Mathématiques - Methodes Et Exercices ECS 2

Mathmatiques
Mthodes et exercices
ECS 2
e
anne
Ccile Lardon
Professeur en classe prparatoire
au lyce du Parc Lyon
Jean-Marie Monier
Professeur en classe prparatoire
au lyce La Martinire-Monplaisir Lyon
Dunod, Paris, 2011
ISBN 978-2-10-058112-2
Table des matires
Remerciements VI
1. Rduction des endomorphismes
et des matrices carres 1
Les mthodes retenir 2
noncs des exercices 4
Du mal dmarrer ? 12
Corrigs des exercices 15
2. Algbre bilinaire 38
Du mal dmarrer ? 47
3. Intgrales sur un intervalle
quelconque 66
Du mal dmarrer ? 79
4. Fonctions numriques de plusieurs
variables relles 116
Du mal dmarrer ? 126
5. Variables alatoires discrtes,
vecteurs alatoires discrets 150
6. Variables alatoires densit 180
7. Convergences et approximations 217
8. Estimation, statistique 243
9. Algorithmique 276
10. Problmes de rvision 312
Index 378
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
III
Pour bien utiliser cet ouvrage
La page dentre de chapitre
Elle propose un plan du chapitre, les
thmes abords dans les exercices, ainsi
quun rappel des points essentiels du cours
pour la rsolution des exercices.
Les mthodes retenir
Cette rubrique constitue une synthse des prin-
cipales mthodes connatre, dtailles tape
par tape, et indique les exercices auxquels elles
se rapportent.
IV
Pour bien utiliser cet ouvrage
noncs des exercices
De nombreux exercices de difcult croissante
sont proposs pour sentraner. La difcult de
chaque exercice est indique sur une chelle
de 1 4.
Du mal dmarrer ?
Des conseils mthodologiques sont proposs
pour bien aborder la rsolution des exercices.
Corrigs des exercices
Tous les exercices sont corrigs de faon dtaille.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
V
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, Tewk
Lahcne, Hadrien Larome, IbrahimRihaoui, Ren Roy, Marie-Dominique Sifert, Marie-Pascale Thon, Audrey Verdier.
VI
Rduction
des endomorphismes
et des matrices carres
CHAPITRE
1
1
Plan
Du mal dmarrer ? 12
Thmes abords dans les exercices
Dtermination des valeurs propres et des sous-espaces propres dun endomor-
phisme ou dune matrice carre
tude de la diagonalisabilit dun endomorphisme ou dune matrice carre, ob-
tention dune diagonalisation
Calcul des puissances dune matrice carre
K dsigne R ou C
Par commodit, on utilise
les abrviations suivantes :
ev pour : espace vectoriel
sev pour : sous-espace vectoriel
vp pour : valeur propre
SEP pour : sous-espace propre.
Rsolution dquations matricielles.
Points essentiels du cours
pour la rsolution des exercices
Dnition de : valeur propre, vecteur propre, sous-espace propre
Matrices de passage, formules de changement de base, matrices carres sem-
blables
Dnition de la diagonalisabilit, dune diagonalisation
CNS de diagonalisabilit faisant intervenir la somme des sous-espaces propres
CNS de diagonalisabilit faisant intervenir la somme des dimensions des sous-
espaces propres
Condition susante de diagonalisabilit : n valeurs propres deux deux dis-
tinctes en dimension n
Polynmes dendomorphisme, polynmes de matrice carre, polynmes annu-
lateurs dun endomorphisme, polynmes annulateurs dune matrice carre
Toute matrice symtrique relle est diagonalisable.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
1
Chapitre 1 Rduction des endomorphismes et des matrices carres
Les mthodes retenir
Pour dterminer
les valeurs propres
dun endomorphisme f
dun espace vectoriel E
ou dune matrice carre A de M
n
(K)
Essayer lune des trois mthodes suivantes :
calculer, pour tout K, le rang de la matrice A I
n
en fonction
de ; est valeur propre si et seulement si rg (A I
n
) < n
Exercices 1.1 a), b), c), e), f), 1.4 b), 1.6 b)2), 1.10 a), 1.11 a),
1.35 b)
revenir la dnition, cest--dire rsoudre lquation f (x) = x,
dinconnue K, o x E\0, ou lquation AX = X, dinconnue
K, o X M
n,1
(K) \ 0
Exercices 1.26 b), 1.34
faire intervenir la notion de polynme annulateur, si f ou A satisfait
une quation assez simple.
