication
x2
(x2 + 3x + 1) (x2 + x + 3)
2

x + 3x + 1 + x2 + x + 3
2x 2
=
,
,

1
3
x3
1+ + 2 + 1+
x x
2x
=
x + 2x3
3
1
+ 2
x x
1
0.
x2
Daprs
$ +
1
dx converge.
x2
1
pour des fonctions
0, on
$ +
x2 + 3x + 1 x2 + x + 3
dx
conclut que lintgrale
x2
1
converge.
f) Lapplication f : [0 ; +[ R, x x x + 2 e 3x est
continue sur [0 ; +[.
On a :
f (x)
x +
x3/2 !"
e 3x 0.

not g(x)
Et :
x2 g(x) = x7/2 e 3x
x +
0,
par prpondrance
de lexponentielle sur les puissances, pour
la variable x.
par prpondrance de lexponentielle sur les puissances.


x [a ; +[, x2 f (x) 1,
x [a ; +[, x2 g(x) 1,
do :
x [a ; +[, 0 g(x)
do :
1
.
x2
Daprs
$ +
1
dx converge.
x2
a
Par thorme
$ + de majoration pour des fonctions$+0, lintgrale
g(x) dx converge, donc lintgrale
g(x) dx
a
1
converge.
$ + pour des fonctions 0, on conclut
x x + 2 e 3x dx converge.
que lintgrale
1
g) Lapplication f : [0 ; +[ R, x
x4 + 1
x2 e x + 1

On a :
Et :
f (x)
x [a ; +[, 0 f (x)
Daprs
$ +
1
dx converge.
x2
a
Par thorme
$ + de majoration pour des fonctions 0, lintgrale
a
$ +
e x dx converge.
0
3.13
Il sagit dintgrales impropres de fonctions de signe

fixe et continues sur un intervalle qui nest pas du type [a ; +[,
cest--dire qui est du type ] ; b], ]a ; b], [a ; b[, o
(a, b) R2 , ou ] ; +[.
a) Lapplication f : ] ; 0] R, x
x4
= x2 e x 0.
e x !"
x + x2
x2 g(x) = x4 e x
not g(x)
x +
0,
$ 0
Par le changement de variable t = x,
f (x) dx est de
$ + 2
t +1
mme nature que lintgrale
dt.
4 + e t
t
0
!"
not g(t)

x [a ; +[, 0 x2 g(x) 1,
x [a ; +[, 0 g(x)
On a :
1
.
x2
Daprs
$ +
1
dx converge.
x2
a
Par
$ +
g(x) dx converge.
a
Par thorme
$ + a4
x +1
dx converge.
x2 e x + 1
0
h) Lapplication f : [0 ; +[ R, x e
est continue sur [0 ; +[ et 0.
On a :
x2 f (x) = ( x)4 e x
x2 + 1
x4 + e x
est continue sur ] ; 0] et valeurs 0.
do :
1
.
x2
g(t)
t +
1
t2
= 2 0.
t4
t
Daprs
$ +
1
t2
1
$ +
g(t) dt converge, donc linfonctions 0, lintgrale
1
$ +
g(t) dt converge. Par le changement de variable
tgrale
0
$ 0
x2 + 1
t = x, on conclut que lintgrale
dx converge.
4 + e x
x
b) Lapplication f : ] ; 0] R, x x e x
est continue sur ] ; 0].
x e x dx est de
$ +
t e t dt, puis, par pasmme nature que lintgrale
0
x +
0,
sage
$ + la fonction oppose, de mme nature que lintgrale
t e t dt.
0
93
Chapitre 3
t2 (t e t ) = t3 e t
On a :
x ] ; 1], x3 1,
donc :
x ] ; 1], e x e .
Lintgrale
On a :
t +
0,
t [a ; +[, t (t e ) 1,
2
do :
t [a ; +[, 0 t e t
Daprs
$ +
1
dt converge.
t2
a
Par thorme
$ + de majoration pour des fonctions$+0, lintgrale
t e t dt converge, donc lintgrale
t e t dt
a
0
converge.
e dx diverge, car e est une constante non
nulle.
1
.
t2
Par thorme de minoration pour des fonctions 0, lin$ 1

f (x) dx diverge et on conclut que lintgrale
tgrale
$ +
3
e x dx diverge.
Remarque
: Il est donc inutile dtudier la nature de lintgrale
$ +
3
e x dx.
0
e) Lapplication f : ] ; +[ R, x e x
Par passage la fonction oppose et par le changement de va$ 0

x e x dx converge.
riable t = x, on conclut que lintgrale
ln x
c) Lapplication f : ]0 ; 1] R, x est continue sur
x
]0 ; 1] et valeurs 0.
$ 1
f (x) dx est
Par passage la fonction oppose, lintgrale
0
$ 1
ln x
de mme nature que lintgrale
dx.
x
0
On a :
ln x
x3/4 = x1/4 ( ln x) 0,
x 0
x
Il existe donc a ]0 ; 1] tel que :

x ] ; a] [a ; +[, x2 e x 1,
4
x ] ; a] [a ; +[, 0 e x
4
1
.
x2
Daprs
lexemple
$ +de Riemann en (2 > 1), les intgrales
$ a
1
1
dx et
dx convergent.
2
2
x
x
1
ln x
x ]0 ; a], 0 3/4 .
x
x
Daprs
$ a
1
dx converge.
3/4
0 x
Par thorme de majoration pour des fonctions 0, lint$ a
$ 1
ln x
ln x
grale
dx
converge,
donc
lintgrale
dx
x
x
0
0
converge.
Par passage la fonction oppose, on conclut que lintgrale
$ 1
ln x
dx converge.
x
0
d) Lapplication f : ] ; +[ R, x e x
94
par prpondrance de lexponentielle sur les puissances, pour

la variable x4 .
Par thorme
$ a de majoration
$ + pour des fonctions 0, les int4
x4
grales
e dx et
e x dx convergent.
ln x
x ]0 ; a], x3/4 1,
x
est continue sur ] ; +[ et valeurs 0.
do :
do :
est continue sur ] ; +[ et valeurs 0.
4
4
On a :
x2 e x = x4 e x 0,
e x dx converge.
4
3.14
Soit (a, b) R2 fix.
1 e x + a sin x + b cos x
x2
est continue sur ]0 ; +[, donc lintgrale propose est impropre la borne 0 et la borne +.
Lapplication f : x
tude en + :
On a, pour tout x [1 ; +[ :
| f (x)| =
#
1 ##
#1 e x + a sin x + b cos x##
x2
2 + |a| + |b|
1
.
2 1 + e x + |a| + |b|
x
x2
Daprs
$ +
1
dx converge.
x2
1
Par
$ + multiplication par une
2 + |a| + |b|
dx converge.
x2
1
constante,
lintgrale
Par
$ +
1
donc convergente.
On a, en utilisant des dveloppements limits lorsque x tend

vers 0 :

1*
x2
+ o(x2 )
1 1x+
x2
2

+

x2
+ a x + o(x2 ) + b 1
+ o(x2 )
2
+
1*
1+b 2
= 2 b + (1 + a)x
x + o(x2 )
x
2
1+a 1+b
b
+ o(1).
= 2 +
x
x
2
f (x) =
b
. Daprs lexemple de
x2
$ 1
1
Riemann en 0 (2 1), lintgrale impropre
dx diverge.
2
x
0
$ 1
b
Puisque b 0, lintgrale
d diverge. Par le thorme
2
x
0
dquivalence pour des fonctions 0 (si b > 0), pour des fonc$ 1
f (x) dx diverge.
tions 0 (si b < 0), lintgrale
Supposons b 0. Alors f (x)
x 0
Supposons dornavant b = 0. On a donc :
f (x) =
1+a 1+b
+ o (1).
x 0
x
2
1+a
et, par le mme raisonnex
$ 1
f (x) dx diment que ci-dessus, on dduit que lintgrale
0
verge.
Si a 1, alors f (x)
x 0
Supposons dornavant a = 1. On a donc :

1+b
f (x) =
+ o (1),
x 0
2
1+b
.
f (x)
x 0
2
Puisque f admet une limite finie en 0 , daprs le cours, lint$ 1

grale
f (x) dx converge (intgrale faussement impropre).
0
f (x) dx converge si et seulement si

$ +
f (x) dx et
f (x) dx convergent,
$0 1
les deux intgrales
0
on conclut que lintgrale propose converge si et seulement

si : a = 1 et b = 0.
3.15
a) 1) On suppose ici = 0.
X
cos x dx = [sin x]1X = sin X sin 1.
On a : X [1 ; +[,
1
tude en 0 :
cest--dire :
Ainsi, lintgrale
$
Comme lintgrale
On sait que sin X na pas de limite lorsque le rel X

tend vers + ; en eet, par exemple, sin(2n) 0 et
n

1.
sin 2n +
2 n
$ X
cos x dx na pas de limite lorsque X tend
Il en rsulte que
1
vers +.
$ +
cos x dx diverge.
1
On montre de la mme faon que lintgrale
sin x dx
1
diverge.
a) 2) On suppose ici < 0.
On a, pour tout n N :
1
1 et cos x 0,
x
x [2n ; 2n + /2],
donc :
$
2n+ 2
2n
cos x
dx
x
2n+ 2
2n
2n+/2
cos x dx = [sin x]2n
= 1.
Raisonnons
par labsurde : supposons que
$ +
$ +lintgrale
cos x
cos x
dx soit convergente, et notons I =
dx.
x
x
1
1
$ 2n+/2
cos x
Alors :
dx
x
2n
$
2n+/2
=
1
cos x
dx
x
contradiction.
2n
cos x
dx I I = 0,
n
x
cos x
dx diverge.
x
1
$ +
sin x
dx
x
1
diverge.
95
Chapitre 3
b) On suppose ici > 1.

On a :
Daprs lexemple de Riemann en + ( 1), lintgrale

$
+
1
dx diverge.
x
1
## cos x ##
1
x [1 ; +[, ## ## .
x
x
Daprs lexemple de Riemann en + ( > 1), lintgrale

$
+
1
dx converge.
x
1
Par
$ +
## cos x ##
##
## dx converge.
x
1
$ +
cos x
Ainsi, lintgrale
x
1
donc convergente.
$
converge.
+
1
sin x
dx
x
c) On suppose ici 0 < 1.

Convergence :
Pour
X [1 ; +[, eectuons
une intgration par parties, avec

1
= +1
u = x
u = x = x
x
v = sin x
v = cos x
$ X
$ X
* sin x +X
cos x
sin x
dx
=
+
dx
x
x 1
x+1
1
1
$ X
sin x
sin X
=
sin 1 +
dx.
X
x+1
1
## sin x ##
1
1
Dune part : ## ## et 0 (car > 0), donc,
x
X
X X +
sin X
0.
par thorme dencadrement :
X X +
Dautre
part, comme + 1 > 1, daprs b), lintgrale
$ +
sin x
dx converge, donc :
x+1
1
$ X
$ +
sin x
sin x
dx
dx.
+1
X
+
x
x+1
1
1
$ X
$ +
cos x
sin x
Il sensuit :
dx sin 1 +
dx.
X +
x
x+1
1
1
$ +
cos x
dx converge.
x
1
Non-convergence absolue :
On remarque : x [1 ; +[, | cos x| cos2 x,
donc, pour tout x [1 ; +[ :
## cos x ## cos2 x 1 cos 2x
1
cos 2x
##
##
=
=
0.
x
x
2x
2x
2x
96
Par le changement de variable t = 2x, lintgrale

$
+
cos 2x
dx est de mme nature que lintgrale
1
$ + x
cos t
dt. Daprs le point prcdent, cette dernire
t
2
intgrale
est
convergente. Il en rsulte que lintgrale
$ +
cos 2x
dx converge.
x
1
Par addition dune intgrale
et dune intgrale
$ + divergente
cos2 x
dx diverge.
convergente, lintgrale
x
1
Par le $thorme de minoration pour des fonctions 0, lint+ #
## cos x ###
grale
# # dx diverge.
x
1
$ +
cos x
dx nest pas absoluCeci montre que lintgrale
x
1
ment convergente.
$ +
cos x
dx est convergente et non
Finalement, lintgrale
x
1
absolument convergente, on dit quelle est semi-convergente.
$ +
sin x
De la mme faon, on montre que lintgrale
dx
x
1
est convergente et non absolument convergente.
3.16
a) Existence :
1
est continue
(x + 1)(x + 2)
1
sur [0 ; +[. On a : f (x)
0.
x + x2
Daprs
$ +
1
dx converge.
x2
1
Lapplication
f : x
Par thorme
$ + 1
1
dx converge.
(x
+
1)(x
+ 2)
0
Calcul :
On remarque :
x [0 ; +[,
1
1
1
=
.
(x + 1)(x + 2)
x+1 x+2
Soit X [0 ; +[. On a :
$ X
$ X
1
1
1
dx
dx =
x+1 x+2
0 (x + 1)(x + 2)
0
%
& X * x + 1 +X
X+1
1
= ln(x + 1) ln(x + 2) 0 = ln
= ln
ln .
x+2 0
X+2
2
1
1+
X+1
X
ln
= ln
2
X+2
1+
X
Et :
$
donc :
0
1
dx
(x + 1)(x + 2)
X +
X +
ln 1 = 0,
1
ln = ln 2.
2
1
dx converge
(x
+
1)(x
+ 2)
0
(ce
$ +que lon a vu plus haut par une autre mthode) et que :
1
dx = ln 2.
(x
+
1)(x
+ 2)
0
ln x
b) Lapplication f : x 2 est continue sur [1 ; +[, donc
x
lintgrale propose est impropre la borne +.
On a, pour X 1, par une intgration par parties avec
u =
u = ln x
v = 1
v = ,
x2
x
$ X
* ln x +X $ X 1
ln x
dx
=
+
dx
2
x2
x 1
1
1 x
ln X 1
ln X * 1 +X
=
+
+ 1 1,
=
X +
X
x 1
X
X

$ 1
xa ln x dx converge et que :
1
xa ln x dx =
0
3.17
a) Soit n N .
fn : [0 ; +[ R, x
Lapplication
continue sur [0 ; +[ et :
x [1 ; +[, 0 fn (x) =
est
Daprs
$ +
1
dx converge.
x2
1
Par thorme
$ + de majoration pour des fonctions$ +0, lintgrale
fn (x) dx converge, puis lintgrale
fn (x) dx
1
converge, cest--dire que In existe.

Lapplication
gn : ]0 ; +[ R, x
continue sur ]0 ; +[.

tude en 0 :
c) Soit a ] 1 ; +[ fix.
Lintgrale
Lapplication x xa ln x est continue sur ]0 ; 1], lintgrale

propose est impropre la borne 0.
primitive connue, pour ]0 ; 1] :
ln x
(1 + x2 )n
est
On a, pour x ]0 ; 1] :
gn (x) =
$
ln x
(1 + x2 )n
x 0
ln x 0.
ln x dx converge, car, par exemple par une

0
On a, pour ]0 ; 1] fix, par intgration par parties avec
u = x
u = ln x
xa+1
v = xa
v =
a+1
o u, v sont bien de classe C sur le segment [ ; 1] :
$ 1
* xa+1
+1 $ 1 xa+1 1
xa ln x dx =
ln x
dx
a+1
a+1 x
1
1
(1 + x2 )n
1
1
1

2.
(1 + x2 )n
1 + x2
x

$ +
ln x
dx converge et que :
x2
1
$ +
ln x
dx = 1.
x2
1
1
.
(a + 1)2
+1 * xa+1 +1
* xa+1
ln x
a+1
(a + 1)2
a+1 ln
a+1
1
1
+

,
a+1
(a + 1)2 (a + 1)2 0 (a + 1)2
%
&1
ln x dx = x ln x + x = 1 + ln 1.
0

$ 1
gn (x) dx converge.
0
$
converge.
gn (x) dx
0
tude en + :
On a :
x3/2 gn (x) =
x3/2 ln x
(1 + x2 )n
x +
ln x
x3/2 ln x
= 2n3/2
x2n
x
x +
0,
97
Chapitre 3
par prpondrance des puissances sur le logarithme et parce

3
que 2n > 0.
2
En intercalant les facteurs pairs manquant au dnominateur :

In =

x [a ; +[, x3/2 gn (x) 1,
x [a ; +[, 0 gn (x)
do :
1
.
x3/2

$
+
1
dx converge.
3/2
x
1
Par
$ +
gn (x) dx converge.
1
$ +
gn (x) dx et
gn (x) dx
0
1
$ +
gn (x) dx converge,
1
$
Enfin :
I1 =
0
On obtient :
1
dx = [Arctan x]+
.
0 =
1 + x2
2
n N , In =
2 2 .
1)!
(2n 2)!
2n1 (n
c) 1) Pour 0 < X, eectuons une intgration par parties,

avec
2 n
u = (1 + x2 )n = (1 + x )
v = ln x
2nx

2 n1
2x =
u = n(1 + x )
(1
+
x2 )n+1
v = x ln x x
et finalement, Jn existe.
(2n 2)(2n 3) 1
(2n 2)!
I1 =
2 I1 .
(2n 2)2 (2n 4)2 22
2n1 (n 1)!

b) 1) Utilisons une intgration par parties.
Soit X [0 ; +[. On a, avec
2 n
u = (1 + x2 )n = (1 + x )
v = 1
2nx

2 n1
2x =
u = n(1 + x )
(1
+
x2 )n+1
v = x
o u, v sont de classe C 1 sur le segment [0 ; X] :
$
X
0
*
+X
x
1
dx =
+
2
n
2
n
(1 + x )
(1 + x ) 0
X
0
2nx2
dx
(1 + x2 )n+1
$ X
X
(1 + x2 ) 1
+
2n
dx
=
(1 + X 2 )n
(1 + x2 )n+1
1
$ X
$ X
X
1
1
+
2n
dx
2n
dx.
=
2 )n
(1 + X 2 )n
(1
+
x
(1
+
x2 )n+1
0
0
En faisant tendre X vers +, on obtient :
In = 0 + 2nIn 2nIn+1 ,
do :
2nIn+1 = (2n 1)In .
b) 2) On a donc, de proche en proche, pour tout n N :

In =
98
2n 3
2n 3 2n 5
In1 =
In2
2n 2
2n 2 2n 4
2n 3 2n 5
1
= ... =
I1 .
2n 2 2n 4
2
* x ln x x +X $ X 2nx(x ln x x)
ln x
dx
=
+
dx
2 )n
(1 + x2 )n
(1 + x$
(1 + x2 )n+1
X
* x ln x x +X
(1 + x2 1)
=
+ 2n
(ln x 1) dx
2
n
(1 + x )
(1 + x2 )n+1
X ln X X ln
=
(1 + $X 2 )n
(1 + 2 )n $
X
X ln x
ln x
+2n
dx
dx
2
n
2 n+1
$ X (1 + x ) $ X (1 + x )
1
1
dx +
dx .
2 )n
(1
+
x
(1
+
x2 )n+1
En faisant tendre vers 0 et X vers + et en utilisant des prpondrances classiques, on obtient :

Jn = 2n(Jn Jn+1 In + In+1 ) = 2nJn 2nJn+1 2nIn + 2nIn+1
= 2nJn 2nJn+1 2nIn + (2n 1)In = 2nJn 2nJn+1 In ,
2nJn+1 = (2n 1)Jn In .
do :
c) 2) En utilisant b) :
I1 =
,
2
I2 =
I1 = ,
2
4
I3 =
On a J1 = 0 (cf. exercice 3.29).
Puis, en utilisant c) : 2J2 = J1 I1 = ,

2
donc : J2 = ,
4
et : 4J3 = 3J2 I2 = , donc : J3 = .

4
3
3
I2 =
.
4
16
d) Comme x x e x /2 est la drive de la fonction

2
x e x /2 , on a :
$ +
%
2
2 &+
x e x /2 dx = e x /2 0 = 1.
I1 =
2
3.18
a) Soit n N.
Lapplication fn : [0 ; +[ R, x xn e x
2 /2
est continue sur [0 ; +[ et 0.

x2 fn (x) = xn+2 e x
2 /2
On a :
x +
0,
par prpondrance de lexponentielle sur les puissances, pour

la variable x2 /2.
Il existe donc a ]0 ; +[ tel que :
Supposons H p vraie pour un p N fix.
x [a ; +[, x2 fn (x) 1,
x [a ; +[, 0 fn (x)
do :
On a, daprs b) :
1
.
x2

converge.
+
a
1
dx
x2
Par thorme
$ + de majoration pour des fonctions$ +0, lintfn (x) dx converge, puis lintgrale
fn (x) dx
grale
a
converge, cest--dire que In existe.
On a, par intgration par parties avec

2
2
u = x e x /2
u = e x /2
xn+1
v = xn
v =
n+1
o u, v sont bien de classe C 1 sur le segment [0 ; A] :
$ A
+A $ A xn+1
* xn+1
2
2
2
e x /2
(x e x /2 ) dx
xn e x /2 dx =
0
n+1
0
0 n+1
$ A
2
1
An+1 e A /2
2
+
xn+2 e x /2 dx.
=
n+1
n+1 0
Par prpondrance de lexponentielle sur les puissances, pour
2
An+1 e A /2
0.
la variable A2 /2, on a :
A +
n+1
ou encore :
1
In+2 ,
n+1
In+2 = (n + 1)In .
c) Daprs le cours, la loi normale centre rduite admet pour

1
2
densit : R R, x e x /2 ,
2
$ +
1
2
donc
e x /2 dx = 1.
2
Puisque la fonction x e x /2 est paire, on dduit :
,
$ +
2
x2 /2
=
.
e
dx =
I0 =
2
2
0
2
I2(p+1) = I2p+2 = (2p + 1)I2p = (2p + 1)

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

,
2(p + 1) !
= p+1
,
2 2 (p + 1)! 2
I2(p+1)+1 = I2p+3 = (2p + 2)I2p+1 = (2p + 2)2 p p! = 2 p+1 (p + 1)!,
donc H p+1 est vraie.

Ce raisonnement par rcurrence dmontre les formules voulues.
b) Soit A [0 ; +[.
On dduit, en faisant tendre A vers + : In =
e) Montrons, par rcurrence sur p N, la proprit H p sui,

(2p)!
vante :
I2p = p
et I2p+1 = 2 p p!.
2 p!
2
,
H0 est vraie car I0 =

et I1 = 1.
2
f) Soit n N. Lapplication x xn e x
pair, et est impaire si n est impair.
2 /2
est paire si n est
$ 0
2
xn e x /2 dx
$ +
2
xn e x /2 dx, donc
est de mme nature que lintgrale
0
$ 0
$ 0
2
2
lintgrale
xn e x /2 dx converge et
xn e x /2 dx =
$ +
2
xn e x /2 dx.
(1)n
0
$ 0
2
xn e x /2 dx
et
$ +
2
xn e x /2 dx convergent, on dduit, par dfinition, que
0
$ +
2
xn e x /2 dx converge, et on a :
lintgrale
$
Jn =
$
=
xn e x
2 /2
dx
xn e x
2 /2

= 1 + (1)n
dx +
xn e x
2 /2
dx
xn e x
2 /2
dx
(2p)!
2I2p = 2 p p! 2
=
si n est pair, n = 2p
si n est impair.
99
Chapitre 3
3.19
e ax e bx
a) Lapplication f : x
est continue sur
x
]0 ; +[, lintgrale propose est impropre la borne 0 et
la borne +.
c) 1) Dune part, par oprations, lapplication h est continue sur

]0 ; +[.
Dautre part, laide dun dveloppement limit en 0 :
h(y) =
tude en 0 :
On a, par dveloppements limits en 0 :

1 ax + o(x) 1 bx + o(1)
e ax e bx
=
f (x) =
x
x
= (b a) + o(1) b a.
x 0
Puisque f admet une limite finie en 0, daprs le cours, lint$ 1

f (x) dx converge (intgrale faussement impropre).
grale
donc h est continue en 0.

On conclut que h est continue sur [0 ; +[.
c) 2) On a, pour > 0 :
$
x [1 ; +[, 0
On a :
$
Lintgrale
$ X
1 (1 e y )
dy
y
a
$ b
$ b
1
1 e y
dy
dy
=
y
a y
a
$ b
$ b
b
= [ln y]b
h(y)
dy
=
ln
h(y) dy.
a
a
a
a
e ax
e ax .
x
e ax dx converge car, pour X 1 :
* e ax +X
e aX
1
1
.
1
X
+
a
a
a
a
1
Par
$ +
e ax
dx converge.
x
1
$ + bx
e
De mme, lintgrale
dx converge.
x
1
$ +
f (x) dx converge.
Par soustraction, lintgrale
e ax dx =
Enfin, comme les deux intgrales
1
0$
f (x) dx
f (x) dx converge.
b) 1) Soit (, X) ]0 ; +[2 tel que X.

On a, par le changement de variable y = ax :
$ X ax
$ aX y
$ aX y
e
e 1
e
dx =
dy
=
dy.
y
x
a
y
a
a
a
De mme, par le changement de variable y = bx :
$ X bx
$ bX y
e
e
dx =
dy.
x
y
b
b) 2) On a, pour tout (, X) ]0 ; +[ tel que X,
daprs 1) :
$ X ax
$ X bx
$ X ax
e
e bx
e
e
dx =
dx
dx
x
x
x
$ aX y
$ bX y
e
e
=
dy
dy
y
y
a
b
$ bX y
$ aX y
$ bX y
$ b y
e
e
e
e
dy +
dy +
dy
dy
=
y
y
y
y
a
b
bX
b
$ bX y
$ b y
e
e
dy
dy.
=
y
y
a
aX
h(y) dy converge,
0
donc :
$
b
a
h(y) dy =
h(y) dy
a
h(y) dy
b
h(y) dy
0
b
On conclut :
a
Puisque h est continue en 0, lintgrale
f (x) dx et
h(y) dy = 0.
0
e y
b
dy ln .
0
y
a
d) Daprs b)2) et c)2), on a, pour X > 0 fix, en faisant tendre

$ X ax
$ bX y
b
e
e bx
e
vers 0 :
dx = ln
dy.
x
a
y
0
aX
$ + y
e
e) Puisque lintgrale
dy converge (cf. aussi la soy
1
lution de a) ), on a :
$
bX
aX
100
e y
dy =
y
tude en + :

1 1 y + o(y)
1 e y
=
= 1+o(1) 1 = h(0),
y 0
y
y
e y
dy =
y
bX
1
e y
dy
y
$
X +
aX
1
+
e y
dy
y
e y
dy
y
+
1
e y
dy = 0.
y
On
conclut, en faisant tendre X vers + dans le rsultat de d) :
$ +
e ax e (bx
b
dx = ln .
x
a
0
3.20
a) 1) On a, pour tout (, ) (R+ )2 :
1
1
1 2
( + 2 ) = (2 + 2 2) = ( )2 0,
2
2
2
1 2
( + 2 ).
2
donc :
a) 2) Daprs 1) :
&2 %
&2
1 %
f (x) + g(x) .
2
$ +
f 2 et
g2 convergent,
x [a ; +[, | f (x)g(x)|
$
Puisque les intgrales

a
par
$ +addition et multiplication par une constante, lintgrale
1 2
( f + g2 ) converge. Par thorme de majoration pour
2
a
$
+
des fonctions 0, lintgrale
| f g| converge.
b) En appliquant le rsultat
de a)2) avec f 2 la place de g,
$ +
| f |3 converge. Ainsi, lintgrale
on dduit que lintgrale
a
$ +
f 3 est absolument convergente, donc convergente.
Puisque g admet une limite finie en 0, daprs le cours, lin$ 1

1 e t
dt converge (intgrale faussement imtgrale
t
0
propre).
$
x
e
t
est continue sur [x ; +[.
On a : t [1 ; +[, 0 f (t) =
$
On sait que lintgrale
e t
e t .
t
Do, pour x ]0 ; +[ :
$ 1 t
e
I(x) =
dt + I(1) = ln x J(x) + I(1)
t
x

= ln x K + o (1) + I(1)
x 0

= ln x + I(1) K +
e t dt converge, donc, par tho-
rme
$ + de majoration pour des fonctions
$ + 0, lintgrale
f (t) dt converge, puis lintgrale
f (t) dt converge.
1
On conclut que I(x) existe.
x 0
I(x)
ln x.
x 0
x ]0 ; +[, I(x) =
x
=
x
e t
dt +
t
e t
dt
t
$ +
1
1
(1 + t )n
e
dt + J(x) =
t
e t
dt =
t
1
x
e t
dt + I(1).
t
On a :
n N , un =
1 e
t
laide dun dveloppement limit lorsque t 0, on a :
d) Lapplication g : t
g(t) =

1 1 t + o(t)
t + o(t)
=
= 1 + o(1) 1.
t 0
t
t
1
dt
(1 + t )n
!"
0
e
1 e
dt +
dt
t
t
x
x
$ 1
1
dt = [ln t]1x = ln x.
=
x t
1
1
1
= n ,
(t )n
t
Daprs lexemple de Riemann en + (n > 1), lintgrale

$
+
1
dt converge.
tn
1
t +
et n 2 car : (, n) N2 , 2, n 1.
c) On a, pour tout x ]0 ; +[ :
$
1
(1 + t )n
Lapplication t
Par
thorme dquivalence pour des fonctions
0, lintgrale
$ +
$
+
1
1
dt converge, puis lintgrale
dt
(1 + t )n
(1 + t )n
1
0
converge.
b) On a, par la relation de Chasles :
o (1),
x 0
et on dduit, puisque ln x + :
On a :
1 e t
dt .
t
0

!"
1
a) Soit n N .
t
Lapplication f : t
3.22
a) Soit x ]0 ; +[.
1 e t
dt
x 0
t
note K
3.21
e) Daprs c) : J(x) =
1
dt
(1 + t )n
1
0
1
1
dt = > 0,
(1 + 1)
2
n N , un > 0.
donc :
b) 1) Soit n N .
Pour X [0 ; +[, on a, par intgration par parties avec
u = (1 + t )n = (1 + t )
v = 1
101
Chapitre 3
nt1

n1 1
t
=
u = n(1 + t )
(1 + t )n+1
v = t
On conclut (puisque 1 0) : n N , S n =
c) 2) On dduit, pour tout n N \ {0, 1} :
n
* n
1 +
u1
1
1 k=1
k
n
* 1
1 +
nu
= ln
1
1 1
k
k=1
1
n

1
= ln n + ln u1 +
ln 1
k
k=2
o u, v sont de classe C sur le segment [0 ; X] :

$ X
+X $ X
*
1
nt
t
dt
=
+
dt
n
n+1
(1 + t )n 0
0 (1 + t )
0 (1 + t )
$ X
X
(1 + t ) 1
+
n
dt
=
n
(1 + X )
(1 + t )n+1
0
$ X
1
X
+
n
dt
=
(1$+ X )n
(1
+
t )n
0
X

1
dt .
n+1
0 (1 + t )
1
ln S n = ln
et, dauttre part :

n

n

1
=
ln(k 1) ln k
ln 1
k
k=2
k=2
On a, puisque > 0 et n 2 :
X
(1 + X )n
X +
1
X
= n1
X n
X
X +

1
un ,
b) 2) Daprs 1), on a : n N , un+1 = 1
n
ou encore, par dcalage de lindice :

1
un1 .
(n 1)
On en dduit, de proche en proche ou par une rcurrence imn1

1
.
1
mdiate : n N \ {0, 1}, un = u1
k
k=1
b) 3) Comme les rels qui interviennent ici sont > 0, on peut
passer au logarithme, do :
n1

1
.
n N \ {0, 1}, ln un = ln u1 +
ln 1
k
k=1

1
1
ln 1
0.
k k k
1
diverge, par multiplication
Puisque la srie harmonique
k
k1
1
par la constante non nulle , puis par thorme dquivalence

1
ln 1
pour des sries termes 0, la srie
diverge.
k
k1
On a :
Comme cette dernire srie est termes 0 et est divergente,

n1

1
ln 1
il sensuit :
+,
n
k
k=1
donc ln un , puis un 0.
n
tlescopage
do : ln S n = ln u1 +
n *

k=2
ln 1 ln n = ln n,

1
1
ln 1
.
ln 1
k
k
c) 3) On a, lorsque k tend vers linfini :

1 + * 1
1 +
1
1 *
1
ln 1
ln 1
=
+o
+o
k
k
k
k
k
k
1
1 1
+o
,
=
k
!" k
0

1
1 1
1
ln 1
ln 1
.
k
k k k
do :
c) 4) La srie harmonique
1
k1
diverge, donc, par multiplica 11
diverge,
k
puis, par thorme dquivalence pour des sries termes 0,
*

1 +
1
la srie
ln 1
diverge. Comme cette
ln 1
k
k
k2
dernire srie est termes 0 et est divergente, on dduit :
tion par une constante non nulle, la srie
k2
0
n /

1
1
ln 1
+.
ln 1
n
k
k
k=2
Do ln S n +, puis S n +, et on conclut :
n
n
la srie
un diverge.
n1
Remarque :
On pouvait obtenir ce dernier rsultat de faon plus simple, en

remarquant :
$
c) 1) On a, pour tout n N , en utilisant b)1) : do :

( 1)S n = nun+1 .
102
0.
Do, en faisant tendre X vers + : un = n(un un+1 ).

n N \ {0, 1}, un = 1
n
un+1 .
1
un =
0
1
dt
(1 + t )n
!"
0
1
n1/
1
dt
(1 + t )n
1
1
1
1
1 +n = n1/
1 n
n1/ *
1 + 1/
1+
n
n
1 n 1n +o 1n
1 n ln 1+ 1n
= 1/ e
= 1/ e
n
n
e 1
1
= 1/ e 1+o(1) 1/ 0.
n n
n
1
Daprs lexemple de Riemann ( 1 1), la srie
din1/
n1
verge. Par multiplication par une constante non nulle, la srie
e 1
diverge. Par thorme dquivalence pour des sries
n1/
n1

termes 0, on conclut que la srie
un diverge.
n1
3.23
a) Soit x J = ] 1 ; +[.
c) 3) On a, daprs 1) et 2), pour tout x ]0 ; +[ :
2 f (x) f (x) + f (x + 1) =
x+1
2 f (x) f (x 1) + f (x) =
x
x ]0 ; +[,
Do :
Daprs lexemple de Riemann en 0 (x < 1), lintgrale

$ 1
t x dt converge.
$
On conclut que, pour tout x J, lintgrale
converge.
1
0
tx
dt
1+t
b) On a, pour tout x J :
$ 1
$ 1 x
* t x+1 +1
1
t
t x dt =
=
dt
.
0 f (x) =
0
1
+
t
x
+
1
x
+
1
0
0
1
0, on dduit , daprs le thorme
Comme
x + 1 x +
dencadrement : f (x) 0.
x +
c) 1) Soit (x, y) J 2 tel que x y.

t ]0 ; 1], t x ty ,
On a :
do :
t ]0 ; 1],
ty
tx

,
1+t 1+t
c) 2) On a, pour tout x J :
$
f (x) + f (x + 1) =
$ 1 x+1
$ 1 x x+1
tx
t
t +t
dt +
dt =
dt
1+t
0 1+t
0 1+t
0
$ 1
$ 1 x
* t x+1 +1
t (1 + t)
1
t x dt =
=
dt =
.
=
1
+
t
x+1 0 x+1
0
0
1
1
%
&1
dt = ln(1 + t) 0 = ln 2.
1+t
Daprs c) 2) : f (0) + f (1) = ln 2, donc : f (1) = 1 ln 2.

d) 2) Puisque f est dcroissante, on a :
x [0 ; 1], f (1) f (x) f (0),
cest--dire : x [0 ; 1], 1 ln 2 f (x) ln 2.
d) 3) Daprs c)2) : x ] 1 ; +[, f (x) =
1
f (x + 1).
x+1
Daprs 2) : x ] 1 ; 0], 1 ln 2 f (x + 1) ln 2.
1
+ et que f (x + 1) est born lorsque x
x + 1 x 1
1
parcourt ] 1 ; 0], on dduit : f (x)
.
x 1 x + 1
Comme
3.24
a) Soit n N .
Lapplication fn : [0 ; 1[ R, x
x2n x4n
1 x2
est continue sur [0 ; 1[ et, pour tout x [0 ; 1[ :

1 (x2 )n
2n
2 k
=
x
(x
)
=
x2n+2k .
1 x2
k=0
k=0
n1
fn (x) = x2n
puis, en intgrant sur ]0 ; 1] : f (x) f (y).

On conclut : f est dcroissante sur J.
d) 1) On a : f (0) =

$ 1
gx (t) dt converge.
f (x)
x
1 1.
x+1
2x
x
Comme
x + 1 x +
1
f (x)
1, donc : f (x)
.
1
x +
x + 2x
2x
$
tx
est continue sur ]0 ; 1] et vaLapplication gx : t
1+t
1
leurs 0. On a : gx (t) t x = x 0.
t 0
t
1
1
f (x)
.
2(x + 1)
2x
x ]0 ; +[,
donc :
On a donc :
fn (x)
x 1
n1

n1
1 = n.
k=0
Ainsi, fn est continue sur [0 ; 1[ et admet une limite finie

$ 1
fn (x) dx
en 1. Daprs le cours, on conclut que lintgrale
0
converge (intgrale faussement impropre), cest--dire que In

103
Chapitre 3
existe. Et :
$ 1
n1
n1 $

x2n+2k dx =
In =
0
k=0
k=0
x2n+2k dx
0
n1 *
n1

1
x2n+2k+1 +1
=
.
0
2n
+
2k
+
1
2n
+
2k + 1
k=0
k=0
In =
k=0
1
=
2n + 2k + 1
n1

Dautre part : In =
k=0
n

=1
1

2n + 2 1
n

=1
1
.
2n + 2

1
1

.
2n + 2k + 1 k=0 2n + 2k
n1
k=1
n
1
1
=
2n + 2k 2n k=1
1
1+
k
n
f 0.
+
Comme f est dcroissante et de limite nulle en +, il sensuit :

x [0 ; +[, f (x) 0.
$ x
f (t) dt. Puisque
b) tudions, pour x [0 ; +[, lintgrale
x/2
$ x
x
f (t) dt.
f est dcroissante, on a : f (x)
2
x/2
x
f (x).
2
$ +
Puisque f 0 et que lintgrale
f converge, on a :
Puisque f 0, on a :
On conclut :
n

k=1
f (t) dt
f (t) dt.
x/2
x/2
$
0 x f (x) 2
On obtient :
f (t) t.
x/2
f converge, on a :
Puisque lintgrale
$
1
ln 2
.
2n + 2k n
2
x +
x/2
a) Puisque f : [0 ; +[ R est dcroissante, f admet en +

une limite finie ou la limite .
Si f et > 0, alors, comme f et que lint+
+
$ +
dx diverge, on dduit, par thorme dquivalence
grale
0
$ +
f (x) dx diverge,
pour des fonctions 0, que lintgrale
f (x) =
3.26
x +
Si f et < 0, en considrant f , on dduit, comme

+
$ +
f (x) dx diverge, contradiction.
ci-dessus, que lintgrale
0
Si f , alors il existe a > 0 tel que :

+
x [a ; +[, f (x) 1,
x [a ; +[, f (x) 1,
x +
0,
1
.
x
Pour tout P R[X], lapplication
x2 + 4x + 2 P(x)
f : [1 ; +[ R, x
x
x2 + 4x + 2
On a :
contradiction.
0.
Par encadrement, il en rsulte : x f (x)

cest--dire :
3.25
104
b) 3) Daprs 1) et 2), on conclut, par thorme dencadrement :

ln 2
In
.
n
2
donc :
0
1
est continue sur
Lapplication f : [0 ; 1] R, x
1+x
le segment [0 ; 1].
Daprs le cours sur les sommes de Riemann :
$ 1
n
%
&1
1
1 1
dx = ln(1 + x) 0 = ln 2.
k n
n k=1
0 1+ x
1+
n
diverge, contradiction.
On dduit :
b) 2) On a, pour tout n N :
n

1 dx diverge, par thorme de

$ +
f (x) dx
minoration pour des fonctions 0, lintgrale
a
$
+
f (x) dx
diverge, donc en passant loppose, lintgrale
a
b) 1) On a, par le changement dindice = k + 1 :

n1

puis, comme lintgrale
x +
x.
Si deg (P) 0, alors P est une$constante, P = a R, donc

+
f (x) 1, donc lintgrale
f (x) dx diverge.
x +
Si deg (P) 2, alors P est de la forme

P : x an xn + + a0 ,
donc f (x)
x +
o n N, n 2, an 0,
$ +
an xn1 . Comme lintgrale
xn1 dx
diverge (grossirement) et que an
0, lintgrale
an xn1 dx diverge, puis, par thorme dquivalence

$ +
f (x) dx dipour des fonctions de signe fixe, lintgrale
1
verge.
On conclut quil existe un polynme P et un seul convenant :

P = X + 2.
Supposons dornavant deg (P) = 1.

Il existe (a, b) R2 tel que P = aX + b.
On a :
x [1 ; +[, f (x) =
x2
sin x
Lapplication f : x e x 1 est continue sur

]0 ; +[, donc lintgrale propose est impropre la borne 0
et la borne +.
3.27
tude en 0 :
+ 4x + 2 (ax + b)
x
,
4
b
2
= 1+ + 2 a .
x x
x
1 a, et comme lintgrale
Si a 1, alors f (x)
x +
$ +
(1 a) dx diverge, par thorme dquivalence pour des
1
$ +
f (x) dx diverge.
fonctions de signe fixe, lintgrale
On a
sin x
1, donc f (x) e 1.
x 0
x x 0
f (x) dx
Puisque f admet une limite finie en 0, lintgrale

0
converge (intgrale faussement impropre).

tude en + :
Utilisons des dveloppements limits lorsque x + , en

sin x
0 :
remarquant
x x +
Supposons dornavant a = 1. On a, par utilisation dune expression conjugue :
4 2b
Si 4 2b 0, alors f (x)
, et comme lintx
+
x
$ +
1
dx diverge, par thorme dquivalence pour des
grale
x
1
$
+
f (x) dx diverge.
1
Supposons dornavant 4 2b = 0, cest--dire b = 2.
x
donc :
4
2
2
1+ + 2 +1+
x x
x
f (x)
x +
x +
1
0.
x2

converge.
+
1
1
dx
x2
Par
$ +
f (x) dx converge.
converge.
f (x) dx
1
sin x
dx converge.
x
2) On a :
x [1 ; +[, 0
1
sin x
2.
x2
x
Daprs
$ +
1
dx converge.
x2
a
Par thorme de majoration pour des fonctions 0, lintgrale
$ +
sin2 x
dx converge.
x2
1
3) Il existe a [1 ; +[ tel que :
2
1
= 2,
2
2x
x
1
sin x 1 sin2 x
.
+ o
+
x + x2
x
2 x2
On a, pour x [1 ; +[ :
f (x) =
1=
1) Daprs lexercice 3.15, lintgrale
(4 2b)x + (2 b2 )
.
=
,

2
4
b
x2
1+ + 2 +1+
x x
x
sin x
x
(x2 + 4x + 2) (x + b)2
x [1 ; +[, f (x) =

x x2 + 4x + 2 + x + b
fonctions de signe fixe, lintgrale
f (x) = e
## 1 ##
1
x [a ; +[, ##o 2 ## 2 .
x
x
Daprs
$ +
1
dx converge.
x2
a
Par
thorme de majoration pour des fonctions$ 0, lintgrale
$ +
## 1 ##
+ #
## 1 ###
## dx converge, donc lintgrale
##o
#o 2 # dx
2
x
x
a
1
converge.
$ +
1
o 2 dx est absolument convergente,
Ainsi, lintgrale
x
1
donc convergente.
Par
$ +addition de trois intgrales convergentes, lintgrale
f (x) dx converge.
1
105
Chapitre 3
$ +
f (x) dx et
f (x) dx
0
1
$ +
f (x) dx converge.
1
3.28
On a :
donc :
x [0 ; /2[, cos x > 0,
x ]0 ; /2[, x + x cos x > 0.
Par
$ +
## cos3 x ##
##
## dx converge.
x2
1
$ +
cos3 x
Ainsi, lintgrale
x3/2
1
donc convergente.
4) Il existe a [1 ; +[ tel que :
x [/2 ; +[, cos x 1,
donc : x [/2 ; +[, x + x cos x x x > 0.
Ceci montre : x ]0 ; +[, x + x cos x > 0.
## 1 ##
1
x [a ; +[, ##o 3/2 ## 3/2 .
x
x
Dautre part :
cos x
est donc continue sur
x + x cos x
]0 ; +[ et lintgrale propose est impropre la borne 0 et
la borne +.
Lapplication f : x .
tude en + :
Utilisons des dveloppements limits lorsque x + , en
cos x
0 :
remarquant
x x +
1/2
cos x
cos x
cos x
f (x) = .
= 1+
x
x
x + x cos x

1 cos x 3 cos2 x
cos x
1
= 1
+
o
+
2
8 x2
x2
x
x

1
cos x 1 cos2 x 3 cos3 x
+
o
=
+
.
2 x
8 x3/2
x3/2
x
Nous allons tudier la nature des intgrales de ces quatre
termes.
$ +
cos x
1) Daprs lexercice 3.15, lintgrale
dx converge.
x
1
1
cos 2x
cos2 x 1 cos 2x
=
=
.
2) On a : x [1 ; +[,
x
x
2x
2x
Daprs lexercice $
3.15, en utilisant le changement de variable
+
cos 2x
dx converge.
t = 2x, lintgrale
2x
1
$ +
1
Lintgrale
dx diverge.
2x
1
$ +
cos2 x
Par addition , lintgrale
dx diverge.
x
1
3) On a :
## cos3 x ##
1
x [1 ; +[, ## 3/2 ## 3/2 .
x
x
Daprs
lexemple de
$ +
1
dx converge.
x3/2
1
106
Riemann
en
+,
Daprs
1
dx converge.
x3/2
a
Par
thorme de majoration pour des fonctions
$ +
$ +0,# lintgrale
## 1 ##
## 1 ###
## dx converge, donc lintgrale
##o
#o 3/2 # dx
x3/2
x
a
1
converge.
$ +
1
o 3/2 dx est absolument convergente,
Ainsi, lintgrale
x
1
donc convergente.
Par addition de trois intgrales convergentes
et dune intgrale
$
+
divergente, on dduit que lintgrale
f (x) dx diverge.
1
Puisque lintgrale
f (x) dx diverge, il est inutile dexa1
miner la nature de lintgrale lautre borne (0).

$ +
cos x
dx diverge.
.
0
x + x cos x
3.29
1) Existence :
ln x
est continue
Lapplication f : ]0 ; +[ R, x
1 + x2
sur ]0 ; +[, donc lintgrale propose est impropre la borne
0 et la borne +.
tude en 0 :
On a :
et :
x ]0 ; 1], f (x) 0

x ln x
x f (x) =
0,
1 + x2 x 0

Il existe donc a ]0 ; 1] tel que :
x ]0 ; a],

x f (x) 1,
lintgrale
do :
1
x ]0 ; a], 0 f (x) .
x
Daprs
$ a
1
dx converge.
x
0
e t
e t
Les applications t
et t 2 sont continues sur
t
t
[x ; +[.
Par
$ a thorme de majoration pour des fonctions 0 lintgrale
f (x) dx converge, puis, par passage la fonction oppo0
$ a
se, lintgrale
f (x) dx converge.
On a : t [1 ; +[, 0
tude en + :
On a :
f (x)
x +
ln x
0.
2
x!"
note g(x)
et :
x3/2 g(x) =
ln x
x1/2
x +
e t dt converge, donc, par thorme de ma$ + t

e
dt et
joration pour des fonctions 0, les intgrales
1
$ + t
$ + tt
e
e
dt convergent, donc les intgrales
dt et
2
t
t
x
$1 + t
e
dt ce qui montre que I(x) et J(x) existent.
t2
x
1
b) On a :
0,
Il existe donc b [1 ; +[ tel que :
x [b ; +[, 0 g(x)
1
.
x3/2

$
+
1
dx converge.
3/2
x
b
Par
$ +
g(x) dx converge.
b
Par thorme
$ + dquivalence pour des fonctions$+0, lintgrale
f (x) dx converge, donc lintgrale
f (x) dx
b
1
converge.
$ +
$ 1
f (x) dx et
f (x) dx
0
1
$ +
f (x) dx converge.
2) Calcul :
x ]0 ; +[, 0 J(x) =
x
x [b ; +[, x3/2 g(x) 1,
e t
dt
t2
+
x
e t
dt
x2
1
1
1
e t dt = 2 [ e t ]+
= 2 e x .
x
x2 x
x
x
c) Soit x ]0 ; +[ fix.
=
Soit X [x ; +[. Utilisons une intgration par parties, avec
u = t2
v = e t
u = t
v = e t
o u, v sont bien de classe C 1 sur le segment [x ; X] :

$
X
x
* e t +X $ X e t
e t
dt =
dt
t
t x
t2
x
$ X t
e x
e
e X
+
=
dt.
X
x
t2
x
En faisant tendre X vers +, on obtient :

$ + t
$ + t
e x
e
e
dt,
dt =
t
x
t2
x
x
On a, par le changement de variable

1
1
1
t= ,
x= ,
dx = 2 dt :
x
t
t
$ 0 ln 1
$ +
ln x
t 1 dt
dx =
I=
2
1
1+x
t2
0
+
1+ 2
t
$ +
ln t
dt = I,
=
1 + t2
0
cest--dire :
do 2I = 0, et on conclut : I = 0.
puis :
I(x) =
e x
J(x).
x
d) Daprs b), on a : x ]0 ; +[, 0
donc :
3.30
a) Soit x ]0 ; +[.
Lintgrale
do :
e t
e t

e t .
2
t
t
On conclut :
J(x)
e x
x
x +
J(x)
I(x)
= 1 x
e x
e
x
x
I(x)
x +
J(x)
1
,
e x
x
x
0,
x +
1.
e x
.
x
107
Chapitre 3
e) On a, par le changement de variable t = u + x :

$ + u
$ + xt
e
e
du =
dt
u+x
t
0
x
$ + t
1
e
e x
ex
dt
= .
= ex
x
+
t
x
x
x
3.31
d) Daprs c) :
Puis, daprs b) :

n e n = un () un ( 1) = un () + o un () un ().
n
a) Soit (n, ) N R. Lapplication f : t t e t est continue sur [n ; +[ et 0.

t f (t) = t
2
On a :
2+
t +
0,
un () n e n .
On conclut :
a) Soit x ]0 ; +[.
Il existe donc a [n ; +[ tel que : t [a ; +[, t f (t) 1,
Lapplication ]0 ; +[ R, t 4
1
t [a ; +[, 0 f (t) 2 .
t
do :
1
dt
2
t
a
converge. Par thorme
de
majoration
pour
des
fonctions
$ +
f (t) dt converge, et finalement, lint 0, lintgrale
a
$ +
f (t) dt converge.
grale
On conclut que, pour tout (n, ) N R, u(n, ) existe.

b) Soit (n, ) N R. Nous allons utiliser une intgration par
parties sur un segment, puis un passage la limite.
Soit T [n ; +[. On a, par intgration par parties avec

1
u = t
u = t
v = e t
v = e t
o u, v sont bien de classe C 1 sur le segment [n ; T ] :
$ T
$ T
%
&T
t e t dt = t ( e t ) n
t1 ( e t ) dt
n
= T e T + n e n +
t1 e t dt.
En faisant tendre T vers + et en utilisant la prpondrance de

lexponentielle sur les puissances, on obtient :
un () = n e n + un ( 1).
c) Soit (n, ) N R.
Dune part : un ( 1) 0.
Dautre part :
$
un ( 1) =
+
n
3.32
2
108
un ()
.
n

un ( 1) = o un () .
0 un ( 1)
On conclut :
$ +
1 t
t1 e t dt =
t e dt
t
n
$ +
1 t
1
t e dt = un ().

n
n
n
1
sur ]0 ; x] et : 4
4
t + t3
t 0
1
t4
est continue
+ t3
1
1
4 = 3/4 0.
3
t
t
Daprs
$ x
1
dt converge. Par thorme de majoration pour des
3/4
0 t
$ x
1
dt converge, donc
4
4
0
t + t3
$ x
1
dt existe.
f (x) =
4
0
t4 + t3
1
1
est contit
t4 + t3
nue sur le segment [1 ; x]$ (si x 1), sur le segment [x ; 1] (si
x
1
1
dt existe.
0 < x 1), donc g(x) =

4
4
3
t
1
t +t
Lapplication ]0 ; +[ R, t 4
On a :
1
dt
4
4
3
$ x
$0 1 t + t
1
1
dt +
dt
=
4
4
4
3
4
0
1
+t
t + t3
t !"
= f (1)
$ x
$ x
1
1
1
= f (1) +
dt +
dt
4
t
1 t
1
t4 + t3
= f (1) + ln x + g(x).
f (x) =
b) Lapplication h : [1 ; +[ R, t 4
+
continue sur [1 ; +[. On a, au voisinage de + :
t4
1
1
1
1
= ,
h(t) = 4
4
3
t
t
t +t
1
4
t 1+
t

1 +1/4
1 *
1+
=
1
t
t

1 +
11
1 *
1
1
+o
=
t
4t
t
1
1
= 2 +o 2 ,
4t
t
t3
1
est
t
donc :
h(t)
t +
1
.
4t2
Daprs
$ +
1
t2
1
fonctions
la fonction oppose, lint$ + 0, puis par passage
1
1
dt converge.
grale
4
t
1
t4 + t3
$
1
1
dt qui converge daprs b).
4
t
1
t4 + t3
$ x
1
1
dt I,
On a donc : g(x) =
4
x +
4
3
t
1
t +t
c) Notons I =
cest--dire : g(x) = I +
(1).
x +

Daprs a), on a alors : f (x) = ln x + f (1) + I + o(1)
et on conclut :
f (x)
x +
1
0
On a :
par prpondrance des puissances sur le logarithme, donc

$ 1/2
fn (x) dx converge (intgrale faussement imlintgrale
0
propre).
nxn ln x
dx = 0.
xn 1
3.34
a) Soit x ]0 ; +[.
t
Lapplication ux : [0 ; +[ R, t
est conti1+ x et
nue sur [0 ; +[ (le dnominateur ne sannule pas), donc lintgrale propose est impropre la borne +.
De plus : ux 0.
t2 ux (t) =
t3
1+ x et
Il existe donc a ]0 ; +[ tel que :

t [a ; +[, 0 t2 ux (t) 1,
t [a ; +[, 0 ux (t)
do :
1/2
Daprs
$ +
1
dt converge. Par thorme de majoration pour des
t2
a
$
ux (t) dt converge, donc lina
Lapplication
$
D : [0 ; +[ R, T
0
$ 1
fn (x) dx et
fn (x) dx
0
1/2
$ 1
fn (x) dx existe.
convergent, par dfinition, lintgrale In =
1/2
b) Soit n N . On a :
0
impropre).
1
.
t2
b) Soient x, y ]0 ; +[ tels que x < y.
ln x
n
nxn
1 = 1,
= n1
x + + 1 x 1 x 1 n
$ 1
donc lintgrale
fn (x) dx converge (intgrale faussement
## $
|In | = ##
0,
On conclut : pour tout x ]0 ; +[, f (x) existe.
nxn ln x
(x 1)(xn1 + + 1)
t +
par prpondrance de lexponentielle sur la puissance.
tgrale propose converge.
tude en 1 :
On a : fn (x) =
On conclut : lim
tude en 0 :
nxn1
x ln x 0,
fn (x) = n
x 0
x 1
indpendant de n
On a :
nxn ln x
a) Soit n N . Lapplication fn : x n
est continue
x 1
sur ]0 ; 1[, donc lintgrale propose est impropre aux deux
bornes.
ln(y1/n )
dy
y1
0
$
1 1 ln y
=
dy 0.
n
n 0 1y
!"
ln x.
3.33
nxn1 ( ln x)
dx =
1 xn
$ 1 n1
$ 1 n
nxn ln x ###
nx ( ln x)
nx ( ln x)
dx
dx.
dx# =
n
n
x 1
1x
1 xn
0
0
Eectuons, dans cette dernire intgrale, le changement de va1 1

1
riable y = xn ,
x = yn ,
dx = y n 1 dy
n
t
dt
1+ x et
T
0
t
dt
1+ y et
est de classe C 1 sur [0 ; +[ et, pour tout T [0 ; +[ :
>0
T
T
D (T ) =
1+ x eT 1+y eT
=0

si T > 0
si T = 0.
Il en rsulte que D est strictement croissante sur [0 ; +[.

Comme D(0) = 0, et que D(T )
T +
f (x) f (y),
on dduit : f (x) f (y) > 0.

On conclut : f est strictement dcroissante sur ]0 ; +[.
109
Chapitre 3
e) 2) Daprs 1), on a : x ]0 ; +[, f (x) < 0,
c) On a, pour x ]0 ; 1] :
$ ln x
$ +
t
t
dt

f (x) =
t dt
t
1
+
x
e
1
+
0
0
x e!"
donc f est strictement dcroissante sur ]0 ; +[, et on retrouve

le rsultat de b).
1
ln x

0
* t2 + ln x
t
dt =
2
4
(ln x)2
+,
=
x 0
4
e) 3) Daprs 1), f est de classe C 2 sur ]0 ; +[ et, pour

tout x ]0 ; +[ :
f (x) =
donc : f (x) +.
x 0
$ +
$ +
t
t
0 f (x) =
dt

dt
1+ x et
x et
0
0
$ +
1
=
t e t dt
x 0
!"
x +
not A(x)
0,
constante
donc, par encadrement : f (x)
Par oprations, lapplication A est de classe C 1 sur ]0 ; +[ et,

pour tout x ]0 ; +[ :
0.
x +
1
2x + 1
1
1
=
< 0.
A (x) = +
x 1 + x (1 + x)2
x(1 + x)2
d) Soit x ]0 ; +[ fix.
Par le changement de variable
u = x e t,
u
t = ln ,
x
11
1
1
ln x ln(1 + x) +
2
x
x x 1+x

1
1
= 2 ln x ln(1 + x) + 2
x
x (1 + x)
1
1
.
= 2 ln x + ln(1 + x) +
x !"
1+x
dt =
1
du,
u
on a :
Il en rsulte que A est dcroissante sur ]0 ; +[.

x
1
Comme A(x) = ln
+
0,
1 + x x2 (1 + x) x +
x ]0 ; +[, A(x) > 0,
on a donc :
$
f (x) =
u
ln
x 1 du
1+u u
$ +
t
dt
=
1 + x et
x
$ +
$ +
ln u
1
=
du ln x
du.
u(1 + u)
u(1 + u)
x
x
On remarque : u ]0 ; +[,
x ]0 ; +[, f (x) 0.
puis :
On conclut : f est convexe.

f)
1
1
1
=
,
u(1 + u) u 1 + u
x
f (x)
0
+
f (x)
do, pour U x :
$ U
$ U
%
&U
1
1
1
du =
du = ln u ln(1 + u) x
u(1 + u)
u 1+u
x
x
U
x
x
= ln
ln
ln
.
1+U
1 + x U +
1+x
On dduit :

f (x) = (ln x) ln x ln(1 + x) +
+
x

0
ln u
du.
u(1 + u)
ln u
est continue
e) 1) Puisque lapplication u
u(1
$ + + u)
ln u
du converge,
sur ]0 ; +[ et que lintgrale
u(1 + u)
1
1
lapplication f est de classe C sur ]0 ; +[ et on a, pour tout
x ]0 ; +[ :
1

1
1
ln x
ln x ln(1 + x) + ln x
f (x) =
x
x 1+x
x(1 + x)

1
ln x ln(1 + x) .
=
x
110
3.35
a) Soient n N , t ]0 ; +[. Notons
S =
n1

k=0
tk = 1 + t + + tn1 .
On a aussi, en lisant la somme dans lautre sens (cest--dire

par le changement dindice = n 1 k) :
S = tn1 + + t + 1.
2S = (1 + t
) + (t + t
n2
) + + (t
n1
+ 1).
Soit k 0 ; n 1.
Daprs une ingalit classique (cf. exercice 3.20) :
(, ) (R+ )2 , 2 + 2 2,
on a :
tk + tn1k 2t 2 t
Do : 2S n2t
n1
2
puis : S n t
n1
2
n1k
2
= 2t
n1
2
converge (intgrale faussement impropre).
x [1 ; +[, 0 f (x) =
On a :
Par le $thorme de majoration pour des fonctions 0, lint+

grale
f (x) dx converge.
$ +
f (x) dx et
f (x) dx
0
1
$ +
f (x) dx converge.
$
, ce qui est lingalit voulue.
1
n
1x
1x
1
=
,
1 n =
1
2
n1
1x
1 xn
1 + xn + xn + + x n
fn (x)
x 1
1
.
n
fn (x) dx converge (intgrale
Il en rsulte que lintgrale

0
faussement impropre), donc In existe.

b) 2) Daprs a), on a, pour tout n N :
$ 1
$ 1
1
1
dx

0 In =
1 n1 dx
n1
0 1 k
0 n xn 2
xn
k=0
+1
2
1* x
,
=
0
n n1
3n 1
+1
2n
n1 +1
2n
In 0.
n
3.36
2) Calcul :
Soit (, X) R2 tel que 0 < X.
On a, par intgration par parties, avec
2

u = sin x
u = 2 sin x cos x
1
1
v = 2
v =
x
x
$ X
* sin2 x +X $ X 2 sin x cos x
sin2 x
dx
=
+
dx.
x2
x
x
Dune part :
sin2 x
Lapplication f : x
est continue sur ]0 ; +[, donc
x2
lintgrale propose est impropre aux deux bornes.
tude en 0 :
f (x) =
sin x 2
x
1.
x 0
sin2 X
X
X +
## sin2 X # 1
## ,
0, car ##
X
X
sin sin
=
sin 0.
0
et
Dautre part, daprs 1) :

$ X
$ +
sin2 x
sin2 x
dx
dx = I.
X +, 0
x2
x2
0
Puisque
$ X
1) Existence :
On a :
et on conclut :
sin2 x
1
2.
x2
x
1 xn
est continue
Lapplication fn : [0 ; 1[ R, x
1x
sur [0 ; 1[ et, en utilisant une identit remarquable, on a, pour
tout x [0 ; 1[ :
do :
f (x) dx
0
Daprs
$ +
1
dx converge.
x2
1
b) 1) Soit n N .
1
n
tude en + :
do, en additionnant :
n1
$
Puisque f admet une limite finie en 0, lintgrale
2 sin x cos x
dx =
x
sin2 x
sin2 X sin2
,
dx
+
x2
X
$ +
2 sin x cos x
il en rsulte que lintgrale
dx converge et
0
$ +
$ + x 2
2 sin x cos x
sin x
dx = I.
que :
dx =
x
x2
0
0
On a, par le changement de variable t = 2x :
$ +
$ +
$ +
2 sin x cos x
sin 2x
sin t
dx =
dx =
dt = .
x
x
t
2
0
0
0
111
Chapitre 3
sin2 x
On conclut :
dx = .
2
x
2
0
$ +
$ +
sin x
sin x 2
dx =
dx.
Remarque : On a donc :
x
x
0
0
| f | converge, par thorme de majo$ +

| f f | converge,
ration pour des fonctions 0, lintgrale
c
$ +
| f f | converge.
puis lintgrale
c
3.37
a) On a : x [0 ; +[, f (x) = f (0) +
f (t) dt.
Comme lintgrale

converge (car elle est suppose
absolument convergente) , il en rsulte :

f (x)
x +
f (0) +

f (t) dt.
c) On a, pour x [0 ; +[ :
$ x
2

2
( f 2 ) (t) dt
f (x) = f (0) +
0
$ x

2
f (t) f (t) dt
= f (0) + 2
0
$

2
f (0) + 2
x +
f (t) f (t) dt,
f f est convergente, puisquelle est abso-
Ceci montre que f admet une limite finie en +. Pour montrer = 0, raisonnons par labsurde : supposons 0.
car lintgrale
1er cas : > 0
Ceci montre que f 2 admet une limite

finie L en +. Il en rsulte que | f | admet la limite finie L en +.
Puisque f (t)
t +
> 0, il existe a [0 ; +[ tel que :
f (t) dt f (a) + (x a)
3.38

2
x +
+.
2e cas : < 0
On applique le rsultat du 1er cas f et on obtient une contradiction.
Ce raisonnement par labsurde montre = 0 et on conclut :
f
b) Puisque f
Soit b ]a ; +[.
Notons c = b a > 0, donc a = b + c.
Il existe donc b [a ; +[ tel que : x [b; + [, f (x) 1.

$ +
1 dt diverge, par thorme de minoComme lintgrale
1
$ +
f (t) dt diverge,
ration pour des fonctions 0, lintgrale
b
$ +
f (t) dt diverge, contradiction car, par hypuis lintgrale
0 $
+
f (t) dt est absolument convergente,
pothse, lintgrale
donc convergente.
lument convergente, daprs b).
On a alors, pour tout x [a ; +[ :

f (x) = f (a) +
Par
un raisonnement par labsurde, comme en a), on montre
L = 0 , et on conclut : f 0.

t [a ; +[, f (t) .
2

Remarquons : t [0 ; +[, e bt f (t) = e ct e at f (t) .
Considrons lapplication
g : [0 ; +[ R, t e at f (t)
$ t
g(s) ds.
et notons G : [0 ; +[ R, t
0
Soit T [0 ; +[.
$ T
e ct g(t) dt laide dune intgration par parExprimons
0
ct

ct
u = e
u = c e
ties, avec
v = g(t)
v = G(t)
o u, v sont bien de classe C 1 sur le segment [0 ; T ] :
$ T
$ T
%
&T
e ct g(t) dt = e ctG(t) 0
c e ct G(t) dt
0
= e cT G(T ) + c
0.
+
0, il existe c [0 ; +[ tel que :

+
x [c ; +[, | f (x)| 1.
On a alors : x [c ; +[, | f f (x)| = | f (x)| | f (x)| | f (x)|.
112
$
Comme lintgrale
$
Puisque lintgrale
e ct G(t) dt.
g(t) dt (qui est
e at f (t) dt )
converge, par dfinition, G(T ) admet une limite finie lorsque

T tend vers +. Comme c > 0, il en rsulte :
e cT G(T )
T +
0.
Dautre part, puisque G admet une limite finie en +,

G est borne au voisinage de +, cest--dire quil existe
[0 ; +[ et M R+ tels que :
On obtient :
t [ ; +[, | e ct G(t)| M e ct .
$ +
e ct dt converge, donc linComme c > 0, lintgrale
$ +
tgrale
M e ct dt converge. Par thorme de majora
$ +
| e ctG(t)| dt
tion pour des fonctions 0, lintgrale
$ +
e ct G(t) dt est absolument
converge. Ainsi, lintgrale
convergente,
donc convergente. Il en rsulte que lintgrale
$ +
ct
e G(t) dt converge.
0
Notons J =
On a alors :
T +
0 + cJ.
e ct G(t) dt converge, cestCeci montre que lintgrale

$ + 0
e bt f (t) dt converge.
-dire que lintgrale
0
$
2 f (0) =
$

x2 )
f (x) dx f ( 2) +
2x
2
0
Mais, comme f (x)

$
x +
f (x) dx.
0, on a :
%
&+
f (x) dx = f (x) 2 = f ( 2).
Do :
$
2 f (0) =
2x
$
2 | f (0)|
x2
f (x) dx +
2
f (x) dx +
f (x) dx.
$ +
$
##
2#
## 2 x x ### | f (x)| dx +
| f (x)| dx +
2
2
0
| f (x)| dx.
d) Ltude des variations de lapplication
x2
: [0 ; 2] R, x 2 x
2
montre :
x [0 ; 2], 0 (x) 1.
$
2 | f (0)|
a) Voir la solution de lexercice 3.37 a).
u = 1
v = f (x)
u = 2 x
v = f (x)
o u, v sont bien de classe C sur el segment [0 ; 2] :

$ 2
$ 2
%
& 2

( 2 x) f (x) dx = ( 2 x) f (x) 0 +
f (x) dx
1
= 2 f (0) +
f (x) dx.
0
2
0
b) Nous allons eectuer deux intgrations par parties succes
x2
u = 2 x 2
u = 2 x
sives. On a, avec
v = f (x)
v = f (x)
o u, v sont bien de classe C 1 sur le segment [0 ; 2] :
$ 2
x2
2x
f (x) dx
2
0
$ 2
*
x2 + 2
2x
( 2 x) f (x) dx
=
f (x)
0
2
0
$ 2

( 2 x) f (x) dx.
= f ( 2)
f (x) dx.
Do :
3.39
On a, avec
x2
f (x) dx = f ( 2) + 2 f (0)
2
0
c) On a donc :
e ct g(t) dt
2x
Puis, par lingalit triangulaire :
e ct G(t) dt.
t [ ; +[, |G(t)| M.
Ainsi :
| f (x)| dx +
=
0
f (x)| dx +
$ 2
| f (x)| dx +
| f (x)| dx
0
$ +
$

| f (x)| dx +
0
| f (x)| dx
0
| f (x)| dx.
3.40
a) Soit x ]0 ; +[.

Lapplication t
1
t
(t)
1 + t2 x + t
est continue sur [0 ; +[ et, pour tout t [0 ; +[ :

## t
##
## ##
1
tx 1
##
##(t)
## = ##
(t)
1 + t2 x + t !"
(1 + t2 )(x + t)
0
tx

1 (t)
1 (t)
tx + 1 (t)
=
+
x+
.

2
x + t 1 + t2
x
+
t
x
+
t
1
+
t
x 1 + t2
!" !"
x
1/x
(t)
dt converge, par tho1 + t2
rme $de majoration pour des fonctions 0, lint+
1
t
(t) dt converge absolument donc
grale
2
1+t
x+t
0
converge.
Comme lintgrale
113
Chapitre 3
b) Soit R.
t
est continue sur ]0 ; +[ et
Lapplication : t
1 + t2
valeurs 0.
On a, en 0 :
(t)
t 0
t .
$
t dt
converge si et seulement si > 1. Par thorme dquivalence

$ 1
t
pour des fonctions 0, lintgrale
dt converge si et
2
0 1+t
seulement si > 1.
(t)
t +
1
.
t2
Daprs
lexemple de Riemann en +, lintgrale
$ +
1
dt converge si et seulement si 2 > 1, cest--dire
t2
1
< 1. Par$thorme dquivalence pour des fonctions 0,
+
lintgrale
(t) dt converge si et seulement si < 1.
1
t
dt converge si et seule1
+
t2
0 $
$ +
1
t
t
ment si les deux intgrales
dt et
dt
2
2
1
+
t
1
+
0
$1 + t
t
dt
convergent. On conclut que lintgrale
1 + t2
0
converge si et seulement si 1 < < 1.
Par dfinition, lintgrale
Finalement : E = ] 1 ; 1[.
Lapplication
$
f : ]0 ; +[ R, x
0
1
t
t dt
2
1+t
x+t
est donc correctement dfinie, pour tout ] 1 ; 1[.

c) On a 0 E et, pour tout x ]0 ; +[ :
$ +
t
1
dt
f0 (x) =
2
1+t
x+t
0
*1
++
ln(1 + t2 ) ln(x + t)
=
0
2
*1
1
1 + t2 ++
1
=
= 0 ln 2 = ln x.
ln
2
0
2 (x + t)
2 x
d) On suppose ici ] 1 ; 0[.
d) 1) Soit x ]0 ; +[.
Lapplication t
En 0 :
114
t
est continue sur ]0 ; +[.
x+t
t
x+t
t 0
1
t .
x
t
x+t
En + :
On a, en + :
Daprs lexemple de Riemann en 0, comme > 1, lin$ 1

t dt converge, donc, par thorme dquivalence
tgrale
0
$ 1
t
pour des fonctions 0, lintgrale
dt converge.
x
+t
0
t +
t1 .
Daprs
$ + lexemple de Riemann en + ( 1 < 1), lintgrale
t1 dt converge, donc, par thorme dquivalence pour
1
$ +
t
dt converge.
des fonctions 0, lintgrale
x+t
1
$ +
$ 1
t
t
dt et
dt
x
+
t
x
+t
0
$ + 1
t
dt converge.
x+t
0
Par le changement de variable
u=
on a :
$ +
$
t
dt =
x+t
t
, t = xu, dt = x du,
x
+
(ux)
x du = x
x(1 + u)
+
0
u
du,
1+u
u
du est un rel ne dpendant que de , et donc
1+u
indpendant de x.
et
d) 2) Soit x ]0 ; +[.
+
1
t
Puisque les intgrales
t
t dt et
2
1+t
x+t
0
$ +
t
dt convergent, par dirence, lintgrale
x
+t
0
$ + +1
t
dt converge, et on a :
1
+ t2
0
f (x) =
t+1
dt
1
+ t2
0

!"
+
0
t
dt = d + x
x+t
u
du .
1
+u
0

!"
note d
note c
Il existe donc deux rels c, d, indpendants de x (mais dpendant a priori de ) tels que :
x ]0 ; +[, f (x) = cx + d.
Montrons c < 0, cest--dire c > 0.
1re mthode : utilisation dun thorme gnral sur les intgrales :
$ X +1
t
dt
Lapplication
F : X
2
0 1+t
est de classe C 1 sur [0 ; +[ et on a :
X [0 ; +[, F (X) =
donc F est strictement croissante.
X +1
> 0,
1 + X2
De plus : F(0) = 0.
Il en rsulte, daprs 1) :
Il en rsulte F(1) > 0, puis c =
lim F(X) F(1) > 0.
X +
2 mthode : utilisation dune bonne minoration :

On a$:
c=
0
t+1
dt
t2
1 +!"
0
$
1
t+1
dt
1 + t2
1 * t ++
1
t1 dt =
2 1
2
e) On suppose ici ]0 ; 1[.
=
1
2
t
dt
2t2
1
1
> 0.
2
e) 1) Soit (x, h) R2 tel que : x > 0, x + h > 0, h 0.
x ]0 ; +[, f (x) =
+
0
f (x + h) f (x)
h
$ +
$

t
1 * + t
1
1 +
=
t
t dt
dt
h 0
x+h+t
1 + t2
1 + t2 x + t
0
$ +
$ +

1
t
1
1
t dt =
dt.
=
h 0
x+t x+h+t
(x + t)(x + h + t)
0
e) 2) On a, avec les mmes hypothses quen 1) et en suppox

sant de plus h > :
2
$ +
## $ +
##
t
t
##
dt
dt##
2
(x + t)(x + h + t)
(x + t)
0
0
## $ + t
1
1 ###
= ##
dt#
x+t x+h+t x+t
0
$
##
## +
ht
dt##
= ##
2
(x + t) (x + h + t)
0
$ +
t
0.
|h|
x
dt h
0
0
(x + t) + t
2
!"
+
0
e) 3) Par le changement de variable u =
t
dt.
(x + t)2
t
dt.
(x + t)2
t
, t = xu, dt = x du,
x
on a, comme en d)1) :
On a :
x ]0 ; +[, f (x) =
On conclut :
(xu)
x du
+ u)
0
$ +
u
du = x1 f (1).
= x1
(1 + u)2
0
x2 (1
x ]0 ; +[, f (x) = f (1)x1 .
e) 4) Par intgration partir du rsultat prcdent, il existe un

rel d indpendant de x (mais dpendant a priori de ) tel que :
x
x ]0 ; +[, f (x) = f (1) + d.
En notant c =
f (1)
, qui est indpendant de x, on conclut :
x ]0 ; +[, f (x) = cx + d.
$
1 + u
du > 0,
0 (1 + u)2
par un raisonnement analogue celui du corrig de d) 2).
De plus : c =
indpendant de h
Ceci montre que f est drivable sur ]0 ; +[ et que :
+ +1
f (x + h) f (x)
h 0
h
115
Fonctions numriques
de plusieurs variables
relles
Plan
Les mthodes retenir 117
noncs des exercices
120
Du mal dmarrer ?
126
129
CHAPITRE
Obtention du dveloppement limit dordre 1 ou dordre 2 en un point pour une

fonction relle de plusieurs variables relles
Dtermination des extremums locaux dune fonction relle de plusieurs variables relles
Dtermination des extremums globaux dune fonction relle de plusieurs variables relles
Dtermination dextremums sous contrainte dgalits linaires.

116
Thormes du cours donnant le dveloppement limit dordre 1 en un point pour

une fonction relle de classe C 1 sur un ouvert de Rn
Thormes du cours donnant le dveloppement limit dordre 2 en un point pour

une fonction relle de classe C 2 sur un ouvert de Rn
Notation de Monge pour les drives partielles premires ou les drives partielles secondes dune fonction relle de classe C 1 ou de classe C 2 sur un ouvert
de R2
Thorme de Schwarz
Dfinition de point critique pour une fonction relle de classe C 1 sur un ouvert
de Rn
Condition ncessaire dextremum local pour une fonction relle de classe C 1 sur
un ouvert de Rn
Rsultat relatif lexistence dun extremum pour une fonction relle de

classe C 2 sur un ouvert de R2 , en un point critique en lequel rt s2 0.
Formes quadratiques positives, formes quadratiques dfinies-positives, lien avec

les valeurs propres dune matrice symtrique
Matrice hessienne, lien avec les extremums
Egalit de Taylor-Lagrange
Condition ncessaire dextremum local sous contrainte dgalits linaires pour

une application de classe C 1 sur un ouvert.
Les mthodes retenir
Les mthodes retenir

Pour former
le dveloppement limit
dordre 1 en un point
pour une fonction
de deux variables relles
Pour former
le dveloppement limit
dordre 2 en un point
pour une fonction
de deux variables relles
Appliquer le thorme du cours :

si f : U R est de classe C 1 sur un ouvert U de R2 , alors f admet
un dveloppement limit dordre 1 en tout point (a, b) de U, et on a,
pour tout (h, k) au voisinage de (0, 0) :
f (a + h, b + k)
f
f
o
( h2 + k2 ).
= f (a, b) + h (a, b) + k (a, b) +
(h,k) (0,0)
x
y
Exercice 4.1.
Appliquer le thorme du cours :
si f : U R est de classe C 2 sur un ouvert U de R2 , alors f admet
un dveloppement limit dordre 2 en tout point A = (a, b) de U, et
on a, pour tout (h, k) au voisinage de (0, 0) :
f (a + h, b + k)
1
o
(h2 + k2 ),
= f (a, b) + p h + q k + (r h2 + 2s hk + t k2 ) +
(h,k) (0,0)
2
avec les notations de Monge :
f
2 f
2 f
2 f
f
(A), q =
(A), r = 2 (A), s =
(A), t = 2 (A).
p=
x
y
xy
x
y
Exercice 4.2.
Dabord, sassurer que U est un ouvert de R2 et que f : U R est

de classe C 2 sur U.
Dterminer les points critiques de f , cest--dire les points (x, y) de U
f
f
(x, y) = 0 et
(x, y) = 0.
tels que :
x
y
Daprs le cours, si f : U R est de classe C 1 sur louvert U de R2
et si f admet un extremum local en un point A de U, alors ncessairement A est un point critique de f .
Pour dterminer
les extremums locaux
dune application f : U R
de classe C2
sur un ouvert U de R2
Exercices 4.3 4.5, 4.7, 4.10, 4.11, 4.14 4.16, 4.20, 4.23, 4.24
Ensuite, calculer les drives partielles secondes de f en tout point
(x, y) de U, puis en un point critique A, avec les notations de Monge :
r=
2 f
2 f
2 f
(A), t = 2 (A).
(A), s =
2
xy
x
y
Calculer rt s2 .
Si rt s2 > 0, alors f admet un extremum local en A, et il sagit
dun minimum local si r > 0, dun maximum local si r < 0.
Si rt s2 < 0, alors f nadmet pas dextremum local en A.
Exercices 4.3 4.5, 4.11, 4.14, 4.17, 4.20, 4.24.

Dans le cas o rt s2 = 0, voir la mthode suivante.
117
Chapitre 4
Fonctions numriques de plusieurs variables relles
Pour dcider
si une application f : U R
de classe C2
sur un ouvert U de R2
admet un extremum local
en un point critique A = (a, b)
en lequel rt s2 = 0,
avec les notations de Monge
Si on conjecture que f admet un extremum local en A = (a, b), revenir la dfinition, cest--dire former la dirence f (x, y) f (a, b)
et montrer que cette expression reste de signe fixe lorsque (x, y) est
au voisinage de (a, b).
cet eet, si (a, b) (0, 0), commencer par eectuer le changement
de variables h = x a, k = y b, exprimer f (x, y) f (a, b) en
fonction de (h, k), et essayer de montrer que cette expression reste
de signe fixe lorsque (h, k) est au voisinage de (0, 0).
Exercice 4.15
Si on conjecture que f nadmet pas dextremum local en A, former,

pour (h, k) au voisinage de (0, 0), (h, k) = f (a +h, b +k) f (a, b), et
essayer de montrer, par exemple, que lune des expressions suivantes
nest pas de signe fixe lorsque h est au voisinage de 0 :
(h, 0), (0, h), (h, h), ...
Exercice 4.7.
Dabord, sassurer que U est un ouvert de Rn et que f est de classe C 2
sur U.
Dterminer les points critiques de f , cest--dire les points A de U tels
f
que : i 1 ; n,
(A) = 0.
xi
Daprs le cours, si f : U R est de classe C 1 sur U et si f admet
un extremum local en un point A de U, alors ncessairement A est un
point critique de f .
Exercices 4.9, 4.16, 4.18.
Pour dterminer
dune application f : U R
de classe C2
sur un ouvert U de R n,
o n 3
Ensuite, calculer les drives partielles secondes de f en tout point

de U, puis en un point critique A.
Former la hessienne S de f en A, cest--dire la matrice carre
dordre n dont le coecient situ la i-me ligne et la j-me co2 f
lonne est
(A), pour tout (i, j) 1 ; n2 .
xi x j
Daprs le thorme de Schwarz, S est une matrice symtrique.
Daprs le cours :
si S est dfinie-positive, alors f admet un minimum local en A
si S est dfinie-ngative (cest--dire si S est dfinie-positive),
alors f admet un maximum local en A
si S nest ni positive ni ngative, alors f nadmet pas dextremum
local en A.
Pour tudier ces qualits de S , essayer de :
dterminer le signe de t HS H pour tout H Mn,1 (R)
Exercices 4.9, 4.16, 4.18
dterminer le signe des valeurs propres de S .
Exercices 4.9, 4.16.

118
Les mthodes retenir
Pour montrer
quune fonction f : X R
nest pas majore,
nest pas minore
Essayer de montrer quune fonction dune variable relle, donne par

une formule du genre f (x, 0), f (0, x), f (x, x), f (x, x2 ), ... nest pas
majore, nest pas minore.
Exercice 4.8.
Essayer de trouver un rel fix m tel que :
(x, y) X, f (x, y) m
(a, b) X, f (a, b) = m.
Alors f admettra m pour minimum global.
Essayer de trouver un rel fix M tel que :
(x, y) X, f (x, y) M
(a, b) X, f (a, b) = M.
Alors f admettra M pour maximum global.
Exercice 4.6
Pour dterminer
les extremums globaux
dune application f : X R,
o X est une partie de R2
Si on a dj dtermin les extremums locaux de f , alors un point en

lequel f admet un extremum global est ncessairement un point en
lequel f admet un extremum local.
Exercice 4.20
Essayer dutiliser lgalit de Taylor-Lagrange.
Essayer dtudier les variations de fonctions.

Considrer, pour y fix (par exemple), la fonction gy : x f (x, y),
tudier les variations de gy , puis tudier les variations dune fonction
donnant un ventuel extremum de gy .
Exercices 4.8
Si X nest pas un ouvert de R , tudier f sur lintrieur de U (cet

intrieur est un ouvert de Rn ) et tudier f sur le bord de U.
n
Exercice 4.21
En vue de montrer lexistence dun extremum global, essayer de se

ramener une partie ferme borne et utiliser le thorme du cours :
si X est une partie ferme borne non vide de R2 et si f : X R
est continue, alors f est borne et atteint ses bornes, cest--dire que
f admet un minimum global et un maximum global.
Exercice 4.20.
119
Chapitre 4
Pour tudier
dune fonction f : U R
sous la contrainte
dgalits linaires
g1 (X) = b1
..
C
g (X) = b
p
Dabord, sassurer que f : U R est de classe C 1 sur louvert U

de Rn et que les contraintes g1 , ..., g p : Rn R sont linaires.
Daprs le cours, si f : U R est de classe C 1 sur louvert U et si la
restriction f |C de f C admet un extremum local en un point A de C ,
alors fA est orthogonal
H , o H est lensemble des solutions du
g1 (X) = 0
..
systme homogne
associ C .
.
g p (X) = 0
Exercices 4.12, 4.13, 4.22

Ensuite, pour tudier localement le signe de f (X) f (A) sur C , essayer
de :
utiliser des mises sous forme canonique de trinmes
Exercice 4.13
faire intervenir la forme quadratique qB pour tout B U.
Exercice 4.22
Dans certains cas simples, on peut exprimer certaines des variables
x1 , ..., xn en fonction dautres par la contrainte C et se ramener la
recherche dextremums dune fonction de plusieurs variables relles.
Exercices 4.12, 4.13, 4.22.
noncs des exercices

4.1 Exemple de calcul du dveloppement limit dordre 1 en un point pour une fonction de
deux variables relles
Former le dveloppement limit dordre 1, au point A = (1, 1), de :
f : R2 R, (x, y) (2x 3y) ln(1 + x2 + 2y2 ).
4.2 Exemple de calcul du dveloppement limit dordre 2 en un point pour une fonction de
Former le dveloppement limit dordre 2, au point A = (1, 1), de
2
f : R2 R, (x, y) xy2 e x y .
4.3 Exemples de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux des applications f : R2 R suivantes, o on donne limage
f (x, y) dun lment (x, y) quelconque de R2 :
120
a) f (x, y) = 2x + 2y2 3y + 1
b) f (x, y) = x2 xy + y2
c) f (x, y) = x2 3xy + 2y2
d) f (x, y) = x2 4xy + 4y2 .
noncs des exercices
4.4 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
On note
f : R2 R, (x, y) 2x2 2xy + 2y2 + 2x 7y + 7.
tudier les extremums locaux de f .
4.5 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux de :
f : ] 1 ; 1[ ] ; [ R, (x, y) x2 +
1 x2 cos y.
4.6 Exemple dtude de minimum global pour une fonction de deux variables relles
On note
f : ]0 ; +[2 R, (x, y)
(x + y)2
.
xy
a) Montrer : (x, y) ]0 ; +[2 , f (x, y) 4.

b) En dduire que f admet un minimum global, prciser sa valeur et prciser les points en
lesquels il est atteint.
c) Montrer :
(x, y) ]0 ; +[2 , 2 ln(x + y) ln x ln y 2 ln 2.
4.7 Exemple dtude en un point critique tel que rt s2 = 0

On note
f : R2 R, (x, y) x4 + y4 (x y)2 .
a) Montrer que (0, 0) est un point critique de f .

b) Est-ce que f admet un extremum local en (0, 0) ?
4.8 Exemple dtude dextremum global par variations de fonctions

On note
f : R2 R, (x, y) x4 + y4 4xy.
a) Montrer que f nadmet pas de maximum global.

b) On se propose de montrer que f admet un minimum global.
1) En considrant f (x, y), montrer que lon peut se ramener au cas o y 0.
2) tudier, pour y [0 ; +[ fix, les variations de gy : R R, x f (x, y), montrer que

gy admet un minimum global not m(y), et calculer m(y) en fonction de y.
3) tudier les variations de la fonction m.
4) Conclure.
4.9 Exemples dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2006
On note U = R R ] 1 ; +[ et :
f : U R, (x, y, z) x ln(1 + z) + (y 1)2 (z 1) + 2z.
a) Justifier que f est de classe C 1 sur U, calculer les drives partielles premires de f en tout
point (x, y, z) de U, montrer que f admet un point critique et un seul, not A, et calculer A.
b) 1) Justifier que f est de classe C 2 sur U, calculer les drives partielles secondes de f en tout
point (x, y, z) de U, et former la hessienne H de f en A.
121
Chapitre 4

0
0

2) En notant X2 = 1 et X3 = 0 , calculer t X2 HX2 et t X3 HX3 .

0
1
3) Est-ce que f admet un extremum local ?
4.10 Valeur minimale de la somme de deux aires de rectangles

Soit ABC un triangle isocle du plan, tel que CA = CB. Soient F [BC], G [AC] tels
que (FG) soit parallle (AB), J [CF], K [CG] tels que (JK) soit parallle (AB). On
note D (resp. E) le projet orthogonal de G (resp. F) sur (AB), et on note H (resp. I) le projet
orthogonal de K (resp. J) sur (FG).
Dterminer, en fonction de laire du triangle ABC, la valeur maximale de la somme S des

aires des deux rectangles DEFG et HI JK.
4.11 Recherche dextremums locaux pour une fonction de deux variables relles faisant intervenir des intgrales sur un intervalle quelconque, daprs EML 2006
$ +
1
2
(t x)2 (t y)2 e t dt.
On note
F : R2 R, (x, y)

a) Montrer que, pour tout (x, y) R2 , F(x, y) existe et que :
F(x, y) =
$
On admettra :
e t dt =
2
3 1 2
+ (x + 4xy + y2 ) + x2 y2 .
4 2
b) Justifier que F est de classe C 2 sur R2 , calculer les drives partielles premires de F en tout
point (x, y) de R2 , et en dduire les trois points critiques de F.
c) Dterminer les points de R2 en lesquels F admet un extremum local. Pour chacun deux,
prciser sil sagit dun minimum local ou dun maximum local, et prciser la valeur de F en
chacun de ces points.
4.12 Exemple de recherche dextremum global sous contrainte dgalit linaire

On note f : R3 R, (x, y, z) x2 2xy + 2xz + 5y2 6yz + 5z2 2x 2y 6z 7
et :
g : R3 R, (x, y, z) x + 2y + z.
Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 4.
4.13 Exemple de recherche dextremum global sous contrainte dgalit linaire

On note f : R3 R, (x, y, z) x2 + y2 + z2 , g : R3 R, (x, y, z) x + y + z.
Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 3.
122
noncs des exercices
4.14 Exemple dtude dextremum local

On note f : R R, x x ln(1 + x2 )
F : R2 R, (x, y) f (x + y) f (x) f (y).
et :
a) 1) Montrer que f est de classe C 2 sur R et calculer f (x) et f (x) pour tout x R.
2) tablir que, pour tout x R, lquation f (x) = f (t), dinconnue t R, admet au plus
deux solutions dans R.
b) Justifier que F est de classe C 1 sur louvert R2 et calculer, pour tout (x, y) R2 , les drives
partielles premires de F en (x, y) laide de f , x, y.
c) 1) Montrer, pour tout (x, y) R2 : f (x) = f (y) = f (x + y) = x = y.
2) En dduire les points critiques de F.
d) Est-ce que F admet un extremum local ?
4.15 Exemple dtude dextremum en un point tel que rt s2 = 0

On note
f : R2 R, (x, y) (2x2 + 3y2 )2 (4x6 + 5y8 ).
a) Montrer que (0, 0) est un point critique de f .

b) Est-ce que f admet un extremum local en (0, 0) ?
4.16 Exemple dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2005
On considre lapplication f : ]0 ; +[3 R, (x, y, z) xyz ln(x + y + z).
a) Justifier que f est de classe C 2 sur ]0 ; +[3 .
b) Montrer que f admet un point critique et un seul, qui est A = (a, a, a), o on a not
1 13
a=
.
3
c) 1) Calculer la hessienne de f en tout point (x, y, z) de ]0 ; +[3 , puis la hessienne de f en A.
1 4 4
2) On note h lendomorphisme de R de matrice H = 4 1 4 dans la base canonique de R3 .
441
On note u = (1, 1, 1), v = (1, 0, 1), w = (1, 2, 1), et F = (u, v, w). Montrer que F est une
base de R3 forme de vecteurs propres pour h et que F est orthogonale pour le produit scalaire
canonique de R3 .
3) Est-ce que f admet un extremum local en A ?
4.17 Exemple dtude dextremum local pour une fonction de deux variables relles, faisant
intervenir des intgrales, daprs EML 2007
ln(1 + t)
On note
f : ]0 ; +[ R, t
,
t
$ x
f (t) dt,
F : ]0 ; +[ R, x
0
G : ]0 ; +[2 R, (x, y) F(xy) F(x) F(y).

a) Montrer que F est de classe C 2 sur ]0 ; +[ et exprimer, pour tout x ]0 ; +[, F (x) et
F (x) en fonction de f (x) et f (x).
123
Chapitre 4
b) Justifier que G est de classe C 2 sur louvert ]0 ; +[2 et exprimer les drives partielles premires et secondes de G en tout point (x, y) de ]0 ; +[2 en fonction de
x, y, f (x), f (y), f (xy), f (x), f (y), f (xy).
c) tablir que G admet (1, 1) comme unique point critique.
d) Est-ce que G admet un extremum local ?
4.18 Extremum local dune fonction de n variables relles, daprs EDHEC 2005
Soit n N tel que n 2. On considre lapplication
f : Rn R, (x1 , ..., xn )
n

x2k +
k=1
n

xk
2
k=1
n

xk .
k=1
a) Justifier que f est de classe C 2 sur Rn .

b) Calculer les drives partielles premires de f en tout point (x1 , ..., xn ) de Rn .
c) Montrer que f admet un point critique et un seul, et calculer celui-ci, que lon notera
(a1 , ..., an ).
d) 1) Dterminer la matrice hessienne An de f en (a1 , ..., an ).

h1

2) tablir, pour tout H = ... Mn,1 (R) {0} : t HAn H > 0.

hn
3) En dduire que f admet en (a1 , ..., an ) un minimum local et calculer ce minimum.
4.19 Recherche dextremums globaux pour une fonction de trois variables relles
tudier les extremums globaux de :
f : ]0 ; +[3 R, (x, y, z) x2 + y2 + z2 +
1
.
x+y+z
4.20 Exemple de recherche dextremums locaux, dextremums globaux pour une fonction de
Dterminer les extremums locaux et les extremums globaux de
1
f : R2 R, (x, y) (3x + 4y) e 2 (x
2 +y2 )
4.21 Exemple de recherche dextremums globaux sur un domaine ferm born pour une fonction de deux variables relles
On note :

D = (x, y) R2 ; 5x + 2y + 4 0, 3x + y + 2 0, 2x 3y + 5 0 ,
f : D R, (x, y) x + y 3,
g : D R, (x, y) x2 + y2 .
a) 1) Reprsenter graphiquement D.
2) Montrer que D est une partie ferme borne de R2 .
3) En dduire que f (resp. g) admet un maximum global.
b) Dterminer le maximum global de f .
c) Dterminer le maximum global de g.
124
noncs des exercices
4.22 Exemple de recherche dextremums globaux sous contrainte dgalits linaires

f : R4 R, (x, y, z, t) x2 + y2 + z2 + t2 ,
On note
g1 : R4 R, (x, y, z, t) x + y z t, g2 : R4 R, (x, y, z, t) 2x y + 3z + 2t.
g1 (x, y, z, t) = 1
Dterminer les extremums globaux de f sous la contrainte C
g2 (x, y, z, t) = 2.
4.23 tude dextremum avec intervention de lgalit de Taylor-Lagrange ou de la convexit

On note U = (x, y) R2 ; x < y , f : U R, (x, y) x2 + y2 2 ln(y x).
a) Montrer que f admet un point critique et un seul, not A = (a, b), et calculer (a, b).
b) 1) crire lgalit de Taylor-Lagrange lordre 1 entre A et A + H, pour tout H R2 tel que
A + H U.
2) En dduire que f admet un minimum global et prciser celui-ci.
c) Est-ce que f admet un maximum global ?
d) Est-ce que f admet un maximum local ?
4.24 Exemple de recherche dextremums locaux pour une fonction relle de deux variables
relles, daprs EML 2011
On note
f : ]0 ; +[ R, x x e x ,
F : ]0 ; +[2 R, (x, y) f (x) + f (y) f (x + y).
a) Montrer que F est de classe C 1 sur louvert ]0 ; +[2 et exprimer, pour tout (x, y) ]0 ; +[2 ,
les drives partielles premires de F en (x, y) en fonction de f (x), f (y), f (x + y).
b) tablir que, pour tout a ]0 ; +[, lquation f (x) = f (a), dinconnue x ]0 ; +[, admet
au plus une solution distincte de a.
c) En dduire que, pour tout (x, y) ]0 ; +[2 , (x, y) est un point critique de f si et seulement
si :
x = y et f (x) = f (2x).
d) Montrer que f admet un point critique et un seul, not (, ), et montrer 1 < < 2.
e) Montrer : f () < 0 et f (2) > 0.

f) Montrer que F admet un extremum local et un seul.
Dterminer la nature de cet extremum local.
125
Chapitre 4
Du mal dmarrer ?
4.1
Vrifier que f est de classe C 1 , calculer les drives partielles premires de f en tout (x, y), puis en (1, 1), et enfin appliquer le cours.
4.2
Vrifier que f est de classe C 2 , calculer les drives partielles premires et secondes de f en tout (x, y), puis en (1, 1),
en enfin, appliquer le cours.
4.3
Appliquer la mthode pour dterminer les extremums

locaux dune application de classe C 2 sur un ouvert de R2 .
a) Remarquer que f na pas de point critique.
4.11
a) Pour lexistence de F(x, y), il sagit de montrer quune

intgrale impropre converge.
Pour calculer F(x, y), dvelopper la fonction qui est dans lintgrale
$ et exprimer F(x, y) en fonction de x, y et des intgrales
Ik =
tk e t dt, k N.
2
b), c) Il y a un point critique et un seul, et en ce point, calculer

r, s, t, rt s2 .
Les valeurs de I1 et I3 sont immdiates.
d) Obtenir les points critiques de f. Remarquer que f(x, y) est

un carr parfait.
Pour calculer I2 et I4 , faire intervenir, par exemple, la fonction

dEuler, laide dun changement de variable.
4.4
b) Immdiat.

locaux dune application de classe C 2 sur un ouvert de R2 . Obtenir un point critique et un seul. En celui-ci, calculer r, s, t, rt s2 .

locaux dune application de classe C 2 sur un ouvert de R2 .
Obtenir trois points critiques. En chacun de ceux-ci, calculer
r, s, t, rt s2 .
4.6
a) Former f(x, y) 4 pour tout (x, y) ]0 ; +[2 et utiliser

une identit remarquable.
b) Utiliser le rsultat de a) et rsoudre lquation f(x, y) = 4
dinconnue (x, y) ]0 ; +[2 .

c) Relier la question ltude de ln f(x, y) .
4.7
a) Revenir la dfinition dun point critique.
Noter que lnonc ne demande pas de dterminer tous les

points critiques de f, mais demande seulement de montrer que
(0, 0) est un point critique de f.
b) Considrer, par exemple, f(x, 0) et f(x, x), pour x au voisinage

de 0.
4.8
a) Envisager, par exemple, f(x, 0).
b) Immdiat.
4.9
a) Immdiat.
b) 1) Immdiat. Se rappeler la dfinition de la hessienne de f

en A : cest la matrice dont les coefficients sont les drives partielles secondes de f en A.
b) 2) Immdiat.
b) 3) Appliquer le cours sur la matrice hessienne et les extremums locaux.
4.10
La valeur de I0 est donne par lnonc.
c) En chacun des points critiques, calculer r, s, t, rt s2 .
4.12
4.5
Choisir un repre orthonorm adapt la question, donner des coordonnes aux points A, B, C, E (avec un paramtre,
par exemple x), I (avec un paramtre, par exemple y), puis cal-
126
culer les coordonnes de D, F, G, H, K. Calculer S en fonction de

x et y, puis tudier lexistence et la valeur dun maximum global (local) pour la fonction de deux variables relles x, y ainsi
obtenue.
On peut, dans la contrainte dgalit linaire C , exprimer z en fonction de (x, y), puis exprimer f sous la contrainte C
sous la forme dune fonction F des deux variables relles x, y.
tudier alors les extremums locaux de F, par la mthode habituelle. Pour dcider si lextremum local obtenu est un extremum global ou non, effectuer un changement de variables
pour se ramener plus commodment en (0, 0).
4.13
1re mthode : dans la contrainte dgalit linaire C ,

exprimer f sous la contrainte C sous la forme dune fonction F
des deux variables relles x, y. Transformer lcriture de F(x, y)
laide de mlses sous forme canonique de trinmes.
2 mthode : utiliser lingalit de Cauchy-Schwarz.
3 mthode : utiliser le cours sur la recherche dextremum local

sous la contrainte dgalit linaire, puis voir si cet extremum
local est un extremum global.
4.14
a) 1) Immdiat.
a) 2) Rsoudre lquation f (t) = f (x), pour x R fix et t R

inconnu.
b) Immdiat.
c) 1) Si f (x) = f (y) = f (x + y), daprs a)2), les trois rels
x, y, x + y ne peuvent pas tre deux deux distincts. En dduire
x = y.
c) 2) Rsoudre lquation f (2x) = f (x), dinconnue x R. Obtenir trois points critiques.
d) Calculer les drives partielles secondes de F en tout (x, y)
laide de f , x, y.
En chacun des trois points critiques, avec les notations de
Monge, calculer r, s, t, puis rt s2 , do le signe de rt s2 et
le signe de r ou de t. On pourra prsenter les rsultats dans un
tableau. Appliquer le cours pour conclure.
Du mal dmarrer ?
4.15
b) Montrer, au voisinage de (0, 0) : f(x, y) f(0, 0),

en remarquant, par exemple, pour tout (x, y) [1/3 ; 1/3]2 :
0 2x + 3y 1.
2
1re mthode : calculer t XSX pour tout X M3,1 (R) \ {0}, en

remarquant que S est combinaison linaire de I3 et de la matrice U dont tous les coefficients sont gaux 1.
2 mthode : dterminer les valeurs propres de S, puis leur
signe.
4.20
4.16
1) Recherche des extremums locaux :
Vrifier que f est de classe C 1 sur louvert R2 et calculer les

drives partielles premires de f en tout (x, y). En dduire les
points critiques A1 et A2 de f, en revenant la dfinition.
a) Immdiat.
b) Immdiat.
c) 1) Se rappeler que la hessienne de f en A est, par dfinition,
la matrice dont les coefficients sont les drives partielles secondes de f en A.
c) 2) Vrifier dabord que F est orthogonale, et en dduire
que F est libre, puis dduire que F est une base de R3 .
Vrifier que u, v, w sont des vecteurs propres de f.
c) 3) 1re mthode : tudier le signe des valeurs propres de H.

x

t
2 mthode : calculer XHX pour tout X = y M3,1 (R) et exa
z
miner, par exemple, q(1, 0, 0) et q(1, 1, 0), o q dsigne la
forme quadratique sur R3 canoniquement associe H.
Vrifier que f est de classe C 2 sur louvert R2 et calculer les drives partielles secondes de f en tout (x, y). Avec les notations
de Monge, calculer rt s2 et en dduire son signe.
2) Recherche des extremums globaux :

En notant M = |f(A1 )| = |f(A2 )|, montrer quil existe t0 ]0 ; +[
tel que :
(x, y) R2 ,

x 2 + y 2 t0 = |f(x, y)| M .
Dautre
part, considrer la restriction de f au ferm born

[ t0 ; t0 ]2 pour dduire que f admet un maximum global.
Pour ltude dun minimum global, remarquer :
(x, y) R2 , f(x, y) = f(x, y).
4.17
a) Montrer
$ x dabord que, pour tout x ]0 ; +[, lintf(t) dt converge.
grale impropre
4.21
a) 1), 2) Immdiat.
En introduisant, par exemple, le rel 1 comme borne intermdiaire par la relation de Chasles, montrer que F est de classe C 1
et que F = f.
a) 3) Utiliser un thorme du cours.
b) Immdiat.
Montrer que la restriction de f un segment du bord de D atteint son maximum en une extrmit de ce segment.
c) Revenir la dfinition dun point critique.
b) Montrer que f ne peut pas atteindre son maximum global

lintrieur de D.
d) Rappeler le lien entre extremum local et point critique.
Comparer les valeurs de f en A, B, C.
En (1, 1), calculer r, s, t, rt s et montrer rt s < 0.
c) Voir si g peut atteindre son maximum global lintrieur

de D. tudier la restriction de g chacun des trois segments du
bord de D, en se ramenant, chaque fois, ltude des variations dune fonction dune variable relle.
4.18
a), b) Immdiat.
c) Revenir la dfinition dun point critique.

i 1 ; n, ai =
Obtenir :
1
.
2(n + 1)
d) 1) Se rappeler que la matrice hessienne de f en (a1 , ..., an ) est,

par dfinition, la matrice dont les coefficients sont les drives
partielles secondes de f en (a1 , ..., an ).
t
d) 2) Calculer HAn H et faire apparatre une somme de carrs

de rels.
d) 3) Appliquer le cours.
4.19
Rappeler le lien entre extremum global et extremum

local, et rappeler le lien entre extremum local et point critique.
Chercher les points critiques en revenant la dfinition dun
point critique.
1 13
Obtenir un point critique et un seul, A = (, , ), o =
.
18
crire la hessienne S de f en tout point (x, y, z) de ]0 ; +[3 ,

puis en A.
4.22
Appliquer le cours sur ltude des extremums sous

contrainte dgalits linaires, pour obtenir que, si f admet un
extremum global sous la contrainte dgalits linaires C , alors
cest en un certain point A.
Pour montrer quil sagit dun extremum global sous la
contrainte C , utiliser lgalit de Taylor-Lagrange lordre 1.
4.23
b) 1) Vrifier que les hypothses de lgalit de Taylor-Lagrange

dordre 1 sont runies.
b) 2) tudier le signe de qA+H (H), en notant H = (h, k) et, par
1
commodit, =
2 .
(b + k) (a + h)
c) tudier, par exemple, f(0, y) lorsque y tend vers +.
d) Supposer que f admette un maximum local. En dduire
que cest ncessairement en le point A. Revenir ltude de
qA+H (H), avec, par exemple, H = (h, 2h).
127
Chapitre 4
4.24
a) Immdiat.
f) Rappeler le lien entre extremum et point critique.
c) Revenir la dfinition dun point critique et utiliser b).
Calculer les drives partielles secondes de F en tout point, puis

en (, ) et en dduire rt s2 en fonction de f () et f (2). Utiliser e) pour dduire : rt s2 > 0 et r < 0.
d) tudier les variations dune fonction auxiliaire, par exemple

: ]0 ; +[ R, x (1 x) e x (1 2x).
128
e) Utiliser 1 < < 2.
b) tudier les variations de f .

4.1
Par oprations, lapplication

f : R2 R, (x, y) (2x 3y) ln(1 + x2 + 2y2 )
est de classe C 1 sur louvert R2 et, pour tout (x, y) R2 :

f
2x
(x, y) = 2 ln(1 + x2 + 2y2 ) + (2x 3y)
2 + 2y2
x
1
+
x
4y
2
2
.
(x, y) = 3 ln(1 + x + 2y ) + (2x 3y)
y
1 + x2 + 2y2
En particulier, en A = (1, 1), avec les notations de Monge :
p=
q =
f
2
5
(A) = 2 ln 4 + 5 = 2 ln 4 +
x
4
2
f
4
(A) = 3 ln 4 + 5
= 3 ln 4 5.
y
4
Daprs le cours, le dveloppement limit dordre 1 de f en

A = (1, 1) est :
o
f (1 + h, 1 + k) = f (1, 1) + (ph + qk) +
( h2 + k2 )
(h,k) (0,0)
= 5 ln 4 + 2 ln 4 +
4.2
5
2
h + (3 ln 4 5)k +
(h,k) (0,0)
)
( h2 + k2 ).
Par oprations, lapplication

2 f
r = 2 (A) = (4) + (1 + 2)(2) e = 10 e
2 f

s=
(A) = (2 + 6) + (1 + 2)1 e = 11 e
xy

2 f
t = 2 (A) = (2 2) + (2 1)1 e = 7 e .
y
Daprs le cours, le dveloppement limit dordre 2 de f en
A = (1, 1) est :
f (1 + h, 1 + k) = f (1, 1) + (ph + qk) + 12 (rh2 + 2shk + tk2 )
o
(h2 + k2 )
+
(h,k) (0,0)
1
= e + (3 e h 3 e k) + (10 e h2 + 22 e hk 7 e k2 )
2
o
(h2 + k2 ).
+
(h,k) (0,0)
4.3
Dans chaque exemple, par oprations, f est de

classe C 2 sur louvert R2 .
a) On a :
(x, y) R2 ,
f
(x, y) = 2 0,
x
donc f nadmet pas de point critique.

Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, cest ncessairement en un point
critique, contradiction.
On conclut : f nadmet pas dextremum local.
2y
f : R2 R, (x, y) xy2 e x
2

f
2
(x, y) = y2 + (xy2 )(2xy) e x y = (y2 + 2x2 y3 ) e x y
2 2
x2 y
3 2
x2 y
y (x, y) = (2xy + xy x ) e = (2xy + x y ) e

2
f

2
(x, y) = 4xy3 + (y2 + 2x2 y3 )(2xy) e x y

2
f
(x, y) = (2y + 6x2 y2 ) + (y2 + 2x2 y3 )x2 e x y
xy
2 f

3
3 2 2 x2 y
y2 (x, y) = (2x + 2x y) + (2xy + x y )x e .

En particulier, au point A = (1, 1), avec les notations de
Monge :
p=
(A) = (1 + 2) e = 3 e
(A) = (2 1) e = 3 e
q =
y
b) On a, pour tout (x, y) R2 :

f
(x, y) = 2x y et
x
f
(x, y) = x + 2y,
y
donc, pour tout (x, y) R2 :
(x, y) = 0
x
(x, y) est un point critique de f
(x, y) = 0
y
x = 0
2x y = 0
y = 0.
x + 2y = 0
Ainsi, f admet un point critique et un seul, qui est (0, 0).
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (0, 0).
On a, pour tout (x, y) R2 :
2 f
(x, y) = 2,
x2
2 f
(x, y) = 1,
xy
2 f
(x, y) = 2,
y2
129
Chapitre 4
donc, en particulier, en (0, 0), avec les notations de Monge :

r = 2,
s = 1,
Daprs le cours, f admet un minimum local en (0, 0).

On conclut : f admet un extremum local et un seul, cest
en (0, 0), cest un minimum local, et f (0, 0) = 0.
Remarque :
Par mise sous forme canonique dun trinme, on a, pour tout

y 2 3 2
+ y 0.
(x, y) R2 : f (x, y) = x2 xy + y2 = x
2
4
(x, y) R , f (x, y) 0 = f (0, 0),
2
donc f admet un minimum global (donc local) en (0, 0).

Mais ceci ne montre pas que f nadmet pas dautre extremum
local.
(x, y) = 0
x
(x, y) = 0
y
2x 4y = 0

x = 2y.
4x + 8y = 0
Ainsi, f admet une infinit de points critiques, les points
(2b, b), b R.
point critique de f , donc en (2b, b), b R.
c) On a, pour tout (x, y) R :

2
f
(x, y) = 2x 3y et
x
f (x, y) = x2 4xy + 4y2 = (x 2y)2 0 = f (2b, b).

f
(x, y) = 3x + 4y,
y
(x, y) = 0
x
(x, y) = 0
y
x = 0
2x 3y = 0
y = 0.
3x + 4y = 0
Ainsi, f admet un point critique et un seul, qui est (0, 0).
point critique de f , donc en (0, 0).
2 f
(x, y) = 3,
xy
2 f
(x, y) = 4,
y2
donc, en particulier, en (0, 0), avec les notations de Monge :

r = 2,
s = 3,
t = 4,
do : rt s2 = 1 < 0.
Daprs le cours, f nadmet pas dextremum local en (0, 0), il
sagit dun point-col.
On conclut : f nadmet pas dextremum local.
130
Ceci montre que, pour tout b R, f admet en (2b, b) un minimum global, donc local.
On conclut que f admet un extremum local en les (2b, b), b R
et en ces points seulement. Ce sont tous des minimums locaux
et tous sont gaux 0.
4.4
Lapplication
f : R2 R, (x, y) 2x2 2xy + 2y2 + 2x 7y + 7

est de classe C 1 sur louvert R2 , donc, daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.
Recherche des points critiques de f :
f
(x, y) = 4x 2y + 2,
x

2 f
(x, y) = 2,
x2
f
(x, y) = 4x + 8y,
y
f
(x, y) = 2x 4y et
x
t = 2,
do : rt s2 = 3 > 0 et r = 2 > 0.
Il en rsulte :
d) On a, pour tout (x, y) R2 :
f
(x, y) = 2x + 4y 7.
y
On a donc, pour tout (x, y) R2 :
(x, y) = 0
x
(x, y) = 0
y
4x
2y
+
2
=
0
x = 2
2x + 4y 7 = 0
y = 2.
Ainsi, f admet un point critique et un seul, A =
1
2

,2.
tude en A :
Recherche des points critiques de f :
1 mthode : utilisation du cours sur les fonctions de

classe C 2 :
On a, pour tout (x, y) U :
re
Lapplication f est de classe C 2 sur louvert R2 par oprations,

et, pour tout (x, y) R2 :
2 f
2 f
2 f
(x,
y)
=
4,
(x, y) = 4,
(x,
y)
=
2,
x2
xy
y2
donc, en particulier, en A, avec les notations de Monge :
r = 4,
s = 2,
t = 4,
do : rt s2 = 12 > 0 et r = 4 > 0.
Daprs le cours, on dduit que f admet un minimum local
en A.
2e mthode : transformation de lcriture de f (x, y) pour
faire apparatre un minimum global :
1
En mettant en facteur, puis en groupant les termes en x2 et
2
x pour utiliser une mise sous forme canonique, on a, pour tout
(x, y) R2 :
1 2
(4x 4xy + 4y2 + 4x 14y + 14)
2

1 2
=
(4x 4xy + 4x) + 4y2 14y + 14
2

1
=
(2x y + 1)2 (y + 1)2 + 4y2 14y + 14
2

1
(2x y + 1)2 + 3y2 12y + 13
=
2

1
=
(2x y + 1)2 + 3(y 2)2 + 1 .
2
Comme tout carr de rel est 0, on a alors, pour tout (x, y)
1
R2 :
f (x, y)
2
2x
y
+
1
=
0
1
x = 2

et : f (x, y) =
y 2 = 0
y = 2.
f (x, y) =
Ceci montre que f admet un minimum global, donc local, en A.

Finalement, on conclut : f admet un extremum local et un seul,
1
atteint en A = , 2 et en ce point seulement, cest un mini2
1
mum, et il est gal .
2
4.5
Lapplication
f : ] 1 ; 1[ ] ; [ R, (x, y) x2 +
1 x2 cos y
est de classe C 1 sur louvert U = ] 1 ; 1[ ] ; [, donc,

daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.
(x, y) = 0
(x, y) = 0
y
2x
cos y = 0
1 x2
1
x2 sin y = 0
!"
0
2x
cos y = 0
1 x2

y = 0

x(2 1 x 1) = 0

y = 0
1x = 2
ou
y = 0
3
3

x
=
0
x
=
x
=
2
2
ou
ou
.

y = 0
y = 0
y = 0
x = 0

y = 0
Ainsi, f admet exactement trois points critiques :

O = (0, 0),
3
,0 ,
A=
2

B=
3
,0 .
2
tude en un point critique :

Lapplication f est de classe C 2 sur louvert U, et, pour tout
(x, y) U :
2 f
1
(x, y) = 2
cos y x2 (1 x2 )3/2 cos y,
x2
1 x2
x
2 f
sin y,
(x, y) =
xy
1 x2
2 f
(x, y) = 1 x2 cos y.
y2
1) En O, avec les notations de Monge : r = 1, s = 0, t = 1,

donc rt s2 = 1 < 0.
Daprs le cours, f nadmet pas dextremum local en O, il
2) En A, avec les notations de Monge et aprs calcul :
r = 6,
s = 0,
1
t= ,
2
131
Chapitre 4
donc rt s2 = 3 > 0 et r = 6 < 0.
En particulier : x ]0 ; 1[,
Daprs le cours, f admet un maximum local en A.
Ceci montre que, au voisinage de (0, 0), la dirence
De plus : f (A) =
f (x, 0) < 0 et f (x, x) > 0 ).
f (x, y) f (0, 0) nest pas de signe fixe.
5
.
4
On conclut : f nadmet pas dextremum local en (0, 0).
3) En B, le calcul est le mme quen A.

Remarque :
Finalement, f admet un extremum local et un seul, cest un
maximum, il est atteint en A et en B et en ces deux points seule5
ment, et il est gal .
4
4.6
(x + y)2 4xy
(x + y)2
4=
xy
xy
x2 + y2 2xy (x y)2
=
=
0,
xy
xy
f (x, y) 4.
donc :
4.8
a) On a :
a) On a, pour tout (x, y) ]0 ; +[2 :

f (x, y) 4 =
Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec

les notations de Monge) ; dailleurs, ici, rt s2 = 0.
f (x, 0) = x4
x +
+,
donc f nest pas majore, et donc f nadmet pas de maximum

global.
b) 1) On a, pour tout (x, y) R2 :
f (x, y) = (x)4 + (y)4 4(x)(y)
= x4 + y4 4xy = f (x, y).
b) On a, daprs a) : (x, y) ]0 ; +[2 , f (x, y) 4,

et, dautre part, pour tout (x, y) ]0 ; +[ :
Si f admet un minimum global en un point (a, b), alors :
(x y)2
f (x, y) = 4
= 0 (x y)2 = 0 x = y.
xy
On conclut que f admet un minimum global, gal 4, et que
ce minimum est atteint en les points (x, x), x ]0 ; +[, et en
ceux-ci seulement.
c) On a, pour tout (x, y) ]0 ; +[ :
2
2 ln(x + y) ln x ln y = ln
Ceci montre que, quitte changer y en y, on peut se ramener

au cas o y 0.
b) 2) Soit y [0 ; +[ fix.
Lapplication gy : R R, x f (x, y) = x4 + y4 4xy
est drivable sur R et :
(x + y)2
xy

= ln f (x, y) ln 4 = 2 ln 2.
4.7
x R, gy (x) = 4x3 4y = 4(x3 y),

do le tableau de variations de gy :
x
gy (x)
a) Lapplication
f : R2 R, (x, y) x4 + y4 (x y)2
est de classe C 1 sur louvert R2 de R2 et on a, pour tout
(x, y) R2 :
f
(x, y) = 4x3 2(x y),
x
En particulier, en (0, 0) :
f
(x, y) = 4y3 + 2(x y).
y
f
(0, 0) = 0,
x
f
(0, 0) = 0.
y
On conclut : (0, 0) est un point critique de f .
4
2
2
2
f (x, 0) = x x = x (1 x )
b) On a, pour tout x R :
f (x, x) = 2x4 .
132
(x, y) R2 , f (x, y) = f (x, y) f (a, b) = f (a, b).
gy (x)
y1/3
0

m(y)
On conclut que gy admet un minimum global, not m(y) et :

m(y) = gy (y1/3 ) = (y1/3 )4 + y4 4y1/3 y = y4 3y4/3 .
b) 3) Lapplication m : [0 ; +[ R, y y4 3y4/3
est drivable sur [0 ; +[ (car 4/3 > 1) et on a, pour tout
y [0 ; +[ :
4
m (y) = 4y3 3 y1/3 = 4(y3 y1/3 ) = 4y1/3 (y8/3 1).
3
2 f
x
(x, y, z) =
.
z2
(1 + z)2
On en dduit le tableau de variations de m :

y
m (y)
m(y)
On a donc :
1
0
+

En particulier , en A :
y [0 ; +[, m(y) m(1) = 2.
b) 4) Daprs 2) et 3), on a :
(x, y) R2 , f (x, y) 2.
0 0 1
H = 0 2 0 .
1 0 2
f (1, 1) = g1 (1) = m(1) = 2.

b) 2) On a :
On a donc : (x, y) R , f (x, y) f (1, 1) = 2,

2
et on conclut : f admet un minimum global, gal 2.
4.9
a) Il est clair que U = R R ] 1 ; +[ est un ouvert de R3
et que, par oprations, lapplication
f
(x, y, z) = 2(y 1)(z 1),
y
f
x
(x, y, z) =
+ (y 1)2 + 2.
z
1+z
On a, pour tout (x, y, z) U :
(x, y, z) est un point critique de f
f

(x, y, z) = 0,

f
f
(x, y, z) = 0,
(x, y, z) = 0
y
z
ln(1 + z) = 0, 2(y 1)(z 1) = 0,

x
+ (y 1)2 + 2 = 0
1+z

x = 2, y = 1, z = 0 .
!"

0

1
0

2
!"
tX H
2
t X HX
2
2
tX
3
Ainsi :
X3
!"

0
0
.
1

2
!"
tX H
3
t X HX
3
3
!"
0 0 1
0 2 0
1 0 2

001 102
!" !"
est de classe C 1 sur louvert U et, pour tout (x, y, z) U :
X2
!"
0 0 1
0 2 0
1 0 2

0 1 0 0 2 0
!" !"
tX
2
f : U R, (x, y, z) x ln(1 + z) + (y 1)2 (z 1) + 2z
f
(x, y, z) = ln(1 + z),
x
2 f
(A) = 2.
z2
On en dduit la matrice hessienne H de f en A :
De plus, m atteint son minimum en y = 1 et, pour y = 1, gy atteint son minimum en x = 1, donc :
On peut aussi remarquer directement : f (1, 1) = 2.
2 f
(A) = 1,
xz
2 f
(A) = 0,
yz
2 f
(A) = 2,
y2
(x, y) R [0 ; +[, f (x, y) m(y) 2,

puis, daprs 1) :
2 f
(A) = 0,
xy
2 f
(A) = 0,
x2
X2 HX2 = 2 < 0 et
X3 HX3 = 2 > 0.
b) 3) Il en rsulte, daprs le cours, que f nadmet pas dextremum local en A.

Comme f est de classe C 1 sur louvert U, si f admet un extremum local, cest ncessairement en un point critique, donc,
daprs 1), en A.
Finalement : f nadmet pas dextremum local.
4.10
On conclut que f admet un point critique et un seul, not A et

que : A = (2, 1, 0).
b) 1) Par oprations, f est de classe C 2 sur louvert U et on a,
pour tout (x, y, z) U :
2 f
2 f
2 f
1
(x, y, z) = 0,
(x, y, z) = 0,
(x, y, z) =
,
2
x
xy
xz
1+z
2 f
2 f
(x,
y,
z)
=
2(z
1),
(x, y, z) = 2(y 1),
y2
yz
133
Chapitre 4
En notant O le milieu de (A, B), puisque le triangle ABC est

isocle de sommet C, il existe (a, h) (R+ )2 et un repre ortho

norm (O ; i , j ) du plan tels que les points A, B, C aient pour

coordonnes : A(a, 0), B(a, 0), C(0, h).
On a, pour tout (x, y) D :
Laire du triangle ABC est la moiti du produit de la base par

la hauteur, donc : = ah.
(x, y) = 0
x
(x, y) = 0
y
2a
x=
a 2x + y = 0
3

x 2y = 0
y = .
3
Il existe x ]0 ; a[ unique tel que les coordonnes de E soient

(x, 0). Alors les coordonnes de D sont (x, 0).
x t
+ = 1,
a h
h

do les coordonnes de F : x, (a x) ,
a

h
puis celles de G : x, (a x) .
a
Une quation de la droite (BC) est :
Il existe y ]0 ; x[ unique tel que les coordonnes de I soient

h
y, (a x) , o 0 < y < x. Alors les coordonnes de H sont :
a

h
y, (a x) .
a
h

De mme que pour F, les coordonnes de J sont : y, (a y) .
a

h
Do les coordonnes de K : y, (a y) .
a
f
(x, y) = a 2x + y,
x
f
(x, y) = x 2y,
y
donc, pour tout (x, y) D :
Formons donc la dirence :

2a a
a2

f
,
f (x, y) =
x(a x) + y(x y)
3 3
3

a2
= y2 xy + x2 ax +
3

a2
1 2 3 2
= y x + x ax +
2
4
3

1 2 3
2a 2
0.
= y x + x
2
4 !"
3
!"
0
On a donc :
(x, y) D, f (x, y) f
0
2a a
, .
3 3
Ainsi, f admet un maximum global et f atteint celui-ci en le

2a a
a2
, , et ce maximum est gal .
point
3 3
3
2h
Comme S =
f (x, y), on conclut : la valeur maximale de la
a
2ah
somme des aires des deux rectangles DEFG et HI JK est
,
3
2
cest--dire .
3
La somme S des aires des deux rectangles DEFG et HI JK est :
S = DE EF + HI I J
h

h
h
= 2x (a x) + 2y (a y) (a x)
a
a
a

2h
x(a x) + y(x y) .
=
a
Il reste trouver le maximum global de la fonction
f : D R, (x, y) x(a x) + y(x y)
o

D = (x, y) R2 ; 0 < y < x < 1 .
Si f admet un maximum global, cest ncessairement aussi un

maximum local et, comme f est de classe C 1 sur louvert D,
cest ncessairement en un point critique de f .
134
4.11
a) Soit (x, y) R2 fix.
Existence :
Lapplication
: t (t x)2 (t y)2 e t

2
t2 (t) = t2 (t x)2 (t y)2 e t 0.
3 3 3 3
=
=
I4 =
=
.
2
2 2
2 2
4
e
2 mthode : intgration par parties sur un segment puis passage la limite :
Il existe donc > 0 tel que :
On a, pour tout X [0 ; +[, par intgration par parties avec
5
est continue sur R et valeurs positives ou nulles.
t R,
1
.
t2
|t| = t2 (t) 1 = (t)
Daprs lexemple de Riemann en , les intgrales

$ +
$ 1
1
1
dt
et
dt convergent. Par thorme de majo2
t2
t
1
$
ration pour des fonctions 0, les intgrales
$ +
(t) dt convergent.
1
(t) dt et
On conclut, par dfinition, que lintgrale
(t) dt
1
F(x, y) =
1
=
$
$
(t x)2 (t y)2 e
t2
dt
(t2 2xt + x2 )(t2 2yt + y2 ) e t dt

2
Nous allons calculer I2 et I4 .

1re mthode : intervention de la fonction dEuler :
On a, pour tout k N, par parit puis par le changement de
variable u = t2 :
$ +
$ +
2
2
t2k e t dt = 2
t2k e t dt
I2k =
0
$ +
$ +

1
1
1
=2
uk e u du =
uk 2 e u du = k + .
2
2 u
0
0
Dautre part, on sait : s ]0 ; +[, (s + 1) = s (s).
X +
Puisque les applications t t e t et t t3 e t sont impaires (et que les intgrales considres convergent), on a :
I1 = 0 et I3 = 0.
Daprs lnonc (intgrale de Gauss) : I0 = .
3
$ X 2k+1
* t2k+1
t
2 +X
2
+
e t
2t e t dt
X
2k + 1
X 2k + 1
$ X
X 2k+1 X2
2
2
=2
+
t2k+2 e t dt.
e
2k + 1
2k + 1 X
t2k e t dt =
Dautre part, par$convergences dintgrales impropres vues

X
2
plus haut :
t2k e t dt I2k
I2 =
1
= I4 2(x + y)I3 + (x2 + 4xy + y2 )I2

2(xy2 + x2 y)I1 + x2 y2 I0 ,
$ +
2
en notant, pour tout k N : Ik =
tk e t dt.
Do :
0, par prpondrance de lexDune part, X 2k+1 e X

X +
ponentielle sur les puissances.
Calcul :
On a :
u = 2t e t
t2k+1
,
v =
2k + 1
o u, v sont bien de classe C 1 sur le segment [X ; X] :
converge, donc F(x, y) existe.
t2
u = e
v = t2k
1 1 1
=
=
,
2 2
2
2
et de mme avec 2k + 2 la place de 2k.

On dduit, en faisant tendre X vers + et en renversant lga2k + 1
I2k .
lit : I2(k+1) =
2
1
3
3
, I4 = I2 =
.
Do : I2 = I0 =
2
2
2
4
On obtient, pour tout (x, y) R2 :
F(x, y) =
3 1 2
+ (x + 4xy + y2 ) + x2 y2 .
4 2
b) Par oprations, F est de classe C 2 sur louvert R2 et, pour

tout (x, y) R2 :
1
F
(x, y) = (2x + 4y) + 2xy2 = x + 2y + 2xy2 ,
x
2
F
1
(x, y) = (4x + 2y) + 2x2 y = 2x + y + 2x2 y.
y
2
(x, y) = 0
x
(x, y) est un point critique de F
(x, y) = 0
y
x + 2y + 2xy = 0

2x + y + 2x2 y = 0
135
Chapitre 4
3(x + y) + 2xy(x + y) = 0

y x + 2xy(y x) = 0
L1 L1 + L2
dune fonction de deux variables relles, en exprimant, par

exemple, z en fonction de x et y dans la contrainte C .
L2 L1 L2
(x + y)(3 + 2xy) = 0

(y x)(1 + 2xy) = 0
Notons
F : R2 R, (x, y) F(x, y) = f (x, y, 4 x 2y).
x + y = 0

ou
y x = 0
x + y = 0
3 + 2xy = 0
ou
1 + 2xy = 0
y x = 0
y=x

x = 0
y = x
2
ou

ou
3
+
2x
=
0
1 2x2 = 0
!"
y = 0

impossible
x = 1/ 2
x = 0
x = 1/ 2
ou

ou
.
y = 1/ 2
y = 1/ 2
y = 0

F(x, y) = x2 2xy + 2x(4 x 2y) + 5y2 6y(4 x 2y)
+5(4 x 2y)2 2x 2y 6(4 x 2y) 7
= 4x2 + 20xy + 37y2 28x 94y + 49.
Lapplication F est de classe C 1 sur louvert R2 , donc, si F
admet un extremum local en un point (x, y), alors (x, y) est un
point critique de F.
F
(x, y) = 8x + 20y 28,
x
On conclut que F admet exactement trois points critiques :

A = (0, 0),
1
1
B= , ,
2
2

1
1
C= , .
2
2
Donc :
c) Daprs le cours, puisque F est de classe C sur louvert R ,

si F admet un extremum local, cest ncessairement en un point
critique.
1
On calcule les drives partielles secondes de F en tout point

(x, y) de R2 :
2 F
2 F
2 F
2
(x,
y)
=
2+4xy,
(x,
y)
=
1+2y
,
(x, y) = 1+2x2 .
x2
xy
y2
On consigne les valeurs de r, s, t, rt s2 en les points critiques,
avec les notations de Monge :
r
s
t
rt s2
A
1
2
1
3
B
2
0
2
4
C
2
0
2
4
Pour tudier la dirence F(x, y) F(1, 1), utilisons le changement de variables h = x 1, k = y 1 :
28(1 + h) 94(1 + k) + 61
1
.
2
On conclut que F admet un seul extremum local, cest un minimum local, il est atteint en B et en C et en ces deux points
1
seulement, et il est gal .
2
Dans cet exercice, on peut viter lutilisation du cours
sur la recherche dextremums globaux avec contrainte dgalits, en se ramenant la recherche des extremums globaux
136
Ainsi, F admet un point critique et un seul, et il sagit de

A = (1, 1).
= 4(1 + h)2 + 20(1 + h)(1 + k) + 37(1 + k)2
En B et C, puisque rt s2 > 0 et r > 0, F admet un minimum

local.
4.12
(x, y) = 0
x
(x, y) = 0
y
8x
+
20y
28
=
0
x = 1

20x + 74y 94 = 0
y = 1.
F(x, y) F(1, 1) = F(1 + h, 1 + k) F(1, 1)
En A, puisque rt s2 < 0, F nadmet pas dextremum local, il

Un calcul lmentaire donne : F(B) = F(C) =
F
(x, y) = 20x + 74y 94.
y
= 4h2 + 20hk + 37k2

37
= 4 h2 + 5hk + k2
4
*
5 2 25 2 37 2 +
= 4 h+ k k + k
2
4
4

5 2
= 4 h + k + 12k2 0.
2
Un calcul lmentaire donne : F(1, 1) = 12.
On dduit que F admet un extremum global et un seul, cest
un minimum, il est gal 12 et il est atteint en (1, 1) et en ce
point seulement.
On conclut : f admet un extremum sous la contrainte dgalit
C et un seul, cest un minimum, il est gal 12 et il est atteint
en (1, 1, 1) et en ce point seulement.
4.13
1) 1re mthode : se ramener aux extremums globaux dune fonction de deux variables relles :
Do, sous la contrainte C :

f (x, y, z) = x2 + y2 + z2
On exprime, dans la contrainte dgalit linaire C , une des

variables en fonction des deux autres, par exemple :
(x, y, z) C z = 3 x y.
On considre lapplication F : R2 R dfinie, pour tout
(x, y) R2 , par :
F(x, y) = f (x, y, 3 x y) = x2 + y2 + (3 x y)2 ,
et on recherche les extremums globaux de F.
Puisque F(x, y) est une expression du second degr en x et y,
on peut essayer dutiliser une mise sous forme canonique dun
trinme :
(x, y) R2 , F(x, y) = 2x2 + 2xy 6x + 2y2 6y + 9
= 2(x2 + xy 3x) + 2y2 6y + 9

1
1
3
3 2
9
+ 2y2 6y + 9
= 2 x+ y
2 y2 y +
2
2
4
2
4

1
9
3 2 3 2
= 2 x+ y
+ y 3y +
2
2
2
2

9
1
3 2 3 2
+ (y 2y) +
= 2 x+ y
2
2
2
2

3 2 3
1
+ (y 1)2 +3.
= 2 x+ y
2
2
!" 2 !"
0
0
On a donc, pour tout (x, y) R2 , F(x, y) 3 et :
1
3
x + y = 0
x = 1
2
2
F(x, y) = 3

y = 1
y 1 = 0
x +
=3
Dautre part, (1, 1, 1) vrifie C et f (1, 1, 1) = 3.

Ceci montre que f admet un minimum global sous la contrainte
dgalit C , que celui-ci est gal 3 et quil est atteint (au
moins) en (1, 1, 1).
Dautre part, on montre, comme dans la 1re mthode, que f
na pas de maximum global sous la contrainte dgalit C .
3) 3 mthode : utilisation du cours sur la recherche dextremum local avec contrainte dgalit linaire :
Si f admet un extremum global sous la contrainte dgalit linaire C en un point A, alors f admet un extremum local sous
la contrainte dgalit C en A.
Daprs le cours, si f admet un extremum local sous la
contrainte dgalit C en un point A de C , alors, en notant

H = (x, y, z) ; x + y + z = 0 lensemble des solutions du systme linaire homogne associ C , pour tout H de H {0},
la drive de f en A dans la direction H est nulle.
Comme H1 = (1, 1, 0) et H2 = (1, 0, 1) sont dans H , on a
alors en particulier :
< fA , H2 >= 0,
do, en notant A = (x, y, z) tel que x + y + z = 3 :

.
On conclut que f admet un minimum global sous la contrainte

dgalit linaire C et un seul, que celui-ci est gal 3 et quil
est atteint en (1, 1, 1) et en ce point seulement.
Dautre part, comme F(x, 0) = 2x2 6x + 9
1
1
(x + y + z)2 = 9 = 3.
3 !"
3
< fA , H1 >= 0 et
On dduit que F admet un minimum global et un seul, que

celui-ci est gal 3 et quil est atteint en (1, 1) et en ce point
seulement.
(x + y + z)2 3(x2 + y2 + z2 ).
cest--dire :
+,
F nest pas majore, donc F nadmet pas de maximum global,

et on conclut que f nadmet pas de maximum global sous la
contrainte dgalit linaire C .
2) 2e mthode : utilisation de lingalit de Cauchy et Schwarz :
En appliquant, pour tout (x, y, z) de R , lingalit de Cauchy et
Schwarz aux vecteurs (1, 1, 1) et (x, y, z) de R3 pour le produit
scalaire usuel, on a :
#

2
(1, 1, 1) ## (x, y, z) ||(1, 1, 1)||2 ||(x, y, z)||2 ,
2x 1 + 2y (1) + 2z 0 = 0
2x 1 + 2y 0 + 2z (1) = 0
donc x = y = z.
Comme x + y + z = 3, on dduit x = y = z = 1.
Ainsi, si f admet un extremum sous la contrainte dgalit C ,
alors cest ncessairement en (1, 1, 1).
On termine comme dans la 1re mthode.
4.14
a) 1) Par oprations, lapplication
f : R R, x x ln(1 + x2 )
est de classe C 2 sur R et, pour tout x R :

f (x) = 1
2x
1 + x2 2x (1 x)2
=
=
,
2
1+x
1 + x2
1 + x2
137
Chapitre 4
f (x) =
a) 2) Soit x R.
2(1 + x2 ) 2x 2x 2(x2 1)
=
.
(1 + x2 )2
(1 + x2 )2
On a, pour tout t R :
2t
2x
=1
1 + t2
1 + x2
2t(1 + x2 ) = 2x(1 + t2 ) xt2 x2 t + x t = 0
f (t) = f (x) 1
xt(t x) + x t = 0 (t x)(xt 1) = 0.

1
Si x 0, alors : f (t) = f (x) t = x ou t = . Si
x
x = 0, alors : f (t) = f (x) t = 0.
On conclut que lquation f (t) = f (x), dinconnue t R,
admet au plus deux solutions.
d) Puisque F est de classe C 1 sur louvert R2 , daprs le cours,

si F admet un extremum local, cest ncessairement en un point
critique.
Lapplication F est de classe C 2 sur louvert R2 et, pour
tout (x, y) R2 :
2
(x, y) = f (x + y) f (x)
x2
F
(x, y) = f (x + y)
xy
2 F

y2 (x, y) = f (x + y) f (y).
On calcule des valeurs de f
que f est paire :
b) Puisque f est de classe C 1 sur R, par oprations, lapplication F : R2 R, (x, y) f (x + y) f (x) f (y)
(x, y) = f (x + y) f (x)

y (x, y) = f (x + y) f (y).
cest--dire :
x = y ou
x = y ou
x+y= x
ou

1
4
= ,
9
2
1
1
2
+ = f ( 2) = .
9
2
2
Avec les notations de Monge, en chacun des trois points critiques, on calcule r, s, t puis rt s2 :
(0, 0)
r
s
t
rt s2
x+y =y
x = 0 ou y = 0.
0
2
0
4
1
1
( , )
2
2
2/3
2/9
2/3
32/81
1
1
( , )
2
2
2/3
2/9
2/3
32/81
Si x = 0, alors f (y) = f (x) = f (0), donc daprs le calcul

fait dans a), y = 0.
En (0, 0), on a rt s2 < 0, donc F nadmet pas dextremum, il

De mme, si y = 0, alors x = 0.
En les deux autres points critiques, on a rt s2 > 0, donc F admet un extremum local, et r > 0, donc il sagit dun minimum
local.
On a donc ncessairement : x = y.
c) 2) Il sensuit, pour tout (x, y) R2 :

f (x) = f (y)
y = x

f (x + y) = f (x)
f (2x) = f (x)
(1).
On conclut que F admet deux extremums locaux exactement,

1
1
1
1
en les points , et , , et ce sont des mi2
2
2
2
nimums locaux.
En particulier, F admet au moins un extremum local.
Et :
(1) 1
2x
4x
=1
2
1 + (2x)
1 + x2
2x(1 + x2 ) = x(1 + 4x2 )

2x3 x = 0 x(2x2 1) = 0

1
1
x = 0 ou x =
ou x = .
2
2
On conclut que F admet exactement trois points critiques :
1
1
1
1
(0, 0),
, .
, ,
2
2
2
2
138
en les points utiles, en remarquant
f (0) = 2,
c) 1) Si (x, y) R2 vrifie f (x) = f (y) = f (x + y), alors,

daprs b), les trois rels x, y, x + y ne sont pas deux deux
distincts.
On a donc :

4.15
a) Lapplication
f : R2 R, (x, y) (2x2 + 3y2 )2 (4x6 + 5y8 )
est de classe C 1 sur louvert R2 de R2 , et, pour tout (x, y) R2 :
f
(x, y) = 2(2x2 + 3y2 )4x 24x5
(x, y) = 2(2x2 + 3y2 )6y 40y7 .

y
On a, pour tout (x, y, z) ]0 ; +[3 :
En particulier :
f
(0, 0) = 0 et
x
f
(0, 0) = 0.
y
On conclut : (0, 0) est un point critique de f .

b) On a, pour tout (x, y) [1 ; 1]2 :
4x6 + 5y8 4x6 + 5y6 5(x6 + y6 )
5 2
5
(2x + 2y2 )3 (2x2 + 3y2 )3 .
8
8
* 1 1 +2
, alors :
De plus, si, par exemple, (x, y) ;
3 3
5(x2 + y2 )3 =
1 1 2
0 2x2 + 3y2 3(x2 + y2 ) 3 +
= 1,
9 9
3
donc :
(x, y, z) est un point critique de f

f
(x, y, z) = 0
f
(x, y, z) = 0

(x, y, z) = 0
z

xy = xz, xy = yz,

!" y = z,
x 0, y 0

1 13

x = y = z =
= 31/3 .
3
On conclut que f admet un point critique et un seul :
A = (31/3 , 31/3 , 31/3 ).
(2x2 + 3y2 )3 (2x2 + 3y2 )2 ,

puis :
5 2
5
(2x + 3y2 )3 (2x2 + 3y2 )2 .
8
8
c) 1) On calcule les drives partielles secondes de f en tout

point (x, y, z) de ]0 ; +[3 :
1
2 f
(x, y, z) =
x2
(x + y + z)2
Il en rsulte :
5
3
f (x, y) (2x2 + 3y2 )2 (2x2 + 3y2 )2 = (2x2 + 3y2 )2 0.
8
8
2 f
1
(x, y, z) = z +
xy
(x + y + z)2
1
2 f
(x, y, z) = y +
xz
(x + y + z)2
Ceci montre :
* 1 1 +2
, f (x, y) f (0, 0).
(x, y) ;
3 3
1
2 f
(x, y, z) =
y2
(x + y + z)2
On conclut : f admet un minimum local en (0, 0).
2 f
1
(x, y, z) = x +
yz
(x + y + z)2
Remarque :
1
2 f
(x, y, z) =
.
z2
(x + y + z)2
Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec

les notations de Monge) ; dailleurs, ici, rt s2 = 0.
4.16
yz
=0
x
+
y+z
xz
=0
x
+
y+z
xy
=0
x+y+z

1
xy =
x+y+z
1
2
x = z, x =
3x
a) Par oprations, lapplication

f : ]0 ; +[3 R, (x, y, z) xyz ln(x + y + z)
est de classe C 2 sur louvert ]0 ; +[3 .
b) On calcule les drives partielles premires de f en tout
point (x, y, z) de ]0 ; +[3 :
f
1
(x, y, z) = yz
x
x+y+z
f
1
(x, y, z) = xz
y
x+y+z
1
f
(x, y, z) = xy
.
z
x+y+z
On en dduit la hessienne de f en tout point (x, y, z)

de ]0 ; +[3 :
1
1
1
(x + y + z)2 z + (x + y + z)2 y + (x + y + z)2
1
1
1
z +
x
+
.
(x + y + z)2
(x + y + z)2
(x + y + z)2
1
1
1
y+
x+
(x + y + z)2
(x + y + z)2
(x + y + z)2
Pour x = y = z = 31/3 , on a :
1
1
1
=
= 2/3 2 = 34/3
(x + y + z)2
(3 31/3 )2
(3 )
et :
x+
1
1
1
=y+
=z+
(x + y + z)2
(x + y + z)2
(x + y + z)2
= 31/3 + 34/3 = (3 + 1)34/3 = 4 34/3 .
139
Chapitre 4
Il
rsulte que, pour tout x ]0 ;$+[, lintgrale impropre
$ en
x
x
f (t) dt converge, donc F(x) =
f (t) dt existe.
On en dduit que la hessienne de f en A est :
1 4 4
4/3
3 4 1 4 .
441
$
On a : x ]0 ; +[, F(x) =
c) 2) On a, en notant < . | . > le produit scalaire canonique

sur R3 :
 = 1 + 0 + 1 = 0,
f (t) dt,
1
Comme F est une famille orthogonale et quelle ne contient

pas le vecteur nul, daprs le cours, F est libre.
Puisque dim (R3 ) = 3 et que F est une famille libre de R3
3 lments, daprs le cours, F est une base de R3 .
qui est une primitive de f sur ]0 ; +[, est de classe C 2 sur

]0 ; +[ et :
x ]0 ; +[, F1 (x) = f (x).
$ 1
Comme
f (t) dt est une constante, il en rsulte, par addi0
tion, que F est de classe C 2 sur ]0 ; +[ et que :

x ]0 ; +[, F (x) = f (x),
En notant U, V, W les colonnes respectivement transposes de

u, v, w, on a, par calcul matriciel :
HU = 9U, HV = 3V, HW = 3W.
On conclut que u, v, w (qui sont tous non nuls), sont des vecteurs propres pour h.
puis :
On a vu en 2) que H est semblable la matrice diagonale

diag (9, 3, 3), donc admet deux valeurs propres et deux
seulement, qui sont 3 et 9, donc qui sont toutes non nulles
et pas toutes du mme signe. Daprs le cours, on conclut que
f nadmet pas dextremum local en A.
2e mthode : expression de la forme quadratique q canoniquement associe H :

x

On a, pour tout X = y M3,1 (R) :

z
(x, y) ]0 ; +[2 , xy ]0 ; +[,

par oprations et composition, lapplication
G : (x, y) F(xy) F(x) F(y)
est de classe C 2 sur ]0 ; +[2 .
On a, pour tout (x, y) ]0 ; +[2 :
G
(x, y) = yF (xy) F (x) = y f (xy) f (x)
x
1 4 4 x
t
XHX = x y z 4 1 4 y = x2 + 8xy + 8xz + y2 + 8yz + z2 .

441 z

En particulier : q(1, 0, 0) = 1 > 0 et q(1, 1, 0) = 6 < 0.

Daprs le cours, on conclut que f nadmet pas dextremum
local en A.
ln(1 + t)
t
ln(1 + t)
1.
t 0
t
x ]0 ; , +[, F (x) = f (x).
b) Puisque F est de classe C 2 sur ]0 ; +[ et que :
c) 3) 1re mthode : tude du signe des valeurs propres de H :
140
F1 : x
donc F est une famille orthogonale pour le produit scalaire

canonique de R3 .
est continue sur ]0 ; +[ et f (t) =
f (t) dt.
1
Puisque f est de classe C 1 sur ]0 ; +[, lapplication
< v | w > = 1 + 0 + 1 = 0,
a) Lapplication f : ]0 ; +[ R, t
f (t) dt +
0
 = 1 2 + 1 = 0,
4.17
G
(x, y) = xF (xy) F (y) = x f (xy) f (y),
y
puis :
2 G
(x, y) = y2 f (xy) f (x)
x2
2 G
(x, y) = f (xy) + yx f (xy)
xy
2G
(x, y) = x2 f (xy) f (y).
y2
c) On a, pour tout (x, y) ]0 ; +[2 :
(x, y) = 0
x
(x, y) est un point critique de G
(x, y) = 0
y f (xy) f (x) = 0
y f (xy) f (x) = 0
x f (x) = y f (y)
x f (xy) f (y) = 0
y f (xy) f (x) = 0
y f (xy) f (x) = 0

ln(1 + x) = ln(1 + y)
1+ x= 1+y
x = y

x f (x2 ) f (x) = 0 (2).
Par oprations (addition, soustraction, multiplication), on dduit que lapplication

n
n
n

2
x2k +
xk
xk
f : (x1 , ..., xn )
k=1
c) On a, pour tout (x1 , ..., xn ) Rn :

(x1 , ..., xn ) est un point critique de f
f
(x1 , ..., xn ) = 0
xi
n

i 1 ; n, 2xi + 2
xk 1 = 0
i 1 ; n,
ln(1 + x2 ) ln(1 + x)
=0
x2
x
ln(1 + x2 ) = ln(1 + x) 1 + x2 = 1 + x
(2) x
x1 = ... = xn

2x1 + 2nx1 1 = 0
x2 = x x = 1.
x>0
d) Si G admet un extremum local en un point (x, y) de

]0 ; +[2 , alors, daprs le cours, comme G est de classe C 1
sur louvert ]0 ; +[2 , (x, y) est un point critique de G, donc
(x, y) = (1, 1).
On a, en (1, 1), avec les notations de Monge :
r = f (1) f (1) = 0,

s = f (1) + f (1),
do :
t = f (1) f (1) = 0,

2
rt s2 = f (1) + f (1) .
On a, pour tout t ]0 ; +[ :
ln(1 + t)
,
f (t) =
t
donc :
f (1) = ln 2,
1
t ln(1 + t)
1
f (t) = + t 2
,
t

f (1) =
1
ln 2,
2
+2
*
1
1
ln 2 = < 0.
puis : rt s2 = ln 2 +
2
4
On conclut, daprs le cours, que G nadmet pas dextremum
local en (1, 1), il sagit dun point-col.
Finalement, G na pas dextremum local.
a) Daprs le cours, pour tout k 1 ; n, lapplication

(x1 , ..., xn ) xk est de classe C 2 sur louvert Rn .
k=1
1
.
2(n + 1)
On conclut : f admet un point critique et un seul, not
1
(a1 , ..., an ) et on a : i 1 ; n, ai =
.
2(n + 1)
x1 = ... = xn =
d) 1) Calculons les drives partielles secondes de f en tout

point de Rn .
On a, pour tout (i, j) 1 ; n2 et tout (x1 , ..., xn ) Rn :
2 + 2 si i = j
2 f
(x1 , ..., xn ) =
2
xi x j
si i j.
si i = j
2 f
4
En particulier :
(a1 , ..., an ) =
2
xi x j
si i j.
On conclut que la matrice hessienne An de f en (a1 , ..., an ) est :
(2)
4
.
..
An =
(2)
4

h1

d) 2) On a, pour tout H = ... Mn,1 (R) {0} :

hn
t
HAn H = 4
n

h2i + 2
i=1
4.18
k=1
b) On a, pour tout i 1 ; n et tout (x1 , ..., xn ) Rn :

n

f
(x1 , ..., xn ) = 2xi + 2
xk 1.
xi
k=1
Et :
On conclut que G admet (1, 1) comme unique point critique.
k=1
est de classe C sur R .

2
=2
hi h j
1i jn
n

i=1
h2i + 2

1i, jn
hi h j = 2
n

h2i +2
i=1
!"
>0
n

2
hi > 0.
i=1
!"
0
141
Chapitre 4
d) 3) Daprs 2), la forme quadratique reprsente par la matrice An dans la base canonique de Rn est dfinie-positive, donc,
daprs le cours, f admet un minimum local en (a1 , ..., an ).
On a :

f (a1 , ..., an ) = n
2
2
1
1
1
+ n
n
2(n + 1)
2(n + 1)
2(n + 1)

n2 + n
n
1

.
=
=
n + n2 2n(n + 1) =
4(n + 1)2
4(n + 1)2
4(n + 1)
4.19
Si f admet un extremum global en un point A de ]0 ; +[3 ,
alors f admet un extremum local en A.
Comme f est de classe C 1 sur louvert ]0 ; +[3 , si f admet un
extremum local en un point A de ]0 ; +[3 , alors A est un point
critique de f .
On a, pour tout (x, y, z) ]0 ; +[3 :
f
1
(x, y, z) = 2x
x
(x + y + z)2
1
f
(x, y, z) = 2y
y
(x + y + z)2
f
1
.
(x, y, z) = 2z
z
(x + y + z)2
Il en rsulte, pour tout A = (x, y, z) ]0 ; +[3 :
A est un point critique de f
2x
=0
(x
+
y
+ z)2
(x,
y,
z)
=
0
=0
2y
f
(x
+
y
+ z)2
(x,
y,
z)
=
0

=0
2z
(x
+
y
+ z)2
(x, y, z) = 0
x=y=z
x = y = z
18x3 = 1
2x = (3x)2
1 13
.
x = y = z =
x>0
18
1 13
En notant, par commodit, =
, lapplication f admet
18
un point critique et un seul, et cest A = (, , ).
Puisque f est de classe C 2 sur louvert ]0 ; +[3 , on a,
daprs lgalit de Taylor-Lagrange lordre 1, pour tout
M ]0 ; +[3 , en notant H = M A, lexistence de ]0 ; 1[
1
tel que :
f (M) = f (A)+ < fA , H > + qA+H (H),
2
f

f
f
o fA =
(A),
(A),
(A)
x
y
z
142
et o qP est, pour tout P ]0 ; +[3 , la forme quadratique reprsente canoniquement par la hessienne de f en P.
On calcule les drives partielles secondes de f en tout point
(x, y, z) de ]0 ; +[3 et on forme la hessienne de f en (x, y, z) :
2
2
2
2 +
3
3
3
(x + y + z)
(x + y + z)
(x + y + z)
2
2
2
,
2
+
3
3
(x + y + z)3
(x + y + z)
(x + y + z)
2
2
2
2+
(x + y + z)3
(x + y + z)3
(x + y + z)3
do la hessienne S de f en A :
m
2 + m m
S = m 2 + m m
m
m 2+m
o on a not, par commodit :
m=
2
4
= .
(3)3
3
Il sagit maintenant de voir si la forme quadratique de R3 reprsente canoniquement par S (au point A) est dfinie-positive,
dfinie-ngative, ou autres.
1re mthode : dcomposition en combinaison linaire de carrs :
1 1 1
Remarquons que S = 2 I3 +mU, o U = 1 1 1 et remarquons
111

1

que U = C tC, o C = 1 .

1
On a, pour tout X M3,1 (R) {0} :
t
XS X = t X(2 I3 + m C tC)X = 2 t XX + m t XC tCX

= 2 t XX + m t ( tCX)( tCX) = 2 ||X||2 +m < C | X >2 > 0.
!"
!"
>0
0
On dduit que la forme quadratique considre est dfiniepositive et on conclut que f admet un minimum global en A.
2e mthode : tude du signe des valeurs propres de S :

u

On a, pour tout R et tout X = v M3,1 (R) {0} :

w
(2 + m)u + mv + mw = u
S X = X
mu + (2 + m)v + mw = v
mu + mv + (2 + m)w = w
(2 + m)u + mv + mw = u

2u + 2v = (v u) L2 L2 L1
2u + 2w = (w u) L3 L3 L1
(2 + m)u + mv + mw = u

( 2)(v u) = 0
( 2)(w u) = 0

u = v = w
= 2
ou

(2 + 3m)u = u
mu + mv + mw = 0
= 2
= 3m + 2

ou
.
u + v + w = 0
u = v = w
Ainsi, les valeurs propres de S sont 2 et 3m + 2.
Ces valeurs propres sont toutes strictement positives, donc,
daprs le cours, la forme quadratique considre est dfiniepositive, et on conclut que f admet un minimum global en A.
Enfin, on calcule ce minimum :
1
f (A) = f (, , ) = 32 +
3
1 23 18 13
18
2
2
= 9 18 3 .
=3
+
= 18 3 3 +
18
3
3
4.20
1) Recherche des extremums locaux :
f : R2 R, (x, y) (3x + 4y) e 2 (x
3 4
, ,
5 5
3 4
A2 = , .
5 5
Comme : (x, y) R2 , f (x, y) = f (x, y),

ltude en A2 se ramne celle en A1 .
Lapplication f est de classe C 2 sur louvert R2 et, pour tout
(x, y) R2 :
%

& 1 2 2
2 f
(x, y) = (6x 4y) + 3 x(3x + 4y) (x) e 2 (x +y )
x2

1 2 2
= (9x 4y) + x2 (3x + 4y) e 2 (x +y )
%

& 1 2 2
2 f
(x, y) = (4x) + 3 x(3x + 4y) (y) e 2 (x +y )
xy
%
&
1 2 2
= (4x 3y)) + xy(3x + 4y) e 2 (x +y )
%

& 1 2 2
2 f
(x, y) = (3x 8y) + 4 y(3x + 4y) (y) e 2 (x +y )
y2
%
&
1 2 2
= (3x 12y) + y2 (3x + 4y) e 2 (x +y ) .
2 +y2 )
est de classe C sur louvert R , donc, daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.
2
On calcule les drives partielles premires de f en tout point

(x, y) de R2 :

f
1 2 2
(x, y) = 3 x(3x + 4y) e 2 (x +y )

1 (x2 +y2 )
f
.
y (x, y) = 4 y(3x + 4y) e 2
On a donc, pour tout (x, y) R2 :
A1 =
En particulier, en A1 , avec les notations de Monge :
Lapplication
Ainsi, f admet deux points critiques exactement, les points :
(x, y) = 0
x
y (x, y) = 0
x 0, y 0
3x + 4y = 3
x(3x + 4y) = 3

y(3x + 4y) = 4
4
3
=
x y
x 0, y 0
3
3
x
=
x=
5
5
.

ou
y= x
4
4
3
y=
y=
25x2 = 9
5
5
r=
* 27 16 3 2 +
2 f
34 1
1
e 2
(A1 ) =
5 e 2 =
+
x2
5
5
5
5
s=
* 12 12 12 +
2 f
12 1
1
(A1 ) =
+ 5 e 2 =
e 2
xy
5
5
25
5
t=
* 9 48 16 +
1
2 f
41 1
+ 5 e 2 =
(A1 ) =
e 2.
2
y
5
5
25
5
Do :
rt s2 =
34 41 122 1 1250 1
e =
e = 50 e 1 > 0.
25
25
Il en rsulte, daprs le cours, que f admet un extremum local

en A1 .
De plus : r < 0, donc il sagit dun maximum local.
La valeur de ce maximum local est :
f (A1 ) = f
3 4 9 + 16
1
1
=
,
e 2 = 5 e 2 .
5 5
5
Comme : (x, y) R2 , f (x, y) = f (x, y)

et que f admet un maximum local en A1 , on dduit que f admet
un minimum local en A2 .
La valeur de ce minimum local est :
1
f (A2 ) = f (A1) = 5 e 2 .
143
Chapitre 4
4.21
2) Recherche des extremums globaux :
a) 1) Notons D1 , D2 , D3 les droites dquations :
On a :
12 (x2 +y2 )
(x, y) R2 , | f (x, y)| = |3x + 4y| e

)
1 2 2
)
3 x2 + y2 + 4 x2 + y2 e 2 (x +y )
)
1 2 2
= 7 x2 + y2 e 2 (x +y ) .
Pour tout (x, y) R2 , en notant t = x2 + y2 , on a donc :
1
| f (x, y)| 7 t e 2 t .
D1 | 5x + 2y + 4 = 0
D2 | 3x + y + 2 = 0
D3 | 2x 3y + 5 = 0.
Par rsolution de trois systmes de deux quations deux inconnues, ces trois droites se coupent deux deux en trois
points :
Par prpondrance de lexponentielle sur les puissances :

1t
t e 2 0.
t +
En notant M = | f (A1 )| = | f (A2 )| = 5 e 2 ,

il existe donc t0 ]0 ; +[ tel que :
1
t [t0 ; +[, 7 t e 2 t < M.
On a alors :
(x, y) R2 ,

x2 + y2 t0 = | f (x, y)| < M .
Comme | f (A1 )| = | f (A2 )| = M,

on a ncessairement
3 2
5
4 2
5
< t0 , donc : t0 > 1.
D1 D2 = {A},
D1 D3 = {B}, D2 D3 = {C},
A = (0, 2), B = (2, 3), C = (1, 1).

Lensemble (x, y) R2 ; 5x + 2y + 4 0 est le demi-plan
ferm limit par D1 et contenant O.

Lensemble (x, y) R2 ; 3x + y+ 2 0 est le demi-plan ferm
limit par D2 et contenant O.

Lensemble (x, y) R2 ; 2x 3y + 5 0 est le demi-plan
ferm limit par D3 et contenant O.
o :
Lensemble D est lintersection de ces trois demi-plans ferms, donc D est le triangle plein limit par les trois droites
D1 , D2 , D3 .
Dautre part, lapplication
f1 : [ t0 ; t0 ]2 R, (x, y) f (x, y)
est continue sur le ferm born [ t0 ; t0 ]2 de R2 , donc,

daprs le cours, f1 admet un maximum global et un minimum
global.
Notons A un point de [ t0 ; t0 ]2 en lequel f1 atteint son

maximum global.
Montrons : (x, y) R2 , f (x, y) f (A).
Soit (x, y) R2 .
Si x2 + y2 t0 , alors f (x, y) | f (x, y)| < M f (A).
Si x2 + y2 t0 , alors (x, y) [ t0 ; t0 ]2 ,
donc f (x, y) = f1 (x, y) f1 (A) = f (A).
Ceci montre que f admet un maximum global en A.
Il en rsulte que f admet un maximum local en A, donc,
daprs 1), A = A1 .
Comme : (x, y) R2 , f (x, y) = f (x, y),
ltude dun minimum global se ramne ltude prcdente.
On conclut que f admet deux extremums globaux, un minimum global, atteint en A1 et en ce point seulement, et un maximum global, atteint en A2 et en ce point seulement.
144
a) 2) Lensemble D est lintersection de trois ferms, donc D

est ferm.
Il est clair que D est inclus dans [1 ; 2] [2 ; 3], donc D est
born.
a) 3) Puisque f (resp. g) est continue sur D et que D est ferm
born, daprs le cours, f (resp. g) est borne et atteint ses
bornes.
En particulier, on conclut que f (resp. g) admet un maximum
global.
b) Puisque f est une fonction polynomiale du premier degr,
la restriction de f tout segment du plan est monotone sur ce
segment, donc cette restriction de f atteint ses bornes au bord

du segment. On peut donc conjecturer que le maximum de f
est atteint au bord de D.
Considrons lintrieur D de D, dfini par les ingalits
strictes correspondant aux ingalits larges dfinissant D :

D = (x, y, z) R3 ;

5x + 2y + 4 > 0, 3x + y + 2 > 0, 2x 3y + 5 > 0 .
Il reste tudier la restriction de g au bord de D.

Sur [AB], on a :
Mais :
g(x, y) = x2 + y2 = x2 +
not h1 (x)
et on tudie les variations de h1 :

x
h1 (x)
20/29
0
2
+
13

h1 (x)
donc f nadmet aucun point critique, contradiction.
Sur chacun des trois cts [AB], [BC], [CA] du triangle ABC,
on peut exprimer y en fonction de x sous forme ane, donc
f (x, y) sexprime comme une fonction ane de x, qui atteint
ncessairement son maximum en une extrmit du segment.
5x 4 2
2
1
1
= x2 + (25x2 40x + 16) = (29x2 40x + 16),
4
4
!"
f
(x, y) D ,
(x, y) = 1 0,
x
Ceci montre que f natteint pas son maximum global en un

point de D , donc f atteint son maximum en un point du bord
de D.
5x 4
,
2
donc :
Raisonnons par labsurde : supposons que f atteigne son maximum global en un point A de D .
Comme f est de classe C 1 sur louvert D , daprs le cours, A
est ncessairement un point critique de f .
0 x 2 et y =
Max g(x, y) = 13.
donc :
(x,y)[AB]
Sur [CA], on a :
1 x 0 et y = 3x 2,
donc :
10x2 + 12x
+ 4,
g(x, y) = x2 + y2 = x2 + (3x 2)2 =
!"
not h2 (x)
Ceci montre que f atteint son maximum en A ou en B ou en C.

Il reste calculer les valeurs de f en ces trois points :
f (A) = 5,
f (B) = 2,

x
h2 (x)
f (C) = 3.
3/5
0
0
+
On conclut que f admet un maximum global et que celui-ci est

gal 2 (et quil est atteint en B).
4

h2 (x)
c) Supposons que g atteigne son maximum en un point de

lintrieur D de D.
donc :
Comme g est de classe C 1 sur louvert D , daprs le cours, g

atteint alors son maximum en un point critique A de g.
Sur [BC], on a :
Max g(x, y) = 4.
(x,y)[CA]
1 x 2 et y =
2x + 5
,
3
donc :
On a, pour tout (x, y) D :

g
(x, y) = 2x,
x
g
(x, y) = 2y,
y
g(x, y) = x2 + y2 = x2 +
2x + 5 2
3
1 2
1
= x + (4x + 20x + 25) = (13x2 + 20x + 25),
9
9
!"
2
donc g admet un point critique et un seul, qui est O = (0, 0) (et

on a bien O D ).
En O, il est clair que g admet un minimum global, car :
not h3 (x)
(x, y) D, g(x, y) = x + y 0 = g(0, 0).

2
10
2
13
0 +
2
13
h3 (x)

x
h3 (x)
Comme, par exemple, (0, 1) D et que g(0, 1) > g(0, 0), ce

minimum nest pas un maximum.
Ceci montre que g natteint pas son maximum lintrieur
de D, donc g atteint son maximum en un point du bord de D.
donc :
Max g(x, y) = 13.
(x,y)[BC]
145
Chapitre 4
On conclut que la maximum global de g est gal 13 et quil

est atteint en B (et en B seulement).
Ainsi :
x+yzt =1
2x y + 3z + 2t = 2
A C

f A H
2x + 5y + 3z = 0
x + 4y + 3t = 0
Remarque gomtrique :
Dans cet exercice, g(x, y) est le carr de la distance euclidienne
entre O et le point (x, y) de D, et il est clair sur le schma que
cette distance est maximale en B et en B seulement.
z = (2x 5y)
t = (x 4y)

3
3(x + y) (2x 5y) (x 4y) = 3
3(2x y) + 3(2x 5y) + 2(x 4y) = 6
4.22
Daprs le cours, puisque
f : R4 R, (x, y, z, t) x2 + y2 + z2 + t2
est de classe C 1 sur louvert R4 de R4 , si la restriction de f la
contrainte dgalits linaires C admet un extremum global en
un point A de C , alors fA est orthogonal au sous-espace vectoriel H , ensemble
des solutions du systme linaire homogne
g1 (x, y, z, t) = 0
associ
g (x, y, z, t) = 0.
1
1
(2x 5y), t = (x 4y), 12y = 3, 14x 26y = 6
3
3
25
5
1
1
, z=
, t= .
y = , x =
4
28
28
28
Daprs lgalit de Taylor-Lagrange lordre 1, puisque f est
de classe C 2 sur louvert R4 , pour tout H H , il existe
]0 ; 1[ tel que :
Cherchons une base de H . cet eet, dans le systme homogne dfinissant H , exprimons, par exemple, x et y en fonction
de z et t :
1
f (A + H) = f (A) + < fA , H > + qA+H (H).
!" 2
z =
(x, y, z, t) H
=0
Daprs la dfinition de f , la hessienne de f en tout point P de

R4 est 2 I4 , donc qA+H est dfinie-positive, do :
x + y z t = 0

2x y + 3z + 2t = 0
3x + 2z + t = 0 L1 L1 + L2

3y 5z 4t = 0 L2 2L1 L2
H H , f (A + H) f (A),
cest--dire :
On conclut que f admet un extremum global sous contrainte

dgalits C et un seul, cest un minimum global, il est atteint
en A et en ce point seulement, et il est gal :
x = (2z + t)
y = (5z + 4t).
3
f (A) =
25
1 2
.
25 + 72 + 52 + (1)2 =
282
28
4.23
a)
Une base de H est, par exemple, (u, v) o :

u = (2, 5, 3, 0),
M C , f (M) f (A).
v = (1, 4, 0, 3).
Dautre part, pour tout A = (x, y, z, t) R4 :

fA =
f
x
(A),

f
f
f
(A),
(A),
(A) = (2x, 2y, 2z, 2t).
y
z
t
do :
( fA | u) = 0
fA H
( fA | v) = 0
146
2x + 5y + 3z = 0

x + 4y + 3t = 0

Dabord, il est clair que U = (x, y) R2 ; x < y est un ouvert
de R2 et que lapplication
f : U R, (x, y) x2 + y2 2 ln(y x)
est de classe C 1 sur U et, pour tout (x, y) U :

f
2
(x, y) = 2x +
,
x
yx
Do, pour tout (x, y) U :
f
2
(x, y) = 2y
.
y
y x
(x, y) = 0
x
y (x, y) = 0
2x +
=0
yx
2x + y x = 0

x + y = 0
=0
2y
yx
x=
y
=
x
x<y
1
2x2 = 1
y = .
2
On conclut que f admet un point critique et un seul, et que

1
1
cest :
A = (a, b) = , .
2
2
b) 1) Il est clair que U est un ouvert convexe et que f est de
classe C 2 sur U.
Donc, daprs lgalit de Taylor-Lagrange lordre 1, pour
tout H = (h, k) R2 tel que A + H U, il existe ]0 ; 1[ tel
1
que : f (A + H) = f (A)+ < fA , H > + qA+H (H),
2
o :
f
f
< fA , H >=
(A) h +
(A) k = 0,
x
y
!"
!"
1
f (A + H) = f (A) + < fA , H > + qA+H (H) f (A),
!" 2 !"
=0
0
et on conclut que f admet un minimum global en A.

La valeur de ce minimum global est :
f (A) = a2 + b2 2 ln(b a) =
2
1 1
+ 2 ln = 1 ln 2.
2 2
2
c) On a, par exemple, pour y > 0 :

f (0, y) = y2 2 ln y
y +
+,

on conclut que f nadmet pas de maximum global.
d) Supposons que f admette un maximum local en un point
not B.
Puisque f est de classe C 1 sur louvert U, daprs le cours, B
est un point critique de f , donc, daprs a), on a : B = A.
En reprenant les notations de b)2), on a, pour tout h > 0 assez
petit, en remplaant (h, k) par H = (h, 2h) par exemple :

qA+H (H) = (2 + ) h2 + (2h)2 + (h 2h)2 > 0.
et : qA+H (H) = rh2 + 2shk + tk2 ,
Ceci montre que, sur tout voisinage de A, il existe des points

A + H de U en lesquels f (A + H) > f (A), donc f nadmet pas
de maximum local en A.
o r, s, t sont les notations de Monge en A + H.
On conclut que f nadmet pas de maximum local.
=0
=0
b) 2) On a, pour tout (x, y) U :

2
f
(x, y) = 2 +
x2
(y x)2
2
On a donc :
2
2 f
(x, y) =
xy
(y x)2
2
2 f
(x, y) = 2 +
y2
(y x)2
tudions le signe de qA+H (H).
1
On a, en notant par commodit =
2 :
(b + k) (a + h)
qA+H (H) = rh2 + 2shk + tk2
= (2 + 2)h2 2hk + (2 + 2)k2
= (2 + )(h2 + k2 ) + (h2 2hk + k2 )
4.24
a) Lapplication f : ]0 ; +[ R, x x e x
est de classe C 1 sur ]0 ; +[, donc, par oprations, lapplication F : ]0 ; +[2 R, (x, y) f (x) + f (y) f (x + y)
est de classe C 1 sur louvert ]0 ; +[2 .
On a, pour tout (x, y) ]0 ; +[2 :
F
F
(x, y) = f (x) f (x + y),
(x, y) = f (y) f (x + y).
x
y
b) Soit a ]0 ; +[.
On a, pour tout x ]0 ; +[ :
f (x) = (1 x) e x , f (x) = (x 2) e x ,
= (2 + )(h2 + k2 ) + (h k)2 0.
147
Chapitre 4
do le tableau des variations de f :

x
f (x)

2
0
Rciproquement, si x = y et f (x) = f (2x),

+
+
0
f (x)
e 2
Si a 1, alors lquation f (x) = f (a), dinconnue

x ]0 ; +[, admet exactement une solution, et cest a.
alors f (x) = f (y) = f (x + y).

On conclut que (x, y) est un point critique de f si et seulement
si :
x = y et f (x) = f (2x).
d) On a, pour tout x ]0 ; +[ :
f (x) = f (2x) (1 x) e x = (1 2x) e 2x
(1 x) e x (1 2x) = 0.
Lapplication
: ]0 ; +[ R, x (1 x) e x (1 2x)
est de classe C 2 sur ]0 ; +[ et, pour tout x ]0 ; +[ :
(x) = x e x + 2,
Si a > 1, alors lquation f (x) = f (a), dinconnue

x ]0 ; +[ admet exactement deux solutions, et lune delles
est a.
(x) = (x + 1) e x .
do le tableau des variations de :

x
(x)
(x)
(x)
(x)
On conclut que, pour tout a ]0 ; +[ fix, lquation
f (x) = f (a), dinconnue x ]0 ; +[, admet au plus une
solution distincte de a.
c) Soit (x, y) ]0 ; +[ fix. On a :
2
(x, y) = 0
x
(x, y) = 0
y

f (x) f (x + y) = 0

f (x) = f (y) = f (x + y).
f (y) f (x + y) = 0
0
>0

0

0

Par continuit et stricte monotonie par intervalles, il existe

]0 ; +[ unique tel que () = 0.
Puis, il existe ] ; +[ unique tel que () = 0.
De plus : (1) = 1 > 0 et (2) = e 2 + 3 < 0,
donc : 1 < < 2.
On conclut que F admet un point critique et un seul, que celuici est de la forme (, ) et que 1 < < 2.
e) Puisque 1 < < 2, on a :
Supposons f (x) = f (y) = f (x + y).

Daprs b), les trois rels x, y, x + y ne sont pas deux deux
dirents.
Dautre part, comme x > 0 et y > 0, on a x + y y et x + y x.
Do ncessairement x = y, puis f (x) = f (x + y) = f (2x).
148
f () = ( 2) e < 0,
f (2) = (2 2) e 2 > 0.
f) Daprs le cours, comme F est de classe C 1 sur louvert

]0 ; +[2 , si F admet un extremum local, cest ncessairement
en un point critique, donc au point (, ).
Comme f est de classe C 2 sur ]0 ; +[, par oprations, F est

de classe C 2 sur ]0 ; +[2 et, pour tout (x, y) ]0 ; +[2 :
2 F
(x, y) = f (x) f (x + y)
x2
2 F
(x, y) = f (x + y)
xy
2 F
(x, y) = f (y) f (x + y)
y2
En particulier, au point critique (, ), avec les notations de
Monge :

2
2
rt s2 = f () f (2) f (2)
=

f () 2 f (2) f (),
!" !" !"
<0
>0
<0
Daprs e), on dduit : rt s2 > 0 et r < 0.

On conclut que F admet en (, ) un maximum local.
Finalement F admet un extremum local et un seul, cest un
maximum local, et il est atteint en (, ).
r = f () f (2), s = f (2), t = f () f (2).
On dduit :
149
Variables alatoires
discrtes, vecteurs
alatoires discrets
Plan
noncs des exercices
154
Du mal dmarrer ?
161
163
On abrge variable alatoire en

va.
150
CHAPITRE
Dtermination de la loi dune variable alatoire discrte
Dtermination de la loi dun couple de variables alatoires discrtes, obtention

des lois marginales
Calculs de lesprance et de la variance dune variable alatoire discrte
Calculs de la covariance et du coecient de corrlation linaire dun couple de

variables alatoires discrtes.

Loi dune variable alatoire discrte, loi de la variable alatoire Y = f (X) o f

est une fonction dfinie sur X() et X une variable alatoire discrte
Esprance dune variable alatoire discrte, thorme de transfert, linarit de

lesprance, formule de lesprance totale
Moment dordre r et moment centr dordre r dune variable alatoire discrte,

variance et cart-type dune variable alatoire discrte, proprits
Loi dun couple de variables alatoires discrtes, lois dun vecteur alatoire discret, lois marginales, lois conditionnelles
Indpendance de deux variables alatoires discrtes, indpendance mutuelle

dune famille finie ou infinie de variables alatoires discrtes
Loi dune variable alatoire Z = f (X, Y) o f est une fonction dfinie sur
(X, Y)(), cas o Z = X + Y avec X et Y indpendantes, esprance de Z et
thorme de transfert
Covariance et coecient de corrlation linaire dun couple de variables alatoires discrtes, matrice de variance-covariance dun vecteur alatoire discret
Variance de la somme de deux variables alatoires discrtes, variance de la

somme de n variables alatoires discrtes, variance de la somme dans le cas
de lindpendance
Lois discrtes usuelles : loi de Bernoulli, loi binomiale, loi hypergomtrique,

loi uniforme, loi gomtrique, loi de Poisson.
Les mthodes retenir
Les mthodes retenir
Dterminer lensemble X() des valeurs prises par X, puis pour

chaque valeur x de X(), calculer P(X = x) (soit directement, soit
en dterminant dans un premier temps, P(X x) ou P(X < x) ou
P(X x) ou P(X > x)).
Exercices 5.1, 5.6, 5.10, 5.13, 5.14, 5.16

Pour dterminer
la loi de probabilit
dune va discrte X
Pour dterminer
la loi de probabilit
dun couple (X, Y) de va discrtes
Reconnatre une situation type dune loi usuelle.
Exercices 5.2, 5.8, 5.10, 5.12
Exprimer X laide dune ou plusieurs va discrtes, dterminer la

loi de chaque va pour en dduire la loi de X (voir les mthodes cidessous pour dterminer la loi dune va fonction dune va discrte et pour dterminer la loi dune va fonction dun couple de
va discrtes ).
Exercice 5.6.
Dterminer les ensembles X() et Y() des valeurs prises par X

et par Y, puis pour chaque couple (x, y) de X() Y(), calculer

P (X = x) (Y = y) .
Exercices 5.5, 5.9
Commencer par dterminer la loi de X, puis, pour chaque valeur x

de X(), dterminer la loi conditionnelle de Y sachant (X = x) pour
en dduire la loi du couple (X, Y).

Utiliser la formule des probabilits totales avec comme systme com

plet dvnements (X = x) ; x X() ou (Y = y) ; y Y() .
Plus prcisment :
Pour dterminer
les lois marginales
connaissant la loi de probabilit
pour tout x de X(),
P(X = x) =

P (X = x) (Y = y)
yY()
pour tout y de Y(),
P(Y = y) =

P (X = x) (Y = y) .
xX()
Exercices 5.5, 5.7, 5.9, 5.11, 5.12.
Pour dterminer
la loi de probabilit dune va Y
fonction dune va discrte X
Si Y = f (X) avec X une va discrte de loi connue, alors :

Y() = f (x) ; x X()
et
y Y(), P(Y = y) =
P(X = x).
xX() / f (x)=y
Exercice 5.3.
151
Chapitre 5
Variables alatoires discrtes, vecteurs alatoires discrets
Si Z = f (X, Y) avec (X, Y) un couple de va discrtes de loi conjointe

connue, alors :

Z() = f (x, y) ; (x, y) X() Y()

et z Z(), P(Z = z) =
P (X = x) (Y = y) .
(x,y)X()Y()
f (x,y)=z
Pour dterminer
la loi de probabilit dune va Z
fonction dun couple
de va discrtes (X, Y)
Dans le cas o Z = X + Y, on obtient la loi de Z en crivant :

z Z(), P(Z = z) =
P (X = x) (Y = z x) .
xX()
Dans le cas o Z = min(X, Y), on obtient plus facilement la loi de Z

en calculant dans un premier temps :

z Z(), P(Z z) = P (X z) (Y z) .
Dans le cas o Z = max(X, Y), on obtient plus facilement la loi de Z

en calculant dans un premier temps :

z Z(), P(Z z) = P (X z) (Y z) .
Utiliser la dfinition :

si X est une va discrte finie avec X() = x1 , . . . , xn
alors X admet une esprance et E(X) est donne par :
E(X) =
n

xi P(X = xi )
i=1

si X est une va discrte infinie avec X() = xn ; n N
alors X admet une esprance si et seulement si

la srie
xn P(X = xn ) converge absolument ;
n0
Pour montrer
quune va discrte
admet une esprance
et la calculer
dans ce cas, E(X) est donne par :
E(X) =
+

xn P(X = xn ).
n=0
Exercices 5.3 5.6, 5.9, 5.12 5.15, 5.18
Reconnatre une loi usuelle et appliquer les formules du cours.
Exercices 5.1, 5.2, 5.8 5.10, 5.12, 5.16
Utiliser la linarit de lesprance :

si X = 1 X1 + + n Xn avec (1 , . . . , n ) Rn
et, pour tout i 1 ; n, Xi admet une esprance
E(X) = 1 E(X1 ) + + n E(Xn ).
Exercices 5.1, 5.6, 5.10, 5.17

152
Les mthodes retenir
Utiliser la formule de lesprance totale :

soit (Ai )iI un systme complet dvnement ;
alors X admet une esprance si et seulement si
pour tout i de I tel que P(Ai ) 0, E(X | Ai ) existe

et la srie
E(X | Ai )P(Ai ) converge absolument ;
iI ; P(Ai )0

E(X | Ai )P(Ai ).
E(X) =
iI ; P(Ai )0
(suite)
Utiliser le thorme de transfert :

si Y = f (X) et si
f (x)P(X = x) converge absolument
xX()
alors Y admet une esprance et E(Y) est donne par :

E(Y) =
f (x)P(X = x)
xX()
si Z = f (X, Y) et si la srie double

f (x, y)P (X = x) (Y = y) converge absolument
(x,y)(X,Y)()
alors Z admet une esprance et E(Z) est donne par :

E(Z) =
f (x, y)P (X = x) (Y = y) .
(x,y)(X,Y)()
Exercices 5.5, 5.7, 5.8.

Montrer que X admet une esprance puis montrer que X E(X) 2
admet une esprance ;
%
&
dans ce cas, V(X) est donne par : V(X) = E X E(X) 2 .
Montrer que X et X 2 admettent une esprance ;
dans ce cas, V(X) est donne par :

V(X) = E(X 2 ) E(X) 2 .
Exercices 5.5, 5.6, 5.9, 5.13

Pour montrer
quune va discrte
admet une variance
et la calculer
Reconnatre une loi usuelle et appliquer les formules du cours.
Exercices 5.1, 5.9, 5.12

Utiliser la proprit suivante :
si X = X1 + + Xn et les va X1 , . . . , Xn admettent une variance
alors X admet une variance et V(X) est donne par :
n

V(X) =
V(Xi ) + 2
Cov(Xi , X j ) ;
i=1
1i< jn
de plus, si les va X1 , . . . , Xn sont mutuellement indpendantes,

n

V(Xi ).
alors V(X) est donne par : V(X) =
i=1
Exercices 5.1, 5.6, 5.10.

153
Chapitre 5
Utiliser :
ou
Pour calculer la covariance

%

&
Cov(X, Y) = E X E(X) Y E(Y)
Cov(X, Y) = E(XY) E(X)E(Y).
Calculer V(X), V(Y), V(X + Y) (ou V(X Y)) et utiliser la formule :

(ou
V(X + Y) = V(X) + V(Y) + 2 Cov(X, Y)

V(X Y) = V(X) + V(Y) 2 Cov(X, Y)).
Si X et Y sont indpendantes, alors Cov(X, Y) = 0.
Exercices 5.1, 5.2, 5.9 5.11.
Pour montrer que

des va discrtes
sont indpendantes
Souvent, lindpendance de va est donne par lnonc.
Utiliser les dfinitions du cours.
Utiliser la proprit suivante :

si X1 , . . . , Xn sont mutuellement indpendantes,
alors, pour tout p 1 ; n, les va (X1 , . . . , X p ) et (X p+1 , . . . , Xn )
sont indpendantes.
Exercices 5.1, 5.4, 5.6, 5.11, 5.19.
Pour montrer que

deux va discrtes X et Y
ne sont pas indpendantes
Montrer quil existe x X() et y Y() tels que :

P (X = x) (Y = y) P(X = x)P(Y = y).
Montrer que Cov(X, Y) 0.
Exercice 5.1.
noncs des exercices

5.1 Exemple de somme de n va non indpendantes
On considre une suite (Xn )n1 de va mutuellement indpendantes suivant une mme loi de
Bernoulli de paramtre p (0 < p < 1).
On pose, pour tout n 1 :
Yn = Xn Xn+1
et Un = Y1 + + Yn .
a) Pour tout n 1, dterminer la loi de Yn puis calculer E(Yn ) et V(Yn).

b) Les variables alatoires Yn sont-elles mutuellement indpendantes ?
Calculer, pour tous n, m 1, Cov(Yn , Ym ).
c) Calculer, pour tout n 1, E(Un ) et V(Un ).
5.2 Tirages avec remise dans une urne contenant trois couleurs de boules
Une urne contient des boules blanches en proportion b, des boules rouges en proportion r et des
boules jaunes en proportion j.
Ainsi, on a :
0 < b < 1, 0 < r < 1, 0 < j < 1 et b + r + j = 1.
On eectue dans cette urne n tirages avec remise (n N ), et on note B (resp. R, J) le nombre
de boules blanches (resp. rouges, jaunes) obtenues.
154
noncs des exercices
a) Donner les lois de B, R, J, leurs esprances et leurs variances.

b) Donner la loi de B + R. En dduire Cov(B, R).
c) On note X le vecteur alatoire X = (B, R, J).
1) Dterminer la loi du vecteur X.
2) Dterminer la matrice de variance-covariance du vecteur X.
5.3 Exemple dune va fonction dune autre va discrte

On considre une va X dfinie sur un espace probabilis (, A , P) valeurs dans N.
0 si X() est impair
.
On dfinit la va Y par : , Y() =
X()
si X() est pair

2
a) On suppose que X suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
Dterminer la loi de Y et calculer son esprance.
b) On suppose que X suit la loi de Poisson de paramtre , avec R+ .
Dterminer la loi de Y et calculer son esprance.
5.4 Exemple dune va fonction dun couple de va discrtes

On considre une va X suivant la loi uniforme sur {1, 2} et une va Y, indpendante de X, suivant
la loi de Poisson de paramtre > 0. On dfinit la va Z = XY.
a) Dterminer la loi de Z. Calculer son esprance et sa variance.
b) Calculer la probabilit que Z soit pair.
5.5 Loi du plus petit numro et du plus grand numro obtenus lors dun tirage simultan de
deux boules
Dans cet exercice, on utilisera : (n, p) N2 tel que p n,
n

k
k=p

n+1
.
p+1
Soit n 2. On considre une urne contenant n boules numrotes de 1 n. On tire simultanment

deux boules au hasard et on note X la va gale au plus petit des deux numros tirs et Y la va
gale au plus grand des deux numros tirs.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.

b) Calculer E(Y) puis E Y(Y 2) . En dduire V(Y).
c) Montrer que n + 1 X et Y ont la mme loi. En dduire E(X) et V(X).

d) Calculer E X(Y 2) . En dduire la covariance de (X, Y).
e) Pour quelles valeurs de n le coecient de corrlation linaire de X et Y est-il dfini ? Dterminer sa valeur dans ce cas.
5.6 Exemple de produit et de somme de n va mutuellement indpendantes, daprs loral HEC

2008
On considre une suite (Xn )nN de va mutuellement indpendantes de mme loi, valeurs dans
{1, 1}, dfinies sur un mme espace probabilis (, A , P).
On pose, pour tout n N , p = P(Xn = 1), et on suppose que p ]0 ; 1[.
155
Chapitre 5
a) Pour tout n N , on pose :
Yn =
n
-
Xi .
i=1
1) Calculer, pour tout n N , E(Yn ) et V(Yn ).

2) Dterminer la loi de Y2 et la loi de Y3 .
3) On pose, pour tout n N , pn = P(Yn = 1). Dterminer une relation de rcurrence entre
pn+1 et pn . En dduire une expression de pn en fonction de p et n.
b) Pour tout n N , on pose :
Sn =
n

Xi .
i=1
1) Calculer, pour tout n N , E(S n ) et V(S n ).

2) Dterminer, pour tout n N , la loi de S n . (On pourra se ramener des variables alatoires
Xi , pour 1 i n, indpendantes suivant une loi de Bernoulli).
5.7 Exemple de loi conjointe

Soit a R. On considre un couple (X, Y) de va discrtes de loi conjointe donne par :
(i, j) N2 , P(X = i, Y = j) = a
i+ j
.
i! j!
a) Dterminer la valeur de a.
b) Dterminer les lois marginales de X et de Y. Les va X et Y sont-elles indpendantes ?
c) Montrer que le couple (X, Y) admet une covariance et la calculer.
d) Montrer que la va Z = 2X+Y admet une esprance et la calculer.
5.8 Tirages successifs dans deux urnes

Soit n N . On dispose de deux urnes : lurne U1 contient n boules blanches et n boules noires
et lurne U2 contient 1 boule blanche et 2 boules noires.
On tire simultanment n boules de U1 et on les met dans lurne U2 . On note X la va gale au
nombre de boules blanches tires de U1 .
a) Dterminer la loi de X ; donner son esprance. On admet que V(X) =
n2
.
4(2n 1)
b) A lissue du transfert de boules, on tire une boule de U2 .

Exprimer la probabilit dobtenir une boule blanche en fonction de n et E(X) puis calculer cette
probabilit.
c) Maintenant, lissue du transfert de boules, au lieu de tirer une boule de U2 , on tire simultanment deux boules de U2 . Exprimer la probabilit dobtenir deux boules blanches en fonction
de n, E(X) et V(X) puis calculer cette probabilit.
5.9 Loi du premier succs et loi du deuxime succs

On rpte, de faon indpendante, une exprience alatoire au cours de laquelle un vnement
A se ralise, chaque fois, avec la probabilit p, avec 0 < p < 1.
On note X la va gale au rang de la premire ralisation de lvnement A, et Y celle gale au
rang de sa deuxime ralisation.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.
156
noncs des exercices
b) Montrer que X et Y admettent une esprance et une variance puis calculer E(X), E(Y), V(X),
V(Y).
c) Montrer que (X, Y) admet une covariance et calculer Cov(X, Y). En dduire X,Y .
d) Soit n 2. Dterminer la loi conditionnelle de X sachant (Y = n).
5.10 Tirages simultans dans une urne, daprs loral HEC 2008
Soit n N . Une urne contient 2n boules de couleurs toutes direntes. La moiti dentre elles
sont marques du chire zro et les autres sont numrotes de 1 n. On tire simultanment
n boules de cette urne, obtenant ce que lon appelle une poigne. On suppose que toutes les
poignes sont quiprobables.
Pour tout i 1 ; n, on note Xi la va qui prend la valeur 1 si la boule i se trouve dans la poigne
et 0 sinon.
a) Pour tout i 1 ; n, dterminer la loi de probabilit de Xi .
b) Pour tout (i, j) 1 ; n2 tel que i j, calculer la covariance du couple (Xi , X j ).
c) On note S la va gale la somme des numros ports par les boules figurant dans la poigne.
1) Exprimer S en fonction de X1 , X2 , . . . , Xn
2) En dduire lesprance et la variance de S .
d) On note Z la va gale au nombre de boules portant le numro zro dans la poigne. Donner
la loi de probabilit de Z puis son esprance.
5.11 Exemple dune loi conjointe connaissant les lois conditionnelles

Soient X et S deux va dfinies sur un mme espace probabilis, valeurs dans N. On suppose
que S suit la loi de Poisson de paramtre , avec > 0, et quil existe p ]0 ; 1[ tel que, pour
tout n de N, la loi conditionnelle de X sachant (S = n) est la loi binomiale de paramtre (n, p).
a) Dterminer la loi du couple (S , X), puis la loi de X.
b) On pose Y = S X. Dterminer la loi de Y et montrer que X et Y sont indpendantes.
c) En dduire que Cov(S , X) = V(X), puis calculer S ,X .
5.12 Lancers dune pice

On dispose dune pice amenant pile avec la probabilit p (0 < p < 1).
Dans un premier temps, on lance cette pice jusqu obtenir pour la premire fois un pile et on
note N le nombre de lancers ncessaires. Dans un deuxime temps, si le premier pile est apparu
au n-ime lancer, on lance cette mme pice n fois, et lon note X le nombre de piles obtenus.
a) Donner la loi de N, son esprance et sa variance.
b) Soit n N . Dterminer la loi de X conditionnelle lvnement (N = n).
c) En dduire lexistence et la valeur de lesprance de X.
d) Dterminer la loi de X et retrouver la valeur de E(X).
5.13 Exemple de va fonction dun couple de va discrtes, daprs EML 2010

Soient X et Y deux vas indpendantes suivant toutes les deux
la #loi gomtrique de paramtre p,
#
avec 0 < p < 1. On pose q = 1 p. On dfinit la va Z = ## X Y ##.
157
Chapitre 5
a) Calculer la probabilit P(Z = 0), puis montrer : n N , P(Z = n) =
2pqn
.
1+q
b) Montrer que Z admet une esprance et la calculer.

c) Montrer : E (X Y)2 = 2V(X).
d) En dduire que Z admet une variance et la calculer.
5.14 Dplacement dun mobile sur un axe gradu

Un mobile se dplace sur les points coordonnes entires dun axe dorigine O. Au dpart,
le mobile est lorigine (point dabscisse 0). Le mobile se dplace selon la rgle suivante : sil
est sur le point dabscisse k linstant n, alors, linstant (n + 1), il sera sur le point dabscisse
1
k+1
ou sur le point dabscisse 0 avec la probabilit
.
(k + 1) avec la probabilit
k+2
k+2
Pour tout n de N, on note Xn labscisse de ce point linstant n et un = P(Xn = 0).
a) Montrer, pour tout n N et tout k 1 ; n + 1, P(Xn+1 = k) =
k
P(Xn = k 1).
k+1
b) En dduire que, pour tout n N et tout k 0 ; n, P(Xn = k) =

n

c) Montrer que, pour tout n N,
j=0
1
unk .
k+1
uj
= 1. En dduire u0 , u1 , u2 , u3 .
n j+1
d) Montrer que, pour tout n N, E(Xn+1 ) = E(Xn ) + un+1 .

En dduire, pour tout n N , une expression de E(Xn ) sous forme de somme mettant en jeu
certains termes de la suite (un )nN .
e) On note T linstant auquel le mobile se trouve pour la premire fois lorigine (sans compter
son positionnement au dpart) et on convient que T prend la valeur 0 si le mobile ne revient
jamais lorigine.
1
.
n(n + 1)
En dduire P(T = 0) = 0 et interprter ce rsultat.
1) Montrer :
n N , P(T = n) =
2) La variable T a-t-elle une esprance ?
5.15 Une autre expression de lesprance

On considre une variable alatoire discrte X valeurs dans N.
n
n1

kP(X = k) =
P(X > k) nP(X > n).
a) Montrer, pour tout n N :
k=0
k=0
b) 1) On suppose que X admet une esprance. Montrer : lim nP(X > n) = 0.

n+
+

P(X > n) converge puis que
P(X > n) = E(X).
En dduire que
n0
2) On suppose que la srie
n=0
P(X > n) converge. Montrer que X admet une esprance.
n0
c) noncer le rsultat dmontr.
5.16 Minimum et maximum de n va indpendantes

Soit n 1. On considre des va X1 , . . . , Xn indpendantes, suivant toutes la loi gomtrique de
paramtre p, avec 0 < p < 1. On note q = 1 p.
158
noncs des exercices
Enfin, on pose :
U = min Xi
1in
et V = max Xi .
1in
a) Dterminer la loi de U. En dduire que U admet une esprance et donner E(U).

b) Dterminer la loi de V. En utilisant lexercice 5.15, montrer que V admet une esprance et
n

1
n
(1)i+1
.
que E(V) =
1
qi
i
i=1
5.17 Somme alatoire de variables alatoires discrtes

On considre une suite (Xn )nN de va mutuellement indpendantes, valeurs dans N, de mme
loi et admettant une esprance.
On considre une autre va N, indpendante des va Xn pour n N , et valeurs dans N.

X1 () + + XN() () si N() 1
.
On dfinit la va S par : S () =
0
si N() = 0
a) Soit n N tel que P(N = n) 0. Montrer que lesprance conditionnelle de S sachant
(N = n) existe et la calculer.
b) En dduire que S admet une esprance et que lon a :
E(S ) = E(X1 )E(N).
5.18 Fonction gnratrice dune va

Soit X une va discrte valeurs dans N. On dfinit la fonction gnratrice de X par :
+

G X : t G X (t) =
P(X = n) tn .
n=0
On pose, pour tout n N, pn = P(X = n).

a) Montrer que la fonction gnratrice G X de X est dfinie sur [1 ; 1]. Calculer G X (1).
b) Calculer la fonction gnratrice de X sur [1 ; 1] lorsque X suit une loi usuelle :
X b(p),
X B(n, p),
X G (p),
X P().

G X (t) G X (1)
=
1 + t + + tn1 pn .
t1
n=1
+
c) 1) Montrer, pour tout t [0 ; 1[ :
En dduire que la fonction t
G X (t) G X (1)
est croissante sur [0 ; 1[.
t1
2) On suppose que X admet une esprance.

Montrer que G X est drivable gauche en 1 et GX (1) E(X).
3) On suppose G X drivable gauche en 1. Montrer : N N ,
N

n pn GX (1).
n=1
En dduire que X admet une esprance et que E(X) GX (1).

4) noncer le rsultat dmontr.
Retrouver lexpression connue de E(X) lorsque X suit une loi usuelle :
X b(p),
X B(n, p),
X G (p),
X P().
5.19 Fonction gnratrice et somme de va

Pour toute va X valeurs dans N, on note G X sa fonction gnratrice dfinie dans lexercice 5.18.
a) Soient X et Y deux va indpendantes valeurs dans N.
159
Chapitre 5
Montrer :
t [0 ; 1], G X+Y (t) = G X (t)GY (t).
b) Soient X1 , . . . , Xn des va valeurs dans N, mutuellement indpendantes et de mme loi.

n
On pose : S = X1 + + Xn . Montrer : t [0 ; 1], GS (t) = G X1 (t) .
c) Soient (Xn )nN une suite de va valeurs dans N, mutuellement indpendantes et de mme loi
et N une autre va valeurs dans N et indpendante des va Xn , pour n N .
On dfinit la va S par :
S = X1 + + XN , cest--dire :
, S () = X1 () + + XN() ().
1) Montrer : t [0 ; 1], GS (t) = G N G X1 (t).

2) On suppose que X1 et N admettent une esprance. En utilisant lexercice 5.18, montrer que
S admet une esprance et la calculer en fonction de E(X1 ) et E(N).
5.20 Entropie dune va
On note h la fonction dfinie par h(x) =
x ln x si x > 0
0
si x = 0.
Soit X une va discrte dfinie sur un espace probabilis (, A , P).

h P(X = x) .
On pose, sous rserve dexistence, H(X) =
xX()
Le rel H(X) est appel lincertitude moyenne ou entropie de X.

a) On suppose que H(X) existe. Montrer que H(X) 0, puis montrer que H(X) = 0 si et
seulement si X est quasi-certaine.
Dans la suite, on pourra utiliser le rsultat suivant, pour tout x > 0 :

ln x x 1 et
ln x = x 1 x = 1 .
b) On suppose que X est une va finie et on note X() = {x1 , . . . , xn }.
On pose, pour tout i 1 ; n, ui = P(X = xi ).
1) Soit X0 une va suivant la loi uniforme sur {x1 , . . . , xn }. Calculer H(X0 ).
2) Montrer : i 1 ; n, h(ui )
1
ui + ui ln n.
n
3) En dduire que H(X) ln n, puis montrer que H(X) = ln n si et seulement si X suit la loi
uniforme sur {x1 , . . . , xn }.
c) On suppose que X est une va discrte infinie valeurs dans N , non quasi-certaine, et telle
que E(X) et H(X) existent, et on note m = E(X). On a alors : m > 1.
1) Soit p ]0 ; 1[ et soit X0 une va suivant la loi gomtrique de paramtre p.
Montrer que H(X0 ) existe et la calculer.
2) On pose, pour tout n N , un = P(X = n) et vn =
Montrer :
n N , h(un ) vn un un ln(vn ).
1 n1
1
1
.
m
m
3) En dduire que H(X) m ln m (m 1) ln(m 1),

puis montrer que H(X) = m ln m (m 1) ln(m 1) si et seulement si X suit la loi gomtrique
1
de paramtre .
m
160
Du mal dmarrer ?
Du mal dmarrer ?
5.1
a) Pour tout n 1, calculer P(Yn = 1), puis reconnatre

une loi usuelle.
b) Remarquer que si m n 1, n, n + 1, les va Yn et Ym sont
indpendantes.
Pour calculer Cov(Yn , Ym ) lorsque m = n 1 ou n ou n + 1, remarquer que E(Yn Ym ) = P(Yn = 1, Ym = 1).
5.7
a) Utiliser le fait que
P(X = i, Y = j) = 1.
(i,j)N2
c) Pour calculer E(Un ), utiliser la linarit de lesprance.
b) Pour dterminer les lois marginales de X et de Y , utiliser la

mthode dcrite dans les mthodes retenir .
Pour calculer V (Un ), utiliser la formule de la variance dune

somme de n va discrtes.
Montrer que X et Y ne sont pas indpendantes, par exemple

en considrant P(X = 0, Y = 0).
5.2
c) Montrer, dans un premier temps, que X et Y admettent une

esprance et les calculer. Puis montrer, laide du thorme de
transfert, que XY admet une esprance et la calculer.
a) Reconnatre des situations types.
b) Pour la loi de B+R, reconnatre une situation type. En dduire

la valeur de V (B + R) puis celle de Cov(B, R).

c) 1) Calculer, pour tout (k1 , k2 , k3 ) N3 , P X = (k1 , k2 , k3 ) en
distinguant les cas k1 + k2 + k3 n, k1 + k2 + k3 = n.
c) 2) Utiliser la dfinition de la matrice de variance-covariance.
5.3
a)
n N , P(Y = n) = P(X = 2n)

+

P(X = 2n + 1).
P(Y = 0) =
Remarquer :
et justifier :
n=0
b)
Remarquer :
et justifier :
n N , P(Y = n) = P(X = 2n)

+

P(Y = 0) = P(X = 0) +
P(X = 2n + 1).
n=0
+

+

2n
, considrer S2 =
et dPour calculer S1 =
(2n + 1)!
(2n)!
n=0
n=0
terminer S1 + S2 et S2 S1 .
5.4
2n+1
a) Justifier que pour tout n de N :

P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1) et
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n).
Pour calculer E(Z) et E(Z 2 ), utiliser lindpendance de X et Y .
b) crire :
P(Z est pair) =
+

P(Z = 2n).
n=0
Xi + 1
. Dterminer la loi
2
des Xi , exprimer Sn en fonction de ces va puis utiliser le cours.
b) 2) Poser, pour tout i 1 ; n, Xi =
5.5
a) Calculer, pour (i, j) 1 ; n 1 2 ; n, P(X = i, Y = j).

En dduire les lois marginales par la mthode habituelle.
b) Calculer E(Y ) en utilisant la dfinition de lesprance et

E Y (Y 2) en utilisant le thorme de transfert.
c) Exprimer E(X) en fonction de E(Y ), puis V (X) en fonction de
V (Y ).

d) Calculer E X(Y 2) en utilisant le thorme de transfert.
e) Utiliser la dfinition du coefficient de corrlation linaire.
5.6
a) 1) Utiliser lindpendance mutuelle des va Xi .
a) 3) Montrer :
n N , pn+1 = (2p 1)pn + 1 p,
puis en dduire une expression de pn en fonction de n.
b) 1) Utiliser la linarit de lesprance et la formule donnant

la variance dune somme de va mutuellement indpendantes.
d) Utiliser le thorme de transfert.
5.8
a) Reconnatre une situation type.
b) Noter E : on tire une boule blanche dans U2 , puis calculer, dans un premier temps, P(X=k) (E) pour tout k 0 ; n. Enfin
appliquer la formule des probabilits totales.
c) Raisonner de la mme faon quau b).
5.9
a) Utiliser les mthodes habituelles.
b) Utiliser les dfinitions de cours.

c) Montrer, dans un premier temps, que XY admet une esprance et la calculer laide du thorme de transfert.
d) Utiliser la dfinition dune loi conditionnelle.
5.10
a) Calculer P(Xi = 1).
b) Calculer tout dabord E(Xi Xj ) = P(Xi = 1, Xj = 1).

c) 1) Remarquer que S =
n

iXi .
i=1
c) 2) Utiliser les formules donnant lesprance et la variance

dune somme de n va.
d) Reconnatre une situation type.
5.11
a) Utiliser les mthodes habituelles.
b) Commencer par dterminer, pour tout n de N, la loi conditionnelle de Y sachant (S = n). Puis appliquer convenablement
le rsultat du a).
Utiliser la dfinition de lindpendance.
c) Commencer par crire Cov(S, X) = Cov(X + Y, X), puis utiliser

des proprits sur la covariance.
5.12
a) Reconnatre une loi usuelle.
b) Reconnatre une loi usuelle.

c) Utiliser la formule de lesprance totale.
d) Pour dterminer la loi de X, calculer P(X = k) en distinguant
les cas k = 0 et k 1.
Pour dterminer E(X), utiliser la dfinition de lesprance.
161
Chapitre 5
5.13
5.17
a) Justifier : P(Z = 0) = P(X = Y )
et : n N , P(Z = n) = P(X Y = n) + P(Y X = n).
b) Utiliser la dfinition de lesprance.

c) Utiliser la linarit de lesprance, puis lindpendance de X
et Y .
d) En dduire E(Z 2 ) = 2V (X), puis calculer V (Z).
5.14
a) Utiliser, par exemple, la formule des probabilits totales avec comme systme complet dvnements
(Xn = 0), . . . , (Xn = n).
b) Appliquer de faon rpte la relation du a).

n

c) Utiliser le fait que
a) Obtenir :
b) Utiliser la formule de lesprance totale.
5.18
a) Montrer que, pour tout t [1 ; 1], la srie de terme

gnral pn tn converge absolument, donc converge.
b) Dans chacun des cas, remplacer P(X = n) par son expression,

puis simplifier GX (t).
k=0
c) 2) Montrer que le taux daccroissement de GX en 1 est major

par E(X), puis conclure.
N

k=0
d) crire : k 1 ; n + 1, (k + 1)P(Xn+1 = k) = kP(Xn = k 1).
N N , t [0 ; 1[,
(1 + t + + tn1 )pn
n=1
+

(1 + t + + tn1 )pn .
n=1
Puis sommer cette relation.
Puis passer la limite quand t tend vers 1. Conclure.
e) 1) Dcomposer lvnement (T = n).
c) 4) Dans chacun des cas, montrer que GX est drivable

gauche en 1 et calculer E(X) = GX (1).
P(T = 0) = 1
Justifier :
+

P(T = n).
5.19
a) crire GX+Y (t) sous forme dune somme double et intervertir les deux sommes.
n=1
e) 2) Montrer que T nadmet pas desprance.
5.15
a) Remplacer dans la premire somme P(X = k) par

P(X > k 1) P(X > k), et faire apparatre une somme tlscopique.
n N, 0 nP(X > n)
b) 1) Montrer :
pour en dduire que lim nP(X > n) = 0.
+

crire :
n N,
n1

P(X > k) =
k=0
n

kP(X = k) + nP(X > n),
k=0
kP(X = k)
k=0
n1

t [0 ; 1], GS (t) =
n=0
k=1
c) 2) Montrer que la fonction GS est drivable gauche en 1,

laide de lexercice 5.18, puis montrer : E(S) = E(X1 )E(N).
b) 1) Obtenir :
H(X0 ) = ln n.
b) 2) Appliquer lingalit donne par lnonc x =
k=0
n

ui 0.
kP(X = k) est
k=0
c) 1) Obtenir :
5.16
a) Calculer, dans un premier temps, P(U > k), pour tout

k N, puis reconnatre une loi usuelle.
b) Calculer, dans un premier temps, P(V k), pour tout k N,

puis en dduire la loi de V .

Montrer que
P(V > k) converge puis utiliser lexercice 5.15.
1
si
nui
b) 3) Sommer lingalit prcdente. Traiter le cas dgalit.
majore et conclure.
k0

P(N = k)P(X1 + + Xk = n) tn ,
a) Remarquer que H(X) est une somme de rels positifs

ou nuls.
P(X > k).
En dduire que la suite de terme gnral Sn =
+
+

5.20
b) 2) Remarquer que, pour tout n de N :

n

c) 1) Montrer :
puis intervertir les deux sommes.
puis passer la limite quand n tend vers +.
0
b) Raisonner par rcurrence sur n.
kP(X = k),
k=n+1
n+
162
tn 1 k
=
t .
t1
n1
c) 1) Faire apparatre lexpression
c) 3) Justifier :
P(Xn = k) = 1.

E S | (N = n) = nE(X1 ).
H(X0 ) = ln p
1p
ln(1 p).
p
c) 2) Appliquer lingalit donne par lnonc x =

un 0.
c) 3) Raisonner de la mme faon quau b) 3).
vn
si
un

Cov(Yn , Ym ) = V(Yn ) = p2 (1 p)(1 + p).
5.1
a) Soit n 1. Alors Yn prend les valeurs 0 et 1.
P(Yn = 1) = P(Xn Xn+1 = 1) = P(Xn = 1, Xn+1 = 1)
On a :
= P(Xn = 1)P(Xn+1 = 1) = p2
car Xn et Xn+1 sont indpendantes
Ainsi la va Yn suit la loi de Bernoulli de paramtre p2 .
On a alors :
et
E(Yn ) = p2
V(Yn ) = p2 (1 p2 ) = p2 (1 p)(1 + p).
b) Les va Yn et Yn+1 ne sont pas indpendantes car :

P(Yn = 1, Yn+1 = 1) = P(Xn Xn+1 = 1, Xn+1 Xn+2 = 1)
= P(Xn = 1, Xn+1 = 1, Xn+2 = 1)
On conclut : Cov(Yn , Ym )
p3 (1 p)
si m = n 1 ou n + 1
2
(1
p)(1
+
p)
si m = n
p
.
=
0
si m n 1, n, n + 1
c) Par linarit de lesprance,
E(Un ) = E(Y1 ) + + E(Yn ) = np2 .
Les va Yn ntant pas mutuellement indpendantes, on utilise
la formule gnrale donnant la variance dune somme de n va :
V(Un ) =
= P(Xn = 1)P(Xn+1 = 1)P(Xn+2 = 1) = p3 ,

et P(Yn = 1) P(Yn+1 = 1) = p2 p2 = p4 ;
n

V(Yi ) + 2
i=1
1i< jn
n

n1

V(Yi ) + 2
i=1
ainsi puisque p ]0 ; 1[,
Cov(Yi , Y j )
!"
= 0 si j i + 1
Cov(Yi , Yi+1 )
i=1
= nV(Y1 ) + 2(n 1)Cov(Y1 , Y2 )
P(Yn = 1, Yn+1 = 1) P(Yn = 1) P(Yn+1 = 1).

Donc les va Yn ne sont pas mutuellement indpendantes.
= np2 (1 p2 ) + 2(n 1)p3 (1 p)

= p2 (1 p) n(1 + p) + 2(n 1)p
Soient n, m 1 avec m n 1, n, n + 1.
= p2 (1 p)(3np + n 2p).
La va Yn fait intervenir les va Xn et Xn+1 et la va Ym fait intervenir les va Xm et Xm+1 . Il ny a pas de va Xi en commun. Par
indpendance des va Xi , on en dduit que Yn et Ym sont indpendantes.
Ainsi :
Cov(Yn , Ym ) = 0.
Soit n 1 et m = n + 1. On a :
Cov(Yn , Ym ) = E(Yn Ym ) E(Yn )E(Ym ).
Or :
E(Yn Ym ) = P(Yn = 1, Ym = 1)
car Yn () = Ym () = {0, 1}
= P(Yn = 1, Yn+1 = 1) = P(Xn = 1, Xn+1 = 1, Xn+2 = 1)
= P(Xn = 1)P(Xn+1 = 1)P(Xn+2 = 1) = p3
car Xn , Xn+1 , Xn+2 sont indpendantes
Et :
E(Yn )E(Ym ) = (p2 )2 = p4 .
Ainsi :
Cov(Yn , Ym ) = p3 p4 = p3 (1 p).
Soit n 2 et m = n 1. On a :
Cov(Yn , Ym ) = Cov(Ym , Yn ) = Cov(Ym , Ym+1 )
= p3 (1 p), daprs ce qui prcde.
Soit n 1 et m = n. Alors :
5.2
a) La va B prend ses valeurs dans 0 ; n.
On ralise ici une succession dpreuves de Bernoulli indpendantes (tirer une boule) dont la probabilit de succs (tirer une
boule blanche) est b, et la va B compte le nombre de succs.
Donc B suit la loi binomiale de paramtre (n, b).
On a alors :
E(B) = nb et
V(B) = nb(1 b).
De mme, R suit la loi binomiale de paramtre (n, r) et,

E(R) = nr
et
V(R) = nr(1 r).
Enfin, J suit la loi binomiale de paramtre (n, j) et,

E(J) = n j
et
V(J) = n j(1 j).
b) La va B + R compte le nombre de succs (tirer une boule

blanche ou une boule rouge) dont la probabilit est b + r.
Ainsi B + R suit la loi binomiale de paramtre (n, b + r).
On a alors : V(B + R) = n(b + r)(1 b r).
Or : V(B + R) = V(B) + V(R) + 2 Cov(B, R).
163
Chapitre 5

1
On en dduit : Cov(B, R) = V(B + R) V(B) V(R)
2

n
= (b + r)(1 b r) b(1 b) r(1 r) = nbr.
2
Remarque : Cov(B, R) < 0, ce qui normal puisque si B augmente, R a tendance diminuer ; donc les va B et R voluent en
sens contraires.
c) 1) Soient (k1 , k2 , k3 ) N3 . Alors :

P X = (k1 , k2 , k3 ) = P(B = k1 , R = k2 , J = k3 ).
Si k1 + k2 + k3 n, alors P(B = k1 , R = k2 , J = k3 ) = 0.
Supposons k1 + k2 + k3 = n. La probabilit que les k1
premires boules soient blanches, que les k2 boules suivantes
soient rouges et les k3 dernires boules soient jaunes est gale
bk1 rk2 jk3 .
Mais, pour raliser lvnement (B = k1 , R = k2 , J = k3 ),
lordre des tirages nintervient pas
dans
le nombre de boules
n
choix pour placer les k1
obtenues de chaque couleur. Il y a
k1

n k1
choix pour placer les k2 boules
boules blanches, puis
k2

n k1 k2
rouges dans les places restantes, et enfin
pour plak3
cer les k3 boules jaunes.
P(B = k1 , R = k2 , J = k3 )

n n k1 n k1 k2 k1 k2 k3
b r j
=
k2
k3
k1
P(Y = n) = P(X = 2n) = (1 p)2n1 p.
Puis :
=
=
n=0
+

c) 2) Par dfinition, la matrice V(X) de variance-covariance

de X est :
Cov(B, B) Cov(B, R) Cov(B, J)
V(X) = Cov(R, B) Cov(R, R) Cov(R, J).
Cov(J, B) Cov(J, R) Cov(J, J)

Daprs la question b),
nb j
nb(1 b) nbr
V(X) = nbr nr(1 r) nr j .
nb j
nr j n j(1 j)
5.3
a) La va Y prend ses valeurs dans N.
164
+

1
(X = 2n + 1)
n=0
+

P(X = 2n + 1) par incompatibilit des vnements

(1 p)2n p = p
+

n
(1 p)2
n=0
= p
n=0
1
1
=
.
2
1 (1 p)
2 p
La va Y admet une esprance

nP(Y = n) converge absolument
la srie
n0
la srie
nP(Y = n) converge
n0
(car tous les termes sont positifs).

N

On a : N 0,
= p(1 p)
nP(Y = n) =
n=0
N

N

n(1 p)2n1 p
n=1
n1

n (1 p)2
n=1
1
1 p
p(1 p)
2 = p(2 p)2
N
1 (1 p)2
#
#
puisque ##(1 p)2 ## < 1.
Ainsi :
n!
(n k1 )!
(n k1 k2 )!
=
bk1 rk2 jk3
k1 !(n k1 )! k2 !(n k1 k2 )! k3 ! (n k1 k2 k3 )!
n!
bk1 rk2 jk3 .
=
k1 ! k2 ! k3 !

