Documente Academic
Documente Profesional
Documente Cultură
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
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 ?
Corrigs des exercices
VI
1
2
4
12
15
38
39
41
47
50
7. Convergences et approximations
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices
8. Estimation, statistique
66
66
70
79
84
Du mal dmarrer ?
Corrigs des exercices
117
120
126
129
150
151
154
9. Algorithmique
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices
161
163
180
180
183
190
193
217
217
218
224
227
243
244
245
254
257
276
276
281
290
293
312
313
332
338
Index
378
III
IV
Du mal dmarrer ?
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
et des matrices carres
Plan
Les mthodes retenir
Du mal dmarrer ?
12
15
K dsigne R ou C
Par commodit, on utilise
les abrviations suivantes :
CHAPITRE
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
CNS de diagonalisabilit faisant intervenir la somme des dimensions des sousespaces propres
Polynmes dendomorphisme, polynmes de matrice carre, polynmes annulateurs dun endomorphisme, polynmes annulateurs dune matrice carre
Chapitre 1
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)
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
ou dune matrice carre A de M n(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
dun espace vectoriel E
ou dune matrice carre A de M n(K)
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
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
Exercices 1.1 a), b), 1.6 c), 1.9, 1.11 a), 1.27 d)
(suite)
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)
Exercice 1.6
Pour tudier
la diagonalisabilit
dun endomorphisme f
dun espace vectoriel E
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
Pour calculer
les puissances
dune matrice carre
Chapitre 1
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 .
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).
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
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 ?
f : M2 (R) M2 (R),
a b
d b
.
c d
c a
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
1.10 Exemple dtude de diagonalisabilit dune matrice carre dordre 3 paramtre, daprs
EDHEC 2008
3 a 5 + a a
5
5 2
5
Chapitre 1
0 0 1
010
b
a c
c b a+c
Montrer que, pour tout (a, b, c) C3 , M(a, b, c) est diagonalisable dans M3 (C).
11
M2 (R) et f : M2 (R) M2 (R), M AM.
11
a) Vrifier : f L M2 (R) .
On note A =
10
01
00
00
,
E2 =
,
E3 =
,
E4 =
.
E1 =
00
00
10
01
e) Est-ce que f est 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.
1 si (i = 1 ou j = n)
Soient n N \ {0, 1}, A = (ai j )i j Mn (R) o : ai j =
0 sinon.
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 :
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.
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
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.
1.22 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
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 ?
2
1
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.
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
n
k=1
ak
.
+ ak
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
1) Montrer :
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
k
Im (ui ).
i=1
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.
(A In )2 0,
A(A In ) 0.
0 0 1
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.
1.35 Comportement asymptotique des valeurs propres dune matrice carre dordre n
1
1
1 1 ...
1 0 ...
.
0 0 ..
.. ..
. . (0)
0 0 ...
0 Mn (R).
..
.
cn > 2,
cn +,
n
cn
n,
bn 1,
n
an n.
n
11
Chapitre 1
Du mal dmarrer ?
1.1
1.6
a) Pour dterminer les vp de A, tudier le rang de la matrice A I3 selon les valeurs du rel .
a) Immdiat.
1.7
1.8
a) Immdiat.
1.9
1.2
a), b) Immdiats.
1.10
1.3
1.4
1.11
1.12
a) Immdiat.
x y
M2 (R).
z t
x y
M2 (R).
z t
1.5
a) Immdiat.
12
1.13
Du mal dmarrer ?
1.14
b) Rsoudre lquation AX
x1
x2p+1
1.15
Utiliser : 2 = 0 = 0.
X, dinconnues
R,
1.16
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
1.24
1.17
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
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 .
1.25
a) b) Immdiats.
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
1.27
a) Immdiat.
1.28
b) 3) Remarquer : r1 + r2 = , r1 r2 = 1.
13
Chapitre 1
1.29
k
i=1
1.30
1.31
1.32
de A.
1.33
1.34
lingalit triangulaire.
1.35
b) Montrer rg (An ) = 3 et dduire dim SEP (An , 0) = n 3 1.
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
que :
Dduire :
1in
A = QDQ1
et
1in
B = RER1 .
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
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
1 0 1
P = 0 1 1 ,
1 2 0
1 0 0
D = 0 1 0 .
0 02
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.
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
x ; x R
= Vect
2x
1
1 .
2
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,
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
si 1 et 1
si = 1
si = 1.
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
y
= Vect
;
y
R
donc : SEP (F, 4) =
1 3 1
P = 0 1 0 ,
201
1 0 0
D = 0 1 0 .
0 01
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
=
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
si = 2 ou = 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 :
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
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
Chapitre 1
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
a1 + a2 + a3 = 0
a1 a2 = 0
a2 + a3 = 0
a2 = 0
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,
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) .
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 :
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
donc 1 est vp de A et SEP (A, 1) = Vect 0 .
1
1
Si = 1, alors :
(S) x2 = x1 , x3 = 0, x4 = x1 , x5 = x1 ,
1
1
donc 1 est vp de A et SEP (A, 1) = Vect 0 .
1
1
Si = 3, alors :
(S) x2 = 3 x1 , x3 = 2x1 , x4 = 3 x1 , x5 = x1 ,
1
3
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
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
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,
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 :
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 .
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
a b
On a, pour toute M =
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
On a, pour toute M =
b
d
d = a
c = b
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.
1.6
SEP ( f, 1 2 i ) = Vect (1 2 i X X2 ).
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
f (1) = (2X 1) = 1 2X
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
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
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
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
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] :
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
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 :
1.10
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
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
Dunod. Toute reproduction non autorise est un dlit
().
si = 2 ou = 3
sinon.
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
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
1 = 0
dire :
32 1 = 0.
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
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 :
( 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
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
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 .
1
0
M =
0
0
1
1
0
0
0
2
1
0
0
.
3
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 :
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
x1 + x3 + + x2p+1 = x1 (1)
(2)
x2 + x4 + + x2p = x2
AX = X
..
x1 + x3 + + x2p+1 = x2p+1
1.15
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.
1 1 n
1
1
.. =
. ,
.
(0) ..
1
1
x1 + x3 + + x2p+1 = 0 et x2 + x4 + + x2p = 0 ,
SEP (A, p) =
1 1 . . .
..
. (0)
donc A2 A.
SEP (A, 0) =
. . . 1 1
. . . 0 1
. . .
(0) .. ..
... 0 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
On a alors AX = i X, donc AX = i X = i X.
Do : AX = i X.
Ainsi : X E i .
0
b
b
a !"
!"
not v
not u
et :
k 1 ; d, uk E i .
On a alors, en conjuguant :
d
k uk = 0.
k=1
d
k uk =
d
k=1
k uk = 0 = 0.
k=1
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
k=1
Do, en conjuguant :
X=
d
k uk =
k=1
d
k uk .
k=1
b) 1) On a : 0 = A2 + In = (A i In )(A + i In ),
donc comme i i , daprs lexercice 1.16, A est diagonalisable dans Mn (C) et ses valeurs propres sont parmi i et i .
27
Chapitre 1
1.18
Ker( f ) = SEP( f, 0) = E.
Donc :
1.19
si et seulement si
f = 0.
q fois
p fois
q fois
0 1 0
000
leurs propres de A se lisent sur sa diagonale, donc A admet 0
28
q fois
1.20
x2 = 0
f (v) = 0
x3 = 0
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
(0)
1
.
..
(0)
n
On a alors :
Ker ( f ) = Vect (ei ; i = 0),
Im ( f ) = Vect (ei ; i 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 ).
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.
ND = NN 2 = N 3 = N 2 N = DN.
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.
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 .
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
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 ,
(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,
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
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
(1)
(2)
(3)
et :
(3)
2
2
2 2(n 2) x2 = 0
2 4 4(n 2) = 0
(4),
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.
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
x1 + xn = x2
..
x1 + xn = xn1
2x + 2x + + 2x + 2x = x
2
On a :
x1 = xn , x2 = ... = xn1 ,
2 2x1 + (n 2)x2 = x1 (1), 2x1 = x2 (2).
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
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
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
k 0 ; n + 1, xk = (k + )r0k1 ,
o r0 =
(0)
...
ak
< 0.
( + ak )2
x2 x1 + x0 = 0
x3 x2 + x1 = 0
..
xn xn1 + xn2 = 0
x x + x = 0
0
..
.
f ()
x2 = x1
x1 + x3 = x2
..
xn2 + xn = xn1
x = x
. . . 0
x1
.. x1
(0) . x2
x2
. . .. = ..
.
. 0 .
xn1
. . xn1
. 1
xn
xn
1 0
=1 .
0
..
.
..
.
..
.
0
AX = X 0
.
..
do : x2 = ... = xn = 0.
Ensuite :
On a :
x0 = 0
xn+1 = 0
= 0
(n + 1) + r0n = 0
= 0
= 0 ou r0 = 0.
Do :
Ensuite :
i ui (x) =
i=1
1.29
k
i=1
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
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 .
Puis :
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
!"
Dunod. Toute reproduction non autorise est un dlit
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
=0
k
i=1
u j ui (xi ) = u2j (x j ) = u j (x j ) = x j .
!"
= 0 si i j
k
Dautre part :
Ainsi :
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.
Soit x E. On a :
Ceci montre :
f ( f 4 e) = f 5 f = 0.
Im (ui )
i=1
i 1 ; n, 2i + 1 0,
Chapitre 1
donc :
c) On a :
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 .
convient.
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
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 :
Remarque :
A(A In ) = A(A2 + 2A In )
= A(A In )2 = 0, exclu.
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
000
les valeurs propres de A se lisent sur sa diagonale : les valeurs
propres de A sont 0 et 1.
0 0 0
0 0 1
0 0 0
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.
Remarquons :
dans B est 0
=
0
1
0
0 cest--dire A.
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
1kn
1 jn, ji
35
Chapitre 1
|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
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
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 :
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 .
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 :
1in
n2
an
n.
n
n n
do :
Pn ()
Pn ()
donc : cn > 2.
=
c2n
!"
+(n 2)(cn 1) n 2,
!"
1
0
do :
+,
c3n
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
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 :
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 =
par
uik P(D) k j =
uik P(d j )k j = ui j P(d j ),
> 0 : cn n.
n
dfini
k=1
1in
Soit i 1 ; n fix.
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
41
Du mal dmarrer ?
47
50
38
CHAPITRE
Trouver une base orthogonale, trouver une base orthonormale dun espace vectoriel euclidien
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
Pour montrer
quune application : E E R
est un produit scalaire sur un R-ev E
Exercices 2.1, 2.10 b), 2.16 a), 2.19 c)1), 2.20 c)2).
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 :
F = x E ; y F, (x | y) = 0
Pour manipuler
des orthogonaux de sev
dun espace vectoriel euclidien E
Exercice 2.6
Exercice 2.6.
Exercice 2.22.
39
Chapitre 2
Algbre bilinaire
Exercice 2.16.
Pour calculer
le projet orthogonal pF (x)
dun vecteur x
dun espace vectoriel euclidien
E, (. | .)
sur un sev F de E
Pour montrer
quune matrice A de M n(R)
est symtrique
40
xi ei , o
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.
Pour montrer
quun endomorphisme f
dun espace vectoriel euclidien
E, (. | .)
est symtrique
n
Exercice 2.11 c)
Montrer quil existe une base orthonormale B de E telle que la matrice de f dans B soit symtrique.
Exercice 2.8 .
x E, q(x) 0
x E, q(x) = 0 = x = 0
Pour dcider
si une forme quadratique q : E R
est dfinie-positive
la dfinition : t S = S
Montrer que E est un espace vectoriel et que est un produit scalaire sur E.
n
ak
k=1
2
n
n
a2k .
k=1
41
Chapitre 2
Algbre bilinaire
T ( f ) | g = f | T (g) .
2 a 1
2
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
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.
1
1
(1)
.
..
a) On note T =
1
(0)
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.
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 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 .
Chapitre 2
Algbre bilinaire
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
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
2.13 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 :
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
(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
p
(ei | x)ei
i=1
Soient E, (. | .) un espace vectoriel euclidien, p N , F = (e1 , ..., e p ) E p .
On considre lapplication
f : E E, x f (x) =
p
(ei | x)ei .
i=1
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 :
f (x)g(x)
dx.
x2
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 ,
u(x)v(x) e x dx
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 ?
1
Mn (R).
i + j 1 1i, jn
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
x
(x2 x)f (x) + (2x 1)f (x) est la drive de lapplication
x (x2 x)f (x).
2.2
2.5
2.3
Dterminer une base de F, puis une base orthonormale (u1 , u2 ) de F laide du procd dorthonormalisation de
Schmidt.
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
#
3) Pour tout (f, g) E2 , calculer T (f) ## g laide dune
intgration par parties, en remarquant que lapplication
2.7
Soient R, y, z E.
47
Chapitre 2
Algbre bilinaire
2.8
2.9
c) 1) Calculer M3 + M en utilisant M2 = P I3 .
c) 2) Remarquer que, daprs 1), on dispose dun polynme annulateur de f.
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.
2.13
2.14
2.11
a) Immdiat.
a) Soit une valeur propre de S. Faire intervenir un vecteur propre X associ la valeur propre et calculer t XSX.
2.15
(i) = (ii) :
b) 2) Montrer : Im (f) H.
Raisonner sur les dimensions pour obtenir lgalit.
x=
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) :
Immdiat.
(iii) = (i) :
Appliquer lhypothse ek pour k 1 ; n fix, et dduire :
(ei | ek )2 = 0, puis : i k, (ei | ek ) = 0.
i, ik
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
2.16
Du mal dmarrer ?
2.17
n
2.21
a) Immdiat.
f(x) | x
pour obtenir
i=1
c) Utiliser b).
2.18
2.19
b) Obtenir : X 3 = In .
Utiliser le thorme spectral pour dduire X = In .
2.22
(1) = (2),
(2) = (3),
(2) = (4),
(3) = (2),
(4) = (2),
(2) = (1).
2.23
1
=
k
k N ,
tk1 dt.
0
x1
En dduire, pour tout X = .. Mn,1 (R) :
.
xn
$
t
Remarquer :
XHn X =
n
2.24
ti1 xi
2
dt.
i=1
a) 1) Dvelopper t X0 SX0 .
2.20
a) Calculer
n
aij |xj |.
j=1
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.
49
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
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
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
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).
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
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.
2 a 1 1
1
Ma U3 = a 3 a 2 = (3 a 2) 2 = (3 a 2)U3 .
1a2
1
1
0
0
1
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
3
3
3 a 2 > 0, ce qui revient : < a < .
2
2
51
Chapitre 2
Algbre bilinaire
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
2.7
Soient R, y, z E.
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
et :
t
2.9
( t AA)X = t A(AX) = t A0 = 0,
2.10
a) 1) Soit a ]0 ; +[. On a :
t
M(a) = t aI + (1 a)H
= aI + (1 a) H = aI + (1 a)H = M(a),
t
1
H2 =
16
=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)
=M
1
.
a
a) 4) On a, pour tout a ]0 ; +[ :
2
M(a) = M ( a)2 = M( a) = t M( a) M( a),
b) 1) On a :
t
M( a)X M( a)x = t X t M( a) M( a) X
= t XM(a)X = t XX = t XX.
Dunod. Toute reproduction non autorise est un dlit
7
3 3 2
3
7 3 2 .
3 2 3 2 10
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
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 .
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
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,
2.11
a) Il est clair que
x H, f (x) Im ( f ) H,
d) 1) On a :
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 >
54
on conclut :
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 :
2.12
u |
v >
u .
3
D, on a : v R , p( v ) = <
En particulier :
u |
u
p( i ) = <
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
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
Soit
w Im ( f ).
=f
v ).
v R3 tel que
w = f (
Il existe
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
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 ).
gt gt = g0 = e et gt gt = g0 = e .
2.13
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 a, en utilisant t P = P1 :
t
XS X = t X(PDP1)X = ( t XP)D(P1 X)
(0) y1
1
n
t
..
.. =
XS X = t Y DY = y1 . . . yn
i y2i .
.