Exercices 1.2 b), 1.5 a), 1.16 d), 1.18 a), 1.19, 1.32, 1.33 b)
Se rappeler que les valeurs propres dune matrice triangulaire se lisent
sur sa diagonale.
Exercices 1.1 d), 1.8 c), 1.13 c), 1.15 a), 1.20 a), 1.25 d)2),
1.33 a).
Pour dterminer
le sous-espace propre
associ une valeur propre
0
dun endomorphisme f
n
(K)
Appliquer la dnition :
SEP( f ,
0
) = Ker ( f
0
Id
E
) = x E ; f (x) =
0
x,
SEP(A,
0
) =
_
X M
n,1
(K) ; AX =
0
X
_
,
cest--dire rsoudre lquation f (x) =
0
x, dinconnue x E ou
lquation AX =
0
X, dinconnue X M
n,1
(K).
Exercices 1.1, 1.5 b), 1.10 b), 1.20 a), 1.25 d)2), 1.33 a).
Pour dterminer
les valeurs propres
et les vecteurs propres
dun endomorphisme f
n
(K)
Essayer de :
dterminer dabord les valeurs propres de f ou de A, par une m-
thode vue plus haut, puis, pour chaque valeur propre, dterminer le
sous-espace propre associ par la mthode vue plus haut
Exercice 1.1
rsoudre lquation f (x) = x, dinconnues K, x E \ 0 ou
lquation AX = X, dinconnues K, X M
n,1
(K).
Exercices 1.3 b), 1.6 b)1), 1.14 b), 1.27, 1.28 b).
Pour tudier la diagonalisabilit
dune matrice carre A de M
n
(K) et
ventuellement pour diagonaliser A
Dterminer les valeurs propres de A :
si A admet n valeurs propres deux deux distinctes, alors, daprs le
cours, A est diagonalisable
Exercices 1.1 a), b), 1.6 c), 1.9, 1.11 a), 1.27 d)
2
Les mthodes retenir
(suite)
si A nadmet quune seule valeur propre et si A I
n
, alors A
nest pas diagonalisable, comme on le montre en raisonnant par lab-
surde.
Exercices 1.1 d), 1.8 c), 1.9, 1.13 c)
sinon, dterminer les sous-espaces propres de A puis les dimensions
des sous-espaces propres de A; daprs le cours, A est diagonalisable
si et seulement si la somme des dimensions des sous-espaces propres
de A est gale n
Exercices 1.1 c), e), 1.2 c), 1.5 c), 1.8 c), 1.10 b), 1.17,
1.25 d)2), 1.26 c)
si A est diagonalisable, en notant D la matrice diagonale forme
(sur la diagonale) par les valeurs propres de A (prsentes autant de
fois que la dimension du sous-espace propre associ), et en notant
P la matrice de passage de la base canonique de M
n,1
(K) une base
de vecteurs propres de A (associs aux valeurs propres de A, dans
lordre), on obtient une diagonalisation A = PDP
1
de A
Exercices 1.1 a), b), c)
se rappeler que toute matrice symtrique relle est diagonalisable.
Exercices 1.1 b), 1.2 c), 1.3 a), 1.4 a), 1.7 b), 1.12 e), 1.14 a),
1.28 a), 1.35 a) .
Pour tudier
la diagonalisabilit
dun endomorphisme f
de dimension nie n
Dterminer les valeurs propres de f :
si f admet n valeurs propres deux deux distinctes, alors f est dia-
gonalisable
Exercice 1.6
sinon, dterminer les sous-espaces propres de f , puis ventuelle-
ment les dimensions des sous-espaces propres de f
f est diagonalisable si et seulement si la somme des sous-espaces
propres de f est gale E
Exercice 1.16
f est diagonalisable si et seulement si la somme des dimensions
des sous-espaces propres de f est gale n
Exercices 1.6, 1.25
on peut essayer de se ramener ltude de la diagonalisabilit dune
matrice carre, en considrant la matrice de f dans une certaine base
de E.
Exercices 1.7, 1.8, 1.12, 1.29.