3
Ainsi : (k
1 , k2 , k3 ) N , P X = (k1 , k2 , k3 )
n!
bk1 rk2 jk3 si k1 + k2 + k3 = n
.
=
k
1 ! k2 ! k3 !
0
si k1 + k2 + k3 n
P(Y = 0) = P
Donc Y admet une esprance et E(Y) =
1 p
.
p(2 p)2
b) La va Y prend ses valeurs dans N.

P(Y = n) = P(X = 2n) = e
Puis :
2n
.
(2n)!
+
1

P(Y = 0) = P (X = 0) (X = 2n + 1)
= P(X = 0) +
+

n=0
P(X = 2n + 1)
n=0
= e +
par incompatibilit des vnements

2n+1
e
.
(2n + 1)!
+

n=0
Notons S 1 =
+

n=0
2n
2n+1
et S 2 =
.
(2n + 1)!
(2n)!
n=0
Alors : S 1 + S 2 =
+
+
+ n

2n
2n+1
+
=
= e ,
(2n)!
(2n
+
1)!
n!
n=0
n=0
n=0
et :
S2 S1 =
+
+

2n
2n+1
(2n)!
(2n
+ 1)!
n=0
n=0
De plus, les va X 2 et Y 2 sont indpendantes, donc :
+
+

(1)2n 2n (1)2n+1 2n+1
=
+
(2n)!
(2n + 1)!
n=0
n=0
On en dduit :
+

()n
= e .
n!
n=0
S1 =
e e
2
Ainsi, P(Y = 0) = e + e S 1 =
Donc :
et
S2 =
e + e
.
2
1 + 2 e e 2
.
2

la srie
n0
la srie
E(Z 2 ) = E(X 2 Y 2 ) = E(X 2 )E(Y 2 ).
E(X 2 ) = 12 P(X = 1) + 22 P(X = 2) =

Or,
.
2
E(Y 2 ) = V(Y) + E(Y)2 = + 2
b) Lvnement E : Z est pair scrit : E =

nP(Y = n) =
n=0
N

n e
n=1
2n
(2n)!
P(Z = 2n)
n=0
+

n=0
n
.
n!
Donc :
+

1 + e 2
2n
=
.
(2n)!
2
n=0
P(E) =
1 + e 2 1 3 + e 2
+ =
.
4
2
4
5.5
5.4
a) La va X prend ses valeurs dans 1 ; n 1 et Y prend ses

valeurs dans 2 ; n.
a) La va Z prend ses valeurs dans N.
Soit (i, j) 1 ; n 1 2 ; n.
Soit n N.
Si i j, alors lvnement (X = i, Y = j) est impossible,

donc P(X = i, Y = j) = 0.
On a : (Z = 2n + 1) = (X = 1) (Y = 2n + 1),
do, par indpendance de X et Y :
(Z = 2n).
En utilisant les calculs de lexercice 5.3 :
N1
(1 e 2 )
e
S1 =
.
N
2
4
(1 e 2 )
Donc Y admet une esprance et E(Y) =
.
4
+

+
+

n e 2n
e
e 2n
+
=
+
2
(2n)!
n!
2
(2n)!
2
n=0
n=0
e (2n)2n1
e 2n+1
=
=
2 n=1 (2n)!
2 n=0 (2n + 1)!
N
+
1
n=0
Par incompatibilit des vnements, P(E) =
nP(Y = n) converge
N

5( + 1)
.
2
On en dduit : V(Z) = E(Z 2 ) E(Z)2

5( + 1) 3 2 2 + 10
=
=
.
2
2
4
n0
On a : N 0,
E(Z 2 ) =
P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1)

e
2n+1
=
.
2
(2n + 1)!

On a : (Z = 2n) = (X = 1) (Y = 2n)

(X = 2) (Y = n) ,
do, par incompatibilit des deux vnements puis indpendance de X et Y :
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n)
1
e 2n
n
2n
n
1
+ e
=
+
.
= e
2
(2n)! 2
n!
2 (2n)! n!
Puisque les va X et Y sont indpendantes :
3
3
E(Z) = E(XY) = E(X)E(Y) = =
.
2
2
Si i < j, alors lvnement (X = i, Y = j) est ralis si et

seulement si on tire les jetons numros i et j.

n
Puisquil y a
tirages possibles et que tous les tirages sont
2
quiprobables, on a :
1
P(X = i, Y = j) = n =
2
2
.
n(n 1)
On en dduit : (i, j) N2 ,
2
si 1 i < j n
P(X = i, Y = j) =
.
n(n 1)
0
sinon
Soit i 1 ; n 1. Alors :
P(X = i) =
n

j=2
P(X = i, Y = j) =
n

2
2(n i)
=
.
n(n
1)
n(n
1)
j=i+1
165
Chapitre 5
Soit j 2 ; n. Alors :

P(Y = j) =
n1

d) Par le thorme de transfert, on a :
P(X = i, Y = j) =
i=1
j1

i=1
2( j 1)
2
=
.
n(n 1) n(n 1)

i( j 2)P(X = i, Y = j)
E X(Y 2) =
b) La va Y est une va discrte finie, donc Y admet une esprance

et une variance.
n
n

2
E(Y) =
jP(Y = j) =
j( j 1)
n(n 1) j=2
j=2

n

4
n+1
j
4
=
en utilisant
=
n(n 1) j=2 2
n(n 1) 3
j=2
=
=
la formule donne dans lnonc
(n + 1)n(n 1) 2(n + 1)
4
=
.
=
n(n 1)
6
3
Par le thorme de transfert,

E Y(Y 2) =
=
n

2
n(n 1)
j( j 1)( j 2)
j=2

n

n+1
12 j
12
en utilisant
=
=
n(n 1) j=3 3
n(n 1) 4
12
(n + 1)n(n 1)(n 2) (n + 1)(n 2)
=
.
n(n 1)
24
2
On en dduit :

V(Y) = E(Y ) E(Y)

2
= E Y(Y 2) + 2E(Y) E(Y)
2(n + 1) 4(n + 1)2
(n + 1)(n 2)
+2
=
2
3
9
%
&
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
18
18
2
c) Puisque X prend ses valeurs dans 1 ; n1, alors n + 1 X

prend ses valeurs dans 2 ; n.
i=1
i( j 2)
i=1
(n + 1)(n 2) 2(n + 1) 2(n + 1)2

+
4
3
9
+
%
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
36
36
=
e) Le coecient de corrlation de X et de Y existe si et seulement si V(X) 0 et V(Y) 0, donc si et seulement si n 3.

On a alors : X,Y =
i=1
De mme :
n+1
.
3
De plus : V(n + 1 X) = (1)2 V(X) = V(X),
on en dduit :
E(X) = n + 1 E(Y) =
on en dduit : V(X) = V(Y) =
(n + 1)(n 2)
.
18
1
.
2
Ainsi :
E(n + 1 X) = n + 1 E(X),
Les va X1 , . . . Xn tant mutuellement indpendantes,

n
E(Xi ).
E(Yn ) =
Ainsi :
V(n + 1 X) = V(Y).
(n+1)(n2)
36
(n+1)(n2)
18
a) 1) Soit n N .
On en dduit que Y et n + 1 X ont mme loi.

et
Cov(X, Y)
=
(X)(Y)
5.6
Or, pour tout i N ,
E(n + 1 X) = E(Y)

2
n(n 1)
j1
n

2
( j 2)
i
n(n 1) j=2
i=1
n
n

( j 1) j
6
2
j
( j 2)
=
n(n 1) j=2
2
n(n 1) j=3 3

n+1
6
(n + 1)n(n 1)(n 2)
6
n(n 1)
4
n(n 1)
24
(n + 1)(n 2)
.
4
De plus : k 2 ; n, P(n + 1 X = k)

2(k 1)
= P(Y = k).
= P(X = n + 1 k) =
n(n 1)
Or :
166
j=2
Donc : Cov(X, Y) = E(XY) E(X)E(Y)

= E X(Y 2) + 2E(X) E(X)E(Y)
la formule donne dans lnonc

=
n1
Or, par la linarit de lesprance :

E X(Y 2) = E(XY) 2E(X).
j( j 2)P(Y = j)
j=2
n

j1
n

E(Xi ) = P(Xi = 1) P(Xi = 1) = p (1 p) = 2p 1.

E(Yn ) = (2p 1)n .
E(Yn2 ) = E
n
i=1
n
Xi2 =
E(Xi2 ).
i=1
Or, pour tout i N ,

E(Xi2 ) = P(Xi = 1) + (1)2 P(Xi = 1) = p + (1 p) = 1.
Ainsi :
E(Yn2 ) = 1.
On en dduit : V(Yn ) = E(Yn2 ) E(Yn )2 = 1 (2p 1)2n .
a) 2) La va Y2 prend ses valeurs dans {1, 1}. On a :

P(Y2 = 1) = P (X1 = 1, X2 = 1) (X1 = 1, X2 = 1)
= P(X1 = 1)P(X2 = 1) + P(X1 = 1)P(X2 = 1)
E(S n ) =
Et donc :
V(S n) =
P(Y2 = 1) = 1 P(Y2 = 1)
= 2p 2p2 = 2p(1 p).
La va Y3 prend ses valeurs dans {1, 1}.

On a : P(Y3 = 1) = P (X1 = 1, X2 = 1, X3 = 1)
Par incompatibilit des vnements puis indpendance des variables, P(Y3 = 1) = p3 + 3(1 p)2 p.
Et donc :
Sn =
i=1
S n prend ses valeurs dans

n + 2k ; k 0 ; n = n, n + 2, . . . , n 2, n .
k 0 ; n,
P(S n = n + 2k) =
P(S n
= P(Yn = 1)P(Xn+1 = 1) + P(Yn = 1)P(Xn+1 = 1)
a) Daprs le cours, la srie
= pn p + (1 pn ) (1 p).
sa somme est gale 1.
pn+1 = (2p 1)pn + 1 p.
1
.
2
converge et
P(X = i, Y = j) converge, et
Remarque : On retrouve alors lexpression de E(Yn ) et E(Yn2 ).

En eet :
E(Yn ) = P(Yn = 1) P(Yn = 1) = 2pn 1 = (2p 1)n
+

P(X = i, Y = j) =
j=0
xn
n!
n0
+

i+ j
a
i! j!
j=0
+
+
+
+
a 1 j a 1
1
i
+
=
i
+
=
i! j=0 j! j=0 j!
i! j=0 j! j=1 ( j 1)!
p1 = P(Y1 = 1) = P(X1 = 1) = p.

1
(2p 1)n + 1 .
2
+ n

x
= e x.
n!
n=0
Or : i N,

1 1
n N , pn = (2p 1)n1 p1
+ .
2
2
b) 1) Soit n N . Par linarit de lesprance,
Rappelons un rsultat de cours : pour tout x de R, la srie
1
La suite de terme gnral pn est alors une suite gomtrique
2
de raison (2p 1).
E(Yn2 ) = P(Yn = 1) + P(Yn = 1) = 1.

n k
= k) =
p (1 p)nk .
k
(i, j)N2
La suite (pn )nN est alors une suite arithmtico-gomtrique.
n N , pn =
Xi + 1
;
2
n
n

2Xi 1 = 2S n n, o S n =
Xi .
5.7
P(Yn+1 = 1)
Ainsi :
Daprs le cours, puisque les va sont indpendantes (car les

Xi le sont) et suivent toutes la loi de Bernoulli de paramtre p,
la va S n suit la loi binomiale de paramtre (n, p).
Les deux vnements tant incompatibles, puis les va Yn et Xn+1

tant indpendantes, on obtient :
On en dduit :
E(Xi2 ) E(Xi )2
Xi
(Yn+1 = 1) = (Yn = 1, Xn+1 = 1) (Yn = 1, Xn+1 = 1).
Soit tel que = (2p 1) + 1 p, cest--dire =
n

i=1
a) 3) Soit n N . Lvnement (Yn+1 = 1) peut scrire :
V(Xi ) =
b) 2) Soit n N . Notons, pour tout i 1 ; n, Xi =

alors Xi suit la loi de Bernoulli de paramtre p.
= 1 p3 3(1 p)2 p.
Or :
n

On en dduit que :
P(Y3 = 1) = 1 P(Y3 = 1)
On en dduit :
(2p 1) = n(2p 1).
i=1
i=1
i=1

= n 1 (2p 1)2 = 4np(1 p).
De plus :
(X1 = 1, X2 = 1, X3 = 1) (X1 = 1, X2 = 1, X3 = 1)

(X1 = 1, X2 = 1, X3 = 1) .
n

Puisque les va X1 , . . . , Xn sont indpendantes,
= p + (1 p) = 2p 2p + 1.
2
E(Xi ) =
i=1
car X1 et X2 sont indpendantes

2
n

=
Et :
a
i+1
(ie + e) = a e
.
i!
i!
+

i=0
ae
+
+

i+1
i 1
= ae
+
i!
i! i=0 i!
i=0
+

= ae
i=1
1
1
+
= a e(2e) = 2ae2 .
(i 1)! i=0 i!
On en dduit que a =
1
.
2e2
b) La va X prend ses valeurs dans N. Soit i N.

167
Chapitre 5
P(X = i) =
Alors :
+

P(X = i, Y = j) = a e
j=0
1 i+1
=
2e i!
i+1
i!
daprs le calcul prcdent.
1 j+1
, par symtrie des rles de i et j.
2e j!
1 2
P(X = 0)P(Y = 0) =
0.
2e
c) Montrons, dans un premier temps, que X et Y admettent

une esprance.
La va X admet une esprance

la srie
iP(X = i) converge absolument
i0
la srie
i j P(X = i, Y = j) =
iP(X = i) converge (car tous les termes sont
N
N

1 i(i 1) + 3i
1 i2 + 2i
=
2 e i!
2 e i=0
i!
i=0
N
N

1
1
1
1
=
+3
( e + 3 e ) = 2.
N 2 e
2 e i=2 (i 2)!
(i
1)!
i=1
N 2,
i0
On en dduit que (X, Y) admet une covariance et

Cov(X, Y) = E(XY) E(X)E(Y) = 2
Soit N 2. Alors :
i=0
N
1 i(i + 1)
iP(X = i) =
2e i=0
i!
N

i(i 1) + 2i
i!
i=0
N
N

1
1
2
1
3
=
+
(e + 2e) = .
2e i=2 (i 2)! i=1 (i 1)! N 2e
2
=
1
2e
Ainsi X admet une esprance et E(X) =
Utilisons le thorme de transfert, et montrons que la srie

double
2i+ j P(X = i, Y = j) converge absolument, au(i, j)N2
trement dit quelle converge car tous les termes sont positifs.
(i, j)N2
ment dit quelle converge car tous les termes sont positifs.
N

i j P(X = i, Y = j)
j=0
j2
1 j
1 i j(i + j)
= 2 i2
+i
2
2e i! j=0
j!
2e i!
j!
j!
j=0
j=0
N
=
=
N
N

1
j( j 1) + j
1 2
i
+
i
2
2e i!
( j 1)!
j!
j=1
j=0
168
N
N
N

2i 2 j (i + j)
2i 2 j
2 j1
=
i
+
2
2e2 i! j=0
j!
2e2 i! j=0 j!
( j 1)!
j=1
Donc : i N,
2i (i + 2)
2i
( e 2 i + 2 e 2) =
.
2
2e i!
2i!
+

2i+ j P(X = i, Y = j) =
Et :
N N,
N

2i (i + 2)
i=0
2i!
2i (i + 2)
.
2i!
N
N

2i1
2i
+
(i 1)! i=0 i!
i=1
e 2 + e 2 = 2 e 2 .
N
5.8
a) La va X compte le nombre de boules blanches obtenues lors
dun tirage simultan de n boules dans une urne contenant 2n
1
boules et dont la proportion initiale de boules blanches est .
2

1
Ainsi, X suit la loi hypergomtrique de paramtre 2n, n, .
2
n
On sait alors que E(X) = .
2
b) Notons E : on tire une boule blanche dans U2 .
N
N
N

1
1
1
1
= 2 i2
+i
+i
2e i!
( j 1)!
( j 2)!
( j 1)!
j=1
j=2
j=1
2i+ j P(X = i, Y = j)
j=0
Ainsi Z admet une esprance et E(Z) = 2 e 2 .

i j P(X = i, Y = j) converge absolument, autredouble
N 2,
N

j=0
Montrons que la va XY admet une esprance.
Soit i N. Alors :
Soit i N. Alors : N 1,
3
.
2
Les va X et Y ayant la mme loi, Y admet une esprance et

3
E(Y) = .
2
1
3 3
= .
2 2
4
d) Montrons que la va Z = 2X+Y admet une esprance.
positifs).
N

1 i2 + 2i
.
2 e i!
Ainsi XY admet une esprance et E(XY) = 2.
Les va X et Y ne sont pas indpendantes car :

P(X = 0, Y = 0) = 0 et
+

j=0
Et :
La va Y prend ses valeurs dans N. Soit j N.

Alors : P(Y = j) =
Donc : i N,
1 i + 2i
1
( e i2 + 2 e i) =
.
2e2 i!
2 e i!
2
Alors : k 0 ; n, P(X=k) (E) =
k+1
.
n+3
Puisque les vnements (X = 0), . . . , (X = n) forment un systme complet dvnements, on a, par la formule des probabilits totales :
P(E) =
n

P(X = k)P(X=k) (E) =
k=0
n

P(X = k)
k=0
k+1
n+3
1
(k + 1)P(X = k)
n + 3 k=0
E(X + 1)
=
par la formule de transfert.
n+3
n
On obtient :
Ainsi :
P(E) =
P(E) =
E(X) + 1
.
n+3
si n < m, alors (X = n, Y = m)
= E1 . . . En1 S n En+1 . . . Em1 S m .
Par indpendance des ralisations,
P(X = n, Y = m) = p2 (1 p)m2 .
Pour tout n 1 ; +,
P(X = n) = P(E1 . . . En1 S n ) = (1 p)n1 p,
+1
n+2
=
.
n+3
2(n + 3)
n
2
par indpendance des vnements.
c) Notons F : on tire deux boules blanches dans U2 .

Alors :
si m n, alors P(X = n, Y = m) = 0
P(X=0) (F) = 0, et :
k+1
k(k + 1)
k 1 ; n, P(X=k) (F) = n+3 =
.
(n + 2)(n + 3)
Ainsi X suit la loi gomtrique de paramtre p, ce qui est normal puisque X est le temps dattente du premier succs.
Et, pour tout m 2 ; +, on a :
Puisque les vnements (X = 0), . . . , (X = n) forment un systme complet dvnements, on a, par la formule des probabilits totales :
P(F) =
n

k=0
=0+
P(Y = m) =
k=1
1
(n + 2)(n + 3)

E X(X + 1)
=
(n + 2)(n + 3)
On obtient :
k(k + 1)
(n + 2)(n + 3)
n

k(k + 1)P(X = k)
P(X = k)
P(F) =
=
k=0
m1

p2 (1 p)m2
n=1
= (m 1)p2 (1 p)m2 .
b) Puisque X suit la loi gomtrique de paramtre p, on sait

que X admet une esprance et une variance et :
E(X) =
1
p
et
V(X) =
1 p
.
p2

la srie
mP(Y = m) converge absolument
m2
la srie
par la formule de transfert.
E(X ) + E(X)
(n + 2)(n + 3)
P(X = n, Y = m) =
n=1
P(X = k)P(X=k) (F)

n

+

mP(Y = m) converge
m2
On a :
V(X) + E(X)2 + E(X)

.
(n + 2)(n + 3)
M 2,
= p2
M

M

mP(Y = m)
m=2
m(m 1)(1 p)m2
m=2
n2
n2 n
+
+
4(2n 1)
4
2
*
& n(n2 + 2n 1)
n
=
n + n(2n 1) + 2(2n 1) =
.
4(2n 1)
2(2n 1)
Or :
p2
M
V(X) + E(X)2 + E(X) =
Ainsi :
P(F) =
n(n2 + 2n 1)
.
2(n + 2)(n + 3)(2n 1)
5.9
a) On dfinit, pour tout k N , les vnements :
(car |1 p| < 1).

2
.
p
La va Y admet une variance

Y admet
un moment dordre 2
m2 P(Y = m) converge absolument
la srie
m2
la srie
m2 P(Y = m) converge
m2
Ek : lvnement A ne se ralise pas la k-ime exprience
Soient n 1 ; + et m 2 ; +. On a :
2
3 = p
Ainsi Y admet une esprance et E(Y) =
S k : lvnement A se ralise la k-ime exprience
La va X prend ses valeurs dans 1 ; + et la va Y prend ses

valeurs dans 2 ; +.
2
1 (1 p)
On a :
M 2,
=
M

m=2
M

m2 P(Y = m)
m=2
m(m 2)P(Y = m) + 2
M

mP(Y = m)
m=2
169
Chapitre 5
= 6p2 (1 p)
M

m
m=3
(1 p)m3 + 2
M

mP(Y = m)
m=2
1
6 2p
6p2 (1 p)
4 + 2E(Y) = p2 .
M
1 (1 p)
Donc Y admet un moment dordre 2 et E(Y 2 ) =
6 2p
.
p2
Ainsi Y admet une variance et

V(Y) = E(Y 2 ) E(Y)2 =
2(1 p)
.
p2
c) Montrons que la va XY admet une esprance.


n m P(X = n, Y = m) converge absolument, autredouble
Ainsi la loi conditionnelle de X sachant (Y = n) est la loi uniforme sur 1 ; n 1.

Remarque : Ce rsultat tait prvisible puisque, sachant
(Y = n), le rang de la premire ralisation de A est compris
entre 1 et n 1, et chaque rang est quiprobable.
5.10
a) Soit i 1 ; n. Alors Xi prend ses valeurs dans {0, 1}.
Pour raliser lvnement (Xi = 1), il faut prendre la boule i
(1 choix),
puis
tirer n 1 autres boules parmi les 2n 1 restantes ( 2n1
choix). Enfin, tous les tirages sont quiprobables
n1
et il y a 2n
tirages
possibles.
n
12n1
(n,m)
ment dit quelle converge car tous les termes sont positifs.
Soit m 2. Alors :
=
m1

+

nmP(X = n, Y = m)
= mp2 (1 p)m2
Et : M 2,
M

M

1
m=2
m1

1
n = m2 (m 1)p2 (1 p)m2 .
2
n=1
3 p
.
p2
On en dduit que (X, Y) admet une covariance et
Ainsi XY admet une esprance et E(XY) =
3 p 1 2 1 p
Cov(X, Y) = E(XY) E(X)E(Y) =
=
.
p2
p p
p2
Puisque V(X) 0 et V(Y) 0, alors X,Y existe et on a :
X,Y
1 p
Cov(X, Y)
1
p2
=
= .
= ,
,
(X)(Y)
1 p 2(1 p)
2
p2
p2
d) Sachant (Y = n), la va X prend ses valeurs dans 1 ; n 1.

De plus,
=
170
(2n 1)! n! n!
1
= .
(n 1)! n! (2n)! 2
Donc Xi suit la loi de Bernoulli de paramtre
1
.
2
b) On sait que Cov(Xi , X j ) = E(Xi X j ) E(Xi )E(X j )

et que E(Xi ) = E(X j ) =
1
.
2
De plus, E(Xi X j ) = P(Xi = 1, X j = 1)

m2 (m 1)p2 (1 p)m2

1 2
p (1 p)m2 (m 2)(m 1)m + 2(m 1)m
2
m=2
M

m
= 3p2 (1 p)
(1 p)m3
3
m=3
M

m
2
(1 p)m2
+ 2p
2
m=2
1
1
3 p
3p2 (1 p) 4 + 2p2 3 =
.
N
p
p
p2
=
n1
2n
n
nmP(X = n, Y = m)
n=1
n=1
P(Xi = 1) =
Ainsi :
k 1 ; n 1, P(Y=n) (X = k)
1
P(X = k, Y = n)
p2 (1 p)n2
=
=
.
P(Y = n)
(n 1)p2 (1 p)n2
n1
car Xi () = X j () = {0, 1}
2n2
1 1 n2
n1
n(n 1)
=
.
2n
=
=
2n(2n 1) 2(2n 1)
n
Donc : Cov(Xi , X j ) =
n1
1 1
1
=
.
2(2n 1) 2 2 4(2n 1)
c) 1) On a : S = 1 X1 + + n Xn =
n

i Xi .
i=1
c) 2) Par la linarit de lesprance,

E(S ) =
n

1
n(n + 1)
i=
.
2 i=1
4
n
i E(Xi ) =
i=1
Les va Xi ntant pas mutuellement indpendantes, on applique la formule gnrale pour le calcul de la variance dune
somme de n va :
V(S ) =
n

i=1
n

V(iXi) + 2

1i< jn
Cov(iXi , jX j )

i2 V(Xi ) +2
i j Cov(Xi , X j )
!"
!"
i=1
1i< jn
1
1
=
=
4
4(2n 1)
j1
n
n

1
1 2
i +2
j
i
=
4 i=1
4(2n 1) j=2 i=1
=
=
=
=
=
n

n(n + 1)(2n + 1)
1
( j 1) j2
24
4(2n 1) j=2
n2 (n + 1)2
n(n + 1)(2n + 1)
1
24
4(2n 1)
4
n(n + 1)(2n + 1)
6
n(n + 1)(2n + 1) n(n + 1)(n 1)(3n + 2)
24
48(2n 1)
*
+
n(n + 1)
2(2n + 1)(2n 1) (n 1)(3n + 2)
48(2n 1)
n(n + 1)(5n2 + n) n2 (n + 1)(5n + 1)
=
.
48(2n 1)
48(2n 1)

1
d) La va Z suit la loi hypergomtrique de paramtre 2n, n,
2
car on eectue n tirages simultans dans une urne contenant 2n
boules et dont la proportion de boules portant le numro zro
n
1
est
= .
2n 2
n
Donc E(Z) = .
2
Remarque : On peut crire Z = n X1 Xn .
Donc par linarit de lesprance,
1 n
E(Z) = n E(X1 ) E(Xn ) = n n = .
2 2
5.11
a) La loi du couple (S , X) est donne par :
(n, k) N2 , P(S = n, X = k) = P(S = n)P(S =n) (X = k)
si k > n
n
n
=
k
nk
si 0 k n
e n! k p (1 p)
0
si k > n
k
nk
p
(1
p)
.
=
si 0 k n
e n
k!(n k)!
La va X prend ses valeurs dans N. Soit k N.
+

Alors : P(X = k) =
P(S = n, X = k)
=
=
=
=
+

n=0
pk (1 p)nk
e
k!(n k)!
n=k
+ nk
k
p
(1 p)nk
e k
k! n=k
(n k)!
m
+
k
(1
p)
p
e k
k! m=0
m!
k
p
(p)k
e k e (1p) = e p
.
k!
k!
n
On en dduit que X suit la loi de Poisson de paramtre p.

b) Soit n N. Dterminons la loi conditionnelle de Y sachant
(S = n).
Sachant (S = n), X prend ses valeurs dans 0 ; n, donc

Y = n X aussi.
k
0 ; n,
P(S =n) (Y = k)
= P(S =n) (X = n k)
n
n
(1 p)k pnk .
=
pnk (1 p)k =
k
nk
De plus,
Donc la loi conditionnelle de Y sachant (S = n) est la loi binomiale de paramtre (n, 1 p).
Par le mme calcul que a), Y suit la loi de Poisson de paramtre
(1 p).
Soit (k, ) N2 . Alors :
P(X = k, Y = ) = P(S = k + , X = k)
pk (1 p)
= e k+
k! !

k

(1 p)
(p)
= e p
e (1p)
k!
!
= P(X = k)P(Y = ).
On en dduit que X et Y sont indpendantes.
c) On a : Cov(S , X) = Cov(X + Y, X)
= Cov(X, X) + Cov(Y, X).
Or Cov(Y, X) = 0 car X et Y sont indpendants, et dautre part,
Cov(X, X) = V(X).
On en dduit : Cov(S , X) = V(X).
Ainsi : S ,X
5.12
Cov(S , X) (X)
p
=
=
= = p.
(S )(X) (S )
Notons q = 1 p.
a) La va N suit la loi gomtrique de paramtre

Daprs le cours :
E(N) =
1
p
et V(N) =
1
.
p
q
.
p2
b) Sachant (N = n), la va X suit la loi binomiale de paramtre

(n, p).
c) Les vnements (N = n), pour n 1 forment un systme
complet dvnements et : n 1, P(N = n) 0.
Soit n 1. Puisque la loi conditionnelle de X sachant (N = n)

est la loi binomiale de paramtre (n, p), E X | (N = n) existe

et : E X | (N = n) = np.

n 1, E X | (N = n) P(N = n) = np2 qn1 avec

E X | (N = n) P(N = n) converge
|q| < 1 ; donc la srie
De plus :
n1
(absolument).
171
Chapitre 5
On en dduit que X admet une esprance et :

+

1
E(X) =
np2 qn1 = p2
= 1.
(1
q)2
n=1
Remarque : Ce rsultat est assez intuitif. Sil faut, en moyenne,
m lancers pour obtenir le premier pile et si lon lance la pice
m fois, alors on obtient, en moyenne, un seul pile.
d) La va X prend ses valeurs dans N. Soit k N.
+

P(N = n) P(N=n) (X = k).
Alors : P(X = k) =
!"
n=1
= 0 si n < k
Distinguons les cas k = 0 et k 1.

+

qn1 p qn = pq
P(X = 0) =
k0
la srie
(Z = n) = (X Y = n) (Y X = n),
et les deux vnements sont incompatibles.
De plus :
P(X Y = n) = P
+
1
k=1
+

=
P (Y = k) (X = n + k)
k=1
+


P(Y = k)P(X = n + k)
+

k1
(pq
k=1
= p2 qn
n+k1
)(pq
par indpendance des va X et Y

+

)=
p2 qn+2k2
1
pqn
.
=
2
1q
1+q
De la mme faon :
P(Y X = n) =
P(Z = n) =
On en dduit :
b) Ainsi, N 1,
k=1
N

pqn
.
1+q
2pqn
.
1+q
nP(Z = n) =
n=0
N

2pqn
n
1+q
n=1
2pq n1
1
2pq
nq
car |q| < 1
=
N 1 + q (1 q)2
1 + q n=1
2q
=
.
p(1 + q)

nP(Z = n) converge, donc converge absoluAinsi la srie
N
kP(X = k) converge (car tous les termes sont
k0
positifs).
On a, pour tout K 1 :
K

kP(X = k) =
k=0
K

k=1
qk1
(1 + q)k+1
K

q k1
1
1
1
=
k
q 2 = 1
K (1 + q)2 (1
(1 + q)2 k=1 1 + q
)
1+q
# q ##
## < 1.
car ##
1+q
On en dduit que X admet une esprance et E(X) = 1.
On retrouve bien le mme rsultat quau c).
n0
ment (car tous les termes sont positifs).

Donc Z admet une esprance et E(Z) =
2q
.
p(1 + q)

c) On a E (X Y)2 = E X 2 2XY + Y 2 )
= E(X 2 ) 2E(XY) + E(Y 2 )

par linarit de lesprance.
5.13
a) Lvnement (Z = 0) scrit :
+
1
(X = k) (Y = k).
(Z = 0) = (X = Y) =
k=1
Les vnements (X = k) (Y = k), pour k 1, sont deux

deux incompatibles, puis les va X et Y sont indpendantes.
On obtient alors :
+
+

k1 2
pq
P(X = k)P(Y = k) =
P(Z = 0) =
k=1
+

2 k1
q
= p2
= p2
k=1
172
(Y = k) (X = n + k)
k=1
1
q
.
=
2
1
q
1
+
q
n=1

+

n k nk
k N , P(X = k) =
qn1 p
pq
k
n=k

+

n 2 nk
= pk+1 qk1
(q )
k
n=k
1
qk1
= pk+1 qk1
=
.
(1 q2 )k+1
(1 + q)k+1
La va X admet une esprance

kP(X = k) converge absolument
la srie

Soit n N . Lvnement (Z = n) scrit :
k=1
1
p2
p
=
=
.
2
1q
(1 q)(1 + q) 1 + q
Par indpendance de X et Y, E(XY) = E(X)E(Y).

Enfin, les va X et Y ont la mme loi, donc
E(X) = E(Y) et E(X 2 ) = E(Y 2 ).
On obtient alors :

E (X Y)2 = E(X 2 ) 2E(X)E(Y) + E(Y 2 )
= 2E(X 2 ) 2E(X)2 = 2V(X).
d) Puisque Z 2 = (X Y)2 , on en dduit que E(Z 2 ) existe et donc
que Z admet un moment dordre 2.
Ainsi Z admet une variance et :

2

2
V(Z) = E(Z 2 ) E(Z) = 2V(X) E(Z)
2q
4q2
= 2 2
p
p (1 + q)2

2q
2q(1 + q2 )
(1 + q)2 2q = 2
= 2
.
2
p (1 + q)
p (1 + q)2
d) Soit n N. Daprs la question a),

k 1 ; n + 1, (k + 1)P(Xn+1 = k) = kP(Xn = k 1).
En sommant cette relation pour k allant de 1 n + 1,
n+1

5.14
a) Soient n N et k 1 ; n + 1.
k=1
P(Xn+1 = k) =
n

n+1

Or :
P(Xn = i, Xn+1 = k).
=
Puisque chaque instant, le mobile se dplace dune unit vers

la droite ou revient lorigine, on a :
n+1

kP(Xn+1 = k) +
P(Xn+1 = k)
k=0
= E(Xn+1 ) + 1 un+1 ,
et :
n

(k + 1)P(Xn = k)
k=0
n

kP(Xn = k) +
k=0
On obtient alors :
do :
n

P(Xn = k) = E(Xn ) + 1.
k=0
E(Xn+1 ) + 1 un+1 = E(Xn ) + 1,
E(Xn+1 ) = E(Xn ) + un+1 .
Par rcurrence simple, on montre alors :

n

n N , E(Xn ) = E(X0 ) +
uk .
k=1
n

n+1

k=0
b) Soient n N et k 0 ; n. Alors, daprs a) :
c) Soit n N. Alors :

(k + 1)P(Xn+1 = k) P(Xn+1 = 0)
P(Xn+1 = 0)
P(Xn+1 = k) = P(Xn = k 1, Xn+1 = k)
k
P(Xn = k) =
P(Xn1 = k 1)
k+1
k
k1
=
P(Xn2 = k 2)
k+1
k
k
k1
1
= =
P(Xnk = 0)
k+1
k
2
1
1
=
P(Xnk = 0) =
unk .
k+1
k+1
(k + 1)P(Xn+1 = k)
k=1
n+1

k=0
i k 1, P(Xn = i, Xn+1 = k) = 0.
= P(Xn = k 1)P(Xn =k1) (Xn+1 = k)
k
.
= P(Xn = k 1)
k+1
n

(k + 1)P(Xn = k).
k=0
i=0
Ainsi :
kP(Xn = k 1)
k=1
La va Xn prend ses valeurs dans 0 ; n. Donc les vnements

(Xn = 0), . . . , (Xn = n) forment un systme complet dvnements. Par la formule des probabilits totales,
n+1

(k + 1)P(Xn+1 = k) =
n
n

uj
1
P(Xn = k) = 1,
=
unk =
n j + 1 k=n j k=0 k + 1
j=0
k=0
car Xn prend ses valeurs dans 0 ; n.
Puisque X0 est la va certaine gale 0, E(X0 ) = 0.

n

uk .
Ainsi : n N , E(Xn ) =
Pour n = 0, on obtient : u0 = 1. Ce qui est normal puisque

u0 = P(X0 = 0) et que, linstant initial, le mobile est lorigine.
e) 1) Soit n N . Lvnement (T = n) scrit :
Pour n = 1, on obtient :
Donc u1 = 1
1
u0
= .
2
2
Donc u2 = 1
u0
+ u1 = 1.
2
u0 u1
3
2
u0 u1
Donc u3 = 1
4
3
u0 u1
+
+ u2 = 1.
3
2
5
=
.
12
u0 u1 u2
+
+
+ u3 = 1.
4
3
2
u2
3
= .
2
8
k=1
(T = n) = (X1 = 1) (X2 = 2) (Xn1 = n 1)

(Xn = 0).
En utilisant la formule des probabilits composes, on obtient :
n1
1
1
1 2
=
.
P(T = n) =
2 3
n
n + 1 n(n + 1)
Puisque la va T prend ses valeurs dans N, on a :
+
+

P(T = n) = 1. Donc : P(T = 0) = 1
P(T = n).
n=0
n=1
On a, pour tout N 1 :
N

n=1
P(T = n) =
N

1
n=1
1
1
=1
1.
n+1
N + 1 N
173
Chapitre 5
Ainsi : P(T = 0) = 1 1 = 0. Cela signifie que lvnement

(T = 0) est ngligeable, et donc il est presque sr que le mobile
ne revient pas lorigine.
nP(X > n) 0

n
kP(X = k) E(X).
avec :
k=0
N

e) 2) N 1,
nP(T = n) =
n=0
car la srie
1
n1
N

n=1
N+1

1
1
=
+,
n+1
n N
n=2
Donc, en passant la limite dans la relation prcdente :

n1

diverge.
Ainsi
Ainsi, la srie
P(X > n) converge et
b) 2) Supposons que
P(X > n) converge.
n0
n N , 0
a) Soit n N . On a :
k N , P(X = k) = P(X > k 1) P(X > k).

n
n

Donc :
kP(X = k) =
kP(X = k)
k=0
k=1
n

k=1
n1

k=0
n1

kP(X > k 1)
n1

k=0
n1

P(X > k).
k=0
P(X > n) converge, la suite des sommes
n0
Et comme cette srie est termes positifs, la srie
kP(X > k)
(k + 1)P(X > k)
kP(X > k) +
kP(X = k)
k0
k=1
n

k=0
n1

n

Puisque la srie
n

partielles associe est majore. Donc la suite des sommes par

tielles associe la srie
kP(X = k) est aussi majore.
k=1
n

k P(X > k 1) P(X > k)
=
P(X > n) = E(X).
On a, daprs a) :
5.15
+

n=0
nP(T = n) diverge, donc ne converge pas
absolument. On en dduit que T nadmet pas desprance.
n0
n0
P(X > k) E(X).
k=0
k0
converge (absolument).
kP(X > k)
k=1
P(X > k)
k=0
n

Donc :
kP(X > k)
X admet une esprance.
On peut alors utiliser les rsultats du b) 1) et en dduire :
k=1
E(X) =
P(X > k) nP(X > n).
+

P(X > n).
n=0
k=0
b) 1) Supposons que X admet une esprance. Alors la srie

nP(X = n) converge absolument, donc converge.
c) On en dduit le rsultat suivant :

X admet une esprance
P(X > n) converge.
n0
n0
On a :
n 0, nP(X > n) =
+

k=n+1
donc : 0 nP(X > n)

Or, puisque la srie
+

n!" P(X = k),
+

On a :
n1

k=0
174
Notons q = 1 p.
Soit k N. On a : (U > k) =
kP(X = k) 0.
n
des va Xi , on obtient :
(Xi > k). Par indpendance
P(U > k) =
kP(X = k) + nP(X > n).
n
-
P(Xi > k).
i=1
Or : i 1 ; n, P(Xi > k) =
k=0
n
2
i=1
lim nP(X > n) = 0.

n

P(X > n).
a) La va U prend ses valeurs dans N .
n+
P(X > k) =
+

n=0
5.16
kP(X = k).
k=n+1
On en dduit :
k
nP(X = n) converge, la suite de ses
restes tend vers 0, cest--dire :
E(X) =
Dans ce cas, E(X) est donne par :
k=n+1
n0

kP(X = k)
+

=k+1
+

P(Xi = )
=k+1
q 1 p = pqk
1
= qk .
1q
P(U > k) = qnk .
Donc :
duit, par le thorme de lquivalence pour des sries termes

positifs, que la srie
P(V > k) converge.
k N , P(U = k)
On en dduit :
k0
= P(U > k 1) P(U > k) = q(k1)n qnk

k1
1 qn .
= qn
Ainsi, la va V admet une esprance.
Ainsi U suit la loi gomtrique de paramtre 1 qn .
De plus :
Remarque : Ce rsultat tait prvisible. Considrons une exprience de Bernoulli dont la probabilit de succs est p. On
ralise simultanment n sries dexpriences, de faon indpendantes, et pour chaque srie, on note Xi le nombre dexpriences ncessaires pour obtenir le premier succs.
Enfin, on dfinit la va U gale au nombre dexpriences ncessaires pour obtenir au moins un succs dans lune des n sries
dexpriences. Alors U = min(X1 , . . . , Xn ).
La probabilit de nobtenir que des checs dans les n sries
dexpriences est qn , et donc la probabilit dobtenir au moins
un succs est 1 qn . On en dduit que U suit la loi gomtrique
de paramtre 1 qn .
n
2
(V k) =
(Xi k). Par indpendance
i=1
des va Xi , on obtient :
P(V k) =
n
-
P(Xi k).
+

1 (1 qk )n
not uk,i
Puisque, pour tout i 1 ; n, la srie
uk,i converge (car
k0
|qi | < 1), on a, par addition dun nombre fini et fix de sries
n
+

convergentes : E(V) =
uk,i
=
n

n
i=1
i=1
(1)i+1
n

1
n
(1)i+1
(qi )k =
.
1
qi
i
i=1
k=0
k=0
+

5.17
a) La va S prend ses valeurs dans N.
P(N=n) (S = k) = P(N=n) (X1 + + Xn = k)

= P(X1 + + Xn = k)
car les va N et X1 + + Xn sont indpendantes.
Lesprance conditionnelle de S sachant (N = n) existe

la srie
kP(N=n) (S = k) converge absolument
i=1
i 1 ; n, P(Xi k) = 1 P(Xi > k) = 1 qk .

n
Donc : P(V k) = 1 qk .
Or :
k0
la srie
kP(N=n) (S = k) converge (car tous les termes
k0
On en dduit :
sont positifs).
k N , P(V = k) = P(V k) P(V k 1)

n
n
= 1 qk 1 qk1 .
P(V > k) =
Soit n 1. Alors, pour tout k N :
b) La va V prend ses valeurs dans N .

Soit k N. On a :
+

k=0
k=0
+
n

+
n

n
n
=
1
(qk )i =
(1)i+1 qki .
i
i
k=0
i=0
k=0 i=1 !"
1
.
1 qn
Donc U admet une esprance et E(U) =
E(V) =
Puisque les va X1 , . . . , Xn admettent une esprance, la va

X1 + + Xn aussi et donc la srie
kP(X1 + + Xn = k)
La va V est valeurs dans N , donc dans N.
converge.
Daprs lexercice 5.15,
On en dduit que lesprance conditionnelle de S sachant

(N = n) existe, et :
V admet une esprance
P(V > k) converge.

kP(X1 + + Xn = k)
E S | (N = n) =
+
k0
On a, pour tout k 0 :
k=0
k n
P(V > k) = 1 P(V k) = 1 1 q
=1 e
n ln(1qk )
Or qk 0 car 0 < q < 1, donc n ln(1 qk ) 0.

k
On en dduit :
k0
P(V > k) n ln(1 qk ) nqk .

k
Puisque k 0, nqk 0 et que la srie

k0
nqk converge (car il
sagit dune srie gomtrique de raison q ] 1 ; 1[), on en d-
= E(X1 + + Xn ) = E(X1 ) + + E(Xn ) = nE(X1 ).

Cette formule reste valable pour n = 0, puisque la loi conditionnelle de S sachant (N = 0) est la loi certaine gale 0, donc

E S | (N = 0) = 0.

E S | (N = n) P(N = n) converge
b) Montrons que
nN ; P(N=n)0
absolument, cest--dire converge car tous les termes sont positifs.

175
Chapitre 5
On a, pour tout M 0 :
0nM
P(N=n)0
nE(X1 )P(N = n) = E(X1 )
0nM
P(N=n)0
= E(X1 )

E S | (N = n) P(N = n)
M

nP(N = n)
0nM
P(N=n)0
nP(N = n) E(X1 )E(N).

M
n=0
c) 1) Soit t [0 ; 1[. Alors :

+
+
G X (t) G X (1)
1 n
pn t
pn
=
t1
t 1 n=0
n=0
+
+

1 tn
(1 + t + + tn1 )pn .
=
pn =
1t
n=1
n=1
Soient s, t [0 ; 1[ tels que s t.
Ainsi S admet une esprance et :

E(S ) =
E S | (N = n) P(N = n) = E(X1 )E(N).
nN
P(N=n)0
Alors, pour tout n 1, on a : k 0 ; n 1, sk tk ,

et donc :
pn
n1

k=0
5.18
a) Soit t [1 ; 1].
n 0, 0 |P(X = n)tn | P(X = n).

P(X = n) converge, par le thorme
Puisque la srie
Puis :
Alors :
n0
de majoration pour des sries termes positifs, la srie

|P(X = n)tn | converge.
converge.
Donc : : t
Ceci montre que la fonction G X est dfinie sur [1 ; 1].

+

k=0
G X (t) G X (1)
est croissante sur [0 ; 1[.
t1
t [0 ; 1[, n 1, (1 + t + + tn1 )pn npn ,

do : t [0 ; 1[, (t)
P(X = n) = 1,
car X prend ses valeurs dans N.
La fonction est alors majore sur [0 ; 1[ et puisquelle y est

croissante, admet une limite finie en 1 .
GX (1) = lim (t) E(X).
t [1 ; 1], G X (t) = P(X = 0) + P(X = 1)t = 1 p + pt.

Si X B(n, p), alors :

n k
p (1 p)nk tk
t [1 ; 1], G X (t) =
k
k=0
n

n
=
(pt)k (1 p)nk = (pt + 1 p)n .
k
k=0
Si X G (p), alors :
+

t1
c) 3) Soit N N . Alors, pour tout t [0 ; 1[,

N
+

(1 + t + + tn1 )pn
(1 + t + + tn1 )pn = (t).
n=1
n=1
N
N

n1
(1
+
t
+
+
t
)p
npn
t1
Or :
n=1
n=1
(t) GX (1).

t1
(1 p)
n=1
+

= pt
n1
pt
(1 p)t
n=1
n1
pt
.
1 (1 p)t
+

n=0
= e
n n
t
n!
+

(t)n
n=0
n!
En passant la limite quand t tend vers 1 dans lingalit prN

cdente, on obtient :
npn GX (1).
n=1
Ceci montre que la suite des sommes partielles associe

la srie
npn est majore par GX (1). Puisque cette srie est
Si X P(), alors :
t [1 ; 1], G X (t) =
npn = E(X).
Ainsi, G X est drivable gauche en 1 et :
b) Si X b(p), alors :
t [1 ; 1], G X (t) =
+

n=1
n=0
176
tk .
c) 2) On a :
P(X = n)tn converge absolument, donc
n0
De plus, G X (1) =
n1

+
n1
G X (s) G X (1) k
pn
s
=
s1
n=1
k=0
+
n1

G X (t) G X (1)
pn
tk =
.

t1
n=1
k=0
n0
Ainsi la srie
sk pn
n1
termes positifs, on en dduit que la srie converge (donc

converge absolument).
= e e t = e (t1) .
Ainsi X admet une esprance et E(X) GX (1).
c) 4) On a alors montr lquivalence :
et
X admet une esprance G X est drivable gauche en 1.

Dans ce cas, GX (1) E(X) et E(X) GX (1), donc :
n=0
+
+

un,k =
un,k .
k=0
k=0
+

Or : k N,
E(X) = GX (1).
= P(X = k)t
Donc X admet une esprance et E(X) = GX (1) = p.
= P(X = k)tk
Si X G (p), alors G X : t
gauche en 1.
P(Y = n k)tnk
P(Y = n)tn = P(X = k)tk GY (t).
+
+

+

un,k =
P(X = k)tk GY (t)
n=0
+

k=0

P(X = k)tk GY (t) = G X (t)GY (t).
On en dduit : t [0 ; 1], G X+Y (t) = G X (t)GY (t).

b) Utilisons un raisonnement par rcurrence. Notons, pour
tout n 1, P(n) la proprit :
si X1 , . . . , Xn sont des va indpendantes de mme loi,

n
alors t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .
Si X P(), alors G X : t e (t1) est drivable gauche

en 1.
Initialisation : La proprit P(1) est vidente.

Hrdit : Soit n 1. Supposons P(n) et montrons P(n+1).
Soient X1 , . . . , Xn+1 des va indpendantes de mme loi. Posons
S = X1 + + Xn+1 .
Donc X admet une esprance et

E(X) = GX (1) = e (11) = .
Alors les va X1 + + Xn et Xn+1 sont indpendantes.
5.19
a) La va X + Y est valeurs dans N et,
pour tout n N, P(X + Y = n) =
=
P(X = k)P(Y = n k)tn
n=k
k=0
pt
est drivable
1 (1 p)t

p 1 (1 p) + (1 p)p
p
1
= 2 = .
E(X) = GX (1) =

2
p
p
1 (1 p)
n

Puis :
E(X) = GX (1) = np(p + 1 p)n = np.
n=k
+

+

n=0
k=0
n=0
un,k =
n=0
+

k
Si X b(p), alors G X : t 1 p + pt est drivable

gauche en 1.
Si X B(n, p), alors G X : t (pt + 1 p)n est drivable

gauche en 1.
n

t [0 ; 1], GS (t) = G X1 ++Xn (t)G Xn+1 (t).
Par a), on a :

n
Or, par P(n) : t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .
P(X = k, Y = n k)
k=0
P(X = k)P(Y = n k), par indpendance de X et Y.
Et Xn+1 et X1 ont mme loi, donc G Xn+1 = G X1 .

On obtient alors :
k=0
Ainsi, t [0 ; 1],
+
+

G X+Y (t) =
+
n

n=0
Do la proprit P(n + 1).

P(X = k)P(Y = n k)tn .
Conclusion : Pour tout n 1, pour toutes va X1 , . . . , Xn indpendantes et de mme loi,
k=0
Notons, pour tout (n, k) N2 ,

P(X = k)P(Y = n k)tn si 0 k n
.
un,k =
0
sinon
Puisque les termes un,k sont positifs ou nuls et que

n
t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .
c) 1) La va S prend ses valeurs dans N. De plus :
+
+

un,k
n N, P(S = n) =
n=0 k=0
existe, on a :
pour tout k N, la srie
un,k converge,
n0
la srie
+

k0
n=0

un,k converge

n+1
t [0 ; 1], GS (t) = G X1 (t) .
+

k=1
+

k=1
+

P(N = k, S = n)
k=1
P(N = k)P(N=k) (X1 + + Xk = n)

P(N = k)P(X1 + + Xk = n)
car les va X1 + + Xk et N sont indpendantes.

177
Chapitre 5
Ainsi :
t [0 ; 1],
GS (t) =
+
+

n=0 k=1
P(N = k)P(X + + Xk = n)tn .

1 !"
not un,k
Puisque les termes un,k sont positifs ou nuls et que
+
+

pour tout k 1, la srie
et
+

k1
n=0
+
+

un,k converge,
n=0
k=1

un,k converge
un,k =
+
+

k=1

un,k .
x0 X() / P(X = x0 ) = 1
x X() \ {x0 }, P(X = x) = 0
X est une va quasi-certaine.
b) 1) On a : i 1 ; n, P(X0 = xi ) =
Donc :
+

k
P(N = k) G X1 (t)
t [0 ; 1], GS (t) =
k=0

= G N G X1 (t) = G N G X1 (t).
Puisque G X1 (1) = 1 et N admet une esprance, G N est drivable

gauche en 1 = G X1 (1).
On en dduit, par composition, que GS est drivable gauche
en 1.
Donc S admet une esprance et, par calcul de la drive dune
fonction compose :

E(S ) = GS (1) = GX1 (1) GN G X1 (1)
= GX1 (1) GN (1) = E(X1 )E(N).
5.20
a) On a, pour tout x ]0 ; 1], ln x 0.
Donc la fonction h est positive ou nulle sur [0 ; 1].
Ainsi, pour tout x X(), P(X = x) [0 ; 1],

et donc : h P(X = x) 0.
178
n

1
h
n
i=1
n
n

ln n
1
1
=
1 = ln n.
=
ln
n
n
n i=1
i=1
b) 2) Soit i 1 ; n.
Si ui = 0, alors h(ui ) = 0
1 1
= ui + ui ln n.
n n
Si ui 0, appliquons lingalit donne par lnonc

1
1
1
x=
> 0. On a : ln n ln(ui ) = ln
1.

nui
nui
nui
En multipliant par ui > 0, on obtient :
c) 2) Daprs lexercice 5.18, S admet une esprance si et seulement GS est drivable gauche en 1.
Puisque X1 admet une esprance, G X1 est drivable gauche
en 1.
1
.
n
H(X0 ) =
n=0

= P(N = k)G X1 ++Xk (t) = P(N = k) G X1 (t) k
daprs la question prcdente.
Ainsi :
n=0
Or, pour tout k 1,

+
+

un,k = P(N = k)
P(X1 + + Xk = n)tn
n=0
xX()
H(X) = 0
n0
la srie
x X(), P(X = x) = 0 ou P(X = x) = 1.

P(X = x) = 1, on en dduit :
Puisque
un,k
n=0 k=1
existe, on a :

H(X) = 0 x X(), h P(X = x) = 0

x X(), P(X = x) = 0 ou ln P(X = x) = 0
ui ln n ui ln(ui )
Do :
h(ui )
1
ui .
n
1
ui + ui ln n.
n
b) 3) En sommant lingalit prcdente pour i allant de 1

n
n

1
ui + ui ln n
h(ui )
n:
n
i=1
i=1
n
n

ui + ln n
ui = ln n.
=1
i=1
i=1
!"
!"
=1
On en dduit :
=1
H(X) ln n.
De plus : H(X) = ln n
n

1
ui + ui ln n h(ui ) = 0
n
i=1 !"
0
i 1 ; n,
1
ui + ui ln n h(ui ) = 0.
n
Or cette dernire galit nest possible que si ui est non nul (car
1
sinon on obtient = 0). On en dduit :
n
H(X) = ln n
On en dduit que H(X) 0.
i 1 ; n, ui 0 et
Puisque H(X) est une somme de rels positifs on nuls,
i 1 ; n, ui 0 et
1
1 + ln n + ln(ui ) = 0
nui
1
1
=0
1 ln
nui
nui
1
= 1 daprs lnonc
nui
i 1 ; n, ui 0 et
i 1 ; n, ui =
1
.
n
N

Or :
n=1
N

On conclut :
H(X) = ln n si et seulement si X suit la loi
uniforme sur {x1 , . . . , xn }.
n=1
N

n N , P(X0 = n) = (1 p)n1 p.

Donc : n N , h P(X0 = n)
%
&
= (1 p)n1 p (n 1) ln(1 p) + ln p

= p ln(1 p) (n 1)(1 p)n1 p ln p(1 p)n1 .
c) 1) On a :
On a alors, pour N 1 :
= p ln(1 p)
N1

N

n=1
n(1 p)n p ln p
n=0
N1

1 p
ln(1 p).
p
1 p
ln(1 p).
Donc H(X0 ) existe et H(X0 ) = ln p
p
c) 2) Soit n N . Procdons comme au b) 2).
Si un = 0, alors h(un ) = 0 vn = vn un un ln(vn ).
Si un 0, appliquons lingalit donne par lnonc
vn vn
vn
> 0. On a : ln(vn ) ln(un ) = ln
1.
x=

un
un
un
En multipliant par un > 0, on obtient :
un ln(vn ) un ln(un ) vn un .
Do : h(un ) vn un un ln(vn ).
c) 3) Soit N 1. Alors, en sommant lingalit prcdente
pour n allant de 1 N, on obtient :
N

n=1
h(un )
N

n=1
vn
N

n=1
un
N

n=1
+

car X() N
un = 1
n=1
un ln(vn )
= ln m
N

N

N

1
un + ln 1
(n 1)un
m n=1
n=1
un 1
et
N

(n 1)un E(X) 1 par le
n=1
thorme de transfert.
(1 p)n
= ln p
n=1
n=0

1 p
1
p ln(1 p)
p ln p
N
p2
p
un
n=1
avec :

h P(X0 = n)
1 n
1
1 1
1
= 1,
m n=0
m N m m1
N1
vn =
un ln(vn ) ().
Ainsi, en passant la limite dans lingalit () :

1
E(X) 1
H(X) 1 1 + ln m ln 1
m !"
=m

= ln m ln(m 1) ln m (m 1)
= m ln m (m 1) ln(m 1).
Enfin : H(X) = m ln m (m 1) ln(m 1)
+

vn un un ln(vn ) h(un ) = 0

!"
n=1
0
n 1, vn un un ln(vn ) h(un ) = 0.
Or cette dernire galit est impossible si un = 0.
Donc : H(X) = m ln m (m 1) ln(m 1)
vn
1 ln(vn ) + ln(un ) = 0
n 1, un 0 et
un
vn
vn
1 = ln
n 1, un 0 et
un
un
vn
=1
daprs lnonc
n 1, un 0 et
un
1 n1
1
1
n 1, un = vn =
m
m
1
X suit la loi gomtrique de paramtre .
m
179
Variables alatoires
densit
Plan
noncs des exercices
183
Du mal dmarrer ?
190
193

va.
CHAPITRE
Montrer quune va relle est une va densit
Montrer quune fonction est une densit
Dtermination de la fonction de rpartition dune va densit
Dtermination de la loi dune va fonction dune ou de plusieurs va densit
Montrer quune va densit admet une esprance et une variance et les calculer.

Fonction de rpartition et densit dune va densit
Loi dune va fonction dune ou de plusieurs va densit ; en particulier, loi de

la somme de deux va densit indpendantes
Dfinition de lesprance dune va densit, thorme de transfert, proprits

de lesprance
Moments dordre 2, variance et cart-type dune va densit, variance dune

somme de va indpendantes
Lois usuelles et leurs proprits : loi uniforme sur un intervalle, loi exponentielle, lois et , loi normale.
Les mthodes retenir

Montrer : f est positive ou nulle sur R
Pour montrer
quune fonction f : R R
est une densit
f est continue sur R priv dun ensemble fini de points

$ +
$ +
f (t) dt converge et
f (t) dt = 1.
lintgrale
Exercices 6.1, 6.2, 6.7 6.9, 6.17, 6.22.

180
Les mthodes retenir
Pour dterminer
la fonction de rpartition F X
dune va X densit
connaissant une densit f X de X
Pour montrer
quune va relle X est densit
connaissant
sa fonction de rpartition F X
$
Utiliser : x R, F X (x) =
fX (t) dt.
Exercices 6.1 6.3, 6.14, 6.16, 6.17, 6.22.

Montrer que la fonction de rpartition F X de X est continue sur R et
est de classe C 1 sur R priv dun ensemble fini de points.
Toute fonction fX valeurs positives, qui ne dire de F X quen un
nombre fini de points, est alors une densit de X.
Exercices 6.5, 6.6, 6.9 6.11, 6.14 6.17, 6.19 6.24.

Pour traduire que
deux va relles X et Y
sont indpendantes
Utiliser lquivalence :
X et Y sont indpendantes

(x, y) R , P (X x) (Y y) = P(X x) P(Y y).
2
Exercices 6.5, 6.11, 6.13, 6.14, 6.16, 6.18 6.21, 6.23, 6.24.
Si X = (Y) o Y est une va densit, alors :

commencer par dterminer lunivers image de X, ou une
partie D de R, aussi prcise que possible, telle que P(X D) = 1
si X() est un ensemble fini ou dnombrable, alors X est
une va discrte ; dterminer la loi de X revient calculer, pour
tout x de X(), P(X = x)
sinon, essayer dexprimer la fonction de rpartition F X de X
en fonction de celle de Y pour en dduire son expression, puis montrer que F X est continue sur R et est de classe C 1 sur R priv dun
ensemble fini de points ; X est alors une va densit.
Pour dterminer
la loi dune va relle X
Exercices 6.2, 6.9, 6.10, 6.13, 6.14, 6.16, 6.17, 6.22 6.24
Si X est la somme de deux va densit Y et Z indpendantes, alors

X est une va densit et une densit de X sobtient en faisant le
produit de convolution des densits de Y et Z.
Exercices 6.14, 6.16, 6.18
Utiliser des proprits des lois usuelles.
Exercices 6.11, 6.13, 6.19, 6.21, 6.24.
Pour montrer
quune va X densit
admet une esprance E(X)
et calculer cette esprance
Utiliser la dfinition :
si fX est une densit de X, alors
X admet une esprance si et seulement si
t fX (t) dt converge ;
E(X) =
t fX (t) dt.
Exercices 6.1 6.3, 6.7 6.9, 6.14 6.16, 6.19, 6.20, 6.23
181
Chapitre 6
Variables alatoires densit
Remarque : Si X est une va presque srement borne, valeurs dans

un segment [a ; b], alors X admet une esprance et E(X) est donne
$ b
t fX (t) dt.
par : E(X) =
a
Utiliser le thorme de transfert :

si X = (Y) o Y est une va densit, de densit fY , alors
$ +
(t) fY (t) dt
X admet une esprance si et seulement si
converge absolument ;

(suite)
E(X) =
(t) fY (t) dt.
Exercices 6.7, 6.9
Utiliser la linarit de lesprance :

si X = aY + bZ, o Y et Z sont deux va densit admettant
chacune une esprance et (a, b) R2 ,
E(X) = aE(Y) + bE(Z).
Exercice 6.18
Utiliser les rsultats du cours lorsque X suit une loi usuelle.
Pour montrer
quune va X densit
admet une variance V(X)
et calculer cette variance

Montrer que X admet une esprance puis montrer que X E(X) 2
admet une esprance ;
%
&
dans ce cas, V(X) est donne par : V(X) = E X E(X) 2 .
Montrer que X et X 2 admettent une esprance ;
dans ce cas, V(X) est donne par :

V(X) = E(X 2 ) E(X) 2 .
Exercices 6.1, 6.2, 6.7 6.9, 6.20
Si X = Y + Z, o Y et Z sont deux va densit indpendantes,

admettant chacune une variance, alors X admet une variance et V(X)
est donne par :
V(X) = V(Y) + V(Z).
Exercice 6.18.
182
noncs des exercices
noncs des exercices

6.1 Exemple de densit
Soit c R. On considre la fonction f dfinie sur R par :
(1 + x)2 si 0 x 1
.
x R, f (x) =
0
sinon
a) Dterminer c pour que f soit une densit dune va relle X.
Pour cette valeur de c, tracer lallure de la courbe reprsentative de f .
b) Dterminer la fonction de rpartition F de X.
Tracer lallure de la courbe reprsentative de F.
c) Montrer que X admet une esprance et une variance et les calculer.
6.2 Exemple de densit

On considre la fonction f dfinie sur R par :

0
si x < 0
.
x R, f (x) =
2
x e x /2 si x 0
a) Montrer que f est une densit dune va relle X.
Tracer lallure de la courbe reprsentative de f .
b) Calculer la fonction de rpartition de X et tracer lallure de sa courbe reprsentative.
c) Montrer que X admet une esprance et une variance et les calculer.
1
On admet que
= .
2
d) On pose Y = X 2 . Montrer que Y suit une loi exponentielle et prciser le paramtre.
6.3 Cas dune va densit paire

On considre une va X admettant une fonction paire f pour densit.
a) Calculer P(X 0) et P(X 0).
b) Montrer que la fonction de rpartition F de X vrifie : x R, F(x) = 1 F(x).

$ +
t f (t) dt converge,
c) Montrer : X admet une esprance
et dans ce cas :
E(X) = 0.
6.4 Exemple dune va qui nest ni densit ni discrte

On considre une va densit X, dfinie sur un espace probabilis (, A , P), admettant une
fonction paire f pour densit.

0 si X() 0
On dfinit la va Y par : , Y() =
X() si X() > 0.
Montrer que Y nest ni une va densit, ni une va discrte.
On pourra utiliser lexercice 6.3 a).
6.5 Lois des va min(X, Y) et max(X, Y), o X et Y sont deux va densit indpendantes
Soient X et Y deux va densit, de densits respectives fX et fY . On suppose que X et Y sont
indpendantes.
183
Chapitre 6
On pose : Z = max(X, Y) et T = min(X, Y).

a) Exprimer les fonctions de rpartition de Z et T laide des fonctions de rpartition FX et FY
de X et Y respectivement.
b) En dduire que Z et T sont des va densit et exprimer une densit de Z et une densit de T
laide de fX , fY , FX et FY .
6.6 Lois des va aX + b et X2 , o X est une va densit

Soit X un va relle de densit f et de fonction de rpartition F.
a) Soit (a, b) R tel que a 0. On pose Y = aX + b.
Exprimer la fonction de rpartition de Y en fonction de F. (Sparer les cas a > 0, a < 0).
En dduire que Y est une va densit et exprimer une densit de Y en fonction de f .
b) On pose Z = X 2 . Montrer que Z est une va densit et exprimer une densit de Z en fonction
de f .
6.7 Loi de Laplace

Soit c > 0. On considre la fonction f dfinie sur R par :
x R, f (x) =
c c|x|
.
e
2

c) Montrer que X admet une esprance et la calculer.
d) Plus gnralement, montrer que, pour tout n de N , X n admet une esprance et la calculer.
e) En dduire que X admet une variance et la calculer.
6.8 Loi Bta de premire espce

Pour tous rels a et b, on note, sous rserve dexistence :
I(a, b) =
ta1 (1 t)b1 dt.

0
a) Montrer :
I(a, b) existe (a > 0 et b > 0).
b) Soit (a, b) (R+ )2 . Montrer :

b I(a + 1, b) = a I(a, b + 1) et I(a, b + 1) + I(a + 1, b) = I(a, b).
En dduire :
I(a + 1, b) =
a
I(a, b).
a+b
c) Soit (a, b) (R+ )2 . On dfinit la fonction f sur R par :

1 a1
t (1 t)b1 si t ]0 ; 1[
t R, f (t) =
I(a,
b)
0
sinon.
1) Montrer que f est une densit dune va relle X.
2) Montrer que X admet une esprance et une variance et les calculer.
184
noncs des exercices
6.9 Exemple dune va fonction dune va densit

Soit a > 0. On dfinit la fonction f sur R par :
0 si t < a
t R, f (t) =
a
2 si t a.
t
a) Montrer que f est une densit. Tracer lallure de la courbe reprsentative de f .

On considre une va relle X admettant f pour densit.
b) La va X admet-elle une esprance ? une variance ?
c) On dfinit la va Y =
1
.
X
1) En utilisant le thorme de transfert, montrer que Y admet une esprance et une variance
et les calculer.
2) Dterminer la loi de Y puis retrouver E(Y) et V(Y).
6.10 Exemple dune va fonction dune va densit

On considre une va X suivant la loi uniforme sur [1 ; 2].
On pose Y = X 2 . Dterminer la fonction de rpartition et une densit de Y.
Tracer lallure des courbes reprsentatives de ces deux fonctions.
6.11 Exemple dune va fonction de deux autres va

On considre deux va X et U indpendantes, telles que X suit la loi normale centre rduite et
U suit la loi uniforme sur {1, 1}.
On pose Y = UX. Reconnatre la loi de Y.
6.12 Calculs dintgrales laide de la loi normale
Dans cet exercice, on pourra utiliser une table numrique de la fonction de rpartition de la loi
normale centre rduite.
1
= .
a) En utilisant la loi normale centre rduite, montrer :
2
b) En utilisant une loi normale bien choisie, calculer les intgrales suivantes :
$ +
$ +
2
2
1)
e 2x 4x2 dx
2)
x e 2x 4x2 dx
$ +
$ +
2
2
x2 e 2x 4x2 dx
4)
e ax +bx+c dx, avec a > 0 et (b, c) R2 .
3)
c) Exprimer les intgrales suivantes laide de la fonction de rpartition de la loi normale

centre rduite, puis en calculer des valeurs approches 104 prs :
$ 2
$ 1/2
$ 1
2
2
2
e x /2 dx
2)
e 2x +4x2 dx
3)
e 4x 4x dx.
1)
0
6.13 Dplacement dun point mobile dans le plan

Un point mobile se dplace dans un plan muni dun repre orthonorm. Il part de lorigine O
linstant 0.
Si un instant n de N, il se situe au point de coordonnes (Xn , Yn ), alors linstant n + 1 il se
trouve au point de coordonnes (Xn+1 , Yn+1 ) de sorte que An+1 = Xn+1 Xn et Bn+1 = Yn+1 Yn
suivent la loi normale centre rduite.
185
Chapitre 6
On suppose que les va An et Bm, pour tous n, m N , sont mutuellement indpendantes.

a) Dterminer, pour tout n de N , la loi de Xn et la loi de Yn .
b) Exprimer la probabilit pn pour qu$un instant n de N , le mobile se situe dans le carr
x
2
[1 ; 1]2 laide de la fonction h : x
e u du.
0
Calculer ensuite lim pn . Interprter ce rsultat.

n
c) Soit n N . On pose Dn = Xn2 + Yn2 . Reconnatre la loi de Xn2 et la loi de Yn2 , puis en dduire
1
la loi de Dn . On rappelle que
= . (On pourra utiliser lexercice 6.6.)
2
d) Calculer la probabilit qn pour qu un instant n de N , le mobile se situe dans le disque de
centre O et de rayon 1.
Calculer ensuite lim qn . Interprter ce rsultat.
n
6.14 Loi du quotient de deux va indpendantes suivant une loi uniforme

Soient r R+ , X et Y deux variables alatoires indpendantes qui suivent la loi uniforme sur
X
Y
]0 ; r]. On pose : U = ln
et V = ln .
r
r
a) Dterminer la fonction de rpartition et une densit de U. Mmes questions pour V.
Tracer lallure des courbes reprsentatives de ces deux fonctions.
b) En dduire une densit et la fonction de rpartition de U + V.
c) On pose Q =
X
. 1) Montrer que Q est une va densit et donner une densit de Q.
Y
2) La va Q admet-elle une esprance ?
6.15 Loi de Ent(X) et loi de X Ent(X), o X est une va densit

On considre une va X valeurs dans R+ et admettant une densit f , nulle sur R et continue
sur R+ .
On dfinit la va Y = Ent(X) (partie entire de X).
a) Dterminer la loi de Y.
b) Montrer que X admet une esprance si et seulement si Y admet une esprance, et que dans ce
cas, E(Y) E(X) E(Y) + 1.
c) On suppose que X suit une loi exponentielle de paramtre ( > 0).
1) Prciser la loi de Y et calculer son esprance.
2) On pose Z = X Ent(X).
Montrer que Z est une va densit et donner une densit de Z.
Montrer que Z admet une esprance et la calculer. Que remarque-t-on ?
6.16 Temps dattente un guichet

Trois personnes notes A, B et C se prsentent louverture dune poste comportant deux guichets. Les personnes A et B accdent directement lun des guichets, tandis que la personne C
attend que lun des deux guichets se libre.
186
noncs des exercices
On note X, Y et Z les va gales aux temps de passage aux guichets des personnes A, B et C.
On suppose que ces variables sont indpendantes et que chacune suit la loi uniforme sur [0 ; 1].
On dfinit les va U = |X Y| et V = min(X, Y).
a) 1) Dterminer une densit de Y, puis une densit de X Y.
2) En dduire une densit de U.
b) On note E lvnement : C est la dernire personne sortir .
Justifier que E = (U Z 0), puis en dduire la valeur de P(E).
c) Montrer que V suit la mme loi que U.
d) On note T le temps pass par C la poste.
1) Montrer que T est une va densit et dterminer une densit de T .
2) Calculer le temps moyen pass par C la poste.
6.17 Exemple dune va fonction dune autre va densit
On note f la fonction dfinie sur R par : x R, f (x) =
0
si x < 0
.
1
si x 0
(1 + x)2

1
.
X
1) Montrer que Y prend presque srement ses valeurs dans [2 ; +[.
,
y2
.
2) Montrer : y [2 ; +[, P(Y y) =
y+2
En dduire que Y est une va densit.
c) On pose Y = X +
6.18 Loi dune somme de n va indpendantes, daprs loral HEC 2010
On considre une suite (Xn )n1 de va mutuellement indpendantes et telle que, pour tout n 1,
Xn suit la loi exponentielle de paramtre n.
On dfinit, pour tout n 1, Yn =
n

Xk .
k=1
a) Montrer que Y2 est une va densit et dterminer une densit de Y2 .

b) Plus gnralement, montrer
que, pour tout n 1, Yn admet pour densit la fonction gn dfinie

0
si x < 0

n1
.
par : x R, gn (x) =
si x 0
n e x 1 e x
c) Montrer que, pour tout n 1, Yn admet une esprance et une variance et exprimer E(Yn ) et
V(Yn ) laide dune somme.
6.19 Va rordonnes par ordre croissant, daprs loral HEC 2007

Soit n N . On considre n va densit X1 , . . . , Xn dfinies sur un mme espace probabilis
(, A , P), de mme loi et mutuellement indpendantes. On note F leur fonction de rpartition
et f une densit.
187
Chapitre 6

Pour tout de , on note Y1 (), . . . , Yn () la suite des Xi () pour i 1 ; n rordonns par
ordre croissant ; on a donc Y1 () Y2 () Yn ().
n

n j
n
F(x) j 1 F(x) .
a) Soient k 1 ; n et x R. Montrer : P(Yk x) =
j
j=k
b) Soit k 1 ; n. Montrer que Yk admet une densit que lon explicitera sans symbole
3
.
c) On suppose de plus que, pour tout i de 1 ; n, Xi suit la loi uniforme sur [0 ; 1].
1) Justifier que, pour tout k de 1 ; n, Yk admet une esprance.
2) Montrer que Yn et 1 Y1 ont la mme loi. Calculer E(Yn ) et en dduire E(Y1 ).
3) Exprimer, pour tout k 1 ; n 1, E(Yk+1 ) en fonction de E(Yk ). En dduire
lexpression de E(Yk ) pour tout k 1 ; n.
6.20 Maximum de deux va indpendantes dont chacune suit la loi normale centre rduite
Soient X et Y deux va indpendantes, suivant la loi normale centre rduite.
On note
1
2
f : R R, x e x /2
2
et la fonction de rpartition de X et de Y.
On dfinit la va Z = max(X, Y).

a) Montrer que Z est une va densit, de densit g : x 2 f (x)(x).
b) laide dune intgration par parties, montrer :
$ B 2
$ B
%
&B
1
2
(A, B) R ,
xg(x) dx = 2 f (x)(x) A +
f (x) dx.
A 2
A
c) En dduire que Z admet une esprance et calculer E(Z).
d) Montrer que X 2 et Z 2 suivent la mme loi. En dduire V(Z).
6.21 Exemple dun processus de Poisson

On sintresse aux instants de passage successifs des bus une station donne.
Le service commence linstant T 0 = 0. Le premier bus du matin passe linstant T 1 ; on pose
U1 = T 1 T 0 qui reprsente donc le temps entre louverture du service et le passage du premier
bus de la journe.
Pour tout n de N , T n dsigne linstant o le n-ime bus arrive la station et Un+1 le temps coul
entre les passages du n-ime et du (n + 1)-ime bus de la journe.
On dfinit galement, pour tous s, t de R+ tels que s t, Ns,t le nombre de bus qui sont passs
la station dans lintervalle de temps [s ; t].
On suppose que les va Un , pour n N , sont mutuellement indpendantes et quelles suivent la
mme loi exponentielle de paramtre .
a) Soit n N . Exprimer la va T n laide des va Ui puis en dduire la loi de T n .
b) Soit t R+ . Justifier : n N, (N0,t n) = (T n t).
En dduire que la va N0,t suit la loi de Poisson de paramtre t.
On admet que, pour tous s, t de R+ tels que s t, la va Ns,t suit la mme loi que N0,ts .
c) Soit t R+ . Un passager arrive la station linstant t. On dfinit Wt le temps dattente du
passager jusqu larrive du prochain bus.
188
noncs des exercices
h 0, (Wt > h) = (Nt,t+h = 0).
1) Justifier :
2) En dduire la loi de Wt . Combien de temps en moyenne, devra attendre le passager avant

larrive du prochain bus ? Ce rsultat est-il intuitif ?
6.22 Loi de Cauchy

1
.
(1 + x2 )
On considre la fonction f dfinie sur R par : x R, f (x) =

a) Montrer que la fonction f est une densit.
On considre une va relle X admettant f pour densit.
Calculer P(X 0), P(X 0), P(X 1) et P(X 1).
c) La va X admet-elle une esprance ?
d) On dfinit la va Y =
1
. Montrer que X et Y ont la mme loi.
X
e) On dfinit la va Z =
1+X
.
1X
1+x
. tudier les variations de . Montrer que ralise une
1) On note la fonction x
1x
bijection de R \ {1} dans R \ {1} et dterminer sa bijection rciproque.
2) Dterminer la fonction de rpartition de Z.
3) En dduire que X et Z ont la mme loi.
6.23 Une autre expression de lesprance

Soit X une va admettant une densit f telle que f est nulle sur R et continue sur R+ . On note F
la fonction de rpartition de X.
$ x
t f (t) dt.
On dfinit la fonction : R+ R, x
0
$
a) Montrer :
x R+ ,

1 F(t) dt = x 1 F(x) + (x).
b) On suppose dans cette question que X admet une esprance, note E(X).

1) Montrer : x R+ , 0 x 1 F(x) E(X) (x), puis : lim x 1 F(x) = 0.
$
2) En dduire que

1 F(t) dt converge et que
x+

1 F(t) dt = E(X).
c) On suppose dans cette question que

1 F(t) dt converge.
1) Montrer que admet une limite finie en +.

2) En dduire que X admet une esprance, puis :
E(X) =

1 F(t) dt.
d) Application : On considre n va X1 , . . . , Xn mutuellement indpendantes suivant toutes la loi

exponentielle de mme paramtre , avec > 0.
189
Chapitre 6
On pose Mn = max(X1 , . . . , Xn ).
1) Dterminer la fonction de rpartition de Mn et montrer que Mn est densit.
2) Montrer que Mn admet une esprance et la calculer (on exprimera le rsultat sous forme
dune sommation).
6.24 Somme et minimum dun nombre alatoire de va mutuellement indpendantes, de mme

loi exponentielle
On considre une suite de va mutuellement indpendantes (Xn )n1 dfinies sur un mme espace
probabilis (, A , P), et qui suivent la loi exponentielle de mme paramtre > 0. Pour tout
n

Xk et Un = min(X1 , . . . , Xn ).
n N , on pose : S n =
k=1
a) Soit n N . Montrer que la va Un suit une loi exponentielle et prciser son paramtre.
b) Soit n N . Donner une densit de S n , puis montrer :
n1

(x)k
x R+ , P(S n > x) = e x
k=0
k!
c) On considre une va N dfinie sur (, A , P), indpendante des va Xn pour tout n N , et qui
suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
On dfinit les va : S = S N et U = U N ,
cest--dire :
, S () = S N() () et U() = U N() ().
1) Calculer, pour tout x R+ , P(U > x). En dduire que U est une va densit et prciser
une densit.
2) Calculer, pour tout x R+ , P(S > x). Reconnatre la loi de S .
Du mal dmarrer ?
6.1
6.3
c) Remarquer que X prend presque srement ses valeurs dans

[0 ; 1], donc E(X) et V (X) existent.
b) Procder de la mme faon : crire F(x) =
Calculer E(X) en utilisant la dfinition de lesprance, E(X ) en

utilisant le thorme de transfert, puis en dduire V (X) en utilisant la formule V (X) = E(X 2 ) E(X)2 .
6.2
a) b) Appliquer les mthodes dcrites dans la partie les

mthodes retenir .
$ +
$ +
c) Montrer que les intgrales
xf(x) dx et
x2 f(x) dx
convergent puis calculer leurs valeurs et en dduire E(X)

et E(X 2 ). Calculer alors V (X) laide de la formule :

2
V (X) = E(X 2 ) E(X) .
d) Commencer par dterminer la fonction de rpartition de Y

et reconnatre la fonction de rpartition dune loi exponentielle.
190
a) b) Appliquer les mthodes dcrites dans la partie les

mthodes retenir .
a) crire P(X 0) =
ment de variable u = t.
f(t) dt puis effectuer le change$
effectuer le changement de variable u = t.
f(t) dt puis
$ 0
c) Commencer par montrer que les intgrales
tf(t) dt et
$ +
tf(t) dt sont de mme nature, et en cas de convergence,
0
$ +
$ 0
tf(t) dt =
tf(t) dt. Puis conclure.
que lon a :
6.4
Calculer P(Y = 0), puis en dduire que Y nest pas une

va densit.
Raisonner par labsurde et supposer que Y est une va discrte.

Calculer
P(Y = y), puis conclure.
yY()
Du mal dmarrer ?
6.5
a) Pour tout x de R, exprimer les vnements (Z x) et

(T > x) laide dvnements faisant intervenir les va X et Y .
Utiliser lindpendance de X et Y pour en dduire les fonctions
de rpartition de Z et T .
b) Montrer que ces fonctions de rpartition sont continues

sur R, de classe C 1 sur R priv ventuellement dun ensemble
fini de points. Conclure.
6.6
a) Obtenir :
si a > 0 : y R, P(Y y) = F
a
y b
.
a
En dduire que Y est une va densit et calculer une densit de
Y en utilisant la mthode dcrite dans la partie les mthodes
retenir .
0
si z < 0
b) Obtenir : z R, FZ (z) =
.
F( z) F( z) si z 0
Raisonner de la mme faon quau a).
6.7
a) b) Appliquer la mthode dcrite dans la partie les

mthodes retenir .
$ +
c) Montrer que
tf(t) dt converge et remarquer que la fonc0
tion t tf(t) est impaire.
d) Utiliser le thorme de transfert et la fonction dEuler.

2
e) Utiliser la formule : V (X) = E(X 2 ) E(X) .
6.8
a) Noter que I(a, b) est une intgrale gnralise, a priori,

en 0 et 1.
Utiliser le thorme dquivalence pour des fonctions positives
et lexemple de Riemann pour obtenir le rsultat.
b) Effectuer une intgration par parties pour obtenir la premire relation.

Utiliser la linarit de lintgrale pour obtenir la deuxime
relation.
Dduire la troisime relation laide des deux premires.
c) 1) Utiliser la mthode dcrite dans la partie les mthodes

retenir .
En dduire la fonction de rpartition de Y , puis montrer que

Y est une va densit.
6.11
Pour tout y de R, dcrire lvnement (Y y).
Remarquer que X admet une densit paire, donc :

x R, P(X x) = P(X x).
y b
si a < 0 : y R, P(Y y) = 1 F
c) 2) Remarquer que X prend presque srement ses valeurs dans

[0 ; 1], donc X admet une esprance et une variance.
2
Exprimer E(X) et E(X ) laide des intgrales I(a, b), puis en dduire V (X).
6.9
a) Appliquer la mthode dcrite dans la partie les mthodes retenir .
b) Montrer que X nadmet pas desprance, ni de variance.

$ +
$ +
1
1
f(t) dt et
c) 1) tudier les intgrales
f(t) dt.
t
t2
a
a
+ 1+
c) 2) Montrer que Y suit la loi uniforme sur 0 ; .
a
En dduire E(Y ) et V (Y ) en utilisant les formules de cours.
6.10
En dduire que Y prend ses valeurs dans [0 ; 4], et pour tout

y de [0 ; 4], exprimer lvnement (Y y) laide dvnements
faisant intervenir la va X.
Commencer par tudier la fonction

: [1 ; 2] R, t t2 .
Montrer alors que les fonctions de rpartition de X et de Y

sont gales, puis conclure.
1
2
e x /2 .
Noter f : x
2
1
laide de f puis en dduire sa valeur.
a) Exprimer
2
b) 1) 2) 3) Considrer une va X de loi normale desprance 1
1
et de variance . Exprimer les trois intgrales laide dune
4
densit de X.
b
b) 4) Considrer une va X de loi normale desprance
et de
2a
1
. Puis raisonner de la mme faon quau b) 1)
variance
2a
c) Noter la fonction de rpartition de la loi normale centre
rduite. Effectuer des changements de variables de faon exprimer les intgrales demandes laide de .
6.12
6.13
a) Montrer que Xn = A1 + A2 + + An . Pour obtenir la loi

de Xn , utiliser le thorme de stabilit de la loi normale.
Raisonner de la mme faon pour Yn .

2
pn = P(1 Xn 1) .
b) Montrer :

1
c) Montrer que Xn2 et Yn2 suivent la loi 2n, , en utilisant (par
2
exemple) lexercice 6.6.
Pour obtenir la loi de Dn , utiliser le thorme de stabilit de la
loi Gamma.
d) Montrer :
qn = P(Dn 1).
6.14
a) Commencer par dterminer la fonction de rpartition

de U, puis en dduire que U est une va densit.
Raisonner de la mme faon pour V .
b) Remarquer que les va U et V sont indpendantes. Une densit de U+V sobtient donc en faisant le produit de convolution
dune densit de U et dune densit de V .
c) Remarquer que Q = e U+V .
Montrer que Q nadmet pas desprance.
$
6.15 a) Justifier : n N, P(Y = n) =
n+1
f(t) dt.
n
b) Raisonner par double implication.

Supposer que X admet une esprance, puis montrer que Y admet une esprance et que E(Y ) E(X).
Supposer que Y admet une esprance, puis montrer que X admet une esprance et que E(X) E(Y ) + 1.
Puis conclure.
191
Chapitre 6
c) 1) Dterminer, pour tout n de N, P(Y = n), puis calculer E(Y )

en utilisant la dfinition de lesprance.
c) 2) Justifier que Z prend ses valeurs dans [0 ; 1[, puis obtenir :
+

P(n X n + z).
z [0 ; 1[, P(Z z) =
n=0
6.16
a) 1) Une densit de X Y sobtient en faisant le produit

de convolution dune densit de X et dune densit de Y .
a) 2) En dduire la fonction de rpartition de U puis une densit
de U.
b) Pour calculer P(E), commencer par dterminer une densit
de U Z sur R .
c) Montrer que U et V ont mme fonction de rpartition.
d) Remarquer que T = V + Z. En dduire une densit de T
puis E(T ).
6.17
a) b) Utiliser la mthode dcrite dans la partie les mthodes retenir .

1
c) 1) Commencer par tudier la fonction x x + sur linterx
valle R+ .
c) 2) Pour tout y 2, crire :
(Y y) = (X 2 yX + 1 0) = (r1 X r2 ),
o r1 , r2 sont les solutions de lquation r2 yr + 1 = 0, dinconnue r R.
En dduire la fonction de rpartition de Y , puis montrer que Y
est densit.
6.18
a) Une densit de Y2 sobtient en faisant le produit de

convolution dune densit de X1 et dune densit de X2 .
b) Effectuer une IPP en drivant x (x) et en intgrant

x 2xf(x). Puis effectuer un changement de variable dans
lintgrale obtenue.
c) Passer la limite lorsque A et B + dans lgalit
1
prcdente, pour en dduire E(Z) = .
d) Montrer que X 2 et Z 2 ont mme fonction de rpartition.

En dduire :
6.21
n

Ui puis utiliser un rsultat de
cours pour obtenir une densit de Tn .
b) Commencer par crire P(N0,t = n) = P(Tn t) P(Tn+1 t),

utiliser la loi de Tn et la loi de Tn+1 et effectuer une intgration
par parties.
c) 1) Interprter chacun des vnements.
c) 2) En dduire la fonction de rpartition de Wt puis reconnatre une loi usuelle.
6.22
a) b) Utiliser la mthode dcrite dans la partie les mthodes retenir .

$ +
c) Montrer que
xf(x) dx diverge et conclure.
0
d) Pour tout y de R, exprimer lvnement (Y y) laide dvnements faisant intervenir X. En dduire la fonction de rpartition de Y , puis conclure.
e) 1) Immdiat.
e) 2) 3) Raisonner de la mme faon quau d).
6.23
a) Effectuer une intgration par parties.
b) 1) Remarquer :

x R+ , x 1 F(x) =
+
x
xf(t) dt
tf(t) dt.
x
b) 2) Passer la limite lorsque x + dans lgalit du a).
a) Noter Nx le nombre de va Xi infrieures ou gales x.

Montrer Nx B n, F(x) .
c) 1) Montrer que est croissante et majore sur R+ .

$ +
c) 2) En dduire que
tf(t) dt converge puis utiliser les r-
Justifier que P(Yk x) = P(Nx k) et en dduire le rsultat

demand.
sultats du b).
6.19
b) Montrer que la fonction de rpartition de Yk est continue

sur R, C 1 sur R priv dun ensemble fini de points.
Une densit de Yk sobtient en drivant sa fonction de rpartition, l o elle est drivable.
c) 1) Remarquer que Yk est une va borne.

c) 2) Calculer, pour tout x de R, P(Yn x) et P(1 Y1 x) et en
dduire que Yn et 1 Y1 ont mme fonction de rpartition.
c) 3) Calculer, pour tout k de 1 ; n, une densit fk de Yk , puis
en utilisant la dfinition de E(Yk+1 ), exprimer E(Yk+1 ) en fonction de E(Yk ).
En dduire :
6.20
de Z.
192
a) Remarquer que Tn =
i=1
b) Raisonner par rcurrence sur n et remarquer que, pour tout

n 1, les va Yn et Xn+1 sont indpendantes.
c) Utiliser la linarit de lesprance et la proprit sur la variance dune somme de va indpendantes.
E(Z 2 ) = E(X 2 ).
k
.
k 1 ; n, E(Yk ) =
n+1
d) 1) Commencer par crire :
x R, P(Mn x) = P(X1 x)n .
d) 2) Utiliser le rsultat dmontr dans les questions b) et c).
6.24
a) Commencer par calculer, pour tout x de R, P(Un > x),

puis reconnatre la fonction de rpartition de Un .
b) Utiliser un rsultat de cours pour obtenir une densit de Sn ,

puis raisonner par rcurrence sur n pour obtenir lexpression de
P(Sn > x) demande.
c) 1) Commencer par obtenir :
x R, P(U > x) =
+

P(N = n)P(Un > x),
n=1
puis calculer cette somme. En dduire la fonction de rpartition

de U.
c) 2) Raisonner de la mme faon quau c) 1).

P X [0 ; 1] = 1.
6.1
a) La fonction f est continue sur R, priv ventuellement de
lensemble {0, 1}.
La fonction f est positive ou nulle sur R si et seulement si
c 0.
Enfin, la fonction f tant nulle en dehors de [0 ; 1],
$ 1
$ +
f =
f . Cette intgrale nest pas une intgrale gnra
lise car f est continue sur [0 ; 1].

$ 1
*

c +1
1 c
= .
f =
=c 1
Et lon a :
0
1
+
t
2
2
0
On en dduit :
f est une densit si et seulement si c = 2.
On en dduit que X admet une esprance et une variance.

Et lon a :
$ 1
$ 1
2t
t f (t) dt =
dt
E(X) =
2
(1
+
0
0
$ 1
$t)1
2
2(1 + t) 2
2
dt
=
dt =
2
(1 + t)
1 + t (1 + t)2
0
0
*
+
2 1
= 2 ln |1 + t| +
= 2 ln 2 + 1 2 = 2 ln 2 1
1+t 0
$ 1
$ 1
2t2
t2 f (t) dt =
dt
E(X 2 ) =
2
0 (1 + t)
$0 1
2(t + 1)2 4(t + 1) + 2
=
dt
(1 + t)2
$0 1
2
4
=
+
2
dt
1
+
t
(1
+
t)2
0
+
*
1
2
= 3 4 ln 2
= 2t 4 ln |1 + t|
1+t 0
donc :
V(X) = E(X 2 ) E(X)2

= 3 4 ln 2 (2 ln 2 1)2 = 2 4(ln 2)2 .
Remarque : Puisque ln 2 0.69, on a bien : V(X) 0.
b) Notons F la fonction de rpartition de X. Alors :

$ x
$ x
x < 0, F(x) =
f (t) dt =
0 dt = 0,
$
x > 1, F(x) =
6.2
f (t) dt =
$
f (t) dt = 1,
0
a) Montrons que f est une densit.
La fonction f est continue sur R priv ventuellement de lensemble {0}.
x [0 ; 1], F(x) =
Ainsi :
f (t) dt =
f (t) dt
0
+
*
2x
2
2 x
=
.
=2
=
1+t 0
1+x 1+x
0 si x < 0
2x
x R, F(x) =
si 0 x 1 .
1+x
1 si x > 1
Pour tout x 0, x e x
ou nulle sur R.
2 /2
0. Donc la fonction f est positive

$
Enfin, la fonction f tant nulle sur R , donc lintgrale

converge.
$ A
%
2 &A
f (x) dx = e x /2 0
De plus : A > 0,
= 1 e A
2 /2
f converge.
0
f converge et :
On en dduit que lintgrale
c) Puisque f est nulle en dehors de [0 ; 1], la va X prend presque

srement ses valeurs dans [0 ; 1], cest--dire :
1.
Ainsi, lintgrale
Remarque : La fonction F est bien continue sur R, de classe C

sur R priv ventuellement de {0, 1}.
$
f =
f+
f = 1.
On conclut que f est une densit.

193
Chapitre 6
Reprsentons la fonction f .
Or :
t e t
2 /2
La fonction f est drivable sur R+ et :

2
Do les variations de f sur R+ suivantes :

1
0
e 1/2
f (x)
= A e A /2 0,
A
daprs les croissances compares.
2
De plus, en eectuant le changement

de variable
u = t2 /2 t = 2u,
$ A2 /2
$ A
du
2
e t /2 dt =
e u
on obtient :
0
0
2u
,
$ A2 /2
1
1 1
1/2 u
u e du
=
=
.
A+
2
2 0
2 2
,
.
On en dduit que X admet une esprance et E(X) =
2
x R+ , f (x) = e x /2 (1 x2 ).
x 0
f (x) +
&A
La va X admet une variance si et seulement si X admet

un
$ moment dordre
$ 2, et donc si et seulement si lintgrale
+
t2 f (t) dt =
t2 f (t) dt converge. Il sagit dune int-
grale gnralise en +. On a :
$ A
$ A
2
A > 0,
t2 f (t) dt =
t2 t e t /2 dt.
b) Notons FX la fonction de rpartition de X. Alors :
$ x
$ x
f (t) dt =
0 dt = 0,
x < 0, FX (x) =
$
x 0, FX (x) =
Ainsi :
f (t) dt =
f (t) dt
0
% t2 /2 &x
x2 /2
.
= e
0 = 1 e

0
si x < 0
.
x R, FX (x) =
2
1 e x /2 si x 0

u (t) = 2t
u(t) = t2
, on obPar IPP en posant
2

t2 /2 ,
v(t) = e t /2
v (t) = t e
$ A
$ A
%
2 &A
2
t2 f (t) dt = t2 e t /2 0 +
2t e t /2 dt
tient :

%
2
2 &A
2
= t2 e t /2 2 e t /2 0 = 2 (A2 + 2) e A /2 2,
A
Ainsi, X admet un moment dordre 2 et E(X 2 ) = 2.
On en dduit que X admet une variance et
4
V(X) = E(X 2 ) E(X)2 = 2 =
.
2
2
Remarque : On a bien V(X) 0.
d) La va Y prend ses valeurs dans R+ .
Notons FY la fonction de rpartition de Y. Alors :
Remarque : La fonction FX est bien continue sur R, de

classe C 1 sur R priv ventuellement de {0}.
c)
$ +La va X admet
$ +une esprance si et seulement si lintgrale
t f (t) dt =
t f (t) dt converge. Il sagit dune intgrale
gnralise en +. On a :
$ A
$
A > 0,
t f (t) dt =
0
t t e t
2 /2
dt.
u (t) = 1
u(t) = t
,
, on obPar IPP en posant
2
2
v(t) = e t /2
v (t) = t e t /2
$ A
$ A
%
2 &A
2
t f (t) dt = t e t /2 0 +
e t /2 dt.
tient :
0
194
y < 0, FY (y) = P(Y y) = 0,

car Y prend ses valeurs dans R+
y 0, FY (y) = P(Y y) = P(X 2 y)
= P( y X y) = P(X y) = FX ( y)
car X prend ses valeurs dans R+ presque srement (puisque f
est nulle sur R ).

0
si y < 0
Ainsi : y R, FY (y) =
.
1 e y/2 si y 0
On reconnat la fonction de rpartition de la loi exponentielle
1
1
.
de paramtre . On en dduit : Y E
2
2
Remarque : On obtient, en particulier, E(X 2 ) = E(Y) = 2. On
retrouve le mme rsultat que dans la question c).
6.3
On a alors :
P(X 0) + P(X 0) = P(X 0) + P(X > 0) = 1.

$ 0
Dautre part : P(X 0) =
f (t) dt
$ 0
$ +
=
f (u)( du) =
f (u) du = P(X 0).
u=t + !"
0
= f (u)
b) Soit x R. Alors :
$
F(x) = P(X x) =
=
1
.
2
P(X 0) = P(X 0) =
On en dduit :
f (t) dt =
u=t
f (u)( du)
!"
= f (u)
t f (t) dt =
0
u=t
On en dduit :
t f (t) dt converge.
0
$
t f (t) dt =
a) On a, pour tout x R :

P(Z x) = P max(X, Y) x = P (X x) (Y y)
= P(X x)P(Y x) car X et Y sont indpendantes.
On en dduit : x R, FZ (x) = P(Z x) = FX (x) FY (x).
= FX (x) + FY (x) FX (x)FY (x).

t f (t) dt sont
6.5
t f (t) dt et
et : y > 0, P(Y = y) = P(X = y) = 0,

car X est une va densit.

1
P(Y = y) = P(Y = 0) + 0 = P(Y = 0) = 1, ce
Ainsi :
2
yY()
qui est absurde.
On en dduit : x R, FT (x) = P(T x) = 1 P(T > x)

= 1 1 FX (x) 1 FY (x)
de mme nature et que, en cas de convergence :

$ 0
$ +
t f (t) dt =
t f (t) dt.
P(Y = y),
yY()
y>0
u f (u) du.
On en dduit que les intgrales
E(X) =
yY()
(u) f (u)( du)
$0
Dans ce cas$:
P(Y = y) = P(Y = 0) +
On a, pour tout x R :

P(T > x) = P min(X, Y) > x = P (X > x) (Y > y)
= P(X > x)P(Y > x) car X et Y sont indpendantes.
A > 0,
On conclut que Y nest ni une va densit, ni une va discrte.
c) Par dfinition de lesprance :

$ +
t f (t) dt converge
$ 0
$
0
t f (t) dt et
t f (t) dt convergent.
Or :
Or :
Donc Y nest pas une va discrte.
f (u) du = P(X x) = P(X > x) = 1 F(x).
P(Y = y) = 1.
yY()
a) Dune part :
t f (t) dt +
t f (t) dt = 0.
6.4
La va Y prend ses valeurs dans R+ .
b) Les va X et Y tant des va densit, les fonctions FX et FY

sont continues sur R, de classe C 1 sur R priv ventuellement
dun ensemble fini de points.
On en dduit, par oprations, que les fonctions FZ et FT sont
elles aussi continues sur R, de classe C 1 sur R priv ventuellement dun ensemble fini de points.
Donc les va Z et T sont des va densit. Les densits fZ et fT
sobtiennent en drivant FZ et FT sauf en un nombre fini de
points o le choix est arbitraire.
On a alors (par exemple) : x R,
f (x) = fX (x)FY (x) + FX (x) fY (x)
fT (x) = fX (x) + fY (x) fX (x)FY (x) FX (x) fY (x)
= fX (x) 1 FY (x) + fY (x) 1 FX (x) .
1
On a : P(Y = 0) = P(X 0) = , puisque X admet une
2
densit paire et daprs lexercice 6.3.
6.6
Donc Y nest pas une va densit car sinon, on aurait :

y R, P(Y = y) = 0.
On a : y R, P(Y y) = P(aX + b y)
= P(aX y b).
Supposons que Y soit une va discrte.
1er cas : si a > 0, alors pour tout y R,
a) Notons FY la fonction de rpartition de Y.
195
Chapitre 6

y b
P(Y y) = P X
.
a
6.7
2e cas : si a < 0, alors pour tout y R

y b
y b
=1P X <
P(Y y) = P X
a
a

y b
.
=1P X
a
y b
Ainsi : si a > 0 : y R, FY (y) = F
a
y b
.
si a < 0 : y R, FY (y) = 1 F
a
La va X tant une va densit, sa fonction de rpartition F est
continue sur R, de classe C 1 sur R priv ventuellement dun
ensemble fini de points. Par oprations sur les fonctions, il en
est de mme pour FY .
a) La fonction f est
sur
positive ou nulle sur R. De
$ R,
$ continue
A
A
c ct
e dt
f (t) dt =
plus : A > 0,
0
0 2
* 1
+A 1

1
= e ct = 1 e At .
0
A 2
2
2
$ +
1
f converge et vaut .
Donc
2
0
$ +
Puisque f est une fonction paire, on en dduit que
f
$ +
$ +
f =2
f = 1.
converge et
Ainsi f est une densit.
On en dduit que Y est une va densit. Une densit de Y sobtient en drivant FY sauf en un nombre fini de points o le choix
est arbitraire.
Une densit fY de Y est alors (par exemple) dfinie par :
$
1 y b
f
a
a
1 y b
si a < 0 : y R, fY (y) = f
.
a
a
si a > 0 : y R, fY (y) =
b) Soit x R. On a :
Ce qui peut scrire, pour tout a 0 :

1 y b
y R, fY (y) =
f
.
|a|
a
b) La va Z prend ses valeurs dans R+ .
Notons FZ la fonction de rpartition de Z. Alors :
z < 0, FZ (z) = P(X 2 z) = 0,
z 0, FZ (z) = P(X 2 z) = P( z X z).
0
si z < 0
Ainsi : z R, FZ (z) =
F( z) F( z) si z 0.
et
La fonction FZ est alors continue sur R ; de plus, puisque F est

FZ = 0 et
continue sur R, FZ est continue sur R+ ; enfin, lim
FZ , donc FZ est continue en 0 ;

FZ (0) = F(0) F(0) = 0 = lim
+
ainsi FZ est continue sur R.
De plus, FZ est C 1 sur R , C 1 sur R+ priv ventuellement dun

ensemble fini de points (car F lest sur R) ; donc FZ est C 1 sur R
priv ventuellement dun ensemble fini de points.
On en dduit que Z est une va densit.
Une densit fZ de Z est (par exemple) dfinie par :
0
si z 0
1

z R, fZ (z) =
f
(
z)
+
f
(
z)
si z > 0.
2 z
196
F(x) =
f (t) dt =
c c|t|
e
dt.
2
1er cas : Si x 0, alors

$ x
c ct
car t ] ; x], |t| = t
e dt
F(x) =
2
* 1 +x
1
1
1
= lim
e ct = lim
e cx e cA = e cx .
A
A 2
A 2
2
2
2e cas : Si x > 0, alors
$ x
$ 0
f (t) dt +
f (t) dt
F(x) =
0
$ x
$ 0
c ct
c ct
=
e dt +
e dt
2
0 2
* 1 +0 * 1
+x

e ct + e ct
= lim
A
0
A 2
2
1 1
1

1
cA
cx
e
e +
= lim
A 2
2
2
2
1
= 1 e cx .
2
Ainsi la fonction de rpartition F de X vrifie :
1 cx
e
si x 0
2
.
x R, F(x) =
1 e cx si x > 0
2
Remarque : La fonction F est bien continue sur R, de classe C 1

sur R priv ventuellement de {0}.
c)
La va X admet une esprance si et seulement si lintgrale
$ +
$ A
c ct
t e dt
t f (t) dt =
2
0
0
+A $ A 1
* t
e ct dt par IPP
= e ct +
0
2
0 2
* t
1 ct +A
e
= e ct
0
2
2c
A cA 1 cA 1
1
e
= e
+
2
2c
2c A 2c
$
On a : A > 0,
On en dduit que X n admet une esprance, et :

$ +
tn f (t) dt.
E(X n ) =
cas :$ si n est pair, alors t tn f (t) est paire, donc :

+
n!
tn f (t) dt = 2I(n) = n .
E(X n ) = 2
c
0
1
er
2e cas : si n est impair, alors t tn f (t) est impaire, donc :

E(X n ) = 0.
e) Puisque X admet un moment dordre 2, X admet une variance
2
2
et : V(X) = E(X 2 ) E(X)2 = 2 0 = 2 .
c
c
6.8
a) La fonction g : t ta1 (1 t)b1 est continue sur ]0 ; 1[,
donc I(a, b) est une intgrale gnralise en 0 et en 1.
Ainsi
0
Puisque t
t f (t) est impaire,
t f (t) dt converge gale
$ 0
$ +
ment et
t f (t) dt =
t f (t) dt.
Par la relation de Chasles, on en dduit que

$ +
t f (t) dt = 0.
converge et
t f (t) dt
Ainsi par la relation de Chasles, I(a, b) converge si et seulement

$ 1
$ 1/2
g et
g convergent.
si
0
1/2
On a :
g(t) ta1 0. Daprs le thorme dquit0

$ 1/2
valence pour des fonctions positives, les intgrales
g et
0
$ 1/2
ta1 dt sont de mme nature.
0
Donc X admet une esprance et E(X) = 0.
ta1 dt
0
d) Soit n N .
converge si et seulement si a 1 > 1, cest--dire a > 0.

$ 1/2
On obtient :
g(t) dt converge a > 0.
Daprs le thorme de transfert,
On a :
Remarque : On pouvait aussi utiliser lexercice 6.3.
X n admet une esprance

$
lintgrale
1/2
$
+
tn f (t) dt converge absolument
|t|n f (t) dt converge

lintgrale
$ +
$ +
|t|n f (t) dt =
tn f (t) dt converge
lintgrale
0
car la fonction t |t|n f (t) est paire.
Notons I(n) =
tn f (t) dt.
g(t) (1 t)b1 0. Daprs le thorme dquit1

$ 1
valence pour des fonctions positives, les intgrales
g et
1/2
$ 1
(1 t)b1 dt sont de mme nature.
1/2
Alors :
si et seulement si b 1 > 1, cest--dire b > 0.

$ 1
On obtient :
g(t) dt converge b > 0.
1/2
c n ct
t e dt
0
0 2
$
$ cA
1 cA u n u
1
=
e du = n
un e u du
u=ct 2 0
c
2c 0
n!
1
(n + 1) = n .
A+ 2cn
2c
A > 0,
(1 t)b1 dt converge
1/2
Daprs lexemple de Riemann en 1,
tn f (t) dt =
Donc lintgrale I(n) converge et I(n) =
n!
.
2cn
g converge
On en dduit :

a > 0 et b > 0 .
b) Puisque a > 0 et b > 0, on a a + 1 > 0 et b + 1 > 0.