. i=1
(0)
n yn
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 :
Do :
XS X
0.
||X||2
>0
(x | y) =
n
n
##
(ei | x)ei ##
(e j | y)e j
i=1
j=1
D = diag (1 , ..., n ).
On a :
R2 = (PP1)2 = P2 P1 = PDP1 = S .
On a :
R = t (PP1) = t P1 t t P = PP1 = R,
= i j
i 1 ; n, ||ei || = 1
n
On suppose :
E,
=1
i, ik
i, ik
XRX = YY =
t
n
)
Il en rsulte :
k y2k
0.
On conclut : R S+n .
2e mthode :
2.15
i=1
On dduit :
k=1
i=1
i=1
XRX = t XPP1 X
On a alors :
n
1re mthode :
n
n
i=1
Montrons S+n .
j=1
do :
i 1 ; n, ||ei || = 1.
(ei | ek )2 = 0.
!"
0
i k, (ei | ek ) = 0.
n
(ei | x)ei .
i=1
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
i=1
On obtient :
donc x u = 0, x = u =
n
i(i 1) (i k + 1)Xik
si k < i
i (k)
(X ) =
i!
si k = i
0
si k > i
0
(Xi )(k) (0) =
i!
donc :
(ei | x)ei .
i=1
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.
(Q, P) =
k=0
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
n
k=0
a) Soient R, x, y E. On a :
f (x + y) =
n
P(k) (0)
0.
k=0
2
P (0) = 0,
On a alors :
!"
k=0
p
p
(ei | x)ei +
i=1
p
(k)
(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
p
i=1
k=0
On a, pour tout P E :
0in
k=0
58
si k i
p
i=1
(ei | x) ei = 0,
!"
do : x Ker ( f ).
Il en rsulte : P = 0.
Soit x Ker ( f ).
=0
f (x) =
On a donc :
(ei | x)ei = 0,
i=1
2.19
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 ,
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
Mais :
=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
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
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.
(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
donc convergente.
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 ,
On a donc :
f E, < f | f > =
f (x)
x2
2
dx 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
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
0
x [0 ; +[, 0 f (x) e 1 .
ga : [0 ; +[ R, x x(x a) e x
=
$
0
+
t=2x
1
4
(x a) e 2x dx
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
=
1
2
d) Soit ( f, g) E .
$ +
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
donc convergente.
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
x
x
f (X)g(X)
X
X +
0.
=0
converge et que :
$
< f , g >=
0
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 .
Ainsi, lintgrale
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
1 2
( + 2 ).
2
On conclut : lintgrale
u(x)v(x) e x dx converge.
$ +
2
2
v(x) e x dx convergent.
u(x)v(x) e x dx converge.
2
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.
61
Chapitre 2
Algbre bilinaire
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,
do :
x2
$ 0
2
2
P(x) e x dx et
Puisque les deux intgrales
$ +
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 ,
1re mthode :
D3 = (P1 XP)3 = P1 X 3 P = P1 In P = In .
= 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.
On dduit : u = 0.
x [a ; +[, x2 P(x)
e x dx converge.
donc : X 3 = In .
puis :
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.
2.22
Montrons (1) = (2) :
On a :
=0
cest--dire :
||z||2 2 + 2(y | z) 0.
Soit (x, u) E 2 .
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) .
!"
=0
=0
Do :
0
#
##
#
x # p(u) = u ## p(x) = p(x) ## u .
2.23
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
xi
1i, jn
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
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 :
donc :
i 1 ; k, ui = 0,
|X0 | =
n
i=k+1
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
Notons 1 , ..., n les valeurs propres de S respectivement associes ces vecteurs propres, cest--dire :
i 1 ; n, S Xi = i Xi .
X0 S X0 = t X0 X0 = t X0 X0 = ||X0 ||2 .
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,
ti1 xi = 0.
a) 1) On a :
i u2i .
i=1
i=1
n
i=1
est conti-
i=1
u2i .
n
i=1
|| |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,
cest--dire :
(i, j) 1 ; n2 , xi x j 0.
i=1
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
70
Du mal dmarrer ?
79
84
CHAPITRE
Exemples de Riemann en +, en 0
f
a
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 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
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)
$
f (x) dx
a
tudier la convergence absolue, par les mthodes indiques cidessus, sachant que la convergence absolue entrane la convergence
f
a
Exercice 3.15
Exercices 3.27, 3.28
$
f (x) dx
a
f,
67
Chapitre 3
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)
le thorme dquivalence
f,
a
x b
Si f
Exercices 3.2 f), g), 3.21 d), 3.24 a), 3.35 b)1).
Pour dterminer la nature
f,
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
f,
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 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
Exercices 3.5 b), c), 3.16 b), 3.18 b), 3.31 b), 3.36, 3.38.
Exercice 3.33.
69
Chapitre 3
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
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
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
a)
sin3 x
dx
x2
e x cos x dx
b)
c)
0
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
b) Existence et calcul de I =
1
4
dx.
x2 (x + 1)(x + 2)
1
a 2
dx.
x2
3.8 Lien entre les convergences des intgrales de f et de f 2 , lorsque f est borne
$
| f (x)| dx converge,
0
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
2) En dduire lim Jn .
n
2) En dduire lim Kn .
n
3.10 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier, daprs
ESC 2007
In =
1
dx.
(1 + x3 )n
1
. En dduire lim In .
n
3n 1
3.11 tude dune intgrale dpendant dun paramtre, daprs EDHEC 2004
$
1
dt.
1 + t + t x+1
x +
Chapitre 3
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.
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
cos x
dx et
x
Soit R fix.
gentes.
gentes.
$
sin x
dx
x
cos x
dx et
x
cos x
dx et
x
cos x
dx et
x
$
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
xa ln x dx, a ] 1 ; +[ fix.
c)
0
72
1
dx,
(1 + x2 )n
Jn =
0
ln x
dx.
(1 + x2 )n
xn e x
2 /2
dx.
e ax e bx
dx converge.
x
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
1 2
( + 2 ).
2
+
a
f 2 et
$
f 2 et
e t
dt.
t
x 0
ln x.
1
dt existe et que un > 0.
(1 + t )n
2) En dduire :
n1
1
.
1
k
k=1
3) Montrer : un 0.
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
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 ; +[.
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.
1
.
x+1
3) En dduire : f (x)
x +
1
.
2x
x [0 ; 1], 1 ln 2 f (x) ln 2.
3) En dduire : f (x)
x 1
1
.
x+1
n1
k=0
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
f converge.
0
a) Montrer : f 0.
$ x
f (t) dt et en dduire : f (x) =
b) tudier
x/2
x +
1
x
+
1
x2 + 4x + 2 P(x)
dx
x
75
Chapitre 3
sin x
x
1 dx.
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
e) Dmontrer :
0
x +
e x
.
x2
e x
J(x).
x
e x
.
x
e u
du
u+x
x +
1
.
x
t e t dt.
un ()
.
n
d) En dduire : un () n e n .
n
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
c) En dduire : f (x)
ln x.
x +
3.33 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier
$
nxn ln x
dx existe.
xn 1
t
dt.
1+ x et
lim
x +
x 0
f (x).
n1
tk n t
k=0
n1
2
1 xn
dx.
1x
2) Dmontrer : In 0.
n
Existence et calcul de I =
0
sin2 x
dx en admettant
x2
+
0
sin x
dx = .
x
2
a) Montrer : f
| f | et
| f | convergent.
0.
+
| f f | converge.
c) Dmontrer : f 0.
+
77
Chapitre 3
$ +
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
$
| 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.
1 + t2 x + t
0
$ +
t
b) Dterminer lensemble E des R tels que lintgrale
dt converge.
1
+
t2
0
$ +
1
t
t dt.
t
dt converge et, laide dun
x+t
0
Du mal dmarrer ?
Du mal dmarrer ?
3.1
.
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
.
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
3.4
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
3.7
a) Calculer
0
1
x
a 2
dx, puis faire tendre X vers +.
x2
3.8
3.9
Pour In et Kn :
1
1 + t + tn
t +
1
.
tn
3.10
convergence.
3.5
a) Calculer
0
1
dx puis faire tendre X vers +.
(x + 1)2
d) Calculer
1
1
3
4
3.11
79
Chapitre 3
3.12
Non-convergence absolue :
c) f(x)
x 5/4 g(x).
x +
f(x)
x +
2
x3/2 e 3x ,
exemple, x g(x).
g) f(x)
x 2 g(x).
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 ).
t4
3.14
+ o (1).
tenir :
f(x) = 2 +
x 0
x
2
x
3.15
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 .
3.16
x + x 2
1
1
1
a) 2) Calcul : Remarquer
=
,
(x + 1)(x + 2)
x+1 x+2
$ X
1
1
3.17
a) Existence de In :
3.18
/2
est la drive de la
Du mal dmarrer ?
3.19
tude en + :
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.
d) 1), 2) Immdiats.
Majorer convenablement
3.20
a) 1) Dvelopper ( )2 .
a) 2) Appliquer 1) (, ) = |f(x)|, |g(x)| .
3.21
1 e t
t
Immdiat.
3.24
o (1).
x 0
3.22
Dunod. Toute reproduction non autorise est un dlit
c) 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
3.27
tude en 0 :
1
.
k
k1
tude en + :
Utiliser des dveloppements limits lorsque x tend vers +,
lexercice 3.15 et la convergence absolue.
3.28
81
Chapitre 3
3.29
1) Existence :
tude en + :
u ]0 ; +[,
1
1
1
=
.
u(1 + u)
u 1+u
e) 1) Utiliser d).
2) Calcul :
e) 2) Immdiat.
1
Utiliser le changement de variable t = , qui change les
x
bornes.
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
n1
tk , et remarquer :
k=0
d) Combiner b) et c).
Utiliser :
3.31
a) Considrer t2 (t e t ).
(, ) (R+ )2 , 2 + 2 2.
b) 2) Utiliser a).
1
t ,
t
par
3.32
3.36
1) Existence :
2) Calcul :
Pour (, X) fix, effectuer une intgration par parties sur [ ; X],
puis faire tendre vers 0 et X vers +.
3.37
tude en 0 :
3.33
tude en 1 :
3.38
3.34
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
Du mal dmarrer ?
3.39
2]
x2
.
2x
2
3.40
t
.
x
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
3.1
a) Lapplication f : [1 ; +[ R, x
est continue sur [1 ; +[ et f (x)
x +
x x+2
1
0.
x3/2
1
x x+2
b) Lapplication
f : [0 ; +[ R, x
x +
1
0.
x
1
(x + 1)(x + 2)
$
+
1
1
dx
x
(x + 1)(x + 2)
0
c) Lapplication f : [0 ; +[ R, x
est continue sur [0 ; +[ et f (x)
x +
x2 + 1
x5 + 1
1
x2
= 3 0.
x5
x
Daprs
lexemple de Riemann en + (3 > 1), lintgrale
$ +
1
dx converge.
x3
1
Daprs le thorme dquivalence
pour des fonctions 0, on
$
+
e) Lapplication f : [1 ; +[ R, x
84
ln x
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
Lintgrale
1
1
x = e x .
x ex
e
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 lexemple de Riemann en +, lintgrale
converge.
ex
x+1
On a : x [0 ; +[, f (x)
1
x+1
et :
1
0
x+1
x +
1
0.
x
diverge.
1
dx
x
Par
thorme dquivalence pour des fonctions 0, lintgrale
$ +
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 +
t [0 ; +[, 0
On a :
$
Lintgrale
e t dt = [ e t ]T0 = e T + 1
e x dx = [ e x ]0X = e X + 1
X +
1.
3.2
a) Lapplication f : ] ; 0] R, x
est continue sur ] ; 0]. On a : f (x)
1
x4 + x + 1
1
.
x4
$ 0
1
dx converge.
4 + x+1
x
b) Lapplication f : ] ; 0] R, x
est continue sur ] ; 0].
ex
x1
1.
T +
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
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.
,
e t
e t .
t+1
c) Lapplication f : ]0 ; 1] R, x
$ +
t
e
dt.
t+1
0
On a :
f (x)
x 0
x2 + 2
x2 + x
2
2
= 1/2 0.
x
x
x+1
x2 + 2x
f (x)
x 0
1
0.
2x
1
0
1
dx dix
ln x
x4 + x2
Chapitre 3
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
x ln x
f (x) =
x ln x 0,
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)| =
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
thorme de majoration pour des fonctions 0, lintgrale
$ +
| f (x)| dx converge.
1
donc convergente.
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
Lintgrale
x 0
e x dx = [ e x ]0X = 1 e 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 ; +[ :
a) Lapplication f : [1 ; +[ R, x
86
1
| sin x|
2.
x2
x
X +
1.
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
| f (x)| dx converge.
3.3
| f (x)| =
sin x + cos x
dx
x3 + 1
b) Lapplication f : [1 ; +[ R, x
1 + ln x
g) Lapplication f : ]0 ; 1] R, x
1 + (ln x)2
f (x)
x 0
On a :
Ainsi, lintgrale
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
| f (x)| dx converge.
Ainsi, lintgrale
f) Lapplication f : ]0 ; 1] R, x
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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 :
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
thorme dquivalence pour des fonctions 0, lintgrale
$ +
1
dx converge.
x 1
e
1
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
| f (x)| dx converge.
1
Ainsi, lintgrale
donc convergente.
cos x
dx converge.
e x + cos x
3.4
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 +.
Dunod. Toute reproduction non autorise est un dlit
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
On conclut que lintgrale
dt converge.
t2
T +
1.
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
| e t cos t| dt converge.
0
Ainsi, lintgrale
e x cos x dx converge.
On a :
$
0
t [0 ; +[, | e t cos t| e t .
Lintgrale
propre la borne +.
f (x)
x 0
x 0
ln x,
ln x 0.
On a :
x f (x) x ln x 0.
x 0
x 0
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
On a, pour ]0 ; 1] :
$ 1
%
&
ln x dx = (x ln x x) 1 = 1 ln + 1,
u = x
v = e 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.
1
a) Lapplication x
est continue sur [0 ; +[.
(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 + .
d) Lapplication x
On a, pour X 1 :
$
x2 3x 4
est continue sur [1 ; +[.
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
Do :
ln x dx 1.
0
88
u = 1
v = e x
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
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
est continue sur [0 ; +[.
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
&X
%
x4 e x dx = (x4 + 4x3 + 12x2 + 24x + 24) e x 0
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.
On dduit :
3.6
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.
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
est continue sur [1 ; +[.
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
Chapitre 3
I(a) = 1 a +
a2
.
3
1 2
1 *
3 2 3 + 1
3 2 1
+
+ .
(a 3a + 3) =
a
= a
3
3
2
4
3
2
4
=
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
1
0, on dduit, par encadrement :
n + 1 n
##
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
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
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 :
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
On a :
$
n N \ {0, 1}, 0 Kn
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
* 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
0, on dduit, par encadrement :
3n 1 n
lim In = 0.
3.11
Comme
a) Soit x R.
Lapplication : t
1
est continue sur [1 ; +[.
1 + t + tx
(t)
t +
1
0.
t x+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.
1
1
,
1 + t + t x+1
1 + t + ty+1
2e cas : x = 0
On a :
(t)
t +
1
0.
2t
diverge.
1
dt
2t
Par
thorme dquivalence pour des
fonctions 0, lintgrale
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1
3.12
3 cas : x < 0
e
On a :
(t)
t +
1
0.
t
diverge.
a) Lapplication f : [1 ; +[ R, x
1
dt
t
Par
thorme dquivalence pour des
fonctions 0, lintgrale
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1
ln x
x2
ln x ln x
= 1/2
x2
x
x +
0,
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
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
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 +
x [a ; +[, f (x)
1
0.
x
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
x3 + 1
x2 + x + 3
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
Daprs lexemple de Riemann en +, lintgrale
x
1
diverge.
not g(x)
5/4
x2 + x
ln x
f : [0 ; +[ R, x
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par thorme dquivalence
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.
x [a ; +[, x2 g(x) 1,
do :
x [a ; +[, 0 g(x)
do :
1
.
x2
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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.