Pour calculer
les puissances
dune matrice carre
Essayer dutiliser, si possible, une diagonalisation A = PDP
1
de A,
o D est diagonale et P est inversible.
On a alors : n N, A
n
= PD
n
P
1
.
De plus, A est inversible si et seulement si D est inversible, et, dans ce
cas, on a alors : n Z, A
n
= PD
n
P
1
.
Exercice 1.3 c).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
3
noncs des exercices
1.1 Exemples dtude de diagonalisabilit et de diagonalisation ventuelle de matrices carres
dordre 3
Pour chacune des matrices suivantes, est-elle diagonalisable et, si oui, la diagonaliser :
a) A =
_
_
4 6 3
1 3 1
4 4 3
_
_
b) B =
_
_
0 0 1
0 0 1
1 1 1
_
_
c) C =
_
_
3 6 2
0 1 0
4 12 3
_
_
d) E =
_
_
1 2 1
0 1 1
0 0 1
_
_
e) F =
_
_
3 1 1
0 2 2
1 1 3
_
_
f) G =
_
_
1 0 1
0 1 2
1 1 1
_
_
.
1.2 Exemple de diagonalisation dune matrice carre dordre 4, daprs HEC 2009
On considre la matrice A =
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
de M
4
(R) et on note f lendomorphisme de R
4
reprsent par A dans la base canonique B
0
= (e
1
, e
2
, e
3
, e
4
) de R
4
.
a) On note v
1
= (1, 1, 0, 0), v
2
= (1, 1, 1, 1), v
3
= (1, 0, 1, 0).
Calculer f (v
i
) pour tout i 1 ; 3.
b) Calculer A
2
. Quen dduit-on pour les valeurs propres de A?
c) Montrer que A est diagonalisable dans M
4
(R) et dterminer une matrice de passage P de la
base B
0
une base de vecteurs propres pour f .
1.3 Exemple de dtermination des valeurs propres et des sous-espaces propres dune matrice
carre dordre 5, daprs HEC 2006
_
_
0 1 0 0 0
1 0 1 0 0
0 1 0 1 0
0 0 1 0 1
0 0 0 1 0
_
_
M
5
(R).
a) Est-ce que A est diagonalisable ?
b) Dterminer les valeurs propres et les sous-espaces propres de A.
1.4 Exemple de calcul des puissances dune matrice carre dordre 3 laide dune diagonali-
sation
On note A =
_
_
0 0 1
0 1 1
1 1 1/2
_
_
M
3
(R).
a) Montrer que A est diagonalisable et que A est inversible.
b) Diagonaliser A.
c) En dduire lexpression de A
n
pour tout n Z.
4
noncs des exercices
1.5 Exemple dtude de diagonalisabilit pour un endomorphisme de M
2
(R)
On note E = M
2
(R) et : f : E E,
_
a b
c d
_

1
2
_
a + d b + c
b + c a + d
_
.
a) Vrier : f L(E) et f
2
= f .
b) Dterminer les valeurs propres et les sous-espaces propres de f .
c) Est-ce que f est diagonalisable ?
1.6 lments propres dun endomorphisme dun ev de polynmes
On considre lapplication f dnie dans C
2
[X] par :
P C
2
[X], f (P) = (X
2
+ 1)P
(2X 1)P.
a) Montrer que f est un endomorphisme de C
2
[X].
b) Dterminer les valeurs propres et les sous-espaces propres de f , de deux faons direntes,
en utilisant :
1) la dnition des lments propres de f
2) la matrice de f dans la base (1, X, X
2
) de C
2
[X].
c) Lendomorphisme f est-il diagonalisable ?
1.7 Exemple de dtermination des lments propres dun endomorphisme de M
2
(R)
On considre lapplication f : M
2
(R) M
2
(R),
_
a b
c d
_

_
d b
c a
_
.
a) Vrier que f est un endomorphisme de lespace vectoriel M
2
(R) et crire la matrice de f
dans la base canonique de M
2
(R).
b) Montrer que f est diagonalisable.