Donc toutes les intgrales qui interviennent convergent.
Pour tout (x, y) ]0 ; 1[2 , on a par intgration par parties :
$ y
$ y
&y
%
b
ta (1 t)b1 dt = ta (1 t)b x +
ata1 (1 t)b dt.
x
197
Chapitre 6
a
a2
a+1
a + b + 1 a + b (a + b)2

a (a + 1)(a + b) a(a + b + 1)
ab
=
=
.
(a + b + 1)(a + b)2
(a + b + 1)(a + b)2
En passant la limite lorsque x tend vers 0 et y tend vers 1, on

obtient : b I(a + 1, b) = 0 + a I(a, b + 1) = a I(a, b + 1).
Pour tout (x, y) ]0 ; 1[2 , on a :
$ y
$ y
ta1 (1 t)b dt +
ta (1 t)b1 dt
x
x
$ y

=
ta1 (1 t)b + ta (1 t)b1 dt
$x y

ta1 (1 t)b1 (1 t) + t dt
=
$x y
=
ta1 (1 t)b1 dt.
x
En passant la limite lorsque x tend vers 0 et y tend vers 1, on

obtient : I(a, b + 1) + I(a + 1, b) = I(a, b).
On en dduit :

b I(a + 1, b) = a I(a, b + 1) = a I(a, b) I(a + 1, b)
I(a + 1, b) =
6.9
a) La fonction f est continue sur R sauf en a.
La fonction f est positive ou nulle sur R.
$ A
* a +A
a
f (t) dt =
=1
1.
Enfin : A > a,
t a
A A+
a
$ +
Ainsi
f (t) dt converge et est gale 1. Puisque f est nulle
a
$ +
f (t) dt
en dehors de [a ; +[, on en dduit que lintgrale
converge et est gale 1.

donc : (a + b) I(a + 1, b) = aI (a, b),

et ainsi :
a
I(a, b).
a+b
c) 1) Remarque : On montre, par rcurrence sur a, que, pour

tout (a, b) (R+ )2 , I(a, b) > 0 (et en particulier I(a, b) 0).
Ainsi, la fonction f est bien dfinie.
La fonction f est positive ou nulle sur R, continue sur R priv
ventuellement de lensemble {0, 1}.
$ 1
f (t) dt converge et
De plus, daprs la question a),
0
$ 1
$ 1
1
I(a, b)
f (t) dt =
ta1 (1 t)b1 dt =
= 1.
I(a, b) 0
I(a, b)
0
Puisque f est nulle en dehors de [0 ; 1], on obtient :
$ +
$ 1
$ +
f converge et
f =
f = 1.
b) La va X admet
$ une esprance
lintgrale
lintgrale
$
+
t f (t) dt converge
t f (t) dt converge
car f est nulle en dehors de [a ; +[.
Or : A > a,
t f (t) dt
$
=
a
On en dduit que f est une densit.

c) 2) Puisque X prend presque srement ses valeurs dans [0 ; 1],
qui est un ensemble born, X admet une esprance et une variance. Et lon a :
$ 1
$ 1
1
t f (t) dt =
ta (1 t)b1 dt
E(X) =
I(a, b) 0
0
a
I(a + 1, b)
=
, daprs la question b)
=
I(a, b)
a+b
$ 1
$ 1
1
E(X 2 ) =
t2 f (t) dt =
ta+1 (1 t)b1 dt
I(a, b) 0
0
I(a + 2, b) I(a + 2, b) I(a + 1, b)
=
=
I(a, b)
I(a + 1, b) I(a, b)
a+1
a
=
, daprs la question b)
a+b+1 a+b
et donc, V(X) = E(X 2 ) E(X)2
198

a
dt = a ln A ln a +.
A+
t
+
f (t) dt diverge, donc que X

nadmet pas desprance.
Puisque X nadmet pas desprance, X nadmet pas non plus

de variance.
1
c) 1) La va Y = admet une esprance
X
$ +
1
f (t) dt converge absolument
lintgrale
t
(daprs le thorme de transfert)
$ +
1
lintgrale
t
a
(car f est nulle en dehors de [a ; +[)
$ +
1
f (t) dt converge
lintgrale
t
a
1
(car la fonction t f (t) est positive sur [a ; +[).
t
Or : A > a,
a
1
f (t) dt =
t
A
a
*
a
dt =
t3
1
=
2a
a +A
2t2 a
1
a
.
2A2 A+ 2a
On en dduit que Y admet une esprance et E(Y) =
1
.
2a
1
admet un moment dordre 2
X
1
la va Y 2 = 2 admet une esprance
X
$ +
1
lintgrale
2
t
$ +
1
f (t) dt converge.
lintgrale
2
t
a
$ A
$ A
*
1
a
a +A
f
(t)
dt
=
dt = 3
Or : A > a,
2
4
3t a
a t
a t
1
1
a
= 2 3
.
3a
3A A+ 3a2
La va Y =
Ainsi Y admet un moment dordre 2 et E(Y 2 ) =
Remarque : On retrouve bien les mmes rsultats quau 1).
6.10
Puisque X suit la loi uniforme sur [1 ; 2], X prend ses valeurs
dans [1 ; 2].
si x [1 ; 2]
3
Une densit de X est f : x
0 sinon.
La fonction de rpartition F de X est
0 si x < 1
x+1
F : x
si 1 x 2
1 si x > 2.
1
.
3a2
On en dduit que Y admet une variance et

1
1
1
.
V(Y) = E(Y 2 ) E(Y)2 = 2 2 =
3a
4a
12a2
Remarque : On a bien V(Y) 0.
c) 2) Puisque f est nulle en dehors de [a ; +[, X prend
presque srement ses valeurs dans [a ; +[.
+ 1+
Donc Y prend presque srement ses valeurs dans 0 ; .
a
Soit y R.
Notons la fonction x x2 . Le tableau de variation
1er cas : Si y 0, alors P(Y y) = 0.

2e cas : Si y >
de est :
1
1
y
3 cas : Si 0 < y , alors P(Y y) = P
a
X
$ +

* a +A
1
=PX
f (t) dt = lim
= ay.
=
A+
y
t 1/y
1/y
e
1
, alors P(Y y) = 1.
a
Ainsi, la fonction de rpartition FY de Y vrifie :
0 si y 0
ay si 0 < y 1
y R, FY (y) =
a .
1 si y >
a
(x)
1
1
0

2
4

0
On en dduit que la va Y prend ses valeurs dans [0 ; 4].
Notons G la fonction de rpartition de Y. Alors on a :
y < 0, G(y) = 0
et y > 4, G(y) = 1.
Soit y [0 ; 4]. Deux cas se prsentent :

1er cas : si y [0 ; 1], alors
On reconnat la fonction de rpartition de la loi uniforme sur

+ 1 +
+ 1+
.
0 ; . Ainsi : Y U 0 ;
a
a
(Y y) = (X 2 y) = ( y X y), donc :
y+1 y+1 2 y
G(y) = F( y) F( y) =
=
.
3
3
3
Daprs le cours, on sait que :
2e cas : si y ]1 ; 4], alors
0+
E(Y) =
2
1
a
1
2a
et
( 1 0)2
1
.
V(Y) = a
=
12
12a2
(Y y) = (X 2 y) = (1 X
y), donc :
199
Chapitre 6
G(y) = F( y) F(1) =
y+1
0=
3
y+1
.
3
0
si y < 0
2
y
si 0 y 1
.
On en dduit : G : y
y+1
si 1 < y 4
1
si y > 4

= P (U = 1) (X y) + P (U = 1) (X y)
par incompatibilit des deux vnements
= P(U = 1)P(X y) + P(U = 1)P(X y)
par indpendance des va U et X
1
1
= P(X y) + P(X y).
2
2
Puisque X admet une densit paire, P(X y) = P(X y).
P(Y y) =
On obtient alors :
1
1
P(X y) + P(X y)
2
2
= P(X y) = (y).
On en dduit que la fonction de rpartition de Y est gale celle

de X. Donc Y et X suivent la mme loi.
On conclut : Y suit la loi normale centre rduite.
La fonction G est de classe C 1 sur R priv ventuellement de
lensemble {0, 1, 4}.
G = 0 = G(0) = lim
G,
De plus, lim
0+
0
2
G = = G(1) = lim
G,
lim
1
1+
3
G
=
1
=
G(4)
=
lim
G.
lim
+
4
Ainsi G est continue en 0, 1 et 4, donc sur R.

On en dduit que Y est une va densit.
Une densit g est Y est donne par :
1
si 0 < y 1
3 y
1
y R, g(y) =
.
si 1 < y 4
6 y
0 si y 0 ou si y > 4
6.12
a) On a :
1
Considrons une va X de loi normale centre rduite.

Daprs le cours, une densit de X est dfinie sur R par :
1
2
f (x) = e x /2 .
2
$ +
1
1
2
=2
Ainsi :
e u /2 du
2
0
$ +
$2+
=2
f (u) du =
f (u) du car f est paire
0
= car f est une densit.

b) 1) On a, pour tout x R,
2 4x2
Notons la fonction de rpartition de X.
Puisque X prend ses valeurs dans R et U dans {1, 1}, on en

dduit que Y prend ses valeurs dans R.
Soit y R. Alors lvnement (Y y) scrit :
(Y y) = (UX y)

= (U = 1) (X y) (U = 1) (X y) .
On obtient :
200
P(Y y)
1
e t dt
t
$0 +
$ + u2 /2
2 u2 /2
u du = 2
e
du.
=
e
u
t=u2 /2 0
0
e 2x
6.11

(x + 1)2

.
= exp 2(x + 1)2 = exp
2 14
Considrons une va X de loi normale desprance 1 et de va1

riance . Daprs le cours, une densit de X est dfinie sur R
4
par :
,
(x + 1)2
2 2x2 4x2
1
exp
.
e
=
f (x) = .
1
24
2 1
4
$
Ainsi :
I=
e 2x
2 4x2
, $ +
f (x) dx
2
,
=
, car f est une densit.
2
dx =
b) 2) En conservant les mmes notations que prcdemment,

, $ +
$ +
2x2 4x2
xe
dx =
x f (x) dx
J=
2
,
=
E(X) =
2
.
2
b) 3) Toujours en conservant les mmes notations,

, $ +
$ +
2 2x2 4x2
x e
dx =
x2 f (x) dx
K=
2
,
,

E(X 2 ) =
V(X) + E(X)2
=
2
2
,
5
1
2
+ (1) = .
=
2 4
4 2
b) 4) On a, pour tout x R, en utilisant la mise sous forme
canonique dun trinme :
e ax
2 +bx+c

b 2
b2
= exp a x
exp c +
2a
4a
(x 2ab )2

b2
= exp
.
exp c +
1
4a
2 2a
b
et de vaConsidrons une va X de loi normale desprance
2a
1
. Daprs le cours, une densit de X est dfinie sur R
riance
2a
b
(x 2a )2
1
exp
par : f (x) = .
1
2 2a
1
2 2a
,
b
(x 2a )2
a
=
exp
.
1
2 2a
,
$
$ +
c+ b2 +
2
e ax +bx+c dx =
f (x) dx
e 4a
Ainsi : L =
, a
b2
, car f est une densit.

= e c+ 4a
a
c) Soit X une va de loi normale centre rduite. Notons la
fonction de rpartition de X. Alors :
$ x
1
2
e t /2 dt.
x R, (x) =
2
1 $ 1

2
e
dx = 2
e x /2 dx
I=
2 0
0

1
= 2 (1) (0) = 2 (1) .
!"
2
c) 1) On a :
x2 /2
= 1/2
Daprs la table numrique de la loi normale centre rduite :

(1) 0.8413.
I 0.8555.
$ 2
$ 2
2
2
e 2x +4x2 dx =
e 2(x1) dx
c) 2) On a : J =
0
0
,
$ 2
$ 2

du
1
2
2
e u /2
e u /2 du
=
=
u=2(x1) 2
2
2
2 2
,

(2) (2) .
=
2
On obtient :
Or : (2) = P(X 2) = P(X 2)

car X admet une densit paire
= 1 P(X < 2) = 1 (2).
,

2(2) 1 .
Do : J =
2
(2) 0.9772.
J 1.1962.
$ 1/2
$ 1/2
1 2
2
e 4x 4x dx =
e 4(x+ 2 ) e 1 dx
c) 3) On a : K =
0
0
$ 2 2
du
2
e u /2 e 1
=
u=2 2(x+1/2)
2
2
2
$ 2 2

e 1
2
=
e u /2 du
2
2
2

e
(2 2) ( 2) .
=
2
On obtient :
(2 2) (2.82) 0.9976
( 2) (1.41) 0.9207.
On obtient :
K 0.1853.
6.13
a) Soit n N .
On a :
A1 = X1 , A2 = X2 X1 , . . . , An = Xn Xn1 .
En sommant ces galits, on a :
A1 + A2 + + An = Xn .
Puisque les va A1 , . . . , An sont mutuellement indpendantes et

suivent des lois normales, on sait, par stabilit de la loi normale,
n

E(Ak ) = 0
que la va Xn suit la loi normale desprance m =
et de variance 2 =
n

k=1
V(Ak ) = n.
k=1
De mme, la va Yn suit la loi normale desprance nulle et de

variance n.
Une densit de Xn et de Yn est alors la fonction fn dfinie par :
1
x2
e 2n .
x R, fn (x) =
2n
b) Soit n N . Puisque les va A1 , ..., An , B1 , ..., Bn sont mutuellement indpendantes, les va Xn et Yn sont indpendantes.
On a alors :

pn = P (1 Xn 1) (1 Yn 1)
= P(1 Xn 1) P(1 Yn 1)
car Xn et Yn sont indpendantes
2

car Xn et Yn ont mme loi
= P(1 Xn 1)
201
Chapitre 6
=
u=x/ 2n
$ 1
2
2
x2
x2
1
2
e 2n dx =
e 2n dx
2n
1
0
2n
x2
car
x

e 2n est paire
$
2 4 * 1 +2
2 1/ 2n u2
e
2n du = h
.
n 0
2n
$
t2
Puisque h est la primitive sur R de la fonction t e qui

sannule en 0, h est de classe C 1 sur R, donc en particulier h est
continue sur R.
1
Comme 0, on a :
2n n
pn
n
2
4
h(0) = 0.
Lorsque n devient grand, le point mobile a trs peu de chance

de se trouver dans le carr [1 ; 1]2 linstant n.
c) En utilisant les rsultats de lexercice 6.6, une densit gn
de Xn2 et de Yn2 est donne par :
x R , gn (x) = 0

1
fn ( x) + fn ( x)
2 x
( x)2
1 ( x)2
1
1
x
e 2n
=
e 2n + e 2n =
2 x 2n
2nx
1
1
1 1 x
2
2n ,
= .
x
=
e
puisque

1
1/2
2
(2n) 2
x R+ , gn (x) =
En particulier, puisque lim pn = 0, on retrouve le fait que

n
lim qn = 0.
n
6.14
a) La fonction de rpartition de X et de Y, note F, vrifie :
0 si x 0
x/r
si 0 < x r
x R, F(x) =
1 si x > r.
Dterminons la loi de U :
Puisque X prend ses valeurs dans ]0 ; r], X/r prend ses valeurs
X
dans ]0 ; 1], et U = ln prend ses valeurs dans R .
r
Soit u R.
1er cas : si u > 0, alors P(U u) = 1.
2e cas : si u 0, alors (U u) =
X

e u = (X r e u ) ;
puisque r e u ]0 ; r], on obtient :

r eu
= e u.
r
P(U u) = F(r e u ) =
La fonction de rpartition de U, note FU vrifie :

u
e si u 0
u R, FU (u) =
.
1 si u > 0

1
On reconnat une densit de la loi 2n, .
2

1
Donc les va Xn2 et Yn2 suivent la loi 2n, .
2
La fonction FU est alors de classe C 1 sur R priv ventuelleFU = 1 = FU (0) = lim

FU . Donc FU
ment de {0}. De plus, lim
+
Les va Xn2 et Yn2 tant indpendantes, par stabilit de la loi ,

1 1
la va Dn suit la loi 2n, + , cest--dire la loi (2n, 1),
2 2
1
cest--dire la loi exponentielle de paramtre
.
2n
Ainsi U est une va densit, dont une densit fU est :

u
e si u 0
u R, fU (u) =
.
0 si u > 0
est continue en 0 donc continue sur R.
Une densit dn de Dn est alors donne par :
0
si x < 0
1 x
x R, dn (x) =
.
2n
e
si
x0
2n
d) Soit n N . On a :
)

qn = P Xn2 + Yn2 1 = P(Dn 1)
$
=
Ainsi :
1 x
1
e 2n dx = 1 e 2n .
2n
qn 1 e 0 = 1 1 = 0.
n
Lorsque n devient grand, le point mobile a trs peu de chance

de se trouver dans le disque de centre O et de rayon 1 linstant n.
Remarque : Puisque le disque de centre O et de rayon 1 est
inclus dans le carr [1 ; 1]2 , on en dduit :
n N , 0 qn pn .
202
Dterminons la loi de V :
La va V = ln
Y
prend ses valeurs dans R+ .
r
Soit v R.
1er cas : si v < 0, alors P(V v) = 0.
2e cas : si v 0, alors (V v) =
Y
r

e v = (Y r e v ) ;
puisque r e v ]0 ; r], on obtient :

P(V v) = 1 F(r e v ) = 1
r e v
= 1 e v .
r

de paramtre 1. Donc V E (1).
Une densit fV est alors donne par :

0 si v < 0
v R, fV (v) =
.
e v si v 0
1er cas : si s 0, alors

$ s
$
fS (t) dt =
FS (s) =
* e t +s
et
es
=
dt =
.
2
2
2
2 cas : si s > 0, alors

$ 0
$ s
FS (s) =
fS (t) dt +
fS (t) dt
0
$ 0 t
$ s t
* e t + s
* e t +0
e
e
+
=
dt +
dt =
2
2
2 0
2
0
1
e s 1
e s
=
0 +
+
=1
.
2
2
2
2
e
La fonction FS vrifie alors :
es
si s 0
2
.
s R, FS (s) =
s
1
si s > 0
2
b) Puisque les va X et Y sont indpendantes, daprs le cours,

il en est de mme pour les va U et V.
Ainsi la va S = U + V est la somme de deux va densit
indpendantes. Daprs le cours, on sait que S est densit et
quune densit fS de S est
$ donne par un produit de convolution : s R, fS (s) =
Or :
fU (t) fV (s t) 0
fU (t) fV (s t) dt.
t0
st 0
t0
.
ts
1er cas : si s 0, alors

$ s
$ s
fU (t) fV (s t) dt =
e t e (st) dt
fS (s) =
$
s
es
* e 2t +s
e 2s
0 =
.
= e s
e 2t dt = e s
= e s
2
2
2
2e cas : si s > 0, alors

$ 0
$ 0
fU (t) fV (s t) dt =
e t e (st) dt
fS (s) =
$ 0

1
e s
= e s
e 2t dt = e s 0 =
.
2
2
La fonction fS vrifie :
1
fS (s)
1
c) 1) On a : U = ln
X
, donc :
r
X = r e U.
V = ln
Y
, donc :
r
Y = r e V .
De mme :
Ainsi :
Q=
X
r eU
= e U+V = e S .
=
Y
r e V
La va Q prend ses valeurs dans R+ .

Soit q R.
1er cas : si q 0, alors P(Q q) = 0.
2e cas : si q > 0, alors P(Q q) = P( e S q)
q
si q 1
2
= P(S ln q) =
1 2q si q > 1.
s
e
si s 0
2
.
s R, fS (s) =
s
si s > 0
2
y
Remarque : La fonction FS est bien continue en 0 donc sur R.
Remarque : Cette loi sappelle la loi de Laplace de paramtre 1,

cf. lexercice 6.7.
La fonction de rpartition de Q, note FQ , vrifie donc :
0
si q 0
si 0 < q 1
q R, FQ (q) =
.
2
si q > 1
1
2q
La fonction de rpartition de S , note FS vrifie :

$ s
f (t) dt.
s R, FS (s) =
203
Chapitre 6
La fonction FQ est alors de classe C 1 sur R priv ventuellement de {0, 1}.
lim FQ = 0 = FQ (0) = lim

FQ
0+
0
De plus :
.
1
1
lim FQ = 1 = = FQ (1) = lim FQ

1+
1
2 2
Ainsi FQ est continue en 0 et en 1, donc continue sur R.
Alors : N 0, S N =
n=0
fQ (q)
q fQ (q)dq converge
n0
On en dduit que la suite (S N )N0 converge et que sa limite est

infrieure ou gale E(X).

q fQ (q)dq convergent.
q fQ (q)dq =
Or : A > 1,
1
ln A
1
dq =
+.
2q
2 A+

=
q fQ (q)dq diverge.
On conclut que Q nadmet pas desprance.
6.15
a) La va Y prend ses valeurs dans N.
Soit n N. Alors : (Y = n) = (n X < n + 1),
Ent(x)

t f (t) dt =
nP(Y = n) +
+

P(Y = n) = E(Y) + 1.
n=0
Ainsi, la fonction G est majore par E(Y) + 1. De plus, cette

fonction est croissante (car : x R+ , G (x) = x f (x) 0).
Donc la fonction G admet une limit finie en + et cette limite
est infrieure ou gale E(Y) + 1.
$ +
$ +
t f (t) dt converge et
t f (t) dt E(Y) + 1.
Donc
0
X admet une esprance Y admet une esprance,
nP(Y = n) converge
n0

Supposons que X admette une esprance.
204
(n + 1)P(Y = n)
n=0
On obtient alors lquivalence suivante :

+
n0
f (t) dt =
E(X) E(Y) + 1.

la srie
la srie
(n + 1)
n+1
Ent(x)

(n + 1)P(Y = n)
n=0
+

f (t) dt.
b) La va X admet
$ une esprance$
lintgrale
n+1
n
n=0
+

n=0
On conclut que X admet une esprance et :
n+1
P(Y = n) =
nP(Y = n) E(X).
n=0
n=0
+

Supposons que Y admette une esprance.

$ x
Alors : x R+ , G(x) =
t f (t) dt
0
$ Ent(x)+1
Ent(x)
$ n+1

t f (t) dt =
t!" f (t) dt
q fQ (q)dq et
0
do :
nP(Y = n) converge et
Ainsi, la suite (S N )N0 est majore par E(X). De plus, cette suite

nP(Y = n) est termes positifs).
On conclut que Y admet une esprance et que E(Y) E(X).
c) 2) La va Q admet une esprance

$ +
$
lintgrale
q fQ (q)dq =
f (t) dt
n
n0
1/2
n+1
est croissante (car la srie
Donc
$
N

n
n=0
n+1
n+1
Ainsi Q est une va densit, dont une densit fQ est donne
0 si q 0
si 0 < q 1 .
par : q R, fQ (q) =
2
2 si q > 1
2q
nP(Y = n) =
N $

n
f
(t)
dt

t f (t) dt
!"
n=0 n
n=0 n
t
$ N+1
$ +
=
t f (t) dt
t f (t) dt = E(X).
N $

N

et dans ce cas :
E(Y) E(X) E(Y) + 1.
c) Puisque X E (), une densit

f de X est donne par :
0 si x < 0
,
x R, f (x) =
e x si x 0
et la fonction de rpartition F de X vrifie :

0
si x < 0
x R, F(x) =
.
1 e x si x 0
n+1
c) 1) On a : n N, P(Y = n) =
f (t) dt
n

= F(n + 1) F(n) = e n e (n+1) = e n 1 e .
Puisque X admet une esprance, daprs lquivalence prcdente, Y admet une esprance et lon a :
+

E(Y) =
nP(Y = n) =
n=0
+

n e n 1 e
n=0

n( e )n = (1 e )
= 1 e
+
n=0
e
(1 e )2
e
=
.
1 e
c) 2) On a : x R, Ent(x) x < Ent(x) + 1,
x R, 0 x Ent(x) < 1.
do :
Ainsi la va Z prend ses valeurs dans [0 ; 1[.

Soit z R.
+
1
(n X n + z),
n=0
P(Z z) =
donc :
=
=
=
=
On remarque alors que E(Z) = E(X) E(Y).

Remarque : On a bien Z = X Y, mais on ne peut pas utiliser
ici la linarit de lesprance puisque X est une va densit et
Y est une va discrte.
Les va X, Y, Z admettent
pour densit la fonction f d1 si x [0 ; 1]
finie par : x R, f (x) =
.
0 sinon
2e cas : si z 1, alors P(Z z) = 1.
+

$ 1
e z
z fZ (z) dz =
z
dz
1 e
0
$ 1
z e z dz
1 e 0
$
* z e z +1 1 1 z
+
e dz par IPP
1 e
0 0
z
z
* ze
e +1
2
1 e
0
e
e
1
2 + 2
1 e
e
1
e e + 1
=
+ .
(1 e )
1 e
+
6.16
1er cas : si z < 0, alors P(Z z) = 0.
3e cas : si 0 z < 1, alors (Z z) =
E(Z) =
P(n X n + z)
et admettent pour fonction de rpartition la fonction F dfinie
0 si x < 0
x si x [0 ; 1] .
par : x R, F(x) =
1 si x > 1
n=0
+


+
n

F(n + z) F(n) =
e
e (n+z)
n=0

z
= 1 e
n=0
n=0
1 e z
.
1 e
On en dduit que la fonction de rpartition FZ de Z vrifie :
0
si z < 0
1 e z
z R, FZ (z) =
si 0 z < 1 .
1 e
1
si z 1
La fonction FZ est alors de classe C 1 sur R priv ventuellement de {0, 1}.
FZ = 0 = FZ (0) = lim
FZ
lim
0
0+
De plus,
.
lim
F
=
1
=
F
(1)
=
lim
FZ
Z
Z
a) 1) La va W = Y prend ses valeurs dans [1 ; 0].
Ainsi FZ est continue en 0 et en 1, donc continue sur R.
1er cas : si x < 1, alors
Ainsi Z est une va densit, dont une densit fZ est :
e z
si 0 z < 1
.
z R, fZ (z) =
1 e
0
sinon
Puisque Z est une va borne (car Z prend ses valeurs
dans [0 ; 1[), la va Z admet une esprance et lon a :
Soit x R. Alors :
2e cas : si x > 0, alors
P(W x) = 0,
P(W x) = 1,
3e cas : si 1 x 0, alors
P(W x) = P(Y x)
= 1 P(Y x) = 1 (x) = 1 + x.
La fonction de rpartition FW de W vrifie donc :
205
Chapitre 6
0 si x < 1
1 + x si x [1 ; 0] .
x R, FW (x) =
1 si x > 0
Remarque : La fonction fS est paire.

a) 2) La va U prend ses valeurs dans [0 ; 1].
La fonction FW est de classe C 1 sur R priv de {1, 0}.
FW = 0 = FW (1) = lim+ FW
lim
1
1
.
De plus,
lim
FW = 1 = FW (0) = lim
FW
+
0
Soit x R. Alors :
P(U x) = 0,
P(U x) = 1,
Ainsi FW est continue en 1 et en 0, donc continue sur R.

Donc W est une va densit dont une densit fW est :

1 x [1 ; 0]
.
x R, fW (x) =
0 sinon
$ 0
$ x
P(U x) = P(x S x) =
fS (t) dt +
fS (t) dt
x
0
$ 0
$ x

x2
x2
+ x
=
(1 + t) dt +
(1 t) dt = x
2
2
x
0
= 2x x2 .
Ainsi la fonction de rpartition de U vrifie :
0
si x < 0
2
2x
x
si
0x1.
x R, FU (x) =
1
si x > 1
Notons S = X Y = X + W et fS une densit de S .

La va S prend ses valeurs dans [1 ; 1].
Donc :
x R \ [1 ; 1], fS (x) = 0.
Puisque X et Y sont indpendantes, daprs le cours, X et W le

sont aussi. Donc une densit fS de S est donne par un produit
de convolution :
$ +
fX (t) fW (x t) dt.
x R, fS (x) =
0t1
1 x t 0
fX (t) fW (x t) 0

0t1
max(0, x) t min(1, x + 1).

x t x+1
$ x+1
1 1 dt = 1 + x,
1er cas : si 1 < x < 0, alors fS (x) =
Or :
Cette fonction est de classe C 1 sur R priv de {0, 1}, continue

en 0 et en 1 donc continue sur R.
Ainsi la va U est densit et une densit fU de U est :

2 2x si x [0 ; 1]
.
x R, fU (x) =
0 sinon
2e cas : si 0 x < 1, alors fS (x) =
1 1 dt = 1 x.
x
On conclut quune densit fS de S = X Y est donne par :
1 + x si 1 < x < 0
1 x si 0 x < 1 .
x R, fS (x) =
0 sinon
206
b) La personne C est la dernire personne sortir si seulement

si lcart entre le temps de passage de la personne la plus rapide
et celui de la personne la plus lente parmi A et B est infrieur
au temps de passage de C. Autrement dit :

E = |X Y| Z = (U Z) = (U Z 0).
Dterminons une densit de D = U Z sur R .
La va U dpend de X et Y, et X, Y, Z sont mutuellement indpendantes ; daprs la cours, les va U et Z sont indpendantes.
En raisonnant de la mme faon quau a) 1), une densit fD de
D vrifie :
x ] ; 1[, fD (x) = 0,
$ x+1
x [1 ; 0], fD (x) =
fU (t) fZ (x t) dt
0
$ x+1
=
(2 2t) 1 dt = 2(x + 1) (x + 1)2 = 1 x2 .
fT (x) =
fV (t) 1 dt =
(2 2t) dt = 2x x2 .
$ 1
fV (t) dt
2e cas : si 1 < x 2, alors fT (x) =
x1
$ 1
&1
%
=
(2 2t) dt = 2t t2 x1
x1

= (2 1) 2(x 1) (x 1)2 = x2 4x + 4.
On conclut quune densit fT de T est donne par :
2x x2 si 0 x 1
2
x 4x + 4 si 1 < x 2 .
x R, fT (x) =
0
sinon
Ainsi :
$ 0
fD (x) dx
P(E) = P(D 0) =
$ 0
*
x3 +0
1 2
=
(1 x2 ) dx = x
=1 = .
1
3
3 3
1
c) La va V prend ses valeurs dans [0 ; 1].

Soit x R. Alors :
P(V x) = 0,
P(V x) = 1,
d) 2) Le temps moyen pass par C la poste est donn par E(T ).

$ 2
On a : E(T ) =
x fT (x) dx
$ 1 0
$ 2
=
x(2x x2 ) dx +
x(x2 4x + 4) dx
0

P(V > x) = P (X > x) (Y > x)
= P(X > x)P(Y > x) car X et Y sont indpendantes
= (1 x) ,
2
donc :
P(V x) = 1 P(V > x) = 1 (1 x)2 = 2x x2 .
Ainsi les va U et V ont la mme fonction de rpartition.

On en dduit que U et V suivent la mme loi.
d) 1) La va T prend ses valeurs dans [0 ; 2].
+2 5
x4 +1 * x4 4x3
+
+ 2x2 = .
0
1
3
4
4
3
6
* 2x3
6.17
a) La fonction f est continue sur R sauf en 0, positive ou nulle
$ A
f (x) dx
sur R. De plus : A > 0,
$
*
1 +A
1
dx
=
=1
1.
2
1+x 0
1 + A A+
0 (1 + x)
$ +
Donc lintgrale
f (x) dx converge et vaut 1.
A
On a : T = V + Z et les va V et Z sont densit et indpendantes. Daprs le cours, la va T est densit.
Notons fT une densit de T .

x R \ [0 ; 2], fT (x) = 0
(car T prend ses valeurs dans [0 ; 2]).
$ +
Et : x [0 ; 2], fT (x) =
fV (t) fZ (x t) dt.
Alors :
0t1
0 xt 1
fV (t) fZ (x t) 0

0t1
max(x 1, 0) t min(x, 1).

x1 t x
Or :
1er cas : si 0 x 1, alors
Puisque f est nulle en dehors de R+ , on en dduit que

$
+
f (x) dx converge et vaut 1.
y
1
f (x)
O
b) Notons F la fonction de rpartition de X. Soit x R.

207
Chapitre 6
$
1er cas : si x < 0, alors F(x) =
$
Or : r2 r1 =
f (t) dt = 0.
2 cas : si x 0, alors F(x) =

f (t) dt =
f (t) dt
0
$ x
*
dt
x
1 +x
1
+1=
.
=
=
=
2
0
(1
+
t)
1
+
t
1
+
x
1
+
x
0
On obtient alors :
On conclut que la fonction de rpartition F de X vrifie :
0x si x < 0
x R, F(x) =
.
si x 0
1+x
)
y2 4, r1 + r2 = y et r1 r2 = 1.
P(Y y) =
y2 4
=
y+2
(y 2)(y + 2)
=
y+2
y2
.
y+2
La fonction de rpartition FY de Y vrifie donc :
0
si y < 2
,
y R, FY (y) =
.
y
y + 2 si y 2
Cette fonction FY est de classe C 1 sur R priv de {2}
De plus, lim
FY = 0 = FY (2) = lim
FY ; ainsi FY est continue
+
2
en 2 donc continue sur R.
On conclut que Y est une va densit.
1
c) 1) Considrons la fonction h : R+ R, x x + .
x
La fonction h est drivable sur R+ et :
x R+ , h (x) = 1
1
(x 1)(x + 1)
=
.
x2
x2
6.18
Do le tableau de variations de h :
0
1
+
x
h (x)
0 +
+
+
h(x)

h(1)
a) On a Y2 = X1 + X2 et les va X1 et X2 sont indpendantes.

On sait alors, daprs le cours, que Y2 est une va densit,
dont une densit g2 est donne
$ par un produit de convolution :
x R, g2 (x) =
Puisque h(1) = 2, on obtient : x > 0, h(x) 2.

Puisque Y = h(X) et que X prend presque srement ses valeurs dans R+ (car sa densit f est nulle sur R ), la va Y prend
presque srement ses valeurs dans [2 ; +[.
c) 2) Soit y 2. Alors :

1
(Y y) = X + y = (X 2 yX + 1 0).
X
Les solutions de lquation
r2 yr + 1 = 0,
)
) dinconnue r R,
2
y y 4
y + y2 4
et r2 =
.
sont : r1 =
2
2
(Le discriminant = y2 4 est bien positif ou nul car y 2).
Ainsi :
(Y y) = (r1 X r2 ).
On en dduit : P(Y y) = P(r1 X r2 ) = F(r2 ) F(r1 )

r1
r2 (1 + r1 ) r1 (1 + r2 )
r2
=
=
1 + r2 1 + r1
(1 + r1 )(1 + r2 )
r2 r1
=
.
1 + r1 + r2 + r1 r2
208
Pour tout n 1, notons fn une densit de Xn . Alors :

0 si x < 0
x R, fn (x) =
.
n e nx si x 0
f1 (t) f2 (x t) dt.
Or :
t0
0 t x.
xt 0
$ +
g2 (x) =
0 dt = 0.
f1 (t) f2 (x t) 0
e t 2 e 2(xt) dt
2e cas : si x 0, alors g2 (x) =
0
$ x

e t dt = 2 e 2x e x 1 = 2 e x 1 e x .
= 2 e 2x
0
On conclut :
x R, g2 (x) =
0
si x < 0

.
2 e x 1 e x si x 0
b) Raisonnons par rcurrence simple sur n.

Notons, pour tout n 1, P(n) la proprit :
une densit de Yn est donne par :
x R, gn (x) =
0
si x < 0

n1
.
si x 0
n e x 1 e x
Initialisation : Puisque Y1 = X1 E (1), une densit de Y1

est la fonction g1 = f1 . Do P(1).
On a alors :
P(Yk x) = P(Nx k) =
=
Supposons P(n) et montrons P(n + 1).
Une densit gn+1 de Yn+1 est alors donne par un produit de

convolution :
$ +
gn (t) fn+1 (x t) dt.
x R, gn+1 (x) =
P(Nx = j)
j=k
Hrdit : Soit n 1.
On a : Yn+1 = Yn + Xn+1 . Puisque Yn = X1 + + Xn et que les

va X1 , . . . , Xn , Xn+1 sont indpendantes, daprs le cours, les va
Yn et Xn+1 sont indpendantes.
n

n

n
j=k

n j
F(x) j 1 F(x) .
b) Notons Fk la fonction de rpartition de Yk .

Puisque F est continue sur R, C 1 sur R priv dun ensemble fini
de points, par oprations sur les fonctions, il est en de mme
pour Fk .
Ainsi la va Yk est une va densit, dont une densit fk sobtient
en drivant Fk , l o Fk est drivable.
On a :
t0
0 t x.
xt 0
$ +
gn+1 (x) =
0 dt = 0.
gn (t) fn+1 (x t) 0
2e cas : si x 0, alors
$ x

n1
gn+1 (x) =
n e t 1 e t
(n + 1) e (n+1)(xt) dt
0
$ x

n1
= n(n + 1) e (n+1)x
e nt 1 e t
dt
$0 x

n1
et et 1
dt
= n(n + 1) e (n+1)x
0

n
* e t 1 +x
= n(n + 1) e (n+1)x
0
n

n
= (n + 1) e (n+1)x ( e x 1)n = (n + 1) e x 1 e x .
Conclusion : Pour tout n 1, une densit de Yn est

0
si x < 0

n1
gn : x
.
si x 0
n e x 1 e x
On obtient alors (par exemple) :

n
*

n j
n
x R, fk (x) =
j f (x)F(x) j1 1 F(x)
j
j=k

n j1 +
(n j) f (x)F(x) j 1 F(x)

n

n j
n
j F(x) j1 1 F(x)
= f (x)
j
j=k

n

n j1
n
f (x) (n j) F(x) j 1 F(x)
.
j
j=k

n
n1
=n
,
j
j1

n
n
n1
n1
et : (n j)
= (n j)
=n
=n
,
j
n j
n j1
j
Or : j k ; n, j
do :
fk (x) = n f (x)

n1

n j
F(x) j1 1 F(x)
j
1
j=k

n

n j1
n1
F(x) j 1 F(x)
n f (x)
.
j
j=k
Notons Nx le nombre de va Xi infrieures ou gales x.
En eectuant le changement dindice i = j+1 dans la deuxime

somme, on obtient,

n

n j
n1
F(x) j1 1 F(x)
fk (x) = n f (x)
j
1
j=k

n+1

ni
n1
F(x)i1 1 F(x)
n f (x)
i1
i=k+1

nk
n1
=
n f (x)
F(x)k1 1 F(x)
tlscopage
k

1
n1
n f (x)
F(x)n 1 F(x)
n
!"
=
0

nk
n1
=n
f (x)F(x)k1 1 F(x) .
k1
Puisque, pour tout i de 1 ; n, P(Xi x) = F(x) et que les

vnements (Xi x) pour i 1 ; n sont mutuellement ind

pendantes, on en dduit : Nx B n, F(x) .
c) 1) Puisque toutes les va Xi prennent leurs valeurs dans [0 ; 1],

il en est de mme pour les va Yk . Ainsi, pour tout k de 1 ; n,
Yk est une va valeurs bornes, donc lesprance de Yk existe.
c) Soit n 1. Puisque les va X1 , . . . , Xn admettent une esprance, par linarit de lesprance, Yn admet une esprance et
n
n

1
E(Xk ) =
E(Yn ) =
.
k
k=1
k=1
Soit n 1. Puisque les va X1 , . . . , Xn admettent une variance
et que les va sont mutuellement indpendantes, Yn admet une
n
n

1
V(Xk ) =
.
variance et V(Yn ) =
2
k
k=1
k=1
6.19
a) Lvnement (Yk x) est ralis si et seulement si au moins
k des va Xi sont infrieures ou gales x.
209
Chapitre 6
c) 2) La fonction de rpartition F de chacune des va Xi est
0 si x < 0
x si 0 x 1 .
donne par : x R, F(x) =
1 si x > 1
x fk+1 (x) dx
0
$ 1
n1
=n
xk+1 (1 x)nk1 dx
k
0

(1 x)nk +1
n 1 *
xk+1
= n
IPP
nk 0
k
$ 1

k+1 k
x (1 x)nk dx
+
0 nk
n1

$
n 1 k + 1 1 x fk (x)
k+1 k
=n
E(Yk )
dx =
k n k 0 n n1
n k n1
k1
k1
Les va Yn et 1 Y1 prennent leurs valeurs dans [0 ; 1].

Soit x R.
1er cas : Si x < 0, alors P(Yn x) = 0 = P(1 Y1 x).
2e cas : Si x > 1, alors P(Yn x) = 1 = P(1 Y1 x).
3e cas : Si 0 x 1, alors

0
n
P(Yn x) =
F(x)n 1 F(x) = F(x)n = xn
n
E(Yk+1 ) =
k+1
k+1nk
E(Yk ) =
E(Yk ).
nk k
k
On montre ensuite par rcurrence sur k que :
P(1 Y1 x) = P(Y1 1 x) = 1 P(Y1 < 1 x)

= 1 P(Y1 1 x)
n

n j
j
n
F(1 x) 1 F(1 x)
=1
j
j=1
n

n
=1
(1 x) j xn j
j
j=1
n

n
= 1 xn +
(1 x) j xn j
j
j=0

n
= 1 x + ((1 x) + x)n = xn .
Ainsi les va Yn et 1Y1 ont les mmes fonctions de rpartitions.
Elles suivent donc la mme loi.
Daprs la question b), une densit fn de Yn est donne par :
x R, fn (x) = n f (x)F(x)n1 ,
o f est une densit de Xi .
n1
si 0 x 1
nx
.
Ainsi : x R, fn (x) =
0 sinon
$
On a alors :
E(Yn ) =
x fn (x) dx =
0
Do :
n
nx dx =
.
n+1
n
E(Y1 ) = E 1 (1 Y1 ) = 1 E(1 Y1 )
n
1
= 1 E(Yn ) = 1
=
.
n+1 n+1
c) 3) Soit k 1 ; n. Daprs la question b), une densit fk

de Yk est donne par :

nk
n1
x R, fk (x) = n
f (x)F(x)k1 1 F(x)
k1

n 1 k1
x (1 x)nk si 0 x 1
n
=
.
k1
0
sinon
Soit k 1 ; n 1. Alors :
210
k
.
n+1
k 1 ; n, E(Yk ) =
6.20
a) La va Z prend ses valeurs dans R.
Soit x R. Alors :

FZ (x) = P(Z x) = P (X x) (Y x)
= P(X x)P(Y x) car X et Y sont indpendantes
= (x)2 .
La fonction tant la fonction de rpartition de la loi normale centre rduite, elle est de classe C 1 sur R. Il est en donc
de mme, par opration, pour la fonction de rpartition de Z,
qui est 2 .

Donc Z est une va densit, de densit g = 2 ) = 2 f .
b) Soit (A, B) R2 .
$
$ B
xg(x) dx =
On a :
A
2x f (x)(x) dx.
A
u(x) = (x)
2
Par IPP en posant :

x2 /2 ,
v (x) = 2x f (x) = x e
2

u (x) = f (x)
2
donc
, on obtient :
x2 /2
= 2 f (x)
v(x) = e
2
$ B
$ B
*
+B
xg(x) dx = 2 f (x)(x) + 2
f (x)2 dx
A
= 2 f (x)(x)
De plus :
1
=
e
A
B 2
A 2
x2
+B
A
dx =
u=x 2
+
1
e x dx.
2
B 2
A 2
1
1
2
e u /2 du =
e u
$
2 /2
du
B 2
A 2
f (x) dx.
Donc :
A
+B
1
xg(x) dx = 2 f (x)(x) +
A
B 2
A 2
f (x) dx.
c)
La va Z admet une esprance si et seulement si lintgrale
$ +
xg(x) dx converge.
En particulier, on a :

2
E(Z 2 ) = E(X 2 ) = V(X) + E(X) = 1 + 02 = 1.

2
1 1
On en dduit : V(Z) = E(Z 2 ) E(Z) = 1 =
.
Remarque : Puisque 3.14, on a bien V(Z) > 0.
Utilisons la question prcdente et passons la limite lorsque

A tend vers et B tend vers +.
Alors :
B 2
A 2
1
f (x) dx
B+
1
f (x) dx = .

!"
,
Et : x R, 0 | 2 f (x)(x)| 2 f (x) =
2 x2 /2
,
e
2 f (B)(B) 0 et 2 f (A)(A) 0.
$
B
A
n

Ui .
i=1
La va T n est donc la somme de n va indpendantes de loi exponentielle de paramtre .

Daprs le cours, on sait alors que T n suit la loi
donc par le thorme dencadrement, on obtient :
On dduit :
a) On a : T n =
=1
B+
6.21
1
xg(x) dx .
B+
1

,n .
Une densit fn de T n est donc donne par :
0
si x < 0
n
.
x R, fn (x) =
n1
x
si x 0
(n 1)! x e
b) Soit n N. Lvnement (N0,t n) est ralis si et seulement si au moins n bus sont passs dans lintervalle de temps
[0 ; t]
si et seulement si le n-ime bus de la journe est pass avant
linstant t
si et seulement si lvnement (T n t) est ralis.
1
On conclut que Z admet une esprance et que E(Z) = .
On en dduit : (N0,t n) = (T n t).

= P(N0,t n) P(N0,t n + 1) = P(T n t) P(T n+1 t)
$ t
$ t
fn (x) dx
fn+1 (x) dx.
=
Pour tout x de R , P(Z 2 x) = 0 = P(X 2 x).
Soit x R+ . On a : P(Z 2 x) = P( x Z x)
2
2
= FZ ( x) FZ ( x) = ( x) ( x) .
Puisque, pour tout y de R, (y) = 1 (y), on a :
2
2
P(Z 2 x) = ( x) 1 ( x) = 2( x) 1.
Et :
P(X 2 x) = P( x X x) = ( x) ( x)

= ( x) 1 ( x) = 2( x) 1.
Ainsi, les va X et Z ont la mme fonction de rpartition, donc

elles suivent la mme loi.
P(N0,t = n)
Soit n N. Alors :
d) Les va X et Z prennent leurs valeurs dans R+ .

2
$
Or :
n+1 n x
x e dx
n!
0
0
$ t
n+1 * n e x +t
e x
x
+
nxn1
=
dx par IPP
n!
0
0
$
t
n
n tn t
e +
xn1 e x dx
=
n!
0 (n 1)!
$ t
n tn t
fn (x) dx.
=
e +
n!
0
t
fn+1 (x) dx =
On obtient alors :
P(N0,t = n) =
n tn t
(t)n
e = e t
.
n!
n!
On en dduit que N0,t suit la loi de Poisson de paramtre t.

c) 1) Soit h 0. Lvnement (Wt > h) est ralis
si et seulement si aucun bus nest pass dans lintervalle de
temps [t ; t + h]
si et seulement si lvnement (Nt,t+h = 0) est ralis.
211
Chapitre 6
On en dduit :
(Wt > h) = (Nt,t+h = 0).
c) 2) Soit h 0. Daprs lnonc, la va Nt,t+h suit la mme

loi que la va N0,h .
P(Wt > h) = P(N0,h = 0) = e h
Donc :
(h)0
= e h ,
0!
P(Wt h) = 1 P(Wt > h) = 1 e h .
et ainsi :
On a alors :
P(X 0) = F(0) =
De plus, on a : h < 0, P(Wt h) = 0.
P(X 0) = 1 P(X < 0) = 1 P(X 0)
Ainsi la fonction de rpartition de Wt est gale celle de la loi

exponentielle de paramtre .
On en dduit :
= 1 F(0) = 1
Wt E ().
P(X 1) = F(1) =
1
Il sensuit que la personne attendra en moyenne E(Wt ) =
avant larrive du prochain bus.

Ce rsultat nest pas intuitif car, le temps moyen entre deux bus
1
conscutifs est gal E(Un ) = , et on peut donc penser que,
pour une personne arrivant un instant donn, le temps moyen

1
dattente du prochain bus est strictement infrieur .
6.22
= 1 F(1) = 1
f converge et vaut 1.
A > 0,
x f (x) dx =
1
2
A
0
2x
dx
1 + x2
d) Puisque X prend ses valeurs dans R, Y prend galement

ses valeurs dans R.
Dterminons la fonction de rpartition de Y, note FY . Soit
y R.
1er cas : si y < 0 alors (Y y) =
b) Notons F la fonction
$ de rpartition de X. Soit x R. Alors :
1 x dt
F(x) = P(X x) =
1 + t2
1

1
= Arctan x lim Arctan t = Arctan x +
t
1
y
X

1
1
= X
X0 =
X0,
y
y

donc :
212
x f (x) dx converge, car x x f (x) est impaire.
1
1
Arctan x + .
x f (x) dx converge
On en dduit que X nadmet pas desprance.

B
$
+
dx
On a : (A, B) R2 ,
1
+
x2
A
A
1
1

= 1.
= (Arctan B Arctan A)
B+ 2
2
A
Ainsi
&A
1%
1
ln(1 + x2 ) 0 =
ln(1 + A2 ) +.
=
A+
2
2
La fonction f est positive ou nulle sur R.

1
f (x) dx =
3 1
= .
4 4
c) La va$X admet une esprance
a) La fonction f est continue sur R.
1 1
= ,
2 2
1 1 3
+ = ,
4 2 4
P(X 1) = 1 P(X < 1) = 1 P(X 1)
On a :
1
,
2

1

X0 =P <X0
y
y
1
= F(0) F
y
1
1 1
1 1
1
= Arctan .
= Arctan +
2
y 2
FY (y) = P
1
2e cas : si y = 0 alors (Y 0) =
donc :
1
X

< 0 = (X 0),
FY (0) = P(X < 0) = P(X 0) = F(0) =
3e cas : si y > 0 alors
1
.
2
(Y y) =

1
(X 0),
y = X
X
y
1

1
donc, par incompatibilit : FY (y) = P X
+ P(X 0)
y

1
+ P(X 0)
=PX>
y

1
1
1 1 1
+ F(0) = 1 Arctan
+
= 1F
y
y 2
2
1
1
= 1 Arctan .
y
On en dduit que la fonction de rpartition FY de Y vrifie :
1
1
Arctan
si y < 0
y R, FY (y) =
si y = 0
1
1
1 Arctan y si y > 0.
La fonction est alors continue et strictement croissante

sur ] ; 1[. Donc ralise une bijection de ] ; 1[ sur
%

&
= ] 1 ; +[.
] ; 1[ = lim ; lim
Ainsi ralise une bijection de R \ {1} sur R \ {1}.

1+x
=y
1x
1 + x = (1 x)y x(1 + y) = y 1
y1
car y 1.
x =
y+1
Enfin, pour tout y R \ {1} : (x) =
La fonction FY est alors de classe C 1 sur R priv ventuellement de {0}.

De plus :
1
= , donc
y
1 1
lim FY (y) =
= = FY (0),
y0
2
2
1
lim+ = +, donc
y0 y
1
1 1
lim FY (y) = 1 = 1 = = FY (0).
y0+
2
2 2
lim
y0
Ainsi, lapplication rciproque 1 vrifie :

y1
.
y R \ {1}, 1 (y) =
y+1
e) 2) Notons FZ la fonction de rpartition de Z. Soit y R.

Alors : (Z y) = (X) Iy = X 1 (Iy ) ,
o Iy dsigne lintervalle ] ; y].
On en dduit que FY est continue en 0, donc continue sur R.

Ainsi Y est une va densit.
1
1
De plus : y R , FY (y) = Arctan
y
1 1
1
1
.
= 2
=
y 1 + y12
(1 + y2 )
De mme, ralise une bijection de ]1 ; +[ sur ] ; 1[.
1er cas : si y < 1, alors

&
& + y 1+
1 (Iy ) = 1 ; 1 (y) = 1 ;
, not Jy
y+1
Une densit fY de Y est alors dfinie par :

y R, fY (y) =
1
= f (y).
(1 + y2 )
On en dduit que Y suit la mme loi que X.

e) 1) La fonction est drivable sur R \ {1} et, pour tout x
(1 x) + (1 + x)
2
de R \ {1}, (x) =
=
> 0.
(1 x)2
(1 x)2
Do le tableau de variation de :
x
(x)
1
1
+
+
1
do :
y 1

y 1
=F
F(1)
FZ (y) = P 1 < X
y+1
y+1
y1 1 3
1
+
= Arctan
y+1 2 4
1
y1 1
= Arctan
.
y+1 4
213
Chapitre 6
&
%
2e cas : si y = 1, alors 1 (Iy ) = 1 ; +
De plus :
y1
= +, donc
y+1
1 1 1
lim FZ (y) = = = FZ (1)
y1
2 4 4
y1
lim
= , donc
y1+ y + 1
1 3 1
+ = = FZ (1)
lim FZ (y) =
y1+
2
4 4
lim
y1
Ainsi FZ est continue en 1 donc continue sur R.

On conclut que Z est une va densit.
y 1
y+1
1
1
1
2
2
=
=
(y + 1)2 1 + ( y1 )2
(y + 1)2 + (y 1)2
y+1
De plus :
do :
FZ (1) = P(X > 1) = P(X 1) =
1
.
4
3e cas : si y > 1, alors

&
& &
%
1 (Iy ) = ; 1 (y) 1 ; +
+
+
&
%
y1
1 ; + , not Jy
= ;
y+1
1
y R \ {1}, FZ (y) =
Arctan
1
1
.
1 + y2
Une densit fZ de Z est alors dfinie par :

1
= f (y).
y R, fZ (y) =
(1 + y2 )
On en dduit que Z et X admettent toutes les deux f pour densit, et on conclut que Z et X suivent la mme loi.
6.23
a) Soit x R+ . Eectuons une IPP en posant :
u (t) = f (t)
u(t) = 1 F(t)
,
,
v(t) = t
v (t) = 1
$ x
$ x

%
&
t f (t) dt
alors :
1 F(t) dt = t 1 F(t) 0x +
0
0

= x 1 F(x) + (x).
do :
y 1
FZ (y) = P X
+ P(X > 1)
y+1
y 1
1
y1 1 1
+ P(X 1) = Arctan
+ +
=F
y+1
y+1 2 4
=
1
y1 3
Arctan
+ .
y+1 4
f (t) dt.
Donc : 1 F(x) =

x 1 F(x) = x
f (t) dt
On obtient :
f (t) dt =
f (t) dt.
x
f (t) dt.
x
On en dduit la fonction de rpartition FZ de Z :

1
y1 1
Arctan
si y < 1
y
+1 4
x R, FZ (x) =
si y = 1 .
y1 3
1
+ si y > 1.
Arctan
y+1 4
e) 3) La fonction FZ est alors de classe C sur R priv ventuellement de {1}.
1
214
b) 1) Soit x R+ .
$ x
$
Alors : F(x) =
f (t) dt =
$ +
f (t) dt 0 et par
Puisque t [x ; +[, f (t) 0, on a
x

consquent, x 1 F(x) 0.
$ +
$ +

x
f
(t)
dt

t f (t) dt
De plus, x 1 F(x) =
!"
$
t
t f (t) dt
t f (t) dt = E(X) (x).

0
Puisque X admet une esprance,
t f (t) dt converge, donc

0
admet une limite finie en + gale E(X).
Ainsi :
E(X) (x) 0.
La fonction F est C 1 sur R priv ventuellement de {0}.
x+
De plus :
Par le thorme dencadrement, on obtient :

x 1 F(x) 0.
b) 2) On obtient alors, daprs a) :
$ x

1 F(t) dt 0 + lim = E(X).
0
$
On en dduit que
$0 +

1 F(t) dt converge et que

1 F(t) dt = E(X).
c) 1) La fonction est une primitive de t t f (t). Donc

est drivable et : x R+ , (x) = x f (x) 0.
$

1 F(t) dt x 1 F(x)
0
!"
0
$ +
$ x

1 F(t) dt
1 F(t) dt,
Daprs a), x R+ , (x) =
On en dduit que Mn est une va densit.

$ +

1 F(t) dt converge.
d) 2) Montrons que lintgrale
0
Il sagit dune intgrale gnralise en +.

n
n
On a : t 0, 1 F(t) = 1 1 e t = 1 e t 1 .
Puisque e t 0, on a :
t+

1 F(t) n e t = n e t 0.
Ainsi est croissante sur R.
Ainsi F est continue en 0 et donc sur R.
x+
x+
lim
F = 0 = F(0) = lim
F.
donc est majore sur R+ .
t+
Lintgrale
$
n e t dt converge car, pour tout X > 0 :
0
X
n e t dt =
Puis en utilisant la question b), on obtient lgalit :

$ +

E(X) =
1 F(t) dt.
Daprs c) 2), il en rsulte que

$ +Mn admet une esprance et :

1 F(t) dt.
E(Mn ) =
On a : t 0, 1 F(t) = 1 (1 e t )n
n

n

n
n
t k
( e ) =
(1)k+1 e kt .
=1
k
k
k=0
k=1
$
E(X) =

1 F(t) dt.
d) 1) La va Mn prend ses valeurs dans R+ .

Soit x R.
P(Mn x) = 0.
2 cas : si x 0, alors
P(Mn x) = P(X1 x, . . . , Xn x)
= P(X1 x) P(Xn x) par indpendance des va

n

= 1 e x .
Ainsi, la fonction de rpartition F de Mn vrifie :

0
si x < 0
n
.
x R, F(x) =
1 e x si x 0

1 F(t) dt
0
X
0
+
n

n
(1)k+1 e kt dt
0 k=1 k
$ X
n

n
=
e kt dt
(1)k+1
k
0
k=1
n

* 1
+X
n
e kt
=
(1)k+1
0
k
k
k=1

n

1
e kX
n
(1)k+1
=
k
k
k
k=1
n

k+1

1
n (1)
.
X+
k
k
k=1
On obtient alors lquivalence suivante :

$ +

1 F(t) dt converge,
$
Puis, pour tout X 0,
n
.
Par le thorme dquivalence

$ + pour des fonctions positives, on

1 F(t) dt converge.
en dduit que lintgrale
ment dit que X admet une esprance.
X+
On conclut que admet une limite finie en +.

$ +
t f (t) dt converge, autrec) 2) On en dduit que lintgrale
et dans ce cas :

n
1 e X
On conclut :
E(Mn ) =
0
n

1 n (1)k+1
1 F(t) dt =
.
k=1 k
k
6.24
a) La va Un prend ses valeurs dans R+ .
Soit x R.
P(Un x) = 0.
215
Chapitre 6
P(Un > x) = P(X1 > x, . . . , Xn > x)
= P(X1 > x) P(Xn > x) par indpendance des va

n

= e x = e nx .
+

+

P(N = n)P(Un > x)
n=1

(1 p)n1 p e nx
On obtient la fonction de rpartition

FUn de Un :

0
si x < 0
x R, FUn (x) =
.
1 e nx si x 0
= p e x

de paramtre n.
p e x
=
.
1 (1 p) e x
On en dduit que Un suit la loi E (n).

b) La va S n est la somme de n va indpendantes de loi exponentielle de paramtre .
1
Daprs le cours, on sait alors que S n suit la loi , n .
dfinie
par
:
Une densit fn de S n est alors
0
si t < 0
n
.
t R, fn (t) =
n1 t
e
si t 0
t
(n 1)!
On a alors : n 1, t R+ ,
n+1 n1 t n+1 n
f n+1 (t) =
nt e +
t () e t = fn (t) fn+1 (t),
n!
n!
et donc :
1
fn+1 (t) = fn (t) f

n+1 (t).
Ainsi, en notons Fn la fonction de rpartition de S n , on a :

$ x
x R+ , Fn+1 (x) =
fn+1 (t) dt
0
$ x
$ x
1
fn (t) dt
=
f n+1 (t) dt
0
0
fn+1 (x) fn+1 (0)
n
= Fn (x) xn e x .
= Fn (x)
n!
On obtient alors : n N , x R+ ,
P(S n+1 > x) = 1 Fn+1 (x)
n n x
( x)n
= 1 Fn (x) +
= P(S n > x) + e x
x e
.
n!
n!
Par une rcurrence simple sur n, on montre alors :
n N , P(S n > x) = e x
n1

(x)k
k=0
k!
c) 1) Soit x R+ . Lvnement (U > x) scrit :

+
+
1
1
(N = n, U > x) =
(N = n, Un > x).
(U > x) =
n=1
n=1
Par incompatibilit des vnements :

P(U > x) =
+

P(N = n, Un > x).
n=1
Les va N et Un sont indpendantes puisque Un dpend des va

X1 , . . . , Xn et que les va X1 , . . . , Xn , N sont indpendantes.
216
P(U > x) =
Donc :
n=1
+

n1
(1 p) e x
n=1
Do la fonction de rpartition FU de U :
0
si x < 0
x
1
e
.
x R, FU (x) =
si x 0
1 (1 p) e x
La fonction FU est de classe C 1 sur R priv de {0}.
lim
FU = 0 = FU (0) = lim
FU .
+
De plus :
Ainsi FU est continue en 0 donc sur R.

On en dduit que U est une va densit, dont une densit fU
est donne par exemple par :
x R, fU (x) = 0 si x < 0 et fU (x) = FU (x)

e x 1 (1 p) e x (1 p) e x 1 e x
=

2
1 (1 p) e x
p e x
=
2 si x 0.
1 (1 p) e x
c) 2) Soit x R+ . Par le mme raisonnement, on obtient :
P(S > x) =
=
=
=
=
=
=
+

P(N = n)P(S n > x)
n=1
+

(x)k

(1 p)n1 p e x
k!
n=1
k=0
+
n1

(x)k
(1 p)n1
p e x
k!
n=1 k=0
+
+

(x)k
p e x
(1 p)n1
k!
k=0 n=k+1
+
+
k

(x)
p e x
(1 p)n1
k! n=k+1
k=0
+

1
(x)k
p e x
(1 p)k
k!
1
(1
p)
k=0
k
+

x(1
p)
= e x e x(1p) = e px .
e x
k!
k=0

n1
Ainsi la fonction de rpartition FS de S vrifie :

0
si x < 0
x R, FS (x) =
.
1 e px si x 0
de paramtre p.
On en dduit que S suit la loi E (p).
Convergences
et approximations
Plan
noncs des exercices
218
Du mal dmarrer ?
224
227

va.
CHAPITRE
Montrer quune suite de variables alatoires converge en probabilit vers une

variable alatoire
Montrer quune suite de variables alatoires converge en loi vers une variable
alatoire
Exemples dapproximations de lois usuelles.

Ingalit de Markov, ingalit de Bienaym-Tchebychev
Dfinition de la convergence en probabilit dune suite de variables alatoires,

loi faible des grands nombres
Dfinition de la convergence en loi dune suite de variables alatoires, thorme

de la limite centre
Exemples de convergence en loi et application aux approximations usuelles (cas

de la loi hypergomtrique, de la loi binomiale et de la loi de Poisson).
Les mthodes retenir
Utiliser la dfinition et montrer :

> 0, P |Xn X| 0.
n
Pour montrer
quune suite (X n) nN de va
converge en probabilit
vers une va X
Pour cela, essayer de calculer explicitement P(|Xn X| )

ou dappliquer lingalit de Markov ou lingalit de BienaymTchebychev.
Exercices 7.2, 7.3, 7.4, 7.14, 7.23
Si les va Yn , pour n N, sont mutuellement indpendantes et admettent une mme esprance et une mme variance, appliquer la loi
faible des grands nombres pour en dduire la convergence en probaY1 + + Yn
.
bilit de la suite de terme gnral
n
217
Chapitre 7
Convergences et approximations
Utiliser la dfinition et montrer, pour tout x de R o la fonction de

rpartition de X est continue :
P(Xn x) P(X x).
n
Exercices 7.4, 7.8, 7.17, 7.18, 7.19, 7.21, 7.23
Pour montrer
quune suite (X n) nN de va
converge en loi
vers une va X
Si les va Xn , pour n N, prennent leurs valeurs dans N, alors montrer :

k N, P(Xn = k) P(X = k).
n
Exercices 7.20, 7.22, 7.24
Si les va Yn , pour n N, sont mutuellement indpendantes, de mme

loi, et admettent une esprance et une variance, appliquer le thorme de la limite centre pour en dduire la convergence en loi de la
suite de terme gnral S n , o S n est la va centre rduite associe
S n = Y1 + + Yn .
Exercices 7.9, 7.10, 7.11
Utiliser le fait que la convergence en probabilit implique la convergence en loi.
Exercice 7.12.
Calculer explicitement cette probabilit, puis passer la limite.
Exercices 7.2, 7.4, 7.14, 7.23
Pour calculer
la limite dune probabilit
Obtenir une majoration ou une minoration de cette probabilit

laide de lingalit de Markov ou lingalit de BienaymTchebychev, puis passer la limite.
Exercices 7.3, 7.12
Appliquer le thorme de la limite centre.
Exercices 7.9, 7.10, 7.12

Pour calculer
une approximation dune probabilit
dun vnement li une va X
Remplacer la loi de X par une loi lapprochant aprs avoir vrifi les
conditions de validit de lapproximation, puis eectuer les calculs
laide de cette nouvelle loi.
Exercices 7.5, 7.6, 7.7, 7.13, 7.15, 7.16
noncs des exercices

7.1 Obtention dune ingalit
En utilisant lingalit de Bienaym-Tchebychev, montrer :
,
$ x
1

2
1 2 .
e t /2 dt
x > 0,
2
x
0
218
noncs des exercices
7.2 Une condition susante de convergence en probabilit

a) Soient (Xn )nN une suite de va admettant un moment dordre 2 et X une va admettant aussi
un moment dordre 2.
On suppose :
lim E(Xn X) = 0 et
n
lim V(Xn X) = 0.
n
Montrer que la suite (Xn )nN converge en probabilit vers X.

b) En considrant des va Xn dont la loi est donne par :
Xn () = {0 , n},
P(Xn = 0) = 1
1
n
et
P(Xn = n) =
1
,
n
tudier la rciproque la question prcdente.
7.3 Exemples de convergence en probabilit

On considre une suite (Xn )nN de va mutuellement indpendantes dont chacune suit la mme
loi de Bernoulli de paramtre p avec 0 < p < 1. Pour tout n de N , on pose :
X1 + + Xn
Y1 + + Yn
, Yn = Xn Xn+1 et T n =
.
n
n
a) Montrer que (S n )nN converge en probabilit vers la variable certaine gale p.
Sn =
b) 1) Donner, pour tout n de N , la loi de Yn .

2) En dduire, pour tout n de N , lesprance et la variance de T n .
c) Montrer que (T n )nN converge en probabilit vers la variable certaine gale p2 .
7.4 Exemples de convergence en probabilit et de convergence en loi, daprs ECS 2006

On considre une suite (Xi )iN de va mutuellement indpendantes, toutes de loi uniforme sur
[0 ; 1].
Pour tout n de N , on note Mn la va dfinie par :
a) Soit n N . Montrer :
Mn = max(X1 , . . . , Xn ).
x [0 ; 1], P(Mn x) = xn .
En dduire que la va Mn est une variable densit.

b) Calculer, pour tout ]0 ; 1], P |Mn 1| < ).
En dduire que (Mn )nN converge en probabilit vers la variable certaine gale 1.
c) 1) Soit R+ . Montrer que, pour tout n de N tel que n :

n
.
P n(1 Mn ) = 1 1
n

2) En dduire que n(1 Mn ) nN converge en loi vers une variable qui suit une loi exponentielle.
7.5 Exemple dapproximation de loi

Une entreprise fabrique des botes dont certaines sont dfectueuses. On suppose que la probabilit quune bote soit dfectueuse est gale 2% et que les botes sont dfectueuses ou non
indpendamment les unes des autres. Lentreprise stocke ces botes par lot de 100 et garantit
chaque lot 95%, cest--dire garantit que chaque lot ne contient pas plus de 5% de botes
dfectueuses.
a) Estimer la probabilit pour que cette garantie tombe en dfaut.
b) Comment volue cette probabilit si lentreprise fait des lots de 200 botes ?
219
Chapitre 7
7.6 Exemple dapproximation de loi dans un jeu de pile ou face

Estimer la probabilit dobtenir, lors de 100 lancers dune pice quilibre :
a) autant de piles que de faces
b) un nombre de piles compris entre 40 et 50.

On suppose que le nombre de clients dun magasin dans un jour ouvrable suit la loi de Poisson
de paramtre 10, et que la frquentation du magasin est indpendante dun jour ouvrable un
autre.
Estimer la probabilit davoir au moins 180 clients au cours de 20 jours ouvrables.
7.8 Exemple dune suite de va discrtes convergeant en loi vers une va densit
Soit X une va densit et valeurs positives.
On dfinit, pour tout n de N , Xn =
Ent(nX)
, o Ent(x) dsigne la partie entire de x.
n
Montrer que la suite (Xn )nN converge en loi vers X.
7.9 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent

On considre une suite de va (Xn )nN , mutuellement indpendantes, dont chacune suit la loi de
Poisson de paramtre 1.
Pour tout n de N , on pose S n = X1 + + Xn .
a) Donner, pour tout n de N , la loi de S n , son esprance et sa variance.
b) Montrer, laide du thorme de la limite centre :
c) En dduire :
n

nk
k=0
k!
lim P(S n n) =
n
1
.
2
en
.
2
7.10 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent

On considre une suite de va (Xn )nN , mutuellement indpendantes, suivant la loi exponentielle
de paramtre 1.
Pour tout n de N , on pose S n = X1 + + Xn .
a) Donner, pour tout n de N , une densit de S n , son esprance et sa variance.
b) En$ raisonnant de le mme faon que dans lexercice 7.9, dterminer un quivalent de
n
xn1 e x dx lorsque n tend vers +.
un =
7.11 Exemple dtude de la convergence de la suite des fonctions de rpartition et de la suite

des densits
On considre une suite (Xn )n1 de va mutuellement indpendantes, de loi exponentielle de paran

Xk et S n la va centre rduite associe S n .
mtre 1. Pour tout n de N , on note S n =
k=1
a) On considre, pour tout n de N , Fn la fonction de rpartition de S n .

Dterminer, pour tout x de R, lim Fn (x).
n
220
noncs des exercices
b) 1) Pour tout n de N , dterminer une densit fn de S n .

1
2
2) Montrer : x R, lim fn (x) = e x /2 .
n
2
On utilisera la formule de Stirling : n! nn 2n e n .

n
7.12 Calcul de la limite dune probabilit

On considre une suite (Xk )k1 de va, mutuellement indpendantes, de mme esprance m et de
n
1
Xk .
mme variance 2 . Pour tout n 1, on pose Mn =
n k=1
On cherche calculer, pour tout x de R, lim P(Mn x).
n
a) Soit x R tel que x < m. On pose = m x.

Montrer :
n 1, P(Mn x)
2
. En dduire lim P(Mn x).
n
n2
b) Soit x R tel que x > m. On pose = x m.

Montrer :
n 1, P(Mn x) 1
2
. En dduire lim P(Mn x).
n
n2
c) Montrer que la suite (Mn )n1 converge en loi vers une variable certaine.
Retrouver les rsultats de lim P(Mn x) lorsque x < m et lorsque x > m.
n
d) laide du thorme de la limite centre, montrer : lim P(Mn m) =

n
1
.
2
7.13 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi

On dispose dun d quilibr. Dterminer le nombre de lancers eectuer pour que lon puisse
armer, avec un risque infrieur ou gal 5%, que la frquence dapparition de la face num1
rote 1 dire de dau plus 102 :
6
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.
7.14 Lien entre la convergence en probabilit et la convergence en moyenne, daprs EDHEC

2009
On dit quune suite (Xn )n1 de va converge en moyenne vers une va X si et seulement si, pour

tout n 1, la va |Xn X| possde une esprance et lim E |Xn X| = 0.
n
a) Montrer que, si une suite (Xn )n1 de va converge en moyenne vers une va X, alors cette suite
converge aussi en probabilit vers X.
On se propose maintenant dtudier un exemple montrant que la rciproque de cette proprit
est fausse.
On considre une suite (Zn )n1 de va, mutuellement indpendantes, et suivant toutes la loi de
Poisson de paramtre , avec > 1.
Pour tout n 1, on pose Yn =
n
-
Zk .
k=1
b) 1) Pour tout n 1, calculer P(Yn 0).

221
Chapitre 7
2) En dduire que (Yn )n1 converge en probabilit vers la variable certaine gale 0.
c) Montrer que, si (Yn )n1 converge en moyenne vers une va Y, alors P(Y = 0) = 1.
d) 1) Calculer, pour tout n 1, lesprance de Yn .

2) tablir : n 1, E |Yn Y| E(Yn ) E(Y),

puis dterminer lim E |Yn Y| .
n
e) Conclure.
7.15 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi

Un leveur possde 100 vaches qui se rpartissent au hasard entre deux tables contenant chacune n places (50 n 100).
Dterminer une valeur de n permettant chaque vache de trouver une place avec une probabilit
suprieure ou gale 95% :
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.

Un avion comporte 500 places. La probabilit quun passager ayant rserv une place ne se
prsente pas lembarquement est de 5%.
Estimer le nombre de places que la compagnie arienne peut vendre pour que la probabilit de
voir se prsenter plus de passagers que de places disponibles soit infrieure ou gale 1% ?
7.17 tude de la convergence en loi de la suite de terme gnral Xn Ent(Xn), o Xn E (1/n)

1
On considre, pour tout n de N , une va Xn suivant la loi exponentielle de paramtre , et on
n
pose Zn = Xn Ent(Xn ), o Ent(x) dsigne la partie entire de x.
a) Montrer que, pour tout n de N , Zn est une va densit et en dterminer une densit.

b) Calculer, pour tout n de N , E(Zn ). Montrer que la suite E(Zn ) nN converge et dterminer
sa limite.
c) Montrer que la suite (Zn )nN converge en loi vers une va Z dont on prcisera la loi.
7.18 Exemple de convergence en loi, daprs loral HEC 2008

Soit > 0 fix. Pour tout entier n suprieur ou gal , on considre une suite (Xi,n )i1 de
va mutuellement indpendantes telle que, pour tout i 1, la va Xi,n suit la loi de Bernoulli de

1
paramtre , et on dfinit la va Nn = Inf i 1 ; Xi,n = 1 .

n
n
tudier la convergence en loi de la suite de va relles (Nn )n .
7.19 Exemple de convergence en loi, daprs loral HEC 2006

On considre une suite (Xk )kN de va, mutuellement indpendantes et de mme loi.
Pour tout n de N , on dfinit la va Mn par :
Mn = max(X1 , . . . , Xn ).
a) On suppose dans cette question que, pour tout k de N , la va Xk suit la loi exponentielle de
paramtre > 0.
Montrer que la suite (Zn )nN dfinie par, pour tout n de N , Zn = Mn ln n converge en loi vers
une va dont on prcisera la loi.
222
noncs des exercices
b) On suppose dans cette question que, pour tout k de N , la va Xk suit la loi de Cauchy de
c
paramtre c > 0, cest--dire admet pour densit la fonction f : x
.
2
(c + x2 )
Mn converge en loi vers une

Montrer que la suite (Zn )nN dfinie par, pour tout n de N , Zn =
nc
va dont on prcisera la loi.
7.20 Exemple de convergence en loi pour des va discrtes valeurs dans N

Soit n un entier naturel non nul. On considre n urnes notes U1 , U2 , . . . , Un . Pour tout i de
1 ; n, lurne Ui contient i boules blanches et n i boules noires.
a) On choisit une urne au hasard et dans lurne choisie, on eectue des tirages avec remise de
la boule tire jusqu obtenir une boule blanche. On note Xn la va gale au nombre de tirages
eectus.
1) Dterminer la loi de Xn . (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(Xn ) de Xn puis calculer lim E(Xn ).
n
3) Montrer que (Xn )
nN
converge en loi vers une va X dont on prcisera la loi.
La va X admet-elle une esprance ?

b) Soit p N fix. Maintenant, on choisit une urne au hasard et dans lurne choisie, on eectue
p tirages successifs avec remise de la boule tire. On note Yn la va gale au nombre de boules
blanches ainsi obtenues.
1) Dterminer la loi de Yn . (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(Yn ) de Yn puis calculer lim E(Yn ).
n
3) Montrer que (Yn )nN converge en loi vers une va Y dont on prcisera la loi.
Comparer ensuite E(Y) et lim E(Yn ).
n
7.21 Convergence en loi du minimum de va suivant une loi uniforme

Soient p ]0 ; 1[ et n N . On considre des va X0 , . . . , Xn , mutuellement indpendantes, suivant
la mme loi uniforme sur [0 ; n], et une va Nn , indpendante des va Xi pour tout i 0 ; n, et
suivant la loi binomiale de paramtre (n, p).
On dfinit les va Vn = min(X0 , . . . , Xn ) et Wn = min(X0 , . . . , XNn ).
a) tudier la convergence en loi de la suite de va (Vn )nN .

b) On note Gn la fonction de rpartition de Wn . Calculer, pour tout x de R, Gn (x).
c) tudier la convergence en loi de la suite de va (Wn )nN .
7.22 Exemple de convergence en loi pour des va discrtes valeurs dans N

Soit n un entier naturel suprieur ou gal 2. Une urne contient n boules numrotes de 1 n.
On eectue des tirages successifs avec remise et on sarrte ds que lon obtient un numro
suprieur ou gal au numro prcdent. On note Xn la va gale au nombre de tirages eectus.
a) Calculer, pour tout k de N , P(Xn > k). En dduire la loi de Xn .
b) Calculer E(Xn ) puis lim E(Xn ).
n
c) Montrer que la suite de terme gnral Xn converge en loi vers une va X dont on prcisera la
loi.
Comparer E(X) et lim E(Xn ).
n
223
Chapitre 7
7.23 Convergence en probabilit et convergence en loi dun minimum de va, daprs loral HEC
2010
a) On note f la fonction dfinie sur R par : x R, f (x) =
0
si x < 0
.
2
x e x /2 si x 0
Montrer que f est une densit dune va relle X.

Soit (Xn )nN une suite de va, mutuellement indpendantes, de mme loi, admettant pour densit
une fonction g continue sur R, nulle sur R , de classe C 1 sur R+ et possdant une drive droite
en 0 non nulle, gale c.
c
b) Justifier : x 0, P(X1 x) = x2 + o (x2 ).
x0
2
c) Pour tout entier n 1, on pose Yn = min(X1 , X2 , . . . , Xn ).
1) Montrer que (Yn )n1 converge en probabilit vers la variable certaine gale 0.
2) Dterminer une suite (an )n1 de rels strictement positifs telle que (an Yn )n1
converge en loi vers la va X.
7.24 Nombre de points fixes dune application de 1 ; n dans lui-mme ou dune permutation
de 1 ; n
Soit n un entier naturel non nul.

a) On note En lensemble des applications de 1 ; n dans lui-mme. On prend au hasard lune
de ces applications, et lon dfinit la va Xn gale au nombre de points fixes de cette application.
1) Dterminer la loi de Xn .
2) Montrer que la suite (Xn )nN converge en loi vers une va de loi usuelle.
b) On note maintenant Fn lensemble des permutations de 1 ; n. On prend au hasard lune de
ces permutations, et lon dfinit la va Yn gale au nombre de points fixes de cette permutation.
1) Calculer le nombre de permutations de Fn ne prsentant aucun point fixe.
2) Dterminer la loi de Yn .
3) Montrer que la suite (Yn )nN converge en loi vers une va de loi usuelle.
Du mal dmarrer ?
7.1
Considrer une va X suivant la loi normale centre rduite, puis appliquer lingalit de Bienaym-Tchebychev X.
7.3
7.2
b) 2)
a) Appliquer lingalit de Markov la va (Xn X) pour

2
V (Xn X) + E(Xn X)

.
en dduire : P |Xn X| )
2
Puis conclure.
2
b) Montrer que la suite (Xn )nN converge en probabilit vers la

variable certaine X gale 0.
Dautre part, calculer E(Xn X).
224
a) Utiliser la loi faible des grands nombres.
b) 1) Montrer que Yn suit une loi de Bernoulli.

Pour E(Tn ), utiliser la linarit de lesprance.
Pour V (Tn ), utiliser la formule :
V (Tn ) =
n

+
1 *
V (Yk ) + 2
Cov(Yk , Y ) .
2
n k=1
1k< n
c) Appliquer lingalit de Bienaym-Tchebychev la va Tn .
Du mal dmarrer ?
7.4
a) Commencer par crire

P(Mn x) = P(X1 x, . . . , Xn x),
puis utiliser lindpendance des va.

En dduire la fonction de rpartition de Mn sur R. Montrer
que cette fonction est continue sur R, C 1 sur R priv ventuellement dun nombre fini de points.

b) Montrer : ]0 ; 1], P |Mn 1| < = 1 (1 )n .
b) 2) Utiliser la formule de Stirling, les quivalents et les dveloppements limits usuels.

7.12 a) Remarquer : P(Mn x) P |Mn m| .
Puis utiliser lingalit de Bienaym-Tchebychev.
b) Raisonner de la mme faon en remarquant cette fois-ci :

P(Mn x) P |Mn m| < .
Puis conclure.
c) 1) Utiliser le rsultat de a).

c) 2) Calculer, pour tout x de R, lim P n(1 Mn ) x , puis
n
conclure.
7.5
a) Considrer la va X gale au nombre de botes dfectueuses dans un lot de 100 botes et remarquer que
X B(100, 0.02).
Approcher la loi de X par une loi adapte puis estimer P(X 6)

en utilisant cette nouvelle loi.
b) Raisonner de la mme faon, en considrant la va Y gale

au nombre de botes dfectueuses dans un lot de 200 botes.
7.6
Considrer la va X gale au nombre de piles obtenus lors

dune succession de 100 lancers dune pice quilibre et remarquer que X B(100, 0.5).
Approcher la loi de X par une loi adapte puis estimer :
c) Utiliser la loi faible des grands nombres pour en dduire

que (Mn )n1 converge en probabilit vers la variable certaine X
gale m, donc quelle converge aussi en loi vers X.
Dterminer la fonction de rpartition de X, puis utiliser la
dfinition de la convergence en loi.
d) Noter, pour tout n de N , Sn = X1 + + Xn .

Montrer que (Sn )nN converge en loi vers une va N telle que
N N (0, 1).
Et remarquer :
P(Mn m) = P(Sn 0) P(N 0).

n
7.13
Noter n le nombre de lancers effectus et X la va gale

au nombre de faces numrotes 1 obtenues.
Dterminer la loi de X.
Considrer, pour tout i de 1 ; 20, la va Xi gale au

nombre de clients le jour i et S = X1 + + X20 .
Montrer que la question revient dterminer un entier n tel

# X 1 #
que : P ## ## 102 0.95.
n 6
a) En utilisant lingalit de Bienaym-Tchebychev, minorer

# X
1#
P ## ## 102 , puis obtenir un n satisfaisant la condition
n
6
prcdente.
Dterminer la loi de S, approcher cette loi par une loi adapte

puis estimer P(S 180).
b) Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.
a) P(X = 50)
b) P(40 X 50)
en utilisant cette nouvelle loi.
7.7
7.8
Commencer par dterminer, pour tout n N , la loi
de Xn .
Puis, pour tout x de R, noter kn = Ent(nx) et calculer P(Xn x)
en fonction de kn . Conclure.
7.9
b) 1) Utiliser le cours pour obtenir une densit de Sn , puis en

Sn n
.
n
dduire une densit de Sn =
a) Utiliser le thorme de stabilit de la loi de Poisson.
b) Utiliser le thorme de la limite centre, pour en dduire

que la suite (Sn )nN converge en loi vers une va N telle que
N N (0, 1).
Remarquer :
n N , P(Sn n) = P(Sn 0) P(N 0).

n
c) crire P(Sn n) sous forme dune sommation.
7.10
b) Utiliser le thorme de la limite centre, pour en dduire

que la suite (Sn )nN converge en loi vers une va N telle que
N N (0, 1).
n N , P(Sn n) = P(Sn 0) P(N 0).
n
crire P(Sn n) sous forme dune intgrale.
7.11
a) Appliquer lingalit de Markov la va |Xn X|.
b) 1) Remarquer que P(Yn 0) = P(Z1 0, . . . , Zn 0), puis

utiliser lindpendance des va.
b) 2) Commencer par crire : > 0, P(|Yn | ) P(Yn 0).
Ensuite, faire tendre lentier n vers +.
c) Utiliser la question a).
d) 1) Utiliser lindpendance des va Zk .
d) 2) Montrer :
lim E(Yn ) = +. Conclure.

n
e) En dduire que (Yn )1 ne converge pas en moyenne vers la

va Y .
7.15
a) Justifier que Sn suit une loi Gamma.
Remarquer :
7.14
a) Utiliser le thorme de la limite centre.
Considrer la va X gale au nombre de vaches qui choisissent ltable numro 1.

La question revient dterminer un entier n tel que :
P(100 n X n) 0.95.
a) En utilisant lingalit de Bienaym-Tchebychev, minorer

P(100 n X n), puis obtenir un n satisfaisant la condition
prcdente.
b) Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.
225
Chapitre 7
7.16
Considrer lentier n gal au nombre de places vendues

et la va X gale au nombre de passagers se prsentant lembarquement.
b) Justifier :
x R, P(Wn > x) =
n

P(Nn = k)P(X0 > x) P(Xk > x).
k=0
La question revient dterminer un entier n tel que :

P(X > 500) 0.01.
Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.
7.17
a) Montrer que Zn prend ses valeurs dans [0 ; 1[.
Dterminer la fonction de rpartition de Zn , puis montrer que

cette fonction est continue sur R, de classe C 1 sur R ventuellement priv dun nombre fini de points.
b)
n N , E(Zn ) = n
Montrer :
1
puis : lim E(Zn ) = .
n
2
c) Calculer, pour tout x de R,
7.18
1
e 1/n
lim P(Zn x).

n
Commencer par dterminer la loi de Nn .
Puis, pour tout x de R, noter kn = Ent(nx) et calculer

P(Nn x) laide de kn .
En dduire :
x R+ , P(Nn x) 1 e x .
a) Montrer :
1 n
k k si k 1 ; n
n
.
k N , P(Xn > k) =
0
si k n + 1
k 2, P(Xn = k) = P(Xn > k 1) P(Xn > k).
Puis utiliser :
b) Utiliser la dfinition de lesprance et montrer :

1 n
.
E(Xn ) = 1 +
n
k1
.
c) Montrer : k 2, P(Xn = k)
n
k!

k 1
; k 2 ; + est bien la loi dune
Montrer que k,
k!
va discrte. Puis conclure.
Obtenir :
7.23

x + ln n n
x R, P(Zn x) = P X1
.
En dduire une expression de P(Zn x) puis lim P(Zn x).
a) Justifier :
nx 1 n
+
b) Justifier : x R, P(Zn x) = Arctan
.
2
Pour calculer lim P(Zn x), sparer les cas x < 0, x = 0, x > 0.
1
7.20
7.22
lim E(Xn ) = e = E(X).

n
Conclure.
7.19
En dduire une expression de P(Wn x).
c) Montrer que la suite (Wn )nN converge en loi vers une va de

loi exponentielle de paramtre p.
a) 1) Considrer, pour tout i de 1 ; n, lvnement Ai :

on choisit lurne i .
Commencer par dterminer la loi conditionnelle de Xn sachant

Ai , puis en dduire la loi de Xn .
a) 2) Donner, dans un premier temps, lesprance de Xn sachant

Ai , puis utiliser la formule de lesprance totale.
a) 3) Calculer, pour tout k de N , lim P(Xn = k) en utilisant le

n
thorme sur les sommes de Riemann.
a) Appliquer la dfinition dune densit.
b) Commencer par crire le dveloppement limit dordre 1

en 0 de la fonction g, en dduire le dveloppement limit
dordre 2 en 0 de F : x P(X1 x).

n
c) 1) Montrer : > 0, P |Yn 0| = 1 F() .

En dduire : lim P |Yn 0| .
n
c) 2) Raisonner par analyse-synthse. Obtenir par exemple que
la suite ( nc Yn )nN converge en loi vers X.
7.24
a) 1) Obtenir :
k 0 ; n, P(Xn = k) =
a) 2) En dduire que (Xn )nN converge en loi vers une va X suivant la loi de Poisson de paramtre 1.
b) 1) Noter, pour tout i de 1 ; n, Ai lensemble des permutations f de Fn telles que f(i) = i.
Commencer par calculer Card(A1 An ) laide de la formule
du crible.
b) Raisonner de la mme faon quau a).
7.21
a) Dterminer la fonction de rpartition de la va Vn , puis

montrer que la suite (Vn )nN converge en loi vers une va de loi
exponentielle de paramtre 1.
226

n (n 1)nk
.
nn
k
b) 2) Montrer :
k 0 ; n, P(Yn = k) =
nk
1 (1)i
.
k! i=0 i!
b) 3) En dduire que (Yn )nN converge elle aussi en loi vers la

mme va X.

7.1
On considre une va X de loi normale centre rduite.

> 0, n N , P |Xn 0|
= P(|Xn | ) = P(Xn = n)
1
= 0.
n n
1
2
Alors une densit de X est f : t e t /2 .
2
E(X) = 0 et
De plus :
V(X) = 1.
Soit x > 0. Par lingalit de Bienaym-Tchebychev, on a :

V(X)
P |X E(X)| x 2 ,
x
cest--dire :
On en dduit que (Xn )nN converge en probabilit vers la variable certaine X gale 0.
De plus :

1
P |X| x 2 ,
x

1
et donc : P |X| x P |X| < x = 1 P |X| x 1 2 .
x

Or : P |X|$ x = P(x $ X x)
x
x
=
f (t) dt = 2
f (t) dt
car f est paire
x
0
, $ x
$ x
1
2
2
2
=2
e t /2 dt.
e t /2 dt =
2
0
0
, $ x
1
2
2
On en dduit :
e t /2 dt 1 2 ,
0
x
,
$ x

1
2
et donc :
e t /2 dt
1 2 .
2
x
0
car Xn () = {0, n}
n N , E(Xn X) = E(Xn )

1
1
+ n = 1.
=0 1
n
n
Ainsi, la suite de terme gnral E(Xn X) ne converge pas

vers 0.
On en dduit que la rciproque de la question rciproque est
fausse.
Remarque 1 : Dire que lim E(Xn X) = 0 quivaut dire que
n
lim E(Xn ) = E(X), mais le rsultat analogue pour la variance
n
est faux.
Remarque 2 : On peut donc avoir des suites (Xn )nN de va
qui convergent en probabilit vers une va X, sans que la suite

E(Xn ) nN converge vers E(X) !
7.3
a) Les va Xn sont mutuellement indpendantes et admettent
toutes une esprance gale p et une variance gale p(1 p).
7.2
a) Soit > 0.
Appliquons lingalit de Markov la va (Xn X)2 :

E (Xn X)2

.
P |Xn X| ) = P (Xn X)2 2 )
2

2
Or, pour toute va Y, on a : V(Y) = E(Y 2 ) E(Y) ,

2
et donc : E(Y 2 ) = V(Y) + E(Y) .
On obtient alors :

V(Xn X) + E(Xn X) 2

0 P |Xn X| )
.
2
Puisque lim E(Xn X) = 0 et lim V(Xn X) = 0,

n
b) 1) Soit n N . Puisque Xn et Xn+1 prennent leurs valeurs

dans {0, 1}, Yn prend elle-aussi ses valeurs dans {0, 1}.
Et :
P(Yn = 1) = P(Xn = 1, Xn+1 = 1)
= P(Xn = 1)P(Xn+1 = 1) = p2 ,
car Xn et Xn+1 sont indpendantes.
On en dduit : Yn b(p2 ).
b) 2) Soit n N .
Calculons E(T n ). Par la linarit de lesprance,
On en dduit, par la loi faible des grands nombres, que (S n )nN

converge en probabilit vers la variable certaine gale p.
V(Xn X) + E(Xn X)
0.
n
2

Par le thorme dencadrement : P |Xn X| ) 0.
on obtient :
On en dduit que (Xn )nN converge en probabilit vers X.

b) Montrons que (Xn )nN converge en probabilit vers la variable certaine X gale 0. On a :
E(T n ) =
n
n
1
1 2 1
E(Yk ) =
p = (np2 ) = p2 .
n k=1
n k=1
n
Calculons V(T n ). Puisque les va Yn , pour n N , ne sont pas

mutuellement indpendantes,
V(T n ) =
n

+
1 *
V(Yk ) + 2
Cov(Yk , Y ) .
n2 k=1
1k< n
227
Chapitre 7
Or, pour tout k de 1 ; n, V(Yk ) = p2 (1 p2 )

= p2 (1 p)(1 + p).
Ainsi, la fonction de rpartition de Mn , note Fn , vrifie :
0 si x < 0
n
x si 0 x 1
x R, Fn (x) =
1 si x > 1
De plus, pour tous k, de 1 ; n tels que k < :

si k + 1 < , puisque Yk dpend de Xk et Xk+1 , que Y dpend
de X et X +1 et que les va Xk , Xk+1 , X , X +1 sont mutuellement
indpendantes, alors les va Yk et Y sont indpendantes, et donc
Cov(Yk , Y ) = 0 ;
si k + 1 = , alors
2
2
Xk+2 ) = P(Xk Xk+1
Xk+2 = 1)
E(Yk Y ) = E(Xk Xk+1
= P(Xk = 1)P(Xk+1 = 1)P(Xk+2 = 1) = p3 ,
et donc :
Cette fonction de rpartition est C 1 sur R, priv ventuellement

de 0 et de 1.
Fn = 0 = Fn (0) = lim
Fn
lim
0
0+
.
De plus,
lim
Fn = 1 = Fn (1) = lim
Fn
+
Donc Fn est continue en 0 et en 1, donc continue sur R.
Cov(Yk , Y ) = E(Yk Y ) E(Yk )E(Y )

= p3 (p2 )2 = p3 (1 p).
On obtient alors :
n
n1

+
1 *
V(Yk ) + 2
Cov(Yk , Yk+1 )
2
n k=1
k=1
+
1* 2
= 2 np (1 p)(1 + p) + 2(n 1)p3 (1 p)
n
+
p2 (1 p) *
=
n(1 + p) + 2(n 1)p
n2
p2 (1 p)(3np + n 2p)
.
=
n2
V(T n ) =
c) Ici, on ne peut pas appliquer la loi faible des grands nombres

car les va Yn ne sont pas mutuellement indpendantes.
Cherchons appliquer lingalit de Bienaym-Tchebychev
la va T n . On a :

#
#
#
#
> 0, 0 P ##T p2 ## = P ##T E(T )##
n
p2 (1 p)(3np + n 2p)
V(T n )
=

2
n2 2
p2 (1 p)(3p + 1)
0
n
n
n2
Donc, par le thorme dencadrement :
#

#
P ##T n p2 ## 0.
n
On en dduit que (T n )nN converge en probabilit vers la variable certaine gale p2 .
7.4
a) Soit x [0 ; 1]. Alors :
228
On en dduit que Mn est une va densit.

b) Soit ]0 ; 1]. Alors :

P |Mn 1| < = P(1 < Mn < 1 + )
= P(1 < Mn 1 + )
car P(Mn = 1 + ) = 0
= Fn (1 + ) Fn (1 ) = 1 (1 )n
car 1 + > 1 et 1 [0 ; 1].
Soit > 0. Alors :

si ]0 ; 1], P |Mn 1| = 1 P |Mn 1| <
= (1 )n 0 car 1 [0 ; 1[.
n

si ]1 ; +[, P |Mn 1| ) = P(1 Mn )
= P(Mn 1 ) = 0 0
n
car Mn () [0 ; 1] et 1 < 0.

On obtient alors : > 0, P |Mn 1| 0.
n
On en dduit que (Mn )nN converge en probabilit vers la variable certaine gale 1.
P(Mn x) = P(X1 x, . . . , Xn x)
= P(X1 x) P(Xn x)
car X1 , . . . , Xn sont indpendantes
n

car X1 , . . . , Xn ont la mme loi
= P(X1 x)

= xn
car X1 U [0 ; 1] .
c) 1) Soit n N tel que n . Alors :

= P Mn 1
P n(1 Mn ) = P 1 Mn
n
n

car Mn est densit
= P Mn > 1
n

n

puisque [0 ; 1].
= 1 Fn 1
=1 1
n
n
n
Puisque les va X1 , . . . , Xn prennent leurs valeurs dans [0 ; 1],

il en est de mme pour Mn .
c) 2) Puisque Mn prend ses valeurs dans [0 ; 1], n(1 Mn ) prend

ses valeurs dans [0 ; n].
Soit x R.
Si x
R ,
on peut approcher la loi de Y par la loi de Poisson de paramtre

200 0.02 = 4.
alors :
Considrons une va U suivant la loi de Poisson de paramtre 4.

n 1, P n(1 Mn ) x = 0 0.
n
Si x R+ , alors :

x n
n x, P n(1 Mn ) x = 1 1
n
x
= 1 e n ln(1 n ) ,

x
x
n
or : n ln 1
= x x,
n
n n
n

donc : P n(1 Mn ) x 1 e x .
n
Considrons une va X suivant la loi E (1) et notons F sa fonction de rpartition. Alors :

x R, F(x) = 0 si x < 0 et F(x) = 1 e x si x 0.

On obtient alors : x R, P n(1 Mn ) x F(x).

On en dduit que n(1 Mn )
nN
converge en loi vers X.
P(Y 11) P(U 11) = 1 P(U 10)

10

4k
= 1 e4
0.0028 = 0.28%.
k!
k=0
On en dduit quil y a environ 0.28% de risques que la garantie

tombe en dfaut.
Remarque : En doublant le nombre de botes par lot, la probabilit que la garantie du lot tombe en dfaut est bien plus que
divise par deux !
7.6
Notons X la va gale au nombre de piles obtenus lors

dune succession de 100 lancers dune pice quilibre.
On sait alors que X B(100, 0.5).
Puisque : 100 30,
100 0.5 = 50 15,
7.5
100 (1 0.5) = 50 5,
a) On note X la va gale au nombre de botes dfectueuses dans

un lot de 100 botes.
on peut approcher la loi de X par une loi normale de mme

esprance et de mme variance.
La garantie de ce lot tombe en dfaut si et seulement si ce lot

contient au moins 6 botes dfectueuses. On cherche donc
valuer P(X 6).
Or :
Daprs lnonc, X B(100, 0.02).

Puisque : 100 30,
0.02 0.1, 100 0.02 = 2 15,
on peut approcher la loi de X par la loi de Poisson de paramtre

100 0.02 = 2.
Considrons une va T suivant la loi de Poisson de paramtre 2.
Alors :
Alors :
P(X 6) P(T 6) = 1 P(T 5)

21 22 23 24 25
+
+
+
+
= 1 e2 1 +
1! 2! 3! 4! 5!
2
109 e
0.0166 = 1.66%.
=1
15
On en dduit quil y a environ 1.66% de risques que la garantie

tombe en dfaut.
b) On note Y la va gale au nombre de botes dfectueuses dans
un lot de 200 botes.
La garantie de ce lot tombe en dfaut si et seulement si ce lot
contient au moins 11 botes dfectueuses. On cherche donc
valuer P(Y 11).
E(X) = 100
1 1
1
= 50 et V(X) = 100 = 25.
2
2 2
Ainsi, la loi de X peut tre approche par la loi normale

X 50
N (50, 25) et donc la loi de X =
peut tre approche
5
par la loi N (0, 1).
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.
a) On cherche estimer P(X = 50). Eectuons une correction
de continuit :
P(X = 50) = P(49.5 < X 50.5) = P(0.1 < X 0.1)
P(0.1 < N 0.1) = (0.1) (0.1)
= 2(0.1) 1
car x R, (x) = 1 (x).
Or, daprs la table de la loi normale centre rduite,

(0.1) 0.540.
On en dduit :
P(X = 50) 0.080.
On conclut que la probabilit dobtenir, lors de 100 lancers

dune pice quilibre, autant de piles que de faces est peu
prs gale 0.080.
Daprs lnonc, Y B(200, 0.02).
Remarque : Si lon neectue pas la correction de continuit, on

trouve : P(X = 50) = P(X = 0) P(N = 0) = 0, et cette approximation est peu satisfaisante !
Puisque : 200 30,
b) On cherche estimer P(40 X 50).
0.02 0.1, 200 0.02 = 4 15,
229
Chapitre 7
P(40 X 50) = P(2 X 0) P(2 N 0).

Or, P(2 N 0) = P(2 < N 0) = (0) (2)

= 0.5 1 (2) = (2) 0.5.
Daprs la table de la loi normale centre rduite,
(2) 0.977.
On en dduit :
P(40 X 50) 0.477.
On conclut que la probabilit dobtenir, lors de 100 lancers

dune pice quilibre, un nombre de piles compris entre 40
et 50 est peu prs gale 0.477.
Remarque : Il est possible deectuer la correction de continuit. Dans ce cas, on obtient :

k
= P Ent(nX) = k
P Xn =
n

k
k + 1
= P k nX < k + 1 = P X <
n
n
k + 1
k
k
k + 1
=F
F
.
=P <X
n
n
n
n
Soit x R.
Supposons x R . Alors :
n 1, P(Xn x) = 0 0 = P(X x)
n
Supposons x R+ . Soit n 1.
Notons kn = Ent(nx). Alors :
P(40 X 50) = P(39.5 < X 50.5)

= P(2.1 < X 0.1) (0.1) (2.1)
On a :
= (0.1) + (2.1) 1 0.540 + 0.982 1 = 0.522.
kn

j
j + 1
F
F
n
n
j=0
kn + 1
kn + 1
=F
F(0) = F
.
!"
n
n
Notons, pour tout i de 1 ; 20, Xi la va gale au nombre de

clients le jour i et S = X1 + + X20 .
Daprs lnonc, les va X1 , . . . , X20 sont mutuellement indpendantes et suivent la loi de PoissonP(10). On sait alors,
daprs le cours, que S P(200).
Puisque 200 15, on peut approcher la loi de S par une loi
normale de mme esprance et de mme variance.
Or, E(S ) = 200 et V(S ) = 200. Ainsi, la loi de S peut tre
approche par la loi normale N (200, 200) et donc la loi de
X 200
S =
peut tre approche par la loi N (0, 1).
10 2
de rpartition.
On cherche estimer P(S 180).

180 200
= P(S 2)
On a : P(S 180) = P S
10 2
P(N 2) = P(N 2) = ( 2).
Or :
2 1.41 et (1.41) 0.921.
Notons, pour tout n de N , Fn la fonction de rpartition

de Xn et F la fonction de rpartition de X.
7.8
Soit n N . La va Xn prend ses valeurs dans

Pour tout k de N, on a :
=0
Or, daprs lingalit prcdente, on a :

x<
1
kn + 1
x+ ,
n
n
donc par le thorme dencadrement :
kn + 1
x.
n
n
Puisque X est une va densit, sa fonction de rpartition est

kn + 1
F(x).
continue sur R et donc : P(Xn x) = F
n
n
On obtient alors :
x R, Fn (x) F(x).
n
On conclut que la suite (Xn )nN converge en loi vers X.
7.9
a) Soit n N .
Les va X1 , . . . , Xn sont mutuellement indpendantes et suivent
la loi de Poisson de paramtre 1.
Daprs le cours, on sait que S n P(n).
P(S 180) 0.921 = 92.1%.
On conclut que la probabilit davoir au moins 180 clients au

cours de 20 jours ouvrables est peu prs gale 0.921.
230
kn + 1
kn
x<
.
n
n
kn

kn
j
=
P(Xn x) = P Xn
P Xn =
n
n
j=0
7.7
Ainsi :
car X() R+ .
k
n

;kN.
E(S n ) = n et V(S n ) = n.
b) Notons, pour tout n de N , S n la va centre rduite associe

Sn n
S n , cest--dire S n = .
n
Puisque les va Xn , pour n N , sont mutuellement indpendantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S n )nN converge en loi vers une va N telle que N N (0, 1).
1
En particulier, on a : P(S n 0) P(N 0) = ,
n
2
car N est une va admettant une densit paire.
Sn n

Or, P(S n 0) = P
0 = P(S n n).
n
P(S n n)
On conclut :
7.11
a) Les va Xn , pour n 1, tant mutuellement indpendantes, de
mme loi et admettant une esprance et une variance, on sait,
daprs le thorme de la limite centre, que la suite (S n )n1
converge en loi vers une va N, telle que N N (0, 1).
1
.
2
c) Puisque S n P(n), on a :
Donc :
1
autrement dit, Fn (x)
n
2
nk
k N, P(S n = k) = e n .
k!
n
n

nk
.
P(S n = k) = e n
P(S n n) =
k!
k=0
k=0
e n
On obtient :
n

nk
k=0
k!
1
et donc :
2
k!
e t
2 /2
dt.
Puisque les va X1 , . . . , Xn sont mutuellement indpendantes

et suivent la loi E (1), on sait que S n suit la loi (1, n).
n

nk
k=0
b) 1) Soit n N .
en
.
2
7.10
a) Soit n N .
Une densit gn de S n est donne par :
0
si x < 0
n1
.
x R, gn (x) =
x
(n 1)! e si x 0
Les va X1 , . . . , Xn sont mutuellement indpendantes et suivent

la loi de exponentielle de paramtre 1.
On sait alors que E(S n ) = n et V(S n ) = n.
Daprs le cours, on sait que S n (1, n).
0
si t < 0
n1
t
Une densit de S n est alors f : t
t
e si t 0
(n 1)!
Donc : S n =
Et lon a :
E(S n ) = n et V(S n ) = n.
b) Notons, pour tout n de N , S n la va centre rduite associe

Sn n
S n , cest--dire S n = .
n
Puisque les va Xn , pour n N , sont mutuellement indpendantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S n )nN converge en loi vers une va N telle que N N (0, 1).
P(S n x) P(N x),
On en dduit, pour tout x de R :
1
En particulier, on a : P(S n 0) P(N 0) = ,
n
2
car N est une va admettant une densit paire.
Or,
P(S n 0) = P
On en dduit :
Sn n

0 = P(S n n).
On obtient :
On a alors : x R, P(S n x) = P(S n n + x n).

En drivant, on obtient quune densit fn de S n est donne par :

x R, fn (x) = n gn n + x n
si x < n
0 n1

.
n(n + x n)
=
e nx n si x n
(n 1)!
b) 2) Soit x R. Alors :
n(n + x n)n1 nx n
n x2 , fn (x) =
e
(n 1)!
x n1 nx n
n nn1
=
e
.
1+
(n 1)!
n
Or : (n 1)! (n 1)n1 2(n 1) e n+1

n
(n 1)n1 2n e n+1 , donc :

n
1
P(S n n) .
n 2
Puisque S n (1, n), on a :

$ n
P(S n n) =
f (t) dt =
Sn n
.
n

x n1 nx n
n nn1
1+
e
n+1
n
(n
2n e
1 n+1
1
x n1 x n1
1
=
e
1+
n
n
2
+
*

1
x
1
x n1 .
= exp (n 1) ln 1 + ln 1
n
n
2
!"
fn (x)
1
(n 1)!
n
0
tn1 e t dt.
$ n
1
1
et donc :
tn1 e t dt
n 2
(n 1)! 0
$ n
(n 1)!
tn1 e t dt
.
n
2
0
1)n1
not un
On obtient alors, en utilisant les dveloppements limits

lorsque lentier n tend vers + :
231
Chapitre 7
x
1
x2 1
+ o
x n1
un = (n 1)
n n n
n 2n
x2
x2
= x n
+ 1+ o (1) x n 1 = + o (1).
n
2
2 n
On en dduit :
x2
un
n
2
et on conclut :
1
2
e x /2 .
fn (x)
n
2
2
Puisque 1 2 1, par le thorme dencadrement, on
n n
conclut : lim P(Mn x) = 1.
n
Remarque : Bien que la suite des fonctions de rpartition de S n

converge vers la fonction de rpartition de la loi N (0, 1), on
ne peut pas en dduire que la suite des densits de S n converge
vers une densit de la loi N (0, 1).
En eet, il existe des exemples de suites de fonctions (hn )nN
telles que, pour tout x de R, lim hn (x) = h(x) sans pour autant
n
avoir, pour tout x de R, lim hn (x) = h (x).

n
7.12
c) Puisque les va Xk , pour k 1, sont mutuellement indpendantes, admettent toutes une esprance gale m et une variance gale 2 , on a, par la loi faible des grands nombres :
la suite (Mn )n1 converge en probabilit vers la variable certaine
gale m.
Puisque la convergence en probabilit implique la convergence
en loi, on en dduit que (Mn )n1 converge en loi vers la variable
certaine X gale m.
Notons F la fonction de rpartition de X.

0 si x < m
On a : x R, F(x) =
.
1 si x m
Ainsi F est continue en tout point de R priv de m.
On en dduit, par la dfinition de la convergence en loi :
a) Soit n 1. Alors :
x R \ {m}, lim P(Mn x) = F(x),

(Mn x) = (Mn m ) |Mn m| .
De plus, par la linarit de lesprance :

n
1
1
E(Xk ) = (n.m) = m,
E(Mn ) =
n k=1
n
et puisque les va Xk sont mutuellement indpendantes :

n
n
1
1
1
2
.
Xk = 2
V(Xk ) = 2 (n.2 ) =
V(Mn ) = 2 V
n
n k=1
n
n
k=1
Donc, par lingalit de Bienaym-Tchebychev,

V(Mn )
2
P |Mn m| ) = P |Mn E(Mn )| )
= 2.
2
n
2
On obtient alors : 0 P(Mn x) 2 .
n
2
0, par le thorme dencadrement, on
Puisque
n2 n
conclut : lim P(Mn x) = 0.
donc on a :
x < m, lim P(Mn x) = 0
n
.
x > m, lim P(Mn x) = 1

n
d) Notons, pour tout n de N , S n =

2

P |Mn m| < = 1 P |Mn m| 1 2 ,
n
daprs la question prcdente.
Or :
On obtient alors : 1
232
P(Mn x) 1.
n2
Xk et S n la va centre
k=1
rduite associe S n .
Les va Xk , pour k 1, tant mutuellement indpendantes, de
converge en loi vers une va N de loi N (0, 1).
En particulier :
P(S n 0) P(N 0) =
n
1
,
2
car N admet une densit paire.