Par thorme dquivalence
$ + 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
f (x)
x [a ; +[, 0 f (x)
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par thorme
$ + de majoration pour des fonctions 0, lintgrale
f (x) dx converge, et on conclut que lintgrale
a
$ +
e x dx converge.
0
3.13
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 g(x)
On a :
1
.
x2
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
g(x) dx converge.
a
Par thorme
$ + dquivalence pour des fonctions 0, lintgrale
f (x) dx converge, et on conclut que lintgrale
$ + 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
do :
1
.
x2
g(t)
t +
1
t2
= 2 0.
t4
t
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
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
Par le changement de variable t = x,
$ +
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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.
nulle.
1
.
t2
$ +
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
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
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
lexemple de Riemann en 0 (3/4 < 1), lintgrale
$ 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 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
do :
do :
4
4
On a :
x2 e x = x4 e x 0,
e x dx converge.
4
3.14
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par
$ + multiplication par une
2 + |a| + |b|
dx converge.
x2
1
constante,
lintgrale
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
| f (x)| dx converge.
1
donc convergente.
+ 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
x 0
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
$0 1
les deux intgrales
0
3.15
a) 1) On suppose ici = 0.
X
On a : X [1 ; +[,
1
tude en 0 :
cest--dire :
Ainsi, lintgrale
$
Comme 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
On montre de la mme faon que lintgrale
x
1
diverge.
Ceci montre que lintgrale
95
Chapitre 3
x
1
## cos x ##
1
x [1 ; +[, ## ## .
x
x
+
1
sin x
dx
x
1
= +1
u = x
u = x = x
x
v = sin x
v = cos x
o u, v sont bien de classe C 1 sur le segment [0 ; 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.
Ceci montre que lintgrale
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
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Lapplication
f : x
Par thorme
$ + dquivalence pour des fonctions 0, lintgrale
f (x) dx converge, et on conclut que lintgrale
$ + 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
Ceci montre que lintgrale
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
o u, v sont bien de classe C 1 sur le segment [1 ; 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
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par thorme
$ + de majoration pour des fonctions$ +0, lintgrale
fn (x) dx converge, puis lintgrale
fn (x) dx
1
gn : ]0 ; +[ R, x
c) Soit a ] 1 ; +[ fix.
Lintgrale
ln x
(1 + x2 )n
est
On a, pour x ]0 ; 1] :
gn (x) =
$
ln x
(1 + x2 )n
x 0
ln x 0.
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
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
$
Par passage la fonction oppose, lintgrale
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
do :
1
.
x3/2
$ +
gn (x) dx et
gn (x) dx
0
1
$ +
gn (x) dx converge,
convergent, par dfinition, lintgrale
1
$
Enfin :
I1 =
0
On obtient :
1
dx = [Arctan x]+
.
0 =
1 + x2
2
n N , In =
2 2 .
1)!
(2n 2)!
2n1 (n
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)!
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 :
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
do :
c) 2) En utilisant b) :
I1 =
,
2
I2 =
I1 = ,
2
4
I3 =
donc : J2 = ,
4
3
3
I2 =
.
4
16
3.18
a) Soit n N.
Lapplication fn : [0 ; +[ R, x xn e x
2 /2
2 /2
On a :
x +
0,
x [a ; +[, x2 fn (x) 1,
x [a ; +[, 0 fn (x)
do :
On a, daprs b) :
1
.
x2
+
a
1
dx
x2
Par thorme
$ + de majoration pour des fonctions$ +0, lintfn (x) dx converge, puis lintgrale
fn (x) dx
grale
a
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 .
2
Puisque la fonction x e x /2 est paire, on dduit :
,
$ +
2
x2 /2
=
.
e
dx =
I0 =
2
2
0
2
(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
b) Soit A [0 ; +[.
f) Soit n N. Lapplication x xn e x
pair, et est impaire si n est impair.
2 /2
$ 0
2
xn e x /2 dx
Par le changement de variable t = x,
$ +
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
Puisque les deux intgrales
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 +.
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
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 +X
e aX
1
1
.
1
X
+
a
a
a
a
1
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
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 =
1
0$
f (x) dx
f (x) dx converge.
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
f (x) dx et
h(y) dy = 0.
0
e y
b
dy ln .
0
y
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)|
$
par
$ +addition et multiplication par une constante, lintgrale
1 2
( f + g2 ) converge. Par thorme de majoration pour
2
a
$
+
| 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.
e
t
On a : t [1 ; +[, 0 f (t) =
$
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 +
rme
$ + de majoration pour des fonctions
$ + 0, lintgrale
f (t) dt converge, puis lintgrale
f (t) dt converge.
1
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
est continue sur ]0 ; 1].
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
t +
et n 2 car : (, n) N2 , 2, n 1.
c) On a, pour tout x ]0 ; +[ :
$
1
est continue sur [0 ; +[.
(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.
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 .
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
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
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)
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 :
tlescopage
do : ln S n = ln u1 +
n *
k=2
ln 1 ln n = ln n,
1
1
ln 1
.
ln 1
k
k
1
1 1
1
ln 1
ln 1
.
k
k k k
do :
c) 4) La srie harmonique
1
k1
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 :
0.
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 ; +[.
2 f (x) f (x) + f (x + 1) =
x+1
2 f (x) f (x 1) + f (x) =
x
x ]0 ; +[,
Do :
$
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 +
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
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
fn (x) = x2n
d) 1) On a : f (0) =
f (x)
x
1 1.
x+1
2x
x
1, on dduit, par encadrement :
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
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.
+
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
f (x) =
3.26
x +
x [a ; +[, f (x) 1,
x [a ; +[, f (x) 1,
x +
0,
1
.
x
x2 + 4x + 2 P(x)
f : [1 ; +[ R, x
x
x2 + 4x + 2
On a :
contradiction.
0.
3.25
104
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
x +
x.
x +
o n N, n 2, an 0,
$ +
an xn1 . Comme lintgrale
xn1 dx
0, lintgrale
x [1 ; +[, f (x) =
x2
sin x
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
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
x
donc :
4
2
2
1+ + 2 +1+
x x
x
f (x)
x +
x +
1
0.
x2
+
1
1
dx
x2
Par
thorme dquivalence pour des fonctions 0, lintgrale
$ +
f (x) dx converge.
Par passage la fonction oppose, lintgrale
converge.
f (x) dx
1
sin x
dx converge.
x
2) On a :
x [1 ; +[, 0
1
sin x
2.
x2
x
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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=
(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
f (x) = e
## 1 ##
1
x [a ; +[, ##o 2 ## 2 .
x
x
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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.
convergent, par dfinition, lintgrale
1
3.28
On a :
donc :
Par
thorme de majoration pour des fonctions 0, lintgrale
$ +
## cos3 x ##
##
## dx converge.
x2
1
$ +
cos3 x
dx est absolument convergente,
Ainsi, lintgrale
x3/2
1
donc convergente.
4) Il existe a [1 ; +[ tel que :
## 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
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
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
$
+
f (x) dx diverge.
1
Puisque lintgrale
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
x f (x) 1,
lintgrale
do :
1
x ]0 ; a], 0 f (x) .
x
Daprs
lexemple de Riemann en 0 (1/2 < 1), lintgrale
$ 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 +
b) On a :
0,
x [b ; +[, 0 g(x)
1
.
x3/2
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
Puisque les deux intgrales
0
1
$ +
f (x) dx converge.
convergent, par dfinition, lintgrale
Dunod. Toute reproduction non autorise est un dlit
2) Calcul :
x ]0 ; +[, 0 J(x) =
x
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.
=
u = t2
v = e t
u = t
v = e t
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
t
x
t2
x
x
cest--dire :
do 2I = 0, et on conclut : I = 0.
puis :
I(x) =
e x
J(x).
x
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
= .
= 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
On a :
2+
t +
0,
un () n e n .
On conclut :
a) Soit x ]0 ; +[.
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
Daprs lexemple de Riemann en +, lintgrale
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.
+
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
lexemple de Riemann en 0 (3/4 < 1), lintgrale
$ x
1
dt converge. Par thorme de majoration pour des
3/4
0 t
$ x
1
fonctions 0, lintgrale
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.
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
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 :
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
do :
1/2
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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
fonctions 0, lintgrale
impropre).
1
.
t2
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,
nxn ln x
(x 1)(xn1 + + 1)
t +
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
t
dt
1+ x et
T
0
t
dt
1+ y et
>0
T
T
D (T ) =
1+ x eT 1+y eT
=0
si T > 0
si T = 0.
T +
f (x) f (y),
Chapitre 3
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!"
1
ln x
0
* t2 + ln x
t
dt =
2
4
(ln x)2
+,
=
x 0
4
donc : f (x) +.
x 0
On a, pour tout x [1 ; +[ :
$ +
$ +
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
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 :
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 :
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 .
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
x [1 ; +[, 0 f (x) =
On a :
1
n
1x
1x
1
=
,
1
n =
1
2
n1
1x
1 xn
1 + xn + xn + + x n
fn (x)
x 1
1
.
n
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
o u, v sont de classe C 1 sur le segment [ ; 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
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
lexemple de Riemann en + (2 > 1), lintgrale
$ +
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
3.37
a) On a : x [0 ; +[, f (x) = f (0) +
f (t) dt.
Comme lintgrale
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 +
Ceci montre que f admet une limite finie en +. Pour montrer = 0, raisonnons par labsurde : supposons 0.
car lintgrale
Puisque f (t)
t +
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 ; +[.
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.
+
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.
e at f (t) dt )
T +
0.
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.
$
2 f (0) =
$
x2 )
f (x) dx f ( 2) +
2x
2
0
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.
x2
: [0 ; 2] R, x 2 x
2
montre :
x [0 ; 2], 0 (x) 1.
$
2 | f (0)|
u = 1
v = f (x)
u = 2 x
v = f (x)
= 2 f (0) +
f (x) dx.
0
2
0
x2
u = 2 x 2
u = 2 x
sives. On a, avec
v = f (x)
v = f (x)
$ 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
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
(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
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.
Finalement : E = ] 1 ; 1[.
Lapplication
$
f : ]0 ; +[ R, x
0
1
t
t dt
2
1+t
x+t
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 + :
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
Puisque les deux intgrales
x
+
t
x
+t
0
$ + 1
t
convergent, par dfinition, lintgrale
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) :
X +
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
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
= ##
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
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
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
+ +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
Dtermination des extremums locaux dune fonction relle de plusieurs variables relles
Dtermination des extremums globaux dune fonction relle de plusieurs variables relles
116
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
Egalit de Taylor-Lagrange
Pour former
le dveloppement limit
dordre 2 en un point
pour une fonction
de deux variables relles
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.
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.
Chapitre 4
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
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 .
Pour dterminer
les extremums locaux
dune application f : U R
de classe C2
sur un ouvert U de R n,
o n 3
Pour montrer
quune fonction f : X R
nest pas majore,
nest pas minore
Exercice 4.8.
(x, y) X, f (x, y) m
(a, b) X, f (a, b) = m.
Alors f admettra m pour minimum global.
(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
Exercice 4.20
Essayer dutiliser lgalit de Taylor-Lagrange.
Exercices 4.8
Exercice 4.21
Exercice 4.20.
119
Chapitre 4
Pour tudier
les extremums locaux
dune fonction f : U R
sous la contrainte
dgalits linaires
g1 (X) = b1
..
C
g (X) = b
p
g1 (X) = 0
..
systme homogne
associ C .
.
g p (X) = 0
Exercice 4.13
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.
4.2 Exemple de calcul du dveloppement limit dordre 2 en un point pour une fonction de
deux variables relles
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
4.4 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
On note
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
f : R2 R, (x, y) x4 + y4 (x y)2 .
f : R2 R, (x, y) x4 + y4 4xy.
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
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.
g : R3 R, (x, y, z) x + 2y + z.
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 ?
4.16 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
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
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
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
deux variables relles
Dterminer les extremums locaux et les extremums globaux de
1
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
On note
g1 (x, y, z, t) = 1
Dterminer les extremums globaux de f sous la contrainte C
g2 (x, y, z, t) = 2.
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.
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
4.11
tk e t dt, k N.
2
4.4
b) Immdiat.
4.6
4.7
4.8
b) Immdiat.
4.9
a) Immdiat.
4.10
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
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
4.14
a) 1) Immdiat.
Du mal dmarrer ?
4.15
4.20
4.16
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.
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.
x 2 + y 2 t0 = |f(x, y)| M .
Dautre
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.
b) Immdiat.
Montrer que la restriction de f un segment du bord de D atteint son maximum en une extrmit de ce segment.
4.18
a), b) Immdiat.
Obtenir :
1
.
2(n + 1)
4.19
4.22
4.23
127
Chapitre 4
4.24
a) Immdiat.
128
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
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 ).
2 f
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
a) On a :
(x, y) R2 ,
f
(x, y) = 2 0,
x
2y
f : R2 R, (x, y) xy2 e x
2
f
2
2 2
x2 y
3 2
x2 y
f
2
2
f
(x, y) = (2y + 6x2 y2 ) + (y2 + 2x2 y3 )x2 e x y
xy
2 f
3
3 2 2
x2 y
p=
(A) = (1 + 2) e = 3 e
(A) = (2 1) e = 3 e
q =
y
f
(x, y) = x + 2y,
y
(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).
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
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
s = 1,
(x, y) = 0
x
(x, y) est un point critique de f
(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.
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (2b, b), b R.
On a, pour tout (x, y) R2 :
f
(x, y) = 2x 3y et
x
(x, y) = 0
x
(x, y) est un point critique de f
(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).
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (0, 0).
2 f
(x, y) = 3,
xy
2 f
(x, y) = 4,
y2
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
(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 :
f
(x, y) = 2x + 4y 7.
y
(x, y) = 0
x
(x, y) est un point critique de f
(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 :
re
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) =
4.5
Lapplication
f : ] 1 ; 1[ ] ; [ R, (x, y) x2 +
1 x2 cos y
(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
3
,0 ,
A=
2
B=
3
,0 .
2
2 f
(x, y) = 1 x2 cos y.
y2
s = 0,
1
t= ,
2
131
Chapitre 4
En particulier : x ]0 ; 1[,
De plus : f (A) =
5
.
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 :
f (x, 0) = x4
x +
+,
(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
(x + y)2
xy
= ln f (x, y) ln 4 = 2 ln 2.
4.7
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
4
2
2
2
f (x, 0) = x x = x (1 x )
b) On a, pour tout x R :
f (x, x) = 2x4 .
132
gy (x)
y1/3
0
m(y)
2 f
x
(x, y, z) =
.
z2
(1 + z)2
1
0
+
En particulier , en A :
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
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
!"
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
!" !"
X2
!"
0 0 1
0 2 0
1 0 2
0 1 0 0 2 0
!" !"
tX
2
f
(x, y, z) = ln(1 + z),
x
2 f
(A) = 2.
z2
De plus, m atteint son minimum en y = 1 et, pour y = 1, gy atteint son minimum en x = 1, donc :
2 f
(A) = 1,
xz
2 f
(A) = 0,
yz
2 f
(A) = 2,
y2
2 f
(A) = 0,
xy
2 f
(A) = 0,
x2
X2 HX2 = 2 < 0 et
X3 HX3 = 2 > 0.
4.10
1),
(x, y, z) = 2(y 1),
y2
yz
133
Chapitre 4
(x, y) = 0
x
(x, y) est un point critique de f
(x, y) = 0
y
2a
x=
a 2x + y = 0
3
x 2y = 0
y = .
3
f
(x, y) = a 2x + y,
x
f
(x, y) = x 2y,
y
On a donc :
(x, y) D, f (x, y) f
0
2a a
, .
3 3
D = (x, y) R2 ; 0 < y < x < 1 .
4.11
a) Soit (x, y) R2 fix.
Existence :
Lapplication
: t (t x)2 (t y)2 e t
3 3 3 3
=
=
I4 =
=
.
2
2 2
2 2
4
e
2 mthode : intgration par parties sur un segment puis passage la limite :
5
t R,
1
.
t2
(t) dt et
(t) dt
1
F(x, y) =
1
=
$
$
(t x)2 (t y)2 e
t2
dt
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.
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 =
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 :
Calcul :
On a :
u = 2t e t
t2k+1
,
v =
2k + 1
t2
u = e
v = t2k
1 1 1
=
=
,
2 2
2
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
(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
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
1
1
B= , ,
2
2
1
1
C= , .
2
2
Donc :
A
1
2
1
3
B
2
0
2
4
C
2
0
2
4
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
4.12
(x, y) = 0
x
(x, y) est un point critique de F
(x, y) = 0
y
8x
+
20y
28
=
0
x = 1
20x + 74y 94 = 0
y = 1.
F
(x, y) = 20x + 74y 94.
y
4.13
1) 1re mthode : se ramener aux extremums globaux dune fonction de deux variables relles :
0
1
3
x + y = 0
x = 1
2
2
F(x, y) = 3
y = 1
y 1 = 0
x +
=3
1
1
(x + y + z)2 = 9 = 3.
3 !"
3
< fA , H1 >= 0 et
(x + y + z)2 3(x2 + y2 + z2 ).
cest--dire :
+,
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 )
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.
(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)
est de classe C 1 sur louvert R2 et, pour tout (x, y) R2 :
(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
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).
Et :
(1) 1
2x
4x
=1
2
1 + (2x)
1 + x2
f (0) = 2,
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
En particulier :
f
(0, 0) = 0 et
x
f
(0, 0) = 0.
y
1 1 2
0 2x2 + 3y2 3(x2 + y2 ) 3 +
= 1,
9 9
3
donc :
(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 ).
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
2 f
1
(x, y, z) = x +
yz
(x + y + z)2
Remarque :
1
2 f
(x, y, z) =
.
z2
(x + y + z)2
4.16
Dunod. Toute reproduction non autorise est un dlit
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
1
1
1
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.
1 4 4
4/3
3 4 1 4 .
441
$
On a : x ]0 ; +[, F(x) =
f (t) dt,
1
puis :
1 4 4 x
t
XHX = x y z 4 1 4 y = x2 + 8xy + 8xz + y2 + 8yz + z2 .
441 z
ln(1 + t)
t
ln(1 + t)
1.
t 0
t
140
F1 : x
f (t) dt.
1
< v | w > = 1 + 0 + 1 = 0,
a) Lapplication f : ]0 ; +[ R, t
f (t) dt +
0
< u | w > = 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
(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
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
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.
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 =
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
Et :
k=1
=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
111
1
que U = C tC, o C = 1 .
1
On a, pour tout X M3,1 (R) {0} :
t
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 :
3 4
, ,
5 5
3 4
A2 = , .
5 5
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
f
1 2 2
1 (x2 +y2 )
f
.
y (x, y) = 4 y(3x + 4y) e 2
On a donc, pour tout (x, y) R2 :
A1 =
Lapplication
(x, y) = 0
x
(x, y) est un point critique de f
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
3 4 9 + 16
1
1
=
,
e 2 = 5 e 2 .
5 5
5
f (A2 ) = f (A1) = 5 e 2 .
143
Chapitre 4
4.21
On a :
12 (x2 +y2 )
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 :
1
t [t0 ; +[, 7 t e 2 t < M.
On a alors :
(x, y) R2 ,
x2 + y2 t0 = | f (x, y)| < M .
3 2
5
4 2
5
D1 D2 = {A},
D1 D3 = {B}, D2 D3 = {C},
Lensemble D est lintersection de ces trois demi-plans ferms, donc D est le triangle plein limit par les trois droites
D1 , D2 , D3 .
f1 : [ t0 ; t0 ]2 R, (x, y) f (x, y)
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
Mais :
g(x, y) = x2 + y2 = x2 +
not h1 (x)
20/29
0
2
+
13
h1 (x)
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
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 =
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)
f (B) = 2,
f (C) = 3.
3/5
0
0
+
4
h2 (x)
donc :
Sur [BC], on a :
Max g(x, y) = 4.
(x,y)[CA]
1 x 2 et y =
2x + 5
,
3
donc :
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
not h3 (x)
10
2
13
0 +
2
13
h3 (x)
x
h3 (x)
donc :
(x,y)[BC]
145
Chapitre 4
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
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
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 :
x = (2z + t)
y = (5z + 4t).
3
f (A) =
25
1 2
.
25 + 72 + 52 + (1)2 =
282
28
4.23
a)
M C , f (M) f (A).
v = (1, 4, 0, 3).
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)
f
2
(x, y) = 2y
.
y
y x
(x, y) = 0
x
(x, y) est un point critique de f
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
2
1 1
+ 2 ln = 1 ln 2.
2 2
2
y +
+,
=0
=0
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
2
0
+
0
f (x)
e 2
(x) = (x + 1) e 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) est un point critique de F
(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
f () = ( 2) e < 0,
f (2) = (2 2) e 2 > 0.
2
2
rt s2 = f () f (2) f (2)
=
f () 2 f (2) f (),
!" !" !"
<0
>0
<0
On dduit :
149
Variables alatoires
discrtes, vecteurs
alatoires discrets
Plan
Les mthodes retenir 151
noncs des exercices
154
Du mal dmarrer ?
161
163
150
CHAPITRE
Loi dun couple de variables alatoires discrtes, lois dun vecteur alatoire discret, lois marginales, lois conditionnelles
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
Pour dterminer
la loi de probabilit
dun couple (X, Y) de va discrtes
Plus prcisment :
Pour dterminer
les lois marginales
connaissant la loi de probabilit
dun couple (X, Y) de va discrtes
P(X = x) =
P (X = x) (Y = y)
yY()
P(Y = y) =
P (X = x) (Y = y) .
xX()
Pour dterminer
la loi de probabilit dune va Y
fonction dune va discrte X
y Y(), P(Y = y) =
P(X = x).
xX() / f (x)=y
Exercice 5.3.
151
Chapitre 5
Pour dterminer
la loi de probabilit dune va Z
fonction dun couple
de va discrtes (X, Y)
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
E(X) =
+
xn P(X = xn ).
n=0
(suite)
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 ;
V(X) = E(X 2 ) E(X) 2 .
1i< jn
Chapitre 5
Utiliser :
ou
%
&
Cov(X, Y) = E X E(X) Y E(Y)
Cov(X, Y) = E(XY) E(X)E(Y).
Exercice 5.1.
Yn = Xn Xn+1
et Un = Y1 + + Yn .
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 :
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
.
On dfinit la va Y par : , Y() =
X()
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
Chapitre 5
Yn =
n
-
Xi .
i=1
Sn =
n
Xi .
i=1
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.
n2
.
4(2n 1)
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.
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).
Chapitre 5
2pqn
.
1+q
k
P(Xn = k 1).
k+1
j=0
1
unk .
k+1
uj
= 1. En dduire u0 , u1 , u2 , u3 .
n j+1
1) Montrer :
n N , P(T = n) =
k=0
n=0
n0
Enfin, on pose :
U = min Xi
1in
et V = max Xi .
1in
qi
i
i=1
X B(n, p),
X G (p),
X P().
G X (t) G X (1)
=
1 + t + + tn1 pn .
t1
n=1
+
G X (t) G X (1)
est croissante sur [0 ; 1[.
t1
N
n pn GX (1).
n=1
X B(n, p),
X G (p),
X P().
Chapitre 5
Montrer :
, S () = X1 () + + XN() ().
x ln x si x > 0
0
si x = 0.
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
Du mal dmarrer ?
Du mal dmarrer ?
5.1
5.7
P(X = i, Y = j) = 1.
(i,j)N2
5.2
5.3
a)
Remarquer :
et justifier :
n=0
b)
Remarquer :
et justifier :
+
2n
, considrer S2 =
et dPour calculer S1 =
(2n + 1)!
(2n)!
n=0
n=0
terminer S1 + S2 et S2 S1 .
5.4
2n+1
b) crire :
+
P(Z = 2n).
n=0
Xi + 1
. Dterminer la loi
2
des Xi , exprimer Sn en fonction de ces va puis utiliser le cours.
5.5
5.6
a) 3) Montrer :
5.8
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
5.10
n
iXi .
i=1
5.11
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.
5.12
161
Chapitre 5
5.13
5.17
5.14
a) Utiliser, par exemple, la formule des probabilits totales avec comme systme complet dvnements
(Xn = 0), . . . , (Xn = n).
a) Obtenir :
5.18
k=0
k=0
N N , t [0 ; 1[,
(1 + t + + tn1 )pn
n=1
+
(1 + t + + tn1 )pn .
n=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
5.15
b) 1) Montrer :
+
crire :
n N,
n1
P(X > k) =
k=0
n
k=0
kP(X = k)
k=0
n1
t [0 ; 1], GS (t) =
n=0
k=1
b) 1) Obtenir :
H(X0 ) = ln n.
k=0
n
ui 0.
kP(X = k) est
k=0
c) 1) Obtenir :
5.16
1
si
nui
majore et conclure.
k0
P(N = k)P(X1 + + Xk = n) tn ,
+
+
5.20
c) 1) Montrer :
0
kP(X = k),
k=n+1
n+
162
tn 1 k
=
t .
t1
n1
c) 3) Justifier :
P(Xn = k) = 1.
E S | (N = n) = nE(X1 ).
H(X0 ) = ln p
1p
ln(1 p).
p
vn
si
un
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).
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 ) =
n
V(Yi ) + 2
i=1
1i< jn
n
n1
V(Yi ) + 2
i=1
Cov(Yi , Y j )
!"
= 0 si j i + 1
Cov(Yi , Yi+1 )
i=1
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 :
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
et
et
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
On a, pour tout n N :
P(Y = n) = P(X = 2n) = (1 p)2n1 p.
Puis :
=
=
n=0
+
nb j
nb(1 b) nbr
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
+
+
n
(1 p)2
n=0
= p
n=0
1
1
=
.
2
1 (1 p)
2 p
la srie
nP(Y = n) converge
n0
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!
.
=
k
1 ! k2 ! k3 !
0
si k1 + k2 + k3 n
P(Y = 0) = P
1 p
.
p(2 p)2
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 +
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
+
+
(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
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
Soit n N.
On a : (Z = 2n + 1) = (X = 1) (Y = 2n + 1),
do, par indpendance de X et Y :
Dunod. Toute reproduction non autorise est un dlit
(Z = 2n).
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
nP(Y = n) converge
N
5( + 1)
.
2
.
2
2
4
n0
On a : N 0,
E(Z 2 ) =
.
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
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
n1
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) =
n
4
n+1
j
4
=
en utilisant
=
n(n 1) j=2 2
n(n 1) 3
j=2
=
=
(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 :
=
2
3
9
%
&
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
18
18
2
i=1
i( j 2)
i=1
4
3
9
+
%
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
36
36
=
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) =
(n + 1)(n 2)
.
18
1
.
2
Ainsi :
E(n + 1 X) = n + 1 E(X),
Ainsi :
V(n + 1 X) = V(Y).
(n+1)(n2)
36
(n+1)(n2)
18
a) 1) Soit n N .
Cov(X, Y)
=
(X)(Y)
5.6
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
Or :
166
j=2
n1
j( j 2)P(Y = j)
j=2
n
j1
n
n
i=1
n
Xi2 =
E(Xi2 ).
i=1
E(Yn2 ) = 1.
E(S n ) =
Et donc :
V(S n) =
P(Y2 = 1) = 1 P(Y2 = 1)
= 2p 2p2 = 2p(1 p).
Par incompatibilit des vnements puis indpendance des variables, P(Y3 = 1) = p3 + 3(1 p)2 p.
Et donc :
Sn =
i=1
P(S n
= pn p + (1 pn ) (1 p).
1
.
2
converge et
P(X = i, Y = j) converge, et
+
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
1
La suite de terme gnral pn est alors une suite gomtrique
2
de raison (2p 1).
n k
= k) =
p (1 p)nk .
k
(i, j)N2
n N , pn =
Xi + 1
;
2
n
n
2Xi 1 = 2S n n, o S n =
Xi .
5.7
P(Yn+1 = 1)
Ainsi :
On en dduit :
E(Xi2 ) E(Xi )2
Xi
n
i=1
V(Xi ) =
= 1 p3 3(1 p)2 p.
Or :
n
On en dduit que :
P(Y3 = 1) = 1 P(Y3 = 1)
On en dduit :
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
= p + (1 p) = 2p 2p + 1.
2
E(Xi ) =
i=1
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
Chapitre 5
P(X = i) =
Alors :
+
P(X = i, Y = j) = a e
j=0
1 i+1
=
2e i!
i+1
i!
1 j+1
, par symtrie des rles de i et j.
2e j!
1 2
P(X = 0)P(Y = 0) =
0.
2e
la srie
i j P(X = i, Y = j) =
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
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
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
N 2,
N
j=0
Soit i N. Alors :
Soit i N. Alors : N 1,
3
.
2
1
3 3
= .
2 2
4
positifs).
N
1 i2 + 2i
.
2 e i!
+
j=0
Et :
Donc : i N,
1 i + 2i
1
( e i2 + 2 e i) =
.
2e2 i!
2 e i!
2
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
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
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 .
1
p
et
V(X) =
1 p
.
p2
la srie
par la formule de transfert.
E(X ) + E(X)
(n + 2)(n + 3)
P(X = n, Y = m) =
n=1
+
mP(Y = m) converge
m2
On a :
M 2,
= p2
M
M
mP(Y = m)
m=2
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
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 :
la srie
m2 P(Y = m) converge
m2
Soient n 1 ; + et m 2 ; +. On a :
2
3 = p
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
2(1 p)
.
p2
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
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
(2n 1)! n! n!
1
= .
(n 1)! n! (2n)! 2
1
.
2
1
.
2
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
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 :
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
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.
E(N) =
1
p
et V(N) =
1
.
p
q
.
p2
n1
(absolument).
171
Chapitre 5
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
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
+
+
k1
(pq
k=1
= p2 qn
n+k1
)(pq
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
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.
n0
2q
.
p(1 + q)
c) On a E (X Y)2 = E X 2 2XY + Y 2 )
5.13
a) Lvnement (Z = 0) scrit :
+
1
(X = k) (Y = k).
(Z = 0) = (X = Y) =
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
k=1
1
p2
p
=
=
.
2
1q
(1 q)(1 + q) 1 + q
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
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).
=
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
n
n+1
k=0
c) Soit n N. Alors :
(k + 1)P(Xn+1 = k) P(Xn+1 = 0)
P(Xn+1 = 0)
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
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.
Pour n = 1, on obtient :
Donc u1 = 1
1
u0
= .
2
2
Pour n = 2, on obtient :
Donc u2 = 1
u0
+ u1 = 1.
2
u0 u1
3
2
Pour n = 3, on obtient :
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
=
.
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
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
diverge.
Ainsi
Ainsi, la srie
b) 2) Supposons que
n0
n N , 0
a) Soit n N . On a :
k=1
n
k=1
n1
k=0
n1
kP(X > k 1)
n1
k=0
n1
k=0
n0
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
k=1
n
k P(X > k 1) P(X > k)
=
On a, daprs a) :
5.15
+
n=0
n0
n0
k=0
k0
converge (absolument).
kP(X > k)
k=1
P(X > k)
k=0
n
Donc :
kP(X > k)
k=1
E(X) =
+
n=0
k=0
n0
On a :
n 0, nP(X > n) =
+
k=n+1
+
+
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 :
P(U > k) =
n
-
i=1
k=0
n
2
i=1
n+
P(X > k) =
+
n=0
5.16
kP(X = k).
k=n+1
On en dduit :
k
E(X) =
k=n+1
n0
kP(X = k)
+
=k+1
+
P(Xi = )
=k+1
q 1 p = pqk
1
= qk .
1q
Donc :
k N , P(U = k)
On en dduit :
k0
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) =
i=1
des va Xi , on obtient :
P(V k) =
n
-
P(Xi k).
+
1 (1 qk )n
not uk,i
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.
i=1
Or :
k0
la srie
k0
On en dduit :
sont positifs).