Or : n 1, S n =
b) Soit n 1. Alors : (Mn x) = (Mn m ),

et : |Mn m| < |Mn m| Mn m .

On en dduit : |Mn m| < (Mn x),

et par consquent : P |Mn m| < P(Mn x).
n

et donc :
S n E(S n ) nMn E(nMn )

=
V(S n )
V(nMn )
Mn E(Mn )
n
=
= (Mn m),
V(Mn )
2
P(S n 0) = P(Mn m 0) = P(Mn m).
On conclut : lim P(Mn m) =

n
1
.
2
7.13
Notons n le nombre de lancers eectus et X la va

gale au nombre de faces numrotes 1 obtenues.
Alors :
X B(n, 1/6).
La frquence dapparition de la face numrote 1 est gale
X
.
n
On cherche donc n tel que :

## X 1 ##
P ## ## 102 0.95 ().
n 6
n
X E(X)
1
a) On a :
E
=
= 6 =
n
n
n
6
5n
X V(X)
5
V
= 2 = 362 =
.
n
n
n
36n
Par lingalit de Bienaym-Tchebychev, on a :

## X

## X 1 ##
X ###
P ## ## 102 = P ## E
# 102
n 6
n
n
V( Xn )
50000
=
.

(102 )2
36n
50000
## X 1 ##
,
On a donc : P ## ## > 102
n 6
36n
puis par vnement contraire :
## X 1 ##

50000
P ## ## 102 1
.
n 6
36n
Ainsi, pour satisfaire lingalit (), il sut davoir :
1
50000
50000
0.95
0.05
36n
36n
50000
27777.77 n 27778.
n
36 0.05
Ainsi, lorsque n 27778, on peut armer, avec un risque infrieur ou gal 5%, que la frquence dapparition de la face
1
numrote 1 dire de dau plus 102 .
6
5n
n
5,
b) Supposons : n 30, 15,
6
36
cest--dire : n 90.
Dans ce cas, on peut approcher la loi de X par une loi normale
de mme esprance et de mme variance, et donc approcher la
X n
loi de X = 6 par la loi N (0, 1).
5n
6
## X 1 ##

## ## 102 = 5 |X | 102
n 6
6 n

6 n
= |X |
.
100 5
de rpartition.

## X 1 ##
6 n
On a alors : P ## ## 102 P |N|
n 6
100 5
6 n
= 2
1.
100 5
6 n
Et : 2
1 0.95
100 5
6 n

0.975 (1.96)
100 5
De plus :
6 n
1.96 car est strictement croissante

100 5
1.96 100 5 2
n
5335.6 n 5336.
6
Par cette mthode, lorsque n 5336, on peut armer, avec un
risque infrieur ou gal 5%, que la frquence dapparition de
1
la face numrote 1 dire de dau plus 102 .
6
Remarque : Le rsultat trouv au b) est bien infrieur celui
trouv au a). La deuxime mthode est plus prcise que la premire car elle fait intervenir la connaissance de la loi de X,
tandis que premire ne fait intervenir que la connaissance de
lesprance et la variance de X.
7.14
a) Supposons que la suite (Xn )n1 converge en moyenne vers la
va X. Soit > 0.
Daprs lingalit de Markov applique la va |Xn X| :

E |Xn X|
P |Xn X|
0.
n
On en dduit que (Xn )n1 converge en probabilit vers X.

b) 1) Soit n 1. Alors :
P(Yn 0) = P(Z1 0, . . . , Zn 0)
= P(Z1 0) P(Zn 0)
car les va sont indpendantes
car les va ont la mme loi
= P(Z1 0)

n
n
= 1 P(Z1 = 0) = 1 e
.
n
b) 2) Soit > 0. Alors :

P |Yn 0| = P(Yn ) P(Yn 0).

On obtient alors : 0 P |Yn 0|
n

P(Yn 0) 1 e .

n
Puisque > 0, 0 < 1 e < 1 et donc 1 e 0.
n

Par le thorme dencadrement : P |Yn 0| 0.
n
Ainsi, (Yn )n1 converge en probabilit vers la variable certaine

gale 0.
c) Supposons que la suite (Yn )n1 converge en moyenne vers
une va Y.
Alors daprs a), (Yn )n1 converge en probabilit vers cette
mme va. Or, daprs la question prcdente, (Yn )n1 converge
en probabilit vers la variable certaine gale 0.
Daprs le cours, on sait que, si une suite de va converge
en probabilit vers une va X et vers une autre va X , alors
P(X = X ) = 1.
On obtient alors :
P(Y = 0) = 1.
233
Chapitre 7
d) 1) Soit n 1. Alors :
(1) :
car Z1 , . . . , Zn sont mutuellement indpendantes
Utilisons lingalit de Bienaym-Tchebychev. On obtient :

#

#

#
#
P ##X E(X)## > n 50 P ##X E(X)## n 50
V(X)
25

=
.
(n 50)2
(n 50)2
(2) :
car Z1 , . . . , Zn P().
On obtient donc :
E(Yn ) = E
n
-

Zk =
k=1
n
-
(1)
E(Zk ) = n .
(2)
k=1
d) 2) Soit n 1. La va |Yn Y| (Yn Y) est une va valeurs

positives (car : x R, |x| x 0).

On obtient alors : E |Yn Y| (Yn Y) 0.
Par la linarit de lesprance, on en dduit :

E |Yn Y| E(Yn ) E(Y).
Puisque E(Yn ) = n + (car > 1) et que E(Y) = 0 (car
n
Y est une va quasi certaine gale 0), on en dduit :
E(Yn ) E(Y) +.
n
Et donc, par minoration :

lim E |Yn Y| = +.
n
e) De la question prcdente, on dduit que (Yn )1 ne converge

pas en moyenne vers la va Y, alors quelle converge en probabilit vers Y.
Ainsi, la convergence en moyenne implique la convergence en
probabilit, mais que la rciproque est fausse.
P(E) 1
25
.
(n 50)2
Pour satisfaire la condition (), il sut que :

1
25
25
0.95
1 0.95 = 0.05
2
(n 50)2
(n
, 50)
25
n 50 +
72.3.
0.05
On en dduit que, pour n = 73, chaque vache trouve une place

avec une probabilit suprieure ou gale 95%.
b) Puisque 100 30, 100 0.5 = 50 15 et
100 (1 0.5) = 50 5, on peut approcher la loi de X par une
loi normale de mme esprance et de mme variance.
Or, E(X) = 50 et V(X) = 25. Ainsi, la loi de X peut tre approX 50
par la
che par la loi N (50, 25) et donc celle de X =
5
loi N (0, 1).
de rpartition.
n 50
n 50
X
P(E) = P
5
5
n 50
n 50
N
P
5
5
n 50
n 50
n 50

= 2
1.
=
5
5
5
n 50
1 0.95
Do : P(E) 0.95 2
5
n 50
0.975 (1.96)

5
n 50
1.96 car est strictement croissante
5
n 50 + 5 1.96 = 59.80 n 60.
On a alors :
7.15
Notons X le nombre de vaches qui choisissent ltable numro 1.
Puisque les 100 vaches choisissent une table de faon indpendante les unes des autres, et que la probabilit de choisir ltable
1
numro 1 est gale , on en dduit que X B(100, 0.5).
2
Notons E lvnement :
chaque vache trouve une place .
Si X vaches choisissent ltable numro 1, 100 X choisissent
ltable numro 2. On en dduit :
E = (X n) (100 X n) = (100 n X n).
On cherche donc n tel que :
P(E) = P(100 n X n) 0.95 ().
1
1 1
= 50 , V(X) = 100 = 25,
2
2 2

et : P(E) = P 100 n X n

= P 50 n X 50 n 50
##

##

##
#
= P #X 50# n 50 = P #X E(X)## n 50
#

#
= 1 P ## X E(X)## > n 50 .
a) On a :
234
E(X) = 100
Par cette mthode, on en dduit que, pour n = 60, chaque vache

trouve une place avec une probabilit suprieure ou gale
95%.
Remarque : Comme dans lexercice 7.13, on constate que la
deuxime mthode est plus prcise que la premire. Ceci est
d ce que, dans la deuxime mthode, on connat la loi de X,
tandis que dans la premire mthode, on ne connat que lesprance et la variance de X.
7.16
Notons n le nombre de places vendues et X le nombre

de passagers se prsentant lembarquement.
Alors :
X B(n, 0.95).
On cherche alors n tel que :

Supposons :
n 30,
P(X > 500) 0.01.
0.95 n 15,
0.95 0.05 n 5,
cest--dire : n 60.
Dans ce cas, on peut approcher la loi de X par une loi normale
de mme esprance et de mme variance, et donc approcher la
X 0.95 n
par la loi N (0, 1).
loi de X =
0.95 0.05 n
Notons la fonction de rpartition de la loi N (0, 1).
On obtient alors : P(X > 500) 0.01

500 0.95 n
P X >
0.01
0.95 0.05 n
500 0.95 n
1
0.01
0.95 0.05 n
500 0.95 n
0.99 (2.33)

0.95 0.05 n
500 0.95 n
2.33 ( est strictement croissante)

0.95 0.05 n
0.95 n + 2.33 0.0475 n 500 0.
Lquation 0.95 r2 + 2.33 0.0475 r 500 = 0 admet deux

solutions relles r1 et r2 , et lon a :
r1 22.68
et
r2 23.22.
On en dduit : P(X > 500) 0.01 r2

n r12 514.45 n 514.
On en dduit que la fonction de rpartition Fn de Zn vrifie :
0
si x < 0
1 e x/n
x R, Fn (x) =
si 0 x < 1 .
1 e 1/n
1
si x 1
La fonction Fn est de classe C 1 sur R priv ventuellement de
{0, 1}.
De plus, lim
Fn = 0 = Fn (0) et lim
Fn = 1 = Fn (1). Ainsi Fn
Ainsi Zn est une va densit, dont une densit fn est obtenue

en drivant Fn ; ainsi :
e x/n si 0 x < 1
n(1
e 1/n )
x R, fn (x) =
.
0
sinon
b) Soit n N .
$
Alors E(Zn ) =
7.17
Ainsi :
E(Zn ) =
(k Xn k + x),
k=0
donc :
P(Zn x) =
+

x e x/n dx
n n e 1/n e 1/n
1
= n 1/n
.
1 e 1/n
e 1
1
1
1
+ 2+ o 2 ,
n 2n n n
1
1
=
e 1/n 1
Ainsi :

1
1
E(Zn ) = n n + o (1) = + o (1).
n
2
2 n
1
n
1
=n
( n12 )
1 + 2n1 + o ( 1n )
n

1
1
1
=n 1 + o
= n + o (1).
2n n n
2 n
1
+ o
2n2
n
On conclut : lim E(Zn ) =

n
1
.
2
c) Soit x R. Calculons lim P(Zn x).

n
P(k Xn k + x)
k=0

+

1 t/n
k/n

e
dt =
e (k+x)/n
=
e
n
k
k=0
k=0
+

1/n k 1 e x/n

x/n
e
=
.
= 1 e
1 e 1/n
k=0
+ $ k+x

donc :
2e cas : si x 1, alors P(Zn x) = 1.

+
1
1
n(1 e 1/n )
e 1/n = 1 +
Soit x R.
3e cas : si 0 x < 1, alors (Zn x) =
x fn (x) dx.
0
a) Soit n N .
1er cas : si x < 0, alors P(Zn x) = 0.
On a :
Puisque x R, Ent(x) x < Ent(x) + 1, la va Zn prend ses

valeurs dans [0 ; 1[.
$
x fn (x) dx =
$ 1
&1
%
x e x/n dx = nx e x/n 0 + n
e x/n dx par IPP
0
0
%
&
1
= nx e x/n n2 e x/n 0 = n e 1/n n2 e 1/n + n2 .
n r1
On en dduit que la compagnie arienne peut vendre jusqu

514 places pour tre sre 99% que le nombre de passagers se
prsentant lembarquement soit infrieur ou gal 500.
Or :
est continue en 0 et en 1, donc continue sur R.
1er cas : si x < 0, alors P(Zn x) = 0 0.

n
2 cas : si x 1, alors P(Zn x) = 1 1.

e
3 cas : si 0 x < 1, alors

e
P(Zn x) =
x/n
1 e x/n
= x x.
n
1 e 1/n n 1/n
235
Chapitre 7
Considrons U une va de loi uniforme sur [0 ; 1[.
Alors : x R, P(X x) =
x R, P(Zn x) P(U x).
On a alors :
Ainsi : x R, P(Nn x) P(X x).
On en dduit que (Zn )

forme sur [0 ; 1[.
nN
converge en loi vers U, de loi uni-
On en dduit que (Nn )n1 converge en loi vers la va X.
1
Remarque : On a E(U) = , et donc lim E(Zn ) = E(U), ce qui
n
2
nest pas toujours le cas comme le montre lexercice 7.2.
Soit n N tel que n . Dterminons la loi de Nn .

La va Nn prend ses valeurs dans
k
n

; k N .
k
Pour tout k N , on a : P Nn =

n
= P inf i 1 ; Xi,n = 1 = k

= P X1,n = 0, . . . , Xk1,n = 0, Xk,n = 1

= P(X1,n = 0) P(Xk1,n = 0)P(Xk,n = 1)

par indpendance des va

k1
.
= 1
n
n
Remarque : n Nn suit la loi gomtrique de paramtre
7.19
a) Soit x R. Alors, pour tout n de N :

x + ln n
P(Zn x) = P(Mn x + ln n) = P Mn

x + ln n
x + ln n
, . . . , Xn
= P X1

x + ln n
x + ln n
. . . P Xn
= P X1

*
x + ln n +n
= P X1
car les va ont la mme loi.
7.18
.
n
Soit x R. Calculons lim P(Nn x).

n
1er cas : Supposons x 0. Pour tout n 1, P(Nn x) = 0,

donc :
0
si x 0
.
1 e x si x > 0
x + ln n
0,
x + ln n n
Pour tout n de N tel que n > e x , on a :

P(Zn x) = 1 exp

e x n

e x
= 1
= exp n ln 1
.
n
n

e x
e x
n
= e x e x .
Or : n ln 1
n
n n
n
et donc :
Donc :
P(Zn x) exp( e x ).
n
Notons F la fonction dfinie sur R par :
P(Nn x) 0.
n
1
2 cas : Supposons x > 0. Pour tout n 1 tel que n > , notons
x
kn = Ent(nx).
x R, F(x) = exp( e x ).
On a :
kn + 1
kn
1
x<
et kn 1 (car x ).
n
n
n
n

kn
j
P(Nn x) = P Nn
=
P Nn =
n
n
j=1
Ainsi :
kn

j=1
j1
n
1 (1 n )kn
1 (1 n )

kn
.
=1 1
n

kn
= e kn ln(1 n ) ,
Or : 1
n

et kn nx (car kn = Ent(nx)),
avec ln 1
n
n n n

x x.
donc : kn ln 1
n
n n
Ainsi :
P(Nn x) 1 e
n
Considrons une va X suivant la loi exponentielle de paramtre .

236
Montrons que F est la fonction de rpartition dune va densit.

La fonction F est C 1 sur R (et donc continue sur R).
De plus :
x R, F (x) = e x exp( e x ) > 0,
donc F est strictement croissante sur R.
0, donc lim F = exp(0) = 1
e x+
+
.
Enfin :
e x , donc lim F = lim exp = 0

x
Ainsi F est la fonction de rpartition dune va X densit, admettant pour densit la fonction f dfinie par :
x R, f (x) = F (x) = e x exp( e x ).
On en dduit que (Zn )nN converge en loi vers la va X.
b) Soit x R. Alors, pour tout n de N :

ncx
P(Zn x) = P
Mn x = P Mn
nc
ncx
ncx

, . . . , Xn
= P X1

ncx
ncx
= P X1
. . . P Xn

ncx n
= P X1
car les va ont la mme loi.
$ ncx
*1

c
ncx
t + ncx
=
Or : P X1
dt = Arctan
2 + t2 )
(c
nx 1 1
nx 1
1

= Arctan
+ .
= Arctan
2
1
nx 1 n
Donc : x R, P(Zn x) = Arctan
+
= e un , en
2
1
nx 1
notant un = n ln Arctan
+ .
2
Soit x R. Dterminons lim P(Zn x).
n
nx
Supposons x < 0. Alors Arctan
1
nx 1
Arctan
+ 0, puis un
n
2 n
On en dduit :
, donc
n
2
Enfin : lim F = 0 et
Ainsi F est la fonction de rpartition dune va X densit, admettant pour densit la fonction f dfinie par :
0
si x 0
.
x R, f (x) =
1
1/x
2e
si x > 0
x
On en dduit que (Zn )nN converge en loi vers la va X.
7.20
a) 1) La va Xn prend ses valeurs dans N .
on choisit lurne i .
1
= n ln!"
2 .
n
2
P(Zn x) 0.
n
nx
Supposons x > 0. Alors Arctan

n
1
nx 1
Arctan
+ 1. On a alors :
2 n
n
1
nx 1
+
1 = Arctan
un n Arctan
n
, donc
2
nx
.
Alors les vnements A1 , . . . , An forment un systme complet

1
dvnements et, pour tout i de 1 ; n, P(Ai ) = .
n
Daprs lnonc, la loi conditionnelle de Xn sachant lvi
nement Ai est la loi gomtrique de paramtre .
n
On en dduit, daprs la formule des probabilits totales :
k N , P(Xn = k) =
=
y > 0, Arctan y + Arctan
1
= ,
y 2
n

Arctan
.
nx
On en dduit :
1
1
n
= .
nx
x n x
P(Zn x) e 1/x .
n
Notons F la fonction dfinie sur R par :

0 si x 0
.
x R, F(x) =
e 1/x si x > 0
Montrons que F est la fonction de rpartition dune va densit.
La fonction F est C 1 sur R priv ventuellement de 0.
1
De plus, lim+
F = 0 = F(0) = lim
F.
= et donc lim
x0
0+
0
x
Ainsi F est continue en 0 et donc sur R.
n

i k1 i
1
i k1 i
1
=
.
1
n
n
n n i=1
n
n
a) 2) Puisque la loi conditionnelle de Xn sachant Ai est la loi

i
gomtrique de paramtre , on obtient :
n
E(Xn | Ai ) =
y0
P(Ai )PAi (Xn = k)
n

1
i=1
Enfin, puisque Arctan y y, on obtient :

un
n

i=1
En utilisant lgalit :
un
1
0, donc lim F = exp(0) = 1.
+
x x+
Notons, pour tout i de 1 ; n, Ai lvnement :
0
on obtient :
1 1/x
e
0.
x2
Donc F est croissante sur R+ , puis F est croissante sur R.
P(Zn x) 0.
Supposons x = 0. Alors un = n ln
On en dduit :
x > 0, F (x) =
De plus :
1
i
n
n
.
i
Puis par la formule de lesprance totale :

E(Xn ) =
n

P(Ai )E(Xn | Ai ) =
i=1
Puisque la srie
n

1
i=1
n 1
=
.
i
i
i=1
n
1
diverge (il sagit dune srie de Riei

mann avec = 1) et quelle est termes positifs, on en dduit :
n

1
lim E(Xn ) = +.
+. On conclut :
n
i n
i=1
i1
a) 3) Puisque les va Xn prennent leurs valeurs dans N , pour

tudier la convergence en loi, il sut de calculer, pour tout k
de N , lim P(Xn = k).
n
237
Chapitre 7
Soit k N . Alors :
n N ,
$ 1
n
i k1 i
1
1
(1 x)k1 x dx,
P(Xn = k) =
n i=1
n
n n 0
daprs le thorme sur les sommes de Riemann, appliqu la
fonction x (1 x)k1 x qui est continue sur [0 ; 1].
$ 1
On a, par IPP :
(1 x)k1 x dx
0
* (1 x)k +1 $ 1 (1 x)k
dx
= x
0
k
k
0
* (1 x)k+1 +1
1
=
=
.
k(k + 1) 0 k(k + 1)
1
et montrons que
Notons, pour tout k N , pk =
k(k
+ 1)

(k, pk ) ; k N est bien la loi dune va discrte.
k N , pk 0.
K

pk =
k=1
K

1
k=1
Donc :
1
1
=1
1.
k+1
K + 1 K
pk converge et
+

k1
pk = 1.
k=1
On en dduit quil existe une va X discrte telle que :

X() = N
et
k N , P(X = k) =
1
.
k(k + 1)
On obtient alors : k N , lim P(Xn = k) = P(X = k).

n
On en dduit que la suite (Xn )nN converge en loi vers X.

Enfin :
car la srie
K N ,
1
k1
K

kpk =
k=1
K

k=1
K+1

1
1
=
+,
k+1
k K
k=2
diverge et est termes positifs.
Puis par la formule de lesprance totale :

E(Yn ) =
P(Ai )E(Yn | Ai ) =
i=1
On conclut : lim E(Yn ) =

n
n
n

p
1 pi
i
= 2
n
n
n i=1
i=1
p
n(n + 1)
p(n + 1)
= 2
=
.
n
2
2n
p
.
2
b) 3) Raisonnons de la mme faon quau a).

Soit k 0 ; p. Alors : n N ,

n
i pk
p
1 i k
1
P(Yn = k) =
n i=1 n
n
k
$ 1
p
xk (1 x) pk dx,
n k
0
daprs le thorme sur les sommes de Riemann, appliqu la
fonction x xk (1 x) pk qui est continue sur [0 ; 1].
$ 1
xk (1 x) pk dx.
Notons, pour tout k de 0 ; p, Ik =
0
* (1 x) pk+1 +1
Par IPP, on a : Ik = xk
pk+1 0
$ 1
k
k
+
xk1 (1 x) p(k1) dx =
Ik1 .
p+k1 0
pk+1
De proche en proche, on obtient :
k
k(k 1)
Ik1 =
Ik2
p+1k
(p + 1 k)(p + 1 (k 1))
k(k 1) 1
= =
I0 .
(p + 1 k)(p + 1 (k 1)) (p + 1 1)
$ 1
* (1 x) p+1 +1
1
,
Puisque I0 =
(1 x) p dx =
=
0
p+1
p+1
0
Ik =
on obtient :
On conclut que X nadmet pas desprance.
k!(p k)!
k(k 1) 1
=
.
(p + 1 k) p(p + 1)
(p + 1)!

p k!(p k)!
P(Yn = k)
n k (p + 1)!
k!(p k)!
1
p!
=
.
=
k!(p k)!
(p + 1)!
p+1
Ik =
b) 1) La va Yn prend ses valeurs dans 0 ; p.
On en dduit :
En conservant les mmes notations quau a), la loi conditionnelle de Yn sachant lvnement Ai est la loi binomiale de
i
paramtre p, .
n
Considrons Y une va de loi uniforme sur 0 ; p.
On en dduit, daprs la formule des probabilits totales :
k N , P(Yn = k) =
n

n

b) 2) On a :
Alors : k 0 ; p, P(Yn = k) P(Y = k).

n
P(Ai )PAi (Yn = k)
i=1
p i k
i pk
1
1
n
k
n
n
i=1
n
i pk
p
1 i k
1
=
.
k
n i=1 n
n
238
n

i 1 ; n, E(Yn | Ai ) =
On en dduit que la suite (Yn )nN converge en loi vers Y.

Enfin, daprs le cours :
E(Y) =
p
.
2
Daprs b) 2), on conclut : lim E(Yn ) = E(Y).

n
pi
.
n
7.21
a) Dterminons la fonction de rpartition Fn de Vn .
Puisque la va Vn prend ses valeurs dans [0 ; n], on a :

x R, Fn (x) = 0 si x < 0 et
Fn (x) = 1 si x > n.
Il reste calculer Fn (x) lorsque 0 x n.

Soit x R tel que 0 x n.
Alors :
P(Vn > x) = P(X0 > x, . . . , Xn > x)
= P(X0 > x) P(Xn > x)

x n+1
= 1
n

car X0 , . . . , Xn U ([0 ; n]).

x n+1
.
Fn (x) = 1 P(Vn > x) = 1 1
n
On en dduit :

x
px n
Donc : Gn (x) = 1 1
.
1
n
n
On conclut : x R,
1 1
Gn (x) =
c) Soit x R.
Si x < 0, alors : n 1, Gn (x) = 0 0.
n
Si x 0, alors :
tudions la convergence en loi de (Vn )nN .

Soit x R.
et
Si x < 0, alors :
n 1, Fn (x) = 0 0.
n
n x, Fn (x) = 1 e (n1) ln(1 n )

x
x
et (n 1) ln 1
n
= x x,
n
n n
n
donc :
Fn (x) 1 e x .
P(Wn > x) 1 e px = e px ,
n
et on en dduit : Gn (x) 1 e px .
n
Considrons W une va de loi exponentielle de paramtre p.

On a alors : x R, P(Wn x) P(W x).
n
Considrons V une va de loi exponentielle de paramtre 1.

x R, P(Vn x) P(V x).
On a alors :
On en dduit que (Wn )nN converge en loi vers W.
7.22
On en dduit que (Vn )nN converge en loi vers V.
a) Soit k N .
b) Puisque la va Wn prend elle-aussi ses valeurs dans [0 ; n],

on a :
Lvnement (Xn > k) est ralis si et seulement si les k numros obtenus lors des k premiers tirages sont rangs par ordre
strictement dcroissant.
x R, Gn (x) = 0 si x < 0 et Gn (x) = 1 si x > n.

Il reste calculer Gn (x) lorsque 0 x n.
Soit x R tel que 0 x n. On a :

x n ln(1 px )
n
e
n x, P(Wn > x) = 1 Gn (x) = 1
n

px
px
n ln 1
n
= px px,
n
n n
n
donc :
Si x 0, alors :
0
si x < 0
x
px n
1
si 0 x n .
n
n
1
si x > n
P(Wn > x) =
=
=
=
n

k=0
n

k=0
n

n

P(Nn = k, Wn > x)
k=0
P(Nn = k, min(X0 , . . . , Xk ) > x)

P(Nn = k, X0 > x, . . . , Xk > x)
P(Nn = k)P(X0 > x) P(Xk > x)
k=0

x k+1
p (1 p) 1
=
n
k
k=0
n

px k
x n
p
= 1
(1 p)nk
n k=0 k
n

n
px
px n
x
x
p
1
= 1
.
+1 p = 1
n
n
n
n
n

n
nk
Si k n + 1, alors cet vnement est impossible.

Ainsi : k n + 1, P(Xn > k) = 0.
Supposons k n. Puisque les tirages seectuent avec rek
mise,
il y a n rsultats possibles pour les k premiers tirages,

n
et
rsultats amenant des numros rangs par ordre strictek
ment dcroissant (en
eet, il faut choisir les k numros distincts
que lon obtient ( nk choix), puis ranger ces numros par ordre
strictement dcroissant (1 choix)).

1 n
Ainsi : k 1 ; n, P(Xn > k) = k .
n k
La va Xn prend ses valeurs dans 2 ; n + 1, car il est impossible dobtenir n + 1 numros ou plus rangs par ordre strictement dcroissant.
Soit k 2 ; n + 1. Alors :
P(Xn = k) = P(Xn > k 1) P(Xn > k).
239
Chapitre 7

n
1 n
nk1 k 1
nk k

1
n!
n!
n
nk (k 1)!(n k + 1)! k!(n k)!

n!
1
nk (n + 1 k)
nk k!(n + 1 k)!
n!
1
(n + 1)(k 1)
nk k!(n + 1 k)!

k 1 (n + 1)!
k1 n+1
.
=
nk k!(n + 1 k)!
nk
k
Si k 2 ; n, P(Xn = k) =
=
=
=
=
k 2 ; +, pk 0.
K

pk =
K

k=2
converge et
k=2
+

1
1
1
= 1
pk
1, donc :
(k 1)! k!
K! K
k2
pk = 1.
k=2
On en dduit quil existe une va X discrte telle que :

X() = 2 ; + et
k 2 ; +, P(X = k) =
Si k = n + 1, P(Xn = k) = P(Xn > n)

1
(n + 1) 1 n + 1
1 n
= n =
;
= n
n n
n
nn+1
n+1
On a alors : k 2 ; +, lim P(Xn = k) = P(X = k).
donc lgalit prcdente est encore vraie pour k = n + 1.

k1 n+1
Ainsi : k 2 ; n + 1, P(Xn = k) = k
.
n
k
Montrons que X admet une esprance et calculons E(X).
On conclut que la suite (Xn )nN converge en loi vers X.
K 2,
On a :
K

K

k(k 1)
k!
k=2
K
K2

1
1
=
=
e .
(k 2)! k=0 k! K
k=2
kP(X = k) =
k=2
b) La va Xn est une va finie, donc Xn admet une esprance, et

n+1

k P(Xn = k)
lon a : E(Xn ) =
k=2

n+1
n + 1 1 k
n 1 1 k
=
k(k 1)
=
n(n + 1)
n
k
k2 n
k=2
k=2

n1

n 1 1 k+2
= n(n + 1)
n
k
k=0

n1
n(n + 1) n 1 1 k n1k
=
1
n2
n
k
k=0
n(n + 1)
1 n
1 n1
=
= 1+
.
1+
n2
n
n

1 n
1
On a : 1 +
= e n ln(1+ n ) ,
n

1
1
n = 1 1,
et : n ln 1 +
n
n n
n

1 n
donc : lim 1 +
= e.
n
n
n+1

On conclut :
lim E(Xn ) = e .
Ainsi X admet une esprance et E(X) = e .

On obtient alors, daprs b) : lim E(Xn ) = e = E(X).
n
7.23
a) La fonction f est continue sur R, sauf ventuellement en 0,
et est positive sur R. De plus :
$ A
%
2 &A
2
f (x) dx = e x /2 0 = 1 e A /2 1.
A > 0,
$
A+
f converge et
f = 1. Puisque f est nulle
0
0
$ +
$ +
f converge et
f = 1.
sur R , alors
Ainsi
On conclut que f est une densit dune va X.

b) Puisque g est de classe C 1 sur R+ , on a, daprs la formule
de Taylor-Young :
c) Puisque les va Xn prennent leurs valeurs dans 2 ; +, pour

tudier la converge en loi, il sut de calculer, pour tout k de
2 ; +, lim P(Xn = k).
n
Soit k 2 ; +. On a :

k1 n+1
n k, P(Xn = k) = k
n
k
k1
k 1 nk
k 1 (n + 1)n (n k + 2)
=
.
=
k
n
n
k!
nk
k!
k!
k1
et montrons que
Notons, pour tout k 2 ; +, pk =
k!

(k, pk ) ; k 2 ; + est bien la loi dune va discrte.
240
k1
.
k!
g(x) = g(0) + g (0)x+ o (x) = cx+ o (x).

x0
x0
Notons F la fonction de rpartition de la va X1 .

Alors, puisque g est nulle sur R , on a :
$ x
$ x
g(t) dt =
g(t) dt.
x 0, F(x) =
Ainsi F est la primitive de g qui sannule en 0. On a donc,

daprs le cours sur les dveloppements limits :
x 0, F(x) = F(0) + c
c
x2
+ o (x2 ) = x2 + o (x2 ).
x0
2 x0
2
c) 1) Puisque g est nulle sur R , les va Xn prennent presquesrement leurs valeurs dans R+ , et donc Yn aussi.

Soit > 0. On a : P |Yn 0| = P(Yn )
= P(X1 , . . . , Xn )
= P(X1 ) P(Xn )
= P(X1 > ) P(Xn > )
car les va Xi sont densit
n

car les va Xi ont la mme loi
= P(X1 > )

n
= 1 F() .
c 2
x et que F est une fonction positive ou
2
nulle, on en dduit que c 0.
Puisque F(x) +
x0
Ainsi, il existe > 0 tel que : x ]0 ; ], F(x) > 0.
x > 0, F(x) > 0.
On conclut que (Yn )n1 converge en probabilit vers la variable

certaine gale 0.
c) 2) Analyse : Supposons quil existe une suite (an )n1 de rels
strictement positifs telle que (an Yn )n1 converge en loi vers X.
x R, P(an Yn x) P(X x)
n
0 si x < 0
$ x
2
2
=
.
t e t /2 dt = 1 e x /2 si x 0
En particulier :
Soit x R.
Si x < 0, alors P( nc Yn x) = 0 0 = P(X x).

n
Si x 0, alors, en raisonnant de la mme faon que prcdemment :

x n
n ln 1F( x )
nc ,
= e
P( nc Yn > x) = 1 F
nc

c x 2
x
x
nF
n
n ln 1 F
2 nc
nc n
nc n
x2
x2
= = P(X > x),
n
2
2
donc : P( nc Yn x) P(X x).
On conclut que ( nc Yn )nN converge en loi vers X.
a) 1) La va Xn prend ses valeurs dans 0 ; n.

Soit k 0 ; n. Pour raliser lvnement (Xn = k), il faut :

n
choisir k lments distincts de 1 ; n :
choix,
k
envoyer ces k lments sur eux-mmes : 1k = 1 choix,
envoyer les (n k) lments restants sur un lment de
1 ; n, autre que lui-mme : (n 1)nk choix.

n
Ainsi : Card (Xn = k) =
(n 1)nk .
k
De plus :
x 0, P(an Yn > x) = 1 P(an Yn x) e

n
x2 /2

x n

x
Or : x 0, P(an Yn > x) = P Y > ) = 1 F
en
an
an
raisonnant de la mme faon quau c) 1).
Supposons de plus que lim an = +. Dans ce cas :
n
et :
nc.
Synthse : Montrons que la suite ( nc Yn )nN converge en loi

vers X.
7.24
On en dduit : > 0, 0 1 F() < 1,

n
donc : 1 F() 0, do : P |Yn 0| 0.
puisque F est continue en 0, F
Enfin, puisque F est une fonction croissante, on a galement :

x [, +[, F(x) F() > 0.
Alors :
n N , an =
et
Or, par hypothse, c 0, et donc c > 0.

c
On a donc : F(x) + x2 et c > 0.
x0 2
On a donc :
cest--dire :
x
F(0) = 0,
an n
x

x
c x 2 nc x2
.
nF
n
= 2
n ln 1 F
an n
an n
2 an
an 2

x
x2
Pour que n ln 1 F
, il sut que :
an n 2
nc
n N , 2 = 1,
an
Card(En ) = nn .
On en dduit :
P(Xn = k) =

Card (Xn = k)
n (n 1)nk
=
.
Card(En )
k
nn
a) 2) Soit k N. Puisque les va Xn prennent leurs valeurs

dans N, pour tudier la convergence en loi de (Xn )nN , il sut
de calculer lim P(Xn = k).
n
On a :
n k, P(Xn = k) =

1 nk
n 1
1
.
k nk
n

nk
n
n(n 1) (n k + 1)
,
=
n k!
k!
k

n 1
1
1
donc :
;
k nk n k! n k!
Or :
241
Chapitre 7

1
1
n
= 1 1,
(n k) ln 1
n
n n
n

1 nk
donc : 1
e 1 .
n
n
et :
1 1
1k
e = e 1 .
n k!
k!
Considrons X une va de loi de Poisson de paramtre 1.
P(Xn = k)
On en dduit :
On a alors :
k N, lim P(Xn = k) = P(X = k).

n
On conclut que (Xn )nN converge en loi vers X.

b) 1) Notons pn le nombre de permutations de Fn ne prsentant aucun point fixe et qn le nombre de permutations de Fn
prsentant au moins un point fixe.
Soit k 0 ; n. Pour raliser lvnement (Yn = k), il faut :

n
choisir k lments distincts de 1 ; n :
choix,
k
envoyer ces k lments sur eux-mmes : 1k = 1 choix,
dfinir une permutation de lensemble des (n k) lments
restants sans aucun point fixe : pnk choix.

n

pnk .
Ainsi : Card (Yn = k) =
k
De plus :
pn = Card(Fn ) qn = n! qn .
On a alors :
Notons galement, pour tout i de 1 ; n, Ai lensemble des permutations f de Fn telles que f (i) = i (i est alors un point fixe
de f ).
On a alors qn = Card(A1 An ), et la runion des Ai nest
pas disjointe. Appliquons donc la formule du crible :
n

(1)i+1
Card Ak1 Aki .
qn =
i=1
1k1 <<ki n
Or, pour tout i de 1 ; n, les ensembles A

k1 Aki ont tous
n
le mme cardinal, gal (n i)!, et il y a
ensembles de cette
i
forme. On obtient alors :

n
n

(1)i+1
n
qn =
(1)i+1 (n i)! = n!
.
i!
i
i=1
i=1
On en dduit :
242
b) 2) La va Yn prend ses valeurs dans 0 ; n.
pn = n! n!
n

(1)i+1
i!
i=1
n
n

(1)i
(1)i
= n!
.
= n! + n!
i!
i!
i=1
i=0
Card(Fn ) = n!.
On en dduit :
P(Yn = k) =
=

Card (Yn = k)
n pnk
=
Card(Fn )
k n!

nk
nk

1 (1)i
(1)i
n 1
(n k)!
=
.
i!
k! i=0 i!
k n!
i=0
b) 3) Soit k N.
Comme prcdemment, calculons lim P(Yn = k).
n
nk
1
1 (1)i
e 1 ,
k! i=0 i! n k!
+

(1)i
(1)i
converge et
= e 1 .
car la srie
i!
i!
i0
i=0
On a :
n k, P(Yn = k) =
On a alors : k N, lim P(Yn = k) = P(X = k),

n
o X est une va qui suit la loi de Poisson de paramtre 1.

On conclut que (Yn )nN converge elle-aussi en loi vers X.
Estimation, statistique
Plan

noncs des exercices
245
Du mal dmarrer ?
254
257
CHAPITRE
Calculer le biais et le risque quadratique dun estimateur
Montrer quun estimateur est sans biais
Montrer quun estimateur est asymptotiquement sans biais
Montrer quun estimateur est convergent
Dterminer un intervalle de confiance dun paramtre un risque donn ou un

niveau de confiance donn
Dterminer une quation de la droite de rgression pour une srie statistique

double.

va.

Une table de la loi normale centre rduite figure page 275.
Dfinition dun n-chantillon, dun n-chantillon indpendant et identiquement

distribu
Estimateur dun paramtre, biais dun estimateur, risque quadratique dun estimateur, estimateur sans biais, estimateur asymptotiquement sans biais, estimateur convergent (ou consistant)
Intervalle de confiance dun paramtre un risque donn (ou un niveau de

confiance donn), exemple dun intervalle de confiance du paramtre dune loi
de Bernoulli, exemple dun intervalle de confiance de lesprance dune loi normale dcart-type donn
Caractristiques dune srie statistique (simple) : moyenne, variance empirique,

cart-type empirique, ...
Caractristiques dune srie statistique double : covariance empirique, coecient de corrlation empirique
Droite de rgression (ou droite des moindres carrs) associe une srie statistique double.
243
Chapitre 8
Les mthodes retenir

Pour calculer
le biais bT n ()
dun estimateur T n de g()
Utiliser la dfinition du cours : si T n admet une esprance, alors

bT n () = E(T n ) g().

Utiliser la dfinition du cours :
Pour montrer
quun estimateur T n de g()
est sans biais
lestimateur T n de g() est sans biais

le biais de T n est nul
E(T n ) = g()
Exercices 8.1, 8.7, 8.10, 8.11, 8.13 8.18, 8.20, 8.21.

Pour montrer
est asymptotiquement sans biais
lestimateur T n de g() est asymptotiquement sans biais

le biais de T n tend vers 0 lorsque n tend vers +
lim E(T n ) = g().
n
Exercices 8.1, 8.2, 8.11, 8.14, 8.17 8.19.

Pour calculer
le risque quadratique rT n ()
dun estimateur T n de g()
si T n admet un moment dordre 2, alors

*
+
rT n () = E T n g() 2 = V(T n ) + bT n ()2
si, de plus T n est un estimateur sans biais (cest--dire bT n () = 0),

alors
rT n () = V(T n ).
Exercices 8.2, 8.7, 8.14 8.16, 8.20.

lestimateur T n de g() est convergent (ou consistant)
la suite de va (T n )n converge en probabilit vers la variable

certaine gale g()

> 0, P |T n g()| 0.
Pour montrer
est convergent
Pour montrer cette convergence en probabilit, penser utiliser lingalit de Markov ou lingalit de Bienaym-Tchebychev.
Exercices 8.1, 8.2, 8.10, 8.11, 8.15, 8.17 8.19, 8.21.

Pour dterminer
un intervalle de confiance de g()
au risque ou
au niveau de confiance 1
244
Dterminer deux estimateurs de g() Un et Vn tels que :

P Un g() Vn 1 .
Exercices 8.9, 8.10, 8.17, 8.18
noncs des exercices
Si g() est le paramtre p dune loi de Bernoulli, alors considrer :

(X1 , . . . , Xn ) un n-chantillon indpendant et identiquement distribu de la loi de Bernoulli de paramtre p
t le rel dfini par (t ) = 1 , o est la fonction de rpar2

tition de la loi normale centre rduite ;
un intervalle de confiance de p au risque est alors :
* X1 + + Xn
t
t +
X1 + + Xn
;
+ .
n
n
2 n
2 n
Exercices 8.3, 8.10, 8.17

(suite)
Si g() est lesprance m dune loi normale dcart-type donn,

alors considrer :
(X1 , . . . , Xn ) un n-chantillon indpendant et identiquement distribu de la loi normale desprance m et dcart-type
t le rel dfini par (t ) = 1 , o est la fonction de rpar2

tition de la loi normale centre rduite ;
un intervalle de confiance de m au risque est alors :
* X1 + + Xn t X1 + + Xn t +
;
+ .
n
n
n
n
Exercices 8.4, 8.6.
Pour dterminer une quation

de la droite de rgression de y en x
de la srie statistique double

(xi , yi ) ; i 1 ; n
Utiliser le rsultat du cours :

la droite de rgression linaire de y en x a pour quation :
y
Cov(x, y)

y y = x,y
xx =
xx ,
2
x
x
o : x (resp. y) et x (resp. y ) dsignent la moyenne et lcart-type

empirique de la srie statistique xi ; i 1 ; n (resp. yi ; i 1 ; n )
Cov(x, y) dsigne la covariance empirique de x et y
x,y dsigne le coecient de corrlation empirique entre x et y
Cov(x, y)
.
dfini par : x,y =
x y
Exercices 8.5, 8.8.
noncs des exercices

8.1 Estimation dune esprance et dune variance
On considre une suite de va (Xn )nN , mutuellement indpendantes, de mme loi et admettant
une esprance m et une variance 2 , avec > 0.
245
Chapitre 8
a) Montrer que la moyenne empirique Xn =

convergent de m.
X1 + + Xn
est un estimateur sans biais et
n
b) On suppose, dans cette question, que m est connu.

n
1
Montrer que la va T n =
(Xk m)2 est un estimateur sans biais de 2 .
n k=1
c) On suppose, dans cette question, que m est inconnu. On note Vn =
n
1
(Xk Xn )2 .
n k=1
1) Montrer que Vn est un estimateur asymptotiquement sans biais de 2 et calculer le biais de

cet estimateur.
2) Construire, partir de Vn , un estimateur sans biais de 2 .
8.2 Condition susante pour un estimateur convergent

Soit T n un estimateur de g().
a) Montrer que, si le risque quadratique de T n tend vers 0 lorsque n tend vers linfini, alors T n
est un estimateur convergent de g().
b) En dduire que, si T n est un estimateur asymptotiquement sans biais de g() et si la variance
de T n tend vers 0 lorsque n tend vers linfini, alors T n est un estimateur convergent de g().
8.3 Obtention dun intervalle de confiance dune proportion

Un institut de sondage a observ, sur un chantillon de 2000 personnes prises au hasard, 1060
intentions de vote en faveur dun candidat A.
a) Estimer la proportion dintentions de vote en faveur du candidat A dans la population laide
dun intervalle de confiance 90%, puis 95%, et enfin 99%.
b) Combien de personnes faut-il interroger pour que la longueur de lintervalle de confiance de
p 95% soit infrieure ou gale 0.02 ?
8.4 Obtention dun intervalle de confiance dune moyenne

On souhaite estimer la masse m dun certain objet. Pour cela, on eectue des peses successives,
et lon note la masse moyenne obtenue.
On admet que la va X qui renvoie le rsultat de la pese de cet objet suit la loi normale desprance m et dcart type = 0.1.
a) On eectue 10 peses et on obtient une masse moyenne de 72.40 g. Donner un intervalle de
confiance 90% pour la masse de cet objet.
b) Combien de peses faudrait-il eectuer pour que la longueur de cet intervalle de confiance
90% soit infrieure ou gale 0.05 ?
8.5 Exemple dune srie statistique double

On considre la srie statistique suivante :
i 1 2 3 4 5 6 7 8 9 10 11
xi 5 4 3 2 1 0 1 2 3 4 5
yi 1 5 4 7 10 8 9 13 14 13 18
a) Calculer la moyenne et lcart-type empirique associe ces deux sries statistiques, ainsi
que la covariance empirique et le coecient de corrlation empirique entre x et y.
246
noncs des exercices
b) Reprsenter le nuage de points correspondant cette srie statistique double.

c) Dterminer une quation de la droite de rgression de y en x.
d) Donner une estimation de y pour x = 7.
8.6 Obtention dun intervalle de confiance dune moyenne

Dans une fabrique daliments, une machine remplit des botes. Sur 1000 botes, on constate que
la rpartition du poids est la suivante :
Poids xi en g [215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[
Eectifs ni
80
100
190
260
Poids xi en g [255 ; 265[ [265 ; 275[ [275 ; 285[
Eectifs ni
180
130
60
a) Calculer la moyenne x et lcart-type empirique x de cette srie statistique.
b) On suppose que la va X qui renvoie le poids dune bote suit la loi normale desprance m et
dcart type x (o x a t dtermin dans la question prcdente).
Dterminer un intervalle de confiance de m au risque 0.1, au risque 0.05 puis au risque 0.01.
8.7 Estimation du paramtre a de la loi uniforme sur [0 ; 2a], daprs loral HEC 2008
Soient a un rel strictement positif et X une va de loi uniforme sur [0 ; 2a].
Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu
de mme loi que X.
a) On pose Mn = max(X1 , . . . , Xn ).
1) Dterminer la loi de Mn et calculer son esprance et sa variance.
n+1
Mn est un estimateur sans biais de a.
2n
X1 + + Xn
b) On pose Vn =
. Montrer que Vn est aussi un estimateur sans biais de a.
n
c) Entre Un et Vn , quel estimateur choisir ?
2) En dduire que Un =
8.8 Exemple dune srie statistique double

Ltude dune raction chimique en fonction du temps nous donne les rsultats suivants :
Temps t (en heures)
1
2
3
4
5
Concentration C (en g/L) 6.25 6.71 7.04 7.75 8.33
Des considrations thoriques laissent supposer que la concentration C et le temps t sont lis
1
par la relation : C =
, o a et b sont des paramtres constants tels que b > 5a > 0.
at + b
Dterminer, par la mthode des moindres carrs, les valeurs numriques des paramtres a et b.
8.9 Exemple dobtention dun intervalle de confiance

Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu
m
de loi normale de moyenne m et dcart-type , avec m > 0, le paramtre m tant inconnu.
5
a) Soient ]0 ; 1] et t le rel tel que (t ) = 1 , o dsigne la fonction de rpartition

2
t2
de la loi normale centre rduite. On suppose que n > .
25
247
Chapitre 8
On note Xn =
X1 + + Xn
.
n
+
*
Xn
Xn
;5 n
est un intervalle de confiance de m au
Montrer que lintervalle 5 n
5 n + t
5 n t
niveau de confiance 1 .
b) Pour n = 100, une ralisation de ce n-chantillon nous donne une moyenne empirique de 12.0.
Dterminer une estimation dun intervalle de confiance de m 95%.
8.10 Exemples destimations et dintervalles de confiance, daprs EDHEC 2000

Un sondage consiste proposer larmation A certaines personnes dune population donne.
Le sujet abord tant dlicat, le stratagme suivant est mis en place afin de mettre en confiance
les personnes sondes pour quelles ne mentent pas ...
Lenquteur dispose dun paquet de 20 cartes, numrotes de 1 20, quil remet la personne
sonde. Celle-ci tire une carte au hasard et ne la montre pas lenquteur.
La rgle est alors la suivante :
si la carte porte le numro 1, la personne sonde rpond vrai si elle est daccord avec
larmation A et faux sinon ;
si la carte porte un autre numro, la personne sonde rpond vrai si elle nest pas daccord
avec larmation A et faux sinon.
Le but de lenqute est dvaluer la proportion p de personnes de cette population qui sont
rellement daccord avec larmation A.
a) On interroge une personne selon ce procd et on considre lvnement V suivant :
la personne rpond vrai .
On note = P(V). En utilisant la formule des probabilits totales, exprimer en fonction de p,
puis en dduire p en fonction de .
b) On considre un chantillon alatoire, de taille n, extrait de la population considre et on note
S n le nombre de rponses vrai obtenues. On suppose n assez grand pour pouvoir considrer
que cet chantillonnage est assimilable un tirage avec remise.
1) Donner la loi de S n , ainsi que son esprance et sa variance.
2) Montrer que
Sn
est un estimateur sans biais et convergent de .
n
c) Dans cette question, on suppose que lon a ralis un chantillon de 100 personnes et on
constate que 23 personnes ont rpondu vrai .
1) Donner une estimation ponctuelle de et de p.
2) Donner une estimation dun intervalle de confiance 95% de puis de p.
On rappelle que, si dsigne la fonction de rpartition dune variable X suivant la loi normale
centre rduite, alors (1.96) = 0.975.
8.11 Estimation du nombre N de boules dans une urne, daprs loral HEC 2008
Une urne contient N boules numrotes de 1 N. On sait que N est suprieur ou gal 2, mais
on ne connat pas sa valeur exacte et on cherche lestimer.
Pour cela, on eectue n tirages avec remise (n N ) et on note, pour tout k de 1 ; n, Zk le
numro de la boule obtenue au k-ime tirage.
248
noncs des exercices
a) On pose Mn =
n
1
Zk .
n k=1
1) Donner lexpression dun estimateur T n sans biais de N en fonction de Mn .

2) Montrer que cet estimateur est convergent. On pourra utiliser le rsultat de lexercice 8.2 b).
b) On pose S n = max(Z1 , . . . , Zn ).
1) Calculer, pour tout k de N, P(S n k).
2) Montrer que, pour toute va Y valeurs dans 1 ; N, on a la relation :
N

E(Y) =
P(Y k).
k=1
3) Montrer :
E(S n ) = N
N1

k n
k=0
, et en dduire :
E(S n ) N
N
.
n+1
4) Montrer alors que S n est un estimateur asymptotiquement sans biais de N.
8.12 Exemple de dtermination de la parabole des moindres carrs

On considre la srie statistique double suivante :
xi 2 1 0 1 2 3 4
yi 6 3 2 6 10 14 18
a) Dterminer la parabole des moindres carrs de y en x, cest--dire la courbe dquation
7

2
yi f (xi ) soit
y = f (x) = ax2 + bx + c (avec (a, b, c) R3 fix) de faon ce que
k=1
minimum.
b) Reprsenter sur une mme figure le nuage de points et la parabole obtenue.
8.13 Estimation de deux paramtres

Soit (b, ) R+ R. On suppose que X est une va densit qui prend ses valeurs dans [ ; +[,
dont une densit f est dfinie par :
0
si x <
x
1
.
x R, f (x) =
exp
si x
b
b
Soit n N tel que n 2 et soit (X1 , . . . , Xn ) un n-chantillon indpendant et identiquement
distribu de mme loi que X.
X1 + + Xn
On pose : Xn =
et T n = min(X1 , . . . , Xn ).
n
Xk
.
a) Soit k 1 ; n. Reconnatre la loi de Yk =
b
Y1 + + Yn
b) On pose Yn =
et Un = min(Y1 , . . . , Yn ). Calculer E(Yn ) et E(Un ).
n
c) Exprimer les va Xn et T n en fonction des va Yn et Un . En dduire E(Xn ) et E(T n ).
d) Dterminer un estimateur sans biais 4n de et un estimateur sans biais b4n de b sous la forme
de combinaisons linaires de Xn et T n .
8.14 Comparaison de plusieurs estimateurs, daprs loral ESCP 2006

Soit > 0. On note f la fonction dfinie sur R par :

2
x
1
si 0 x
x R, f (x) =
.
0
sinon
249
Chapitre 8

Dterminer la fonction de rpartition F de X, son esprance E(X) et sa variance V(X).
On cherche estimer laide dun chantillon (X1 , . . . , Xn ) de va indpendantes de mme loi
X1 + + Xn
que X. On pose : Xn =
et Mn = max(X1 , . . . , Xn ).
n
b) Dterminer la constante a pour que T n = aXn soit un estimateur sans biais de . Calculer le
risque quadratique de T n .
,
$ 1
c) On note In =
(1 t2 )n dt et on admet que In
.
n
4n
0
1) Dterminer la loi de Mn .
2) Montrer que E(Mn ) = (1 In ). Que peut-on en dduire sur Mn en tant questimateur de ?
3) Montrer que V(Mn ) = 2
1

In2 . Calculer le risque quadratique de Mn .
n+1
4) Entre T n et Mn , quel estimateur choisir ?

d) Donner un estimateur sans biais de de la forme Mn = an Mn , o an est un rel dpendant
de n.
Entre T n et Mn , quel estimateur choisir ?
8.15 Estimation de e pour la loi de Poisson de paramtre , daprs lESSEC 2009 et loral
ESCP 2006
Soit n 2. On dispose de n observations indpendantes notes X1 , . . . , Xn de mme loi de
Poisson de paramtre inconnu, ]0 ; +[. On souhaite estimer le paramtre e .

1 si Xk = 0
.
Pour tout k de 1 ; n, on dfinit la va Yk par : Yk =
0 sinon
Puis on note :
Yn =
n
1
Yk
n k=1
et S n =
n

Xk .
k=1
a) 1) Montrer que Yn est un estimateur sans biais de e .

2) Calculer V(Yn ) et en dduire que Yn est un estimateur convergent de e . On pourra utiliser
le rsultat de lexercice 8.2 b).
b) Pour tout j de N, calculer la probabilit conditionnelle P(S n = j) (X1 = 0), note ( j).
c) 1) Montrer que (S n ) est un estimateur sans biais de e .

2) Calculer V (S n ) et en dduire que (S n ) est un estimateur convergent de e . On pourra
utiliser le rsultat de lexercice 8.2 b).
d) Comparer les risques quadratiques des deux estimateurs Yn et (S n ).
8.16 Dtermination du meilleur estimateur non biais

Soit X une va discrte desprance E(X) = (avec R ) et de variance V(X) = 1.
Soit n N . On dispose dun n-chantillon (X1 , . . . , Xn ) de va mutuellement indpendantes et
n
1
Xi .
de mme loi que X. On pose Xn =
n i=1
a) Montrer que Xn est un estimateur sans biais de . Calculer son risque quadratique.
250
noncs des exercices
Soit (1 , . . . , n ) (R )n . On note Yn =
n

i Xi .
i=1
b) Donner une condition ncessaire et susante sur 1 , . . . , n pour que Yn soit un estimateur
sans biais de .
On suppose, dans la suite, que cette condition est vrifie.
c) Calculer Cov(Xn , Yn ). En dduire V(Xn ) V(Yn). Que dire si V(Xn ) = V(Yn ) ?
d) Interprter les rsultats obtenus sur les estimateurs Xn et Yn de .
8.17 Estimation du nombre dindividus dune population par capture-marquage-recapture

Afin dvaluer le nombre N dindividus dune espce animale vivant sur une le, on propose
dadopter la mthode de capture-marquage-recapture. Pour cela, on capture m individus (m tant
connu) que lon marque dun signe distinctif puis que lon relche sur lle (cest la phase de
capture-marquage).
La phase de recapture peut se faire (au moins) de deux faons.
a) Une premire faon consiste eectuer des recaptures successives avec remise, jusqu obtenir un individu marqu. On rpte cette exprience n fois (n tant connu) et lon note, pour
tout k de 1 ; n, Xk le nombre de captures eectues lors de la k-ime exprience. On note enfin
n
1
Xn =
Xk .
n k=1
1) Dterminer, pour tout k de 1 ; n, la loi de Xk , puis en dduire lesprance et la variance
de Xn .
2) En dduire un estimateur sans biais et convergent de N.
n m Xn n N
3) Montrer que la suite de terme gnral Nn =
converge en loi vers une va
N (N m)
de loi normale centre rduite.
4) Soit ]0 ; 1[. En dduire un intervalle de confiance de N au niveau de confiance 1 .
5) Sachant que lon a marqu m = 800 individus et quil a fallu 1000 captures pour obtenir
n = 200 individus marqus, donner une estimation dun intervalle de confiance de N 95%.
b) Une seconde faon consiste recapturer n individus (n tant connu) avec remise.
On note Yn le nombre dindividus marqus obtenus.
1) Dterminer la loi de Yn , son esprance et sa variance.
1
Yn
est un estimateur sans biais de .
nm
N
nm
comme estimateur de N ?
Peut-on prendre
Yn
1
3) Calculer lesprance de
.
Yn + 1
En dduire un estimateur asymptotiquement sans biais de N.
2) Montrer que
4) On note p la proportion dindividus marqus sur lle. Soit ]0 ; 1[. Donner un intervalle
de confiance de p au niveau de confiance 1 .
5) Sachant que lon a marqu m = 800 individus, que lon a recaptur n = 1000 individus
parmi lesquels 200 taient marqus, donner une estimation dun intervalle de confiance de p
95%, puis une estimation dun intervalle de confiance de N 95%.
251
Chapitre 8
8.18 Estimation et intervalle de confiance du paramtre dune loi exponentielle, daprs HEC
2010
Soit un rel strictement positif, inconnu et soit n N tel que n 3. On considre un nchantillon (X1 , . . . , Xn ) de va valeurs strictement positives, mutuellement indpendantes, de
n

n
Xk et 4n =
.
mme loi exponentielle de paramtre . On pose S n =
S
n
k=1
a) Donner une densit de S n .
b) Montrer que 4n admet une esprance et une variance et les calculer.
c) Lestimateur 4n de est-il sans biais ? asymptotiquement sans biais ? convergent ?
d) On souhaite dterminer un intervalle de confiance de au risque . On note la fonction de
rpartition de la loi normale centre rduite et t le rel strictement positif tel que (t ) = 1 .
2
Sn
1) Montrer que la suite de terme gnral Nn = n converge en loi vers une va de loi
n
normale centre rduite.
*

t
t +
2) En dduire que, pour n assez grand, lintervalle 1 4n ; 1 + 4n est un intervalle
n
n
de confiance de au risque .
e) Soit k > 1. On souhaite maintenant construire un intervalle de confiance de au risque tel
que la longueur de cet intervalle soit k fois plus petite que celle obtenue avec le risque .
1) Justifier lexistence de la fonction rciproque 1 de . Quel est son domaine de dfinition ?
1

.
2) Montrer : = 2 1
k
2
En dduire que > . Ce dernier rsultat tait-il prvisible ?
8.19 Obtention dun estimateur par la mthode du maximum de vraisemblance

Soit a un rel strictement positif. On note f la fonction dfinie sur R par :
a
a+1 si x 1
x R, f (x) =
.
x
0 sinon
On cherche estimer le paramtre a. Pour cela, on dispose dun n-chantillon (X1 , . . . , Xn ) de
va mutuellement indpendantes et de mme loi que X, avec n 2.
b) On dfinit la fonction L sur Rn R+ par :
(x1 , . . . , xn , a) Rn R+ , L(x1 , . . . , xn , a) =
n
-
f (xk ).
k=1
La fonction L est appele fonction de vraisemblance.

1) Calculer, pour tout (x1 , . . . , xn , a) Rn R+ , L(x1 , . . . , xn , a).
2) Soit (x1 , . . . , xn ) [1 ; +[n fix. tudier les variations sur R+ de la fonction
a qui rend maximum la fonction h. On pourra
h : a L(x1 , . . . , xn , a). En dduire la valeur 4

considrer la fonction g : a ln h(a) .
Puisque 4
a dpend de x1 , . . . , xn , on note 4
a = (x1 , . . . , xn ), o est une fonction de n variables.
On considre alors la va T n = (X1 , . . . , Xn ), appele lestimateur de maximum de vraisemblance de a.
252
noncs des exercices
c) On note S n =
n

ln(Xk ). Montrer que, pour tout k de 1 ; n, la va ln(Xk ) suit une loi expo-
k=1
nentielle. En dduire une densit de S n .

d) Calculer alors E(T n ) et V(T n ).
e) En dduire que T n est un estimateur asymptotiquement sans biais et convergent de a.
8.20 Estimation du paramtre dune loi de Poisson

Soit n un entier naturel non nul fix.
a) On dfinit lapplication f : Rn R, (x1 , . . . , xn )
n

x2i .
i=1
Dterminer les extremums de f sous la contrainte
n

xi = 1.
i=1
b) On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu de la loi

de Poisson de paramtre > 0 inconnu.
Montrer que, parmi les combinaisons linaires des va X1 , . . . , Xn , il existe un unique estimateur
T n sans biais de et qui est de variance minimale. Quel est lintrt de cet estimateur ?
8.21 Estimation de lcart-type dune loi normale centre, daprs loral ESCP 2007
Soit X une va qui suit la loi normale centre, dcart-type , le paramtre rel inconnu tant
strictement positif.
1
X2
suit la loi .
a) Montrer que la va T =
22
2
Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu,
de mme loi que X.
n
n
1 2
1 2
Xi et Yn =
X .
b) On pose : S n =
2
2 i=1
n i=1 i
1) Donner une densit de S n . En dduire que Yn est un estimateur sans biais de 2 .

2) En justifiant son existence, calculer E Yn en fonction de n et .
3) En dduire un estimateur 5
n sans biais du paramtre .
c) 1) En justifiant son existence, calculer V(5
n ) en fonction de n et .
5n est un estimateur
2) On admet que, pour tout x > 0, (x + n) nx (n 1)!. Montrer que
n
convergent de .
253
Chapitre 8
Du mal dmarrer ?
8.1
a) Calculer, dans un premier temps, E(Xn ) et V (Xn ). Puis

utiliser les dfinitions du cours.
Calculer E(Mn ) en utilisant la dfinition de lesprance, E(M2n )

en utilisant le thorme de transfert, puis en dduire V (Mn ).
Pour montrer que Xn est un estimateur convergent, utiliser lingalit de Bienaym-Tchebychev.
a) 2) Vrifier que E(Un ) = a.
b), c)1) Utiliser les dfinitions du cours.
c) Comparer les risques quadratiques des deux estimateurs.
c) 2) Chercher un estimateur Vn de la forme aVn de telle sorte

que E(Vn ) = 2 .
8.2

2
a) Appliquer lingalit de Markov la va Tn g() .
b) Utiliser les dfinitions du cours, et montrer que, dans ce cas,

le risque quadratique de Tn tend vers 0 lorsque n tend vers +.
8.3
a) Noter p la proportion dintentions de vote en faveur

du candidat A dans la population, n le nombre de personnes
interroges
et X1 , . . . , Xn les va dfinies par :
1 si la k-ime personne choisit le candidat A
Xk =
.
0 sinon
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi de Bernoulli de paramtre p.
En dduire, daprs le cours, un intervalle de confiance de p,
puis une estimation de cet intervalle.
b) Calculer la longueur de lintervalle de confiance obtenu

au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.02.
8.4
a) Noter n le nombre de peses effectues et X1 , . . . , Xn

les rsultats de ces peses. Alors (X1 , . . . , Xn ) est un nchantillon indpendant, identiquement distribu de la loi normale desprance m et dcart-type 0.1.
En dduire, daprs le cours, un intervalle de confiance de m,
b) Calculer la longueur de lintervalle de confiance obtenu

au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.05.
8.5
d) Faire x = 7 dans lquation obtenue dans la question c).
8.6
b) Noter n = 1000 le nombre de peses effectues,

X1 , . . . , Xn les rsultats de ces peses. Alors (X1 , . . . , Xn ) est un
n-chantillon indpendant, identiquement distribu de la loi
normale desprance m et dcart-type x = 16.
En dduire, daprs le cours, un intervalle de confiance de m,
en t.
1
et dterminer la droite de rgression de y
C
8.9
a) Commencer par dterminer la loi de Xn . En dduire

Xn m
que la va Xn = 5 n
suit la loi normale centre rduite.
m
Montrer ensuite :
5 n Xn
5 n Xn
m
.
P(t Xn t ) = P
5 n + t
5 n t
Conclure.
b) Donner une estimateur de cet intervalle de confiance, avec

n = 100, = 0.05, t0.05 1.96 et une ralisation de Xn gale
12.
8.10
a) Considrer lvnement E :
La personne est daccord avec laffirmation A .
Puis utiliser la formule des probabilits totales avec comme systme complet dvnements (E, E).
b) Remarquer :
Sn B(n, ).
c) 1) Estimer laide de la ralisation de Sn obtenue.

Pour estimer p, utiliser la relation entre p et .
c) 2) Dterminer un intervalle de confiance de , puis estimer

cet intervalle.
Pour estimer p par intervalle de confiance, utiliser la relation
entre p et .
x R, P(Mn x) = P(X x) .
a) 2) Calculer V (Tn ) puis utiliser lexercice 8.2.

n
b) 1) Obtenir : k N, P(Sn k) = P(Z1 k) .
b) 2) Utiliser la dfinition de lesprance et remplacer P(Y = k)
par P(Y k) P(Y k + 1). Faire apparatre des sommes tlscopiques.
N1
N1
$ k+1
N
1
1 k n
=
b) 3) Utiliser :
xn dx
.
k
n+1
N
N
N
k=0
b) 4) Montrer :
8.12
k=0
E(Sn ) N.
n
a) Noter S la fonction dfinie sur R3 par :
En dduire la fonction de rpartition puis une densit de Mn .
254
Poser y =
a) 1) Calculer E(Mn ) puis dterminer Tn sous la forme

aMn + b de sorte que E(Tn ) = N.
c) Appliquer la formule du cours donnant une quation de la

droite de rgression de y en x.
a) 1) Montrer :
8.8
8.11
a) Utiliser les formules du cours.
b) Immdiat.
8.7
b) Montrer que E(Vn ) = a.
(a, b, c) R3 , S(a, b, c) =
7

i=1
2
yi (axi2 + bxi + c) .
Du mal dmarrer ?
8.16
Pour (a, b) R2 fix, montrer que la fonction

g : R R, c S(a, b, c)
a) Montrer :
c) 1) Montrer :
Traiter le cas dgalit.
d) Comparer les risques quadratiques des deux estimateurs.
8.17
a) 1) Remarquer que, pour tout k de 1 ; n, la va Xk suit

m
.
N
5n = mXn .
a) 2) Considrer N
la loi gomtrique de paramtre
T n = + b Un .

n
x R, P(Mn x) = F(x) .
En dduire la fonction de rpartition et une densit de Mn .
c) 2) Pour calculer E(Mn ), utiliser la dfinition de lesprance,

x
et effectuer en
fin une intgration par parties.
puis faire le changement de variable t = 1

En dduire que lim E(Mn ) = .
n
c) 3) Calculer E(M2n ) de la mme faon que prcdemment.

En dduire V (Mn ). Conclure.
c) 4) Comparer les biais et les risques quadratiques des deux
estimateurs.
1
d) Obtenir an =
. Dterminer la limite du quotient
1 In
des deux risques quadratiques, et comparer cette limite 1.
Conclure.
8.15
a) Remarquer que, pour tout i de 1 ; n, la va Yi suit la

loi de Bernoulli de paramtre e .
b) Obtenir :
P(X1 = 0) P(X2 + + Xn = j)
.
j N, (j) =
P(Sn = j)
Dterminer la loi de Sn et la loi de X2 + + Xn .

c) Obtenir : E (Sn ) = e et V (Sn ) = e 2 e
i = 1.
Dvelopper V (Yn Xn ) pour en dduire V (Xn ) V (Yn ).
d) Commencer
par rsoudre le systme dinconnue (b, ) sui
+
b
= E(Xn )
vant :
.
+ = E(Tn )
n
8.14 a) Revenir la dfinition dune densit.
b) Obtenir a = 3.
n

1
.
n
c) Pour calculer Cov(Xn , Yn ), utiliser la bilinarit de la covariance et lindpendance des va X1 , . . . , Xn .
Montrer que Un E (n) et en dduire E(Un ).

et
rXn () = V (Xn ) =
i=1
Yk E (1).
Xn = + b Yn
et
Yn est un estimateur sans biais de
b) Utiliser la linarit de lesprance pour calculer E(Yn ).
c) Obtenir :
E(Xn ) =
b) Montrer :
59
admet un minimum global pour c = 5a b +
.
7
Pour a R fix, montrer que la fonction

59
h : R R, b S a, b, 5a b +
7
33
.
admet un minimum global pour b = 2a +
14
Enfin, tudier les variations de la fonction

85
33
, 3a +
.
i : R R, a S a, 2a +
14
14
Conclure.
8.13
a) Obtenir :

1 .
a) 3) Appliquer le thorme de la limite centre.

a) 4) Noter la fonction de rpartition de la loi N (0, 1) et t le
rel tel que (t ) = 1 .

2
)
En utilisant le fait que N(N m) N, obtenir :
n m Xn

n m Xn
P
N
P |Nn | t = 1 .
n + t
n t
a) 5) Donner une estimation de cet intervalle avec m = 800,
1000
n = 200, une ralisation de Xn gale
= 5, = 0.05 et
200
t0.05 = 1.96.
m
.
b) 1) Remarquer : Yn B n,
N
b) 2) Utiliser les dfinitions du cours.
b) 3) Utiliser le thorme de transfert et obtenir :
1

m n+1 +
1 N*
E
1 1
=
.
1 + Yn
n+1 m
N
b) 4) Utiliser un rsultat de cours.
b) 5) Donner une estimation de cet intervalle avec m = 800,
n = 1000, une ralisation de Yn gale 200, = 0.05 et
t0.05 = 1.96.

;n .
b) Utiliser le thorme de transfert pour montrer lexistence et

2
calculer E(4n ) puis E(4n ). En dduire ensuite V (4n ).
8.18
a) Justifier :
Sn
1
c) Utiliser les dfinitions du cours et lexercice 8.2.

d) 1) Utiliser le thorme de la limite centre.
d) 2) Obtenir :

t
t
|Nn | t 1 4n 1 + 4n .
n
n
Conclure laide de lexercice 8.2.
En dduire le rsultat demand.
d) Noter respectivement rn () et n () les risques quadratiques

de Yn et (Sn ).
e) 1) Appliquer le thorme de la bijection monotone .

t
, puis que
e) 2) Obtenir, tout dabord, que = 2 2
k
1
t

= 1
1
.
2
k
k
Calculer rn () n () et tudier la fonction

h : R+ R, x
ex 1
e
n
x
n
+ 1.
255
Chapitre 8
8.19
a) Revenir la dfinition dune densit.
(x1 , . . . , xn , a) Rn R+ ,
n
- a
an
=
si x1 , . . . , xn 1
a+1
L(x1 , . . . , xn , a) =
(x1 xn )a+1
x
k=1 k
0
sinon
b) 1) Obtenir :
b) 2) Commencer par tudier les variations de la fonction

g : a ln h(a) .
1
c) Obtenir : Sn , n .
a
d) Utiliser le thorme de transfert pour montrer lexistence et
calculer E(Tn ) puis E(Tn2 ). En dduire ensuite V (Tn ).
e) Utiliser les dfinitions de cours.
n

8.20 a) Noter C = (x1 , . . . , xn ) Rn ; xi = 1 .
i=1
Montrer tout dabord que, si f possde un extremum sous la

1
1
contrainte C en un point A, alors A =
,..., .
n
n
Puis calculer, pour tout H = (h1 , . . . , hn ) Rn tel que A + H C ,
f(A + H) f(A).
256
En dduire que la fonction f possde en A un minimum global

sous la contrainte C .
n

b) Considrer lestimateur Tn =
i Xi , avec (1 , . . . , n ) Rn .
i=1
Dterminer Tn de telle sorte que :

E(Tn ) =
et
V (Tn ) est minimale.
8.21

de la va T .
b) 1) Utiliser le thorme de stabilit de la loi .
Montrer ensuite que E(Yn ) = 2 .
b) 2) Utiliser le thorme de transfert.
b) 3) Dterminer
5n sous la forme a Yn de telle sorte que
E(5
n ) = .
c) 1) Remarquer
5n 2 = a2 Yn . En dduire E(5
n 2 ) puis V (5
n ).
c) 2) Montrer que V (5
n ) 0, puis utiliser lexercice 8.2.
n
a) La va Xn dpend uniquement du n-chantillon (X1 , . . . , Xn ).

Donc Xn est bien un estimateur.
De plus, par linarit de lesprance :
E(Vn ) =

Or : k 1 ; n, E(Xk2 ) = V(Xk ) + E(Xk ) 2 = 2 + m2 ,
et, daprs a) :
n
1
1
E(Xk ) = (n m) = m.
E(Xn ) =
n k=1
n
E(Vn ) =
Soit > 0. Daprs lingalit de Bienaym-Tchebychev :

V(Xn )

.
0 P |Xn m| = P |Xn E(Xn )|
2
n
1
1
V(Xk )
V(Xn ) = 2 V(X1 + + Xn ) = 2
n
n k=1
1
2
.
(n 2 ) =
2
n
n

On obtient alors : 0 P |Xn m| 2 .
n

Par le thorme dencadrement : P |Xn m| 0.
2
Ainsi, la suite de va (Xn )nN converge en loi vers la variable

certaine gale m.
On conclut que Xn est un estimateur convergent de m.
b) Par linarit de lesprance :
E(T n ) =
n
n
1
1
1
E (Xk m)2 =
V(Xk ) = (n2 ) = 2 .
n k=1
n k=1
n
Donc T n est un estimateur sans biais de 2 .

c) 1) La va Vn dpend uniquement du n-chantillon
(X1 , . . . , Xn ). Donc Vn est bien un estimateur.
n
2
1 2
De plus : Vn =
(X 2Xn Xk + Xn )
n k=1 k
n
n

2
1 2
=
Xk 2Xn
Xk +n Xn
n k=1
k=1
!"
1
n
n

= nXn
Xk2 nXn
k=1
Ainsi, par linarit de lesprance :
2
1
n
n

k=1

2
1
1
n(2 + m2 )
+ m2 = 1 2 .
n
n
n
Puisque E(Vn ) 2 , Vn est un estimateur biais de 2 .

Son biais bVn (2 ) est :
bVn (2 ) = E(Vn ) 2 =

=

2 2
2
+ m2 .
E(Xn ) = V(Xn ) + E(Xn ) =
n
Ainsi :
Donc Xn est un estimateur sans biais de m.
Or :

1
2
E(Xk2 ) E(Xn ).
n k=1
n
8.1

2
Xk2 Xn .
2
.
n

1
Enfin, puisque E(Vn ) = 1 2 2 ,
n
n
Vn est un estimateur asymptotiquement sans biais de 2 .
c) 2) Posons Vn =
Alors :
E(Vn ) =
n
n
1
(Xk Xn )2 .
Vn =
n1
n 1 k=1
1
n
n
E(Vn ) =
1 2 = 2 .
n1
n1
n
On en dduit que Vn est un estimateur sans biais de 2 .
8.2
a) Le risque quadratique rT n () de T n est dfini par :

2
%
2 &
rT n () = V(T n ) + E(T n ) g() = E T n g() .
Soit > 0. Par lingalit de Markov :

#

2

0 P |T n g()## = P T n g() 2
&
%
E T n g() 2
rT ()

= n2 .
2
Puisque rT n () 0, par le thorme dencadrement, on obn #

tient : P |T n g()## 0.
n
Ainsi, la suite (T n )nN converge en probabilit vers la variable

certaine gale g(), autrement dit :
T n est un estimateur convergent de g().
b) Par dfinition du biais bT n () de T n et du risque quadratique
rT n () de T n , on a :
rT n () = V(T n ) + bT n ()2 .
257
Chapitre 8
Puisque T n est un estimateur asymptotiquement sans biais

de g() : bT n () 0.
n
Dautre part, par hypothse : V(T n ) 0.

n
T n est un estimateur convergent de g().
Une estimation de lintervalle de confiance de p 99% est alors

*
2.575 +
2.575
; 0.53+
, cest--dire aprs arrondis :
0.53
2 2000
2 2000
[0.501 ; 0.559].
Remarque : Ce rsultat est en particulier valable pour un estimateur T n sans biais dont la variance V(T n ) tend vers 0 lorsque
n tend vers +.
Remarque : Plus le niveau de confiance est lev (et donc petit), plus la longueur de lintervalle est confiance est grande, ce
qui est cohrent !
On obtient alors rT n () 0. Daprs a), on conclut :

n
8.3
Notons p la proportion dintentions de vote en faveur

du candidat A dans la population, n = 2000 le nombre de personnes interroges et X1 , . . . , Xn les va dfinies par :

1 si la k-ime personne choisit le candidat A
Xk =
0 sinon.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi de Bernoulli de paramtre p.
X1 + + Xn
reprsente la proportion dintenDe plus, Xn =
n
tions de vote en faveur du candidat A parmi les n personnes
interroges.
Soient [0 ; 1] et t le rel tel que (t ) = 1 , o est la

2
fonction de rpartition de la loi normale centre rduite.
On sait daprs le cours que lintervalle
*
t
t +
Xn ; Xn +
2 n
2 n
est un intervalle de confiance de p au niveau de confiance 1 .
a) On a ici n = 2000 et une ralisation de Xn gale

1060
= 0.53.
2000
= 0.95, et on lit dans la

Pour = 0.1, on a 1
2
table de la loi normale centre rduite (1.64) 0.9495 et
(1.65) 0.9505, ce qui donne t0.1 1.645.
*
1.645
1.645 +
0.53
; 0.53+
2 2000
2 2000
[0.511 ; 0.549].
258
Pour = 0.01, on a 1
2
(2.58) 0.9951, ce qui donne t0.01 2.575.
b) Dans le cas gnral, la longueur de lintervalle de confiance

de p au niveau de confiance 1 est :

t
t
t
Xn + Xn = .
2 n
2 n
n
t
On cherche donc n tel que 0.02.
n
Pour = 0.05, on a vu plus haut : t0.05 = 1.96.
Ainsi :
t0.05
0.02
n
1.96
t0.05
=
= 98 n 9604.
n
0.02 0.02
On en dduit que, si lon interroge (au moins) 9604 personnes,

lintervalle de confiance de p 95% est de longueur infrieure
ou gale 0.02 (ainsi on connatra la proportion p 2% prs).
8.4
Notons n le nombre de peses eectues et X1 , . . . , Xn les rsultats de ces peses.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi normale desprance m et
dcart-type 0.1.
De plus, Xn =
obtenues.
X1 + + Xn
reprsente la moyenne des masses
n

2
*
t
t +
Xn ; Xn +
n
n
Pour = 0.05, on a 1 = 0.975, et on lit dans la table de

2
la loi normale centre rduite (1.96) 0.975, ce qui donne
t0.05 1.96.
est un intervalle de confiance de m au niveau de confiance 1.

*
1.96
1.96 +
0.53
; 0.53+
2 2000
2 2000
[0.508 ; 0.552].
Pour = 0.1, on a 1
2
(1.65) 0.9505, ce qui donne t0.1 1.645.
a) On a ici n = 10 et une ralisation de Xn gale 72.40.
Ainsi, une estimation de lintervalle de confiance de m 90%

*
1.645 0.1 +
1.645 0.1
; 72.4 +
, cest--dire
est alors 72.4
10
10
aprs arrondis : [72.347 ; 72.453].
b)
b) Dans le cas gnral, la longueur de lintervalle de confiance

de m au niveau de confiance 1 est :
t
t
t
Xn + Xn = 2 .
n
n
n
t
On cherche donc n tel que 2 0.05.
n
t0.1
2 0.05
n
2t0.1 2 1.645 0.1

n
=
= 6.58 n 44.
0.05
0.05
Ainsi :
c) Daprs le cours, la droite de rgression de y en x a pour

Cov(x, y)

xx
yy =
Vx
cest--dire : y = f (x) 1.44x + 9.27.
quation :
On en dduit que, si lon eectue (au moins) 44 peses, lintervalle de confiance de m 90% est de longueur infrieure ou
gale 0.05.
8.5
a) Lchantillon est de taille n = 11.
La moyenne de la srie statistique de x est donne par :
n
1
x=
xi = 0.
n i=1
La variance empirique de la srie statistique de x est donne
n
1

1
110 02 = 10.
x2 x2 =
par : V x =
n i=1 i
11
Lcart-type
empirique
de la srie statistique de x est donn
par : x = V x = 10 3.16.
De la mme faon, on obtient :
102
9.27,
y=
11
1194 102 2 2730
22.56
=
11
11
121
2230
4.75.
et y =
11
Vy =
La covariance empirique de x et y est donne par :

n

1
158
Cov(x, y) =
xi yi x y =
0 14.36.
n i=1
11
Le coecient de corrlation empirique de x et y est donn par :
Cov(x, y)
158
0.96.
=
x,y =
x y
10 273
Remarque : Le coecient x,y est proche de 1, ce qui signifie
que x et y sont bien corrles.
d) Pour x = 7, on a : f (x) 19.35.

On peut estimer que, pour x = 7, on aura approximativement
y = 19.35, ou encore, si y est un entier, y = 19.
8.6
a) Compltons le tableau de lnonc en prcisant, pour chaque
classe, son centre :
Poids xi en g
Centre ci en g
Eectifs ni
Poids xi en g
Centre ci en g
Eectifs ni
[215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[
220
80
230
100
240
190
250
260
[255 ; 265[ [265 ; 275[ [275 ; 285[
260
180
270
130
280
60
Leectif total de la population est donn par :

n=
7

ni = 1000
i=1
La moyenne est donne par :

x=
7
1
ni ci = 249.9
n i=1
259
Chapitre 8
La variance empirique est donne par :

Vx =
7
1
ni c2i x2 = 62705 (249.9)2 255.0
i=1
Lcart-type empirique est donne par :
x = V x 16.0
b) Notons n = 1000 le nombre de peses eectues, X1 , . . . , Xn
les rsultats de ces peses.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi normale desprance m et dcart-type
x = 16 (par hypothse).
De plus, Xn =
obtenues.
X1 + + Xn
reprsente la moyenne des masses
n

2
*
t
t +
Xn ; Xn +
n
n
est un intervalle de confiance de m au niveau de confiance 1

et donc au risque .
Daprs lnonc, une ralisation de Xn est gale x = 249.9.
Enfin :
= 0.95 ; on lit dans la

pour = 0.1, on a 1
2
(1.65) 0.9505, ce qui donne t0.1 1.645 ;
pour = 0.05, on a 1 = 0.975 ; on lit dans la table de

2
t0.05 1.96 ;
pour = 0.01, on a 1
= 0.995 ; on lit dans la
2
(2.58) 0.9951, ce qui donne t0.01 2.575.
Une ralisation de lintervalle de confiance de m
au risque 0.1 est :
%
249.9 1.64516
; 249.9 +
1000
au risque 0.05 est :
%
249.9 1.9616
; 249.9 +
1000
au risque 0.01 est :
%
249.9 2.57516
; 249.9 +
1000
260
&
1.64516
1000
&
1.9616
1000
a) 1) Puisque X suit la loi uniforme sur [0 ; 2a], sa fonction

de rpartition F est donne par :
0 si x < 0
x
si 0 x 2a
x R, F(x) =
2a
1 si x > 2a
et une densit f est donne par :
si 0 x 2a
2a
x R, f (x) =
.
0 sinon
La fonction de rpartition Fn de Mn vrifie :
x R, Fn (x) = P(Mn x) = P(X1 x, . . . , Xn x)
= P(X1 x) P(Xn x)

n
n
= P(X x) = F(x) .
Puisque F est continue sur R, C 1 sur R priv ventuellement de

0 et 2a, il en est de mme, par produit, pour Fn .
Ainsi, Mn est une va densit, dont une densit fn est donne

n1
par : x R, fn (x) = n f (x) F(x)
n
n1
si 0 x 2a
(2a)n x
.
=
0
sinon
Puisque Mn est une va borne ( valeurs dans [0 ; 2a] presque
srement), Mn admet une esprance et une variance. Et lon a :
$ 2a
$ 2a
n
E(Mn ) =
x fn (x) dx =
xn dx
(2a)n 0
0
n
(2a)n+1
2an
=
=
,
(2a)n
n+1
n+1
$ 2a
$ 2a
n
x2 fn (x) dx =
xn+1 dx
E(Mn2 ) =
(2a)n 0
0
4a2 n
(2a)n+2
n
=
,
=
(2a)n
n+2
n+2

2 4a2 n 2an 2
et donc V(Mn ) = E(Mn2 ) E(Mn ) =
n+2
n+1
2

4a n

2
(n
+
1)
=
n(n
+
2)
(n + 1)2 (n + 2)
4a2 n
.
=
(n + 1)2 (n + 2)
a) 2) On a :
E(Un ) =
n+1
n+1
2an
E(Mn ) =
= a.
2n
2n
n+1
On en dduit que Un est un estimateur sans biais de a.

[248.90 ; 250.90],
2.57516 &
1000
[249.06 ; 250.74],
8.7
[248.59 ; 251.21].

E(Vn ) =
n

1
1
E(Xk ) = nE(X) = E(X).
n k=1
n
Daprs le cours, E(X) =
0 + 2a
= a, donc :
2
E(Vn ) = a.
o :
On en dduit que Vn est galement un estimateur sans biais

de a.
c) Puisque les deux estimateurs Un et Vn sont des estimateurs
sans biais, comparons leurs risques quadratiques nots respectivement rUn (a) et rVn (a).
On a :
=

2
rUn (a) = V(Un ) + E(Un ) a = V(Un )
!"
n + 1 2
V(Mn ) =
2n
a2
=
.
n(n + 2)
n + 1 2
2n
=0
4a2 n
(n + 1)2 (n + 2)
5
5
1
1
ti = 3,
y=
yi 0.140,
5 i=1
5 i=1
5
1
ti yi t y 0.020,
Cov(t, y) =
5 i=1
5
1 2
Vt =
t (t)2 = 2.
5 i=1 i
t=
Ainsi, la droite de rgression de y en t a pour quation :

0.020
(t 3),
2
cest--dire : y = 0.01 t + 0.17.

a = 0.01
On obtient donc :
.
b = 0.17
y 0.140 =
b > 5a > 0.
On a bien :

2
Et : rVn (a) = V(Vn ) + E(Vn ) a = V(Vn )
!"
=0
n
1
1
V(Xk )
= 2 V(X1 + + Xn ) = 2
n
n k=1
V(X)
1
.
= 2 nV(X) =
n
n
Daprs le cours, V(X) =

donc : rVn (a) =
(2a)2 02
a2
=
;
12
3
8.9
a2
.
3n
2
a
a
n(n + 2) 3n
a2

a2 (n 1)
=
3 (n + 2) =
0 (car n 1).
3n(n + 2)
3n(n + 2)
On a donc :
rUn (a) rVn (a) =
Ainsi, le risque quadratique de Un est infrieur celui de Vn .
Donc Un est un meilleur estimateur de a que Vn .
8.8
On a : C =
1
1
= at + b.
at + b
C
1
Posons donc y =
et dterminer la droite de rgression de y
C
en t. On a alors la srie statistique double suivante :
a) Les va X1 , . . . , Xn tant mutuellement indpendantes

et suivant des lois normales, on sait, daprs le cours que
S n = X1 + + Xn suit galement une loi normale
n

E(Xk ) = nm et de variance
desprance E(S n ) =
m 2 nm2
V(Xk ) = n
=
V(S n ) =
.
5
25
k=1
1
S n suit aussi une loi normale desprance
n
1
1
m2
.
E(Xn ) = E(S n ) = m et de variance V(Xn ) = 2 V(S n ) =
n
n
25n
Donc, la va Xn =
Enfin, la va centre rduite associe Xn , note Xn est donne par :
ti
Ci
yi
1
6.25
1
= 0.160
6.25
2
6.71
1
0.149
6.71
Xn =
3
7.04
1
0.142
7.04
ti
Ci
yi
4
7.75
1
0.129
7.75
k=1
n

Xn E(Xn )
(Xn )
Xn m
m
5 n
Xn m
=5 n
.
m
Alors Xn suit la loi normale centre rduite.

5
8.33
1
0.120
8.33
Daprs le cours, la droite de rgression de y en t a pour quaCov(t, y)

tion : y y =
(t t),
Vt
On obtient ainsi :
dune part :
P(t Xn t ) = (t ) (t )

= (t ) 1 (t ) = 2(t ) 1

1 = 1 ;
=2 1
2
261
Chapitre 8
dautre part :
On a donc :
Xn m
t Xn t t 5 n
t
m
mt 5 n (Xn m) mt
m(5 n t ) 5 n Xn et 5 n Xn m(5 n + t )

5 n Xn
5 n Xn
5 n + t > 0
.
m
car

5 n t > 0
5 n + t
5 n t
E(S n ) = n
b) 2) On en dduit :
V(S n) = n(1 ).
E(S n )
= .
n
Sn
n
S n V(S n ) (1 )
=
.
=
De plus : V
n
n2
n
Donc
Soit > 0. Par lingalit de Bienaym-Tchebychev, on a :
Donc :
P(t Xn
5 n Xn
5 n Xn
.
t ) = P
m
5 n + t
5 n t
On obtient alors :
5 n Xn
5 n Xn
= 1 .
P
m
5 n + t
5 n t
+
*
Xn
Xn
est un interAinsi lintervalle 5 n
;5 n
5 n + t
5 n t
valle de confiance de m au niveau de confiance 1 .
##
## S n
V( Snn ) (1 )
=
.
0 P ##
##
n
2
n2
##
## S n

On obtient alors : lim P ##
## = 0.
n
n
On en dduit que
Sn
est un estimateur convergent de .
n
c) 1) Une estimation ponctuelle de est donc la ralisation

23
Sn
obtenue, cest--dire :
= 0.23.
de
n
100
19 10
, une estimation ponctuelle de p est

18
9
23
10
19
4
100
= = 0.8.
18
9
5
b) On a ici :
n = 100, une ralisation de Xn gale 12,
= 0.05, 1 = 0.975, et daprs la table de la loi normale

2
centre rduite, (1.96) = 0.975, donc t0.05 1.96.
Puisque p =
Une estimation de lintervalle de confiance de m 95% est

* 5 10 12
&
5 10 12 + %
11.54 ; 12.49 .
alors :
;
5 10 + 1.96 5 10 1.96
c) 2) Daprs le cours, on sait quun intervalle de confiance

de au niveau de confiance 1 est donn par :
donc :
*Sn
8.10
a) Notons E lvnement :
La personne est daccord avec larmation A .
Alors, par dfinition de p, on a :
P(E) = p.
Les vnements E et E forment un systme complet dvnements. Par la formule des probabilits totales :
P(V) = P(E) PE (V) + P(E) PE (V).
Or, sachant lvnement E, lvnement V est ralis si et
seulement si la personne tire la carte numro 1 ; puisque toutes
1
.
les cartes sont quiprobables, on a : PE (V) =
20
De la mme faon, PE (V) =
On obtient donc : = p
Do :
19
.
20
19 19 9 p
1
+ (1 p)
=
.
20
20 20 10
19 10
10 19
p=
=
.
9 20
18
9
b) 1) La va S n est donc le nombre de ralisations de lvnement V (de probabilit ) obtenues lors de n expriences indpendantes.
Ainsi, la va S n suit la loi binomiale de paramtre (n, ).
262
et
Sn
o t vrifie (t ) = 1
t
t +
Sn
+ ,
;
2 n n
2 n
.
2
On a ici :
n = 100, 1 = 0.95, donc = 0.05 et
1 = 0.975, et puisque (1.96) 0.975, on a t0.05 1.96.

2
Ainsi, une estimation dun intervalle de confiance 95% de
est :
%
0.23
&
1.96 & %
1.96
; 0.23 +
= 0.132 ; 0.328 .
2 100
2 100
10
19
, une estimation dun intervalle de

Puisque p =
18
9
confiance 95% de p est :
* 19
18
&
10 0.328 19 10 0.132 + %
;
0.691 ; 0.909 .
9
18
9
Pour tout k de 1 ; n, la va Zk suit la loi uniforme sur

N+1
N2 1
et V(Zk ) =
.
1 ; N, et donc : E(Zk ) =
2
12
8.11
Puisque les tirages seectuent avec remise, les va Z1 , . . . , Zn

sont mutuellement indpendantes.
Donc (Z1 , . . . , Zn ) est un n-chantillon indpendant et identiquement distribu de la loi uniforme sur 1 ; N.
a) 1) Par linarit de lesprance :

n
1
1 N + 1 N + 1
=
E(Mn ) =
E(Zk ) = n
.
n k=1
n
2
2
b) 3) En appliquant le rsultat prcdent S n la place de Y,

on a :
E(S n ) =
N = 2E(Mn ) 1.
On obtient alors :
k=1
a) 2) De plus, par proprit de la variance :

4
V(T n ) = V(2Mn 1) = 22 V(Mn ) = 2 V(Z1 + + Zn )
n
n
4
V(Zk )
= 2
n k=1
4 N2 1 N2 1
=
= 2 n
.
n
12
3n
Ainsi, T n est un estimateur sans biais de N vrifiant
V(T n ) 0.
1
=
n+1
car les Zk sont mutuellement indpendantes, de mme loi.

Or : si k 1 ; N, alors P(Z1 k) =
k

i=1
k
P(Z1 = i) = ;
N
cette relation est encore vraie pour k = 0 ;

et si k N + 1, alors P(Z1 k) = 1.
n
k
si 0 k N
N
.
Ainsi : P(S n k) =
1 sinon
N1 $

xn dx
0
Chasles
N1 *

k n
k=0
n
x!" dx
k
N
k=0
k+1
N
k + 1
N
( Nk )n
k + k n 1
=
= uN .
N
N
N
k=0
N1
b) 4) Puisque S n prend ses valeurs dans 1 ; N, en particulier,

on a : E(S n ) N.
On obtient donc :
N
E(S n ) N.
n+1
E(S n ) N.
Par le thorme dencadrement :
8.12
k=1
a) Notons S la fonction dfinie sur R3 par :

7

2
yi (ax2i + bxi + c) .
R3 , S (a, b, c) =
En dveloppant, on obtient : (a, b, c) R3 ,
k=1
S (a, b, c) =
k=1
N

kP(Y k)
kP(Y k)
k=1
N

N

k=1
N+1

kP(Y k + 1)
k=2
N+1

N

k=2
N+1

=0
N

P(Y k) + P(Y N + 1) =
P(Y k).
!"
=0
y2i + a2
2a
kP(Y k) +
P(Y k)
k=2
k=2
k=1
= P(Y 1) (N + 1) P(Y N + 1)
!"
+
kP(Y k)
7

i=1
(k 1)P(Y k)
k=1
(a, b, c)
i=1
N

k P(Y k) P(Y k + 1)
N

N
.
n+1
E(S n ) = N N uN N
On en dduit que S n est un estimateur asymptotiquement sans

biais de N.
b) 2) La va Y tant une va finie, Y admet une esprance, et

N

kP(Y = k)
lon a : E(Y) =
On obtient alors :

n
P(S n k) = P(Z1 k, . . . , Zn k) = P(Z1 k)
k=1
N1
1 k n
. On a, en faisant une comparaison
N k=0 N
entre une somme et une intgrale dune fonction croissante :
Daprs lexercice 8.2, on en dduit que T n est un estimateur

convergent de N.
b) 1) Soit k N. Alors :
N

1 P(S n < k)
Notons uN =
P(S n k) =
N
N

k 1 n

1 P(S n k 1) =
1
=
N
k=1
k=1
N1

k n
.
=N
N
k=0
On en dduit que la va T n = 2Mn 1 est un estimateur sans

biais de N, puisque E(T n ) = 2E(Mn ) 1 = N.
N

7

7

x4i + b2
i=1
x2i yi 2b
i=1
7

+ 2ab
i=1
x3i + 2ac
7

i=1
7

i=1
7

x2i + c2
7

i=1
7

xi yi 2c
x2i + 2bc
i=1
7

i=1
yi
xi
i=1
= 705 + 371a2 + 35b2 + 7c2 974a 250b 118c

+ 182ab + 70ac + 14bc.
Soit (a, b) R2 fix. Considrons la fonction
g : R R, c S (a, b, c).
263
Chapitre 8
On a : c R, g(c) = 7c2 + (70a + 14b 118)c

+ (705 + 371a2 + 35b2 974a 250b + 182ab).
y = f (x) =
5 2 13
55
x +
x+ .
7
14
14
b)
Alors g est drivable sur R et :

c R, g (c) = 14c + (70a + 14b 118).
Notons =
70a + 14b 118

59
= 5a b + .
14
7
On en dduit le tableau de variations de g :

c
+
g (c)
0 +
+
+
g(c)

Donc g atteint son minimum pour c = .
Ainsi, pour (a, b) fix, S (a, b, c) est minimum pour
59
c = 5a b + .
7
8.13
a) Soit x R. Alors :
$
Soit a R fix. Considrons maintenant la fonction

59
.
h : R R, b S a, b, 5a b +
7
P(Yk x) = P(Xk + bx) =
On a, aprs calculs : b R,

1454
.
h(b) = 28b2 + (112a 132)b + 196a2 384a +
7
Alors h est drivable sur R et :
De la mme faon que prcdemment, h atteint son minimum

33
112a 132
= 2a + .
pour b =
56
14
Ainsi, pour a fix, S (a, b, c) est minimum pour
33
59
85
b = 2a +
et c = 5a b +
= 3a + .
14
7
14
Considrons enfin la fonction

85
33
.
i : R R, a S a, 2a + , 3a +
14
14
On a, aprs calculs : a R, i(a) = 84a2 120a +
365
.
7
Alors i est drivable sur R et :

a R, i (a) = 168a 120.

120 5
= .
168 7
On en dduit que la fonction S atteint son minimum pour :

a=
33 13
85 55
5
, b = 2a +
=
, c = 3a +
=
.
7
14 14
14 14
On conclut que la parabole, qui approche le mieux le nuage de

points au sens des moindres carrs de y en x, a pour quation :
264
f (t) dt.
1er cas : si x < 0, alors + bx < (car b > 0),

$ +bx
0 dt = 0.
donc : P(Yk x) =
2 cas : si x 0, alors + bx (car b > 0),

$ +bx
t
1
donc : P(Yk x) =
exp
dt
b
b
*
t ++bx
= e x + 1.
= exp
b

0
si x < 0
.
Ainsi, on a : x R, P(Yk x) =
1 e x si x 0
e
b R, h (b) = 56c + (112a 132).
Ainsi, i atteint son minimum pour a =
+bx

de paramtre 1. On conclut : Yk E (1).
E(Yn ) =
n

1
1
E(Yk ) = nE(Y1 ) = E(Y1 ) = 1.
n k=1
n
On a : x R, P(Un > x) = P(Y1 > x, . . . , Yn > x)

n

= P(Y1 > x)
car Y1 , . . . , Yn sont indpendantes et ont mme loi.
Donc : x R, P(Un x) = 1 P(Un > x)
n

n

= 1 P(Y1 > x) = 1 1 P(Y1 x)

0
si x < 0
=
1 ( e x )n si x 0

0
si x < 0
=
.
1 e nx si x 0

de paramtre n. On conclut : Un E (n).
E(Un ) =
En particulier :
1
.
n
c) Pour tout k de 1 ; n, on a :

Donc :
Xn =
Xk = + bYk .

1
( + bY1 ) + + ( + bYn )
n

1
= n + b(Y1 + + Yn ) = + bYn .
n
Et : T n = min( + bY1 , . . . , + bYn )

= + b min(Y1 , . . . , Yn )
car b > 0
= + bUn .
On en dduit :
E(Xn ) = + bE(Yn ) = + b,
b
E(T n ) = + bE(Un ) = + .
n
+ b = E(Xn )
d) On a le systme (S ) :
b
+ = E(T n )
n

1
1 b = E(Xn ) E(T n )
n

(n 1) = E(X ) + nE(T )
n
n
b=
E(Xn ) E(T n )
n1

=
E(Xn ) + nE(T n )
n1
n
b=E
Xn T n
n1

1
.
= E
nT n Xn
n1

n
Xn T n est un estimateur sans biais
Ainsi, la va b4n =
n1
1

de b et la va 4n =
nT n Xn est un estimateur sans biais
n1
de .
8.14
a) La fonction f est continue sur R sauf ventuellement en 0
et , et f est positive ou nulle sur R.
$
$ +
x
2
1
dx
f (x) dx =
De plus :
0
x2 + 2
2
2*
= 1.
= x
=
2 0
2
Soit x [0 ; ]. Alors :
$ x
t
2
x2 2x x2
2
1 dt = x
=
2.
F(x) =
Puisque X prend presque srement ses valeurs dans [0 ; ], on

en dduit que F vrifie :
0
si x < 0
2x x
x R, F(x) =
2 si 0 x .
1
si x >
Puisque X est une va borne, X admet une esprance,
variance et lon a :
$
$
x2
2
dx
x
x f (x) dx =
E(X) =
0
0
2 * x2 x3 + 2 2 2
=
=
=
2
3 0 2
3
$
$
2 2 x3
dx
x
x2 f (x) dx =
E(X 2 ) =
0
0
2 * x3 x4 + 2 3 3
=
=
=
3
4 0 3
4
donc :
une
,
3
2
,
6

2 2 2 2
=
.
V(X) = E(X 2 ) E(X) =
6
3
18
b) Par linarit de lesprance,

E(Xn ) =
n

1
1
E(Xk ) = nE(X) = E(X) = .

n k=1
n
3
Ainsi, la va T n = 3Xn est un estimateur sans biais de .

Son risque quadratique rT n () est donn par :

2
rT n () = V(T n ) + E(T n ) = V(T n ) = V(3Xn )
n
n
1

9
= 9V(Xn ) = 9V
Xk = 2 V
Xk
n k=1
n
k=1
n
9
V(Xk )
par indpendance des va X1 , . . . , Xn
n2 k=1

9
9
n2
2
= 2 nV(X) = 2
=
.
n
n
18
2n
c) 1) La fonction de rpartition Fn de Mn vrifie :

x R, Fn (x) = P(Mn x) = P(X1 x, . . . , Xn x)
= P(X1 x) P(Xn x)
n

n
= P(X x) = F(x) .
Puisque F est continue sur R, C 1 sur R priv ventuellement de

0 et , il en est de mme, par produit, pour la fonction Fn .
Ainsi, Mn est une va densit, dont une densit fn est donne

n1
par : x R, fn (x) = n f (x) F(x)

2 n
x2 n1
x
n
si 0 x .
x
1
=
0
sinon
265
Chapitre 8
2 n
x
x2 n1
dx
1
n
x x
0
$
x n
x n1
x
= 2n
dx
2
1
0
$ 0
(1 t)n (1 + t)n1 t() dt
= 2n
De plus, lestimateur Mn est biais, alors que T n est sans biais.

Lestimateur T n est donc prfrable Mn .
c) 2) E(Mn ) =
t=1x/
d) Puisque E(Mn ) = (1 In ), Mn =

teur sans biais de .
1
1
= 2n
Son risque quadratique rMn () est donn par :
(1 t)t(1 t2 )n1 dt.

rMn () = V(Mn ) + E(Mn ) 2 = V(Mn )
!"
Eectuons une IPP en posant :

u(t) = 1 t
u (t) = 1
,
1

2 n1
v (t) = t(1 t )
v(t) = (1 t2 )n
2n
+1 1 $ 1
* 1 t

do : E(Mn ) = 2n
(1 t2 )n dt
(1 t2 )n
0
2n
2n 0
1
1
= 2n
In = (1 In ).
2n 2n
,
Puisque In
, on a lim In = 0.
n
n
4n
=0
=
On a alors :
De plus :
c) 3) Par un calcul analogue au prcdent, on obtient :

$
2 n 2
x2 n1
x
n
x x
dx
E(Mn2 ) =
1
0
$
x n+1
x n1
x
dx
2
1
= 2n
0
$ 0
(1 t)n+1 (1 + t)n1 t() dt
= 2n
On obtient :

Puisque 2(4 ) > 1, on en dduit que, pour n susamment

grand, rMn () > rT n ().
Les deux estimateurs T n et Mn tant sans biais, lorsque n est
grand, il est donc prfrable de choisir lestimateur T n .
(1 t)2 2nt(1 t2 )n1 dt
%
&1
= 2 (1 t)2 (1 t2 )n 0
2(1 t)(1 t2 )n dt
rMn ()
2(4 ) et donc :
rT n () n
rMn ()
2(4 ).
rT n () n
= 2
$ 1

* (1 t2 )n+1 +1
(1 t2 )n dt
= 2 1 2
n+1 0
0

1
= 2 1 2In +
.
n+1

2
Donc : V(Mn ) = E(Mn2 ) E(Mn )

1

2
1
(1 In ) = 2
= 2 1 2In +
In2 .
n+1
n+1
266
4
1
In2
.
n
n+1
n
Donc :
2n
2n.
(1 In )2 n
1
1
1
In2 =
+ o
n+1
n + 1 4n n n
1
1
.
= + o
n 4n n n
On en dduit que Mn est un estimateur asymptotiquement sans

biais de .

rMn ()
2n 1
=
In2 .
2
rT n ()
(1 In ) n + 1

2 1
1
V(Mn ) =
In2 .
(1 In )2
(1 In )2 n + 1
Puisque lim In = 0, on a :
Donc : lim E(Mn ) = .
t=1x/
1
Mn est un estima1 In
8.15
a) 1) Soit i 1 ; n.
La va Yi suit la loi de Bernoulli de paramtre p, avec :
p = P(Yi = 1) = P(Xi = 0) = e
0
= e .
0!
E(Yi ) = e
et
V(Yi) = e (1 e ).
Le risque quadratique rMn () de Mn est donn par :

2
rMn () = V(Mn ) + E(Mn )
1

2
= 2
In2 + (1 In ) )2 =
.
n+1
n+1
Par linarit de lesprance,
c) 4) Puisque n + 1 < 2n, on a rMn () > rT n ().
Ainsi, la va Yn est un estimateur sans biais de e .

1
1
E(Yk ) = nE(Y1 ) = E(Y1 ) = e .
n k=1
n
n
E(Yn ) =
1
V
Yk
n2
k=1
V(Yn ) =
n 1 2k

(n)k
E (S n )2 =
(k)2 P(S n = k) =
e n
n
k!
k=0
k=0
2 k

(n1)
+

(n1)2
n
= e n
= e n e n
k!
k=0
+
a) 2) On a :
n
1
V(Yk )
2
n k=1
V(Y1)
1
e (1 e )
= 2 nV(Y1 ) =
=
.
n
n
n
Ainsi, Yn est un estimateur sans biais de e et sa variance

V(Yn ) tend vers 0 lorsque n tend vers +.
= e n e (n2+ n ) = e (2+ n ) .

&

%
Donc : V (S n ) = E (S n )2 E (S n ) 2
2

1
= e (2+ n ) e = e 2 e n 1 .