P(V > k) =
+
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
E(V) =
converge.
kP(X1 + + Xn = k)
E S | (N = n) =
+
k0
On a, pour tout k 0 :
k=0
k n
=1 e
n ln(1qk )
On en dduit :
k0
k0
Chapitre 5
On a, pour tout M 0 :
0nM
P(N=n)0
0nM
P(N=n)0
= E(X1 )
E S | (N = n) P(N = n)
M
nP(N = n)
0nM
P(N=n)0
n=0
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
converge.
Donc : : t
k=0
G X (t) G X (1)
est croissante sur [0 ; 1[.
t1
P(X = n) = 1,
car X prend ses valeurs dans N.
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
n=1
N
N
n1
(1
+
t
+
+
t
)p
npn
t1
Or :
n=1
n=1
(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!
Si X P(), alors :
t [1 ; 1], G X (t) =
npn = E(X).
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
et
n=0
+
+
un,k =
un,k .
k=0
k=0
+
Or : k N,
= P(X = k)t
= 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).
5.19
a) La va X + Y est valeurs dans N et,
pour tout n N, P(X + Y = n) =
=
n=k
k=0
pt
est drivable
1 (1 p)t
n
Puis :
n=k
+
+
n=0
k=0
n=0
un,k =
n=0
+
k
n
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
k=0
Ainsi, t [0 ; 1],
Dunod. Toute reproduction non autorise est un dlit
+
+
G X+Y (t) =
+
n
n=0
P(X = k)P(Y = n k)tn .
k=0
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
Chapitre 5
Ainsi :
t [0 ; 1],
GS (t) =
+
+
n=0 k=1
+
+
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).
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
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
xX()
H(X) = 0
n0
la srie
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
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
i 1 ; n, ui 0 et
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
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 ) ().
!"
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
Les mthodes retenir 180
noncs des exercices
183
Du mal dmarrer ?
190
193
CHAPITRE
Montrer quune va densit admet une esprance et une variance et les calculer.
Lois usuelles et leurs proprits : loi uniforme sur un intervalle, loi exponentielle, lois et , loi normale.
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.
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.
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
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
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
converge absolument ;
E(X) =
Exercice 6.18
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 .
Exercice 6.18.
182
(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.
E(X) = 0.
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
c c|x|
.
e
2
I(a, b) =
a) Montrer :
I(a + 1, b) =
a
I(a, b).
a+b
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
0 si t < a
t R, f (t) =
a
2 si t a.
t
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).
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)
Chapitre 6
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
X
. 1) Montrer que Q est une va densit et donner une densit de Q.
Y
2) La va Q admet-elle une esprance ?
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.
0
si x < 0
.
1
si x 0
(1 + x)2
c) On pose Y = X +
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
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.
1) Justifier :
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.
$
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).
1 F(t) dt converge.
E(X) =
1 F(t) dt.
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).
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 :
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
6.2
190
a) crire P(X 0) =
ment 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
Du mal dmarrer ?
6.5
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
6.8
6.11
y b
si a < 0 : y R, P(Y y) = 1 F
Exprimer E(X) et E(X ) laide des intgrales I(a, b), puis en dduire V (X).
6.9
6.10
6.12
6.13
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
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
191
Chapitre 6
z [0 ; 1[, P(Z z) =
n=0
6.16
6.17
6.18
6.21
n
6.22
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
b) 1) Remarquer :
x R+ , x 1 F(x) =
+
x
xf(t) dt
tf(t) dt.
x
sultats du b).
6.19
6.20
de Z.
192
a) Remarquer que Tn =
i=1
E(Z 2 ) = E(X 2 ).
k
.
k 1 ; n, E(Yk ) =
n+1
6.24
+
n=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
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 :
6.2
f (t) dt =
$
f (t) dt = 1,
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
2 /2
f converge.
0
f converge et :
1.
Ainsi, lintgrale
$
f =
f+
f = 1.
Chapitre 6
Reprsentons la fonction f .
Or :
t e t
2 /2
f (x)
= A e A /2 0,
A
daprs les croissances compares.
2
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
t2 f (t) dt =
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
daprs les croissances compares.
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 :
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
= 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 :
$ 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).
6.5
t f (t) dt et
P(Y = y),
yY()
y>0
u f (u) du.
E(X) =
yY()
$0
Dans ce cas$:
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,
t f (t) dt et
t f (t) dt convergent.
Or :
Or :
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+ .
1
On a : P(Y = 0) = P(X 0) = , puisque X admet une
2
densit paire et daprs lexercice 6.3.
6.6
On a : y R, P(Y y) = P(aX + b y)
= P(aX y b).
195
Chapitre 6
y b
P(Y y) = P X
.
a
6.7
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
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 :
0
si z < 0
Ainsi : z R, FZ (z) =
F( z) F( z) si z 0.
et
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
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
$ 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
daprs les croissances compares.
$
On a : A > 0,
1
er
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.
t f (t) dt converge.
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.
t f (t) dt
1/2
On a :
ta1 dt
0
d) Soit n N .
On a :
1/2
$
+
Notons I(n) =
tn f (t) dt.
Alors :
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
tn f (t) dt =
n!
.
2cn
g converge
On en dduit :
a > 0 et b > 0 .
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
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
a
I(a, b).
a+b
b) La va X admet
$ une esprance
lintgrale
lintgrale
$
+
t f (t) dt converge
t f (t) dt converge
Or : A > a,
t f (t) dt
$
=
a
a
dt = a ln A ln a +.
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
1
.
2a
1
admet un moment dordre 2
X
1
la va Y 2 = 2 admet une esprance
X
$ +
1
lintgrale
f (t) dt converge absolument
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 =
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
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
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.
(Y y) = (X 2 y) = ( y X y), donc :
y+1 y+1 2 y
G(y) = F( y) F( y) =
=
.
3
3
3
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).
+
4
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
1
2
=2
Ainsi :
e u /2 du
2
0
$ +
$2+
=2
f (u) du =
f (u) du car f est paire
0
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
24
2 1
4
$
Ainsi :
I=
e 2x
2 4x2
, $ +
f (x) dx
2
,
=
, car f est une densit.
2
dx =
2x2 4x2
xe
dx =
x f (x) dx
J=
2
,
=
E(X) =
2
.
2
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
c) 1) On a :
x2 /2
= 1/2
u=2(x1) 2
2
2
2 2
,
(2) (2) .
=
2
On obtient :
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 .
A1 + A2 + + An = Xn .
n
k=1
V(Ak ) = n.
k=1
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
pn
n
2
4
h(0) = 0.
( 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) =
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 ) ;
P(U u) = F(r e u ) =
1
On reconnat une densit de la loi 2n, .
2
1
Donc les va Xn2 et Yn2 suivent la loi 2n, .
2
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
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 ) ;
r e v
= 1 e v .
r
* e t +s
et
es
=
dt =
.
2
2
2
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
es
si s 0
2
.
s R, FS (s) =
s
1
si s > 0
2
fU (t) fV (s t) 0
fU (t) fV (s t) dt.
t0
st 0
t0
.
ts
s
es
* e 2t +s
e 2s
0 =
.
= e s
e 2t dt = e s
= e s
2
2
2
$ 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
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
0
si q 0
si 0 < q 1
q R, FQ (q) =
.
2
si q > 1
1
2q
203
Chapitre 6
0+
0
De plus :
.
1
1
Alors : N 0, S N =
n=0
fQ (q)
q fQ (q)dq converge
n0
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.
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
t f (t) dt converge.
nP(Y = n) converge
n0
(n + 1)P(Y = n)
n=0
n0
f (t) dt =
E(X) E(Y) + 1.
(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
n+1
P(Y = n) =
nP(Y = n) E(X).
n=0
n=0
+
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).
f (t) dt
n
n0
1/2
n+1
Donc
$
N
n
n=0
n+1
n+1
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 :
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 :
+
1
(n X n + z),
n=0
P(Z z) =
donc :
=
=
=
=
+
$ 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
E(Z) =
P(n X n + z)
0 si x < 0
x si x [0 ; 1] .
par : x R, F(x) =
1 si x > 1
n=0
+
n=0
z
= 1 e
n=0
n=0
1 e z
.
1 e
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
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 :
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
FW = 0 = FW (1) = lim+ FW
lim
1
1
.
De plus,
lim
FW = 1 = FW (0) = lim
FW
+
0
Soit x R. Alors :
1er cas : si x < 0, alors
P(U x) = 0,
P(U x) = 1,
3e cas : si 0 x 1, alors
$ 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
x R \ [1 ; 1], fS (x) = 0.
0t1
1 x t 0
fX (t) fW (x t) 0
0t1
Or :
1 1 dt = 1 x.
x
1 + x si 1 < x < 0
1 x si 0 x < 1 .
x R, fS (x) =
0 sinon
206
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
P(V x) = 0,
P(V x) = 1,
3e cas : si 0 x 1, alors
P(V > x) = P (X > x) (Y > x)
= P(X > x)P(Y > x) car X et Y sont indpendantes
= (1 x) ,
2
donc :
+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
Alors :
0t1
0 xt 1
fV (t) fZ (x t) 0
0t1
Or :
y
1
f (x)
O
Chapitre 6
$
1er cas : si x < 0, alors F(x) =
$
Or : r2 r1 =
f (t) dt = 0.
0
$ x
*
dt
x
1 +x
1
+1=
.
=
=
=
2
0
(1
+
t)
1
+
t
1
+
x
1
+
x
0
On obtient alors :
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
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
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)
(Y y) = (r1 X r2 ).
=
=
1 + r2 1 + r1
(1 + r1 )(1 + r2 )
r2 r1
=
.
1 + r1 + r2 + r1 r2
208
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
0
si x < 0
n1
.
si x 0
n e x 1 e x
On a alors :
P(Yk x) = P(Nx k) =
=
P(Nx = j)
j=k
Hrdit : Soit n 1.
n
n
n
j=k
n j
F(x) j 1 F(x) .
On a :
t0
0 t x.
xt 0
$ +
gn+1 (x) =
0 dt = 0.
gn (t) fn+1 (x t) 0
1er cas : si x < 0, alors
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 .
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
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
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
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
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
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
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 =
.
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
On dduit :
a) On a : T n =
=1
B+
6.21
1
xg(x) dx .
B+
1
,n .
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) = .
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.
P(N0,t = n)
Soit n N. Alors :
$
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!
Chapitre 6
On en dduit :
Donc :
(h)0
= e h ,
0!
et ainsi :
On a alors :
P(X 0) = F(0) =
= 1 F(0) = 1
Wt E ().
P(X 1) = F(1) =
1
Il sensuit que la personne attendra en moyenne E(Wt ) =
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
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
1
1
Arctan x + .
x f (x) dx converge
$
+
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
3 1
= .
4 4
1 1
= ,
2 2
1 1 3
+ = ,
4 2 4
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),
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.
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
1
1
De plus : y R , FY (y) = Arctan
y
1 1
1
1
.
= 2
=
y 1 + y12
(1 + y2 )
1
= f (y).
(1 + y2 )
(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
=
(y + 1)2 1 + ( y1 )2
(y + 1)2 + (y 1)2
y+1
De plus :
do :
1
.
4
1
Arctan
1
1
.
1 + y2
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
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
Ainsi :
E(X) (x) 0.
x+
De plus :
$
On en dduit que
$0 +
1 F(t) dt converge et que
1 F(t) dt = E(X).
1 F(t) dt x 1 F(x)
0
!"
0
$ +
$ x
1 F(t) dt
1 F(t) dt,
x+
x+
lim
F = 0 = F(0) = lim
F.
t+
Lintgrale
$
0
X
n e t dt =
E(X) =
1 F(t) dt.
P(Mn x) = 0.
2 cas : si x 0, alors
P(Mn x) = P(X1 x, . . . , Xn x)
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
n
.
X+
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.
1er cas : si x < 0, alors
P(Un x) = 0.
215
Chapitre 6
2e cas : si x 0, alors
+
+
n=1
(1 p)n1 p e nx
= p e x
p e x
=
.
1 (1 p) e x
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).
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!
n=1
+
n=1
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 :
+
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
Convergences
et approximations
Plan
Les mthodes retenir 217
noncs des exercices
218
Du mal dmarrer ?
224
227
CHAPITRE
Montrer quune suite de variables alatoires converge en loi vers une variable
alatoire
Pour montrer
quune suite (X n) nN de va
converge en probabilit
vers une va X
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
Exercices 7.3, 7.12.
217
Chapitre 7
Convergences et approximations
Pour montrer
quune suite (X n) nN de va
converge en loi
vers une va X
Exercice 7.12.
Pour calculer
la limite dune probabilit
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.
lim E(Xn X) = 0 et
n
lim V(Xn X) = 0.
n
P(Xn = 0) = 1
1
n
et
P(Xn = n) =
1
,
n
Mn = max(X1 , . . . , Xn ).
x [0 ; 1], P(Mn x) = xn .
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.
Chapitre 7
Convergences et approximations
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
n
nk
k=0
k!
lim P(S n n) =
n
1
.
2
en
.
2
un =
220
n 1, P(Mn x)
2
. En dduire lim P(Mn x).
n
n2
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
1
.
2
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
Chapitre 7
Convergences et approximations
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.
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
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 )
nN
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
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
Convergences et approximations
7.23 Convergence en probabilit et convergence en loi dun minimum de va, daprs loral HEC
2010
0
si x < 0
.
2
x e x /2 si x 0
7.24 Nombre de points fixes dune application de 1 ; n dans lui-mme ou dune permutation
de 1 ; n
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)
Puis conclure.
2
224
n
+
1 *
V (Yk ) + 2
Cov(Yk , Y
) .
2
n k=1
1k<
n
Du mal dmarrer ?
7.4
Puis conclure.
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).
7.6
7.13
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)
7.7
7.8
de Xn .
Puis, pour tout x de R, noter kn = Ent(nx) et calculer P(Xn x)
en fonction de kn . Conclure.
7.9
Dunod. Toute reproduction non autorise est un dlit
7.10
7.11
7.15
Remarquer :
7.14
225
Chapitre 7
Convergences et approximations
7.16
b) Justifier :
x R, P(Wn > x) =
n
k=0
7.17
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
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
Puis utiliser :
7.23
x + ln n n
x R, P(Zn x) = P X1
.
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
Conclure.
7.19
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.
7.21
226
n (n 1)nk
.
nn
k
b) 2) Montrer :
k 0 ; n, P(Yn = k) =
nk
1 (1)i
.
k! i=0 i!
> 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.
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
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
= 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,
V(Xn X) + E(Xn X)
0.
n
2
Par le thorme dencadrement : P |Xn X| ) 0.
on obtient :
E(T n ) =
n
n
1
1 2 1
E(Yk ) =
p = (np2 ) = p2 .
n k=1
n k=1
n
n
+
1 *
V(Yk ) + 2
Cov(Yk , Y
) .
n2 k=1
1k<
n
227
Chapitre 7
Convergences et approximations
0 si x < 0
n
x si 0 x 1
x R, Fn (x) =
1 si x > 1
et donc :
Fn = 0 = Fn (0) = lim
Fn
lim
0
0+
.
De plus,
lim
Fn = 1 = Fn (1) = lim
Fn
+
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 ) =
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
7.4
a) Soit x [0 ; 1]. Alors :
228
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] .
n
puisque [0 ; 1].
= 1 Fn 1
=1 1
n
n
n
Soit x R.
Si x
R ,
alors :
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
nN
7.6
7.5
100 (1 0.5) = 50 5,
Or :
Alors :
E(X) = 100
1 1
1
= 50 et V(X) = 100 = 25.
2
2 2
229
Chapitre 7
Convergences et approximations
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 :
On a :
kn
j
j + 1
F
F
n
n
j=0
kn + 1
kn + 1
=F
F(0) = F
.
!"
n
n
180 200
= P(S 2)
On a : P(S 180) = P S
10 2
Or :
2 1.41 et (1.41) 0.921.
7.8
=0
1
kn + 1
x+ ,
n
n
kn + 1
x.
n
n
x R, Fn (x) F(x).
n
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).
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.
En particulier, on a :
E(S n ) = n et V(S n ) = n.