On a, en particulier : V (S n ) 0.
n
En utilisant lexercice 8.2, on en dduit que Yn est un estimateur

convergent de e .
Toujours en utilisant lexercice 8.2, on en dduit que (S n ) est

un estimateur convergent de e .
b) Soit j N. Alors :
d) Notons respectivement rn () et n () les risques quadratiques

de Yn et (S n ).
( j) = P(S n = j) (X1 = 0) =
P(X1 = 0, S n = j)
P(S n = j)
Puisque les deux estimateurs sont sans biais, on a :
P(X1 = 0, X1 + X2 + + Xn = j)
=
P(S n = j)
=
P(X1 = 0, X2 + + Xn = j)
P(S n = j)
P(X1 = 0) P(X2 + + Xn = j)
P(S n = j)
car les va X1 et X2 + + Xn sont indpendantes.
Puisque les va X1 , . . . , Xn sont mutuellement indpendantes

et suivent une loi de Poisson, on sait, daprs le cours, que
S n = X1 + + Xn suit la loi de Poisson de paramtre n.
De mme, la va X2 + + Xn suit la loi de Poisson de paramtre
(n 1).
e 0! e (n1)
0
On a alors :
( j) =
=
e n (n)
j!
(n 1)
=
nj
j
n 1 j
n
(n1)
j!
k=0
= e n
k
+

(n 1)
k=0
k!
e n
(n)
k!
= e n e (n1) = e .
Ainsi, la va (S n ) est un estimateur sans biais de e .

c) 2) Par le mme raisonnement,
rn () n () 0 et donc : rn () n ().
8.16
+

n 1 k
k=0
x
(n 1) et exp est croissante sur R.
n
Donc h est croissante sur R+ .
On en dduit que (S n ) est un meilleur estimateur que Yn .
Par le thorme de transfert, on a :

(k)P(S n = k) =
ex
en
1 x
x
e e n 0.
=
n
n
n
car x
On obtient :
n 1 S n
est indpendante de et ne dc) 1) La va (S n ) =
n
pend que du n-chantillon (X1 . . . , Xn ), donc (S n ) est un estimateur.

E (S n ) =
h (x) =
Puisque h(0) = 0, on en dduit : x R+ , h(x) 0.
Remarque : Cette probabilit est indpendante de .
+

e (1 e )
,
n

n () = V (S n ) = e 2 e n 1 .

e 1
On a alors : rn () n () = e 2
e n +1 .
n
ex 1
x
Considrons h : R+ R, x
e n + 1.
n
Alors h est drivable sur R+ , et, pour tout x de R+ ,
rn () = V(Yn ) =
a) Par linarit de lesprance,

n

1
1
E(Xi ) = nE(X) = E(X) = .
E(Xn ) =
n i=1
n
Ainsi, la va Xn est un estimateur sans biais de .
Son risque quadratique rXn () est donn par :
2

rXn () = V(Xn ) + E(Xn ) = V(Xn )
!"
=0
n
n
1
1
Xi = 2
V(Xi )
= 2V
n
n i=1
i=1
V(X) 1
1
= 2 nV(X) =
= .
n
n
n
b) Lestimateur Yn est un estimateur sans biais de

267
Chapitre 8
E(Yn ) =
n

8.17
i E(Xi ) =
a) 1) Pour tout k de 1 ; n, la va Xk suit la loi gomtrique de

m
paramtre ; en particulier,
N
i=1
n

i =
i=1
c) On a :
n

i = 1.
i=1
Cov(Xn , Yn ) = Cov
n
1
i=1
Xi ,
n

jXj
j=1
n
n
1
j Cov(Xi , X j ), par proprit de la covariance.
=
n i=1 j=1
Or, puisque les va X1 , . . . , Xn sont mutuellement indpendantes,

on a :

0 si i j
2
.
(i, j) 1 ; n , Cov(Xi , X j ) =
V(Xi ) si i = j
Ainsi :
Cov(Xn , Yn ) =
n
n
1
1
1
i V(Xi ) =
i = .
n i=1 !" n i=1
n
=1
!"
=1
On a donc :
Cov(Xn , Yn ) = V(Xn).
N
m
et V(Xk ) =
1 mN
N(N m)
=
.
( mN )2
m2
Par linarit de lesprance,

E(Xn ) =
n
1
1

N
E(Xk ) = nE(X1 ) = E(X1 ) = .
n k=1
n
m
Par indpendance des va X1 , . . . , Xn ,

V(Xn ) =
n

1
1
V(Xi ) = 2 nV(X1 )
n2 i=1
n
V(X1 ) N(N m)
.
=
=
n
n m2
a) 2) Notons 5
Nn = m X n .
E(5
Nn ) = mE(Xn ) = m
N
= N,
m
donc 5
Nn est un estimateur sans biais de N.
V(Yn Xn ) = V(Yn ) + V(Xn ) 2 Cov(Xn , Yn )

= V(Yn ) + V(Xn ) 2V(Xn ) = V(Yn) V(Xn ).
Puisquune variance est toujours positive ou nulle, on obtient :
V(Yn ) V(Xn ) 0, et donc : V(Xn ) V(Yn).
Enfin, daprs lgalit prcdente :
V(Xn ) = V(Yn ) V(Yn Xn ) = 0.
n

1
V(Yn Xn ) = V
i Xi
n
i=1
n

1 2
V(Xi ) par indpendance des va
=
i
n
i=1
n

1 2
=
.
i
n
i=1
n

1 2
=0
On obtient alors : V(Xn ) = V(Yn )
i
n
i=1 !"
0

1
i 1 ; n, i =
Yn = Xn .
n
d) Pour tout estimateur sans biais, le risque quadratique est gal
la variance.
On vient donc de montrer que tous les estimateurs non biaiss de , qui sont combinaisons linaires des Xi , ont un risque
1
quadratique suprieur ou gal , et que le seul estimateur de
n
1
risque quadratique gal est Xn .
n
268
m
N
Dune part :
On en dduit :
Or :
E(Xk ) =
Dautre part :
V(5
Nn ) = m2 V(Xn ) = m2
N(N m) N(N m)
=
0,
n
n m2
n
donc, daprs lexercice 8.2, 5

Nn est un estimateur convergent.
a) 3) Notons S n = X1 + + Xn = nXn et S n la va centre
rduite associe S n . Alors :
S n =
S n E(S n ) nXn E(nXn )

= .
V(S n )
V(nXn )
nXn nE(Xn ) Xn E(Xn )

= .
.
n V(Xn )
V(Xn )
N
Xn m
n m(Xn Nm )
= .
=
N(Nm)
N(N m)
=
n m2
n m Xn n N
=
= Nn .
N(N m)
daprs le thorme de la limite centre, que la suite (S n )n1 ,

cest--dire la suite (Nn )n1 , converge en loi vers une va qui suit
la loi normale N(0, 1).
a) 4) Notons la fonction de rpartition de la loi normale cen
tre rduite et t le rel tel que (t ) = 1 .
2
Pour n susamment grand, on peut considrer que la va Nn suit
la loi normale centre rduite. On a alors :
On a alors :

P |Nn | t = P t Nn t

= (t ) (t ) = (t ) 1 (t )
= 2(t ) 1 = 1 .
n m Xn n N
t
Or : |Nn | t t
N(N m)
t N(N m) n m Xn n N t N(N m).
N(N m) N 2 = N.
De plus :
t = t N
Donc : |Nn |
n m Xn n N t N
( n t )N n m Xn ( n + t )N
n m Xn
n m Xn
N
.

n + t
n t
On a alors
:
n m Xn

n m Xn
N
P |Nn | t = 1 .
P
n + t
n t
* n m Xn n m Xn +
Ainsi lintervalle
est un intervalle de
;
n + t
n t
confiance de N, au niveau de confiance (suprieur ou gal )
1 .
a) 5) On a ici : m = 800, n = 200 et une ralisation de Xn

1000
= 5.
gale
200
= 0.975 ; on lit dans la table de

Pour = 0.05, on a 1
2
t0.05 1.96.
Une estimation
dun intervalle
de confiance de N 95% est :
* 200 800 5
&
200 800 5 + %
;
= 3513 ; 4644 .
200 + 1.96
200 1.96
m
b) 1) La va Yn suit la loi binomiale de paramtre n,
;
N
m nm
=
en particulier, E(Yn ) = n
N
N
m
m n m (N m)
.
et V(Yn ) = n 1
=
N
N
N2
Yn E(Yn )
1 nm
1
b) 2) On a : E
=
=
= .
nm
nm
nm N
N
Yn
1
nm
N

m n
> 0.
On a : P(Yn = 0) = 1
N
Donc
Ainsi la va Yn sannule avec une probabilit non nulle. On ne

nm
.
peut donc pas dfinir la va
Yn
b) 3) Par le thorme de transfert, on a :
E
1 1
=
P(Yn = k)
Yn + 1
k+1
k=0

n

1 n m k
m nk
1
.
=
k
+
1
k
N
N
k=0
n
Or : k 0 ; n,

1 n
1 n+1
=
.
k+1 k
n+1 k+1
1 n + 1 m k
m nk
1
=
1
Donc : E
Yn + 1
n + 1 k=0 k + 1 N
N

n+1
m n(k1)
1 n + 1 m k1
1
n + 1 k=1 k
N
N

n+1
m n+1k
1 N * n + 1 m k
1
n + 1 m k=0 k
N
N

m n+1 +
1
N
*
m n+1 +
1 N m
m n+1
1
=
+1
n+1m N
N
N

m n+1 +
1 N*
1 1
.
=
n+1m
N
=
(n + 1)m
. On a alors :
Yn + 1
*

m n+1 +
N,
E(T n ) = N 1 1
n
N

m
m
m n+1
car
0.
]0 ; 1[, donc 1
]0 ; 1[ et 1
n
N
N
N
Notons T n =
On en dduit que T n est un estimateur asymptotiquement sans

biais de N.
b) 4) Le rel p dsigne la proportion dindividus marqus sur
m
lle. Alors p = .
N
Yn
reprsente la proportion dindividus marqus
De plus, la va
n
parmi les n individus capturs.
En conservant les notations de la question a) 4), daprs le
* Yn
t
t +
Yn
cours, lintervalle
;
+ est un intervalle
n
2 n n
2 n
de confiance de p au niveau de confiance 1 .
b) 5) On a ici :
gale 200.
m = 800, n = 1000 et une ralisation de Yn
Pour = 0.05, on a 1
= 0.975 ; on lit dans la table de
2
t0.05 1.96.
Une estimation dun intervalle de confiance de p 95% est :
* 200
&
1.96
1.96 + %
200

+
;
0.169 ; 0.231 .
1000 2 1000 1000 2 1000
m
, une estimation dun intervalle de confiance
p
* 800
&
800 + %
3463 ; 4734 .
;
de N 95% est :
0.231 0.169
Puisque N =
269
Chapitre 8
8.18
a) Puisque les va X1 , . . . , Xn sont mutuellement indpendantes,
de loi exponentielle de paramtre , on sait, daprs le cours,
1
que la va S n suit la loi , n .
Une densit fn de S n est donc donne par :
xn1 e x si x 0
.
x R, fn (x) =
(n 1)!
0
si x < 0
4
b) Par le thorme de transfert,
esprance si
$ +
$ + n admet une
n
n
et seulement si lintgrale
fn (x) dx =
fn (x) dx
x
x
0
converge absolument.
$ X#
$ X
##
## n
n
fn (x) dx
Pour tout X > 0,
# fn (x)## dx =
x
0
0 $x
$ X
X
n
n
n
=
un2 e u du
xn2 e x dx =
u=x (n 1)! 0
0 (n 1)!
n
n
n
(n 1) =
(n 2)! =
.
X (n 1)!
(n 1)!
n1
n
.
On en dduit que 4n admet une esprance et E(4n ) =
n1
De la mme faon, on montre que 4n admet un moment
2
n2 2
n2 2
dordre 2 et E(4n ) =
(n 2) =
.
(n 1)!
(n 1)(n 2)
Donc 4n admet une variance et
n 2
n2 2
(n 1)(n 2)
n1
n2 2

n2 2
=
(n 1) (n 2) =
.
2
(n 1) (n 2)
(n 1)2 (n 2)
2
V(4n ) = E(4n ) E(4n =
2
c) Puisque E(4n ) , lestimateur 4n est biais.

n
Mais, E(4n ) =
, donc lestimateur 4n est asympton 1 n
tiquement sans biais.
n2 2
0, daprs lexer(n 1)2 (n 2) n
cice 8.2, lestimateur 4n est convergent.
Enfin, puisque V(4n ) =
d) 1) Notons S n la va centre rduite associe S n .

n
n
Puisque S n ; n , alors E(S n ) = et V(S n ) = 2 .
1
Ainsi :
Sn
S n = .
n
2
Sn n
Sn
= = n = Nn .
n
n

cest--dire la suite (Nn )n1 , converge en loi vers une va N telle
que N N (0, 1).
270
d) 2) Pour n susamment grand, on peut considrer que la

va Nn suit la loi normale centre rduite. On a alors :

P |Nn | t = P t Nn t

= (t ) (t ) = (t ) 1 (t )
= 2(t ) 1 = 1 .
Sn
Or : |Nn | t t n t
n
n
n

n t
n + t
Sn
Sn

t 4
t 4
1 n 1 + n .
n
n
On obtient alors :

t
t
P 1 4n 1 + 4n = 1 .
n
n

*
t +
t
On en dduit que lintervalle 1 4n ; 1 + 4n est un
n
n
intervalle de confiance de au niveau de confiance 1 , et
donc au risque .
e) 1) La fonction est continue sur R, strictement croissante sur R. Elle ralise donc une bijection de R sur
(R) =] lim ; lim [=]0 ; 1[.
Ainsi, la fonction 1 existe et est dfinie sur ]0 ; 1[.

e) 2) La longueur de lintervalle de confiance au risque est
2 t
gale .
n
Donc celle de lintervalle de confiance au risque
2 t
est gale
. Cet intervalle est alors lintervalle
k n
*

t
t +
In = 1 4n ; 1 + 4n .
k n
k n
En eectuant les mmes calculs que prcdemment :
t

t

P In = P |Nn |
= 2
1.
k
k
On obtient donc :
1 = 2
t
1 = 2 2
t
.
k
k
1
t

= 1
.
Montrons que 1
k
k
2
t
1

t
=
= (t ) .
On a : 1
k
k
k

De plus : (t ) = 1 (t ) = 1 1
= .
2
2

1
.
Donc : t =
2
1
t

= 1
.
On obtient donc : 1
k
k
2
On en dduit :
= 2
1
k

.
2
Puisque 1 est strictement croissante sur ]0 ; 1[ (car est

strictement croissante sur R, de limite 0 en et de limite 1
1
en +) et que < , on a :
2
2

1
< 1
= 0.
1
2
2
De plus, k > 1. On a alors :

1 1
> 1
.
k
2
2
an
b) 2) On a alors : a R+ , h(a) =
et
(x1 xn )a+1

g(a) = ln h(a) = n ln(a) (a + 1) ln(x1 xn )
n

= n ln(a) (a + 1)
ln(xk ).
k=1
La fonction g est drivable sur
Notons 4
a=
Ce rsultat est prvisible car, plus lintervalle de confiance est

troit, plus le niveau de confiance est faible et donc le risque
grand.
8.19
a) La fonction f est continue sur R sauf en 1, positive ou nulle
sur R.
$
De plus : X > 1,
1
$ X
f (x) dx =
axa1 dx
1
&X
%
= xa 1 = X a + 1 1.
X+
Ainsi lintgrale
vaut 1.
$
f (x) dx =
f (x) dx converge et
1
n
ln(xk ).
a k=1
n
n

. On obtient le tableau de variations de g
ln(xk )
k=1
suivant :
> .
et :
n
a R+ , g (a) =
Enfin, puisque est strictement croissante sur R, on a :

1

> 1
= .
1
k
2
2
2
On en dduit, en multipliant par 2 :
R+
a 0
4
a
+
g (a) + 0
g(a)
On en dduit que g est croissante sur ]0 ;4

a] et est dcroissante
sur [4
a ; +[.
En composant par la fonction exp qui est strictement croissante
sur R, on en dduit que la fonction h a les mmes variations
que g.
Et ainsi, h atteint son maximum en 4
a.
c) Soit k 1 ; n. Puisque Xk prend presque srement ses
valeurs dans [1 ; +[ (car f est nulle en dehors de [1 ; +[), la
va ln(Xk ) prend presque srement ses valeurs dans [0 ; +[.

De plus : x [0 ; +[, P ln(Xk ) x = P(Xk e x )
$ ex
* 1 + e x
a
1
dt = a
=
+ 1 = 1 e ax .
=
a+1
t
t 1
( e x )a
1
Ainsi, la fonction de rpartition G de ln(Xk ) vrifie :

1 e ax si x 0
.
x R, G(x) =
0
si x < 0
On reconnat la fonction de rpartition dune loi exponentielle
de paramtre a.
On conclut : ln(Xk ) E (a).
Puisque les va ln(X1 ), . . . , ln(Xn ) sont mutuellement indpendantes et suivent la loi E (a), daprs le cours, on sait que S n
1
suit la loi , n .
a
b) 1) On a :
(x1 , . . . , xn , a) Rn R+ ,
sil existe i 1 ; n tel que xi < 1 alors :

L(x1 , . . . , xn , a) = 0 ;
sinon :
n
an
a
=
.
L(x1 , . . . , xn , a) =
a+1
(x
xn )a+1
x
1
k=1 k
Une densit fn de S n est donne par :
an
xn1 e ax si x 0
x R, fn (x) =
.
(n 1)!
0
si x < 0
d) Puisque 4
a=
n
n

k=1
ln(xk )
, on a : T n =
n
n

ln(Xk )
n
.
Sn
k=1
271
Chapitre 8
Par le thorme de transfert, on a :

T n admet une esprance
$
+
lintgrale
absolument
lintgrale
positive ou nulle).
n
fn (x) dx =
x
Soit H = (h1 , . . . , hn ) Rn tel que A + H C .

$
+
0
n
fn (x) dx converge
x
Alors :
f (A + H) f (A) =
na
.
On en dduit que T n admet une esprance et E(T n ) =
n1
De la mme faon, on montre que T n admet un moment
n2 a2
n2 a2
(n 2) =
.
dordre 2 et E(T n2 ) =
(n 1)!
(n 1)(n 2)
n a 2
n2 a2
(n 1)(n 2)
n1

n2 a2
n2 a2
(n 1) (n 2) =
=
.
2
(n 1) (n 2)
(n 1)2 (n 2)
na
a. Donc T n est un estimateur
e) On a : E(T n ) =
n 1 n
asymptotiquement sans biais de a.
n2 a2
De plus, V(T n ) =
0.
(n 1)2 (n 2) n
n

1 2
Puisque A + H =
on a :
n

1
i=1
Donc :
1
+ h1 , . . . ,
n

+ hi = 1 +
n

1
+ hn C ,
n
hi = 1 ; do :
i=1
f (A + H) f (A) =
n

hi = 0.
i=1
n

h2i 0.
i=1
On en dduit que la fonction f possde en A un minimum global sous la contrainte C .

b) Soit (1 , . . . , n ) Rn .
Considrons lestimateur T n =
n

i Xi .
On cherche dterminer T n tel que :

E(T n ) = et
On a :
E(T n ) =
n

i=1
donc :
V(T n ) est minimale.
i E(Xi ) =
!"
n

E(T n ) =
n

i ,
i=1
i = 1.
i=1
De plus, par indpendance des va Xi ,
Daprs lexercice 8.2, T n est un estimateur convergent de a.
V(T n ) =
n

V(i Xi ) =
i=1
n

xi et C =
i=1
n

i=1
2i V(Xi ) =
!"
=
Il sagit donc de minimiser (1 , . . . , n )

n

n

2i .
i=1
n

2i sous la
i=1
i = 1.
Soit A = (a1 , . . . , an ) C .
contrainte
Si f possde un extremum sous la contrainte C en A, alors

f (A) est colinaire g = (1, . . . , 1).
Daprs a), le problme admet une unique solution :

1
1
,..., .
n
n
Or :
f (A) = (2a1 , . . . , 2an ).
On en dduit que a1 = = an ; et puisque A C , on a

n

1
ai = 1, donc : a1 = = an = .
n
i=1
On conclut que, si f possde un extremum sous la contrainte C
1
1
en un point A, alors A = , . . . , .
n
n

1
1
Notons A = , . . . , .
n
n
272
i=1

2
V(T n ) = E(T n2 ) E(T n =
a) Notons g : Rn R, (x1 , . . . , xn )

(x1 , . . . , xn ) Rn ; g(x1 , . . . , xn ) = 1 .
2
n
n
i=1
n
n

2
=
hi +
h2i .
n i=1
i=1
Donc T n admet une variance et
8.20
+ hi
i=1
n
fn (x) dx converge (car lintgrande est
x
$ X
n
On a : X > 0,
fn (x) dx
x
0
$ aX
$ X
nan
na
=
un2 e u du
xn2 e ax dx =
u=ax (n 1)! 0
0 (n 1)!
na
na
na
(n 1) =
(n 2)! =
.
X (n 1)!
(n 1)!
n1
n

1
i=1
On en dduit quil existe un unique estimateur sans biais, de

n
n

1
1
Xi .
variance minimale ; il sagit de T n =
Xi =
n
n i=1
i=1
Cet estimateur tant non biais, sa variance est gale son
risque quadratique. Ainsi lestimateur T n est non biais, et de
risque quadratique minimal.
Remarque : Lestimateur T n correspond la moyenne empirique.
8.21
a) Notons FX la fonction de rpartition de X et fX la densit de
X dfinie par :
x R, fX (x) =
1
2
2
e x /2 .
2
P(T t) = P(X 2 22 t).
Soit t R. On a :
on obtient :
2e cas : Si t 0, alors
P(T t) = P( 2t X 2t)
= FX ( 2t) FX ( 2t)

= FX ( 2t) 1 FX ( 2t)
= 2FX ( 2t) 1.
car f est paire
Ainsi la fonction de rpartition FT de T vrifie :

0
si t < 0
t R, FT (t) =
.
2FX ( 2t) 1 si t 0
Puisque FX est C 1 sur R, la fonction FT est C 1 sur R+ ; ainsi FT
est C 1 sur R priv ventuellement de 0.
0
FT (0) = 2FX (0) 1 = 0.
1
FT = 0 et
1 = 0, lim
0
2
Ainsi FT est continue en 0 donc sur R.

On en dduit que T est une va densit, dont une densit fT est
donne par :
0
si t 0
t R, fT (t) =
f
(
2t)
si t > 0
X
2t
0
si t 0
=
( 2t)2 /22
e
si t > 0

4 t
0
si t 0
1
.
=
1/2 t
e si t > 0
t
Puisque
1
2
, on obtient : T
1
2
X2
b) 1) Notons, pour tout i de 1 ; n, T i = i 2 .
2
Alors les va T 1 , . . . , T n sont mutuellement indpendantes et suin

1
Ti.
vant la loi
. De plus : S n =
2
i=1
Daprs le cours, on a : S n
n
.
2
La va Yn dpend uniquement du n-chantillon (X1 , . . . , Xn ).

Donc Yn est un estimateur.
De plus, on sait alors que E(S n ) =
1er cas : Si t < 0, alors P(T t) = 0.
FT = 2FX (0) 1 = 2
De plus : lim
+
Une densit fn de S n est alors donne par :
0
si x < 0
1 n
.
x R, fn (x) =
1
x
n x 2 e si x 0
2
E(Yn ) = 2 .
n
22
et puisque Yn =
S n,
2
n
On en dduit que Yn est un estimateur sans biais de 2 .

,
2S n
b) 2) Puisque Yn =
, daprs le thorme de transn
fert, on a :
Yn admet une esprance,

$ + ,
$ +
2x
2x
lintgrale
fn (x) dx =
fn (x) dx
n
n
0
converge absolument
$ + ,
2x
lintgrale
fn (x) dx converge (car lintn
0
grande est positive ou nulle).
On a : X > 0,
, $ X
$ X ,
2x
2
n1
x 2 e x dx
fn (x) dx =
n
n
(
)
n
0
0
, 2
,

2 n 1
2 n + 1
+1 =
.
n
X+ ( n )
n
2
(
)
n
2
2
2
Ainsi Yn admet une esprance et

,
n+1
2 ( 2 )
E( Yn ) =
.
n ( n2 )
,
n
n ( 2 )
Yn est un estimateur
b) 3) On en dduit que
5n =
n+1
2 ( 2 )
sans biais de .
n
n ( 2 ) 2
Yn et que Yn admet une espc) 1) Puisque 5
n 2 =
n+1
2 ( 2 )
rance, la va
5n 2 admet un moment dordre 2 et
E(5
n 2 ) =
n
n
n ( 2 ) 2
n ( 2 ) 2 2
E(Y
)
=
.
n
2 ( n+1
2 ( n+1
)
)
2
2
Ainsi 5
n 2 admet une variance et
n ( n2 ) 2

2
n 2 ) E(5
n ) = 2
1 .
V(5
n ) = E(5
2 ( n+1
)
2
c) 2) Dterminons la limite de V(5
n ) lorsque n tend vers +.
Distinguons deux cas :
1er cas : si n est pair, n = 2p, alors
( n2 )
(p)
=
( n+1
)
(p
+ 12 )
2
273
Chapitre 8
or : (p) = (p 1)! et daprs lnonc :

1
1
p+
p 2 (p 1)!
2 p
donc :
( n2 )
( n+1
) n
2
1
, et :
p
n
n ( 2 ) 2
2 ( n+1
) n
2
donc :
n 1
= 1.
2 p
2e cas : si n est impair, n = 2p + 1, alors

1
( n2 )
(p + 12 )
1
p 2 (p 1)!
=
=
p
(p
+
1)
p!
p
( n+1
)
2
274
n
n 1
2p
n ( 2 ) 2
= 1.

n+1
2 ( 2 ) n 2 p n 2p
Ainsi en groupant les deux cas, on a :
n
n ( 2 ) 2
1.
n+1
2 ( 2 ) n
On en dduit que V(5

n ) 0, et en utilisant lexercice 8.2, on
n
conclut que
5n est un estimateur convergent de .
Table de la loi normale centre rduite

Par dfinition, la fonction de rpartition de la loi normale centre rduite, note , est donne par :
$ x
$ x
t2
1
: R R, x (x) =
e 2 dt =
f (t) dt,
t2
1
o f : R R, t e 2 .
2
0.00
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
0.50000
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.84134
0.86433
0.88493
0.90320
0.91924
0.93319
0.94520
0.95543
0.96407
0.97128
0.97725
0.98214
0.98610
0.98928
0.99180
0.99379
0.99534
0.99653
0.99744
0.99813
0.01
0.50399
0.54380
0.58317
0.62172
0.65910
0.69497
0.72907
0.76115
0.79103
0.81859
0.84375
0.86650
0.88686
0.90490
0.92073
0.93448
0.94630
0.95637
0.96485
0.97193
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.84614
0.86864
0.88877
0.90658
0.92220
0.93574
0.94738
0.95728
0.96562
0.97257
0.97831
0.98300
0.98679
0.98983
0.99224
0.99413
0.99560
0.99674
0.99760
0.99825
0.51197
0.55172
0.59095
0.62930
0.66640
0.70194
0.73565
0.76730
0.79673
0.82381
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96638
0.97320
0.97882
0.98341
0.98713
0.99010
0.99245
0.99430
0.99573
0.99683
0.99767
0.99831
0.51595
0.55567
0.59483
0.63307
0.67003
0.70540
0.73891
0.77035
0.79955
0.82639
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.94950
0.95907
0.96712
0.97381
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.85543
0.87698
0.89617
0.91309
0.92785
0.94062
0.95154
0.96080
0.96856
0.97500
0.98030
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.52790
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.85769
0.87900
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.98077
0.98500
0.98840
0.99111
0.99324
0.99492
0.99621
0.99720
0.99795
0.99851
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.78230
0.81057
0.83646
0.85993
0.88100
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.98124
0.98537
0.98870
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.53586
0.57535
0.61409
0.65173
0.68793
0.72240
0.75490
0.78524
0.81327
0.83891
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.97670
0.98169
0.98574
0.98899
0.99158
0.99361
0.99520
0.99643
0.99736
0.99807
0.99861
Par exemple, pour x = 1.23 (intersection de la ligne 1.2 et de la colonne 0.03), on obtient :
(1.23) 0.89065.
275
Algorithmique
Plan
281
Du mal dmarrer ?
290
293

noncs des exercices
CHAPITRE
Calculs de sommes et de produits
Calcul des termes dune suite rcurrente du type un+1 = f (un )
Calcul dune valeur approche de la limite dune suite convergente et de la

somme dune srie convergente
Calcul dune valeur approche de la solution dune quation du type f (x) = 0
Calcul dune valeur approche dune intgrale
Simulations de variables alatoires discrtes et de variables alatoires densit
Manipulation de variables de type array[1..n] of integer ou de type

array[1..n] of real.


va.
Utilisation de linstruction conditionnelle if...then (...else), utilisation

de la boucle for...do, utilisation des boucles conditionnelles while...do,
repeat...until
criture et utilisation de procdures et de fonctions
criture et utilisation de procdures et de fonctions rcursives
Utilisation des instructions random et random(n) pour simuler des variables

alatoires suivant une loi uniforme discrte, une loi de Bernoulli, une loi binomiale, une loi gomtrique, une loi uniforme densit
Recherche de la valeur et dun rang des extremums dun tableau
Recherche dichotomique dun lment dans une liste ordonne.
Les mthodes retenir

Pour calculer
une somme de rels S n =
n

k=1
276
ak
On dfinit une variable S, que lon initialise 0, et laquelle on ajoute

successivement les rels a1 , puis a2 , ..., puis an .
Pour cela, on utilise une boucle for...do.
Les mthodes retenir
(suite)
La squence dinstructions est donc :

S:=0 ;
for k:=1 to n do S:=S+{ak} ;
writeln(La somme est gale ,S) ;
la fin de chaque boucle k, la variable S contient la valeur de
k
ai .
i=1
Exercices 9.1, 9.2, 9.12, 9.13, 9.19, 9.20.

On dfinit une variable P, que lon initialise 1, et que lon multiplie
successivement par les rels a1 , puis a2 , ..., puis an .
Pour calculer
un produit de rels
n

Pn =
ak

P:=1 ;
for k:=1 to n do P:=P*{ak} ;
writeln(Le produit est gal ,P) ;
k=1
la fin de chaque boucle k, la variable P contient la valeur de
k
ai .
i=1
Exercices 9.1, 9.3, 9.4.
Pour calculer le terme dindice n

dune suite rcurrente (u n) nN
dfinie par
la donne de u0
et la relation u n+1 = f (u n)
Dans la mesure o seule la valeur de un nous intresse, on peut se

permettre dutiliser une seule variable u qui va contenir les valeurs
successives des termes de la suite.
Plus prcisment, on initialise u u0 , puis on calcule f(u) que lon
raecte u (u contient alors la valeur de u1 ). On eectue cette opration n fois, de faon ce que u contienne la valeur de un .
u:={u0} ;
for k:=1 to n do u:=f(u) ;
writeln(Le terme u(n) est gal ,u) ;
la fin de chaque boucle k, la variable u contient la valeur de uk .
Exercices 9.6, 9.9.
Pour calculer
une valeur approche
de la limite L
dune suite convergente (u n) nN
prs
Calculer les termes un de la suite jusqu ce que |un L| (ou tant

que |un L| > ).
Dans ce cas, n est le plus petit entier naturel tel que un soit une valeur
approche de L prs.
Pour cela, on utilise une boucle conditionnelle repeat...until
(ou while...do).
277
Chapitre 9
Algorithmique

u:={u0 } ; n:=0 ;
u:={u0} ; n:=0 ;
ou
repeat
while abs(u-L)>{} do
begin
begin
u:=f(u) ;
u:=f(u) ;
n:=n+1 ;
n:=n+1 ;
end ;
end ;
until abs(u-L)<={}
Chercher une suite (n )nN qui converge vers 0 et telle que :
n N, |un L| n .
(suite)
On calcule ensuite les termes un de la suite jusqu ce que n

(ou tant que n > ). Dans ce cas, un est une valeur approche de L
prs, mais lentier n nest pas forcment le plus petit entier vrifiant
cette condition.
Une squence dinstruction analogue la squence prcdente permet
dobtenir cette valeur approche.
Exercices 9.12, 9.13, 9.14.

On calcule les termes un de la suite jusqu ce que un A (ou tant que
un < A).
(ou while...do).
Pour calculer
le plus petit entier n
tel que u n A
o (u n) nN est une suite
divergeant vers +
u:={u0} ; n:=0 ;
repeat
begin
u:=f(u) ;
n:=n+1 ;
end ;
until u>=A
ou
u:={u0} ; n:=0 ;
while u<A do
begin
u:=f(u) ;
n:=n+1 ;
end ;
Exercice 9.9.
Pour calculer
une valeur approche
de la somme S

dune srie convergente
un
prs
n0
Pour calculer
une valeur approche
de la solution
dune quation du type f (x) = 0
par la mthode de dichotomie
278
On calcule une valeur approche de la limite S de la suite de terme

n

gnral S n =
uk par la mthode dcrite prcdemment.
k=0
On suppose connue une fonction f continue et strictement monotone

sur un segment [a ; b] et telle que f (a) f (b) < 0.
Dans ce cas, lquation f (x) = 0 admet une unique solution dans lintervalle [a ; b], note .
Les mthodes retenir
On dfinit deux suites (an )nN et (bn )nN par :

a0 = a, b0 = b et pour tout n de N,
an + bn
an+1
si f (an ) f
< 0, alors
2
bn+1
an + bn
an+1
si f (an ) f
0, alors
2
bn+1
(suite)
= an
an + bn
=
2
an + bn
=
2
= bn
Les deux suites (an )nN et (bn )nN sont adjacentes et convergent vers .
On a alors :
a + b
n
n

|an bn | ;
n N,
2
2
1
an + bn
est une valeur approche de |an bn | prs.
autrement dit,
2
2
On calcule alors les termes an et bn des deux suites jusqu ce que
1
1
|an bn | (ou tant que |an bn | > ).
2
2
(ou while...do).
Exercice 9.14.
Pour simuler une va X

suivant la loi uniforme discrte
sur a ; b avec (a, b) N2
On utilise linstruction random(n) qui renvoie un entier alatoire

compris entre 0 et n 1 suivant la loi uniforme sur 0 ; n 1.
On obtient alors une simulation de X avec linstruction suivante :
x:=a+random(b-a+1);
Exercices 9.8, 9.10, 9.17, 9.18, 9.28.
On utilise linstruction random qui renvoie un rel compris entre 0 et 1

suivant la loi uniforme sur [0 ; 1].
suivant la loi de Bernoulli
de paramtre p avec p ]0 ; 1[
Ce rel a une probabilit p dtre infrieur (ou gal) p.

On obtient alors une simulation de X avec linstruction suivante :
if random<p then x:=1 else x:=0 ;
Remarque : Il revient au mme dcrire random<p et random<=p.
Exercices 9.7, 9.19, 9.22.

suivant la loi binomiale
de paramtre (n, p)
avec n N et p ]0 ; 1[
En considrant que X est le nombre de succs obtenus lors de la ralisation de n preuves de Bernoulli indpendantes de paramtre p, on
obtient une simulation de X avec la squence dinstructions suivante :
x:=0 ;
for i:=1 to n do
if random<p then x:=x+1 ;
Exercice 9.7.
279
Chapitre 9
Algorithmique

suivant la loi gomtrique
de paramtre p avec p ]0 ; 1[
En considrant que X est le temps dattente du premier succs lors de

ralisations dpreuves de Bernoulli indpendantes de paramtre p, on
obtient une simulation de X avec la squence dinstructions suivante :
ou
x:=1 ;
x:=0 ;
while random>p do
repeat
x:=x+1 ;
x:=x+1 ;
until random<p ;

suivant la loi uniforme densit
sur [a ; b] avec (a, b) R2
Pour dterminer les lments

extremums dun tableau T
de type array[1..n] of integer
ou de type array[1..n] of real
On utilise linstruction random qui simule la loi uniforme sur [0 ; 1].

On obtient une simulation de X avec linstruction suivante :
x:=a+(b-a)*random ;
Exercices 9.8, 9.20, 9.21.
Pour dterminer le minimum min du tableau T, on initialise min
T[1], puis on compare min avec T[2] et on modifie ventuellement
min, et ainsi de suite jusqu parcourir tout le tableau.
La squence dinstructions est la suivante :
min:=T[1] ;
for i:=2 to n do
if T[i]<min then min:=T[i] ;
Une squence dinstructions analogue permet dobtenir le maximum
du tableau T.
max:=T[1] ;
for i:=2 to n do
if T[i]>max then max:=T[i] ;
Exercices 9.10, 9.15, 9.26.
Pour rechercher par dichotomie

un lment x
dans un tableau T
pralablement tri
par ordre croissant
de type array[1..n] of integer
ou de type array[1..n] of real
On commence par comparer llment x la valeur mdiane du tableau [T]. Si cette valeur mdiane est suprieure x, alors on se ramne la premire moiti du tableau, sinon la seconde moiti du
tableau.
Et on recommence avec la partie du tableau slectionne, et ainsi de
suite jusqu obtenir une partie du tableau de taille 1.
Il ne reste alors plus qu comparer x avec cet lment.
a:=1 ; b:=n ;
while aT[c] then a:=c+1 else b:=c ;
end ;
if x=T[a]
then write(x appartient T au rang ,a)
else write(x n appartient pas T) ;
Exercice 9.25.
280
noncs des exercices
noncs des exercices

9.1 Calculs de sommes et de produit
crire un programme demandant un entier n lutilisateur et achant la valeur de :
u0 = 1
uk avec
a)
n N, un+1 = un + n
k=0
u0 = 1, u1 = 2
uk avec
b)
n N, un+2 = un+1 + nun

k=0
c)
n
uk vk
k=0
u0 = 1, v0 = 2
avec
n N, un+1 = 3un + vn , vn+1 =
1
un + vn
n+1
9.2 Calcul dune valeur approche de la somme dune srie convergente, daprs ESSEC 2001
On note, pour tout n de N , S n =
a) Montrer :
k 2,
n

1
2
k
k=1
et S =
+

1
.
2
n
n=1
1
1
1
1
1

.
k k + 1 k2
k1 k
b) En dduire, pour tout (n, p) de (N )2 , un encadrement de S n+p S n puis un encadrement de

S S n.
c) Montrer :
n N , 0 S n +
1
1
S 2.
n
n
d) crire un programme en Pascal qui calcule et ache une valeur approche de S 106 prs.
9.3 Calcul de factorielles

crire une fonction dont len-tte est :
function fact(n:integer):integer
qui calcule n ! :
a) en utilisant la formule n! = 1 2 n
b) en utilisant la rcursivit.
9.4 Calcul de puissances

crire une fonction dont len-tte est :
function puissance(x:real ; n:integer):real
qui calcule xn :
x x
a) en utilisant la formule xn =
b) en utilisant la rcursivit.
n fois
9.5 Exemple de fonction rcursive, daprs EDHEC 2008
Pour tout couple (p, q) dentiers naturels, on pose I(p, q) =
x p (1 x)q dx.
0
a) Calculer, pour tout p de N, I(p, 0).

b) Montrer :
(p, q) N N , I(p, q) =
q
I(p + 1, q 1).
p+1
281
Chapitre 9
Algorithmique
c) Complter la dclaration rcursive suivante afin quelle permette le calcul de I(p, q) :

function i(p,q:integer):real ;
begin
if q=0 then i:=... else ... ;
end ;
9.6 Exemple dune suite rcurrente, daprs cricome 2005

On considre la suite (un )nN dfinie par u0 = 1 et, pour tout n de N , un =
n + un1 .
crire une fonction rcursive ayant pour nom suite qui calcule le terme dindice n de la suite
(un )nN .
9.7 Simulations de lois binomiales, daprs ESSEC 2006

a) crire un programme qui simule une va X suivant la loi de Bernoulli de paramtre p, le rel
p tant entr par lutilisateur.
b) crire un programme qui simule une va X qui suit la loi binomiale de paramtre (n, p), lentier
n et le rel p tant entrs par lutilisateur.
c) Soient (p1 , p2 ) ]0 ; 1[2 et n N . On eectue n preuves de Bernoulli indpendantes et de
paramtre p1 et lon note X le nombre de succs obtenus lors de cette premire srie dpreuves.
On eectue ensuite X preuves de Bernoulli de paramtre p2 et lon note Y le nombre de succs
obtenus lors de cette deuxime srie dpreuves.
crire un programme qui simule la va Y, lentier n et les rels p1 et p2 tant entrs par lutilisateur.
9.8 Simulation de lois uniformes

a) Simulation dune loi discrte uniforme
On choisit un entier X au hasard compris entre 1 et 100, puis un entier Y au hasard compris entre
X et 100.
crire un programme simulant n = 1000 fois lexprience alatoire et renvoyant la moyenne des
valeurs de Y obtenues.
b) Simulation dune loi uniforme densit
On casse une baguette de bois de longueur 1 un endroit au hasard et lon note X labscisse du
point o lon brise la baguette. Puis lon casse nouveau le premier morceau de la baguette et
lon note Y labscisse du point de la brisure.
crire un programme simulant n = 1000 fois lexprience alatoire et renvoyant la moyenne des
valeurs de Y obtenues.
9.9 Exemple dune suite rcurrence

On considre la suite (un )nN dfinie par :
u0 = 1,
u1 = 2, n N, un+2 = un+1 n + 1 + min(un , n).
a) crire un programme qui calcule et ache la valeur de un , lentier n tant entr par lutilisateur.
b) Montrer que la suite (un )nN diverge vers +.
c) crire un programme qui calcule et ache la plus petite valeur de n telle que un > A, le rel
A tant entr par lutilisateur.
282
noncs des exercices
9.10 Manipulation de tableaux

a) crire un programme qui cre un tableau de 20 entiers alatoires compris entre 0 et 100, qui
ache ce tableau ainsi que le plus petit entier, le plus grand entier de ce tableau et les rangs
auxquels ils apparaissent.
b) crire un programme qui cre un tableau de 20 entiers alatoires compris entre 0 et 10, qui
demande un entier x lutilisateur et qui ache le nombre de fois quapparat lentier x dans le
tableau.
9.11 Calcul de coecients binomiaux

a) 1) Montrer :
(n, p) N2 tel que 1 p n,

n
n n1
=
.
p
p p1
2) crire une fonction rcursive qui calcule le coecient binomial

n
.
p
b) En utilisant la formule de Pascal, crire une fonction doublement rcursive qui calcule

n
.
p
9.12 Calculs approchs dintgrales par la mthode des rectangles

Soit f : [a ; b] R une application continue. On souhaite dterminer une valeur approche de
b
I=
f (t) dt. On suppose f de classe C 1 sur [a ; b].
a
t [a ; b], | f (t)| M.
Soit M > 0 tel que :
On note, pour tout n de N , S n =
a) Montrer :
n1
ba
b a
.
f a+k
n k=0
n
n N , |S n I|
M(b a)2
.
2n
b) Application : Calculer une valeur approche de I =
e t dt 103 prs en utilisant la

2
question prcdente.
9.13 Exemple dune suite rcurrente, daprs EML 2010

On note f : R R lapplication dfinie, pour tout x de R, par :
f (x) = x ln(1 + x2 ).
On considre la suite (un )nN dfinie par u0 = 1 et, pour tout n de N, un+1 = f (un ).
a) tablir que la suite (un )nN converge et dterminer sa limite.
b) crire un programme qui calcule et ache le plus petit entier n tel que un 103 .
c) 1) tablir : x [0 ; 1], f (x) x
2) En dduire :
x2
.
2
n N, u2n 2(un un+1 ).
3) Montrer que la srie
u2n converge et que lon a : n N,
n0
4) crire un programme qui ache une valeur approche de
+
u2k 2un+1 .
k=n+1
+
u2n 104 prs.
n=0
283
Chapitre 9
Algorithmique
9.14 Calcul approch de la solution dune quation par la mthode de dichotomie, par la mthode ditrations
x R, f (x) = (x2 + 1) e x .
On considre la fonction f dfinie sur R par :
a) Montrer que lquation f (x) x = 0 admet une unique solution dans R, note , et que lon a :
1
; 1 . On pourra utiliser lingalit : 2 < e < 4.

2
On souhaite dterminer une valeur approche de .
b) 1re mthode : crire un programme qui calcule une valeur approche de 106 prs en
utilisant la mthode de dichotomie.
c) 2nde mthode : On considre la suite (un )nN dfinie par :
u0 = 1 et n N, un+1 = f (un ).
1) Montrer :
2) Montrer :

1
; 1 , | f (x)|
x
2
4
1 n
n N, |un |
.
4
1
et
1
f (x) 1.
2
3) En dduire que la suite (un )nN converge vers .

4) crire un programme qui calcule une valeur approche de 106 prs.
9.15 Dtermination du plus petit des plus grands , daprs HEC 2002
Pour toute matrice A = (ai j ) 1in de Mn,p (R), on note u(A) =min
1in
1 jp

max ai j .
1 jp
On suppose que, dans le prambule dun programme crit en Turbo-Pascal, on a dfini :
deux constantes entires : n et p
un type : matrice = array[1..n,1..p] of real
a) crire le corps de la fonction

function MaxLigne (A:matrice ; i:integer):real ;
cette fonction doit retourner le plus grand lment de la ligne i de la matrice A.
b) crire le corps de la fonction
function MinMax(A:matrice):real ;
cette fonction doit retourner la valeur de u(A) ; on pourra utiliser la fonction MaxLigne.
9.16 Simulation de la loi hypergomtrique

crire une fonction den-tte
function hypergeom(m,n:integer ; p:real):integer
simulant une va de loi hypergomtrique de paramtre (m, n, p) en utilisant :
a) un algorithme itratif
b) un algorithme rcursif.
Lalgorithme reposera sur le fait quune loi hypergomtrique apparat lors de tirages sans remise dans une urne.
9.17 Simulation de lois gomtriques, daprs ESSEC 2006

On considre une va X suivant la loi gomtrique de paramtre p.
284
noncs des exercices
a) En considrant que X est le temps dattente du premier succs dans un processus de Bernoulli,
crire un programme de simulation de X qui utilise une boucle repeat.
Quel est le nombre moyen dappels la fonction random ?
b) La mthode prcdente tant coteuse pour les petites valeurs de p, on se propose dcrire
un autre programme qui nappelle quune seule fois la fonction random.
1) Soient U une variable alatoire suivant la loi uniforme sur ]0 ; 1[ et a > 0.
1
Montrer que ln(U) suit la loi exponentielle de paramtre a. En dduire un programme simua
lant une va suivant la loi exponentielle de paramtre a.
2) Soit Y une va suivant la loi exponentielle de paramtre a, avec a > 0.
Montrer :
k N , P(k 1 Y < k) = ( e a )k1 (1 e a ).
En dduire que lon peut choisir a tel que X et Ent(Y) + 1 suivent la mme loi.
3) crire le programme correspondant qui simule la va X.
9.18 Simulation dune exprience alatoire, daprs EDHEC 2007

Soit n N . Une urne contient une boule blanche et n 1 boules noires. Trois joueurs nots
A, B et C tirent tour de rle une boule de cette urne dans lordre suivant : A joue le premier,
B joue aprs A, C joue aprs B, puis A joue aprs C, ... Le gagnant est le premier des trois qui
extrait la boule blanche.
a) On suppose que les tirages se font avec remise de la boule tire.
On code lvnement on obtient la boule blanche par le nombre 0. Complter le programme

suivant pour quil simule lexprience alatoire dcrite prcdemment et en ache le vainqueur.
program simulation ;
var a,b,c,n:integer ;
begin
readln(n) ; randomize ;
repeat
a:=random(n) ;
if a=0 then ... else begin b:=... ;
if b=0 then ... else begin c:=... ;
if c=0 then ... ;
end ;
end ;
until (a*b*c=0) ;
end.
b) On suppose maintenant que les tirages se font sans remise de la boule tire.
Modifier en consquence le programme prcdent.
9.19 Construction dintervalles de confiance pour un paramtre p inconnu

On rappelle que si (X1 , . . . , Xn ) est un n-chantillon indpendant et identiquement distribu de
la loi de Bernoulli de paramtre p, ]0 ; 1[ et t le rel dfini par (t ) = 1 , o est la

2
fonction de rpartition de la loi normale centre rduite, alors un intervalle de confiance de p au
risque est :

t
t
X1 + + Xn
Xn ; Xn + , o Xn =
.
n
2 n
2 n
285
Chapitre 9
Algorithmique
Dans la suite, on prend n = 1000, = 0.1 et donc t 1.645.

a) crire une fonction qui simule la va Xn , le paramtre p tant entr par lutilisateur.
b) crire un programme qui choisit alatoirement un paramtre p, ralise 100 simulations de
Xn , cre les intervalles de confiance de p associs, et enfin qui compte le nombre dintervalles
obtenus contenant rellement le paramtre p.
9.20 Simulation de lois exponentielles, de lois Gamma et de lois de Poisson, daprs EML 2011
On considre une suite de va relles (Xk )kN mutuellement indpendantes qui suivent la loi
exponentielle de paramtre gal 1.
Pour tout n N , on note S n la va dfinie par S n =
n
Xk .
k=1
a) Soit une va U suivant la loi uniforme sur lintervalle [0 ; 1]. Montrer que la va Y = ln(1 U)
suit la loi exponentielle de paramtre 1.
En dduire un programme simulant une va suivant la loi exponentielle de paramtre 1.
b) crire un programme simulant la va S n , lentier n tant entr par lutilisateur.
c) Pour tout t ]0 ; +[, on note Nt la va gale 0 si lvnement (S 1 > t) est ralis, et sinon,
au plus grand entier n N tel que lvnement (S n t) est ralis.
Ainsi, pour tout t ]0 ; +[, pour tout n N , lvnement (Nt = n) est gal lvnement
(S n t) (S n+1 > t).
crire un programme simulant la va Nt , le rel t tant entr par lutilisateur.
9.21 Simulation de la loi normale centre rduite

Soit (Un )nN une suite de va indpendantes suivant toutes la loi uniforme [0 ; 1].
Pour tout n de N , on note Xn =
n
Uk et Xn la va centre rduite associe Xn .
k=1
a) Exprimer, pour tout n de N , Xn en fonction de Xn . Justifier que la suite (Xn )nN converge en
loi vers une va de loi normale centre rduite.
Dans la suite, on prend n = 48, et lon approxime la loi de Xn par la loi N (0, 1).
b) En dduire un programme simulant une va de loi normale centre rduite.
c) Soit N une va de loi normale centre rduite. Quelle est la probabilit P(N 1) ? crire un
programme simulant 1000 fois la va N et qui calcule le pourcentage de ralisations obtenues
infrieures ou gales 1.
9.22 Simulation dune exprience alatoire, daprs Ecricome 2006

On eectue une succession infinie de lancers indpendants dune pice quilibre. On sintresse aux successions de lancers amenant un mme ct.
Pour tout n de N , on note Xn la va gale 1 si le n-ime lancer amne pile et 0 sinon, et Nn le
nombre de changements de cts survenus lors des n premiers lancers.
Complter le programme informatique suivant pour que, m tant une valeur entire infrieure
100 entre par lutilisateur, il simule m va X1 , X2 , . . . , Xm (dont les valeurs seront places dans
le tableau X) et dtermine les valeurs de N1 , N2 , . . . , Nm (qui seront places dans le tableau N) :
286
noncs des exercices
const nmax=100 ;
type suite=array[1..nmax] of integer ;
var X,N:suite ; m,i:integer ;
begin
randomize ;
writeln(m ? ) ; readln(m) ;
X[1]:=... ; N[1]:=... ;
for i:=2 to m do
begin
X[i]:=... ;
...
end ;
...
end.
9.23 Manipulation dentiers

Soit un entier naturel donn. On calcule la somme des carrs des chires qui le composent.
On obtient un nouvel entier, pour lequel on calcule la somme des carrs des chires qui le
composent, et ainsi de suite ... On admet quau bout dun certain nombre ditrations, on obtient
toujours 1 ou 4.
Par exemple, en considrant lentier 2012, on obtient successivement :
2012 9 81 65 61 37 58 89 145 42 20 4
a) crire une fonction den-tte
function unite(n:integer):integer ;
qui renvoie le chire des units de lentier n.
b) En dduire une fonction den-tte
function somme(n:integer):integer ;
qui renvoie la somme des carrs des chires qui composent n.
c) crire un programme qui demande lutilisateur un entier naturel n et qui renvoie le nombre
ditrations ncessaires pour obtenir 1 ou 4.
9.24 Mthode de la transforme inverse pour simuler des va densit

a) On considre une va X densit. On note F sa fonction de rpartition et on suppose que F
est strictement croissante sur R.
1) Justifier que F ralise une bijection de R dans ]0 ; 1[. On note G sa fonction rciproque.
2) Soit U une va suivant la loi uniforme sur ]0 ; 1[. Montrer que les va X et G(U) suivent la
mme loi.
b) Soit c > 0. On considre une va Y admettant pour densit lapplication f : R R dfinie
c
par : x R, f (x) = exp(c|x|).
2
1) Dterminer la fonction de rpartition F de Y. Vrifier que F est strictement croissante
sur R puis dterminer la fonction G = F 1 , rciproque de F.
2) En utilisant la question a), crire un programme qui simule la va Y, le rel c tant entr par
lutilisateur.
287
Chapitre 9
Algorithmique
c) Mmes questions pour une va Z suivant la loi de Cauchy, cest--dire admettant pour densit
1
.
(1 + x2 )
lapplication f : R R dfinie par : x R, f (x) =
9.25 Recherche par dichotomie dun lment dans un tableau tri

On suppose connu un tableau T de type array[1..n] of integer ordonn par ordre croissant, o n est une constante dfinie dans le programme principal.
crire une procdure den-tte
procedure dicho(var i:integer ; T:tab ; x:integer) ;
qui recherche lentier x dans le tableau T en utilisant la recherche par dichotomie et qui donne
i un rang auquel x apparat dans T sil y apparat et 0 sinon.
9.26 Tri par slection dun tableau

Lune des mthodes pour trier un tableau est le tri par slection : le principe de ce tri consiste
raliser un premier parcours complet pour rechercher la position du plus petit lment ; ce plus
petit lment est alors chang avec le premier lment du tableau ; on recommence ensuite avec
les n 1 derniers lments du tableau, et ainsi de suite ...
On suppose connu le tableau trier T de type array[1..n] of integer, o n est une
constante dfinie dans le programme principal.
crire une procdure qui trie par ordre croissant le tableau T et qui ache le tableau tri.
9.27 Manipulation dentiers

On choisit un entier de E = 1 ; 999, puis on forme le plus grand entier et le plus petit entier
possibles avec ses trois chires (par exemple, 324 donne 432 et 234, 73 donne 730 et 37, 8
donne 800 et 8, ...), on soustrait le plus petit de ces deux entiers au plus grand, puis on recommence lopration. On admet que lon finit toujours par obtenir 495, sauf si lentier de dpart
est compos de trois chires identiques.
On considre le programme suivant :
program truc ;
type tab=array[1..3] of integer ;
var ...
procedure chiffres(var T:tab ; n:integer) ;
...
procedure tri(var T:tab) ;
...
function difference(n:integer):integer ;
...
function test(n:integer):boolean ;
...
{programme principal}
begin
...
end.
a) Complter la procdure chiffres de faon ce que le tableau T contienne les trois chires
de lentier n.
b) Complter la procdure tri de faon ce qu la sortie, le tableau T soit tri par ordre
croissant.
288
noncs des exercices
c) Complter la function difference de faon ce quelle renvoie la dirence entre le plus

grand entier et le plus petit entier possibles avec les trois chires de n.
d) Complter la fonction test afin quelle renvoie true si lentier n vrifie les conditions donnes dans lnonc et false sinon.
e) Enfin, complter le programme principal afin quil choisisse alatoirement un entier de E
satisfaisant les conditions de lnonc et ache le nombre ditrations ncessaires lobtention
de 495.
9.28 Simulation dune exprience alatoire, daprs HEC 2005

Soit n N . On considre une urne blanche contenant n boules blanches numrotes de 1 n
et une urne noire contenant n boules noires numrotes de 1 n, dans lesquelles on eectue des
suites de tirages. chaque tirage, on tire simultanment et au hasard une boule de chaque urne.
On obtient ainsi chaque tirage, deux boules, une blanche et une noire.
On dit quon a obtenu une paire lors dun tirage, si la boule blanche et la boule noire tires
portent le mme numro.
a) Dans cette question, les tirages se font avec remise jusqu obtenir pour la premire fois une
paire.
crire une fonction dont len-tte est pgrm1(n:integer):integer qui simule le rang dapparition de la premire paire.
b) Dans cette question, les tirages se font sans remise dans lurne blanche et avec remise dans
lurne noire jusqu ce que lurne blanche soit vide. On note Xn le nombre de paires obtenues
lissue des n tirages.
1) Dfinir un type tableau de n entiers not tab, puis deux variables de type tab dont les
identificateurs sont blanc et noir.
2) Soit s un tableau de type tab. crire une procdure dont len-tte est echange(var s
:tab ; i,j:integer) qui change les lments s[i] et s[j] du tableau s.
3) On considre les lignes de programme suivantes utilisant la procdure echange :

begin
for i:=1 to n do blanc[i]:=i ;
for i:=1 to n-1 do
begin
j:=random(n+1-i)+i ;
echange(blanc,i,j) ;
end ;
writeln ;
for i:=1 to n do write(blanc[i], ) ;
end.
Expliquer le fonctionnement de ce programme et son rsultat.
On prcisera ce qui se passe au premier passage puis au i-ime passage dans la deuxime boucle
for, et en particulier la raison pour laquelle on crit linstruction
j:=random(n+1-i)+i.
4) Construire une procdure qui sappelle initialise permettant de simuler le tirage sans
remise et au hasard des n boules numrotes, en mettant dans la variable s[i] le numro de la
i-ime boule tire.
5) crire un programme complet permettant de simuler lexprience lorsque n = 20, puis de
donner la valeur de Xn .
289
Chapitre 9
Algorithmique
Du mal dmarrer ?
9.1
Utiliser la mthode dcrite dans la rubrique les mthodes retenir .
9.2
a) Immdiat.
b) Sommer lingalit du a) pour k allant de n + 1 n + p, puis

passer la limite quand p tend vers +.
c) Immdiat.
d) 1re mthode : Calculer S1000 laide dune boucle for...do
et en utilisant la mthode dcrite dans la rubrique les mthodes retenir .
1
Une valeur approche de S est S1000 +
.
1000
1
2 mthode : Calculer la somme Sn tant que 2 > 106 ou jusn
1
qu ce que 2 106 laide dune boucle while...do ou
n
repeat...until
9.3
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour calculer le produit 1 2 n.
b) Calculer ici n! laide des formules :

0! = 1 et n! = n (n 1)!.
c) Utiliser la mthode dcrite dans la rubrique les mthodes

retenir .
9.10
a) Pour crer le tableau T, utiliser une boucle for...do,

et pour tout i de 1 ; 20, remplir la case T[i] dun entier au
hasard de 0 ; 100.
Pour dterminer les extremums du tableau T, utiliser la mthode dcrite dans la rubrique les mthodes retenir .
b) Crer le tableau T de la mme faon quau a), puis comparer

chaque lment du tableau llment x.
9.11
a) 1) Exprimer les coefficients binomiaux laide de factorielles.

a) 2) Pour crire la fonction
rcursive,
utiliser

les formules :

n
n
n n1
.
= 1 et
=
p p1
0
p
b) Pour crire la fonction
rcursive,
utiliser les formules :

n
n
= 1,
= 0 si p > n
0 p

n
n1
n1
et
=
+
.
p
p
p1
9.12
9.4
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour calculer le produit x x x.
k=0
xk
b) Calculer ici xn laide des formules :

x 0 = 1 et xn = x xn1 .
puis appliquer lingalit des accroissements finis f sur lintervalle [xk ; t].
9.5
b) Considrer f : [0 ; 1] R, t e t .
2
a) Immdiat.
b) Effectuer une intgration par parties.

c) Utiliser les formules obtenues au a) et au b).
9.6
Utiliser lgalit de dfinition de la suite.
9.7
a) b) Utiliser les mthodes dcrites dans la rubrique les

mthodes retenir .
c) Remarquer que la loi de X est la loi binomiale de paramtre
(n, p1 ) et que la loi conditionnelle de Y sachant (X = x) est la loi
binomiale de paramtre (x, p2 ).
Utiliser la mthode dcrite dans la rubrique les mthodes

retenir pour simuler une loi binomiale.
9.8
a) Remarquer que la loi de X est la loi discrte uniforme

sur 1 ; 100 et que la loi conditionnelle de Y sachant (X = x)
est la loi discrte uniforme sur x ; 100.
Utiliser la question prcdente pour en dduire que Sn est une

1
prs.
n
valeur approche de I
9.13
a) Montrer que la suite (un )nN est minore par 0 et dcroissante. En dduire quelle converge, puis montrer que sa
limite est 0.
b) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
c) 1) tudier le signe de la fonction
x2
f(x).
2
c) 2) Montrer que, pour tout n de N, un [0 ; 1], puis appliquer
lingalit prcdente un .
g : [0 ; 1] R, x x
c) 3) Penser au lien suite/srie.

Utiliser la rgle de comparaison pour les sries termes posi
tifs ou nuls pour montrer que la srie
u2n converge.
b) Remarquer que la loi de X est la loi uniforme densit sur

[0 ; 1] et la loi conditionnelle de Y sachant (X = x) est la loi
uniforme densit sur [0 ; x].
Ensuite sommer lingalit du c) 2) pour k allant de n + 1 +.
9.9
c) 4) Noter, pour tout n de N, Sn =
a) Utiliser une boucle for...do.
b) Montrer que la suite (un )nN est croissante,

puis :
n 2, un n 1.
290
a) Commencer par crire :

n1 xk+1

f(xk ) f(t) dt,
Sn I =
n0
n

k=0
uk et S =
+
un .
n=0
Montrer que Sn est une valeur approche (par dfaut) de S

= 2un+1 prs.
Du mal dmarrer ?
9.14
a) Montrer que lapplication g : R R, x f(x) x

est une bijection.
b) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
c) 1) Calculer puis majorer |f (x)|. Montrer que f est dcroissante
1
1
1
sur
; 1 , que f(1) et que f
1.
2
2
2
1
c) 2) Montrer : n N, un
;1 .
2
Appliquer lingalit des accroissements finis f pour en d1
duire : n N, |un+1 | |un |.
4
Conclure.
c) 3) Immdiat.
c) 4) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
9.15
a) Utiliser la mthode dcrite dans la rubrique les

mthodes retenir pour calculer le maximum des lments
A[i,1],...,A[i,p].
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour calculer le minimum des lments
MaxLigne(A,1),...,MaxLigne(A,n).
9.16
Considrer que si X H (m, n, p), alors X est le nombre

de boules blanches obtenues lors de n tirages sans remise dans
une urne contenant m boules dont mp boules blanches.
9.17
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir .
b) 1) Commencer par calculer la fonction de rpartition de

1
ln(U).
a
b) 2) Remarquer :
k N , P(k 1 Y < k) = P(Y k) P(Y k 1).
Puis utiliser le fait que Y E (a).
Prendre a = ln(1 p).
b) 3) Utiliser la fonction trunc.
9.18
a) Simuler lvnement E : on obtient une boule

blanche par lvnement (random(n):=0).
b) Raisonner de la mme faon quau a) en soustrayant 1 n

lorsque lon tire une boule noire.
9.19
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour simuler les va X1 , . . . , Xn , puis en faire la
moyenne.
b) Utiliser une boucle for...do pour simuler 100 intervalles de

confiance.
9.20
de Y .
b) Simuler n va de loi E (1) et en faire la somme.
c) Utiliser la boucle while...do ou repeat...until.
9.21
a) Appliquer le thorme de la limite centre.
b) Simuler la va Xn .
c) Justifier :
P(N 1) = (1) 0, 8413.
Utiliser une variable qui comptabilise le nombre de simulations obtenues infrieures ou gales 1.
9.22
Remarquer que les va X1 , . . . , Xm suivent la loi de Ber1

.
2
Pour dfinir les variables N[i], utiliser le fait quil y a un changement de cots au i-ime lancer lorsque Xi Xi1 .
noulli de paramtre
9.23
a) Utiliser le fait que le chiffre c des units de n est obtenu par : c = n 10 Ent(n/10).
b) Commencer par dterminer tous les chiffres de lentier n,

puis calculer la somme de leurs carrs.
c) Utiliser la boucle while...do ou repeat...until.
9.24
a) 1) Appliquer le thorme de la bijection rciproque.
a) 2) Montrer que les va X et G(U) ont mme fonction de rpartition.
e cx
si x < 0
2 cx
.
b) 1) Montrer : x R, F(x) =
1
si x 0
2
Pour dterminer F 1 , rsoudre, pour tout y de ]0 ; 1[, lquation
1
1
y = F(x), dinconnue x R, en sparant les cas y et y > .
2
2
b) 2) Simuler une va suivant la loi uniforme sur ]0 ; 1[, puis utiliser le rsultat de la question b) 1).
c) Obtenir :
x R, F(x) =
arctan x 1
+ .
Pour dterminer F 1 , rsoudre, pour tout y de ]0 ; 1[, lquation

y = F(x), dinconnue x R.
9.25
Utiliser la mthode dcrite dans la rubrique les mthodes retenir .
9.26
Pour tout i de 1 ; n 1, dterminer le minimum parmi

les lments T[i],...,T[n], puis changer cet lment avec llment T[i].
9.27
a) Utiliser par exemple la fonction div qui renvoie le quotient de la division euclidienne.
b) Effectuer des comparaisons successives des trois lments du

tableau deux par deux.
c) Immdiat.
d) Utiliser linstruction conditionnelle if...then.
e) Prendre un entier n au hasard dans 1 ; 999 et tant que
test(n)=false en prendre un autre.
Puis avec cet entier, appliquer la fonction difference tant que
lon na pas obtenu 495.
291
Chapitre 9
Algorithmique
9.28
a) Utiliser linstruction random(n)+1 et une boucle

repeat...until ou while...do
b) 1) Immdiat.
b) 2) Utiliser une variable auxiliaire.
b) 3) Remarquer que linstruction j:=random(n+1-i)+i; renvoie un entier au hasard de i ; n.
292
b) 4) Utiliser les lignes du programme de la question b) 3).

b) 5) Crer les tableaux blanc et noir de faon ce que la
case blanc[i] (resp. noir[i]) contienne le numro de la boule
blanche (resp. noire) obtenue au i-ime tirage.
Puis compter le nombre dindices i tels que blanc[i]=noir[i].

9.1
On utilise, pour chaque question, une boucle

for...do :
Exemple dexcution du programme :

n? 5
P(5)=2.560000E+003
a) program somme ;
var
u,s:real ;
i,n:integer ;
c) program somme2 ;
begin
var
u,v,w,s:real ;
i,n:integer ;
write(n ? ) ; readln(n) ;
begin
u:=1 ; s:=1 ;
for i:=1 to n do
u:=1 ; v:=2 ; s:=2 ;
begin
u:=sqrt(u+i-1) ; s:=s+u ;
for i:=1 to n do
begin
end ;
w:=u ; u:=3*u+sqrt(v) ; v:=1/i*w+v ;
writeln(S(,n,) = ,s) ;
s:=s+u*v ;
end.
la fin de chaque boucle i, la variable u contient la valeur de ui
i

et la variable s contient la valeur de
uk .
k=1

n ? 10
S(10) = 2.565479E+001
end ;
writeln(S(,n,) = ,s) ;
end.
la fin de chaque boucle i, la variable u contient la valeur de ui ,
la variable v contient la valeur de vi et la variable s contient la
i

uk vk .
valeur de
k=1
b) program produit ;
var
u,v,w,p:real ;
i,n:integer ;
n ? 10
S(10)=7.069198E+008
begin
9.2
v:=1 ; u:=2 ; p:=2 ;
a) Soit k 2. On a : k(k 1) k2 k(k + 1),

1
1
1

et donc :

.
k(k + 1) k2
k(k 1)
for i:=2 to n do
begin
w:=v ; v:=u ; u:=u+(i-2)*w ;
p:=p*u ;
end ;
De plus :
1
1
1
1
1
1
=
et
=
.
k k + 1 k(k + 1)
k 1 k k(k 1)
On obtient alors :
writeln(P(,n,) = ,p) ;
1
1
1
1
1

.
k k + 1 k2
k1 k
b) Soit (n, p) (N )2 .
end.
la fin de chaque boucle i, la variable v contient la valeur
de ui1 , la variable u contient la valeur de ui et la variable p
i

uk .
contient la valeur de
k=1
En sommant lingalit prcdente pour k allant de n+1 n+ p,

on obtient :
n+p
n+p
n+p

1
1
1 1
1

.
2
k
k
+
1
k
k
1
k
k=n+1
k=n+1
k=n+1
293
Chapitre 9
Or :
Algorithmique
n+p
n+p
n+p+1

1
1 1 1
=
k k+1
k k=n+2 k
k=n+1
k=n+1
program ValeurApprochee ;
var s:real ; n:integer ;
1
1
,
n+1 n+ p+1
n+p
n+p1
n+p

1
1 1 1 1
1
=
,
k
1
k
k
k
n
n
+
p
k=n+1
k=n
k=n+1
begin
s:=1 ; n:=1 ;
while 1/(n*n)>exp(-6*ln(10)) do
begin
n+p
n+p
n

1 1 1
=
= S n+p S n .
et
2
2
k
k
k2
k=n+1
k=1
k=1
On conclut :
1
1
1
1
S n+p S n
.
n+1 n+ p+1
n n+ p
Soit n N . En faisant tendre p vers + dans lingalit

prcdente, on obtient :
1
1
S Sn .
n+1
n
1
1
c) Soit n N . Daprs b), on a : S n S
,
n
n+1
1
1
1
1
1
+ =
.
et donc : 0 S n + S
n
n + 1 n n(n + 1) n2
n:=n+1 ; s:=s+1/(n*n) ;
end ;
writeln(une valeur approchee de S
est ,s+1/n) ;
end.
Le programme avec la boucle repeat...until est le suivant :
var s:real ; n:integer ;
begin
s:=1 ; n:=1 ;
repeat
d) 1re mthode : utilisation dune boucle for...do.

1
1
= 106 , et donc S n + est une
n2
n
valeur approche (par excs) de S 106 prs.
En posant n = 1000, on a
Le programme suivant calcule la valeur de S 1000 puis ache la

1
valeur de S 1000 +
.
1000
n:=n+1 ; s:=s+1/(n*n) ;
until 1/(n*n)<=exp(-6*ln(10)) ;
est ,s+1/n) ;
end.
Remarque : Lexcution des deux programmes prcdents
donne le mme rsultat que le programme utilisant une boucle
for...do
var s:real ; i:integer ;

begin
s:=1 ;
9.3
a) On calcule n! laide de la formule :
for i:=2 to 1000 do s:=s+1/(i*i) ;

est ,s+1/1000) ;
n! = 1 2 n.
function fact(n:integer):integer ;
var f,i:integer ;
end.
begin
Excution du programme :
une valeur approchee de S est
1.644935E+000
2e mthode : utilisation dune boucle while...do ou
repeat...until.
294
f:=1 ; for i:=1 to n do f:=f*i ;

fact:=f ;
end ;
la fin de chaque boucle i, la variable f contient la valeur de i!.
1
On calcule la somme S n tant que 2 > 106 ou jusqu ce que
n
1
106 .
n2
b) On calcule ici n! laide des formules :
Le programme avec la boucle while...do est le suivant :
begin
0! = 1 et
n! = n (n 1)!.
function fact(n:integer):integer ;
if n=0
then fact:=1
else fact:=n*fact(n-1) ;
write( x puissance n = , puissance(x,n)) ;
end ;
end.
Remarque : Voici un programme demandant un entier naturel n

lutilisateur et achant la valeur de n! en utilisant lune des
fonctions prcdentes.

x? 2
n? 5
x puissance n = 32
program factorielle ;
var n:integer ;
9.5
begin
a) Soit p N. On a :
write( n ! = ,fact(n)) ;
x p dx =
I(p, 0) =
end.
b) Soit (p, q) N N . Eectuons une IPP en posant :
u (x) = q(1 x)q1
u(x) = (1 x)q
v (x) = x p
x p+1
v(x) =
p+1
n? 5
n ! = 120
9.4
a) On calcule xn laide de la formule :
o u, v sont de classe C 1 sur le segment [0 ; 1].
x x x.
xn =
n fois
On obtient :
x p (1 x)q dx
I(p, q) =
0
function puissance(x:real ; n:integer) :real ;
1

x p+1 1
q
x p+1 (1 x)q1 dx
= (1 x)q
+
p+1 0
0 p+1
var p:real ; i:integer ;

begin
p:=1 ; for i:=1 to n do p :=x*p ;
puissance:=p ;
end ;
q
I(p + 1, q 1).
p+1
c) La fonction rcursive est la suivante :

i
la fin de chaque boucle i, la variable p contient la valeur de x .

n
b) On calcule ici x laide des formules :

x = 1 et
0
x p+1 1
1
=
.
p+1 0 p+1
x = xx
n
n1
function i(p,q:integer):real ;
begin
if q=0
then i:=1/(p+1) ;
else i:=q/(p+1)*i(p+1,q-1) ;
function puissance(x:real ; n:integer) :real ;

end ;
begin
if n=0 then puissance:=1
else puissance:=x*puissance(x,n-1) ;
Remarque : Voici un programme demandant lutilisateur

deux entiers naturels p et q et achant la valeur de I(p, q) en
utilisant la fonction prcdente.
end ;
Remarque : Voici un programme demandant un rel x et un
entier naturel n lutilisateur et achant la valeur de xn en utilisant lune des fonctions prcdentes.
program calcul ;
var p,q:integer ;
begin
program puiss ;
write(p ? ) ; readln(p) ;
var n:integer ; x:real ;
write(q ? ) ; readln(q) ;
begin
write(x ? ) ; readln(x) ;
write(L intgrale est egale , i(p,q)) ;

end.
295
Chapitre 9
Algorithmique

p? 5
q? 3
Lintgrale est egale
1.984127E-003
program binomiale ;
var p:real ; n,x,i:integer ;
begin
randomize ;
Remarque : laide des rsultats de a) et b), on dduit :

p! q!
(p, q) N2 , I(p, q) =
.
(p + q + 1)!
9.6
x:=0 ;
for i:=1 to n do
La fonction rcursive dcoule de la dfinition de la
suite.
write(X = ,x) ;
function suite(n:integer):real ;
end.
begin
c) La loi de X est la loi binomiale de paramtre (n, p1 ) et la

loi conditionnelle de Y sachant (X = x) est la loi binomiale de
paramtre (x, p2 ).
if n=0 then suite:=1

else suite:=sqrt(n+suite(n-1)) ;
end ;
Remarque : Voici un programme demandant lutilisateur un
entier naturel n et achant la valeur de un en utilisant la fonction prcdente.
En utilisant la mthode dcrite dans la rubrique les mthodes

retenir pour simuler une loi binomiale, on obtient le programme suivant :
program ecricome05 ;
var p1,p2:real ; n,x,i,y:integer ;
var n:integer ;
begin
begin
randomize ;
write(u(,n,) = ,suite(n)) ;
write(p1 ? ) ; readln(p1) ;
end.
write(p2 ? ) ; readln(p2) ;
x:=0 ;
n ? 10
u(10) = 3.67597972E+000
for i:=1 to n do
if random<p1 then x:=x+1 ;
9.7
y:=0 ;
a) Utilisons la mthode dcrite dans la rubrique les mthodes

retenir .
for i:=1 to x do
program bernoulli ;
write(Y = ,y) ;
var p:real ; x:integer ;

begin
randomize ;
if random<p then x:=1 else x:=0 ;
write(X = ,x) ;
end.
b) Utilisons la mthode dcrite dans la rubrique les mthodes
retenir .
296
if random<p2 then y:=y+1 ;
end.
9.8
a) La loi de X est la loi discrte uniforme sur 1 ; 100 et la loi
conditionnelle de Y sachant (X = x) est la loi discrte uniforme
sur x ; 100.
retenir pour simuler une loi discrte uniforme, on obtient le
programme suivant :
program uniforme1 ;
var i,x,y:integer ; som,moy:real ;
9.9
begin
a) Utilisons la boucle for...do.
randomize ; som:=0 ;
program suite1 ;
for i:=1 to 1000 do
var i,n:integer ; u,v,aux:real ;
begin
begin
x:=random(100)+1 ;
y:=random(101-x)+x ; som:=som+y ;
v:=1 ; u:=2 ;
end ;
moy:=som/1000 ;
for i:=2 to n do
begin
write(la moyenne est ,moy) ;
if v<i-2
end.
then aux:=v
else aux:=i-2 ;
v:=u ; u:=sqrt(i-1)*u+aux ;
end ;
la moyenne est 7.594900E+001
Remarque : Une tude mathmatique nous donne
301
E(Y) =
= 75.25. Aprs excution du programme, la va4
riable moy contiendra une valeur proche de 75.25.
b) La loi de X est la loi uniforme densit sur [0 ; 1] et la loi
conditionnelle de Y sachant (X = x) est la loi uniforme densit sur [0 ; x].
write(u(,n,) = ,u) ;
end.
la fin de chaque boucle i, la variable aux contient la valeur
de min(ui2 , i 2), la variable v contient la valeur de ui1 et u
celle de ui .
n ? 10
u(10) = 2.903617E+003

retenir pour simuler une loi uniforme densit, on obtient
le programme suivant :
b) Il est clair que, pour tout n de N, un 0.
program uniforme2 ;
On obtient alors :
n 2,
un = un1 n 1 + min(un2 , n 2) un1 .

var i:integer ; x,y,som,moy:real ;

begin
0
randomize ; som:=0 ;
for i:=1 to 1000 do
begin
x:=random ; y:=random*x ;
som:=som+y ;
end ;
moy:=som/1000 ;
write(la moyenne est ,moy) ;
Puisque lon a aussi u1 u0 , on en dduit que la suite (un )nN

est croissante.
Ainsi : n 2, un un1 n 1 u0 n 1 = n 1.
Par le thorme de minoration, on conclut que la suite (un )nN
diverge vers +.
c) Utilisons la boucle conditionnelle while...do ou
repeat...until.
Le programme avec la boucle while...do est le suivant :
end.
program suite2 ;
la moyenne est 2.462447E-001
1
Remarque : Une tude mathmatique nous donne E(Y) = .
4
L encore, aprs excution du programme, la variable moy
contiendra un valeur proche de 0.25.
var n:integer ; u,v,aux,A:real ;

begin
write(A ? ) ; readln(A) ;
v:=1 ; u:=2 ; n:=1 ;
while u<=A do
297
Chapitre 9
Algorithmique
begin
writeln(T[i], ) ;
n:=n+1 ;
end ;
if v<n-2
then aux:=v
else aux:=n-2 ;
v:=u ; u:=sqrt(n-1)*u+aux ;
end ;
{calcul des extremums et de leurs rangs}

min:=T[1] ; rmin:=1 ;
max:=T[1] ; rmax:=1 ;
for i:=2 to 20 do
write(n = ,n) ;
begin
end.
if T[i]<min then
begin
min:=T[i] ; rmin:=i ;
A ? 100
n = 7
end ;
if T[i]>max then
Le programme avec la boucle repeat...until est le suivant :
begin
program suite3 ;
max:=T[i] ; rmax:=i ;
var n:integer ; u,v,aux,A:real ;
end ;
begin
end ;
write(A ? ) ; readln(A) ;
v:=1 ; u:=2 ; n:=1 ;
writeln() ;
repeat
writeln(le min est ,min,

et son rang est ,rmin) ;
n:=n+1 ;
if v<n-2
then aux:=v
else aux:=n-2 ;
v:=u ; u:=sqrt(n-1)*u+aux ;
until u>A ;
writeln(le max est ,max,

et son rang est ,rmax) ;
end.
26 11 80 72 93 8 84 9 39 61
88 33 70 93 82 4 72 21 7 66
le min est 4 et son rang est 16
le max est 93 et son rang est 5
write(n = ,n) ;
end.
A ? 100
n = 7
9.10
program minmax ;
T:array[1..20] of integer ;
i, min, rmin, max, rmax:integer ;
begin
T:array[1..20] of integer ;
i,x,nb:integer ;
begin
randomize ;
for i:=1 to 20 do
begin
T[i]:=random(11) ;
randomize ;
{creation et affichage de tableau}
for i:=1 to 20 do
begin
T[i]:=random(101) ;
298
program recherche ;
var

retenir .
var
b) Le programme est le suivant :
writeln(T[i], ) ;
end ;
writeln() ;
write(x ? ) ; readln(x) ;
nb:=0 ;
for i:=1 to 20 do
var n,p:integer ;
if T[i]=x then nb:=nb+1 ;
begin
writeln(x, apparait ,nb, fois dans

le tableau) ;
end.
write(p, parmi ,n, = ,C(n,p)) ;
end.
6 9 4 10 3 6 5 2 1 7 3 0 4 7 6
6 8 5 6 1
x? 6
6 apparait 5 fois dans le tableau
9.11
a) 1) Soit (n, p) N2 tel que 1 p n.

n
n n1
(n 1)!
=
On a :

p p1
p (p 1)! (n 1) (p 1) !

n
n!
=
=
.
p!(n p)!
p
a) 2) La fonction rcursive suivante repose sur les formules :

n
n
n n1
.
= 1 et
=
p p1
0
p
function C(n,p:integer):integer ;
begin
if p=0
then C:=1
else C:=n*C(n-1,p-1) div p ;

n? 5
p? 3
3 parmi 5 = 10
9.12
a) Soit n N .
Notons, pour tout k de 0 ; n, xk = a + k
Par la relation de Chasles, on a :
b
n1

f (t) dt =
I=
a
De plus :
Sn =
begin
if p>n
if p=0
then C:=0
else begin
then C:=1
else C:=C(n-1,p)+C(n-1,p-1) ;
end ;
end ;
f (t) dt.
n1
n1 xk+1

ba
f (xk ) =
f (xk ) dt.
n k=0
k=0 xk
n1

Ainsi : |S n I| =
k=0
xk+1
xk
f (xk ) f (t) dt
function C(n,p:integer):integer ;
xk+1
xk
k=0
end ;
b) La fonction rcursive suivante repose sur les formules :

n
n
= 1,
= 0 si p > n
0
p

n
n1
n1
et
=
+
.
p
p
p1
ba
.
n
n1

k=0
xk+1
f (xk ) f (t)
dt.
xk
Soit k 0 ; n1 et soit t [xk ; xk+1 ]. Appliquons lingalit

des accroissements finis f sur lintervalle [xk ; t].
On obtient :
f (xk ) f (t)
|xk t| max | f | M|xk t| = M(t xk ).

[xk ;t]
On obtient alors :
n1 xk+1
n1

(t xk )2 xk+1
|S n I|
M(t xk ) dt = M
xk
2
k=0 xk
k=0
=M
n1

(xk+1 xk )2
k=0
=M
=M
n1

(b a)2
k=0
2n2
(b a)2
(b a)2
n = M
.
2n2
2n
b) Notons f : [0 ; 1] R, t e t .
2
Remarque : Voici un programme demandant lutilisateur

n
deux entiers naturels n et p et achant la valeur de
en utip
lisant lune des deux fonctions prcdentes.
Lapplication f est de classe C 1 sur [0 ; 1] et :
program CoefBinomial ;
Ainsi : t [0 ; 1], | f (t)| = 2t e t 2.
t [0 ; 1], f (t) = 2t e t .
2
299
Chapitre 9
Algorithmique
Notons, pour tout n de N , S n =
n1
1 k
.
f
n k=0 n
Daprs la question prcdente, on a :

n N , |S n I|
2(1 0)2
1
= .
2n
n
1
= 103 et donc S n est une valeur appron
prs.
Donc la suite (un )nN est dcroissante.

La suite (un )nN tant dcroissante et minore par 0, elle
converge vers un rel et, puisque f est continue sur R, en
particulier en , on a :
f () = ln(1 + 2 ) = 0 2 = 0 = 0.
Pour n = 103 , on a
On conclut que la suite (un )nN converge vers 0.
che de I 103
b) program calcul ;
Calculons S 1000 en utilisant une boucle for...do.
var n:integer ; u:real ;
program integrale ;
function f(x:real):real ;
var n,k:integer ; s:real ;
begin
function f(t:real):real ;
f:=x-ln(1+x*x) ;
end ;
begin
f:=exp(-t*t) ;
begin
end ;
u:=1 ; n:=0 ;
repeat
begin
n:=n+1 ; u:=f(u) ;
s:=0 ; n:=1000 ;
for k:=0 to n-1 do s:=s+1/n*f(k/n) ;
writeln(Une valeur approchee de I
a 0.001 pres est ,s) ;
end.
until u<=0.001 ;
writeln(n = ,n) ;
end.
Une valeur approchee de I 0.001
pres est 7.471401E-001
9.13
a) La fonction f est drivable sur R et :
x R, f (x) = 1
2x
1 + x2 2x (1 x)2
=
=
0.
2
1+x
1 + x2
1 + x2
On en dduit le tableau de variations suivant :

0
1
+
x
f (x)
+
+ 0 +

f (x)
0

On en dduit que lintervalle [0 ; +[ est stable par f .
On montre alors, par rcurrence sur n que :
n N, un [0 ; +[.
De plus, on a : n N, un+1 un = f (un ) un
= ln(1 + u2n ) 0.
300
n = 993
c) 1) Soit g : [0 ; 1] R, x x
On a :
x [0 ; 1], g(x) =
x2
f (x).
2
x2
+ ln(1 + x2 ).
2
La fonction g est drivable sur [0 ; 1] et :

2x
x [0 ; 1], g (x) = x +
1 + x2

x
x
=
(1 + x2 ) + 2 =
1 x2 0.
1 + x2
1 + x2
Donc la fonction g est croissante sur [0 ; 1].
En particulier, on a : x [0 ; 1], g(x) g(0) = 0.
On conclut : x [0 ; 1], f (x) x
x2
.
2
c) 2) La suite (un )nN tant dcroissante, de limite nulle, on

obtient : n N, 0 un u0 = 1.
Soit n N. En appliquant lingalit prcdente un [0 ; 1],
u2
on a : f (un ) = un+1 un n .
2
On obtient alors :
u2n 2(un un+1 ).
c) 3) La srie
9.14
(un un+1 ) converge car :
a) Notons g : R R, x f (x) x.
n0
N 0,
N
(un un+1 ) = u0 uN+1 u0 .

N
n=0
Daprs c) 2), on a :
n N, 0 u2n 2(un un+1 ).
Daprs le thorme de majoration pour des sries termes po

u2n converge.
sitifs ou nuls, on en dduit que la srie
On a :
x R, g(x) = (x2 + 1) e x x.
La fonction g est deux fois drivable sur R et :

x R, g (x) = 2x (x2 + 1) e x 1 = (2x x2 1) e x

2
g (x) = 2 2x (2x x 1) e x
et
= (3 4x + x2 ) e x = (x 1)(x 3) e x .
n0
Soit n N. En sommant lingalit u2k 2(uk uk+1 ) pour k

allant de n + 1 +, on obtient :
+
+

u2k 2
(uk uk+1 ) = 2un+1 .
k=n+1
On en dduit le tableau suivant :

1
3
+
x
g (x)
+ 0 0 +
0
0
g (x)

k=n+1
c) 4) Notons, pour tout n de N, S n =
n
uk et S =
k=0
+
On obtient :
uk .
k=0
Daprs la question prcdente, on a :

n N, 0 S S n 2un+1 .
On en dduit que, si 2un+1 104 , alors S n est une valeur approche (par dfaut) de S 104 prs.
Le programme suivant calcule la somme S n jusqu ce que
2un+1 104 laide dune boucle repeat...until.
var n:integer ; u,s:real ;
begin
f:=x-ln(1+x*x) ;
end ;
x R, g (x) 0 et g ne sannule quen 1.
Ainsi la fonction g est strictement dcroissante sur R. De plus

g est continue sur R. Donc g ralise une bijection de R sur
g(R) = ] lim g ; lim g[ = ] ; +[ = R.
+
On en dduit que lquation g(x) = 0 admet une unique solution sur R, note .
1
1
5 1/2
; puisque e < 4, on a
=
e
Enfin, g
2
4
2
1 5 1 1 1
1
e 1/2 > 41/2 = , et donc g
>
= > 0.
2
2
42 2 8
1
Et g(1) = 2 e 1 1 ; puisque e > 2, on a e 1 < 21 = , et
2
1
donc g(1) < 2 1 = 0.
2
1
> 0 = g() > g(1), et puisque g est strictement
On a donc g
2
1
< < 1.
dcroissante sur R, on en dduit :
2
b) Utilisons la mthode de recherche par dichotomie.
begin
program dichotomie ;
u:=1 ; s:=1 ; n:=0 ;
var a,b:real ;
repeat
n:=n+1 ; u:=f(u) ; s:=s+u*u ;
until 2*f(u)<=0.0001 ;
writeln(une valeur approchee est ,s) ;
function g(x:real):real ;
begin
g:=(x*x+1)*exp(-x)-x ;
end.
end ;
begin
une valeur approchee

est 1.313002E+000
Remarque : Il est galement possible dutiliser une boucle
while...do.
a:=1/2 ; b:=1 ;
repeat
if g(a)*g((a+b)/2)<0
then b:=(a+b)/2
301
Chapitre 9
Algorithmique
On a alors par rcurrence sur n :
else a:=(a+b)/2 ;
until (b-a)/2<=0.000001 ;
n N, |un |
writeln(une valeur approchee est ,(a+b)/2) ;

end.
c) 3) Puisque
< 1, on a :
4
une valeur approchee est
7.3843288421E-001
c) 1) On a :
1
; 1 , f (x) = (2x x2 1) e x = (1 x)2 e x .
x
2
Ainsi :

1
; 1 , | f (x)| = (1 x)2 e x (1 x)2 .
2
4
1
De plus, puisque f 0 sur
; 1 , la fonction f est dcrois2
1
sante sur
;1 .
2
1
1
.
On en dduit : x
; 1 , f (1) f (x) f
2
2
x
1
1

1
; 1 et
;1 .
Or un
2
2
Donc :
max | f | max | f |
[un ;]
[1/2 ;1]
302
program iteration ;
var u,x:real ; n:integer ;
begin
f:=(x*x+1)*exp(-x) ;
begin
u:=1 ; n:=0 ; x:=1 ;
repeat
u:=f(u) ; n:=n+1 ; x:=x/4 ;
until x<=0.000001 ;
writeln(une valeur approchee est ,u) ;
la fin de chaque boucle, la variable u contient la valeur de un

1 n
et x la valeur de
.
4
7.3843240070E-001
2e mthode : On a, pour tout n de N :
1 n
4
106 n ln(4) 6 ln(10)

n
1
.
4
De plus, on a f (un ) = un+1 et f () = .

On obtient alors : |un+1 |
0.
c) 4) 1re mthode : On calcule les termes un jusqu ce que

1 n
106 en utilisant une boucle repeat...until. (Il est
4
galement possible dutiliser une boucle while...do).
c) 2) De la question prcdente, on en dduit que lintervalle

1
; 1 est stable par f .
2
1
; 1 , on a donc par rcurrence sur n :
Puisque u0
2
1
n N, un
;1 .
2
[un ;]
1
On en dduit que la suite (un )nN converge vers .
end.
| f (un ) f ()| |un | max | f |.
1 n
1 n
|u0 |
.

4
end ;
Soit n N. Appliquons lingalit des accroissements finis

f sur lintervalle [un ; ] (ou [ ; un ]) :
Par le thorme dencadrement, on obtient : |un | 0.
1
1
e
1
= 2 e 1 =
(4 e ) > 0 ; ainsi f (1).
2
2
4
2
5

1
5 1/2
1 = e
1 = e 1/2 e 1/2 ; puisque
De plus f
2
4
4
25
5
5
e > 2 et 2 >
, on a e 1/2 > et donc e 1/2 0 ; ainsi
16
4
4
1
f
1.
2
1 1
;1 ,
f (x) 1.
On conclut : x
2
2
Or f (1)
1 n
1
|un |.
4
Par exemple, prenons n = Ent
3 ln(10)
ln(2)
6 ln(10) 3 ln(10)
=
.
ln(4)
ln(2)
+ 1.
Pour cette valeur de n, on a |un | 106 et donc un est une

valeur approche de 106 prs.
Calculons alors le terme un laide dune boucle for...do.

program iteration ;
var u:real ; n,i:integer ;
begin
f:=(x*x+1)*exp(-x) ;
end ;
begin
u:=1 ; n:=trunc(3*ln(10)/ln(2))+1 ;
for i:=1 to n do u:=f(u) ;
writeln(une valeur approchee est ,u) ;
Linstruction MaxLigne(A,1) renvoie 6, linstruction

MaxLigne(A,2) renvoie 7 et linstruction MaxLigne(A,3)
renvoie 5.
Enfin, linstruction MinMax(A) renvoie 5.
9.16
Soit X H (m, n, p).
On considre que X est le nombre de boules blanches obtenues

lors de n tirages sans remise dans une urne contenant m boules
dont mp boules blanches.
a) Dans la fonction itrative suivante, la variable x contient le
nombre de boules blanches obtenues, nb le nombre de boules
dans lurne et a le nombre de boules blanches.
function hypergeom(m,n:integer ; p:real)
:integer ;
var i,nb,x:integer ; a:real ;
end.
begin
7.3843240070E-001
x:=0 ; nb:=m ; a:=nb*p ;

for i:=1 to n do
begin
9.15
if random<=a/nb then
a) function MaxLigne(A:matrice ; i:integer):real ;
begin
var x:real ; j:integer ;
a:=a-1 ; x:=x+1 ;
begin
end ;
x:=A[i,1] ;
nb:=nb-1 ;
for j:=2 to p do
end ;
if A[i,j]>x then x:=A[i,j] ;

MaxLigne:=x ;
end ;
x:=MaxLigne(A,1) ;
b) La fonction rcursive suivante repose sur le fait que, si une

urne contient m boules avec une proportion de boules blanches
gale p et si lon tire une boule blanche, alors la proportion
mp 1
et sinon cette prode boules blanches devient gale
m1
mp
portion devient gale
.
m1
for i:=2 to n do
function H(m,n : integer ; p : real) : integer ;
b) function MinMax(A:matrice):real ;
var x:real ; j:integer ;
hypergeom:=x ;
end ;
begin
if MaxLigne(A,i)<x then
x:=MaxLigne(A,i) ;
MinMax:=x ;
begin
if n=1 then
if random<=p then H:=1 else H:=0
end ;
else
Remarque : Supposons entre la matrice A suivante :
5 2 4 6
A = 4 7 1 2.
1352
if random<=p
then H:=1+H(m-1,n-1,(m*p-1)/(m-1))
else H:=H(m-1,n-1,m*p/(m-1)) ;
end ;
303
Chapitre 9
Algorithmique
9.17
write(a ? ) ; readln(a) ;

retenir .
y:=-1/a*ln(random) ;
writeln(Y = ,y) ;
program geometrique ;
end.
var p:real ; x:integer ;
b) 2) Soit k N . On a :
begin
P(k 1 Y < k) = P(k 1 < Y k)

= P(Y k) P(Y k 1)

= 1 e ak 1 e a(k1)

= e a(k1) e ak = e a(k1) 1 e a

= e a k1 1 e a .
randomize ; x:=0 ;
repeat
x:=x+1
until random>p ;
writeln(X = ,x) ;
Prenons a tel que 1 e a = p,

a = ln(1 p).
end.
cest--dire :
Le nombre moyen dappels de la fonction random est gal

1
E(X) = .
p
Notons Z la va Ent(Y) + 1.
Remarque : Si lon avait choisi dutiliser une boucle

while...do, la squence correspondante serait la suivante :
x:=1 ;
while random>p do x:=x+1 ;

k N , P(Z = k) = P Ent(Y) = k 1
La va Z prend ses valeurs dans N et :
= P(k 1 Y < k) = (1 p)k1 p = P(X = k).

On en dduit que les va X et Z ont la mme loi.
On remarquera la dirence dans linitialisation de x.

1
b) 1) Notons Y = ln(U). Puisque U prend presque srea
ment ses valeurs dans ]0 ; 1[ et que a > 0, la va Y prend presque
srement ses valeurs dans R+ .
Ainsi :
y 0, P(Y y) = 0.
De plus : y > 0, P(Y y) = P( ln(U) ay)

= P(ln(U) ay) = P(U e ay )
b) 3) Le programme est le suivant :

program geometrique ;
var p,y:real ; x:integer ;
begin
randomize ;
= 1 P(U < e ay ) = 1 P(U e ay )
y:=-1/ln(1-p)*ln(random) ;
= 1 e ay
x:=trunc(y)+1 ;
car U U (]0 ; 1[) et e ay ]0 ; 1[.
Ainsi la fonction de rpartition FY de Y vrifie :

0
si y 0
y R, FY (y) =
.
1 e ay si y > 0
de paramtre a.
On conclut :
Y E (a).
Un programme simulant une va Y de loi E (a) est :
writeln(X = ,x) ;
end.
9.18
a) Pour tout k de N , lvnement Ek :
on obtient une boule blanche au k-ime tirage
1
a une probabilit gale . On simule cet vnement par lvn
nement (random(n):=0) qui a la mme probabilit.
program exponentielle ;
var a,y:real ;
Le programme complt est le suivant :
begin
randomize ;
304
begin
program simule ;
const n=1000 ;
repeat
var i:integer ; p,x:real ;
a:=random(n) ;
begin
if a=0 then write(A gagne)

else begin
b:=random(n) ;
randomize ; x:=0 ;
for i:=1 to n do
if b=0 then write(B gagne)

else begin
c:=random(n) ;

x:=x/n ; writeln(Xn = ,x) ;
end.
if c=0 then write(C gagne) ;

end ;
end ;
p ? 0.3
Xn = 3.140000E-001
until (a*b*c=0) ;
end.
b) Le principe est le mme, sauf quil faut soustraire 1 n
lorsque lon tire une boule noire.
b) Le programme est le suivant :
Le programme alors complt est le suivant :
program simule ;
const n=1000 ; t=1.645 ;
var
k,i,nb:integer ;
p,x,a,b:real ;
begin
begin
randomize ; p:=random ;
repeat
nb:=0 ;
a:=random(n) ;
if a=0 then write(A gagne)
else begin
for k:=1 to 100 do

begin
{simulation de Xn}
n:=n-1 ; b:=random(n) ;
x:=0 ;
if b=0 then write(B gagne)
for i:=1 to n do
else begin
n:=n-1 ; c:=random(n) ;
x:=x/n ;
if c=0 then write(C gagne) ;
{calcul des extremits de lintervalle}
else n:=n-1 ;
a:=x-t/(2*sqrt(n)) ;
end ;
b:=x+t/(2*sqrt(n)) ;
end ;
if (a<=p) and (p<=b)
until (a*b*c=0) ;
then nb:=nb+1 ;
end.
end ;
9.19
retenir pour simuler les va X1 , . . . , Xn .
write(Le nombre d intervalles

contenant p est ,nb) ;
end.
305
Chapitre 9
Algorithmique

Le nombre dintervalles contenant
p est 91
Remarque : La valeur obtenue est lgrement suprieure la
confiance de lintervalle gale 1 = 0.9.
write(t ? ) ; readln(t) ;
randomize ; n:=-1 ; s:=0 ;
repeat
s:=s-ln(1-random) ; n:=n+1 ;
until s>t ;
9.20
a) Puisque U prend presque srement ses valeurs dans [0 ; 1[,
Y prend presque srement ses valeurs dans R+ .
Ainsi :
begin
y < 0, P(Y y) = 0.

De plus : y 0, P(Y y) = P ln(1 U) y

= P ln(1 U) y = P(1 U e y )
= P(U 1 e y ) = 1 e y
write(Nt = ,n) ;
end.
Remarque : La va Nt suit la loi de Poisson de paramtre t.
9.21
a) Daprs le cours, on a :
et
V(Un ) =

0
si y < 0
y R, FY (y) =
.
1 e y si y 0
Soit n N . Par linarit de lesprance, on a :

de paramtre 1.
Par indpendance des va U1 , . . . , Un , on a :
On conclut :
V(Xn ) =
write(Y = ,y) ;
end.
b) program gamma ;
var i,n:integer ; s:real ;
begin
randomize ; s:=0 ;
for i:=1 to n do s :=s-ln(1-random) ;
write(S = ,s) ;
end.
Remarque : La va S n suit la loi Gamma de paramtre (1, n).
c) program poisson ;
var n:integer ; t,s:real ;
V(Uk ) =
k=1
n
.
12
On en dduit :
Xn =
var y:real ;
randomize ; y:=-ln(1-random) ;
n
1
.
12
n
.
2
E(Uk ) =
k=1
program exponentielle ;
begin
n
E(Xn ) =
Y E (1).
Un programme simulant la loi exponentielle de paramtre 1

est le suivant :
306
1
2
n N , E(Un ) =
car U U (]0 ; 1[) et 1 e y [0 ; 1].
Xn E(Xn ) Xn 2
2 3
= n = Xn 3n.
n
V(Xn )
12
Les va Un tant mutuellement indpendantes, de mme loi

et admettant une esprance et une variance, on sait, daprs le
thorme de la limite centre, que la suite (Xn )nN converge en
loi vers une va de loi normale centre rduite.
b) En prenant n = 48, on a :
Xn =
Xn
12.
2
On obtient une simulation de la loi normale centre rduite en

simulant la va Xn .
program normale ;
const n=48 ;
var x:real ; i:integer ;
begin
randomize ; x:=0 ;
for i:=1 to n do x:=x+random ;
x:=x/2-12 ;
write(N = ,x) ;
end.
c) En notant la fonction de rpartition de la loi normale

centre rduite et en utilisant sa table, on a :
if X[i]=X[i-1]
then N[i]:=N[i-1]
P(N 1) = (1) 0, 8413.

program normale ;
else N[i]:=N[i-1]+1 ;
end ;
const n=48 ;
for i:=1 to m do write( ,X[i], ) ;
var x,p:real ; i,k:integer ;
for i:=1 to m do write( ,N[i], ) ;

end.
begin
randomize ; p:=0 ;
for k:=1 to 1000 do

m ? 15
0 1 0 1 1 1 0 0 1 0 1 1 1 1 0
0 1 2 3 3 3 4 4 5 6 7 7 7 7 8
begin
x:=0 ;
for i:=1 to n do x:=x+random ;
x:=x/2-12 ;
9.23
a) Le chire c des units de n est obtenu par :
if x<=1 then p:=p+1 ;
c = n 10 Ent(n/10).
end ;
p:=p/1000 ;
Ce qui donne la fonction suivante :
write(Le pourcentage est ,p) ;
function unite(n:integer):integer ;
begin
end.
Le pourcentage est 0.839000E-001
Remarque : Le pourcentage obtenu est bien proche de (1)
0, 8413.
9.22
1
Les va X1 , . . . , Xm suivent la loi de Bernoulli de paramtre .
2
On les simule par linstruction random(2).
Pour tout i de 2 ; m, il y a un changement de cots au i-ime

lancer lorsque Xi Xi1 .
unite:=n-10*trunc(n/10) ;
end ;
b) Il faut commencer par dterminer les chires de lentier n.
Pour cela, on calcule son chire des units, puis le chire des
units de Ent(n/10) (ce qui nous donne le chire des dizaines
de n), et ainsi de suite.
On obtient la fonction suivante :
function somme(n:integer):integer ;
var a,n,s:integer ;
begin
Le programme complt alors est le suivant :
s:=0 ;
while n<>0 do
const nmax=100 ;
begin
type suite=array[1..nmax] of integer ;
a:=unite(n) ; s:=s+a*a ;
var X,N:suite ; m,i:integer ;
n:=trunc(n/10) ;
begin
end ;
randomize ;
writeln(m ? ) ; readln(m) ;
X[1]:=random(2) ; N[1]:=0 ;
somme:=s ;
end ;
Remarque : Par exemple,
for i:=2 to m do
begin
X[i]:=random(2) ;
linstruction somme(54) renvoie 41,

linstruction somme(298) renvoie 149, ...
307
Chapitre 9
Algorithmique
c) program exo ;
F(x) =
var n,nb:integer ;
function unite(n:integer):integer ; ...
function somme(n:integer):integer ; ...
x
c ct
c ct
e dt +
e dt
2
2
0
e ct 0
e ct x
=
+
2
2 0
cx

e
1
e cx
1
+
=1
.
= +
2
2
2
2
0
On a : x R , F (x) = f (x) > 0,
begin
donc F est strictement croissante sur R .

x R+ , F (x) = f (x) > 0,
nb:=0 ;
On a aussi :
while (n<>1) and (n<>4) do
donc F est strictement croissante sur R+ .
begin
De plus, F est continue en 0.
n:=somme(n) ; write(n, ) ;
nb:=nb+1 ;
On conclut que F est strictement croissante sur R.

Daprs a) 1), F ralise une bijection de R dans ]0 ; 1[.
end ;
writeln() ;
Dterminons la fonction G = F 1 , rciproque de F.
writeln(le nombre d iterations est ,nb) ;
Soit y ]0 ; 1[.
end.
Considrons lquation (E), dinconnue x R : F(x) = y.

n ? 945
122 9 81 65 61 37 58 89 145 42 20 4
le nombre ditrations est 12
9.24
1
1
1er cas : Supposons y . Puisque F(0) = et que F est stric2
2
tement croissante sur R, lquation (E) nadmet pas de solution
sur R+ . Rsolvons (E) sur R .

x R , F(x) = y
a) 1) La fonction F tant la fonction de rpartition dune va

densit, F est continue sur R. De plus, par hypothse, F est
strictement croissante sur R.
Donc la fonction F ralise une bijection de R dans
] lim F ; lim F[ = ]0 ; 1[.
a) 2) La fonction G est dfinie sur ]0 ; 1[. Donc la va G(U) est

bien dfinie.

De plus : x R, P G(U) x)

= P U F(x)
car G est bijective et G1 = F
= F(x) = P(X x)
car U U (]0 ; 1[ et F(x) ]0 ; 1[.
On en dduit que la va X et G(U) ont mme fonction de rpartition, donc elles suivent la mme loi.
x
f (t) dt.
b) 1) On a : x R, F(x) =
1 cas : si x < 0, alors

x
1 x
e cx
c ct
=
e dt =
e ct
.
F(x) =
2
2
2
er
308
e cx
= y e cx = 2y
2
x =
Dans ce cas : G(y) =
1
ln(2y).
c
1
ln(2y).
c
1
2e cas : Supposons y > . Par le mme raisonnement que pr2
cdemment, lquation (E) nadmet pas de solution sur R . Rsolvons (E) sur R+ .
x R+ , F(x) = y 1
e cx
= y e cx = 2(1 y)
2

1
x = ln 2(1 y) .
c

1
Dans ce cas : G(y) = ln 2(1 y) .
c
Ainsi, la fonction G vrifie :
ln(2y)
si y
c
y ]0 ; 1[, G(y) =

1
ln 2(1 y) si y >
c
b) 2) Pour simuler la va Y, simulons la va G(U) avec
U U (]0 ; 1[). Ces deux va ont la mme loi.
1
2 .
1
2
9.25
var c,y:real ;
Utilisons la mthode dcrite dans la rubrique les mthodes retenir .
function G(c,y:real):real ;
procedure dicho(var i:integer ; T:tab ;

x:integer) ;
begin
var a,b,c:integer ;
program laplace ;
if y<1/2
then G:=1/c*ln(2*y)
else G:=-1/c*ln(2*(1-y)) ;
end ;
begin
a:=1 ; b:=n ;
while a<b do
begin
begin
write(c ? ) ; readln(c) ;
c:=(a+b) div 2 ;
randomize ; y:=G(c,random) ;
write(Y = ,y) ;
end.

1 x dt
f (t) dt =
c) 1) On a : x R, F(x) =
1 + t2

x
1
1
arctan x 1
arctan t =
=
arctan x +
=
+ .
2
On a :
if x>T[c] then a:=c+1 else b:=c ;

end ;
x R, F(x) = f (x) > 0,
if x=T[a] then i:=a else i:=0 ;

end ;
9.26
donc F est strictement croissante sur R.
var i,j,rmax,aux,k:integer ;
Daprs a) 1), F ralise une bijection de R dans ]0 ; 1[.
begin
Dterminons la fonction G = F 1 , rciproque de F.

Soit y ]0 ; 1[.
for i:=1 to n-1 do

begin
{recherche du rang du min parmi T[i],...,T[n]}
Considrons lquation (E), dinconnue x R : F(x) = y.

arctan x 1
+ =y
On a : x R, F(x) = y
2

1
1
= x = tan y
.
arctan x = y
2
2
rmax:=i ;
for j:=i+1 to n do
if T[rmax]>T[j] then rmax:=j ;
{change des cases T[i] et T[rmax]}
Ainsi, la fonction G vrifie :

1
.
y ]0 ; 1[, G(y) = tan y
2
c) 2) Pour simuler la va Z, simulons la va G(U) avec
U U (]0 ; 1[). Ces deux va ont la mme loi.
program cauchy ;
aux:=T[rmax] ; T[rmax]:=T[i] ;
T[i]:=aux ;
end ;
{affichage du tableau}
for k:=1 to n do write(T[k], ) ;
end ;
var y:real ;
function G(y:real):real ;
begin
G:=sin(pi*(y-1/2))/cos(pi*(y-1/2)) ;
end ;
begin
9.27
a) La procdure est la suivante :
procedure chiffres(var T:tab ; n:integer) ;
begin
{chiffre des centaines}
randomize ; y:=G(random) ;
T[1]:=n div 100 ;
write(Y = ,y) ;
{chiffre des dizaines}
end.
309
Chapitre 9
Algorithmique
T[2]:=(n-T[1]*100) div 10 ;
test:=true ;
{chiffre des units}
if (T[1]=T[2]) and (T[2]=T[3])
T[3]:=n-T[1]*100-T[2]*10 ;
end ;
{n a trois chiffres identiques}

then test:=false ;
b) La procdure est la suivante :

var aux:integer ;
end ;
e) Le corps du programme principal est le suivant :
begin
randomize ; n:=random(999)+1 ;
begin
if T[1]>T[2] then
begin {on change le contenu des deux
cases}
aux:=T[1] ; T[1]:=T[2] ; T[2]:=aux ;
end ;
if T[2]>T[3] then
while test(n)=false
do n:=random(999)+1 ;
writeln(n = ,n) ;
nb:=0 ;
while n<>495 do
begin

cases}
aux:=T[2] ; T[2]:=T[3] ; T[3]:=aux ;
end ;
if T[1]>T[2] then
cases}
n:=difference(n) ; write(n, ) ;
nb:=nb +1 ;
end ;
writeln(il a fallu ,nb, iterations) ;
end.
n = 758
297 693 594 495
il a fallu 4 iterations
aux:=T[1] ; T[1]:=T[2] ; T[2]:=aux ;

end ;
end ;
c) La fonction est la suivante :
function difference(n:integer):integer ;
var T:tab ; min,max:integer ;
begin
chiffres(T,n) ;
tri(T) ;
min:=100*T[1]+10*T[2]+T[3] ;
max:=100*T[3]+10*T[2]+T[1] ;
difference:=max-min ;
9.28
a) Dans la fonction suivante, la variable x contient le numro
de la boule blanche tire et la variable y celui de la boule noire
tire.
function pgrm1(n:integer):integer ;
var x,y:real ;
begin
randomize ; pgrm1:=1 ;
x:=random(n) ; y:=random(n) ;
while x<>y do
begin
end ;
x:=random(n) ; y:=random(n) ;
d) La fonction est la suivante :

function test(n:integer):boolean ;
var T:tab ;
end ;
begin
b) 1) type tab=array[1..n] of integer ;
chiffres(T,n) ;
310
pgrm1:=pgrm1+1 ;
end ;
var blanc,noir:tab ;
b) 2) procedure echange(var s:tab ; i,j:integer) ;
end ;
var aux:integer ;
b) 5) Le programme est le suivant :
begin
aux:=s[i] ; s[i]:=s[j] ; s[j]:=aux ;
const n=20 ;
end ;
b) 3) Linstruction
type tab=array[1..n] of integer ;

var
blanc,noir:tab ;
i,x:integer ;
for i:=1 to n do blanc[i]:=i ;

initialise chaque case du tableau blanc son rang.
Au premier passage dans la deuxime boucle for, cest-dire pour i gal 1, la variable j contient un entier alatoire
de 1 ; n puis on change le contenu des cases blanc[1] et
blanc[j]. Ceci permet de simuler le tirage de la premire
boule et de placer son numro dans la premire case du tableau
blanc.
Plus gnralement, au i-ime passage dans cette deuxime
boucle for, la variable j contient un entier alatoire de i ; n
puis on change le contenu des cases blanc[i] et blanc[j].
Ceci permet de simuler le tirage de la i-ime boule et de placer
son numro dans la i-ime case du tableau blanc. Les cases
blanc[i+1], ..., blanc[n] contiennent alors les numros des
boules qui nont pas t encore tires.
procedure echange(var s:tab ; i,j:integer) ;

...
procedure initialise(var s:tab) ;
...
begin
randomize ;
initialise(blanc) ;
for i:=1 to n do noir[i]:=random(n)+1 ;
x:=0 ;
for i:=1 to n do
Ce programme permet donc de simuler un tirage sans remise

de n boules.
b) 4) Utilisons des lignes du programme prcdent. La procdure est alors la suivante :
procedure initialise(var s:tab) ;
var i,j:integer ;
writeln() ;
for i:=1 to n do write(noir[i], ) ;
writeln() ;
writeln(On a obtenu ,x, paire(s)) ;
begin
for i:=1 to n do s[i]:=i ;
for i:=1 to n-1 do
begin
if blanc[i]=noir[i] then x:=x+1 ;

for i:=1 to n do write(blanc[i], ) ;
j:=random(n+1-i)+1 ;
echange(s,i,j) ;
end ;
end.
12 19 2 16 15 14 9 13 1 7
3 11 4 5 8 6 10 17 18 20
9 14 14 7 13 12 18 19 15 14
6 20 4 12 5 6 6 1 8 13
On a obtenu 2 paire(s)
311
Problmes de rvision
10.1
Polynmes
Espaces vectoriels - Applications linaires
Matrices
Rduction des endomorphismes
Algbre bilinaire
Suites - Sries
Fonctions relles dune variable relle
(limite, continuit, drivation)
Intgration sur un segment
Intgrales impropres
Fonctions relles
de plusieurs variables relles
Espaces probabiliss
Variables alatoires discrtes
Algorithmique
10.3
10.4
10.5
10.6

10.7
10
10.8

10.9

10.10
Polynmes
Espaces vectoriels - Applications linaires
Matrices
Rduction des endomorphismes
Algbre bilinaire
Suites - Sries
Fonctions relles dune variable relle
(limite, continuit, drivation)
Intgration sur un segment
Intgrales impropres
Fonctions relles
de plusieurs variables relles
Variables alatoires discrtes
Algorithmique
10.2
CHAPITRE
10.11

10.12
10.13

10.14
10.16
10.17
10.15

Les dures indiques pour les exercices ont t estimes proportionnellement au temps accord pour lpreuve complte.
312
noncs des exercices
noncs des exercices

10.1 tude dune exprience alatoire, daprs ESC 2007
Dure : 30 minutes
Dans tout lexercice, p est un rel de lintervalle ]0 ; 1[ et q = 1 p.

Sur une table sont places deux boules noires (tape 0).
Une des deux boules est choisie au hasard et limine de la table. Ensuite, on repose sur la table :
soit une boule blanche, avec la probabilit p
soit une boule noire, avec la probabilit q.
On a alors atteint ltape 1.
Cette action est rpte ainsi indfiniment, de sorte qu chaque tape k, deux boules sont sur la
table : soit deux boules noires (vnement not Ak )
soit une boule noire et une boule blanche (vnement not Bk )
soit deux boules blanches (vnement not Ck ).
chaque tape, une des deux boules est choisie au hasard puis remplace comme prcdemment
soit par une boule blanche avec la probabilit p soit par une boule noire avec la probabilit
q = 1 p.
Pour tout
k ), bk = P(Bk ), ck = P(Ck ), et on dfinit les matrices suivantes :
ak = P(A
on note
k de N,
0 0 0
q q/2 0
q
q2
1
M = p 1/2 q , D = 0 1/2 0, P = 2 p q 2pq,
2
1 p p
0 0 1
0 p/2 p

ak
1

Uk = bk avec U0 = 0.

0
ck
1. a) Calculer le produit PD.
b) Calculer le produit MP et, en utilisant la relation p + q = 1, vrifier MP = PD.
2. a) Justifier : a1 = q, b1 = p et c1 = 0.
b) Soit k N . Justifier que PAk (Ak+1 ) = q, P Bk (Ak+1 ) =
q
et PCk (Ak+1 ) = 0.
2
Donner aussi PAk (Bk+1 ), P Bk (Bk+1), PCk (Bk+1), PAk (Ck+1 ), P Bk (Ck+1 ), PCk (Ck+1 ).
c) Montrer, pour tout k de N : Uk+1 = MUk .
d) En utilisant la question 1. b), montrer par rcurrence, pour tout k de N :
2
p

k
Uk = PD 2p.

1
e) En dduire, pour tout k de N , ak , bk , ck en fonction de k et montrer :
lim ak = q2 ,
k
lim bk = 2pq,
k
lim ck = p2 .
k
10.2 Drives successives et intgrales, daprs Ecricome 2004

Dure :
1 heure 30 minutes

1
et on considre lapplication f : I R, x
On note I = 0 ;
.
4
cos x
313
Chapitre 10
Problmes de rvision
Partie I : tude de la bijection rciproque de f

1. Montrer que f est une bijection de I sur un intervalle J que lon prcisera.
On note f 1 la bijection rciproque.
2. Donner sur un mme graphique lallure des courbes reprsentatives de f et de f 1 .
3. Justifier :
1

x J, cos f 1 (x) =
et sin f 1 (x) =
x
1
.
x2
4. Montrer que f 1 est drivable sur J \ {1} et : x J \ {1}, ( f 1 ) (x) =

5. En dduire le dveloppement limit dordre 1 de f 1 en
x x2 1
2.
Partie II : tude des drives successives de f

1. Justifier que f est de classe C sur J.
2. Montrer que, pour tout n N, il existe Pn R[X] unique tel que :
Pn (sin x)
x I, f (n) (x) =
cosn+1 x
et montrer : P0 = 1
n N, Pn+1 = (1 X2 )P n + (n + 1)XPn .
et
3. Calculer P0 , P1 , P2 , P3 .
4. Dterminer, pour tout n N, le degr et le coecient dominant de Pn .
Partie III : tude dune suite dintgrales

4
n
f (x) dx.
On note, pour tout n N :
In =
0
1. Justifier que, pour tout n N, In existe. Calculer I0 et I2 .

2. a) Dterminer (a, b) R2 de faon que : t R \ {1, 1},
b
1
a
+
.
=
1 t2
1t 1+t
b) laide du changement de variable t = sin x, calculer I1 .

3. Montrer que la suite (In )nN est croissante.
4. a) tablir :
n N, In+2 =
( 2)n
n
+
In .
n+1
n+1
b) En dduire : In +.
n
10.3 galit dune intgrale et dune somme de srie, daprs EML 2007
Dure :
1 heure 30 minutes
ln(1 + x)
si x > 0
x
On considre lapplication f : [0 ; +[ R, x f (x) =
1
si x = 0.
Partie I : tude de lapplication f
1. Montrer que f est continue sur [0 ; +[.
314
noncs des exercices
x
ln(1 + x).
1+x
A(x)
a) Montrer que f est de classe C 1 sur ]0 ; +[ et que : x ]0 ; +[, f (x) = 2 .
x
1
b) Montrer que f admet comme limite en 0 droite.
2
2. On considre lapplication
A : [0 ; +[ R, x A(x) =
c) Dmontrer que f est de classe C 1 sur [0 ; +[ et prciser f (0).

d) Dresser le tableau de variation de A.
En dduire que f est strictement dcroissante sur [0 ; +[.
e) Dterminer la limite de f en +.
3. On considre lapplication B : [0 ; +[ R, x B(x) =
3x2 + 2x
+ 2 ln(1 + x).
(1 + x)2
B(x)
.
x3
b) Dresser le tableau de variation de B. En dduire que f est convexe sur ]0; +[.
a) Montrer que f est de classe C 2 sur ]0 ; +[ et que : x ]0 ; +[, f (x) =
4. Tracer lallure de la courbe reprsentative de f .

Partie II : Un dveloppement en srie

(1)N+1 tN+1
1
=
.
(1)k tk +
1 + t k=0
1+t
N
1. Montrer :
2. En dduire :
N N, t [0 ; 1],
N N, x [0 ; 1], ln(1 + x) =
N

(1)k xk+1
k=0
o on a not JN (x) =
0
3. tablir :
+ JN (x),
(1)N+1 tN+1
dt.
1+t
N N, x [0 ; 1], |JN (x)|
4. En dduire que, pour tout x [0 ; 1], la srie

ln(1 + x) =
k+1
xN+2
.
N+2
(1)n1 xn
converge et que :
n
n1
+

(1)n1 xn
n=1
Partie III : galit dune intgrale et dune somme de srie

1. Montrer, en utilisant le rsultat de II 3. :
N

(1)k xk
xN+1
N N, x [0 ; 1],
f (x)
.

k+1
N+2
k=0
1
+

(1)n1
(1)n1
converge et que :
f (x) dx =
.
2. Montrer que la srie
2
n
n2
0
n1
n=1
3. Montrer, pour tout N N :

2N+1
N
N
2N+1
N
N
1

(1)n1

1
1
1
1
=
+
et
=
.
2
2
2
2
2
2
n
(2p
+
1)
4p
n
(2p
+
1)
4p
n=1
p=0
p=1
n=1
p=0
p=1
1
+

1
2
2
.
Montrer
:
.
4. On admet que
=
f (x) dx =
2
n
6
12
0
n=1
315
Chapitre 10
Problmes de rvision
10.4 Exemple de variables alatoires densit, simulation informatique, daprs EDHEC 2010
Dure : 40 minutes
Dans cet exercice, a dsigne un rel strictement positif.

On considre deux variables alatoires X et Y, dfinies sur un espace probabilis (, A , P),
indpendantes, et suivant toutes deux la loi uniforme sur [0 ; a[.
On pose Z = |X Y| et on admet que Y, X Y et Z sont des variables alatoires densit, elles
aussi dfinies sur lespace probabilis (, A , P).
1. a) Dterminer une densit de Y.
b) En dduire que X Y admet pour densit la fonction g dfinie par :
a |x|
si x [a ; a]
a2
x R, g(x) =
.
0
sinon
On note G la fonction de rpartition de X Y.
2. a) Exprimer la fonction de rpartition H de la variable Z en fonction de G.
b) En dduire quune densit de Z est la fonction h dfinie par :
2(a x)
si x [0 ; a]
a2
.
x R, h(x) =
0
sinon
3. Montrer que Z possde une esprance et une variance et les dterminer.
4. Simulation informatique. On rappelle quen Turbo Pascal, la fonction random permet de
simuler la loi uniforme sur [0 ; 1[.
Complter la dclaration de fonction suivante pour quelle retourne chaque appel un nombre
rel choisi selon la loi de Z.
function z(a:real):real ;
var x,y:real ;
begin
x:=... ; y:=... ; z:=... ;
end ;
10.5 Trace dune matrice carre, endomorphisme de Mn(R), daprs Ecricome 2009
Dure : 1 heure
Soit n N . Pour toute matrice A = (ai j )i j Mn (R), on appelle trace de A et on note tr (A), la
n

aii .
somme des lments diagonaux de A, cest--dire : tr (A) =
i=1
Pour toute matrice A de Mn (R), on note : A : Mn (R) Mn (R), M AM MA.

Pour toutes matrices A, B de Mn (R), on note < A , B > = tr ( t AB).
1. Montrer que lapplication tr : Mn (R) R, A tr (A) est linaire et que :
2

(A, B) Mn (R) , tr (AB) = tr (BA).
2. Montrer que, pour toute A Mn (R), A est un endomorphisme de Mn (R).
3. Montrer que lapplication
316
2

< . , . > : Mn (R) R, (A, B) < A , B >
noncs des exercices
est un produit scalaire sur Mn (R).

On suppose dornavant que A est une matrice symtrique de Mn (R) et on note Sp (A)
lensemble des valeurs propres de A, Sp (A ) lensemble des valeurs propres de A , et
!

2 "
= ; (, ) Sp (A) .
4. Montrer :

2
(M, N) Mn (R) , < A (M) , N > = < M , A (N) > .
En dduire que A est diagonalisable.

2
5. a) Soient (, ) Sp (A) , X Mn,1 (R) un vecteur propre pour A associ , Y Mn,1 (R)
un vecteur propre pour A associ . On note MX,Y = X t Y Mn (R).
Montrer :
MX,Y 0,
Y A = t Y,
A (MX,Y ) = ( )MX,Y .
b) En dduire : Sp (A ).
6. Soient Sp (A ), M Mn (R) un vecteur propre pour A associ .
a) Montrer quil existe un vecteur propre Z0 pour A tel que MZ0 0. (On pourra raisonner
par labsurde.) On note la valeur propre pour A associe Z0 .
b) Montrer que MZ0 est un vecteur propre pour A associ une valeur propre que lon
prcisera laide de et . En dduire : .
7. Conclure : Sp (A ) = .
10.6 Valeurs propres dune matrice symtrique relle, daprs ESSEC 2004
Dure :
1 heure 30 minutes
Soit n N . On rappelle que le produit scalaire canonique sur Mn,1 (R) est lapplication
(X, Y) < X , Y > = t XY
et que la norme euclidienne associe est lapplication X ||X|| =

c1

1. Dans cette question, C = ... Mn,1 (R) \ {0}.

cn
< X , X >.
a) Expliciter le produit matriciel C tC. La matrice C tC est-elle diagonalisable ?
b) Exprimer (C tC)2 en fonction de ||C|| et de C tC.

c) En dduire que toute valeur propre de C tC est gale 0 ou ||C||2 .
d) Montrer que 0 est valeur propre de C tC et prciser le sous-espace propre pour C t C
associ 0.
e) Calculer C tCC en fonction de C, montrer que ||C||2 est valeur propre de C tC et prciser le
sous-espace propre pour C tC associ ||C||2 .
f) Montrer que lendomorphisme de Mn,1 (R) canoniquement reprsent par la matrice
1
C tC est un projecteur orthogonal dont on prcisera le noyau et limage.
||C||2
Dornavant, A Mn (R) est une matrice symtrique.
2. a) tablir, pour tous X, Y Mn,1 (R) :
( t XY)2 = t Y(X t X)Y.
b) Justifier lexistence de (1 , ..., n ) Rn et dune base orthonormale

i 1 ; n, AUi = i Ui .
B = (U1 , ..., Un ) de Mn,1 (R) tels que :
317
Chapitre 10
Problmes de rvision
c) Pour tout X Mn,1 (R), exprimer X et AX dans la base B, et exprimer ||X||2 et ||AX||2
laide des produits scalaires < Ui , X > et < Ui , AX > pour i 1 ; n, puis prouver :
< X , AX > =
n
i 2 .
i=1
In =
d) En dduire :
n
Ui Ui et A =
t
n
i=1
i U i t U i .
i=1
Reconnatre, pour tout i 1 ; n, lendomorphisme de Mn,1 (R) canoniquement reprsent par Ui t Ui .

e) Dduire, pour tout X Mn,1 (R) : Min i ||X||2 < X , AX > Max i ||X||2 .
1in
1in
3. On note (A) = Max |i |.

1in
X Mn,1 (R), ||AX||2 =
a) Vrifier :
n
2i < Ui , X >2 .
i=1
X Mn,1 (R), ||AX|| (A)||X||.
b) En dduire :
Exhiber un vecteur X non nul ralisant lgalit dans lingalit prcdente.

c) Montrer que les deux assertions suivantes sont quivalentes :
i. Pour tout X Mn,1 (R), ||A p X|| 0
ii. (A) < 1.
10.7 Construction dune variable alatoire densit ayant une densit donne, daprs EDHEC
Dure :
1 heure 30 minutes
2009
Partie I : Prliminaire
Dans cette partie, x dsigne un rel lment de [0 ; 1[.
1. a) Pour tout n de N et tout t de [0 ; x], simplifier la somme
n
t p1 .
p=1
x n
n

xp
t
b) En dduire, pour tout n de N :
= ln(1 x)
dt.
p
1
t
0
p=1

c) Montrer :
lim
n
tn
dt = 0.
1t
xp
xp
converge et que
= ln(1 x).
p
p
p=1
+
d) tablir que la srie de terme gnral

2. a) Vrifier, pour tout n de N :
1
1
1
=
.
n(n + 1) n n + 1
b) Montrer que la srie de terme gnral

+

n=1
xn+1
est convergente et que :
n(n + 1)
xn+1
= x + (1 x) ln(1 x).
n(n + 1)
Partie II :
On considre une variable alatoire X de densit f , nulle sur ] ; 0[, continue sur [0 ; +[ et
strictement positive sur [0 ; +[. On note F la fonction de rpartition de X.
318
noncs des exercices
1. Justifier que, pour tout rel x, on a :
1 F(x) > 0.
On dfinit alors la fonction g sur R par :

f (x) ln 1 F(x) si x 0
x R, g(x) =
.
0
si x < 0
2. Montrer que g est une densit dune variable alatoire Y.

3. tude dun cas particulier
a) Montrer quune variable alatoire X suivant une loi exponentielle vrifie les conditions
imposes dans cette partie.
b) On suppose ici que X suit la loi exponentielle de paramtre > 0. Reconnatre alors la loi
de Y puis donner son esprance et sa variance.
Partie III :
Dans cette partie, on considre une suite de variables alatoires (Xi )iN toutes dfinies sur le
mme espace probabilis (, A , P), mutuellement indpendantes, ayant toutes la mme loi que
X (cest--dire de densit f , nulle sur ] ; 0[, continue sur [0 ; +[ et strictement positive sur
[0 ; +[, et de fonction de rpartition F).
On se propose, partir dune suite, de construire une variable alatoire Z ayant comme densit la

fonction g, nulle sur ] ; 0[, et dfinie pour tout rel x positif, par g(x) = f (x) ln 1 F(x) .
Pour ce faire, on considre la suite (un )n1 de rels positifs dfinie, pour tout n 1, par
1
un =
.
n(n + 1)
1. Montrer que
+
un = 1.
n=1
On considre ds lors une variable alatoire N, dfinie elle-aussi sur (, A , P), indpendante
1
des variables Xi , et dont la loi est donne par : n N , P(N = n) =
.
n(n + 1)
On pose alors Z = Max(X0 , X1 , ..., XN ) ce qui signifie :

, Z() = Max X0 (), X1 (), ..., XN() () .
2. a) Montrer que la fonction de rpartition de Z, note FZ , est donne par :

n+1
+

F(x)
.
x R, FZ (x) =
n(n + 1)
n=1
b) Utiliser le prliminaire pour en dduire, laide de la fonction F, une expression explicite
de FZ sur [0 ; +[.
c) Vrifier que Z est une variable alatoire densit et quelle admet bien la fonction g comme
densit.
10.8 Polynmes de Tchebychev de seconde espce, daprs EML 2005

Dure :
1 heure 30 minutes
On considre la suite (T n )nN de polynmes de R[X] dfinie par T 0 = 1, T 1 = 2X et, pour tout
entier n 2, T n = 2XT n1 T n2 .
On pourra confondre polynme et fonction polynomiale.
PARTIE I : tude de la suite de polynmes (T n )nN
1. Calculer T 2 et T 3 .
319
Chapitre 10
Problmes de rvision
2. a) Dmontrer que, pour tout n N, T n est un polynme de degr n, dont on dterminera le

coecient du terme de degr n.
b) tablir que, si n est un entier pair (resp. impair), alors T n est un polynme pair (resp.
impair).
3. Calculer, pour tout n N, T n (1) en fonction de n.
n N, ]0 ; [, T n (cos ) =
4. a) tablir :

sin (n + 1)
.
sin
b) En dduire que, pour tout n N , T n admet n racines relles, toutes situes dans lintervalle
] 1 ; 1[, que lon explicitera.
n N , T n = 2n
c) tablir :
n
X cos
k=1
d) En dduire, pour tout n N , la valeur de
n
sin
k=1
k
.
n+1
k
en fonction de n.
2(n + 1)
5. a) Dmontrer :
n N, ]0 ; [, sin2 T n (cos ) 3 cos T n (cos ) + (n2 + 2n)T n (cos ) = 0.
(On pourra driver deux fois la fonction (nulle) : sin T n (cos ) sin(n + 1).)
b) En dduire :
n N, (X2 1)T n + 3XT n (n2 + 2n)T n = 0.
Dans la suite du problme, n dsigne un entier fix tel que n 2 et on note E = Rn [X].
On note L lapplication qui, un polynme P de E, associe le polynme L(P) dfini, par :
L(P) = (X2 1)P + 3XP .
PARTIE II : tude de lendomorphisme L
1. Montrer que L est un endomorphisme de lespace vectoriel E.
2. a) Calculer L(T k ) pour tout k 0 ; n.
b) En dduire les valeurs propres de L et, pour chaque valeur propre de L, une base et la
dimension du sous-espace propre associ.
PARTIE III : tude dun produit scalaire

On note
: E 2 R, (P, Q)
1 x2 P(x)Q(x) dx.
1. Montrer que est un produit scalaire sur E.

2. Dmontrer :

(P, Q) E 2 , L(P), Q = P, L(Q) .
Indication : On pourra, laide dune intgration par parties, montrer :

1
3

(1 x2 ) 2 P (x)Q (x) dx.
L(P), Q =
1
3. tablir que (T k )0kn est une base orthogonale de E.

320
noncs des exercices
10.9 Existence et calcul dune intgrale impropre, daprs EML 2009

Dure : 1 heure
Soit (a, b) ]0 ; +[2 .

1. Montrer que lintgrale impropre

0
e ax e bx
dx converge.
x
2. a) tablir, en utilisant des changements de variable, pour tout (, X) ]0 ; +[2 tel que X :
X ax
aX y
X bx
bX y
e
e
e
e
dx =
dy
et
dx =
dy.
x
y
x
y
b
b) En dduire, pour tout (, X) ]0 ; +[2 tel que X :

e ax e bx
dx =
x
b
a
e y
dy
y
e y
dy.
y
bX
aX
3. a) Montrer que lapplication
1 e y
y
h : [0 ; +[ R, y h(y) =
si y 0
si y = 0

b y
b
e
b) En dduire :
dy ln .
0
y
a
a
bX y
X ax
b
e
e bx
e
dx = ln
dy.
c) tablir :
X ]0 ; +[,
x
a
y
0
aX
+ ax
e
e bx
b
dx = ln .
d) En dduire :
x
a
0
10.10 tude de deux variables alatoires densit, daprs cricome 2011

Dure : 1 heure
Pour toute variable alatoire relle X, on note FX sa fonction de rpartition dfinie par :
t R, FX (t) = P(X t).

On considre une suite (Xn )nN de variables alatoires mutuellement indpendantes suivant la
mme loi exponentielle de paramtre 1. Pour tout entier naturel n non nul, on note Yn et Zn les
deux variables alatoires dfinies par :
X1 X2
Xn Xi
+
+ +
=
.
1
2
n
i
i=1
n
Yn = max(X1 , X2 , . . . , Xn ) =max Xi
1in
et
Zn =
Pour finir, on dsigne par fn la fonction dfinie sur R par :

0
si t < 0

n1
t R, fn (t) =
si t 0.
n exp(t) 1 exp(t)
1. On considre un tableau X de nombres rels de taille 2011 (cest--dire X=array[1..2011]
of real pralablement rempli.
a) crire un programme en Pascal calculant et achant les rels :
max(X[1], X[2]) et
max(X[1], X[2], X[3]).

321
Chapitre 10
Problmes de rvision
b) crire un programme en Pascal calculant et achant le rel :

max(X[1], X[2], ..., X[2011]).
2. Soit n un entier naturel non nul.
a) Pour tout rel t, exprimer le rel FYn (t) laide des rels FX1 (t), . . . , FXn (t).
b) Pour tout rel t, donner alors lexpression de FYn (t) en fonction de n et t, en distinguant le
cas t < 0 et le cas t 0.
c) Vrifier alors que la fonction fn est une densit de Yn .
3. Soit n un entier naturel non nul.
a) Prciser la fonction de rpartition de la variable alatoire
b) Dmontrer que
Xn+1
.
n+1
Xn+1
est une variable alatoire densit et en proposer une densit dn+1 .
n+1
4. Pour tout x de R et tout n de N , vrifier :

x

n1

n
n exp(nt) 1 exp(t)
dt = exp(x) 1 .
0
5. Montrer par rcurrence que, pour tout entier naturel n non nul, Zn est une variable alatoire
densit dont fn est une densit.
Indication : Pour lhrdit, on remarquera que Zn+1 = Zn +
Xn+1
.
n+1
10.11 Matrice compagnon dun polynme, daprs EML 2006

Dure :
1 heure 30 minutes
Soit n N tel que n 2. On considre un n-uplet (a0 , a1 , ..., an1 ) de Cn et le polynme

P = Xn + an1 Xn1 + + a1 X + a0 . On note :
0 . . . . . . . . . 0 a0
.
..
1 . . (0)
. a1
. .
..
..
0 . . . .
.
.
Mn (C).
C =
..
.. . . . . . . ..
.
. . . . .
.
.. (0) . . . . . . 0 a
n2
0 . . . . . . 0 1 an1
On dit que C est la matrice compagnon du polynme P.
On note B = (e1 , ..., en ) la base canonique de Cn .
On note e = IdCn et f lendomorphisme de Cn reprsent par la matrice C dans la base B.
On note f 0 = e et, pour tout k N, f k+1 = f k f.
1. a) Exprimer, pour tout i 1 ; n 1, f (ei ) en fonction de ei+1 .
b) En dduire : j 1 ; n 1, f j (e1 ) = e j+1 et f n (e1 ) = (a0 e1 + + an1 en ).
2. On note g = f n + an1 f n1 + + a1 f + a0 e.
322
a) Vrifier :
g(e1 ) = 0.
b) Montrer :
i N, g f i = f i g.
noncs des exercices
c) En dduire :
i 1 ; n, g(ei ) = 0.
d) Montrer que P est annulateur de f .

Application 1 : Dterminer une matrice A de M5 (C) telle que : A5 = A3 + 2A2 + I5 .
e) tablir que les valeurs propres de C sont des racines du polynme P.
3. a) Soit Q = 0 + 1 X + + n1 Xn1 un polynme non nul et de degr infrieur ou gal
n 1. Calculer Q( f )(e1 ).
b) En dduire quil nexiste pas de polynme non nul, de degr infrieur ou gal n 1, et
annulateur de f .
c) Soit une racine de P. Il existe donc un polynme R de C[X] et un seul tel que P = (X)R.
Vrifier : ( f e) R( f ) = 0.
d) Conclure que toutes les racines de P sont des valeurs propres de f .
4. a) Montrer : x C, rg (C x In ) n 1.
En dduire que chaque sous-espace propre de C est de dimension 1.
b) tablir que C est diagonalisable si et seulement si P admet n racines deux deux distinctes.
0
1
5. a) Application 2 : Montrer que la matrice A1 =
0
0
0
0
1
0
0
1
b) Application 3 : Montrer que la matrice A2 =
0
0
sable.
0
0
0
1
0
0
1
0
0
de M4 (C) est diagonalisable.
0
0
0
0
0
1
4
8
de M4 (C) nest pas diagonali3
10.12 Tirage avec remise dans une urne, daprs cricome 2009
Dure : 2 heures
Dans tout le problme, a et b dsignent des entiers naturels tous deux non nuls et lon note
N = a + b.
On considre une urne contenant initialement a boules blanches et b boules noires, dans laquelle
on eectue des tirages successifs, au hasard et avec remise dune boule en procdant de la faon
suivante :
lorsque la boule tire est blanche, elle est remise dans lurne avant de procder au tirage
suivant,
lorsque la boule tire est noire, elle nest pas remise dans lurne, mais est remplace dans cette
urne par une boule blanche et lon procde alors au tirage suivant.
PARTIE I :
Soient (, A , P) un espace probabilis et Y : R la variable alatoire gale au nombre de
tirages ncessaires lobtention dune premire boule blanche.
1. Prciser soigneusement lensemble des valeurs prises par la variable Y.
2. Pour tout entier k de 1 ; b + 1, calculer la probabilit P(Y = k).
323
Chapitre 10
Problmes de rvision
3. Vrifier que P(Y = b + 1) =
b!
, et pour tout entier k 1 ; b :
Nb
b!
b!
.
(b (k 1))! N k1 (b k)! N k
P(Y = k) =
4. Soient M un entier naturel non nul et a0 , a1 , , aM une famille de rels. tablir :

M

M1
k(ak1 ak ) =
ak MaM .
k=1
5. En dduire :
E(Y) =
b

k=0
k=0
b!
.
(b k)! N k
PARTIE II :
Dans cette partie, on note :
pour tout n de N , qn la probabilit de lvnement, not Nn :
la n-ime boule tire est noire
pour tout n de N, Xn le nombre de boules noires obtenues au cours des n premiers tirages, avec
par convention X0 = 0,
pour tous n et k de N, pn,k la probabilit de lvnement :
au cours des n premiers tirages, on a obtenu exactement k boules noires .
On remarquera que p0,0 = 1 et que pn,k = 0 si k > n ou si k > b.
1. Soit n N. Calculer pn,0 puis pn,n . Que vaut la somme
n
pn,k ?
k=0
2. Dmontrer, pour tous n et k de N :

(A ) :
N pn,k = (a + k)pn1,k + (b + 1 k)pn1,k1 .
3. Calcul de lesprance de Xn :
a) laide de la formule (A ) obtenue dans la question II.2), dmontrer pour tout n de N :
n1

1
b
E(Xn1 ) + .
b + k(N 1) pn1,k et E(Xn ) = 1
N E(Xn ) =
N
N
k=0
b) laide de la formule ci-dessus, crire une fonction en Pascal fournissant le calcul de
E(X2009 ) lorsque b = 10 et N = 100.
c) En utilisant la dernire formule tablie la question II.3) a), prouver, pour tout n de N :

1 n
.
E(Xn ) = b 1 1
N
4. Calcul de qn :
a) En utilisant la formule des probabilits totales, tablir, pour tout n de N :
N qn+1 =
n
(b k)pn,k .
k=0
b) Pour tout n de N, exprimer alors qn+1 en fonction de E(Xn ) et en dduire lexpression de

qn+1 en fonction de n, b, N.
5. Calcul de la variance de Xn :

On introduit la suite (un )n0 dfinie pour tout n de N par : un = E Xn (Xn 1) .
324
noncs des exercices
a) laide de la formule (A ) au II.2), montrer, pour tout n de N :

N un =
n1

k(k 1)(a + b 2) + 2(b 1)k pn1,k .
k=1
b) En dduire que la suite (un )n0 satisfait la relation de rcurrence :

1 n1
2
2b(b 1)
un1 +
1 1
.
n N , un = 1
N
N
N
c) laide dune rcurrence, dmontrer, pour tout n de N :

2 n
1 n
2 1
un = b(b 1) 1 + 1
.
N
N
d) Donner alors la valeur de V(Xn ) puis prciser sa limite lorsque lentier n tend vers +.
10.13 Polynmes de Laguerre, produit scalaire, daprs EML 2011

Dure : 2 heures
Partie I : Polynmes de Laguerre

On considre, pour tout n N, les applications
fn : R R, x
xn e x
,
n!
Ln : R R, x e x fn(n) (x),
o fn(n) dsigne la drive n-ime de fn .

1. Calculer, pour tout x R, L0 (x), L1 (x), L2 (x).
2. Montrer :
n N, x R, Ln (x) =

n

(1)k n
k=0
k!
xk .
3. En dduire que, pour tout n N, Ln est une fonction polynomiale dont on prcisera le degr
et le coecient du terme de plus haut degr.

n+1 (x)
= fn (x) fn+1 (x).
4. Montrer :
n N, x R, f
5. En dduire :
n N, x R, Ln+1 (x) = Ln (x) Ln (x).
6. Montrer :
n N, x R, fn+1 (x) =
x
fn (x).
n+1
7. En dduire : n N, x R, (n + 1)Ln+1 (x) = xLn (x) + (n + 1 x)Ln (x).

8. tablir :
n N, x R, xLn (x) (x 1)Ln (x) + nLn (x) = 0.
Partie II : Produit scalaire, orthogonalit, endomorphisme

On note E le R-espace vectoriel des applications polynomiales de R dans R.
Soit N N fix. On note EN le sous-espace vectoriel de E form des applications polynomiales
de R dans R de degr infrieur ou gal N.
+
A(x) e x dx converge.
1. Montrer que, pour tout A E, lintgrale impropre
0

< . , . > : E E R, (P, Q) =
P(x)Q(x) e x dx.
2. Montrer que < . , . > est un produit scalaire sur E.

325
Chapitre 10
Problmes de rvision
On considre, pour tout P E, lapplication T (P) : R R dfinie par :

x R, T (P)(x) = xP (x) (x 1)P (x).
3. Vrifier que T est un endomorphisme du R-espace vectoriel E.
4. Montrer que, pour tout P E, lapplication de R dans R : x T (P)(x) e x est la drive
de lapplication de R dans R : x xP (x) e x .
+
xP (x)Q (x) e x dx.
5. En dduire : (P, Q) E E, < T (P) , Q > =
0
6. tablir :
(P, Q) E E, < T (P) , Q > = .
7. En utilisant le rsultat de la question I 8., calculer, pour tout n N, T (Ln ).

8. En dduire que la famille (L0 , ..., LN ) est orthogonale.
9. Montrer :
P EN , T (P) EN .
On note T N lendomorphisme induit par T sur EN , cest--dire lendomorphisme T N de EN

dfini par :
P EN , T N (P) = T (P).
10. Montrer que (L0 , ..., LN ) est une base de EN .
11. Donner la matrice de T N dans la base (L0 , ..., LN ) de EN .
12. Est-ce que T N est diagonalisable ? Est-ce que T N est bijectif ?
10.14 Rarrangement de n variables alatoires densit indpendantes, daprs CCIP 2011

Dure : 2 heures
Dans tout le problme, on considre une variable alatoire X de fonction de rpartition FX et

admettant une densit fX .
Soit n N . On considre un n-chantillon (X1 , X2 , . . . , Xn ) i.i.d. (indpendant, identiquement
n
1
Xk , qui est la moyenne
distribu) de la loi de X et on dfinit la variable alatoire : X n =
n k=1
empirique de lchantillon (X1 , X2 , . . . , Xn ).
On admet lexistence de variables alatoires densit Y1 , Y2 , . . . , Yn telles que, pour tout de
, les rels Y1 (), Y2 (), . . . , Yn () constituent un rarrangement par ordre croissant des rels
X1 (), X2 (), . . . , Xn (), de telle sorte que, pour tout de :
Y1 () Y2 () Yn ().
En particulier, Y1 = min(X1 , X2 , . . . , Xn ) et Yn = max(X1 , X2 , . . . , Xn ).
Pour tout rel x et tout entier k de 1 ; n, on note Jk (x) la variable alatoire dfinie par :

n

1 si (Xk x) est ralis
et on pose : S n (x) =
Jk (x) =
Jk (x).
0 si (Xk > x) est ralis
k=1
1. a) Montrer que les fonctions fY1 et fYn dfinies pour tout x rel par :
fY1 (x) = n(1 FX (x))n1 fX (x)
et
fYn (x) = n(FX (x))n1 fX (x)
sont des densits de Y1 et Yn respectivement.

b) Pour tout rel x, quelle est la loi de probabilit de la variable alatoire S n (x) ?
c) Soient k 1 ; n et x R. Justifier lgalit entre vnements suivante :
(Yk x) = (S n (x) k).
326
noncs des exercices
d) Soit k 1 ; n. tablir :
x R, FYk (x) =
n

n
j=k

n j
(FX (x)) j 1 FX (x) .
e) En dduire que, pour tout k de 1 ; n, la fonction fYk dfinie, pour tout x rel, par :

n
fYk (x) = k (FX (x))k1 (1 FX (x))nk fX (x)
k
est une densit de Yk .
f) Montrer que si X admet un moment dordre r (r N ), alors, pour tout k de 1 ; n, Yk
admet un moment dordre r.
Dans la suite du problme, on suppose que la fonction de rpartition FX est donne par :
1 si x 1
x
FX (x) =
.
0
si x < 1
2. a) Tracer la courbe reprsentative de FX dans le plan rapport un repre orthonorm.
Prciser la demi-tangente droite au point dabscisse x = 1.
Justifier que X est une variable alatoire densit et prciser une densit fX de X.
b) Montrer que X nadmet aucun moment.
c) Expliciter, pour tout k de 1 ; n et pour tout x rel, lexpression fYk (x) dune densit de Yk .
En dduire un quivalent de fYk (x) lorsque x tend vers +, lentier k tant fix.
3. On suppose dans cette question que n 3.
a) Montrer que, pour tout k de 1 ; n 2, Yk admet une esprance.
1
b) En justifiant lemploi du changement de variable t = , tablir, pour tout k de 1 ; n 2,
x
1
n
la formule : E(Yk ) = k
tnk2 (1 t)k1 dt.
k 0

c) Pour tout couple (r, s) de (N )2 , on pose :
Ir,s =
tr1 (1 t)s1 dt.
Montrer que, pour tout couple (r, s) de (N )2 , on a :
Ir,s =
(r 1)!(s 1)!
.
(r + s 1)!
d) En dduire lexpression de E(Yk ) pour tout k de 1 ; n 2.

4. On pose, pour tout n de N :
Zn =
1
Yn
max(X1 , X2 , . . . , Xn ) = 2 .
n2
n
a) Calculer, pour tout x rel, FZn (x).

b) On dfinit la fonction Z par :

1
exp x si x > 0
x R, Z (x) =
.
0
si x 0
Montrer que Z est la fonction de rpartition dune variable alatoire Z densit.

c) Montrer que la suite de variables alatoires (Zn )nN converge en loi vers Z.
327
Chapitre 10
Problmes de rvision
10.15 Matrices productives, daprs EML 2004

Dure :
1 heure 30 minutes
Dans tout le problme, n dsigne un entier suprieur ou gal 2.

Une matrice M de Mn (R) ou de Mn,1 (R) est dite positive si et seulement si tous les coecients
de M sont positifs ou nuls. On notera alors M 0.
Une matrice M de Mn (R) ou de Mn,1 (R) est dite strictement positive si et seulement si tous les
coecients de M sont strictement positifs. On notera alors M > 0.
Si M et N sont deux matrices de Mn (R) ou deux matrices de Mn,1 (R), la notation M N (resp.
M > N) signifie que M N 0 (resp. M N > 0).
Une matrice M de Mn (R) est dite productive si et seulement si :
M 0 et il existe une matrice positive P de Mn,1 (R) telle que P MP > 0.
Partie I : tude dexemples
1
0 1 1
1
1. En considrant U = 1 , montrer que la matrice A = 1 0 1 est productive.

3
1
110
1 4 1
2. Montrer que la matrice B = 2 1 3 nest pas productive.
001
Partie II : Caractrisation des matrices positives
Soit M Mn (R).
1. Montrer que, si M est positive, alors, pour toute matrice positive X de Mn,1 (R), le produit MX
est une matrice positive.
2. Rciproquement, montrer que, si, pour toute matrice positive X de Mn,1 (R), le produit MX est
une matrice positive, alors la matrice M est positive.
Partie III : Caractrisation des matrices productives
1. Soit A une matrice productive de Mn (R) et P une matrice positive de Mn,1 (R) telle que
P AP > 0.
On note, pour tout (i, j) 1 ; n2 , ai j le coecient de A situ la ligne i et la colonne j.
On note, pour tout i 1 ; n, pi le coecient de P situ la ligne i.
a) Montrer : P > 0.
b) Soit X Mn,1 (R) tel que X AX. On note, pour tout i 1 ; n, xi le coecient de X situ
xj
xk
et k 1 ; n un indice tel que c = .
la ligne i. On note c = Min
1 jn p j
pk
n

ak j p j 0 et dduire c 0, puis X 0.
tablir : c pk
j=1
c) Soit X Mn,1 (R) telle que X = AX. En remarquant que X A(X), montrer que X est
nulle. En dduire que In A est inversible.
d) Montrer que, pour toute matrice positive X de Mn,1 (R), la matrice Y = (In A)1 X est positive
(on pourra utiliser 1. b)). En dduire que (In A)1 est positive.
328
noncs des exercices
2. Dans cette question, on considre une matrice positive B de Mn (R) telle que In B soit
inversible et telle que (In B)1 soit positive. On note U la matrice de Mn,1 (R) dont tous les
coecients son gaux 1, et V = (In B)1U. Montrer : V BV > 0. Conclure.
3. Donner une caractrisation des matrices productives.
4. Application : Soit M une matrice positive de Mn (R) telle que 2M 2 = M.
Vrifier que (In M)(In + 2M) = In et en dduire que M est productive.
10.16 tude de convergence en loi, daprs EDHEC 2011

Dure : 2 heures
Toutes les variables alatoires intervenant dans ce problme sont dfinies sur le mme espace
probabilis (, A , P).
On considre une suite (Xn )nN de variables alatoires indpendantes et identiquement distribues. On considre aussi, pour tout entier naturel n non nul, la variable alatoire Mn dfinie
par : Mn = max(X1 , X2 , . . . , Xn ), cest--dire :

pour tout de , Mn () = max X1 (), X2 (), . . . , Xn () .
On cherche alors des suites relles
(an )nN et (bn )nN , o la suite (an )nN est termes stricteMn bn
ment positifs, telles que la suite
converge en loi vers une variable alatoire non
an
nN
constante.
Partie I : La loi exponentielle
On suppose dans cette partie que la loi commune des Xk est la loi exponentielle de paramtre ,
o est un rel strictement positif fix.

1. Soit g la fonction dfinie sur R par : x R, g(x) = ex exp e x .
a) Montrer que g est une densit.
On note G une variable alatoire admettant g comme densit.
b) Dterminer la fonction de rpartition, note FG , de la variable alatoire G.
2. a) Donner, pour tout n de N , la fonction de rpartition de la variable alatoire Mn .
b) Pour tout n de N , on pose Un = Mn ln(n). Montrer que la suite (Un )nN converge en
loi vers une variable alatoire dont on dterminera la loi.
Partie II : La loi normale
On suppose dans cette partie que la loi commune des Xk est la loi normale centre rduite. On
note une densit de X1 .
+
(u)
du est convergente et, laide dune
1. a) Montrer que, pour tout x > 0, lintgrale
u2
x
intgration par parties, montrer :
+
(x)
(u)
du.
P(X1 > x) =
x
u2
x
b) En dduire, pour tout x > 0 :
puis :
P(X1 > x)
(x)
(x) P(X1 > x)
P(X1 > x)
,
x
x2
x
(x)

1
P(X1 > x) 1 + 2 .
x
x
329
Chapitre 10
Problmes de rvision
2. Soit c un rel strictement positif fix. Montrer que, pour tout entier naturel n non nul, lqua(x) c
tion
= admet sur une unique solution sur ]0 ; +[ que lon notera xn .
x
n
3. Montrer :
lim xn = +.
n+
4. Montrer, pour tout n de N :
x2n + 2 ln xn = 2 ln n ln(2c2 ).
5. En prenant un quivalent de chaque membre de lquation 4), montrer :
xn
2 ln n.
n+
En dduire que lon peut crire pour n 2,

xn =
1 (n)
= 0.
2 ln n + 1 (n) o lim
n+
2 ln n
6. a) En utilisant la question 4), montrer, pour tout entier n 2 :

2
1 (n)
2 2 ln n 1 (n) + 1 (n) + 2 ln 1 +
= ln(ln n) ln(4c2 ).
2 ln n
b) En prenant un quivalent de chaque membre de lquation du a), montrer :
21 (n) 2 ln n ln(ln n).

n+
2 2 ln n
ln(ln n)
= 0.
+ 2 (n) o lim 2 (n)
1 (n) =
n+
ln(ln n)
2 2 ln n
En dduire :
On admet alors que, en poursuivant le dveloppement asymptotique, on peut crire pour tout
entier n 2 :
xn =
ln(4)
ln c
ln(ln n)

+ (n)
2 2 ln n 2 2 ln n
2 ln n
avec lim (n) 2 ln n = 0.
2 ln n
n+
7. On pose, pour n 2 :
an =
1
2 ln n
et
bn =
ln(4)
ln(ln n)

.
2 ln n
2 2 ln n 2 2 ln n
a) Montrer laide des questions prcdentes, que pour tout rel x, et pour tout entier n 2,
en posant c = ex :
an x + bn = xn (n)
puis :
(an x + bn )
an x + bn
n+
ex
.
n
(an x + bn )
P(X1 > an + bn ) puis
b) En dduire, en utilisant la question 1) b), que
an x + bn n+
Mn bn
montrer que la suite
converge en loi vers la variable alatoire G.
n1
an
10.17 Projection sur un convexe ferm, daprs HEC 2010

Dure :
1 heure 30 minutes
Soit n N tel que n 2.

Le produit scalaire canonique sur Rn est not < . , . > et la norme euclidienne associe est note
||.||.
Pour tous x = (x1 , ..., xn ) et y = (y1 , ..., yn ) de Rn , on note x y si et seulement si :
i 1 ; n, xi yi .
330
noncs des exercices
Une partie K non vide de Rn est dite convexe si et seulement si :

t [0 ; 1], (u, v) K 2 , tu + (1 t)v K.
On admet que limage rciproque par une application continue de Rn dans R dun intervalle
ferm de R est un ferm de Rn .
Si K est une partie convexe et non vide de Rn et si x Rn , on appelle projet de x sur K et on
note p(x), sil existe, tout lment y de K tel que : ||x y|| = Min ||x z||.
zK
1. Exemple 1 :
"
!
On prend ici n = 2, K = (z1 , z2 ) R2 ; z1 1 et z2 1 , x = (x1 , x2 ) R2 \ K
tel que x1 > 0 et x2 > 0.
a) Montrer que K est convexe et ferm. Est-ce que K est born ?
b) tablir lexistence et lunicit du projet p(x) de x sur K et dterminer p(x).
c) Faire un schma reprsentant K, x, p(x).
d) crire une fonction en Pascal den-tte
distance(x1,x2 : real) : real
qui, tout x = (x1 , x2 ) R2 \ K tel que x1 > 0 et x2 > 0, associe le rel ||x p(x)||.
2. Exemple 2 :
"
!
On prend ici n = 4, K = (z1 , z2 , z3 , z4 ) R4 ; z1 + z2 z3 z4 = 0 ,
x = (x1 , x2 , x3 , x4 ) R4 \ K.
a) Vrifier que K est convexe.
b) tablir lexistence et lunicit du projet p(x) de x sur K et dterminer p(x) et ||x p(x)||.
Dans la suite du problme, n N est tel que n 2, K est une partie convexe, ferme, non vide
de Rn , et x Rn \ K.
3. On note f : K R, z f (z) = ||x z||.

a) Montrer que f est continue sur K.
!
"
b) Soit z0 K. On note B0 = z Rn ; ||z x|| ||z0 x|| et K = B0 K.
Montrer que K est une partie ferme borne non vide de Rn .
c) En dduire que f admet un minimum sur K .
Ainsi, il existe #
z K tel que :
f (#
z) = Min f (z).
zK
z K, ||x z|| ||x #

z||.
d) Montrer :
e) Conclure.
1
1
a + b
2 1
2
2
2
4. a) Vrifier : (a, b) (Rn )2 ,
+ ||a b|| = ||x a|| + ||x b|| .

2
4
2
2
b) On note d = Min ||x z||. Soient u, v K tels que d = ||x u|| = ||x v||.
zK
laide de la question prcdente, montrer u = v. Conclure.

331
Chapitre 10
Problmes de rvision

5. a) tablir : z K, t [0 ; 1], ||x p(x)||
x tz + (1 t)p(x)
.
z K, < z p(x) , x p(x) > 0.
b) En dduire :
c) Rciproquement, on suppose quil existe y K tel que :

z K, < z y , x y > 0.
Montrer y = p(x). Conclure.
< x p(x) , p(x) > < < x p(x) , x > .
6. a) tablir :
b) En dduire quil existe c R tel que :

z K, < x p(x) , z > < c < < x p(x) , x > .
Du mal dmarrer ?
10.1
4) a) Effectuer une intgration par parties, en prenant :
1. Immdiat.
2. a), b) Immdiat.
u=
2. c) Utiliser la formule des probabilits totales.
1
,
cosn+1 x
v = cos x.
2. d) Immdiat.
2. e) Utiliser la dfinition de Uk et la question 2. d).
4. b) Utiliser a) et une prpondrance classique.
10.3
10.2
Partie I : 1.1 Appliquer le thorme de la bijection rciproque.

1
2.1 La courbe reprsentative de f se dduit de celle de f par

la symtrie par rapport la premire bissectrice.
3.1 Pour x J, noter y = f 1 (x) et utiliser x = f(y).
4. Appliquer le thorme du cours sur la drivabilit dune
fonction rciproque.
5. Faire le lien entre la drivabilitde f 1 en 2 et le dvelop1

pement limit de f dordre 1 en 2.
Partie II : 1. Appliquer un thorme du cours concernant les
oprations sur les fonctions de classe C .
tudier la limite de f(x) lorsque x tend vers 0.

2. a) Immdiat.
2. b) Former le dveloppement limit dordre 2 de A en 0, puis
le dveloppement limit dordre 0 de f en 0, et conclure.
2. c) Appliquer le thorme limite de la drive.
2. d) Immdiat.
2. e) Mettre x en facteur lintrieur de ln(1 + x) :

1
ln(1 + x) = ln x + ln 1 +
x
2. Existence : Rcurrence sur n.
puis tudier le comportement lorsque x tend vers +.
Unicit : Utiliser une proprit des polynmes.
3) a), b), 4. Immdiat.
3. Immdiat, en utilisant la formule obtenue en 2).
Partie II : 1. Utiliser la formule sur une sommation gomtrique.
4. Montrer, par rcurrence sur n, que, pour tout n N, Pn est de

degr n et de coefficient dominant gal 1.
2. Intgrer de 0 x dans le rsultat prcdent.
Partie III : 1. Lintgrale envisage nest pas impropre.

Les calculs de I0 et I2 sont immdiats.
2. a) Rduire le second membre au mme dnominateur.
2. b) Effectuer le changement de variable t = sin x, en faisant
apparatre, dans I1 , cos x dx qui est gal d t, et cos2 x qui est
gal 1 t2 . Utiliser a ).
3. Calculer, pour tout n N, In+1 In .
332
Partie I : 1. Sur ]0 ; +[, appliquer les thormes gn-
raux.
3. Utiliser 2. et majorer convenablement.

4. Dduire de 3. que lon a : JN (x) 0, puis utiliser 2.
N
Effectuer un dcalage dindice pour aboutir prcisment la

formule demande.
Partie III : 1. Si x 0, utiliser II 2. et II 3.
Traiter, part, le cas x = 0.
2. Utiliser labsolue convergence et lexemple de Riemann.
Du mal dmarrer ?

Majorer
f(x) dx
N+1

n=1
(1)n1
convenablement et utiliser 1.
n2
2N+1
2N+1
(1)n+1
1
et
, sparer les
3. Dans les sommations
2
n
n2
n=1
n=1
termes dindices pairs et les termes dindices impairs.
4. Utiliser 3. et faire tendre lentier N vers linfini.
10.4
1) a) Commencer par dterminer la fonction de rpartition de la variable alatoire Y .
7. Immdiat.
10.6
1. a) Immdiat. La matrice C t C est carre dordre n.
Appliquer le thorme spectral.

1. b) Calculer (C t C)2 en dplaant correctement des parenthses et en remarquant : t CC = ||C||2 R.
1. c) Remarquer que, daprs b), un certain polynme est annulateur de C t C.
1. d) Rsoudre lquation (C t C)X = 0, dinconnue X Mn,1 (R).
1. b) crire : X Y = X + (Y ). Puis utiliser la formule donnant

une densit dune somme de variables alatoires densit indpendantes.
0
si x < 0
.
2. a) Obtenir : x R, H(x) =
G(x) G(x) si x 0
1. e) Obtenir (C t C)C = ||C||2 C et interprter cette galit en

termes de valeurs propres et de vecteurs propres.
2. b) Montrer que Z est une variable alatoire densit. Une

densit de Z sobtient en drivant sa fonction de rpartition
sauf en un nombre fini de points o le choix est arbitraire.
Reconnatre un projecteur.
3. Utiliser les rsultats de cours.
2. b) Utiliser le thorme spectral.
4. Immdiat.
10.5
1. Calculer tr (A + B), pour R et A, B Mn (R), en

utilisant la dfinition de la trace dune matrice carre.
tudier la rciproque.
1. f) Noter par exemple M =
2. a) Immdiat.
2. c) Pour exprimer X et AX sur la base B = (U1 , ..., Un ), appliquer la formule du cours donnant la dcomposition dune
vecteur sur une base orthonormale.
2. d) Obtenir :
Il peut tre commode de noter (A)ij le coefficient situ la ligne

i et la colonne j de la matrice A.
X Mn,1 (R), < X , X > = < X ,
De mme, calculer tr (AB) sous forme dune double sommation et permuter les deux symboles de sommation.
2. Immdiat.
3. Revenir la dfinition dun produit scalaire.
Pour montrer limplication < A , A > = 0 = A = 0, passer par
les coefficients de A, en exprimant < A , A > sous forme dune
double sommation.
4. Partir, par exemple, de < A (M) , N > et utiliser les proprits de la trace et de la transposition, pour aboutir en quelques
lignes de calcul < M , A (N) >.
Appliquer le thorme spectral.
1
C t C et calculer M2 .
||C||2
n

Ui t Ui X >,
i=1
et dduire In =
n
Ui t Ui .
i=1
Calcul analogue pour la deuxime formule demande.

Utiliser 1. f).
2. e) Utiliser lexpression de < X , AX > en fonction des i et des
< Un , X > .
3. a) Exprimer AX sur B, puis calculer ||AX||2 .
3. b) Utiliser a) et la dfinition de (A).
5. a) 1re mthode : Examen des coefficients de X t Y :
3. c) Supposer (A) 1. Faire intervenir un indice k 1 ; n

tel que (A) = |k |. Calculer ||Ap Uk || pour tout p N et conclure.
Exprimer les coefficients de X t Y et montrer quau moins un des

coefficients de MX,Y nest pas nul.
Supposer (A) < 1. Montrer, par rcurrence sur p :

p
p N , X Mn,1 (R), ||Ap X|| (A) ||X||,
2 mthode : Utilisation du produit scalaire canonique

sur Mn,1 (R) :
Raisonner par labsurde : supposer MX,Y = 0 et dduire X t YY
= 0, puis Y = 0.
Pour obtenir t YA = t Y , transposer.
et conclure.
10.7
Partie I : 1) a) Utiliser la formule sur la somme des termes

dune suite gomtrique.
Calculer A (MX,Y ).
1. b) Intgrer lgalit prcdente entre 0 et x.
5. b) Utiliser (a) et la dfinition dun vecteur propre.
1. c) Commencer par crire :
6. a) Raisonner par labsurde : supposer que, pour tout vecteur

propre Z0 de A, on ait MZ0 = 0. Utiliser le thorme spectral et
dduire M = 0, contradiction.
tn
tn

.
1t
1x
1. d) Utiliser les questions 1) b) et 1) c).
6. b) Calculer AMZ0 en utilisant AM MA = M et AZ0 = Z0 .
2. a) Immdiat.
n N , t [0 ; x], 0
333
Chapitre 10
Problmes de rvision
2. b) Calculer les sommes partielles associes la srie et faire

apparatre une somme tlescopique.
Partie II : 1. Sparer les cas x 0 et x > 0.
2 mthode : Comparaison lexemple de Riemann :
2. Utiliser la dfinition dune densit.
Montrer : x2 f(x)
3. a) Immdiat.
1

,2 .
Partie III : 1. Faire apparatre une somme tlescopique.

Y
3. b) Obtenir :
2. a) Commencer par utiliser la formule des probabilits totales,

!
"
avec comme systme complet dvnements (N = n) ; n N .
2. b) Appliquer lgalit du I.2) b) F(x).

Obtenir : x [0 ; +[, FZ (x) = F(x) + 1 F(x) ln 1 F(x) .
2. c) Montrer que FZ est continue sur R, de classe C 1 sur R priv
10.8
Majorer |f(x)| convenablement

et utiliser le cours sur les int +
e ax dx pour a > 0 fix.
grales impropres
x +
0.
2. a) Pour (, X) ]0 ; +[2 tel que X, effectuer le chan X ax

e
gement de variable y = ax dans lintgrale
dx et le
x
X
e bx
dx.
changement de variable y = bx dans lintgrale
x
2. b) Utiliser la linarit de lintgration, le rsultat de a) et la

relation de Chasles.
3. a) Vrifier que h est continue sur ]0 ; +[.
Pour ltude en 0, utiliser un quivalent classique ou un dveloppement limit.
3. b) Remplacer e y par ( e y 1) + 1 et utiliser a).
Partie I : 1. Immdiat.
2. a) b), 3., 4. a) Rcurrence deux pas sur n.

4. b) Rsoudre lquation sin (n + 1) = 0, dinconnue ]0 ; [.
Montrer que lon a bien ainsi toutes les racines de Tn .
3. c) Faire tendre vers 0 dans le rsultat de 2. b) et utiliser 3. b).

bX y
e
dy 0 et conclure.
3. d) Montrer
X +
y
aX
10.10
4. c) Utiliser 2. a) et 4. b).
1. a) Utiliser linstruction conditionnelle if ... then.
4. d) Remplacer X par 1 dans le rsultat prcdent et utiliser 3.

5. a) Partir de ]0 ; [, sin Tn (cos ) sin (n + 1) = 0,
1. b) Utiliser une boucle for ... do et linstruction conditionnelle if ... then ... else.
driver deux fois, puis combiner les galits pour faire dispa

ratre les termes en sin (n + 1) .
2. a) Remarquer :
5. b) Remarquer que lapplication cos est une surjection

de ]0 ; [ sur ] 1 ; 1[, puis utiliser une proprit des polynmes.
t R, P(Yn t) = P(X1 t) P(Xn t).
2. b) Utiliser le cours pour connatre la fonction de rpartition

de X1 , . . . , Xn .
Partie II : 1. Examiner le degr de L(P).
2. c) Montrer que Yn est une variable alatoire densit, puis

calculer FY n sur R+ et R .
La linarit de L est immdiate.
3. a) Immdiat.
2. a) Utiliser I 5. b).
3. b) Pour obtenir une densit de
2. b) Utiliser 2. a) et montrer que les k2 + 2k sont deux deux

distincts lorsque k dcrit 0 ; n.
Partie III : 1. Sassurer dabord de lexistence de lintgrale.
La symtrie, la linarit par rapport une place, la positivit
sont immdiates.
Pour montrer limplication (P, P) = 0 = P = 0, utiliser un
thorme sur les intgrales et une proprit des polynmes.
2. Effectuer une intgration par parties, avec :
u = (1 x2 ) 2 P (x),
5. Pour lhrdit, utiliser la formule donnant une densit

dune somme de deux variables alatoires densit et indpendantes.
10.11
1. a) Lire la matrice C.
1. b) Rcurrence sur n.
Calculer f n (e1 ) en utilisant f n1 (e1 ).
v = Q (x).
Xn+1
, driver sa fonction de
n+1
rpartition sauf en un nombre fini de points o le choix est
arbitraire.

n
4. Commencer par transformer exp(nt) en exp(t) .
2. a) Utiliser 1. b).
3. Utiliser III 2., II 2. b) et le thorme spectral.
10.9
1. Vrifier que
sur ]0 ; +[.
f : x
ax
e
x
2. b) Rcurrence sur n.
2. c) Calculer g(ei ) pour tout i 2 ; n.
bx
est continue
tude en 0 : Utiliser des dveloppements limits.

tude en + :
1re mthode : Comparaison des exponentielles :
334
2. d) Montrer g = 0.
Application 1 : Chercher A comme matrice compagnon dun

certain polynme.
2. e) Utiliser d) et faire le lien entre les valeurs propres de C et
les valeurs propres de f.
Du mal dmarrer ?
3. a) Utiliser 1. b).
3. b) Raisonner par labsurde : supposer quil existe un polynme Q non nul, annulateur de f, tel que deg (Q) n 1. Noter
Q = 0 + 1 X + + n1 Xn1 . Appliquer a).
5. b) Dvelopper la somme prcdente, simplifier et utiliser lexpression de E(Xn1).

5. c) Immdiat.
5. d) Justifier :

2
V (Xn ) = un + E(Xn ) E(Xn ) .
3. c) Manipuler des polynmes dendomorphismes.

3. d) Raisonner par labsurde : supposer que ne soit pas valeur propre de f. Alors, f e est bijectif. Dduire R(f) = 0 et
utiliser b).
4. a) Soit x C. Noter, par exemple, C1 , ..., Cn1 , Cn les colonnes
de la matrice carre C x In . Comparer les rangs de C x In et de
(C1 , ..., Cn1 ). Noter, par exemple, L1 , ..., Ln les lignes de la matrice rectangulaire forme par C1 , ..., Cn1 . Comparer les rangs
de (C1 , ..., Cn1 ) et (L2 , ..., Ln ).
Soit une valeur propre de C. Utiliser le thorme du rang et
le rsultat prcdent.
4. b) Noter, par exemple, p le nombre de racines de P, et
1 , ..., p les racines de P. Utiliser 2. e), 3. d) et la caractrisation de la diagonalisabilit faisant intervenir les dimensions des
sous-espaces propres.
5. a) Application 2 : Remarquer que A1 est la matrice compagnon dun certain polynme P et que ce polynme P admet
quatre racines deux deux distinctes.
5. b) Application 3 : Remarquer que A2 est la matrice compagnon dun certain polynme P et que ce polynme P admet
une racine double.
10.12
Y () = 1 ; b + 1.
PARTIE I : 1. Obtenir :
2. Utiliser la formule des probabilits composes.
Partie I : 1. Immdiat. Veiller ne pas se tromper dans les

calculs de drives.
2. Utiliser la formule de Leibniz.
3. Immdiat.
4. Calculer f n+1 (x) et faire apparatre fn (x) et fn+1 (x).
5. Driver n fois partir de lgalit de 4.

Dautre part, exprimer Ln+1 (x), puis Ln (x) par dcalage de lindice.
6. Immdiat.
7. Driver n+1 fois partir de 6. et utiliser la formule de Leibniz.
8. Driver partir de 7. et utiliser 5.
Partie II : 1. 1re mthode : Utilisation de la fonction dEuler :
Montrer que lon se ramne une combinaison linaire de valeurs de .

Soit A E. Vrifier que lapplication x A(x) e x est continue
sur [0 ; +[.

Pour ltude en +, remarquer : x2 A(x) e x
0.
x +
2. Sassurer dabord que < . , . > existe.

La symtrie, la linarit par rapport une place, la positivit
sont immdiates.
3. Immdiat.
4. Sparer la premire somme en deux sommes, puis faire apparatre un tlescopage.
5. Appliquer lgalit prcdente avec ak =
PARTIE II : 1. Obtenir :
10.13
pn,n
b!
.
(b k)! Nk
b!
si n b
(b
n)! Nn
.
=
0
si n > b
Utiliser un systme complet dvnements pour montrer :

n

pn,k = 1.
k=0
Pour montrer limplication = 0 = P = 0, utiliser un

rsultat du cours sur les intgrales et une proprit des polynmes.
3. Il est immdiat que :
P E, T (P) E.
Il nest pas ncessaire ici dexaminer les degrs.

La linarit de T est immdiate.
4. Immdiat.
5. Procder une intgration par parties sur [0 ; X], puis faire
tendre X vers +.
2. Exprimer lvnement En,k en fonction des vnements En1,k

et En1,k1 .
6. Remarquer que, dans le rsultat de 5., P et Q ont des rles

symtriques.
3. a) Utiliser la dfinition de lesprance puis remplacer pn,k par

son expression en fonction de pn1,k et pn1,k1 .
7. Immdiat daprs I 8.
3. b) Utiliser une boucle for ... do.

3. c) Remarquer que la suite ( E(Xn ) nN est une suite
arithmtico-gomtrique.
4. a) Utiliser la formule des probabilits totales, avec comme
!
"
systme complet dvnements En,0 , . . . , En,n .
4. b) Utiliser :
n

k=0
pn,k = 1
et
n
kpn,k = E(Xn ).
k=0
8. Soit (n, p) 0 ; N2 tel que n < p. Utiliser 6. et 7. pour dduire < Ln , Lp > = 0.
9. Soit P EN . Utiliser 3. et examiner le degr de T (P).
10. Utiliser 8. et un rsultat du cours sur une famille orthogonale de vecteurs tous non nuls.
Utiliser un argument de dimension.
11. Immdiat. La matrice obtenue est diagonale.
12. Immdiat.
5. a) Raisonner de la mme faon quau II.3) a).
335
Chapitre 10
Problmes de rvision
10.14
1) a) Commencer par dterminer les fonctions de rpartition de Y1 et de Yn .
Mais aussi : X A(X).
1. b) Reconnatre une situation type.

1. c) Immdiat.
2. Montrer que V = (In B)1 U est une matrice positive de

Mn,1 (R). Obtenir : V BV = U.
1. d) Utiliser les questions prcdentes.
3. Immdiat daprs 1. et 2.
1. e) Driver FYk en tout point de R o elle est drivable.
4. Obtenir : (In M)(In + 2M) = In .
1. f) Utiliser le thorme de tranfert, puis

montrer :
n r
r
|x |fX (x).
x R, |x fYk (x)| k
k
Utiliser 3.
Conclure en utilisant le thorme de majoration des fonctions

positives ou nulles.
2. a) Montrer que FX est continue sur R, de classe C 1 sur R priv
2. b) Utiliser lexemple de Riemann en +.

1 n 1
2. c) Obtenir : fYk (x)
k
.
x+ 2
k x nk+3
2
3. a) Utiliser le thorme dquivalence pour les fonctions positives ou nulles et lexemple de Riemann en +.
3. b) Faire le changement de variable donn par lnonc sur
A
xfYk (x) dx puis faire tendre A vers +.
1
3. c) Faire une intgration par parties.

3. d) Obtenir :
4. a) Obtenir :
n(n 1)
.
(n k)(n k 1)

n
x R, FZn (x) = FX (n2 x) .
E(Yk ) =
4. b) Montrer que Z est continue sur R, de classe C 1 sur R priv

4. c) Calculer, pour tout x de R, la limite de FZn (x) lorsque lentier
n tend vers +, en sparant les cas x 0 et x > 0.
10.15
Partie I : 1. Vrifier A 0. Calculer U AU.

x

2. Soit P = y une matrice positive quelconque de M3,1 (R). Cal
z
culer P BP et remarquer que le troisime lment de cette
colonne est nul.
Partie II : 1. Exprimer les coefficients dun produit de deux matrices.
2. Rciproquement, supposer que, pour toute matrice positive
X de Mn,1 (R), le produit MX soit une matrice positive. Soit
(i, j) 1 ; n2 . Considrer la matrice Xj de Mn,1 (R) dont tous
les coefficients sont nuls sauf celui situ la ligne j et qui est
gal 0.
Partie III : 1. a) Montrer que AP est positive, puis calculer (P)i
pour tout i 1 ; n, en faisant intervenir P AP et AP.
1. b) Remarquer : (X AX)k 0.
Dautre part, calculer (X AX)k en faisant intervenir c, pk et les
akj et xj .
1. c) Remarquer X AX et utiliser b).
336
1. d) Montrer X = Y AY et appliquer 1. b) et II 2.
Remarquer : (In M)1 = In + 2M.
10.16
Partie I : 1) a) Utiliser la dfinition dune densit.

x
g(u) du.
1. b) Utiliser : x R, FG (x) =
2. a) Montrer, dans un premier temps :

n
x R, P(Mn (x) x) = P(X1 x) .
2. b) Calculer, pour tout x de R et pour tout n de N , P(Un x).
En dduire, pour tout x de R, lim P(Un x).
n
Partie II : 1) a) Pour tout A > x, faire une intgration par parties

A
1
sur lintgrale
et en intgrant
(u) du en drivant u
u
x
u u e
u2
2
. Puis passer la limite lorsque A tend vers +.
1. b) Commencer par
:
justifier
+
(u)
1
0
du
2 P(X1 > x).
u2
x
x
Puis utiliser lgalit obtenue au 1) a).
2. tudier la fonction H : x
une bijection de R+ dans R+ .
(x)
, pour en dduire que H est
x
3. Dterminer la limite de H1 en 0 puis utiliser lgalit :

c
.
xn = H1
n
(xn )
c
4. Partir de lgalit
= .
xn
n
5. Montrer, tout dabord :
xn2 + 2 ln xn xn2 .
n
Puis utiliser lgalit obtenue au 4).

Enfin, utiliser la dfinition de deux suites quivalentes.
6. a) Remplacer xn par 2 ln n + 1 (n) dans lgalit de la question 4), puis simplifier.

6. b) Dterminer un quivalent simple des deux membres de
lgalit obtenue au 5), puis conclure.
7. a) Lgalit bn + an x = xn (n) est immdiate.
(an x + bn )
e x
, commencer par montrer

an x + bn n n
e x
(xn )
c
.
(xn ) (an x + bn ), puis utiliser le fait que
= =
n
xn
n
n
Pour montrer
(an x + bn )
P(X1 > an x + bn ), faire le
an x + bn n
quotient et montrer quil tend vers 1.

Mn bn
x FG (x). Conclure.
En dduire : x R, P
n
an
7. b) Pour montrer
Du mal dmarrer ?
10.17
1. a) Pour montrer que K est convexe, revenir la dfinition dune partie convexe.
Pour montrer que K est ferm, utiliser le rsultat admis dans
lnonc et le rsultat du cours sur lintersection de deux ferms.
Remarquer que K nest pas born.
1. b) c) Immdiat.
1. d) Utiliser linstruction if then ... else ....
3. e) Immdiat.
4. a) Dvelopper le premier membre et amener le second
membre.
4. b) Remarquer que, puisque (u, v) K 2 et que K est convexe,
u+v
K.
on a :
2
5. a) Remarquer : tz + (1 t)p(x) K et appliquer la dfinition
de d.
2. a) Remarquer que K est un sous-espace vectoriel de R4 .
5. b) Soit z K. Appliquer le rsultat de a), lever au carr,

simplifier par t, puis faire tendre t vers 0+ .
2. b) Utiliser le thorme de projection orthogonale dans un espace euclidien et exprimer p(x) laide dune formule du cours.
5. c) Remplacer z par p(x) dans lhypothse et, dautre part, dvelopper ||p(x) y||2 . Dduire p(x) y = 0 et utiliser 5. a) et b).
3. a) Prsenter f comme compose de deux applications continues.
6. a) Dvelopper < x p(x) , p(x) > .
3. b) Immdiat.
6. b) Dvelopper < x p(x) , z >.

Montrer que, par exemple,
3. c) Utiliser un thorme du cours sur les applications continues

sur une partie ferme borne non vide.

1
< x p(x) , p(x) > + < x p(x) , x >
2
convient.
3. d) Sparer en deux cas : z B0 , z B0 .
c=
337

10.1
q
q2 0 0
1
1. a) PD = 2 p q 2pq 0 1/2
1 p p2 0 0
q/2
q2
0
PD = 0 (p q)/2 2pq
0 p/2
p2
q q/2 0 1
q
q2

1. b) MP = p 1/2 q 2 p q 2pq
1 p p2
0 p/2 p
0
q2 + q2 (p q)
q3 + pq2
1
(p q)
pq2 + pq + p2 q
= p 1 + q
2
p
(p q) p2
p2 q + p3
0
2
q
0
(p + q)
q2 (p + q)
2
= p + q 1 12 (p q) pq(1 + p + q).
0
2p (p + q) p2 (p + q)
Puisque p + q = 1, on obtient :
q/2
q2
0
MP = 0 (p q)/2 2pq = PD
0 p/2
p2
2. a) Lvnement A1 est ralis si et seulement si on remplace
la boule choisie (qui est ncessairement noire) par une boule
noire ; ainsi : a1 = P(A1 ) = q.
De mme, lvnement B1 est ralis si et seulement si on remplace la boule choisie (qui est ncessairement noire) par une
boule blanche ; ainsi : b1 = P(B1) = p.
Enfin, lvnement C1 est impossible ;
ainsi : c1 = P(C1 ) = 0.
On conclut :
a1 = q, b1 = p, c1 = 0
2. b) Sachant lvnement Ak , il y a sur la table, lissue de

ltape k, deux boules noires ; lvnement Ak+1 est ralis si et
seulement si on remplace la boule choisie (qui est ncessairement noire) par une boule noire ;
ainsi : PAk (Ak+1 ) = q.
Sachant lvnement Bk , il y a sur la table, lissue de ltape k,
une boule noire et une boule blanche ; lvnement Ak+1 est
ralis si et seulement si on choisit la boule blanche que lon
338
remplace par une boule noire ;

1
q
ainsi : P Bk (Ak+1 ) = q = .
2
2
Sachant lvnement Ck , il y a sur la table, lissue de ltape k,
deux boules blanches ; lvnement Ak+1 est alors impossible ;
ainsi : PCk (Ak+1 ) = 0.
Par le mme raisonnement, on obtient :
P Bk (Bk+1) =
PAk (Bk+1) = p,
1
1
1
q + p = , PCk (Bk+1) = q,
2
2
2
PAk (Ck+1 ) = 0, P Bk (Ck+1 ) =
1
p
p = , PCk (Ck+1 ) = p.
2
2
On conclut :
q
PCk (Ak+1 ) = 0
2
1
PAk (Bk+1) = p P Bk (Bk+1) =
PCk (Bk+1) = q
2
p
PAk (Ck+1 ) = 0 P Bk (Ck+1 ) =
PCk (Ck+1 ) = p
2
PAk (Ak+1 ) = q P Bk (Ak+1 ) =
2. c) Soit k N .
Les vnements Ak , Bk , Ck forment un systme complet dvnements. Par la formule des probabilits totales, on a :
ak+1 = P(Ak+1 )
= P(Ak )PAk (Ak+1 ) + P(Bk )P Bk (Ak+1 ) + P(Ck )PCk (Ak+1 )
q
q
= q P(Ak ) + P(Bk ) = q ak + bk
2
2
bk+1 = P(Bk+1)
= P(Ak )PAk (Bk+1) + P(Bk )P Bk (Bk+1) + P(Ck )PCk (Bk+1)
1
1
= p P(Ak ) + P(Bk ) + q P(Ck ) = p ak + bk + q ck
2
2
ck+1 = P(Ck+1 )
= P(Ak )PAk (Ck+1 ) + P(Bk )P Bk (Ck+1 ) + P(Ck )PCk (Ck+1 )
p
p
= P(Bk ) + p P(Ck ) = bk + p ck .
2
2
q
q 2 0 ak

Et : MUk = p 12 q bk
p c
0 2 p k
q ak + q2 bk ak+1

= p ak + 12 bk + q ck = bk+1 = Uk+1 .
p
c
k+1
b + p ck
2 k
On conclut :
k N , Uk+1 = MUk
2. d) Notons, pour tout k de N , P(k) la proprit :

2
p

Uk = PDk 2p .

1
Partie I : 1. Lapplication

1
R, x
f : I = 0;
4
cos x
est drivable (donc continue) sur I et :
Initialisation : On a,
2

p
0 pq + q2 q

2

PD 2p = P p = p + pq = p = U1 .

1
0
1
0
Do la proprit P(1).
Hrdit : Soit k N . Supposons P(k) et montrons
P(k + 1). On a : Uk+1 = MU
k2
2
2
p
p
p
=
MP Dk 2p = PDDk 2p = PDk+1 2p.

1
1
1
= PD
Do la proprit P(k + 1).
On conclut :
10.2
x I, f (x) =
sin x
.
cos2 x
Puisque f est drivable sur I et que :

x I \ {0}, f (x) > 0,
f est strictement croissante sur I.

On a : f (0) = 1, f
= 2.
4
Daprs le thorme de la bijection rciproque, on conclut :
f est une bijection de I sur J = [1 ;
2]
2.
2
p

k N , Uk = PDk 2p

1
k N ,

2
0 0 0 p2
ak
p

k
k
bk = Uk = PD 2p = P 0 1/2 0 2p
ck
1
0 0 1 1
q
q2 0
1
k1
= 2 p q 2pq p/2
1
1 p p2
pq
+ q2
2k1
p
(p
q)
+
2pq
.
= 2k1
p2
2
2k1 + p
2. e) On obtient alors :
On en dduit :
3. Soit x J. Notons y = f 1 (x).

1
1
, do cos y = .
cos y
x
Comme y I [0 ; ], on a sin y 0,
On a donc : x = f (y) =
do :
k N ,
pq
p(p q)
p2
ak = q + k1 , bk = 2pq +
, ck = p2 k1
k1
2
2
2
sin y =
1 cos2 y =
1
.
x2
On conclut :
Remarque : On a bien, pour tout k de N :

1
ak + bk + ck = q2 + 2pq + p2 + k1 pq + p(p q) p2
2
1
= (p + q)2 + k1 0 = 1.
2
1
0,
Puisque
< 1, on a :
2
2k1 k
do :
lim ak = q ,
2
lim bk = 2pq,
k
lim ck = p

1

x J, cos f 1 (x) = et sin f 1 (x) =
x
1
x2
4. Puisque f est drivable sur I et que f ne sannule quen 0,

daprs un thorme
du cours, f 1 est drivable sur J \ { f (0)} =
J \ {1} = ]1 ; 2] et :
x J \ {1}, ( f 1 ) (x) =
1

f 1 (x)

cos2 f 1 (x)
=
1 =
sin f (x)
1
x2
1
1 2
x
1
.
x x2 1
339
Chapitre 10
Problmes de rvision
Unicit :
On conclut :
Soient n N, Pn , Qn R[X] tels que :
f 1 est drivable sur J \ {1} et :

1
x J \ {1}, ( f 1 ) (x) =
x x2 1
x I, f (n) (x) =
1
5. Puisque f 1 est drivable
en 2, f admet un dveloppement limit dordre 1 en 2 et :
f 1 (x) = f 1 ( 2) + (x
2)( f 1 ) ( 2) +
o
x
(x 2).
et
f (n) (x) =
Qn (sin x)
.
cosn+1 x
x I, Pn (sin x) = Qn (sin x),

1
t 0 ; , Pn (t) = Qn (t).
2
On a alors :
donc :
Pn (sin x)
cosn+1 x
Ainsi, les polynmes Pn et Qn concident en une infinit de

points de R, donc Pn = Qn .
On a :
f ( 2) =
4
1
On conclut :
1
1
= .
( f ) ( 2) =
2 21
2
1
et
On conclut :
Le dveloppement limit dordre 1 de f 1 en 2 est :
1
f 1 (x) = + (x 2) + o (x 2)
4
x 2
2
Partie II : 1. Puisque cos est de classe C sur I et ne sannule
en aucun point de I, en passant linverse, daprs le cours :
f est de classe C sur I
De plus :
P0 = 1 et
n N, Pn+1 = (1 X2 )P n + (n + 1)XPn
3. On a P0 = 1 et on calcule les Pn de proche en proche grce

la formule prcdente :
P1 = (1 X2 )P 0 + XP0 = X,
P2 = (1 X2 )P 1 + 2XP1 = (1 X2 ) + 2X2 = X2 + 1
2. Existence :
P3 = (1 X2 )P 2 + 3XP2 = (1 X2 )2X + 3X(X2 + 1)
Raisonnons par rcurrence sur n.
= X3 + 5X.
1
, donc
Pour n = 0, on a : x I, f (0) (x) = f (x) =
cos x
P0 = 1 convient.
Supposons que, pour un n N fix, il existe Pn R[X] tel
Pn (sin x)
.
que :
x I, f (n) (x) =
cosn+1 x
On dduit, en drivant :

x I, f (n+1) (x) = f
(n)
(x)
(1 sin2 x)P n (sin x) + (n + 1) sin xPn (sin x)

=
.
cosn+2 x
En notant Pn+1 = (1 X
)P n
P0 = 1, P1 = X, P2 = X2 + 1, P3 = X3 + 5X
4. Montrons, par rcurrence sur n, que, pour tout n N, Pn est
de degr n et de coecient dominant gal 1.
Lassertion est vraie pour n = 0, car P0 = 1.
Supposons, pour un n N fix, que Pn est de degr n et de
coecient dominant gal 1.
P (sin x) cos x cosn+1 x + Pn (sin x)(n + 1) cosn x sin x

= n
cos2n+2 x

2
P (sin x) cos x + (n + 1)Pn (sin x) sin x
= n
cosn+2 x
+ (n + 1)XPn ,
on a Pn+1 R[X] et : x I, f (n+1) (x) =
Pn+1 (sin x)
.
cosn+2 x
Ceci montre, par rcurrence sur n, que, pour tout n N, il existe

Pn R[X] convenant.
340
Pour tout n N, il existe Pn R[X] unique tel que :

Pn (sin x)
x I, f (n) (x) =
cosn+1 x
Il existe donc Rn R[X] tel que :

Pn = Xn + Rn et deg (Rn ) n 1.
On a alors :
Pn+1 = (1 X2 )P n + (n + 1)XPn
= (1 X2 )(nXn1 + R n ) + (n + 1)X(Xn + Rn )

= Xn+1 + (1 X2 )R n + nXn1 + (n + 1)XRn ,

de degr n
donc Pn+1 est de degr n + 1 et de coecient dominant gal 1,

ce qui montre que lassertion est vraie pour n + 1.
Ceci montre, par rcurrence sur n :
donc :
Pour tout n N, Pn est de degr n

et de coecient dominant gal 1
Partie III : 1. Dabord, pour tout n N, lintgrale

4
n
f (x) dx existe comme intgrale dune application
In =
4. a) Soit n N.

4
On a : In =
0
2) a) On a, pour tout (a, b) R2 :
u = cosn+1 x
v = cos x
b
a
1
+
=
1 t2
1t 1+t
t R \ {1, 1}, 1 = a(1 + t) + b(1 t)
1
1
=
ln(1 t) + ln(1 + t) 0 2
2

1
1
1
=
ln 1 + ln 1 +
2
2
2
cos x
dx.
cosn+1 x
(n + 1) sin x
u = cosn+2 x
v = sin x
(n + 1)In+2 = ( 2)n + nIn .
do :
On conclut :
n N, In+2 =
( 2)n
n
+
In
n+1
n+1
4. b) Daprs a) :
n N, In+2 =
n
( 2)n
( 2)n
+
In
.
n + 1
n+1
n+1
0
2 > 1, par prpondrance

de lexponentielle sur la
( 2)n
+.
puissance, on a :
n + 1 n
Puisque
1+
2+1
1
2
= ln
1
2
21
1
2

1
= ln ( 2 + 1)2 = ln( 2 + 1).
2
I1 = ln( 2 + 1)
On conclut :
1
= ln
2
3. On a :

4 1 cos2 x
2
(n
+
1)
=
dx
1 n+1
cosn+2 x
0
2
n
= ( 2) (n + 1)(In+2 In ),
1 1
,
convient
2 2
2. b) On a, par le changement de variable t = sin x, puis en

utilisant a) :

4
4 cos x
1
I1 =
dx =
dx
cos x
cos2 x
0
0
1
1
2
2 1
1
1
1
+
dt
dt
=
=
2
1t
2 1t 1+t
0
0
sin x 4 4 (n + 1) sin2 x
In =
dx
cosn+1 x 0
cosn+2 x
0
t R \ {1, 1}, (a b)t + (a + b 1) = 0
1
a b = 0
a = b =
=
2
a + b 1 = 0
Le couple (a, b) =

:
o u, v sont de classe C 1 sur le segment 0 ;
4
t R \ {1, 1},
Ainsi :
1
dx =
cosn x
Eectuons une intgration par parties avec :
continue sur un segment.

4
4
1
dx = [tan x]04 = 1.
1 dx = , I2 =
I0 =
2
4
cos x
0
0
I0 = ,
I2 = 1
4
La suite (In )nN est croissante
Par thorme de minoration, on conclut :
In +
n
10.3
Partie I : 1. Par oprations , lapplication f est continue sur
]0 ; +[.
ln(1 + x)
1 = f (0),
x 0
x
donc f est continue en 0.
Dautre part :
n N, In+1 In =
0
1
1
dx
n+1
cos x cosn x

4 1 cos x
=
dx 0,
cosn+1 x
0
0
On conclut :
f est continue sur [0 ; +[
2. a) Par oprations, f est de classe C 1 sur ]0 ; +[ et :

341
Chapitre 10
Problmes de rvision
1
x ln(1 + x) A(x)
1
+
x

x ]0 ; +[, f (x) =
= 2
x2
x
x
ln(1 + x)
1+x

x2
x2
= x 1 x + o(x) x
+ o(x2 ) = + o(x2 ),
2
2
On conclut :
f admet
f (x)
1
comme limite en 0 droite
2
2. c) Par oprations, f est de classe C 1 sur ]0 ; +[.
x +
x +
xA (x) 2A(x)

x3

x
1 x
ln(1 + x)
2
= 3 x
x
(1 + x)2
1+x
B(x)
1 x2 2x(1 + x)
+ 2 ln(1 + x) = 3 .
= 3
2
x
(1 + x)
x
On conclut :
x ]0 ; +[, f (x) =
On a vu en 1. que f est continue sur [0 ; +[.
Daprs le thorme limite de la drive, on conclut :
(6x + 2)(1 + x)2 (3x2 + 2x)2(1 + x)

2
+
(1 + x)4
1+x
(6x + 2)(1 + x) + 2(3x2 + 2x) + 2(1 + x)2
=
(1 + x)3
2x2
=
0.
(1 + x)3
B (x) =
1
2
2. d) Lapplication A est drivable sur [0 ; +[ et :

x [0 ; +[, A (x) =
1
1
x
.
=
(1 + x)2 1 + x
(1 + x)2
On dresse le tableau de variation de B :

x
B (x)
On dresse le tableau de variation de A :

x
A (x)
A(x)
0
0
0
donc, daprs a) :
x ]0 ; +[, A (x) < 0,

x ]0 ; +[, f (x) < 0.
Comme de plus, daprs c), f (0) =
0
0
B(x)
Il sensuit :
Il sensuit :
B(x)
.
x3
b) Lapplication B est drivable sur [0 ; +[ et, pour tout

x [0 ; +[ :
Daprs b), f admet une limite finie en 0.
f est de classe C 1 sur [0 ; +[ et f (0) =
0.
3. a) Daprs 2.a. et puisque A est de classe C 1 sur ]0 ; +[,

f est de classe C 1 sur ]0 ; +[, donc f est de classe C 2 sur
]0 ; +[ et, pour tout x ]0 ; +[ :
f (x) =
A(x)
1
1
f (x) = 2 = + o(1) .
x 0
x
2
2
donc :
Dautre part :
On conclut :
2. b) On a, par dveloppements limits en 0 :

A(x) =

1
ln 1 +
x
x
1
< 0, on obtient :
2
donc :
x [0 ; +[, B(x) 0,
x ]0 ; +[, f (x) =
B(x)
0
x3
f est convexe sur ]0 ; +[
et on conclut :
4.
x [0 ; +[, f (x) < 0,

donc :
f est strictement dcroissante sur [0 ; +[
2. e) On a :

1
ln(1 + x) ln x ln 1 + x
x ]0 ; +[, f (x) =
=
+
.
x
x
x
Dune part, par prpondrance de la puissance sur le logaln x
0.
rithme :
x x +
342
Partie II : 1. Par sommation gomtrique, on a, pour tous

N N, t [0 ; 1] :
N

k=0
(1)k tk =
N

k=0
(t)k =
1 (t)N+1
1
(1)N+1 tN+1
=
,
1 (t)
1+t
1+t
Partie III : 1. Soient N N, x [0 ; 1].
donc :

1
(1)N+1 tN+1
(1)k tk +
=
1 + t k=0
1+t
N
N N, t [0 ; 1],
2. Pour tous N N, x [0 ; 1], en intgrant de 0 x :

x
1
ln(1 + x) =
dt
0 1+t
x
x
N
(1)N+1 tN+1
=
(1)k tk dt +
dt
1+t
0 k=0
0

=
N

k=0
Si x 0, daprs II 2., en divisant par x, et daprs II 3., on a :

N
N

(1)k xk
(1)k xk+1
f (x)
=
ln(1 + x)
k+1
x
k+1
k=0
k=0
1 xN+2
xN+1
1
|JN (x)|
=
.
x
x N+2 N+2
Dautre part, pour x = 0 :
=

0N+1
(1)k xk
f (x)
.
= | f (0) 1| = 0
k
+
1
n
+2
k=0
not JN (x)
tk dt + JN (x) =
(1)k
N

(1)k xk+1
k+1
k=0
+ JN (x).
On conclut, en regroupant les deux cas :

N

(1)k xk
xN+1
N N, x [0 ; 1],
f (x)

k+1
N+2
k=0
On conclut :
N N, x [0 ; 1],
N

(1)k xk+1
+ JN (x).
ln(1 + x) =
k+1
k=0
2. Daprs lexemple de Riemann (2 > 1), la srie
3. On a, pour tous N N, x [0 ; 1] :
x (1)N+1 tN+1
x
(1)N+1 tN+1
dt
|JN (x)| =
dt

1+t
1+t
0
0
x
x N+1
tN+2 x
xN+2
t
tN+1 dt =
=
dt
.
=
N+2 0 N+2
0 1+t
0
On conclut :
N N, x [0 ; 1], |JN (x)|
xN+2
N+2
(1)n1
converge, donc la srie

gente, donc convergente.
On a, pour tout N N, daprs 1. , en intgrant de 0 1 :

1
0
1 N+1
N

(1)k xk
f (x)
dx

dx
k
+
1
N
+2
0
k=0
=
4. Soit x [0 ; 1]. On a, daprs 3.a. :

xN+2
1

.
N+2 N+2
N N, |JN (x)|
1
0, on dduit : JN (x) 0,
N
N + 2 N
N
k k+1

(1) x
ln(1 + x).
donc, daprs 2. :
N
k+1
k=0
Comme
Ceci montre que la srie
(1)k xk+1
k0
ln(1 + x) =
Enfin :

f (x)
1
N
N

(1)k xk
(1)k xk
dx

dx.
f (x)
k+1
k+1
0
k=0
k=0
f (x)
N

(1)k xk
k=0
dx
f (x) dx
k+1
N
Pour tout x [0 ; 1], la srie
n
n1
+
n1 n

(1) x
n=1
f (x) dx
0
(1)n1 xn

n=k+1
On obtient :
f (x) dx
0
f (x) dx
1
0
xk
dx
k+1
N

(1)k
(k + 1)2
k=0
converge et :

(1)k
k=0
Par dcalage dindice (n = k + 1), on conclut :
ln(1 + x) =
k+1
k=0
0
+

(1)k xk+1
xN+2 1
1
=
.
(N + 2)2 0 (N + 2)2
Dautre part :
converge et que :
k+1
est absolument conver-
n2
n1
1
n2
n1
N+1

(1)n1
n=1
n2
N+1

(1)n1
1
.

2
n
(N
+
2)2
n=1
343
Chapitre 10
Comme
Problmes de rvision
si 0 x < a
a
x R, f (x) =
0 sinon
1
0,
(N + 2)2 N

N+1

(1)n1
on dduit :
n2
n=1
f (x) dx.
la fonction de rpartition F de X et de Y est donne par :
0 si x < 0
x
si 0 x < a .
x R, F(x) =
1 si x a
On conclut :
(1)n1
converge et :
n2
n1
+

(1)n1
f (x) dx =
n2
n=1
La srie

1
0
1. a) On a :
x R, P(Y x) = P(Y x)
= P(Y > x)
3. Soit N N . En sparant les termes dindices pairs et les

termes dindices impairs, on a :
2N+1

n=1
1
=
n2
N

p=0
1
+
(2p + 1)2
N

p=1
n=1
(1)2p1
(1)n1 (1)2p
=
+
2
2
n
(2p + 1)
(2p)2
p=0
p=1
N
N

p=0
1
1
.
2
(2p + 1)
(2p)2
p=1
N
On conclut :
n=1
2N+1

n=1
N
On en dduit que Y U (] a ; 0]).
1
=
n2
p=0
N

1
1
+
2
2
(2p + 1)
4p
p=1
1
(1)n1
1
=
2
n2
(2p
+
1)
4p2
p=0
p=1
N
si a < x 0
a
x R, fY (x) =
0 sinon
4. En soustrayant, on obtient, pour tout N N :
n=1
On reconnat la fonction de rpartition dune variable alatoire

qui suit la loi uniforme sur ] a ; 0].
Ainsi, une densit fY de Y est donne par :

2N+1
2N+1
= 1 P(Y x) = 1 F(x).
0 si x < a
x+a
si a < x 0 .
x R, FY (x) =
1 si x > 0
1
(2p)2
et :
2N+1
car Y est une va densit
2N+1
N
N
(1)n1

1 1
1
1
=2
=
,
2
2
2
n
n
4p
2 p=1 p2
n=1
p=1
1. b) Les variables alatoires X et Y sont deux variables alatoires densit indpendantes.

Daprs le cours, on sait quune densit g de X + (Y) est donne par le produit de convolution de f et fY .
+
Ainsi, on a : x R, g(x) =
f (t) fY (x t) dt.
do, en faisant tendre lentier N vers linfini :

+
+
+

1 1
1 (1)n1
=
,
2
2
n
n
2 n=1 n2
n=1
n=1
+

(1)n1
donc :
n=1
1 1
1 2
2
=
=
=
.
2 p=1 p2
2 6
12
+
n2

On conclut :
0
10.4
2
f (x) dx =
12
Daprs le cours,
une densit f de X et de Y est donne par :

344
Or :
f (t) fY (x t) 0 0 t < a et
a < x t 0
0 t < a et
x t < x + a.
Soit x R.
1er cas : si x [0 ; a], alors :
ainsi :
f (t) fY (x t) 0 x t < a
a
1 1
ax
g(x) =
dt = 2 .
a
a
a
x
2e cas : si x [a ; 0[, alors :

f (t) fY (x t) 0 0 t < x + a
x+a
ainsi : g(x) =
0
1 1
a+x
.
dt =
a a
a2
3e cas : si x < a ou si x > a, alors les conditions 0 t < a

et x t < x + a ne peuvent se raliser simultanment ; on en
dduit : t R, f (t) fY (x t) = 0 ; et ainsi g(x) = 0.
On conclut que la fonction g vrifie :
a |x|
si x [a ; a]
a2
x R, g(x) =
0
sinon
2. a) Puisque Z = |X Y|, Z prend ses valeurs dans R+ .
Ainsi :
x R , H(x) = P(Z x) = 0.
De plus : x R+ , H(x) = P(Z x) = P(|X Y| x)

= P(x X Y x)
= P(x < X Y x) = G(x) G(x).
Ainsi, la fonction H vrifie :
0
si x < 0
x R, H(x) =
G(x) G(x) si x 0
3. La fonction x x h(x) est nulle en dehors de [0 ; a] et

continue sur [0 ; a].
+
a
x h(x) dx =
x h(x) dx
0
converge.
Ainsi Z admet une esprance et lon a :
a
a
+
2
x h(x) dx =
x h(x) dx = 2
(ax x2 ) dx
E(Z) =
a 0
0
2 a3 a3 a
2 ax2 x3 a
= .
= 2
= 2
a 2
3 0 a 2
3
3
La fonction x x2 h(x) est nulle en dehors de [0 ; a] et
continue sur [0 ; a].
a
+
x2 h(x) dx =
x2 h(x) dx
0
converge.
Ainsi, daprs le thorme de transfert, Z 2 admet une esprance
et lon a :
+
a
x2 h(x) dx =
x2 h(x) dx
E(Z 2 ) =
2. b) Notons que la fonction g est continue sur R. Alors la fonction de rpartition G de X Y est de classe C 1 sur R et :
x R, G (x) = g(x).
Par composition, x G(x) est de de classe C 1 sur R et par
dirence x G(x) G(x) est de de classe C 1 sur R.
(ax2 x3 ) dx =
Z admet une esprance et une variance, et :

a2
a
E(Z) = , V(Z) =
3
18
4. On obtient la fonction suivante :
function z(a:real):real ;
Ainsi H est continue en 0 et donc sur R.

2 ax3 x4 a
2
a
3
4 0
0
4
4

2 a
a
a2
= 2
= .
a 3
4
6
On en dduit que Z admet une variance et lon a :

2 a2 a 2 a2
=
.
V(Z) = E(Z 2 ) E(Z) =
6
3
18
On conclut :
Ainsi H est de classe C 1 sur ]0 ; +[. De plus, H est de classe

C 1 sur ] ; 0[. Donc H est de classe C 1 sur R priv ventuellement de {0}.
De plus, puisque G est continue en 0 (car continue sur R), on
H = H(0) = G(0) G(0) = 0 = lim
H.
a : lim
+
2
= 2
a
var x,y:real ;
On en dduit que Z est une variable alatoire densit, dont
une densit h sobtient en drivant H sauf en un nombre fini de
Or :
et :
begin
x:=a*random ; y:=a*random ;
x < 0, H (x) = 0,
z:=abs(x-y) ;
end ;
x > 0, H (x) = G (x) + G (x) = g(x) + g(x)

= 2g(x)
2(a x)
=
a2
car g est paire

car x > 0.
On conclut que la fonction h est (par exemple) donne par :

2(a x)
si x [0 ; a]
a2
x R, h(x) =
0
sinon
10.5
1. Soient R, A, B Mn (R). On a :
tr (A + B) =
n
(A + B)ii =
i=1
n

(A)ii + (B)ii
i=1
n

i=1
(A)ii +
n
(B)ii = tr (A) + tr (B).
i=1
345
Chapitre 10
Problmes de rvision
Ceci montre :
donc : (i, j) 1 ; n2 , (A) ji = 0, do A = 0.
tr est linaire
Soient A, B Mn (R). On a :
tr (AB) =
n
(AB)ii =
On conclut :
n
n
i=1
i=1 j=1
n
n
(B) ji (A)i j =
j=1 i=1
On conclut :
< . , . > est un produit scalaire sur Mn (R)
(A)i j (B) ji
n
(BA) j j = tr (BA).

2
4. On a, pour tout (M, N) Mn (R) :
< A (M) , N > = < AM MA , N >

= tr t (AM MA)N

= tr ( t M t A t A t M)N

t
= tr ( MA A t M)N

= tr ( t MAN) tr A( t MN)

= tr ( t MAN) tr ( t MN)A
j=1
2
(A, B) Mn (R) , tr (AB) = tr (BA)
2. Soit A Mn (R).
Il est clair que A : M AM MA est une application de
Mn (R) dans Mn (R).
= tr ( t MAN t MNA)

= tr t M(AN NA)
On a, pour tous R, M, N , Mn (R) :

A (M + N) = A(M + N) (M + N)A
= < M , AN NA >
= AM + AN MA NA
= < M , A (N) > .
= (AM MA) + (AN NA) = A (M) + A (N),

donc A est linaire.
On conclut :
On conclut :

2
(M, N) Mn (R) , < A (M) , N > = < M , A (N) >
A est un endomorphisme de lespace vectoriel Mn (R)

3. On a, pour toutes A, B Mn (R), puisquune matrice carre
et sa transpose ont la mme trace :

 = tr ( t BA) = tr t ( t BA) = tr ( t AB) = < A , B >,
donc < . , . > est symtrique.
On a, pour tous R, A, B, C Mn (R) :

< A , B + C > = tr t A(B + C = tr ( t AB + t AC)
= tr ( t AB) + tr ( t AC) = < A , B > + < A , C >,
donc < . , . > est linaire par rapport la seconde place.
Puisque < . , . > est linaire par rapport la seconde place et
est symtrique, < . , . > est bilinaire.
On a, pour toute A = (ai j )i j Mn (R) :
< A , A > = tr ( t AA) =
=
n
( t AA)ii
i=1
n
n
( t A)i j (A) ji =
i=1 j=1
n
n

2
(A) ji 0.
i=1 j=1
Soit A Mn (R) telle que < A , A > = 0.

n
n

2
(A) ji = 0,
On a, avec les notations prcdentes :

i=1 j=1
0
346
Ceci montre que A est un endomorphisme symtrique de

lespace euclidien Mn (R) muni de < . , . >.
Daprs le cours, on conclut :
A est diagonalisable
5. a) 1re mthode : Examen des coecients de X t Y :

y1
x1

.
Puisque X = .. 0 et Y = ... 0, il existe

xn
yn
i 1 ; n tel que xi 0 et il existe j 1 ; n tel que y j 0.
On a :
MX,Y
x1 y1 . . . x1 yn
x1

..
.
.
= X t Y = .. y1 . . . yn = ..
.
xn y1 . . . xn yn
xn
et xi y j 0, donc le coecient de MX,Y situ la ligne i et la

colonne j nest pas nul, do : MX,Y 0.
2e mthode : Utilisation du produit scalaire canonique sur
Mn,1 (R) :
Raisonnons par labsurde : supposons MX,Y = 0, cest--dire
X t Y = 0. On a alors X t YY = 0Y = 0. Mais t YY = ||Y||2 R,
donc ||Y||2 X = 0. Comme X 0, on dduit ||Y||2 = 0, donc
Y = 0, contradiction.
On a AY = Y, donc, en transposant : t (AY) = t Y,

cest--dire t Y A = t Y car A est symtrique.
On a :

2
do = , avec (, ) Sp (A) , donc .
10.6
A (MX,Y ) = AMX,Y MX,Y A

= A(X t Y) (X t Y)A = (AX) t Y X( t Y A)
1. a) On a :

2
c1
c1 . . . c1 cn

.. .
C tC = ... c1 . . . cn = ...
.

cn
cn c1 . . . c2n
= (X) t Y X( t Y) = ( )X t Y = ( )MX,Y .
On conclut :
MX,Y 0,
Y A = t Y,

A (MX,Y ) = ( )MX,Y
2
5. b) Soit (, ) Sp (A) .
Daprs a), il existe MX,Y Mn (R) \ {0} telle que A (MX,Y ) =
( )MX,Y , donc est valeur propre de A . On conclut :
Sp (A )
6. a) Raisonnons par labsurde : supposons que, pour tout vecteur propre Z0 pour A, on ait MZ0 = 0.
Puisque A est symtrique relle, A est diagonalisable. Il existe
donc une base (U1 , ..., Un ) de Mn,1 (R) forme de vecteurs
propres pour A. On a alors MU1 = 0, ... , MUn = 0.
Pour tout (i, j) 1 ; n2 , le coecient de C tC situ la ligne i

et la colonne j est ci c j .
On a :
Il existe (z1 , ..., zn ) Rn tel que Z =
n
zi Ui .
n
zi Ui =
i=1
n

i=1
zi MUi = 0.