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.
n
nk
k=0
b) 1) Soit n N .
en
.
2
7.10
a) Soit n N .
0
si x < 0
n1
.
x R, gn (x) =
x
(n 1)! e si x 0
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.
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 :
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
1
P(S n n) .
n 2
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
Chapitre 7
Convergences et approximations
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
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 :
(Mn x) = (Mn m ) |Mn m| .
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 :
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
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 de loi N (0, 1).
En particulier :
P(S n 0) P(N 0) =
n
1
,
2
n
et donc :
V(S n )
V(nMn )
Mn E(Mn )
n
=
= (Mn m),
V(Mn )
2
1
.
2
7.13
X B(n, 1/6).
X
.
n
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).
Dunod. Toute reproduction non autorise est un dlit
5n
6
## X 1 ##
## ## 102 = 5 |X | 102
n 6
6 n
6 n
= |X |
.
100 5
Considrons N une va de loi N (0, 1) et notons sa fonction
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
1.96 100 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
P(Y = 0) = 1.
233
Chapitre 7
Convergences et approximations
d) 1) Soit n 1. Alors :
(1) :
(2) :
car Z1 , . . . , Zn P().
On obtient donc :
E(Yn ) = E
n
-
Zk =
k=1
n
-
(1)
E(Zk ) = n .
(2)
k=1
lim E |Yn Y| = +.
n
P(E) 1
25
.
(n 50)2
25
25
0.95
1 0.95 = 0.05
2
(n 50)2
(n
, 50)
25
n 50 +
72.3.
0.05
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
7.16
X B(n, 0.95).
n 30,
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
et
r2 23.22.
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
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
1
.
2
P(k Xn k + x)
k=0
donc :
1
n(1 e 1/n )
e 1/n = 1 +
Soit x R.
x fn (x) dx.
0
a) Soit n N .
On a :
$
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
Or :
P(Zn x) =
x/n
1 e x/n
= x x.
n
1 e 1/n n 1/n
235
Chapitre 7
Convergences et approximations
Alors : x R, P(X x) =
On a alors :
nN
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.
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
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
7.18
.
n
0
si x 0
.
1 e x si x > 0
x + ln n
0,
x + ln n n
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
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
e x+
+
.
Enfin :
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
*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
1
nx 1
Arctan
+ 1. On a alors :
2 n
n
1
nx 1
+
1 = Arctan
un n Arctan
n
, donc
2
nx
.
1
= ,
y 2
n
Arctan
.
nx
On en dduit :
1
1
n
= .
nx
x n x
P(Zn x) e 1/x .
n
n
i k1 i
1
i k1 i
1
=
.
1
n
n
n n i=1
n
n
y0
n
1
i=1
n
i=1
En utilisant lgalit :
un
1
0, donc lim F = exp(0) = 1.
+
x x+
0
on obtient :
1 1/x
e
0.
x2
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
n
P(Ai )E(Xn | Ai ) =
i=1
Puisque la srie
n
1
i=1
n 1
=
.
i
i
i=1
n
1
237
Chapitre 7
Convergences et approximations
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
et
k N , P(X = k) =
1
.
k(k + 1)
K N ,
1
k1
K
kpk =
k=1
K
k=1
K+1
1
1
=
+,
k+1
k K
k=2
P(Ai )E(Yn | Ai ) =
i=1
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
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 :
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 =
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
k N , P(Yn = k) =
n
n
b) 2) On a :
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 ) =
E(Y) =
p
.
2
pi
.
n
7.21
a) Dterminons la fonction de rpartition Fn de Vn .
Fn (x) = 1 si x > 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 :
et
Si x < 0, alors :
n 1, Fn (x) = 0 0.
n
Fn (x) 1 e x .
P(Wn > x) 1 e px = e px ,
n
et on en dduit : Gn (x) 1 e px .
n
On a alors :
7.22
a) Soit k N .
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 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
k=0
nk
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
Convergences et approximations
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
k 2 ; +, P(X = k) =
1
(n + 1) 1 n + 1
1 n
= n =
;
= n
n n
n
nn+1
n+1
k1 n+1
Ainsi : k 2 ; n + 1, P(Xn = k) = k
.
n
k
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
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 .
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
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!
x0
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 )
par indpendance des va
= 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
0 si x < 0
$ x
2
2
=
.
t e t /2 dt = 1 e x /2 si x 0
En particulier :
Soit x R.
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
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 :
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.
7.24
Alors :
n N , an =
et
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
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
Convergences et approximations
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 :
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
n
n
(1)i+1
n
qn =
(1)i+1 (n i)! = n!
.
i!
i
i=1
i=1
On en dduit :
242
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) =
Estimation, statistique
Plan
245
Du mal dmarrer ?
254
257
CHAPITRE
Estimateur dun paramtre, biais dun estimateur, risque quadratique dun estimateur, estimateur sans biais, estimateur asymptotiquement sans biais, estimateur convergent (ou consistant)
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
Estimation, statistique
Pour montrer
quun estimateur T n de g()
est sans biais
Pour montrer
quun estimateur T n de g()
est convergent
Pour montrer cette convergence en probabilit, penser utiliser lingalit de Markov ou lingalit de Bienaym-Tchebychev.
(xi , yi ) ; i 1 ; n
Chapitre 8
Estimation, statistique
X1 + + Xn
est un estimateur sans biais et
n
n
1
(Xk Xn )2 .
n k=1
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 =
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.
Chapitre 8
Estimation, statistique
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%.
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
a) On pose Mn =
n
1
Zk .
n k=1
3) Montrer :
E(S n ) = N
N1
k n
k=0
, et en dduire :
E(S n ) N
N
.
n+1
minimum.
b) Reprsenter sur une mme figure le nuage de points et la parabole obtenue.
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 .
2
x
1
si 0 x
x R, f (x) =
.
0
sinon
249
Chapitre 8
Estimation, statistique
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
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
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 .
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
Estimation, statistique
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 ?
a+1 si x 1
x R, f (x) =
.
x
0 sinon
a) Montrer que f est une densit dune va relle X.
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
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
n
x2i .
i=1
n
xi = 1.
i=1
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
Estimation, statistique
Du mal dmarrer ?
8.1
8.2
2
a) Appliquer lingalit de Markov la va Tn g() .
8.3
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.
8.4
8.5
8.6
en t.
1
et dterminer la droite de rgression de y
C
8.9
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.
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, ).
x R, P(Mn x) = P(X x) .
b) 4) Montrer :
8.12
k=0
E(Sn ) N.
n
254
Poser y =
a) 1) Montrer :
8.8
8.11
b) Immdiat.
8.7
(a, b, c) R3 , S(a, b, c) =
7
i=1
2
yi (axi2 + bxi + c) .
Du mal dmarrer ?
8.16
a) Montrer :
c) 1) Montrer :
8.17
T n = + b Un .
n
x R, P(Mn x) = F(x) .
8.15
P(X1 = 0) P(X2 + + Xn = j)
.
j N, (j) =
P(Sn = j)
i = 1.
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
rXn () = V (Xn ) =
i=1
Yk E (1).
Xn = + b Yn
et
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 .
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 .
8.18
a) Justifier :
Sn
1
= 1
1
.
2
k
k
ex 1
e
n
x
n
+ 1.
255
Chapitre 8
8.19
Estimation, statistique
(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 :
256
et
8.21
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
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 ) =
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
n
n
1
1
1
E (Xk m)2 =
V(Xk ) = (n2 ) = 2 .
n k=1
n k=1
n
1
n
n
= nXn
Xk2 nXn
k=1
2
1
n
n
k=1
2
1
1
n(2 + m2 )
+ m2 = 1 2 .
n
n
n
2 2
2
+ m2 .
E(Xn ) = V(Xn ) + E(Xn ) =
n
Ainsi :
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
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
Chapitre 8
Estimation, statistique
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 !
8.3
258
Pour = 0.01, on a 1
= 0.995, et on lit dans la
2
table de la loi normale centre rduite (2.57) 0.9949 et
(2.58) 0.9951, ce qui donne t0.01 2.575.
t0.05
0.02
n
1.96
t0.05
=
= 98 n 9604.
n
0.02 0.02
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
Pour = 0.1, on a 1
= 0.95, et on lit dans la
2
table de la loi normale centre rduite (1.64) 0.9495 et
(1.65) 0.9505, ce qui donne t0.1 1.645.
10
10
aprs arrondis : [72.347 ; 72.453].
b)
Ainsi :
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.
102
9.27,
y=
11
22.56
=
11
11
121
2230
4.75.
et y =
11
Vy =
x y
10 273
Remarque : Le coecient x,y est proche de 1, ce qui signifie
que x et y sont bien corrles.
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
220
80
230
100
240
190
250
260
260
180
270
130
280
60
7
ni = 1000
i=1
7
1
ni ci = 249.9
n i=1
259
Chapitre 8
Estimation, statistique
7
1
i=1
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
t
t +
Xn ; Xn +
n
n
pour = 0.01, on a 1
= 0.995 ; on lit dans la
2
table de la loi normale centre rduite (2.57) 0.9949 et
(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
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) .
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
2.57516 &
1000
[249.06 ; 250.74],
8.7
[248.59 ; 251.21].
n
1
1
E(Xk ) = nE(X) = E(X).
n k=1
n
0 + 2a
= a, donc :
2
E(Vn ) = a.
o :
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=
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
par indpendance des va
V(X)
1
.
= 2 nV(X) =
n
n
(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 :
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 :
Donc, la va Xn =
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
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
Estimation, statistique
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
est un estimateur sans biais de .
n
S n V(S n ) (1 )
=
.
=
De plus : V
n
n2
n
Donc
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
19
4
100
= = 0.8.
18
9
5
b) On a ici :
n = 100, une ralisation de Xn gale 12,
Puisque p =
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
0.23
&
1.96 & %
1.96
; 0.23 +
= 0.132 ; 0.328 .
2 100
2 100
10
19
&
10 0.328 19 10 0.132 + %
;
0.691 ; 0.909 .
9
18
9
8.11
N = 2E(Mn ) 1.
On obtient alors :
k=1
1
=
n+1
k
i=1
k
P(Z1 = i) = ;
N
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
N
E(S n ) N.
n+1
E(S n ) N.
8.12
k=1
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 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 :
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
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
Chapitre 8
Estimation, statistique
y = f (x) =
5 2 13
55
x +
x+ .
7
14
14
b)
+
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 :
$
On a, aprs calculs : b R,
1454
.
h(b) = 28b2 + (112a 132)b + 196a2 384a +
7
Alors h est drivable sur R et :
365
.
7
33 13
85 55
5
, b = 2a +
=
, c = 3a +
=
.
7
14 14
14 14
f (t) dt.
*
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
+bx
n
1
1
E(Yk ) = nE(Y1 ) = E(Y1 ) = 1.
n k=1
n
En particulier :
1
.
n
Xn =
Xk = + bYk .
1
( + bY1 ) + + ( + bYn )
n
1
= n + b(Y1 + + Yn ) = + bYn .
n
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
On conclut que f est une densit.
Soit x [0 ; ]. Alors :
$ x
t
2
x2 2x x2
2
1 dt = x
=
2.
F(x) =
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
n
1
1
2 n
x2 n1
x
n
si 0 x .
x
1
=
0
sinon
265
Chapitre 8
Estimation, statistique
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
c) 2) E(Mn ) =
t=1x/
1
1
= 2n
rMn () = V(Mn ) + E(Mn ) 2 = V(Mn )
!"
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 :
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 :
%
&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
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 :
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!
En particulier, on a :
E(Yi ) = e
et
V(Yi) = e (1 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 )
par indpendance des va
2
n k=1
V(Y1)
1
e (1 e )
= 2 nV(Y1 ) =
=
.
n
n
n
= 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
b) Soit j N. Alors :
( j) = P(S n = j) (X1 = 0) =
P(X1 = 0, S n = j)
P(S n = j)
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.
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 .
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+ .
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) =
+
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 ) =
n
n
1
1
Xi = 2
V(Xi )
= 2V
n
n i=1
i=1
par indpendance des va
V(X) 1
1
= 2 nV(X) =
= .
n
n
n
Chapitre 8
Estimation, statistique
E(Yn ) =
n
8.17
i E(Xi ) =
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
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
n
1
1
N
E(Xk ) = nE(X1 ) = E(X1 ) = .
n k=1
n
m
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.
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
V(S n )
V(nXn )
N
Xn m
n m(Xn Nm )
= .
=
N(Nm)
N(N m)
=
n m2
n m Xn n N
=
= Nn .
N(N m)
Les va Xk , pour k 1, tant mutuellement indpendantes, de
mme loi et admettant une esprance et une variance, on sait,
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)
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 .
* 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
est un estimateur sans biais de .
nm
N
m n
> 0.
On a : P(Yn = 0) = 1
N
Donc
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 =
Pour = 0.05, on a 1
= 0.975 ; on lit dans la table de
2
la loi normale centre rduite (1.96) 0.975, ce qui donne
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
Estimation, statistique
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 .
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
1
Ainsi :
Sn
S n = .
n
2
Sn n
Sn
= = n = Nn .
n
n
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[.
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
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
Notons 4
a=
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
ln(xk )
k=1
suivant :
> .
et :
n
a R+ , g (a) =
R+
a 0
4
a
+
g (a) + 0
g(a)
b) 1) On a :
(x1 , . . . , xn , a) Rn R+ ,
n
an
a
=
.
L(x1 , . . . , xn , a) =
a+1
(x
xn )a+1
x
1
k=1 k
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
Estimation, statistique
lintgrale
absolument
lintgrale
positive ou nulle).
n
fn (x) dx =
x
+
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
n
i Xi .
E(T n ) =
n
i=1
donc :
i E(Xi ) =
!"
n
E(T n ) =
n
i ,
i=1
i = 1.
i=1
V(T n ) =
n
V(i Xi ) =
i=1
n
xi et C =
i=1
n
i=1
2i V(Xi ) =
!"
=
n
2i .
i=1
n
2i sous la
i=1
i = 1.
Soit A = (a1 , . . . , an ) C .
contrainte
Or :
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
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
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
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.
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
1
FT = 0 et
1 = 0, lim
0
2
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
FT = 2FX (0) 1 = 2
De plus : lim
+
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
2S n
b) 2) Puisque Yn =
, daprs le thorme de transn
fert, on a :
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
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
Estimation, statistique
( n2 )
( n+1
) n
2
1
, et :
p
n
n ( 2 ) 2
2 ( n+1
) n
2
donc :
n 1
= 1.
2 p
=
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
n
n ( 2 ) 2
1.
n+1
2 ( 2 ) n
conclut que
5n est un estimateur convergent de .
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
CHAPITRE
n
k=1
276
ak
(suite)
k
ai .
i=1
k=1
k
ai .
i=1
Pour calculer
une valeur approche
de la limite L
dune suite convergente (u n) nN
prs
Chapitre 9
Algorithmique
(suite)
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
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
Pour cela, on utilise une boucle conditionnelle repeat...until
(ou while...do).
Exercice 9.14.
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
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.
La squence dinstructions est la suivante :
a:=1 ; b:=n ;
while a<b do
begin
c:=(a+b) div 2 ;
if x>T[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
u0 = 1
uk avec
a)
n N, un+1 = un + n
k=0
u0 = 1, u1 = 2
uk avec
b)
c)
n
uk vk
k=0
u0 = 1, v0 = 2
avec
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
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.
b) en utilisant la rcursivit.
b) en utilisant la rcursivit.
n fois
x p (1 x)q dx.
0
(p, q) N N , I(p, q) =
q
I(p + 1, q 1).
p+1
281
Chapitre 9
Algorithmique
n + un1 .
crire une fonction rcursive ayant pour nom suite qui calcule le terme dindice n de la suite
(un )nN .
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
n
n n1
=
.
p
p p1
n
.
p
b) En utilisant la formule de Pascal, crire une fonction doublement rcursive qui calcule
n
.
p
t [a ; b], | f (t)| M.
a) Montrer :
n1
ba
b a
.
f a+k
n k=0
n
n N , |S n I|
M(b a)2
.
2n
question prcdente.
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
n0
+
u2k 2un+1 .
k=n+1
+
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 .
a) Montrer que lquation f (x) x = 0 admet une unique solution dans R, note , et que lon a :
1
1
; 1 , | f (x)|
x
2
4
1 n
n N, |un |
.
4
1
et
1
f (x) 1.
2
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
b) un algorithme rcursif.
Lalgorithme reposera sur le fait quune loi hypergomtrique apparat lors de tirages sans remise dans une urne.
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 :
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.
Chapitre 9
Algorithmique
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.
n
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.
program simulation ;
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.
Chapitre 9
Algorithmique
c) Mmes questions pour une va Z suivant la loi de Cauchy, cest--dire admettant pour densit
1
.
(1 + x2 )
Chapitre 9
Algorithmique
Du mal dmarrer ?
9.1
9.2
a) Immdiat.
9.3
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour calculer le produit 1 2 n.
9.10
Pour dterminer les extremums du tableau T, utiliser la mthode dcrite dans la rubrique les mthodes retenir .
9.11
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
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.
9.6
9.7
9.8
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
9.9
n 2, un n 1.
290
n0
n
k=0
uk et S =
+
un .
n=0
Du mal dmarrer ?
9.14
9.15
9.16
9.17
9.18
9.19
a) Utiliser la mthode dcrite dans la rubrique les mthodes retenir pour simuler les va X1 , . . . , Xn , puis en faire la
moyenne.
9.20
de Y .
9.21
b) Simuler la va Xn .
c) Justifier :
Utiliser une variable qui comptabilise le nombre de simulations obtenues infrieures ou gales 1.
9.22
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).
9.24
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
+ .
9.25
9.26
9.27
a) Utiliser par exemple la fonction div qui renvoie le quotient de la division euclidienne.
291
Chapitre 9
Algorithmique
9.28
292
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 ;
write(n ? ) ; readln(n) ;
for i:=1 to n do
begin
u:=sqrt(u+i-1) ; s:=s+u ;
for i:=1 to n do
begin
end ;
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
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
write(n ? ) ; readln(n) ;
9.2
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
.
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
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 :
program ValeurApprochee ;
var s:real ; n:integer ;
begin
s:=1 ; n:=1 ;
repeat
En posant n = 1000, on a
n:=n+1 ; s:=s+1/(n*n) ;
until 1/(n*n)<=exp(-6*ln(10)) ;
writeln(une valeur approchee de S
est ,s+1/n) ;
end.
Remarque : Lexcution des deux programmes prcdents
donne le mme rsultat que le programme utilisant une boucle
for...do
9.3
a) On calcule n! laide de la formule :
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
1
On calcule la somme S n tant que 2 > 106 ou jusqu ce que
n
1
106 .
n2
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(n ? ) ; readln(n) ;
write( x puissance n = , puissance(x,n)) ;
end ;
end.
program factorielle ;
var n:integer ;
9.5
begin
a) Soit p N. On a :
write(n ? ) ; readln(n) ;
write( n ! = ,fact(n)) ;
x p dx =
I(p, 0) =
end.
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 :
x x x.
xn =
n fois
On obtient :
x p (1 x)q dx
I(p, q) =
0
1
x p+1 1
q
x p+1 (1 x)q1 dx
= (1 x)q
+
p+1 0
0 p+1
puissance:=p ;
end ;
q
I(p + 1, q 1).
p+1
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) ;
begin
if n=0 then puissance:=1
else puissance:=x*puissance(x,n-1) ;
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) ;
write(q ? ) ; readln(q) ;
begin
write(x ? ) ; readln(x) ;
Chapitre 9
Algorithmique
program binomiale ;
var p:real ; n,x,i:integer ;
begin
randomize ;
write(n ? ) ; readln(n) ;
9.6
x:=0 ;
for i:=1 to n do
if random<p then x:=x+1 ;
suite.
write(X = ,x) ;
function suite(n:integer):real ;
end.
begin
program ecricome05 ;
var n:integer ;
begin
begin
randomize ;
write(n ? ) ; readln(n) ;
write(n ? ) ; readln(n) ;
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 ;
for i:=1 to x do
program bernoulli ;
write(Y = ,y) ;
write(p ? ) ; readln(p) ;
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.
En utilisant la mthode dcrite dans la rubrique les mthodes
retenir pour simuler une loi discrte uniforme, on obtient le
programme suivant :
program uniforme1 ;
9.9
begin
randomize ; som:=0 ;
program suite1 ;
begin
begin
x:=random(100)+1 ;
write(n ? ) ; readln(n) ;
y:=random(101-x)+x ; som:=som+y ;
v:=1 ; u:=2 ;
end ;
moy:=som/1000 ;
for i:=2 to n do
begin
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 .
Exemple dexcution du programme :
n ? 10
u(10) = 2.903617E+003
program uniforme2 ;
On obtient alors :
n 2,
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) ;
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 ;
Exemple dexcution du programme :
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.
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 ;
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
begin
program suite3 ;
max:=T[i] ; rmax:=i ;
end ;
begin
end ;
write(A ? ) ; readln(A) ;
v:=1 ; u:=2 ; n:=1 ;
writeln() ;
repeat
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 ;
write(n = ,n) ;
end.
Exemple dexcution du programme :
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
var
writeln(T[i], ) ;
end ;
writeln() ;
write(x ? ) ; readln(x) ;
nb:=0 ;
for i:=1 to 20 do
var n,p:integer ;
begin
write(n ? ) ; readln(n) ;
write(p ? ) ; readln(p) ;
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
then C:=1
else C:=n*C(n-1,p-1) div p ;
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
f (xk ) f (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
program CoefBinomial ;
t [0 ; 1], f (t) = 2t e t .
2
299
Chapitre 9
Algorithmique
n1
1 k
.
f
n k=0 n
2(1 0)2
1
= .
2n
n
1
= 103 et donc S n est une valeur appron
prs.
Pour n = 103 , on a
che de I 103
b) program calcul ;
program integrale ;
function f(x:real):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.
Excution du programme :
Excution du programme :
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
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
x2
.
2
c) 3) La srie
9.14
a) Notons g : R R, x f (x) x.
n0
N 0,
N
n=0
Daprs c) 2), on a :
On a :
x R, g(x) = (x2 + 1) e x x.
et
= (3 4x + x2 ) e x = (x 1)(x 3) e x .
n0
k=n+1
n
uk et S =
k=0
+
On obtient :
uk .
k=0
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 ;
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 ;
Excution du programme :
begin
a:=1/2 ; b:=1 ;
repeat
if g(a)*g((a+b)/2)<0
then b:=(a+b)/2
301
Chapitre 9
Algorithmique
else a:=(a+b)/2 ;
until (b-a)/2<=0.000001 ;
n N, |un |
c) 3) Puisque
< 1, on a :
4
Excution du programme :
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 ;
function f(x:real):real ;
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) ;
1
.
4
0.
[un ;]
1
end.
1 n
1 n
|u0 |
.
4
end ;
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
3 ln(10)
ln(2)
6 ln(10) 3 ln(10)
=
.
ln(4)
ln(2)
+ 1.
9.16
end.
begin
Excution du programme :
une valeur approchee est
7.3843240070E-001
9.15
if random<=a/nb then
begin
a:=a-1 ; x:=x+1 ;
begin
end ;
x:=A[i,1] ;
nb:=nb-1 ;
for j:=2 to p do
end ;
x:=MaxLigne(A,1) ;
for i:=2 to n do
b) function MinMax(A:matrice):real ;
var x:real ; j:integer ;
Dunod. Toute reproduction non autorise est un dlit
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
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) ;
y:=-1/a*ln(random) ;
writeln(Y = ,y) ;
program geometrique ;
end.
b) 2) Soit k N . On a :
begin
write(p ? ) ; readln(p) ;
randomize ; x:=0 ;
repeat
x:=x+1
until random>p ;
writeln(X = ,x) ;
end.
cest--dire :
Notons Z la va Ent(Y) + 1.
k N , P(Z = k) = P Ent(Y) = k 1
y 0, P(Y y) = 0.
y:=-1/ln(1-p)*ln(random) ;
= 1 e ay
x:=trunc(y)+1 ;
Y E (a).
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 ;
begin
program simulation ;
randomize ;
304
var a,b,c,n:integer ;
begin
program simule ;
readln(n) ; randomize ;
const n=1000 ;
repeat
a:=random(n) ;
begin
write(p ? ) ; readln(p) ;
randomize ; x:=0 ;
for i:=1 to n do
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.
program simule ;
program simulation ;
var a,b,c,n:integer ;
var
k,i,nb:integer ;
p,x,a,b:real ;
begin
readln(n) ; randomize ;
begin
randomize ; p:=random ;
repeat
nb:=0 ;
a:=random(n) ;
if a=0 then write(A gagne)
else begin
n:=n-1 ; b:=random(n) ;
x:=0 ;
for i:=1 to n do
else begin
n:=n-1 ; c:=random(n) ;
x:=x/n ;
else n:=n-1 ;
a:=x-t/(2*sqrt(n)) ;
end ;
b:=x+t/(2*sqrt(n)) ;
end ;
until (a*b*c=0) ;
then nb:=nb+1 ;
end.
end ;
9.19
a) Utilisons la mthode dcrite dans la rubrique les mthodes
retenir pour simuler les va X1 , . . . , Xn .
Chapitre 9
Algorithmique
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 ) =
On conclut :
V(Xn ) =
write(Y = ,y) ;
end.
b) program gamma ;
var i,n:integer ; s:real ;
begin
write(n ? ) ; readln(n) ;
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).
306
1
2
n N , E(Un ) =
Xn E(Xn ) Xn 2
2 3
= n = Xn 3n.
n
V(Xn )
12
Xn =
Xn
12.
2
if X[i]=X[i-1]
then N[i]:=N[i-1]
else N[i]:=N[i-1]+1 ;
end ;
const n=48 ;
begin
randomize ; p:=0 ;
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 :
c = n 10 Ent(n/10).
end ;
p:=p/1000 ;
function unite(n:integer):integer ;
begin
end.
Exemple dexcution du programme :
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).
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
s:=0 ;
program simulation ;
while n<>0 do
const nmax=100 ;
begin
a:=unite(n) ; s:=s+a*a ;
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) ;
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
begin
write(n ? ) ; readln(n) ;
nb:=0 ;
On a aussi :
begin
n:=somme(n) ; write(n, ) ;
nb:=nb+1 ;
end ;
writeln() ;
Soit y ]0 ; 1[.
end.
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
2
2
2
er
2e cas : si x 0, alors
308
e cx
= y e cx = 2y
2
x =
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 ;
function G(c,y:real):real ;
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 :
9.26
procedure tri(var T:tab) ;
var i,j,rmax,aux,k:integer ;
begin
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]}
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) ;
write(Y = ,y) ;
end.
309
Chapitre 9
Algorithmique
T[2]:=(n-T[1]*100) div 10 ;
test:=true ;
T[3]:=n-T[1]*100-T[2]*10 ;
end ;
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
n:=difference(n) ; write(n, ) ;
nb:=nb +1 ;
end ;
writeln(il a fallu ,nb, iterations) ;
end.
Exemple dexcution du programme :
n = 758
297 693 594 495
il a fallu 4 iterations
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) ;
end ;
begin
chiffres(T,n) ;
310
pgrm1:=pgrm1+1 ;
end ;
var blanc,noir:tab ;
end ;
var aux:integer ;
begin
aux:=s[i] ; s[i]:=s[j] ; s[j]:=aux ;
program simulation ;
const n=20 ;
end ;
b) 3) Linstruction
blanc,noir:tab ;
i,x: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
Dunod. Toute reproduction non autorise est un dlit
j:=random(n+1-i)+1 ;
echange(s,i,j) ;
end ;
end.
Exemple dexcution du programme :
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
et des matrices carres
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
Variables alatoires densit
Convergences et approximations
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
et des matrices carres
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
Variables alatoires densit
Convergences et approximations
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
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
1
et on considre lapplication f : I R, x
On note I = 0 ;
.
4
cos x
313
Chapitre 10
Problmes de rvision
1
x J, cos f 1 (x) =
et sin f 1 (x) =
x
1
.
x2
x x2 1
2.
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
b
1
a
+
.
=
1 t2
1t 1+t
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
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) =
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) =
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
k+1
xN+2
.
N+2
(1)n1 xn
converge et que :
n
n1
+
(1)n1 xn
n=1
(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
.
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
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
2
< . , . > : Mn (R) R, (A, B) < A , B >
2
(M, N) Mn (R) , < A (M) , N > = < M , A (N) > .
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 >.
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 < U i , X >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
a) Vrifier :
n
2i < Ui , X >2 .
i=1
b) En dduire :
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
+
1
1
1
=
.
n(n + 1) n 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
1 F(x) > 0.
f (x) ln 1 F(x) si x 0
x R, g(x) =
.
0
si x < 0
+
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() () .
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
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
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 :
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.
(P, Q) E 2 , L(P), Q = P, L(Q) .
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
1 e y
y
h : [0 ; +[ R, y h(y) =
si y 0
si y = 0
Pour toute variable alatoire relle X, on note FX sa fonction de rpartition dfinie par :
Yn = max(X1 , X2 , . . . , Xn ) =max Xi
1in
et
Zn =
Chapitre 10
Problmes de rvision
Xn+1
.
n+1
Xn+1
est une variable alatoire densit et en proposer une densit dn+1 .
n+1
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
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.
c) En dduire :
i 1 ; n, g(ei ) = 0.
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
b!
, et pour tout entier k 1 ; b :
Nb
b!
b!
.
(b (k 1))! N k1 (b k)! N k
P(Y = k) =
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
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
n1
k(k 1)(a + b 2) + 2(b 1)k pn1,k .
k=1
xn e x
,
n!
Ln : R R, x e x fn(n) (x),
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)
4. Montrer :
n N, x R, f
5. En dduire :
6. Montrer :
n N, x R, fn+1 (x) =
x
fn (x).
n+1
8. tablir :
On considre lapplication
P(x)Q(x) e x dx.
Chapitre 10
Problmes de rvision
6. tablir :
P EN , T (P) EN .
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
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 =
Ir,s =
(r 1)!(s 1)!
.
(r + s 1)!
Zn =
1
Yn
max(X1 , X2 , . . . , Xn ) = 2 .
n2
n
1
exp x si x > 0
x R, Z (x) =
.
0
si x 0
Chapitre 10
Problmes de rvision
1
0 1 1
1
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
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.
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+
x2n + 2 ln xn = 2 ln n ln(2c2 ).
xn
2 ln n.
n+
1 (n)
= 0.
2 ln n + 1 (n) o lim
n+
2 ln 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
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
330
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.
f (#
z) = Min f (z).
zK
d) Montrer :
e) Conclure.
1
1
a + b
2 1
2
2
2
4. a) Vrifier : (a, b) (Rn )2 ,
Chapitre 10
Problmes de rvision
x tz + (1 t)p(x)
.
z K, < z p(x) , x p(x) > 0.
b) En dduire :
6. a) tablir :
Du mal dmarrer ?
10.1
1. Immdiat.
2. a), b) Immdiat.
u=
1
,
cosn+1 x
v = cos x.
2. d) Immdiat.
2. e) Utiliser la dfinition de Uk et la question 2. d).
10.3
10.2
332
raux.
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.
10.4
7. Immdiat.
10.6
0
si x < 0
.
2. a) Obtenir : x R, H(x) =
G(x) G(x) si x 0
Reconnatre un projecteur.
4. Immdiat.
10.5
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 :
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) >.
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
et conclure.
10.7
Calculer A (MX,Y ).
tn
tn
.
1t
1x
1. d) Utiliser les questions 1) b) et 1) c).
2. a) Immdiat.
n N , t [0 ; x], 0
333
Chapitre 10
Problmes de rvision
Montrer : x2 f(x)
3. a) Immdiat.
1
,2 .
3. b) Obtenir :
10.8
grales impropres
x +
0.
Partie I : 1. Immdiat.
10.10
4. c) Utiliser 2. a) et 4. b).
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 :
3. a) Immdiat.