=0
Il en rsulte M = 0, contradiction avec M vecteur propre

pour A .
Ce raisonnement par labsurde montre :
Il existe un vecteur propre Z0 pour A tel que MZ0 0

6. b) Par hypothse, A (M) = M,
C tC est diagonalisable
1. b) On a :
(C tC)2 = (C tC)(C tC) = C( tCC) tC = C||C||2 tC = ||C||2C tC.
(C tC)2 = ||C||2C tC
1. c) Daprs b), le polynme
P = X2 ||C||2 X = X(X ||C||2 )
est annulateur de C tC.
Daprs le cours, toute valeur propre de C tC est racine de P,
donc :
Toute valeur propre de C tC est gale 0 ou ||C||2
1. d) On a, pour tout X Mn,1 (R) :
t
(C tC)X = 0 C(
CX ) = 0 < C , X >
C =0
R
0

< C , X > = 0 X Vect (C) .
cest--dire : AM MA = M.
En multipliant droite par Z0 , on dduit :
AMZ0 MAZ0 = MZ0 ,
(C tC) = t ( tC) tC = C tC,
Daprs le cours, on dduit :
i=1
MZ = M
donc C tC est symtrique relle.
Soit Z Mn,1 (R) quelconque.
On a alors :
Sp (A ) =
7. De 5. et 6., on conclut :
Comme C 0 et dim Mn,1 (R) = n 2, on a :

dim Vect (C) = n 1 1, donc Vect (C) {0}, do :
donc :
0 est valeur propre de C tC

et SEP (C tC, 0) = Vect (C)
A(MZ0 ) = M(AZ0 ) + MZ0

= M(Z0 ) + MZ0 = ( + )MZ0 .
On conclut :
+ est valeur propre de A

et MZ0 est un vecteur propre pour A
associ cette valeur propre
Il existe donc Sp (A) tel que + = ,
1. e) On a :
t
(C tC)C = C(
CC ) = ||C||2C.
R
Comme C 0, ceci montre que ||C||2 est valeur propre de C t C

et que C est un vecteur propre de C tC associ cette valeur
propre.
347
Chapitre 10
Problmes de rvision
Rciproquement, soit X SEP (C tC, ||C||2 ). On a alors

t
CX ) = ||C||2 X, donc :
(C tC)X = ||C||2 X, cest--dire C(
Puisque B est une base orthonormale de Mn,1 (R), daprs le

cours :
<C, X >
C Vect (C).
X=
||C||2
On conclut :
||C||2 est valeur propre de C tC

et SEP (C tC, ||C||2 ) = Vect (C)
X=
n
Les deux sous-espaces propres de C tC sont orthogonaux

entre eux, ce qui est cohrent avec le fait que C tC est symtrique relle.
< Ui , AX > Ui .
Do, puisque B = (U1 , ..., Un ) est une base orthonormale de

Mn,1 (R) :
n
2 ,
||AX||2 =
i=1
< X , AX > =
n
< Ui , AX >2
i=1
n
< Ui , X >< Ui , AX >
i=1
dim SEP (C tC, 0) + dim SEP (C tC, ||C||2 )

= (n 1) + 1 = n = dim Mn,1 (R),
1
C tC et p lendomorphisme canonique||C||2
ment reprsent par M.
1. f) Notons M =
On a :
1
1
1
(C tC)2 =
||C||2C tC =
C tC = M,
M =
||C||4
||C||4
||C||2
n
n
< Ui , X > =
i=1
i 1 ; n, < Ui , X >2 = ( t Ui X)2

= t X(Ui t Ui )X = < X , Ui t Ui X > .
Do, pour tout X Mn,1 (R) :
< X , X > = ||X||2 =
n
n
< X , Ui t Ui X > = < X ,
i=1

Ker (p) = SEP (M, 0) = SEP (C tC, 0) = Vect (C) ,
n
Comme In et
n

Ui t Ui X > .
i=1
Ui t Ui sont symtriques, il en rsulte :
i=1
donc les sous-espaces vectoriels Ker (p) et Im (p) sont orthogonaux entre eux.
In =
n
Ui t Ui .
i=1
De mme, pour tout X Mn,1 (R) :

< X , AX > =
n
i 2 =
i=1
n
i t X(Ui t Ui )X
i=1
= tX
n
n

i U i t U i X = < X ,
i U i t U i X > .
i=1
2. a) On a, pour tous X, Y Mn,1 (R) :

( t XY)2 = ( t XY)( t XY) = ( t Y X)( t XY) = t Y(X t X)Y.
2
i=1
De plus :
Lendomorphisme de Mn,1 (R) canoniquement

1
C tC
reprsent par la matrice
||C||2
est le projecteur orthogonal sur Vect (C)
i 2 .
2. d) Daprs a), on a, pour tout X Mn,1 (R) :
donc p est un projecteur.
On conclut :
n

i=1
Im (p) = SEP (M, 1) = SEP (C tC, ||C||2 ) = Vect (C),
< Ui , X >< AUi , X >
i=1
ce qui est cohrent avec le fait que C tC est diagonalisable.
Comme A et
n
i=1
i Ui t Ui sont symtriques, il en rsulte :
i=1
2. b) Puisque A est symtrique relle, daprs le cours, A

est diagonalisable dans une base orthonormale, donc il existe
(1 , ..., n ) Rn et une base orthonormale B = (U1 , ..., Un ) de
Mn,1 (R) tels que : i 1 ; n, AUi = i Ui .
348
n

i=1
On a :
2. c) Soit X Mn,1 (R).
AX =
et
i=1
||X||2 =
Remarques :
< Ui , X > Ui
A=
n
i U i t U i .
i=1
On conclut :
In =
n

i=1
Ui t Ui
et
A=
n

i=1
i U i t U i
Daprs 1. f), pour tout i 1 ; n, lendomorphisme de

Mn,1 (R) canoniquement reprsent par Ui t Ui est le projecteur
orthogonal sur Vect (Ui ).
2. e) On a, pour tout X Mn,1 (R), daprs c) :
< X , AX > =
n

i=1
i=1
On conclut :
X

Mn,1 (R),
Min i ||X||2 < X , AX > Max i ||X||2
1in
1in
3. a) Puisque AX =
n
i < Ui , X > Ui et que B est une base
i=1
orthonormale, on a :
||AX||2 =
n

p
p N , X Mn,1 (R), ||A p X|| (A) ||X||.
Lassertion est vraie pour p = 1, daprs b).
Si elle est vraie pour un p N , alors, en appliquant lhypothse de rcurrence AX la place de X, on a, pour tout
X Mn,1 (R) :

p
||A p+1 X|| = ||A p (AX)|| (A) ||AX||

p+1

p
||X||,
(A) (A)||X|| = (A)
donc lassertion est vraie pour p + 1.
Ceci montre, par rcurrence sur p :

p
p N , X Mn,1 (R), ||A p X|| (A) ||X||.
Soit X Mn,1 (R) fix.
p
2i < Ui , X >2
2i < Ui , X >2
i=1

2
= (A)
donc, par thorme dencadrement : ||A p X|| 0.

p
Ceci montre : ii. = i.
3. b) Daprs a), on a :
n

2
(A) < Ui , X >2
i=1
n

2
< Ui , X >2 = (A) ||X||2 ,
i=1
donc :
Montrons, par rcurrence sur p :

p
Comme 0 (A) < 1, on a (A) 0,
i=1
n
Supposons (A) < 1.
i 2

n

Max
< Ui , X >2 = Max i ||X||2
1in
1in
i=1

Min
< Ui , X >2 = Min i ||X||2 .

i
1in
1in
||AX||2 =
Par contraposition, on a donc : i. = ii.
||AX|| (A)||X||
10.7
Partie I : 1. a) Soient n N et t [0 ; x].
Puisque t 1, on a :
n
Il existe k 1 ; n tel que (A) = |k |.
On a alors :
||AUk || = ||k Uk || = |k | ||Uk || = (A)||Uk ||.
Le vecteur X = Uk ralise donc lgalit dans lingalit prcdente.

3. c) Supposons (A) 1.
Il existe k 1 ; n tel que (A) = |k |.
On a AUk = k Uk , donc, par une rcurrence immdiate, pour
A p Uk = kp Uk ,
tout p N :

p
puis : ||A p Uk || = ||kp Uk || = |k | p = (A) .

p
Comme (A) 1, (A) ne tend pas vers 0 lorsque lentier p
tend vers linfini.
Ceci montre que, si (A) 1, alors il existe X Mn,1 (R) tel que
||A p X|| ne tende pas vers 0 lorsque lentier p tend vers linfini.
i. ii.
On conclut :
p=1
t p1 =
n1

p=0
tp =
1 tn
1t
1. b) Soit n N . En intgrant lgalit prcdente, on obtient :

x
x
n

1 tn
dt.
t p1 dt =
0
0 1t
p=1

Or :
0
et :
n x
n

xp
,
t p1 dt =
t p1 dt =
p
p=1
p=1 0
p=1
n
x
x n
1 tn
1
t
dt =
dt
dt
0 1t
0 1t
0 1t
x n
x n

x
t
t
dt = ln(1 x)
dt.
= ln |1 t| 0
0 1t
0 1t
x
On conclut :
x n
n

xp
t
= ln(1 x)
dt
p
1
t
0
p=1
349
Chapitre 10
Problmes de rvision
1. c) On a : n N , t [0 ; x], 0

n N , 0
Ainsi :
et :
0
tn
dt
1t
tn
tn

.
1t 1x
x
tn
dt
1x
xn+1
1
tn
dt =

.
1x
(1 x)(n + 1) (1 x)(n + 1)
En faisant tendre n vers linfini, par le thorme dencadrement,

x n
t
on obtient : lim
dt = 0
n
0 1t
1. d) En faisant tendre n vers linfini dans lgalit du 1. b), on
n

xp
ln(1 x) 0 = ln(1 x).
obtient :
p n
p=1
xp
converge et on a :
La srie
p
p1
+

xp
= ln(1 x)
p
p=1
On conclut :
N
N N ,
2. b) On a :
n=1
N n+1

x
n=1
=x
N

n=1
N+1
xn x xn
+
n
1 n=1 n

x ln(1 x) x ln(1 x)
= x + (1 x) ln(1 x).
+

n=1

n1
xn+1
converge et on a :
n(n + 1)
xn+1
= x + (1 x) ln(1 x)
n(n + 1)
Partie II : 1) Soit x R. On a :
1 F(x) = 1 P(X x) = P(X > x) =
1 F(x) = 1 > 0.
2e cas : Si x > 0, alors

1 F(x) =
f (t) dt.
f (t) dt.
0
Or f est nulle sur ] ; 0[, donc
f (t) dt = 0 ;
x
350
f (t) dt +
1 F(x) =
x+1
f (t) dt
f (t) dt.
Puisque f est continue et valeurs > 0 sur [x ; x + 1] avec

x+1
f (t) dt > 0 ;
x < x + 1, on a :
x
ainsi :
1 F(x) > 0.
On conclut :
x R, 1 F(x) > 0
On a :

F(x) 0, donc 1 F(x) 1, do ln 1 F(x) 0.
De plus, par dfinition dune densit, f (x) 0.

g(x) = f (x) ln 1 F(x) 0.
La fonction F tant une fonction de rpartition dune va

densit, elle est continue sur R, et par opration sur les fonc

tions continues, la fonction x ln 1 F(x) est continue
sur R.
Par hypothse, la fonction f est continue sur ] ; 0[
et ]0 ; +[.
Par opration sur les fonctions continues, la fonction g est, elle
aussi, continue sur ] ; 0[ et ]0 ; +[.
La fonction x g(x) est continue sur [0 ; +[.
A
A

g(x) dx =
f (x) ln 1 F(x) dx.
Soit A > 0. On a :
0
Eectuons une IPP en posant :
f (x)
u (x) = 1 F(x)
v(x) = 1 F(x)

u(x) = ln 1 F(x)
,
v (x) = f (x)
1er cas : Si x 0, alors
f (t) dt = 1 ;
On conclut que g est positive sur R.
xn+1
n(n + 1)
N
N

xn+1
xn xn+1
=x
n+1
n
n+1
n=1
n=1
La srie
ainsi :
On obtient :
On conclut :

f (t) dt =
Soit x R.
1
1
1
=
n(n + 1) n n + 1
n N ,
On en dduit :
2. Remarquons que, daprs 1., la fonction g est bien dfinie

sur R.
1
n+1n
1
1
=
=
.
n n+1
n(n + 1)
n(n + 1)
n N ,
2. a) On a :

puisque f est une densit,
o u et v sont bien de classe C 1 sur [0 ; A].

A
On obtient :
g(x) dx
0

A
= 1 F(x) ln 1 F(x) +
0
f (x) dx
0

= 1 F(A) ln 1 F(A) +
f (x) dx
00
car F(0) =
f (x) dx =
0 dx = 0.
lim F = 1, donc
+

lim 1 F(A) ln 1 F(A) = lim B ln(B) = 0,
Or :
n=1
B0
A+
g(x) dx converge et que
g(x) dx
un converge et
+
un = 1
n=1
On a, par la formule des probabilits totales :

FZ (x) = P(Z x) =
+
P(N = n, Z x)
n=1
La fonction g est une densit
Alors, daprs le cours, une densit f de X est donne par :
0 si x < 0
.
x R, f (x) =
e x si x 0
Cette fonction f est bien nulle sur ] ; 0[, continue sur
[0 ; +[ et strictement positive sur [0 ; +[.
+

P N = n, Max(X0 , X1 , ...Xn ) x
n=1
+

P N = n, X0 x, X1 x, ...Xn x
=
n=1
+
P(N = n)P(X0 x)P(X1 x) P(Xn x)
n=1
puisque N, X0 , X1 , ..., Xn sont mutuellement indpendantes

n+1
+
+

n+1 F(x)
.
=
P(N = n) F(x)
=
n(n + 1)
n=1
n=1
X vrifie bien les conditions imposes
3. b) Daprs le cours, la fonction de rpartition F de X est

donne par :
0
si x < 0
.
x R, F(x) =
1 e x si x 0

x 0, g(x) = e x ln 1 (1 e x )
= e x ln( e x ) = 2 x e x .
On conclut :
x R, FZ (x) =
n+1
+

F(x)
n(n + 1)
n=1
2. b) Puisque f est continue sur [0 ; +[, F est de classe C 1 sur

[0 ; +[ et lon a : x [0 ; +[, F (x) = f (x).
On obtient alors que F est strictement positive sur [0 ; +[ et
donc F est strictement croissante sur [0 ; +[.
En particulier, on a : x [0 ; +[, F(x) < lim F = 1.
On obtient alors :
2
x
si x 0
x e
.
x R, g(x) =
0
si x < 0
On reconnat une densit de la loi Gamma de paramtre

On en dduit :
N+1

1
1
=1
1.
n
N
+ 1 N
n=2
2. a) Soit x R.
3. a) Soit X une variable alatoire suivant la loi exponentielle

de paramtre , avec > 0.
n=1
Les vnements (N = n) pour n N forment une systme

complet dvnements.
Puisque g est nulle sur ] , ; 0[, lintgrale

+
+
g(x) dx =
g(x) dx = 1.
converge et
On conclut :
N

1
n1
Ainsi :
On en dduit :

+
g(x) dx = 1.
Ainsi :
A+
2
2
densit, nulle sur ] ; 0[.

A
g(x) dx 1.
Ainsi :
0
et V(Y) =
1
1
1
=
n(n + 1) n=1 n n + 1
daprs les croissances compares

+
f (x) dx
f (x) dx = 1 car f est une
N N ,
Partie III : 1. On a :
N
A+
E(Y) =
Daprs le cours :
Y
1

,2
Ainsi : x [0 ; +[, F(x) [0 ; 1[.

1

,2 .
On peut donc appliquer lgalit du I.2.b) F(x), et obtenir :

x [0 ; +[,
n+1
+

F(x)
n=1
n(n + 1)

= F(x) + 1 F(x) ln 1 F(x) .
351
Chapitre 10
Problmes de rvision
On conclut :
On conclut, par rcurrence deux pas sur n :

x [0 ; +[, FZ (x) = F(x) + 1 F(x) ln 1 F(x)
Pour tout n N, T n est un polynme

de degr n et de coecient dominant 2n
2. c) Puisque F est nulle sur ] ; 0[, on a :

x ] ; 0[, FZ (x) = 0.
2. b. Montrons, par rcurrence deux pas sur n :
Ainsi, la fonction FZ est donne par : x R,
0
si x < 0
.
FZ (x) =
F(x) + 1 F(x) ln 1 F(x) si x 0

Puisque F est de classe C 1 sur [0 ; +[, par opration sur les
fonctions de classe C 1 , FZ est de classe C 1 sur [0 ; +[. De
plus, FZ est de classe C 1 sur ] ; 0[ (car FZ y est nulle).
Puisque F est nulle sur ] ; 0[ et que F est continue en 0, on
a F(0) = 0.
Donc :
FZ = FZ (0)
lim
+
0

FZ .
= F(0) + 1 F(0) ln 1 F(0) = 0 = lim
n N, T n (X) = (1)n T n (X).

Lassertion est vraie pour n = 0 et pour n = 1, car T 0 = 1 et
T 1 = X.
Supposons lassertion vraie pour n 2 et n 1, o n N est
fix tel que n 2.
Alors :
T n (X) = 2(X)T n1 (X) T n2 (X)
= 2(X)(1)n1 T n1 (X) (1)n2 T n2 (X)

= (1)n 2XT n1 (X) T n2 (X) = (1)n T n (X),
Ainsi FZ est continue en 0 et donc sur R.
donc lassertion est vraie pour n.
On en dduit que Z est une variable alatoire densit, dont

une densit sobtient en drivant FZ sauf en un nombre fini de
Ceci montre, par rcurrence deux pas sur n :
x ] ; 0[, FZ (x) = 0,
Or :
et :
x ]0 ; +[, FZ (x)

F (x)
= F (x) F (x) ln 1 F(x) + 1 F(x)
1 F(x)

= F (x) ln 1 F(x) = f (x) ln 1 F(x) .
On conclut :
10.8
Z admet la fonction g comme densit
PARTIE I : 1. On a :
T 2 = 2XT 1 T 0 = 2X(2X) 1 = 4X2 1,
T 3 = 2XT 2 T 1 = 2X(4X2 1) 2X = 8X3 4X.
T 0 = 1, T 1 = X, T 2 = 4X2 1, T 3 = 8X3 4X
2. a. Montrons, par rcurrence deux pas sur n, que, pour tout

n N, T n est un polynme de degr n et de coecient dominant
2n .
T 1 = X.
fix tel que n 2.
Alors, 2XT n1 est de degr n et T n2 est de degr n 2, donc
T n = 2XT n1 T n2 est de degr n et son coecient dominant
est celui de 2XT n1 , cest--dire 2 2n = 2n+1 , ce qui montre
que lassertion est vraie pour n.
352
n N, T n (X) = (1)n T n (X).

Si n est pair, alors (1)n = 1, donc T n est pair.
Si n est impair, alors (1)n = 1, donc T n est impair.
On conclut :
Si n est un entier pair (resp. impair), alors
T n est un polynme pair (resp. impair)
3. Daprs 1., on a :
T 0 (1) = 1, T 1 (1) = 2, T 2 (1) = 3,
T 3 (1) = 4.
Montrons, par rcurrence deux pas sur n :

n N, T n (1) = n + 1.
T 1 = X.
fix tel que n 2.
Alors : T n (1) = 2T n1 (1) T n2 (1) = 2n (n 1) = n + 1,
On conclut, par rcurrence deux pas sur n :
n N, T n (1) = n + 1
4. a. Raisonnons par rcurrence deux pas sur n.
Lassertion est vraie pour n = 0, car :

]0 ; [, T 0 (cos ) = 1 =
sin
sin
et lassertion est vraie pour n = 1 car :

]0 ; [, T 1 (cos ) = 2 cos =
2 sin cos sin 2

=
.
sin
sin

fix tel que n 2.
On a alors, pour tout ]0 ; [ :
T n (cos ) = 2 cos T n1 (cos ) T n2 (cos )

sin(n) sin (n 1)
= 2 cos
sin
sin

2 cos sin(n) sin (n 1)
=
sin
2 cos sin(n) (sin(n) cos cos(n) sin )
=
sin
sin(n) cos + sin cos(n)
=
sin

sin (n + 1)
=
,
sin
4. c. Puisque T n est de degr n, de coecient dominant gal

k
2n , et que T n admet pour racines les cos
, k 1 ; n,
n+1
n

k
X cos
T n = 2n
on conclut :
n
+1
k=1
4. d. En particulier, en remplaant X par 1 et en utilisant 3. :
n
n + 1 = T n (1) = 2n
k=1
donc :
n
sin
k=1

k
k
2 sin2
= 2n
,
n+1
2(n
+ 1)
k=1
n
1 cos
k 2
= (n + 1)22n .
2(n + 1)
k
est positif ou nul, on
2(n + 1)
conclut, en prenant la racine carre :
Comme de plus, chaque sin
n

k=1
sin
k
= n + 1 2n
2(n + 1)
5. a. On a, pour tout ]0 ; [ :

sin T n (cos ) sin (n + 1) = 0,
donc, en drivant, pour tout ]0 ; [ :
sin2 T n (cos ) + cos T n (cos )

On conclut :

sin (n + 1)
n N, ]0 ; [, T n (cos ) =
sin
4. b. Soit n N . On a, pour tout ]0 ; [ :

T n (cos ) = 0 sin (n + 1) = 0 (n + 1) 0 []

k
k 1 ; n, =
.
0
n+1
n+1
Comme cos est strictement dcroissante sur ]0 ; [, les
k
sont deux
rels xk , k 1 ; n, dfinis par xk = cos
n+1
deux distincts.
Ceci montre que T n admet (au moins) les xk , k 1 ; n, pour
racines.
Comme dautre part, deg (T n ) = n, T n admet au plus n racines.
On conclut :
Pour tout n N , T n admet n racines relles,
toutes situes dans lintervalle ] 1 ; 1[, qui sont les
k
cos
, k 1 ; n
n+1

(n + 1) cos (n + 1) = 0,
puis, en drivant encore, pour tout ]0 ; [ :

sin3 T
n (cos ) 2 sin cos T n (cos ) sin cos T n (cos )

2
sin T n (cos ) + (n + 1) sin (n + 1) = 0.
En combinant la premire galit et la troisime galit pour

faire disparatre les termes en sin (n + 1) , on dduit :
sin3 T n (cos ) 3 sin cos T n (cos )

+ (n + 1)2 1 sin T n (cos ) = 0,
puis, en simplifiant par sin , on conclut :
]0 ; [,

2
sin2 T
n (cos ) 3 cos T n (cos ) + (n + 2n) T n (cos ) = 0
5. b. Soit n N. Daprs a), on a :

]0 ; [, sin2 T n (cos )
3 cos T n (cos ) + (n2 + 2n) T n (cos ) = 0.
Comme lapplication cos est une surjection de ]0 ; [
sur ] 1 ; 1[, on a donc :
x ] 1 ; 1[, (1 x2 )T n (x) 3xT n (x) + (n2 + 2n)T n (x) = 0.
En prenant loppos, il en rsulte que le polynme
(X2 1)T n + 3XT n (n2 + 2n)T n
353
Chapitre 10
Problmes de rvision
sannule en une infinit de points (les lments de ] 1 ; 1[),

donc, daprs le cours, cest le polynme nul.
PARTIE III : 1. Dabord, pour tout (P, Q) E 2 , lint 1

1 x2 P(x)Q(x) dx existe comme intgrale (P, Q) =
On conclut :
grale dune application continue sur un segment.
n N, (X2 1)T n + 3XT n (n2 + 2n)T n = 0

PARTIE II : 1. Il est clair que, pour tout P E, L(P) est un
polynme de R(X].
De plus :

deg L(P) = deg (X2 1)P + 3XP

2

Max deg (X 1)P , deg (3XP ) deg (P),
donc : L(P) E.
On a, pour tout (P, Q) E 2 :

(Q, P) =
1
1
1 x2 Q(x)P(x) dx

=
L(P + Q) = (X2 1)(P + Q) + 3X(P + Q)

= (X2 1)P + (X2 1)Q + 3XP + 3XQ

= (X2 1)P + 3XP + (X2 1)Q + 3XQ
= L(P) + L(Q),

=

1 x2 P(x) Q(x) + R(x) dx
1
1

1 x2 P(x)Q(x) dx +
1 x2 P(x)R(x) dx
= (P, Q) + (P, R),

donc est linaire par rapport la seconde place.
donc L est linaire.
Puisque est symtrique et linaire par rapport la seconde

place, est bilinaire.
On conclut :

L est un endomorphisme de lespace vectoriel E
(P, P) =
2. a. On a, pour tout k 0 ; n, en utilisant I 5. b. :

L(T k ) = (X
2
1)T k
3XT k
= (k + 2k)T k .
2
k 0 ; n, L(T k ) = (k2 + 2k)T k

2. b. Puisque, pour tout k 0 ; n, T k 0, daprs a., k2 + 2k
est valeur propre de L et T k est un vecteur propre associ.
Lapplication k k + 2k = (k + 1) 1 est strictement
croissante sur [0 ; n, donc les k2 + 2k, lorsque k dcrit 0 ; n,
sont deux deux distincts.
2
SoitP E tel que (P, P) = 0. Comme lapplication

2
x 1 x2 P(x)
est continue et valeurs positives ou

2
1 x2 P(x) = 0,
nulles, il sensuit : x [1 ; 1],
puis :
x ] 1 ; 1[, P(x) = 0.
Ainsi, le polynme P sannule en une infinit de points de R

(les lments de ] 1 ; 1[), donc P = 0.
On conclut :
est un produit scalaire sur E
2. Soit (P, Q) E 2 .
De plus : dim (E) = n + 1.
Calculons lintgrale
On conclut :
Les valeurs propres de L sont les k2 + 2k, k 0 ; n,
et, pour chaque k 0 ; n, le sous-espace propre
pour L associ la valeur propre k2 + 2k est Vect (T k ),
de dimension 1

1 x2 P(x) 2 dx 0.
1
1
0
Ceci montre que L admet (au moins) n + 1 valeurs propres deux

deux distinctes.
On a donc ici toutes les valeurs propres de L.
354
1 x2 P(x)Q(x) dx = (P, Q),
On a, pour tous R, P, Q, R E :

= (X2 1)(P + Q ) + 3X(P + Q )
donc est symtrique.
(P, Q + R) =
On a, pour tous R, P, Q E :
(1 x2 ) 2 P (x)Q (x) dx laide
dune intgration par parties avec :
2 3
u = (1 x ) 2 P (x)
v = Q (x)

2 32
2 21

u = (1 x ) P (x) + 2 (1 x ) (2x)P (x)
v = Q(x)
o u, v sont de classe C 1 sur le segment [1 ; 1] :

1

1
3
3
(1 x2 ) 2 P (x)Q (x) dx = (1 x2 ) 2 P (x)Q(x) 1

1

3
1

(1 x2 ) 2 P (x) 3x(1 x2 ) 2 P (x) Q(x) dx
1
1

=
=0
1
1

=

1 x2 (x2 1)P (x) + 3xP (x) Q(x) dx

1 x2 L(P)(x)Q(x) dx = L(P), Q .
Comme, dans la premire intgrale du calcul, P et Q ont des

rles symtriques, on conclut :

Par addition, lintgrale impropre
converge.
( e ax + e bx ) dx
Daprs le thorme de majoration pour des fonctions

va +
| f (x)| dx
leurs 0, il en rsulte que lintgrale impropre
1
converge.
+
f (x) dx est absolument
Ainsi, lintgrale impropre
convergente, donc convergente.
1
f (x) dx
Puisque les deux intgrales impropres
0
+
f (x) dx convergent, par dfinition, on conclut :
et

(P, Q) E 2 , L(P), Q = P, L(Q)
3. Daprs III 2., L est un endomorphisme symtrique de lespace euclidien E.

Daprs II 2. b., (T 0 , ..., T n ) est une base de E forme de vecteurs propres pour L associs des valeurs propres deux deux
distinctes.
Lintgrale impropre
0
e ax e bx
dx converge
x
2e mthode : Comparaison lexemple de Riemann :

Puisque a > 0 et b > 0, par prpondrance des exponentielles
sur la puissance, on a :
x2 f (x) = x( e ax e bx )
(T k )0kn est une base orthogonale de E
x +
0.
Il existe donc c ]0 ; +[ tel que :
10.9
1. Lapplication
sur ]0 ; +[.
f : x
e ax e bx
x
x [c ; +[, |x2 f (x)| 1,
est continue
x [c ; +[, | f (x)|
do :
tude en 0 :
On a, en utilisant des dveloppements limits lorsque x tend

vers 0 :

1 ax + o(x) 1 bx + o(x)
e ax e bx
=
f (x) =
x
x
(b a)x + o(x)
=
= b a + o(1) b a.
x 0
x
Ainsi, f admet en 0 une limite finie, donc lintgrale impropre
1
f (x) dx converge.
1
.
x2
Daprslexemple de Riemann en + (2 > 1), lintgrale im+

1
dx converge.
propre
2
x
c
Par thorme de majoration pour desfonctions valeurs 0, il
+
en rsulte que lintgrale impropre
On termine comme dans la 1re mthode.

2. a) Soit (, X) ]0 ; +[2 tel que X.
On a, par le changement de variable y = ax :
tude en + :
1re mthode : Comparaison des exponentielles
e ax e bx
| e ax e bx | e ax + e bx .
| f (x)| =
x
Puisque
a > 0 et b > 0,daprs le cours, les intgrales im+
+
propres
e ax dx et
e bx dx convergent.
1
e ax
dx =
x
aX
a
e y 1
y a dy =
a
aX
a
e y
dy
y
et, par le changement de variable y = bx :

e bx
dx =
x
bX
b
e y 1
y b dy =
b
bX
b
e y
dy.
y
355
Chapitre 10
Problmes de rvision
2. b) On a, pour tout (, X) ]0 ; +[2 tel que X, par linarit de lintgration, utilisation de a), puis relation de Chasles :
X ax
e
e bx
dx
x
X ax
X bx
e
e
=
dx
dx
x
x
bX y
aX y
e
e
dy
dy
=
y
y
a
b
bX y
aX y
b e y
e
e
=
dy +
dy +
dy
y
y
y
a
b
bX
bX y
e
dy
y
b
bX y
b y
e
e
dy
dy.
=
y
y
a
aX
3. a) Par thormes gnraux, h est continue sur ]0 ; +[.
On a :
1 e y
h(y) =
y
(y)
= 1,
y
y 0+
+
1
e y
dy
y
On a donc, en utilisant la relation de Chasles :

bX
aX
e y
dy =
y
bX
1
e y
dy
y

X +
aX
1
+
e y
dy
y
e y
dy
y
+
1
e y
dy = 0.
y
On dduit de c), en faisant tendre X vers + :

+
0
e ax e bx
b
dx = ln
x
a
10.10
1. a) Un programme pour dterminer max(X[1], X[2]) est le
suivant :
program ecricome1 ;
type tab=array[1..2011] of real ;
var X:tab ; m:real ;
donc : h(y) + 1 = h(0),
begin
y 0
readln(X[1], X[2]) ;
ce qui montre que h est continue en 0.
m:=X[1] ;
h est continue sur [0 ; +[
On conclut :

3. d) Comme en 1., lintgrale impropre
converge.
if m<X[2] then m:=X[2] ;

3. b) On a :
b y
b y
e
( e 1) + 1
dy =
dy
y
y
a
a
b
b
1
1 e y
dy
dy
=
y
a y
a
b
b
b
h(y) dy = ln
h(y) dy.
= [ln y]b
a
a
a
a
Puisque h est continue sur [0 ; +[, lintgrale impropre (pour
1
h(y) dy converge, donc :
la borne 0)
0
h(y) dy =
a
program ecricome2 ;
begin
readln(X[1], X[2], X[3]) ;
m:=X[1] ;
h(y) dy
1
h 0
h(y) dy
h(y) d = 0.
1

writeln(le maximum est ,m) ; readln ;
On conclut :
a
b
e y
dy ln
h 0
y
a
end.
3. c) Daprs 2.b) et 3.b), on a, en faisant tendre vers 0 :

X ]0 ; +[,
0
356
Un programme pour dterminer max(X[1], X[2], X[3]) est le

suivant :
h(y) dy
1

end.
b
e ax e bx
dx = ln
x
a
bX
aX
e y
dy
y
1. b) Un programme pour dterminer

max(X[1], X[2], ..., X[2011]) est le suivant :
program ecricome3 ;
On obtient alors :
0
si t < 0
t R, Gn+1 (t) =
1 e (n+1)t si t 0
begin
for i:=1 to 2011 do readln(X[i]) ;
m:=X[1] ;
3. b) La fonction Gn+1 est de classe C 1 sur R, priv ventuellement de {0}.
for i:=2 to 2011 do

begin
Gn+1 = Gn+1 (0) = 1 e 0 = 0 = lim

Gn+1 .
De plus, lim
+
if m<X[i] then m:=X[i] ;

end.
t R,
2. a) On a :
FYn (t) = P(Yn t) = P(X1 t, . . . , Xn t)
On conclut :
t R, FYn (t) = FX1 (t) . . . FXn (t)
2. b) En notant F la fonction de rpartition des va Xn , on a,

daprs le cours :
si t < 0
0
.
t R, F(t) =
1 e t si t 0
On en dduit :
0
si t < 0
t R, FYn (t) =
1 e t n si t 0
2. c) La fonction FYn est de classe C 1 sur R, priv ventuellement de {0}.
De plus, lim
FYn = FYn (0) = 1 e 0 = 0 = lim
FYn .
+
Ainsi FYn est continue en 0 et donc continue sur R.

On en dduit que Yn est une variable alatoire densit, dont
une densit sobtient en drivant FYn sauf en un nombre fini de
On a : t < 0, FY n (t) = 0 = fn (t),

n1
t > 0, FY n (t) = n e t 1 e t
= fn (t).
On conclut :
Xn+1
On en dduit que
est une va densit, dont une densit
n+1
dn+1 sobtient en drivant Gn+1 sauf en un nombre fini de points
o le choix est arbitraire.
On obtient alors :
= P(X1 t) P(Xn t)
car les va sont indpendantes.
et :
Ainsi Gn+1 est continue en 0 et donc continue sur R.
end ;
La fonction fn est une densit de Yn
Xn+1
.
3. a) Notons Gn+1 la fonction de rpartition de
n+1
Xn+1

On a : t R, Gn+1 (t) = P
t
n+1

= P Xn+1 (n + 1)t = F (n + 1)t ,
o F dsigne la fonction de rpartition de Xn+1 .
0
si t < 0
t R, dn+1 (t) =
(n + 1) e (n+1)t si t 0
4. Soient x R et n N . On a :
x

n1
n exp(nt) 1 exp(t)
dt
0
x
n1

n1
1 exp(t)
=
n exp(t) exp(t)
dt
0
x

n1
=
n exp(t) exp(t) 1
dt
0
n x
exp(t) 1
0

= exp(x) 1 n 0 = exp(x) 1 n .

On conclut :
x

n1

n
n exp(nt) 1 exp(t)
dt = exp(x) 1
0
5. Notons, pour tout n de N , P(n) la proprit :

Zn est une va densit, de densit fn .
Initialisation : On a Z1 = X1 E (1).
Donc une densit i1 de Z1 est donne par :
0 si x < 0
x R, i1 (x) =
= f1 (x).
e x si x 0
Do la proprit P(1).
Hrdit : Soit n N .
Xn+1
Xn+1
On a Zn+1 = Zn +
, et les va Zn et
sont densit et
n+1
n+1
sont indpendantes.
357
Chapitre 10
Problmes de rvision
Daprs le cours, on sait quune densit in+1 de Zn+1 sobtient en

faisant le produit de convolution dune densit de Zn et dune
Xn+1
densit de
.
n+1
+
fn (t)dn+1 (x t) dt.
On a alors : x R, in+1 (x) =
2. a) On a :
g(e1 ) = ( f n + an1 f n1 + + a1 f + a0 e)(e1 )
= f n (e1 ) + an1 f n1 (e1 ) + + a1 f (e1 ) + a0 e1
= (a0 e1 + + an1 en ) + an1 en + + a0 e1
fn (t)dn+1 (x t) 0 (t 0 et
Or :
= 0.
x t 0)
g(e1 ) = 0
0 t x.
Ainsi, pour tout x < 0, on a : t R, fn (t)dn+1 (x t) = 0,
2. b) Montrons, par rcurrence sur i : i N, g f i = f i g.
donc in+1 (x) = 0 = fn+1 (x).
La formule est vraie pour i = 0, car f 0 = e commute avec

tout endomorphisme de Cn .
Et, pour tout x 0, on a :

x
fn (t)dn+1 (x t) dt
in+1 (x) =
0
x

n1
n e t 1 e t
(n + 1) e (n+1)(xt) dt
=
0
x

n1
n e nt 1 e t
dt
= (n + 1) e (n+1)x
= (n + 1) e
(n+1)x
n
ex 1

n
= (n + 1) e x e x ( e x 1)

n
= (n + 1) e x 1 e x = fn+1 (x).
Supposons, pour un i N fix : g f i = f i g. On a alors :

g f i+1 = g ( f i f ) = (g f i ) f = ( f i g) f = f i (g f ).
Mais :
g f = ( f n + an1 f n1 + + a1 f + a0 e) f
= f n+1 + an1 f n + + a1 f 2 + a0 f
daprs 4.
= f ( f n + an1 f n1 + + a1 f + a0 e) = f g.
Do :
g f i+1 = f i ( f g) = ( f i f ) g = f i+1 g.
On obtient alors : x R, in+1 (x) = fn+1 (x).
Ceci montre que la formule est vraie pour i + 1.
On a montr, par rcurrence sur i :
On conclut :
i N, g f i = f i g
Pour tout n de N , Zn admet fn pour densit
10.11
1. a) Par lecture de la matrice C, on a :
i 1 ; n 1, f (ei ) = ei+1 )
1. b) Montrons, par rcurrence sur j (limite j n 1) :
j 1 ; n 1, f j (e1 ) = e j+1 .
2. c) On a g(e1 ) = 0 daprs a), et, pour tout i 2 ; n :

g(ei ) = g f i1 (e1 ) = (g f i1 )(e1 )

= ( f i1 g)(e1 ) = f i1 g(e1 ) = f i1 (0) = 0.
2. d) Puisque B = (e1 , ..., en ) est une base de Cn et que lapplication g est linaire et sannule en e1 , ..., en , on a g = 0, donc :
f n + an1 f n1 + + a1 f + a0 e = 0.
Pour j = 1, on a : f j (e1 ) = f (e1 ) = e2 .

Si, pour un j fix tel que 1 j n 2, f j (e1 ) = e j+1 , alors :

f j+1 (e1 ) = f f j (e1 ) = f (e j+1 ) = e j+2 .
i 1 ; n, g(ei ) = 0
On conclut :
Do :
P( f ) = (Xn + an1 Xn1 + + a1 X + a0 )( f )
= f n + an1 f n1 + + a1 f + a0 e = 0.
Ceci montre, par rcurrence sur j :

j 1 ; n 1, f j (e1 ) = e j+1
Puis :
P est annulateur de f
Application 1 :

f n (e1 ) = f f n1 (e1 ) = f (en ) = a0 e1 an1 en .
f n (e1 ) = (a0 e1 + + an1 en )
358
On conclut :
On cherche A M5 (C) telle que A5 = A3 +2A2 +I5 , cest--dire

telle que le polynme P = X5 X3 2X2 1 soit annulateur
de A. Daprs d) :
0
1
La matrice A = 0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
2 convient
2. e) Puisque C reprsente f , les valeurs propres de C sont les

valeurs propres de f . Daprs d) et le cours, les valeurs de f
sont des racines de P.
On conclut :
Notons L1 , L2 , ..., Ln les lignes de la matrice rectangulaire n

lignes et n 1 colonnes forme par C1 , ..., Cn1 .
On a : rg (C1 , ..., Cn1 ) = rg (L1 , ..., Ln ) rg (L2 , ..., Ln ).
Comme la matrice carre form par L2 , ..., Ln est triangulaire
(suprieure) termes diagonaux tous non nuls (car gaux 1),
cette matrice carre est inversible, donc de rang n 1.
On conclut :
x C, rg (C x In ) n 1
Soit une valeur propre de C.
Les valeurs propres de C sont des racines de P
Daprs le thorme du rang :
3. a) On a :
Q( f )(e1 ) = (0 + 1 X + + n1 Xn1 )( f )(e1 )
= (0 e + 1 f + + n1 f n1 )(e1 )
= 0 e1 + 1 f (e1 ) + + n1 f n1 (e1 )
= 0 e1 + 1 e2 + + n1 en .
On conclut :
Q( f )(e1 ) = 0 e1 + 1 e2 + + n1 en
3. b) Supposons quil existe un polynme Q non nul, annulateur de f , tel que deg (Q) n 1.
Il existe (0 , ..., n1 ) C \ {0} tel que
n
Q = 0 + 1 X + + n1 Xn1 .
dim Ker (C In ) = n rg (C In ) n (n 1) = 1.
Dautre part, puisque est valeur propre de C, on a :
Ker (C In ) {0}, donc : dim Ker (C In ) 1.
On conclut :
Chaque sous-espace propre de C est de dimension 1
4. b) Notons p le nombre de racines de P, et 1 , ..., p les racines de P.
Daprs 2.e) et 3.d), 1 , ..., p sont les valeurs propres de C.
Daprs a), on a : 0 e1 + 1 e2 + + n1 en = 0.
Daprs a) : k 1 ; p, dim SEP (C, k ) = 1,
Comme (e1 , ..., en ) est libre, on a : 0 = 0, ..., n1 = 0,

donc Q = 0, contradiction.
donc :
p
dim SEP (C, k ) = p.
k=1
On conclut :
Il nexiste pas de polynme non nul,

de degr infrieur ou gal n 1,
et annulateur de f

3. c) On a : ( f e) R( f ) = (X )R ( f ) = P( f ) = 0.
3. d) Soit une racine de P. Il existe donc R C[X] tel que
P = (X )R. Daprs c), on a : ( f e) R( f ) = 0.
Raisonnons par labsurde : supposons que ne soit pas valeur
propre de f . Alors, f e est bijectif, donc, en composant
gauche par ( f e)1 , on dduit R( f ) = 0, contradiction avec b).
Daprs le cours, C est diagonalisable si et seulement si :

p

dim SEP (C, k ) = n,
k=1
donc si et seulement si p = n.
Ainsi, C est diagonalisable si et seulement si P admet n racines.
Comme deg (P) = n, ceci revient ce que P admette n racines
deux deux distinctes.
On conclut :
C est diagonalisable si et seulement si

P admet n racines deux deux distinctes
Ce raisonnement par labsurde montre que est valeur propre

de f .
5. a) Application 2 :
On conclut :
La matrice A1 est la matrice compagnon du polynme

P = X4 1.
Toutes les racines de P sont des valeurs propres de f

Comme
4. a) Soit x C. Notons C1 , ..., Cn1 , Cn les colonnes de la
matrice carre C x In .
On a : rg (C x In ) = rg (C1 , ..., Cn ) rg (C1 , ..., Cn1 ).
P = X4 1 = (X2 1)(X2 + 1)
= (X 1)(X + 1)(X i )(X + i ),
359
Chapitre 10
Problmes de rvision
le polynme P admet quatre racines deux deux distinctes, qui

sont 1, 1, i , i .
Daprs 4.b), on dduit :
P(Y = k) = P(N1 )PN1 (N2 ) PN1 N2 Nk2 (Nk1 )

PN1 N2 Nk1 (Bk )
b b1
b (k 2) a + (k 1)
N
N
N
N
b(b 1) (b k + 2)(a + k 1)
=
Nk
b! (a + k 1)
=
.
(b k + 1)! N k
=
A1 est diagonalisable
5. b) Application 3 :
La matrice A2 est la matrice compagnon du polynme
P = X4 2X3 3X2 + 8X 4.
Essayons de factoriser P.
On remarque que 1 est racine vidente de P. Do
Cette formule est aussi vraie pour k = 1.

On conclut :
P = (X 1)(X3 X2 4X + 4)

= (X 1) X2 (X 1) 4(X 1) = (X 1)2 (X2 4).
Ainsi, P admet 1 pour racine double, donc P nadmet pas quatre
racines deux deux distinctes.
On conclut, daprs 4.b) :
3. Daprs la question 2), on a :

P(Y = b + 1) =
A2 nest pas diagonalisable
10.12
1. La plus petite valeur que peut prendre Y est 1.
Puisqu chaque tirage dune boule noire, celle-ci est remplace par une boule blanche et que lurne contient initialement
b boules noires, la plus grande valeur que peut prendre Y est
b + 1.
Ainsi, Y prend ses valeurs dans 1 ; b + 1.
b!
b!
(b (k 1))! N k1 (b k)! N k

b!
N (b k + 1)
=
(b k + 1)! N k
b!(N b + k 1)
b!(a + k 1)
=
=
.
(b k + 1)! N k
(b k + 1)! N k
On obtient alors :
Soit k 1 ; b + 1.
P(Y = k) =
Si k = 1, lobtention dune boule blanche au premier tirage

ralise lvnement (Y = k).
Si k 2, puisque k 1 b, lobtention de (k 1) boules noires
puis dune boule blanche ralise lvnement (Y = k).
Donc k Y().
M
4. On a :
b!
b!
(b (k 1))!N k1 (b k)!N k
k(ak1 ak ) =
k=1
M1
Y() = 1 ; b + 1
(k + 1)ak
kak +

M1
M
Si k = 1, alors P(Y = 1) = P(B1) =
a
.
N
Si k 2, alors lvnement (Y = k) scrit :

k1
$
Ni B k .
i=1
Par la formule des probabilits composes, on obtient :
On conclut :
M
kak
k=1
kak
M1

k=0
ak
M
kak
k=1

M1

ak + 0 a0 MaM =
ak MaM .
k=0
Soit k 1 ; b + 1.
(Y = k) =
kak1
k=1
k=0
2. Pour tout i de N , notons Bi (resp. Ni ) lvnement :

on obtient une boule blanche (resp. noire) au i-ime tirage .
M1
M

k=1
k=0
360
b! (a + b)
b!
= b
0! N b+1
N
Soit k 1 ; b. On a :
PARTIE I :
On conclut :
b! (a + k 1)
(b k + 1)! N k
k 1 ; b + 1, P(Y = k) =
k=0
M
k(ak1 ak ) =
k=1
5. Notons, pour tout k de N, ak =

M1

ak MaM
k=0
b!
.
(b k)! N k
Puisque Y prend un nombre fini de valeurs, Y admet une esprance et lon a :
E(Y) =
b+1
Les vnements En,0 , . . . , En,n forment un systme complet

dvnements.
kP(Y = k)
k=1
b

=
k
k=1
=
=
=

b!
b!
b!
+ (b + 1) b
(b (k 1))! N k1 (b k)! N k
N
b

b!
k ak1 ak + (b + 1) b
N
k=1
b1

b!
ak bab + (b + 1) b
N
k=0
b1

k=0
b1

k=0

b!
b!
b!
b b + (b + 1) b
(b k)! N k
N
N
b!
b!
b!
.
+ b =
(b k)! N k
N
(b
k)!N k
k=0
b
E(Y) =
On conclut :
b

k=0
n
k=0
P(En,k ) = 1
k=0
2. Soient n et k deux entiers de N .

Lvnement En,k peut se composer de la faon suivante :

En,k = En1,k Bn En1,k1 Nn .
On en dduit : pn,k = P(En,k )

= P En1,k Bn En1,k1 Nn

= P En1,k Bn + P En1,k1 Nn
= pn1,k
a+k
b (k 1)
+ pn1,k1
.
N
N
On en dduit : n N , k N ,
N pn,k = (a + k)pn1,k + (b + 1 k)pn1,k1
Notons, pour tout entier n N , Bn lvnement :

la n-ime boule tire est blanche ;
ainsi Bn = Nn .
Notons galement, pour tous n et k de N, En,k lvnement :
au cours des n premiers tirages, on a obtenu exactement k
boules noires .
1. Lvnement En,0 scrit :
En,0 = B1 Bn.
En utilisant la formule des probabilits composes, on a :
3. a) Soit n N .
Puisque Xn prend ses valeurs dans 0 ; n, Xn admet une esprance et lon a :
n
n

k P(Xn = k) =
k pn,k .
E(Xn ) =
k=0
a n
a
a a
=
=
NN
N
N
Si n > b, alors lvnement En,n est impossible ;

donc pn,n = P(En,n ) = 0.
Si n b, alors lvnement En,n scrit :
k=0
k=1
n
pn,n
k(a + k)pn1,k +
k=1
n
n
k(b + 1 k)pn1,k1
k=1
k(a + k)pn1,k +
k=1
n1
(k + 1)(b k)pn1,k
k=0
= n(a + n) pn1,n +bpn1,0

=0
n1

k(a + k) + (k + 1)(b k) pn1,k
+
En utilisant la formule des probabilits composes, on a :
b!
(b n)! N n si n b
=
0
si n > b
k=1
n

=
k (a + k)pn1,k + (b + 1 k)pn1,k1
En,n = N1 Nn .
pn,n = P(En,n ) = P(N1 )PN1 (N2 ) PN1 ...Nn1 (Nn )

b (n 1)
b!
b b1
=
=
.
N N
N
(b n)! N n
k=0
On obtient alors :
n
n

N E(Xn ) =
k N pn,k =
k N pn,k
pn,0 = P(En,0 ) = P(B1)P B1 (B2 ) P B1 ...Bn1 (Bn )
pn,k =
= P(En1,k )PEn1,k (Bn) + P(En1,k1 )PEn1,k1 (Nn )

b!
(b k)!N k
PARTIE II :
On conclut :
n
k=1
= bpn1,0 +
n1

b + k(a + b 1) pn1,k
k=1
= bpn1,0 +
n1

b + k(N 1) pn1,k
k=1
n1

b + k(N 1) pn1,k .
k=0
361
Chapitre 10
Problmes de rvision
N E(Xn ) =
On conclut :
n1

b + k(N 1) pn1,k
N qn+1 =
On en dduit :
En dveloppant la somme prcdente, on obtient :

n1
pn1,k +(N 1)
k=0
n1

=1
4. b) Soit n N.
kpn1,k
k=0

N qn+1 = b
= E(Xn1 )
n
pn,k
k=0
n
kpn,k = b E(Xn ).
k=0

= b + (N 1)E(Xn1 ).
=1
= E(Xn )
On conclut :
N1
b
b
1
E(Xn1 ) +
E(Xn ) =
E(Xn1 ) +
= 1
N
N
N
N

3. b) La suite E(Xn ) n0 est dfinie par :
E(X0 ) = 0 et

1
b
E(Xn1 ) + .
n 1, E(Xn ) = 1
N
N
Voici une fonction qui calcule E(X2009 ) lorsque b = 10 et

N = 100.
function esperance:real ;
begin
On obtient alors :
qn+1 =
esperance:=0 ;

un = E Xn (Xn 1) =
k(k 1)pn,k =
k(k 1)pn,k
for i:=1 to 2009 do

esperance:=(1-1/100)*esperance +10/100 ;
nN
est une suite arithmtico-

b
1
+ .
Cherchons R pour que = 1
N
N
b
1
b
=
= b.
On a : = 1
+
N
N
N
N

Ainsi la suite E(Xn )b nN est une suite gomtrique de raison

1
et de premier terme E(X0 ) b = b.
1
N

1 n
.
Donc : n N, E(Xn ) b = b 1
N
On en dduit :

1 n
n N, E(Xn ) = b 1 1
N
4. a) Soit n N. Les vnements En,0 , . . . , En,n forment un systme complet dvnements.

Par la formule des probabilits totales, on a :
P(Nn+1) =
n

k=0
362
k=0
k=1
P(En,k )PEn,k (Nn+1 ) =
n

k=0
pn,k
bk
.
N
n
1
k(k 1)(a + k)pn1,k
N k=1
n
1
+
k(k 1)(b + 1 k)pn1,k1
N k=1
n
n1
1
1
k(k 1)(a + k)pn1,k +
(k + 1)k(b k)pn1,k
N k=1
N k=0
n(n 1)(a + n)
pn1,n +0

N
end ;
3. c) La suite ( E(Xn )
gomtrique.

b
b
b
1 n
1 n
=
1 1
1
N N
N
N
N
5. a) Soit n N . Daprs le thorme de transfert, on a :
b
1
E(Xn )
N N
qn+1 =
On en dduit :
n

1
=
k(k 1) (a + k)pn1,k + (b + 1 k)pn1,k1
N k=1
var i:integer ;
(b k)pn,k
k=0
k=0
N E(Xn ) = b
n
=0
n1

1
k (k 1)(a + k) + (k + 1)(b k) pn1,k
+
N k=1
n1

1
k (k 1)(a + k) + (k + 1)(b k) pn1,k .
N k=1
Or : k 1 ; n 1, (k 1)(a + k) + (k + 1)(b k)

= k(a + b 2) a + b,
et : (k 1)(a + b 2) + 2(b 1)
= k(a + b 2) + (a b + 2 + 2b 2)
= k(a + b 2) a + b.
On obtient alors :
n1

1
k (k 1)(a + b 2) + 2(b 1) pn1,k
un =
N k=1
=
n1

1
k(k 1)(a + b 2) + 2(b 1)k pn1,k .
N k=1
On conclut :
N un =
n1

k(k 1)(a + b 2) + 2(b 1)k pn1,k
Conclusion : On en dduit, pour tout n de N :

2 n
1 n
un = b(b 1) 1 + 1
2 1
N
N
k=1
5. b) Soit n N .
N un = (a + b 2)
+ 2(b 1)
n1
k(k 1)pn1,k
k=1
n1
kpn1,k
k=1

= (a + b 2)E Xn1 (Xn1 1) + 2(b 1)E(Xn1 )
= (N 2)un1 + 2(b 1)E(Xn1 ).
Ainsi :
un =
On conclut :

1 n1
N2
2(b 1)
un1 +
b 1 1
.
N
N
N
,

2
2b(b 1)
1 n1
un = 1
un1 +
1 1
N
N
N
5. c) Notons, pour tout n de N, P(n) la proprit :

2 n
1 n
.
2 1
un = b(b 1) 1 + 1
N
N
5. d) Soit n N.
Puisque Xn prend ses valeurs dans 0 ; n, Xn admet une variance et lon a :

2
V(Xn ) = E(Xn2 ) E(Xn )

2
= E Xn (Xn 1) + E(Xn ) E(Xn )

2 n
1 n
= b(b 1) 1 + 1
2 1
N
N

1 n
1 n 2
+b 1 1
b2 1 1
N
N

2 n
2
= b(b 1) + b b + b(b 1) 1
N

1 2n
1 n
2b(b 1) b + 2b2 b2 1
+ 1
N
N

2 n
1 n
1 2n
= b(b 1) 1
+b 1
b2 1
N
N
N
Initialisation : On a X0 = 0 et donc X0 (X0 1) = 0.

Par consquent : u0 = E X0 (X0 1) = 0.

1 0
2 0
2 1
De plus : b(b 1) 1 + 1
N
N

= b(b 1) 1 + 1 2 = 0.
Do la proprit P(0).
Hrdit : Soit n N.

Daprs la question II.5. b), on a :

1 n
2
2b(b 1)
un +
1 1
un+1 = 1
N
N
N

1 n
2
2 n
2 1
= 1
b(b 1) 1 + 1
N
N
N

1 n
2b(b 1)
1 1
+
N
N

2 n+1
2
+ 1
= b(b 1) 1
N
N

1 n 2
1 n
2
2
1
1
2 1
+
N
N
N N
N

2
2 n+1
= b(b 1) 1 + 1
N
N

2
1 n
1 2
+
1 +
2 1
N
N N
N

n+1
1 n+1
2
.
2 1
= b(b 1) 1 + 1
N
N
Puisque
< 1 et
< 1, on a :
N
N

2 n
1 n
1 2n
= 0, lim 1
= 0 et lim 1
= 0.
lim 1
n
n
n
N
N
N
lim V(Xn ) = 0
On conclut :
10.13
Partie I : 1. On a, pour tout x R :
f0 (x) = e x ,
L0 (x) = e x e x = 1,
f1 (x) = x e x , f 1 (x) = (x + 1) e x ,
L1 (x) = e x f1 (x) = x + 1,
f2 (x) =
1 2 x
1
x e , f 2 (x) = (x2 + 2x) e x ,
2
2
f 2 (x) =

1
(x2 + 2x) + (2x + 2) e x
2
1
= (x2 4x + 2) e x ,
2
L2 (x) = e x f2 (x) =
1 2
(x 4x + 2).
2
Pour tout x R :
1
L0 (x) = 1, L1 (x) = x + 1, L2 (x) = (x2 4x + 2)
2
363
Chapitre 10
Problmes de rvision
2. Soit n N. Utilisons la formule de Leibniz pour des fonctions de classe C , avec des notations classiques abusives pour
indiquer les drives successives par rapport x :
n
1 n n (nk) x (k)
(e )
(x )
n! k=0 k
n

1 n
n(n 1) (k + 1) xk (1)k e x
=
n! k=0 k

n
n

(1)k n k x
1 n n! k
x e
=
x (1)k e x =
n! k=0 k k!
k! k
k=0
x R, fn(n) (x) =
et on conclut :
n N, x R, Ln (x) =

n

(1)k n
k=0
k!
Dautre part :

(n+1)
(n+2)
(n+1)
(x) = e x fn+1
(x) + e x fn+1
(x)
Ln+1 (x) = e x fn+1
et, par dcalage de lindice :
Ln (x) = e x fn(n+1) (x) + e x fn(n) (x) = e x fn(n+1) (x) + Ln (x).
Do :
(n+2)
(n+1)
(x) + e x fn+1
(x)
Ln+1 (x) = e x fn+1

(n+1)
(n+1)
x (n+1)
(x)
= e fn (x) fn+1 (x) + e x fn+1
= e x fn(n+1) (x) = Ln (x) Ln (x).

On conclut :
n N, x R, Ln+1 (x) = Ln (x) Ln (x)
xk
6. On a, pour tout n N et tout x R :

Remarque :
fn+1 (x) =
On peut contrler la cohrence des rsultats de 1. et 2. :

0

(1)k 0 k
x = 1,
L0 (x) =
k! k
k=0
L1 (x) =
L2 (x) =

1

(1)k 1 k
x = 1 x,
k! k
k=0
2

k=0
4. On a, pour tout n N et tout x R, par drivation dun

produit :
=

1
(n + 1)xn e x xn+1 e x
(n + 1)!
xn e x xn+1 e x
= fn (x) fn+1 (x).

=
n!
(n + 1)!
n N, x R, f

n+1 (x)
364
Drivons n + 1 fois, en utilisant la formule de Leibniz :

(n+1)
(x)
x R, (n + 1) fn+1

n+1

n + 1 (k) (n+1k)
x fn
=
(x)
k
k=0
= x fn(n+1) (x) + (n + 1) 1 fn(n) (x).

En multipliant par e x , on dduit :
x R, (n + 1)Ln+1 (x) = x e x fn(n+1) (x) + (n + 1)Ln (x).
On a vu dans la solution de 6. :
x R, e x fn(n+1) (x) = Ln (x) Ln (x).
Do :
x R, (n + 1)Ln+1 (x)

= x Ln (x) Ln (x) + (n + 1)Ln (x)
= xLn (x) + (n + 1 x)Ln (x).
On conclut :
= fn (x) fn+1 (x)
5. On a, pour tout n N et tout x R, en drivant n + 1 fois

partir de lgalit de 4. :
(n+2)
(x)
fn+1
x
fn (x)
n+1
x R, (n + 1) fn+1 (x) = x fn (x).

1
1
(1)k 2 k
x = 1 2x + x2 = (2 4x + x2 ).
k! k
2
2
Pour tout n N, Ln est une fonction polynomiale de degr n

(1)n
et dont le coecient du terme de degr n est
n!

n+1 (x)
n N, x R, fn+1 (x) =
7. Soit n N. On a, daprs 5. :
3. Daprs 2., il est clair que Ln est une fonction polynomiale

de degr infrieur ou gal n.
(1)n
, qui est
De plus, le coecient du terme de degr n est
n!
non nul, donc deg (Ln ) = n.
x xn e x
x
=
fn (x).
(n + 1) n! n + 1
= fn(n+1) (x)
(n+1)
fn+1
(x).
n N, x R, (n + 1)Ln+1 (x) = xLn (x) + (n + 1 x)Ln (x)
8. Soit n N. En drivant partir du rsultat prcdent, on a :

x R,
(n + 1)Ln+1 (x) = xLn (x) + Ln (x) Ln (x) + (n + 1 x)Ln (x)

=
xLn (x)
+ (n + 2
x)Ln (x)
Ln (x).
Dautre part, daprs 5. :

x R, (n + 1)Ln+1 (x) = (n + 1)Ln (x) (n + 1)Ln (x).
x [c ; +[, |A(x) e x |
do :
Daprslexemple de Riemann en + (2 > 1), lintgrale im+

1
dx converge.
propre
x2
c
Par thorme de majoration
pour des fonctions valeurs
On dduit :
= (n + 1)Ln (x) (n + 1)Ln (x).
|A(x) e x | dx converge.
Ainsi, lintgrale impropre
A(x) e x dx est absolument
et on conclut :
convergente, donc convergente.
n N, x R, xLn (x) (x 1)Ln (x) + nLn (x) = 0

Partie II : 1. 1re mthode : Utilisation de la fonction dEuler :
Daprs le cours sur la fonction Gamma dEuler, pour tout
+
xs1 e x dx converge.
s ]0 ; +[, lintgrale impropre
0
En particulier, pour tout k

+
xk e x d x converge.
N, lintgrale impropre

On conclut que lintgrale impropre
converge.
P(x)Q(x) e x dx converge.
On a, pour tout (P, Q) E 2 :

+
0
donc < . , . > est symtrique.

ak xk e x .
k=0

intgrale
Q(x)P(x) e x dx
+
=
P(x)Q(x) e x dx = ,
0
k=0
On a donc : x [0 ; +[, A(x) e x =
A(x) e x dx
Soit A E. Il existe n N, (a0 , ..., an ) Rn+1 tel que

n

ak Xk .
A=
n
2. Dabord, lapplication < . , . > est correctement dfinie

2
car,
pour tout (P, Q) E , daprs 1., lintgrale impropre
< Q, P > =
chaque
0, lintgrale impropre
x R, xLn (x) + (n + 2 x)Ln (x) Ln (x)
Comme
1
.
x2
impropre
xk e x dx
converge,
par combinaison linaire, lintgrale impropre
+
A(x) e x dx converge.
On a, pour tous R, P, Q, R E :
+

P(x) Q(x) + R(x) e x dx
 =
0
+
+
=
P(x)Q(x) e x dx +
P(x)R(x) e x dx
0
= + ,
On conclut :
Pourtout A E,
+
lintgrale impropre
A(x) e x dx converge
donc < . , . > est linaire par rapport la seconde place.

Puisque < . , . > est symtrique et linaire par rapport la seconde place, < . , . > est bilinaire.

Soit A E.
x
Lapplication x A(x) e est continue sur [0 ; +[, donc il

ny a de problme quen +.
x2 A(x) e x 0.
x +
Il existe donc c ]0 ; +[ tel que :
x [c ; +[,
x2 A(x) e x
1,
< P, P > =
0

2
P(x) e x dx 0.

0
Soit P E tel que = 0.

+

2
P(x) e x dx = 0. Comme lapplication
On a alors
0

2
[0 ; +[ R, x P(x) e x est continue et valeurs
0, daprs le cours, il en rsulte :
365
Chapitre 10
Problmes de rvision
x [0 ; +[,
P(x)
2
e x = 0,
Par prpondrance de lexponentielle sur les polynmes, on a :
donc : x [0 ; +[, P(x) = 0.
XP (X)Q(X) e X
Ceci montre que le polynme P sannule en une infinit de

points (les lments de [0 ; +[), donc P = 0.
On conclut :
Comme P est une fonction polynomiale de R dans R, par drivation premire et seconde, par produit de fonctions polynomiales, puis par dirence, T (P) est une fonction polynomiale
de R dans R, donc T (P) E.
On a, pour tous R, P, Q E :
x R, T (P + Q)(x)

(P, Q) E E, < T (P) , Q > =
xP (x)Q (x) e x dx
6. On a, pour tout (P, Q) E E :

+
< T (P) , Q > =
xP (x)Q (x) e x dx
0
+
xQ (x)P (x) e x dx = < T (Q) , P > = .
=
0
= x(P + Q) (x) (x 1)(P + Q) (x)

= x P (x) + Q (x) (x 1) P (x) + Q (x)

= xP (x) (x 1)P (x) + xQ (x) (x 1)Q (x)

= T (P)(x) + T (Q)(x) = T (P) + T (Q) (x),
donc :
0.
On dduit, en faisant tendre X vers + :
< . , . > est un produit scalaire sur E
3. Soit P E. On a, par dfinition :

x R, T (P)(x) = xP (x) (x 1)P (x).
X +
T (P + Q) = T (P) + T (Q),
On conclut :
(P, Q) E E, < T (P) , Q > = 
7. On a, daprs I 8. :
n N, T (Ln ) = XLn (X 1)Ln = nLn .
ce qui montre que T est linaire.

n N, T (Ln ) = nLn
On conclut :
T est un endomorphisme de lespace vectoriel E
4. Lapplication : x xP (x) e x est drivable sur R et, par
drivation dun produit de trois facteurs :
x R, (x) = P (x) e x + xP (x) e x xP (x) e x

= xP (x) (x 1)P (x) e x = T (P)(x) e x .
On conclut :
On a, daprs 6. : < T (Ln ) , L p > = < Ln , T (L p) >,

do, daprs 7. : < nLn , L p > = < Ln , pL p >,
donc : (p n) < Ln , L p >= 0, puis : < Ln , L p > = 0.

0
On conclut :
La drive de x xP (x) e x est x T (P)(x) e x

5. Soit (P, Q) E 2 . Nous allons procder une intgration
par parties sur un segment, puis faire tendre la borne den haut
vers +.
Soit X [0 ; +[.

x
u = T (P)(x) e
Avec :
v = Q(x)

x
u = xP (x) e
v = Q (x)
o u, v sont de classe C 1 sur le segment [0 ; X], on a :

X
X

T (P)(x) e x Q(x) dx
T (P)(x)Q(x) e x dx =
0
0
X

X
x
= xP (x) e Q(x) 0
xP (x) e x Q (x) dx
0
= XP (X)Q(X) e X
X
0
366
8. Soit (n, p) 0 ; N2 tel que n p.
xP (x)Q (x) e x dx.
La famille (L0 , ..., LN ) est orthogonale
9. Soit P EN . On a dj, daprs 3. : T (P) E. De plus :

deg T (P) = deg XP (X 1)P

Max deg (XP ), deg (X 1)P N,
donc : T (P) EN .
On conclut :
P EN , T (P) EN
10. Daprs 8., la famille (L0 , ..., LN ) est orthogonale.

De plus, daprs 3. : n 0 ; N, Ln 0.
Il sensuit, daprs le cours, que la famille (L0 , ..., LN ) est libre.
La famille (L0 , ..., LN ) est libre et a N + 1 lments, dans EN
qui est de dimension N + 1.
On conclut :
(L0 , ..., LN ) est une base de EN
1. b) Soit x R. Les va J1 (x), . . . , Jn (x) suivent toutes la loi de

Bernoulli de paramtre p = P(Xk x) = FX (x).
11. Daprs 7. :
La matrice de T N dans la base (L0 , ..., LN ) de EN
1 (0)
est la matrice diagonale
(0) . . .
N
12. Puisque T N est reprsent, dans au moins une base, par
une matrice diagonale (daprs 11.),
T N est diagonalisable
On a L0 0 et T N (L0 ) = 0, donc
T N nest pas bijectif
10.14
Ainsi, daprs le cours, on sait que S n (x) =

binomiale de paramtre (n, p) = n, FX (x) .
x R, FYn (x) = P(Yn x) = P(X1 x, . . . , Xn x)

= P(X1 x) P(Xn x)
n

= FX (x) .
Puisque FX est la fonction de rpartition dune va densit, FX

est continue sur R et de classe C 1 sur R priv dun ensemble
fini de points.
n
Jk (x) suit la loi
k=1
On a alors : S n (x) prend ses valeurs dans 0 ; n

et, pour tout k 0 ; n,

n
k
nk
FX (x) 1 FX (x) .
P(S n (x) = k) =
k
On conclut :
1. a) On a :

S n (x) B n, FX (x)
1. c) La variable alatoire S n (x) comptabilise le nombre de variables alatoires Xi , pour i 1 ; n, qui sont infrieures ou
gales x.
De plus, lvnement (Yk x) est ralis si et seulement si au
moins k des variables alatoires Xi sont infrieures ou gales
x.
On obtient alors lgalit :
(Yk x) = (S n (x) k)
Par opration, il en est de mme pour FYn .
1. d) On obtient alors :
On en dduit que Yn est une va densit.
x R, FYk (x) = P(Yk x) = P(S n (x) k)

n
n

n
n j
(FX (x)) j 1 FX (x)
P(S n (x) = j) =
=
j
j=k
j=k
De plus, en tout point x de R o FX est drivable, la fonction FYn est drivable et lon a :

n1

n1
= n fX (x) FX (x)
FY n (x) = nFX (x) FX (x)
On en dduit quune densit fYn de Yn est donne par :

n1
x R, fYn (x) = n fX (x) FX (x)
On a galement :
De plus, puisque les va X1 , . . . , Xn sont mutuellement indpendantes, les va J1 (x), . . . , Jn (x) le sont aussi.
x R, P(Y1 > x) = P(X1 > x, . . . , Xn > x)

= P(X1 > x) P(Xn > x)
n

= 1 FX (x) .
Donc :

n
x R, FY1 (x) = 1 P(Y1 > x) = 1 1 FX (x) .
Comme prcdemment, on montre que Y1 est une va densit.

De plus, en tout point x de R o FX est drivable, la fonction
FY1 est drivable et lon a :

FY 1 (x) = n(FX (x)) 1 FX (x) n1 = n fX (x) 1 FX (x) n1 .
On en dduit quune densit fY1 de Y1 est donne par :

n1
x R, fY1 (x) = n fX (x) 1 FX (x)
1. e) Puisque FX est continue sur R, de classe C 1 sur R priv

dun ensemble fini de points, par oprations sur les fonctions,
il est en de mme pour FYk .
De plus, en tout point x de R o FX est drivable, la fonction FYk
est drivable et lon a :
n

j1
n j
n

j fX (x) FX (x)
FYk (x) =
1 FX (x)
j
j=k

j
n j1
(n j) fX (x) FX (x) 1 FX (x)

n

j1
n j
n
j
FX (x)
= fX (x)
1 FX (x)
j
j=k

n

j
n j1
n
fX (x) (n j)
FX (x) 1 FX (x)
.
j
j=k

n
n!
= (n j)
j!(n j)!
j
n!
n!
=
= ( j + 1)
j!(n j 1)!
( j + 1)!(n ( j + 1))!

n
= ( j + 1)
.
j+1
Or : j k ; n, (n j)
367
Chapitre 10
Ainsi :
Problmes de rvision

j
n j1
n
FX (x) 1 FX (x)
j
j=k

n

j
n j1
n
=
( j + 1)
FX (x) 1 FX (x)
j
+
1
j=k
n+1

j1
n j
n
1 FX (x)
=
j
FX (x)
j
j=k+1

n

j1
n j
n
n
1 FX (x)
=
j
FX (x)
car
= 0.
j
n+1
j=k+1
n
(n j)
On obtient alors :

n

j1
n j
n
FX (x)
1 FX (x)
j
FY k (x) = fX (x)
j
j=k

n

j1
n j
n
1 FX (x)
fX (x)
j
FX (x)
j
j=k+1

k1
nk
n
1 FX (x) .
= fX (x)k
FX (x)
k
Ainsi FX est drivable droite en 1 et le nombre driv est gal

1
.
2
On en dduit que la demi-tangente droite au point
1
dabscisse 1 a pour quation : y = (x 1)
2

n
FX (x) k1 1 FX (x) nk fX (x)
k
La fonction FX est de classe C 1 sur R priv ventuellement

de {1}.
De plus :
lim
FX = FX (1) = 0 = lim
FX .
+
Ainsi FX est continue en 1 et donc sur R.
1. f) Soit r N . Supposons que X admette un moment

dordre r. Soit k 1 ; n.
On en dduit :
Daprs le thorme de transfert,

Yk admet un moment dordre r
Une densit sobtient en drivant FX sauf en un nombre fini de

si et seulement si lintgrale
ment.
Or :
xr fYk (x) dx converge absolu-
si x 1
2x
x
x R, fX (x) =
0 si x < 1
1

n
k |xr | fX (x).
k
2. b) Soit r N .
Puisque
X admet un moment dordre r, lintgrale
+
r
x fX (x) dx converge absolument, autrement dit

+
|xr | fX (x) dx converge.
Par
par une

+ multiplication
n r
k |x | fX (x) dx converge.
k
constante,
lintgrale
Par le thorme de
majoration des fonctions positives ou nulles,
+
|xr | fYk (x) dx converge, autrement dit que

on en dduit que
+
xr fYk (x) dx converge absolument.
On conclut :
Yk admet un moment dordre r
X est une variable alatoire densit
Une densit fX de X est alors donne par :
x R, |xr fYk (x)|

k1
nk r
n
1 FX (x)
|x | fX (x)
=k
FX (x)
k
1
368
La restriction G X de FX [1 ; +[ est drivable sur [1 ; +[,

1
1
et :
x [1 ; +[, GX (x) = x3/2 =
.
2
2x x
On en dduit quune densit fYk de Yk est donne par :

x R, fYk (x) = k
2. a)
On a :
x 1, xr fX (x) =
1 1
.
2 x3/2r
3
1
Puisque r 1, on a r
< 1. Daprs lexemple de
2
2
+
+
xr fX (x) dx =
|xr fX (x)| dx diverge
Riemann en +,
1
+ 1
|xr fX (x)| dx diverge.
et, par consquent, lintgrale
On en dduit :
X nadmet pas de moment dordre r
2. c) Soit k 1 ; n. On a : x < 1, fYk (x) = 0,

1 k1 1 nk 1
n
1
et : x 1, fYk (x) = k
k
x
x
2x x

1 n
1 k1 1
.
= k
1
3+nk
2 k
x
x 2
x R,
Ainsi :
0
si x < 1

k1 1
fYk (x) =
1
n
1
si x 1
2k k 1
3+nk
x
x 2

1 k1
1
1.
x+
x
On a :
fYk (x)
Ainsi :
x+

1 n 1
k
2 k x nk+3
2
3. a) Soit k 1 ; n 2. La va Yk admet une esprance

+
x fYk (x) dx converge
lintgrale

lintgrale
car fYk est nulle sur ] ; 1[.
La fonction x x fYk (x) est continue sur [1 ; +[.

1 n 1
k
De plus : x fYk (x)
.
nk+1
x+ 2 k
x 2
Puisque k n 2, on a :
Daprs
+
1
lexemple
1
nk+1
3
de
nk+1 3
> 1.
2
2
Riemann
en
+,
3. c) Soit (r, s) (N )2 . Eectuons une IPP en posant :

s2
s1
u (t) = (s 1)(1 t)
u(t) = (1 t)
,
1
v (t) = tr1
v(t) = tr
r
o u, v sont de classe C 1 sur le segment [0 ; 1].
1
tr1 (1 t)s1 dt
On obtient : Ir,s =
0
1
r 1

s1 r
s1 t
t (1 t)s2 dx
+
= (1 t)
r 0
r
0
s1
=
Ir+1,s1 .
r
s1
s1 s2
Ir+1,s1 =
Ir+2,s2
r
r r+1
s1 s2
1
= =
Ir+s1,1 .
r r+1
r+ s2
1
tr+s1 1
1
tr+s2 dt =
=
Or : Ir+s1,1 =
.
0
r
+
s
1
r
+
s1
0
Ir,s =
Ir,s =
s1 s2
1
1
.
r r+1
r+s2r+ s1
lintgrale
dx converge.
Yk admet une esprance
1
3. b) Soit k 1 ; 2. Le changement de variable t = est de
x
classe C 1 sur [1 ; +[.
1
, dx = 2t3 dt.
t2
A
Do : A > 1,
x fYk (x) dx
On a alors :
Ainsi :
On en dduit, daprs le thorme dquivalence

+ pour des
x fYk (x) dx
fonctions positives ou nulles, que lintgrale
1
converge.
On conclut :
E(Yk ) =
1
n
x fYk (x) dx = k
(1 t)k1 tnk2 dt
k 0
De proche en proche, on obtient :
x fYk (x) dx converge

1
x=
A
1 n
1 n
1 k1 1
= k
dx
k
1
nk+1
2 k 1 2 k
x
x 2
1/ A
1 n
= k
(1 t)k1 tnk+1 (2t3 dt)
2 k 1
1
n
=k
(1 t)k1 tnk2 dt.
k 1/ A
En passant la limite lorsque A tend vers linfini, on obtient :
(r, s) (N )2 , Ir,s =
On conclut :
(s 1)! (r 1)!
(r + s 1)!
3. d) Soit k 1 ; n 2. On a, daprs b) et c) :

n
(n k 2)! (k 1)!
E(Yk ) = k
k
(n k 1 + k 1)!
(n k 2)! (k 1)!
n(n 1)
n!
=
.
=k
k! (n k)!
(n 2)!
(n k)(n k 1)
k 1 ; n 2, E(Yk ) =
On conclut :
n(n 1)
(n k)(n k 1)
4. a) On a : x R, FZn (x) = P(Zn x) = P(Yn n2 x)

n
daprs la question 1) a)
= FYn (n2 x) = FX (n2 x)

n
1
si n2 x 1
1
=
n x
0
si n2 x < 1

1 n
1
1 n x si x n2
0
si x < 2
n
4. b) La fonction Z est de classe C 1 sur R priv ventuellement de {0}.
De plus :
Z = lim exp = 0 = Z (0) = lim

Z .
lim
+
369
Chapitre 10
Problmes de rvision
Ainsi Z est continue en 0 et donc sur R.

On a :
lim Z = 0 et
lim Z = exp(0) = 1.
+
x > 0, Z (x) =
Enfin, on a :

1
1
exp > 0.
2x x
x
Donc Z est croissante sur [0 ; +[ et puisque Z est nulle sur

] ; 0], on en dduit que Z est croissante sur R.
Z est la fonction de rpartition
dune variable alatoire Z densit
On conclut :
4. c) Soit x R.
Comme le coecient de la troisime ligne de P BP est nul,

la matrice P BP nest pas strictement positive.
On conclut, daprs la dfinition dune matrice productive :
La matrice B nest pas productive
1er cas : Si x 0, alors :

et donc :

x

2. Soit P = y une matrice positive quelconque de M3,1 (R).

z
On a :

x 1 4 1 x 4y z

P BP = y 2 1 3 y = 2x 3z .

0
001 z
z
n 0, x <
1
n2
Partie II : 1. On suppose M positive.

Soit X une matrice positive de Mn,1 (R).
FZn (x) = 0 0.
n
On a, par produit matriciel :

2 cas : Si x > 0, alors : n
e
et donc :
Or :

FZn (x) = 1

n ln 1
1
,
x
1
x 2
n

1 n
1
= exp n ln 1 .
n x
n x
1
1

1
1
n = .
n x n
n x
x n
x
Par consquent :

1
FZn (x) exp .
n
x
On obtient alors : x R, FZn (x) Z (x).

n
On conclut :
La suite (Zn )nN converge en loi vers Z
10.15
n

j=1
(M)i j (X) j 0,

0
0
donc MX est positive.

Si M est positive, alors, pour toute matrice positive
X de Mn,1 (R), le produit MX est une matrice positive
2. Rciproquement, supposons que, pour toute matrice positive
X de Mn,1 (R), le produit MX soit une matrice positive.
Soit (i, j) 1 ; n2 . Notons X j la matrice de Mn,1 (R) dont tous
les coecients sont nuls, sauf celui situ la ligne j et qui est
gal 1.
Il est clair que X j est positive.
Partie I : 1. Les coecients de la matrice carre

0 1 1
1
A = 1 0 1 sont tous 0, donc A 0.
3
110

1

Les coecients de la matrice colonne U = 1 sont tous 0,

1
donc U 0.

1
0 1 1 1
1
1
1
On a : U AU = 1 1 0 1 1 = 1 .
3
3
1
110 1
1
Les coecients de U AU sont tous > 0, donc U AU > 0.
Ainsi, il existe une matrice positive U de M3,1 (R) telle que
U AU > 0.
On conclut, daprs la dfinition dune matrice productive :
La matrice A est productive
370
i 1 ; n, (MX)i =
Par hypothse, MX j est donc positive.

Mais le coecient de MX j situ la ligne i est (M)i j .
On a donc : (M)i j 0.
Ceci montre que M est positive.
Si, pour toute matrice positive X de Mn,1 (R),
le produit MX est une matrice positive,
alors la matrice M est positive
Partie III : 1. a) Puisque A est productive, A est une matrice
positive.
Puisque A est une matrice positive de Mn (R) et P une matrice
positive de Mn,1 (R), daprs II 1., la matrice AP est positive.
On a, pour tout i 1 ; n :

(P)i = (P AP) + AP i = (P AP)i + (AP)i > 0,

>0
0
P>0
donc :
(In A)1 est une matrice positive
1. b) Puisque X AX, on a : (X AX)k 0.
Daprs c) et d), on a montr que, si une matrice A de Mn (R)

est productive, alors :
Mais :
(X AX)k = (X)k (AX)k = xk
n
ak j x j = cpk
j=1
Par dfinition de c, on a : j 1 ; n, c
n
ak j x j .
j=1
xj
,
pj
donc : j 1 ; n, x j cp j .
Do : (X AX)k cpk
n
n

ak j cp j = c xk
ak j p j .
j=1
On conclut :
j=1
n

c pk
ak j p j 0
j=1
On a : pk
n
ak j p j = (P)k (AP)k = (P AP)k > 0
In A est inversible,
c0
(In A)1 0.
2. Soit B Mn (R) telle que :

B 0,
In B est inversible,
(In B)1 0.
Puisque (In B)1 est une matrice positive de Mn (R) et que

U est une matrice positive de Mn,1 (R), daprs II 1.,
V = (In B)1U est une matrice positive de Mn,1 (R).
On a :
V BV = (In B)V = (In B)(In B)1U = U,
et il est clair que U > 0.
Ainsi, il existe une matrice positive V de Mn,1 (R) telle que :
V BV > 0.
B est productive
On conclut :
j=1
do :
A 0,
3. Daprs 1. et 2., on conclut :
On a, par dfinition de c et daprs le rsultat prcdent :

j 1 ; n,
donc :
xj
c j 0,
pj
j 1 ; n, x j 0, car : j 1 ; n, p j > 0.
On conclut :
X0
4. On a :
(In M)(In + 2M) = In + M 2M 2 = In .
Par hypothse, M est positive.
1. c) Soit X Mn,1 (R) telle que X = AX.
Une matrice M de Mn (R) est productive

si et seulement si :
M 0, In M est inversible, (In M)1 0
Puisque X = AX, on a X AX, donc, daprs b) : X 0.
Daprs le rsultat prcdent, In M est inversible et

(In M)1 = In + 2M.
Mais on a aussi X = AX = A(X), donc X A(X), do,

daprs b) : X 0.
Puisque In et 2M sont positives, par addition, il est clair que

In + 2M est positive, donc : (In M)1 0.
Ainsi, chaque coecient de X est 0 et est 0, donc est nul,

do X = 0
Daprs 3., on conclut :
10.16
On vient de montrer :

X Mn,1 (R), (In A)X = 0 = X = 0 .
In A est inversible
1. d) Soit X une matrice positive de Mn,1 (R).

Puisque Y = (In A)1 X, on a : X = (In A)Y = Y AY.
Partie I : La loi exponentielle

1. a) La fonction g est continue sur R, positive ou nulle sur R
B
B
2
g(x) dx =
e x exp( e x ) dx
et : (A, B) R ,

Daprs II 2., on conclut :
= exp e
A, B+
Comme X 0, il sensuit Y AY 0, cest--dire Y AY.

Daprs 1. b), on dduit : Y 0.
M est productive
x
B
A

= exp e B exp e A
exp(0) 0 = 1.
Ainsi lintgrale

g(x) dx converge et
On conclut :
g(x) dx = 1.
g est une densit

371
Chapitre 10
Problmes de rvision
x
x R, FG (x) = P(G x) =
g(u) du

x

= exp e u
= exp( e x ) 0 = exp( e x ).
1. b) On a :
(u)
1. a) Soit x > 0. La fonction u 2 est dfinie, continue
u
et positive sur [x ; +[.
On conclut :
De plus :
x R, FG (x) = exp( e x )
u [x ; +[, 0

2. a) Soit n N .
Puisque lintgrale
1
(u)
2 (u).
u2
x
(u) du converge (car est une den-
On note F Mn la fonction de rpartition de Mn .

On a : x R, F Mn (x) = P(Mn (x) x)

= P (X1 x) (X2 x) . . . (Xn x)
n

P(Xk x) car X1 , . . . , Xn sont indpendantes.
=
k=1
La loi commune des Xk est la loi exponentielle de paramtre ,

donc :

0
si x < 0
.
x R, P(Xk x) =
1 e x si x 0
sit), par le thorme de majoration des fonctions positives,

+
(u)
lintgrale
du converge
u2
x
Soit A > x. On a :
A
A
A
u2
1
u2
1
1
u e 2 du.
(u) du =
e 2 du =
x
2 x
2 x u
Eectuons une intgration par parties, en posant :
1
1
f (u) = 2
f (u) =
u
u
,
,
u2
u2
u e 2
e 2
= (u)
g(u) =
g (u) =
2
2
On conclut :

x R, F Mn (x) =
0
si x < 0
(1 e x )n si x 0
2. b) Soit n N .
On note FUn la fonction de rpartition de Un .

On a : x R, FUn (x) = P(Un x) = P Mn x + ln(n)

x + ln(n)
car > 0
= P Mn

x + ln(n)
0
si x < ln(n)
n
= F Mn
=
1 e xln n si x ln(n)
0
si x < ln(n)

x n
.
=
e
si x ln(n)
1
n
On en dduit :
x R, n e x ,
x n

e
e
= exp n ln 1
,
n
n
e x

e x
or : n ln 1
n
= e x e x ,
n
n n
n

donc : FUn (x) exp e x = FG (x).
FUn (x) = 1
les fonctions f et g tant de classe C 1 sur le segment [x ; A].

A
(u) A A (u)
(u) du =
du
On obtient :
u x
u2
x
x
A
(x) (A)
(u)
du.
=
x
A
u2
x
1
Or : u R, 0 (u) ,
2
donc :
u R+ , 0
Par le thorme dencadrement, on a :
P(X1 > x) =
Ainsi, pour tout x R, lim FUn (x) = FG (x).

On conclut :
1. b) Soit x > 0.
Partie II : La loi normale
372
(x)
+
x
(u)
du
u2
1
(u)
2 (u).
u2
x
Pour tout u x, 0

Daprs le cours, on a :
1
x2
x R, (x) = e 2 .
2
(u)
= 0.
u
Do :
La suite (Un )n1 converge en loi vers G
lim
u+
Ainsi, en passant la limite lorsque A tend vers +, on obtient :

+
+
(u)
(x)
(u) du =
du.
x
u2
x
x
+
(u) du.
Enfin : P(X1 > x) =
1
(u)
.
u
u 2
Puisque lintgrale
x
(u) du converge et est gale
P(X1 > x), on obtient, en intgrant :
(u)
du
u2
+
(x)
Puisque P(X1 > x) =
x
x
0
1
P(X1 > x).
x2
ou encore :
(u)
du, on en dduit :
u2
5. Sachant que lim xn = +, on a, daprs les croissances

n
ln xn
compares : lim 2 = 0.
n
xn
(x) P(X1 > x)

(x)
P(X1 > x)
x
x2
x
On obtient alors :
(x)
,
x
On en dduit :
(x)
1
P(X1 > x)
P(X1 > x) 1 + 2
x
x
2. On a :
1
x2
x R, (x) = x e 2 = x(x).
2
La fonction H : x
x > 0, H (x) =
(x)
est de classe C 1 sur ]0 ; +[ et :
x
x (x) (x)
1 + x2
=
(x) < 0.
x2
x2
Donc H est strictement dcroissante sur ]0 ; +[.

Ainsi, la fonction H est continue, strictement dcroissante
sur ]0 ; +[. Donc H tablit une bijection de ]0 ; +[ sur
] lim H ; lim H[ = ]0 ; +[.
0
c
]0 ; +[, donc il existe un unique
n
c
xn ]0 ; +[ tel que H(xn ) = .
n
Pour tout n N ,
(x) c
=
On en dduit que lquation
x
n
admet sur une unique solution sur ]0 ; +[
3. La fonction H 1 est strictement dcroissante sur ]0 ; +[ et
lim H 1 = + (car lim H = 0).
+
Or :
xn = H 1
c
n
et lim
n
c
= 0, donc :
n
lim xn = +
n
4. Soit n N . On a :
H(xn ) =
Donc :
2 ln(n) ln(2c2 ) 2 ln n.
c
x2n
(xn ) c
=
e 2 = 2 xn
xn
n
n
c
x2n
= ln 2 xn car ln est bijective.
2
n
x2n = 2 ln xn + ln(2c2 ) 2 ln(n)
xn
ou encore :
2 ln n,
x2n
On obtient alors :
(x) P(X1 > x)

P(X1 > x)
x
x2

(x)
1
donc :
P(X1 > x) 1 + 2 .
x
x
dautre part :
x2n + 2 ln xn x2n .
De plus :
P(X1 > x)
dune part :
Donc :
x2n + 2 ln xn = 2 ln(n) ln(2c2 )
2 ln n
car xn > 0.
Pour tout n 2, on note 1 (n) = xn

Alors :
1 (n)
xn
=
1 0,
n
2 ln n
2 ln n
donc :
xn =
2 ln n + 1 (n)
avec
2 ln n.
1 (n)
=0
lim
n
2 ln n
6. a) En utilisant la relation de la question 4), on obtient :

2

x2n + 2 ln xn = 2 ln n + 1 (n) + 2 ln 2 ln n + 1 (n)
= 2 ln n + 2 2 ln n 1 (n) + 21 (n) + ln 2 + ln(ln n)

1 (n)
.
+ 2 ln 1 +
2 ln n
x2n + 2 ln xn = 2 ln(n) ln(2c2 ),
donc : 2 ln n + 2 2 ln n1 (n) + 21 (n) + ln 2 + ln(ln n)

1 (n)
+ 2 ln 1 +
= 2 ln(n) ln(2c2 ).
2 ln n
1 (n)
On obtient : 2 2 ln n1 (n) + 21 (n) + 2 ln 1 +
2 ln n
= ln 2 ln(ln n) ln(2c2 )
Or :
= ln(ln n) ln(4c2 ).
On conclut :
1 (n)
2 2 ln n1 (n) + 21 (n) + 2 ln 1 +
2 ln n
= ln(ln n) ln(4c2 )
1 (n)
= 0,
6. b) Puisque lim
n+
2 ln n

1 (n)
1 (n)
on a : ln 1 +

,
2 ln n n 2 ln n

1
1
1 (n)
do :
ln 1 +
,
n+
2
ln
n
1 (n) 2 ln n
2 ln n
et donc :
lim
n+

1 (n)
ln 1 +
= 0.
1 (n) 2 ln n
2 ln n
1
373
Chapitre 10
Problmes de rvision
1 (n)
2 2 ln n 1 (n) + 21 (n) + 2 ln 1 +
2 ln n
Ainsi :
2 2 ln n 1 (n)

1
1 (n)
1 (n)
+
ln 1 +
=1+
1.
2 2 ln n 1 (n) 2 ln n
2 ln n n
1 (n)
Do : 2 2 ln n 1 (n) + 21 (n) + 2 ln 1 +
2 ln n
2 2 ln n 1 (n).
(an x+bn )2
1
On en dduit que (xn ) e 2
= (an x + bn ).
n
2
De plus :
xn (n) xn
(an x + bn )
e x
an x + bn n n
On conclut :
En utilisant lgalit obtenue au 6) a), on obtient :
7. b) En utilisant la question 1) b), on a :
2 2 ln n1 (n) ln(ln n)
n
ln(ln n)
.
On note, pour tout n 2, 2 (n) = 1 (n) +
2 2 ln n
2 2 ln n 21 (n) 2 ln n
=
+ 1 0
Alors : 2 (n)
n
ln(ln n)
ln(ln n)
car 2 2 ln n 1 (n) ln(ln n).

n+
On conclut :
ln(ln n)
+ 2 (n)
1 (n) =
2 2 ln n
2 2 ln n
avec lim 2 (n)
=0
n+
ln(ln n)
P(X1 > an x + bn )
(an x + bn )
an x + bn

P(X1 > an x + bn ) 1 +
et donc : 1
(an x+bn )
an x+bn
P(X1 > an x + bn )
ln(4)
ln( e x )
ln(ln n)

2 ln n
2 2 ln n 2 2 ln n
2 ln n

ln(4)
ln(ln n)
x

= bn + an x.
2 ln n
=
+
2 2 ln n 2 2 ln n
2 ln n
donc : 1 +
2 (n)
o (n) = (an x + bn )(n) +
2
an
bn
(n)
x+
+
).
= (n) 2 ln n
2 ln n
2 ln n 2 2 ln n
1
an
0,
=
Or : (n) 2 ln n 0,
n
2
ln
n n
2 ln n
2 ln n
bn

= 1 1
n
n
2 ln n
2 ln n
(n)
0 car (n) 0.
n
2 2 ln n n
Ainsi :
374
(n) 0,
n+
et donc :
e (n) 1.
n
Par le thorme dencadrement, on obtient :

(an x+bn )
an x+bn
P(X1 > an x + bn )
1,
n
(an x + bn )
P(X1 > an x + bn )
an x + bn n
autrement dit :
On a alors : x R, P
x2n
(an x+bn +(n))2
1
1
2
On a : (xn ) = e 2 = e
2
2
(an x+bn )2
1
= e 2
e (n) ,
2
1
.
(an x + bn )2
1
1.
(an x + bn )2 n
xn (n) =
an x + bn = xn (n)
1+

1
,
2
(an x + bn )
Or : an x + bn + (car an 0 et bn +),
7. a) Soit x R et soit n 2. On a :
On en dduit :
e x
(xn ) c
= =
.
xn
n
n
Daprs la question 2),
(xn )
(an x + bn )
.
xn n an x + bn
On obtient alors :
De plus : ln(ln n) ln(4c ) ln(ln n).
car xn + et (n) 0.
Mn bn

x
an

n
= P(Mn an x + bn ) = P(X1 an x + bn )
= (1 n )n
Puisque n
en notant n = P(X1 > an x + bn ).
e x
, on a lim n = 0,
n
n
et donc : n ln(1 n ) n(n ) = e x e x

n

Ainsi : (1 n )n = exp n ln(1 n ) exp e x .
n
On obtient donc :
x R, P
Mn bn
an

x exp e x = FG (x).
n
On conclut que la suite
Mn bn
an
converge en loi vers la variable G
n1
10.17
1. a) Soient t [0 ; 1], u = (u1 , u2 ), v = (v1 , v2 ) K.

On a :
tu + (1 t)v = tu1 + (1 t)v1 , tu2 + (1 t)v2
et : tu1 + (1 t)v1 t 1 + (1 t) 1 = 1,
On en dduit une fonction en Pascal, donnant la distance de x

K:
function distance(x1,x2:real):real ;
begin
if x1<=1 then distance:= abs(x2-1)
tu2 + (1 t)v2 t 1 + (1 t) 1 = 1,
else
donc : tu + (1 t)v K.
if x2<=1 then distance:= abs(x1-1)
Ceci montre que K est convexe, ce qui est dailleurs visible sur
le schma de la question c), K est un quart de plan ferm.
else distance:=sqrt((x1-1)*(x1-1)
+(x2-1)*(x2-1)) ;
Les deux applications (z1 , z2 ) z1 et (z1 , z2 ) z2 , de R2

dans R, sont continues et ] ; 1] est un intervalle ferm de R,
donc, daprs le rsultat admis par lnonc, les images rciproques de ] ; 1] par ces deux applications sont des ferms
!
"
!
"
de R2 . Ainsi, (z1 , z2 ) R2 ; z1 1 et (z1 , z2 ) R2 ; z2 1
2
sont des ferms de R .
end ;
Par intersection de deux ferms, on dduit que K est ferm.
On conclut :
Pour tout z1 ] ; 1], le point (z1 , 1) est dans K, donc K

nest pas born, ce qui est dailleurs visible sur le schma de la
question c), K est un quart de plan ferm.
2. b) Puisque K est un sous-espace vectoriel de R4 , daprs le

thorme de projection orthogonale sur un sous-espace vectoriel dun espace euclidien, il y a existence et unicit du projet
orthogonal p(x) de x sur K.

Dautre part, K = Vect (u) , o u = (1, 1, 1, 1).
On conclut :
K est convexe, ferm, non born
1. b) Il est clair que p(x) existe et est unique, et que :
(x1 , 1)
si x1 1
p(x) =
(1, 1)
si x1 > 1 et x2 > 1
(1, x )
si x 1
2
2. a) Soient t [0 ; 1], u, v K.
Il est clair que K est un sous-espace vectoriel de R4 .
Donc, par combinaison linaire : tu + (1 t)v K.
K est convexe
Daprs le cours, le projet orthogonal q(x) de x sur Vect (u) est

donn par :
q(x) = < x ,
1. c)
u
u
>
||u|| ||u||
1
1
< x , u > u = (x1 + x2 x3 x4 )u.
=
||u||2
4
Do :
p(x) = x q(x)
1
= (x1 , x2 , x3 , x4 ) (x1 + x2 x3 x4 )(1, 1, 1, 1)
4
=
1
(3x1 x2 + x3 + x4 , x1 + 3x2 + x3
4
+ x4 , x1 + x2 + 3x3 x4 , x1 + x2 x3 + 3x4 )
et :
||x p(x)|| = ||q(x)|| =
1. d) On a donc :
||(x1 , x2 ) (x1 , 1)|| = |x2 1|
si x1 1
||(x1 , x2 ) (1, 1)|| = (x1 1)2 + (x2 1)2
||x p(x)|| =
si x1 > 1 et x2 > 1
||(x1 , x2 ) (1, x2 )|| = |x1 1|
si x2 1.
1
|x1 + x2 x3 x4 | 4
4
1
= |x1 + x2 x3 x4 |.
2
3. a) Lapplication z x z est ane, donc continue.

Daprs le cours, lapplication u ||u|| est continue.
Par composition, on conclut :
f est continue sur K
3. b) Puisque B0 est ferme et que K est ferm, par intersection, K = B0 K est ferm.
375
Chapitre 10
Problmes de rvision
Puisque K B0 et que B0 est borne, K est borne.

On a : z0 B0 et z0 K, donc z0 K , do K .
On conclut :
K est une partie ferme borne non vide de Rn

3. c) Puisque f est continue sur K et que K est une partie

ferme borne et non vide de Rn , on conclut, daprs le cours :
f admet un minimum sur K
donc, puisque K est convexe : tz + (1 t)p(x) K.

Par dfinition de d, on a alors :

||x p(x)|| = d
x tz + (1 t)p(x)
5. b) Soit z K. On a, daprs a), en levant au carr :

2
t ]0 ; 1], ||x p(x)||2
x p(x) t z p(x)
.
Do, en dveloppant :
t [0 ; 1], ||x p(x)||2
3. d) Soit z K.
z, on a :
Si z B0 , alors z K , donc, par dfinition de #
||x z|| = f (z) f (#
z) = ||x #
z||.
Si z B0, alors ||z x|| > ||z0 x|| et, comme z0 K , on a
z||, do : ||x z|| ||x #
z||.
||z0 x|| ||x #
On conclut :
z K, ||x z|| ||x #

z||
3. e) On conclut :
Il y a existence du projet de x sur K
4. a) On a, pour tout (a, b) (Rn )2 :
x a + b
+ 1 ||a b||2
2
4

1
= ||(x a) + (x b)||2 + ||(x a) (x b)||2
4

1
=
||x a||2 + 2 < x a , x b > +||x b||2
4

+ ||x a||2 2 < x a , x b > +||x b||2
1
1
= ||x a||2 + ||x b||2 .
2
2
||x p(x)||2 2 < x p(x) , z p(x) > t + ||z p(x)||2 t2 ,

cest--dire :
t [0 ; 1], ||z p(x)||2 t2 2 < x p(x) z p(x) > t 0.
En divisant par t, on obtient :
t ]0 ; 1], ||z p(x)||2 t 2 < x p(x) z p(x) > 0,
puis, en faisant tendre t vers 0+ :
2 < x p(x) z p(x) > 0.
On conclut :
z K, < x p(x) , z p(x) > 0
Remarque : Ceci signifie que langle entre les vecteurs x p(x)

et z p(x) est obtus.
4. b) Daprs a), on a :
x u + v
+ 1 ||u v||2
2
4
1
1
1
1
= ||x u||2 + ||x v||2 = d2 + d2 = d2 .
2
2
2
2
Mais, puisque (u, v) K 2 et que K est convexe, on a :

1
u+v 1
= u + 1 v K,
2
2
2
x u + v
d.
donc, par dfinition de d :
2
Il sensuit : ||u v|| 0, donc u = v.
2
On conclut :
Il y a unicit du projet de x sur K
5. a) Soient z K, t [0 ; 1].
On a : z K et p(x) K,
376
5. c) Par hypothse, en remplaant z par p(x) (qui est dans K),

on a : < p(x) y , x y > 0.
Puis :
||p(x) y||2
= < p(x) y , p(x) y >

= < p(x) y , p(x) x + x y >
= < p(x) y , p(x) x > + < p(x) y , x y >
= < y p(x) , x p(x) > + < p(x) y , x y > 0,

0
0
do p(x) y = 0, p(x) = y.
6. b) On a, pour tout z K :
Daprs 5. a) et b), on conclut :

< x p(x) , z > = < x p(x) , z p(x) + p(x) >
= < x p(x) , z p(x) > + < x p(x) , p(x) >

Il existe y K unique tel que :

z K, < z y , x y > 0,
et on a y = p(x)
0
En notant , par exemple,
6. a) On a :
c=

< x p(x) , p(x) > = < x p(x) , p(x) x + x >
= ||x p(x)||2 + < x p(x) , x > < < x p(x) , x > .

<0
< x p(x) , p(x) > < < x p(x) , x >
on a :

1
< x p(x) , p(x) > + < x p(x) , x > ,
2
< x p(x) , p(x) > < c < < x p(x) , x >
et on conclut :
Il existe c R tel que :
z K, < x p(x) , z > < c < < x p(x) , x >
On conclut :
< x p(x) , p(x) > .
377
Index
A
approximation dune probabilit, 218
array[1..n] of integer, 280
array[1..n] of real, 280
asymptotiquement sans biais, 244
forme
bilinaire symtrique, 39
quadratique, 41
formule des probabilits totales, 151
H
hessienne, 118
base
orthogonale, 40
orthonormale, 40
biais, 244
C
converge
en loi, 218
en probabilit, 217
convergence
absolue, 67, 69
en loi, 218
en probabilit, 218
convergent, 244
covariance, 154
D
dfinie-positive, 41
densit, 180
dveloppement limit
dordre 1, dordre 2, 117
diagonalisabilit, 2, 3
diagonaliser, 2
dichotomie, 280
droite de rgression, 245
E
galit de Taylor-Lagrange, 119
espace vectoriel euclidien, 39
esprance, 152, 181
totale, 153
estimateur, 244
exemple
de Riemann en +, 67
de Riemann en b, 68
extremums
globaux, 119
locaux, 117, 120
F
fonction de rpartition dune va
densit, 181
for...do, 276, 277
378
I
indpendantes, 154, 181
ingalit
de Bienaym-Tchebychev, 217,
218, 244
de Markov, 217, 218, 244
de Cauchy-Schwarz, 39
intgrale impropre, 66
intervalle de confiance
au niveau de confiance, 244
au risque, 244
L
limite
dune intgrale, 69
dune probabilit, 218
linarit de lesprance, 182
loi
conditionnelle, 151
dune va relle, 181
de Bernoulli, 245
faible des grands nombres, 217
normale, 245
de probabilit
dun couple de va discrtes, 151
dune va discrte, 151
marginales, 151
M
majore, 119
minore, 119
mutuellement indpendantes, 153, 154
N
n-chantillon indpendant et
identiquement distribu, 245
nature, 66
norme associe, 39
notations de Monge, 117
O
orthogonal, 39
orthogonaux, 39
P
plus petit entier, 278
points critiques, 117
produit, 277
scalaire, 39
projet orthogonal, 40
puissances, 3
R
random, 279
random(n), 279
repeat...until, 277279
risque quadratique, 244
S
sans biais, 244
simuler une va, 279, 280
somme, 276
sous la contrainte dgalits
linaires, 120
sous-espace propre, 2
supplmentaire orthogonal, 40
symtrique, 40
systme complet dvnements, 151
T
tableau, 280
thorme
dquivalence, 67, 68
de la limite centre, 218
de majoration, 66, 68
de minoration, 66, 68
de transfert, 153, 182
spectral, 41
V
valeur approche, 278
de la limite, 277
de la somme, 278
propres, 2
variable, 276
variance, 153, 182
vecteurs propres, 2
W
while...do, 277279

Methodes Et Exos ECS 2eme Annee PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Methodes Et Exos ECS 2eme Annee PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Mathmatiques

Dunod, Paris, 2011

Table des matires

3. Intgrales sur un intervalle

Dunod. Toute reproduction non autorise est un dlit

5. Variables alatoires discrtes,

6. Variables alatoires densit

4. Fonctions numriques de plusieurs

Les mthodes retenir

10. Problmes de rvision

noncs des exercices

Pour bien utiliser cet ouvrage

La page dentre de chapitre

Les mthodes retenir

Pour bien utiliser cet ouvrage

noncs des exercices

Dunod. Toute reproduction non autorise est un dlit

Des conseils mthodologiques sont proposs

Corrigs des exercices

noncs des exercices

Corrigs des exercices

Dunod. Toute reproduction non autorise est un dlit

ev pour : espace vectoriel

Thmes abords dans les exercices

Calcul des puissances dune matrice carre

Rsolution dquations matricielles.

Points essentiels du cours

Dfinition de : valeur propre, vecteur propre, sous-espace propre

Matrices de passage, formules de changement de base, matrices carres semblables

Dfinition de la diagonalisabilit, dune diagonalisation

CNS de diagonalisabilit faisant intervenir la somme des sous-espaces propres

Condition susante de diagonalisabilit : n valeurs propres deux deux distinctes en dimension n

Toute matrice symtrique relle est diagonalisable.

Rduction des endomorphismes et des matrices carres

Les mthodes retenir

calculer, pour tout K, le rang de la matrice A In en fonction

revenir la dfinition, cest--dire rsoudre lquation f (x) = x,

Exercices 1.26 b), 1.34

faire intervenir la notion de polynme annulateur, si f ou A satisfait

SEP ( f, 0 ) = Ker ( f 0 IdE ) = {x E ; f (x) = 0 x},

rsoudre lquation f (x) = x, dinconnues K, x E \ {0} ou

si A admet n valeurs propres deux deux distinctes, alors, daprs le

Les mthodes retenir

si A nadmet quune seule valeur propre et si A In , alors A

Exercices 1.1 d), 1.8 c), 1.9, 1.13 c)

sinon, dterminer les sous-espaces propres de A puis les dimensions

si A est diagonalisable, en notant D la matrice diagonale forme

se rappeler que toute matrice symtrique relle est diagonalisable.

Exercices 1.1 a), b), c)

si f admet n valeurs propres deux deux distinctes, alors f est diagonalisable

Dunod. Toute reproduction non autorise est un dlit

Exercices 1.6, 1.25

on peut essayer de se ramener ltude de la diagonalisabilit dune

Exercices 1.7, 1.8, 1.12, 1.29.

Essayer dutiliser, si possible, une diagonalisation A = PDP1 de A,

Rduction des endomorphismes et des matrices carres

noncs des exercices

a) On note v1 = (1, 1, 0, 0), v2 = (1, 1, 1, 1), v3 = (1, 0, 1, 0).

a) Est-ce que A est diagonalisable ?

noncs des exercices

1.5 Exemple dtude de diagonalisabilit pour un endomorphisme de M2 (R)

1.6 lments propres dun endomorphisme dun ev de polynmes

1.7 Exemple de dtermination des lments propres dun endomorphisme de M2 (R)

c) Dresser le tableau des variations de la fonction f : 1 +