2. a) Utiliser I 5. b).
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
334
2. d) Montrer g = 0.
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).
2
V (Xn ) = un + E(Xn ) E(Xn ) .
10.12
Y () = 1 ; b + 1.
PARTIE I : 1. Obtenir :
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
P E, T (P) E.
7. Immdiat daprs I 8.
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.
335
Chapitre 10
Problmes de rvision
10.14
3. Immdiat daprs 1. et 2.
Utiliser 3.
n(n 1)
.
(n k)(n k 1)
n
x R, FZn (x) = FX (n2 x) .
E(Yk ) =
10.15
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.
10.16
u2
2
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
xn2 + 2 ln xn xn2 .
n
(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. 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. b) Immdiat.
1
< x p(x) , p(x) > + < x p(x) , x >
2
convient.
c=
337
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
PAk (Bk+1) = p,
1
1
1
q + p = , PCk (Bk+1) = q,
2
2
2
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
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
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
Dunod. Toute reproduction non autorise est un dlit
2. e) On obtient alors :
On en dduit :
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 :
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
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 :
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
On a alors :
donc :
Pn (sin x)
cosn+1 x
On a :
f ( 2) =
4
1
On conclut :
1
1
= .
( f ) ( 2) =
2 21
2
1
et
On conclut :
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
2. Existence :
= 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)
)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.
+ (n + 1)XPn ,
Pn+1 (sin x)
.
cosn+2 x
donc :
4. a) Soit n N.
4
On a : In =
0
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
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)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
sin x 4 4 (n + 1) sin2 x
In =
dx
cosn+1 x 0
cosn+2 x
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
4
4
1
dx = [tan x]04 = 1.
1 dx = , I2 =
I0 =
2
4
cos x
0
0
I0 = ,
I2 = 1
4
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 :
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
x +
x +
On conclut :
x ]0 ; +[, f (x) =
B (x) =
1
2
1
1
x
.
=
(1 + x)2 1 + x
(1 + x)2
0
0
0
donc, daprs a) :
0
0
B(x)
Il sensuit :
Il sensuit :
B(x)
.
x3
0.
A(x)
1
1
f (x) = 2 = + o(1) .
x 0
x
2
2
donc :
Dautre part :
On conclut :
1
ln 1 +
x
x
1
< 0, on obtient :
2
donc :
x [0 ; +[, B(x) 0,
x ]0 ; +[, f (x) =
B(x)
0
x3
et on conclut :
4.
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
(1)k tk =
N
k=0
(t)k =
1 (t)N+1
1
(1)N+1 tN+1
=
,
1 (t)
1+t
1+t
donc :
1
(1)N+1 tN+1
(1)k tk +
=
1 + t k=0
1+t
N
N N, t [0 ; 1],
N
k=0
(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).
(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
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 :
xN+2
N+2
(1)n1
1
0
1 N+1
N
(1)k xk
f (x)
dx
dx
k
+
1
N
+2
0
k=0
=
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
(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
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
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
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.
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)
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
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
n=1
2N+1
= 1 P(Y x) = 1 F(x).
Ainsi la fonction de rpartition FY de Y vrifie :
0 si x < a
x+a
si a < x 0 .
x R, FY (x) =
1 si x > 0
1
(2p)2
et :
2N+1
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
=
,
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,
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
x+a
ainsi : g(x) =
0
1 1
a+x
.
dt =
a a
a2
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.
0
si x < 0
x R, H(x) =
G(x) G(x) si x 0
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
On en dduit que lintgrale
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 =
function z(a:real):real ;
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 :
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
points o le choix est arbitraire.
Or :
et :
begin
x:=a*random ; y:=a*random ;
x < 0, H (x) = 0,
z:=abs(x-y) ;
end ;
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
i=1
345
Chapitre 10
Problmes de rvision
Ceci montre :
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 :
(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
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)
= < M , AN NA >
= AM + AN MA NA
On conclut :
On conclut :
2
(M, N) Mn (R) , < A (M) , N > = < M , A (N) >
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
346
A est diagonalisable
MX,Y
x1 y1 . . . x1 yn
x1
..
.
.
= X t Y = .. y1 . . . yn = ..
.
xn y1 . . . xn yn
xn
2
do = , avec (, ) Sp (A) , donc .
10.6
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.
n
zi Ui .
n
zi Ui =
i=1
n
i=1
zi MUi = 0.
=0
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 ,
i=1
MZ = M
On a alors :
Sp (A ) =
7. De 5. et 6., on conclut :
donc :
1. e) On a :
t
(C tC)C = C(
CC ) = ||C||2C.
R
Chapitre 10
Problmes de rvision
<C, X >
C Vect (C).
X=
||C||2
On conclut :
X=
n
< Ui , AX > Ui .
< U i , X >2 ,
||AX||2 =
i=1
< X , AX > =
n
< Ui , AX >2
i=1
n
i=1
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
i=1
n
n
i=1
Ker (p) = SEP (M, 0) = SEP (C tC, 0) = Vect (C) ,
n
Comme In et
n
Ui t Ui X > .
i=1
i=1
donc les sous-espaces vectoriels Ker (p) et Im (p) sont orthogonaux entre eux.
In =
n
Ui t Ui .
i=1
n
i < U i , X >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
< U i , X >2
i=1
De plus :
i < U i , X >2 .
On conclut :
n
i=1
i=1
Comme A et
n
i=1
i=1
348
n
i=1
On a :
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
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=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)
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 :
p
Comme 0 (A) < 1, on a (A) 0,
i=1
n
i < U i , X >2
n
Max
1in
1in
i=1
Min
1in
1in
||AX||2 =
||AX|| (A)||X||
10.7
Partie I : 1. a) Soient n N et t [0 ; x].
Puisque t 1, on a :
n
On a alors :
i. ii.
On conclut :
p=1
t p1 =
n1
p=0
tp =
1 tn
1t
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)
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 > 0.
1 F(x) =
f (t) dt.
f (t) dt.
0
f (t) dt = 0 ;
x
350
f (t) dt +
1 F(x) =
x+1
f (t) dt
f (t) dt.
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.
f (x)
u (x) = 1 F(x)
v(x) = 1 F(x)
u(x) = ln 1 F(x)
,
v (x) = f (x)
f (t) dt = 1 ;
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 :
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,
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
un converge et
+
un = 1
n=1
+
P(N = n, Z x)
n=1
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
+
n=1
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
On obtient alors :
2
x
si x 0
x e
.
x R, g(x) =
0
si x < 0
N+1
1
1
=1
1.
n
N
+ 1 N
n=2
2. a) Soit x R.
n=1
N
1
n1
Ainsi :
On en dduit :
Ainsi :
A+
2
2
et V(Y) =
1
1
1
=
n(n + 1) n=1 n n + 1
N N ,
Partie III : 1. On a :
N
A+
E(Y) =
Daprs le cours :
Y
1
,2
,2 .
n(n + 1)
= F(x) + 1 F(x) ln 1 F(x) .
351
Chapitre 10
Problmes de rvision
On conclut :
x [0 ; +[, FZ (x) = F(x) + 1 F(x) ln 1 F(x)
0
si x < 0
.
FZ (x) =
FZ = FZ (0)
lim
+
0
FZ .
= F(0) + 1 F(0) ln 1 F(0) = 0 = lim
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
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
T 3 (1) = 4.
sin
sin
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
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 :
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 )
(n + 1) cos (n + 1) = 0,
Chapitre 10
Problmes de rvision
On conclut :
1
1
1 x2 Q(x)P(x) dx
=
=
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
On conclut :
On a, pour tout P E :
(P, P) =
1)T k
3XT k
= (k + 2k)T k .
2
x ] 1 ; 1[, P(x) = 0.
2. Soit (P, Q) E 2 .
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
354
On a, pour tous R, P, Q, R E :
(P, Q + R) =
On a, pour tous R, P, Q E :
2 3
u = (1 x ) 2 P (x)
v = Q (x)
2 32
2 21
v = Q(x)
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 .
Par addition, lintgrale impropre
converge.
( e ax + e bx ) dx
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)
Lintgrale impropre
0
e ax e bx
dx converge
x
x2 f (x) = x( e ax e bx )
x +
0.
10.9
1. Lapplication
sur ]0 ; +[.
f : x
e ax e bx
x
est continue
x [c ; +[, | f (x)|
do :
tude en 0 :
1
.
x2
| f (x)| dx converge.
tude en + :
1re mthode : Comparaison des exponentielles
On a, pour tout x [1 ; +[ :
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
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
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
+
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 ;
begin
y 0
readln(X[1], X[2]) ;
m:=X[1] ;
On conclut :
3. d) Comme en 1., lintgrale impropre
converge.
h(y) dy =
a
program ecricome2 ;
type tab=array[1..2011] of real ;
var X:tab ; m:real ;
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
On conclut :
a
b
e y
dy ln
h 0
y
a
end.
X ]0 ; +[,
0
356
h(y) dy
1
b
e ax e bx
dx = ln
x
a
bX
aX
e y
dy
y
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] ;
2. a) On a :
On conclut :
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 .
+
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 :
end ;
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
0 si x < 0
x R, i1 (x) =
= f1 (x).
e x si x 0
Do la proprit P(1).
Hrdit : Soit n N .
Supposons P(n) et montrons P(n + 1).
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
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,
(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).
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 conclut :
i N, g f i = f i g
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 .
= ( 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.
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.
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 :
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
x C, rg (C x In ) n 1
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.
donc :
p
k=1
On conclut :
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).
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 :
5. a) Application 2 :
On conclut :
P = X4 1 = (X2 1)(X2 + 1)
= (X 1)(X + 1)(X i )(X + i ),
359
Chapitre 10
Problmes de rvision
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
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) :
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) =
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
a
.
N
Ni B k .
i=1
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
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
M1
ak MaM
k=0
b!
.
(b k)! N k
E(Y) =
b+1
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
= 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
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
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
n1
k(a + k) + (k + 1)(b k) pn1,k
+
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 .
=
=
.
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,k =
PARTIE II :
On conclut :
n
En particulier, on a :
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 :
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
begin
On obtient alors :
qn+1 =
esperance:=0 ;
un = E Xn (Xn 1) =
k(k 1)pn,k =
k(k 1)pn,k
nN
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
n
k=0
362
k=0
k=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
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
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
k=1
5. b) Soit n N .
En dveloppant la somme prcdente, on obtient :
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
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
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
xk
L2 (x) =
1
(1)k 1 k
x = 1 x,
k! k
k=0
2
k=0
1
(n + 1)xn e x xn+1 e x
(n + 1)!
xn e x xn+1 e x
n+1 (x)
364
x
fn (x)
n+1
1
1
(1)k 2 k
x = 1 2x + x2 = (2 4x + x2 ).
k! k
2
2
n+1 (x)
n N, x R, fn+1 (x) =
7. Soit n N. On a, daprs 5. :
x xn e x
x
=
fn (x).
(n + 1) n! n + 1
= fn(n+1) (x)
(n+1)
fn+1
(x).
xLn (x)
+ (n + 2
x)Ln (x)
Ln (x).
x [c ; +[, |A(x) e x |
do :
On dduit :
|A(x) e x | dx converge.
et on conclut :
N, lintgrale impropre
On conclut que lintgrale impropre
converge.
P(x)Q(x) e x dx converge.
+
0
k=0
intgrale
Q(x)P(x) e x dx
+
=
P(x)Q(x) e x dx = < P , Q >,
0
k=0
A(x) e x dx
< Q, P > =
chaque
0, lintgrale impropre
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
< P , Q + R > =
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
Soit A E.
x
x [c ; +[,
x2 A(x) e x
1,
< P, P > =
0
2
P(x) e x dx 0.
0
Chapitre 10
Problmes de rvision
x [0 ; +[,
P(x)
2
e x = 0,
XP (X)Q(X) e X
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
0.
X +
T (P + Q) = T (P) + T (Q),
On conclut :
(P, Q) E E, < T (P) , Q > = < P , T (Q) >
7. On a, daprs I 8. :
n N, T (Ln ) = XLn (X 1)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 conclut :
x
u = T (P)(x) e
Avec :
v = Q(x)
x
u = xP (x) e
v = Q (x)
= XP (X)Q(X) e X
X
0
366
P EN , T (P) EN
11. Daprs 7. :
La matrice de T N dans la base (L0 , ..., LN ) de EN
1 (0)
(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
10.14
n
k=1
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)
1. d) On obtient alors :
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 :
Dunod. Toute reproduction non autorise est un dlit
De plus, puisque les va X1 , . . . , Xn sont mutuellement indpendantes, les va J1 (x), . . . , Jn (x) le sont aussi.
n
x R, FY1 (x) = 1 P(Y1 > x) = 1 1 FX (x) .
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
n
FX (x) k1 1 FX (x) nk fX (x)
k
lim
FX = FX (1) = 0 = lim
FX .
+
On en dduit :
si et seulement si lintgrale
ment.
Or :
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 absolument.
On conclut :
368
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 :
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
lintgrale
lexemple
1
nk+1
3
de
nk+1 3
> 1.
2
2
Riemann
en
+,
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.
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 :
E(Yk ) =
1
n
x fYk (x) dx = k
(1 t)k1 tnk2 dt
k 0
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)!
On conclut :
n(n 1)
(n k)(n k 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 :
369
Chapitre 10
Problmes de rvision
lim Z = 0 et
lim Z = exp(0) = 1.
+
x > 0, Z (x) =
Enfin, on a :
1
1
exp > 0.
2x x
x
On conclut :
4. c) Soit x R.
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
FZn (x) = 0 0.
n
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 conclut :
10.15
n
j=1
(M)i j (X) j 0,
0
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 =
0
P>0
donc :
Mais :
(X AX)k = (X)k (AX)k = xk
n
ak j x j = cpk
j=1
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
In A est inversible,
c0
(In A)1 0.
In B est inversible,
(In B)1 0.
On conclut :
j=1
do :
A 0,
xj
c j 0,
pj
On conclut :
X0
4. On a :
10.16
On vient de montrer :
X Mn,1 (R), (In A)X = 0 = X = 0 .
Daprs le cours, on conclut :
In A est inversible
= exp e
A, B+
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.
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
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
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
P(X1 > x) =
1. b) Soit x > 0.
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 :
lim
u+
(u) du =
du.
x
u2
x
x
+
(u) du.
Enfin : P(X1 > x) =
1
(u)
.
u
u 2
Puisque lintgrale
x
(u)
du
u2
+
(x)
Puisque P(X1 > x) =
x
x
0
1
P(X1 > x).
x2
ou encore :
(u)
du, on en dduit :
u2
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
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
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 :
2 ln n
car xn > 0.
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
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 :
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)
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
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
(xn )
(an x + bn )
.
xn n an x + bn
On obtient alors :
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
e x
, on a lim n = 0,
n
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
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,
tu2 + (1 t)v2 t 1 + (1 t) 1 = 1,
else
donc : tu + (1 t)v K.
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)) ;
end ;
On conclut :
On conclut :
(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
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 :
si x1 1
||x p(x)|| =
si x1 > 1 et x2 > 1
si x2 1.
1
|x1 + x2 x3 x4 | 4
4
1
= |x1 + x2 x3 x4 |.
2
3. b) Puisque B0 est ferme et que K est ferm, par intersection, K = B0 K est ferm.
375
Chapitre 10
Problmes de rvision
On a : z0 B0 et z0 K, donc z0 K , do K .
On conclut :
K est une partie ferme borne non vide de Rn
||x p(x)|| = d
x tz + (1 t)p(x)
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 :
3. e) On conclut :
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
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 :
5. a) Soient z K, t [0 ; 1].
On a : z K et p(x) K,
376
0
do p(x) y = 0, p(x) = y.
6. b) On a, pour tout z K :
< x p(x) , z > = < x p(x) , z p(x) + p(x) >
= < x p(x) , z p(x) > + < x p(x) , p(x) >
0
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
on a :
1
< x p(x) , p(x) > + < x p(x) , x > ,
2
et on conclut :
Il existe c R tel que :
z K, < x p(x) , z > < c < < x p(x) , x >
On conclut :
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