1.8 tude de diagonalisabilit pour un endomorphisme dun ev de polynmes
Soit (a, b) R
2
. On note
f : R
2
[X] R
2
[X], P P(X+ a) + P(X+ b) (a + b)P
(X).
a) Vrier : f L
_
R
2
[X]
_
.
b) Former la matrice de f dans la base canonique B = (1, X, X
2
) de R
2
[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) R
2
pour que la matrice A =
_
0 1
y 2x
_
soit diagonalisable dans M
2
(R).
1.10 Exemple dtude de diagonalisabilit dune matrice carre dordre 3 paramtre, daprs
EDHEC 2008
On note, pour tout a R, M(a) =
_
_
3 a 5 + a a
a a 2 a
5 5 2
_
_
M
3
(R).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
5
a) Dterminer les valeurs propres de M(a), pour tout a R.
b) Trouver lensemble des a R tels que M(a) soit diagonalisable.
1.11 tude de diagonalisabilit pour une matrice carre dordre 3 paramtre
a) On note J =
_
_
0 0 1
1 0 1
0 1 0
_
_
. Montrer que J est diagonalisable dans M
3
(C).
b) On note, pour tout (a, b, c) C
3
, M(a, b, c) =
_
_
a c b
b a + c b + c
c b a + c
_
_
.
Montrer que, pour tout (a, b, c) C
3
, M(a, b, c) est diagonalisable dans M
3
(C).
1.12 Exemple dtude de diagonalisabilit pour un endomorphisme de M
2
(R)
On note A =
_
1 1
1 1
_
M
2
(R) et f : M
2
(R) M
2
(R), M AM.
a) Vrier : f L
_
M
2
(R)
_
.
b) Dterminer Ker ( f ) et en donner une base et la dimension.
c) Dterminer Im( f ) et en donner une base et la dimension.
d) crire la matrice de f dans la base canonique B = (E
1
, E
2
, E
3
, E
4
) de M
2
(R), o :
E
1
=
_
1 0
0 0
_
, E
2
=
_
0 1
0 0
_
, E
3
=
_
0 0
1 0
_
, E
4
=
_
0 0
0 1
_
.
e) Est-ce que f est diagonalisable ?
1.13 Exemple dendomorphisme dun espace de fonctions, daprs HEC 2010
On note, pour tout k 0 ; 3 : f
k
: R R, x x
k
e
x
et on note B = ( f
0
, f
1
, f
2
, f
3
), E = Vect (B).
a) Montrer que B est une base de E et dterminer dim(E).
b) Montrer que lapplication : f f

f

est un endomorphisme du R-espace vectoriel E.
On note M la matrice de f dans B.
c) La matrice M est-elle inversible ? diagonalisable ?
1.14 Exemple de dtermination des valeurs propres dune matrice carre dordre n
Soient p N
, n = 2p + 1, A = (a
i j
)
i j
M
n
(R), o : a
i j
=
_
_
1 si i + j est pair
0 sinon.
a) Est-ce que A est diagonalisable ?
b) Dterminer les valeurs propres et les sous-espaces propres de A.
1.15 Exemple dtude de diagonalisabilit pour une matrice carre dordre n
Soient n N \ 0, 1, A = (a
i j
)
i j
M
n
(R) o : a
i j
=
_
_
1 si (i = 1 ou j = n)
0 sinon.
6
noncs des exercices
a) Dterminer les valeurs propres de A.
b) Calculer A
2
. Est-ce que A
2
= A?
c) Montrer que A nest pas diagonalisable.
1.16 Endomorphismes f tels que ( f ae) ( f be) = 0, daprs EDHEC 2006
Soient E un K-ev de dimension nie, n = dim(E) N
, e = Id
E
, (a, b) K
2
tel que a b,
f L(E) tel que ( f ae) ( f be) = 0.
a) Montrer : Im( f be) Ker ( f ae) et Im( f ae) Ker ( f be).
b) tablir :
1
a b
( f be) +
1
b a
( f ae) = e.
c) Dmontrer que les sev Ker ( f ae) et Ker ( f be) de E sont supplmentaires dans E.
d) Conclure que f est diagonalisable.
1.17 Matrices A M
n
(R) telles que A
2
= I
n
, daprs EDHEC 2006
Soit n N
. Le but de lexercice est dtudier lexistence de matrices A M

n
(R) telles que
A
2
= I
n
.
a) On suppose ici n pair.
En utilisant la matrice
_
0 1
1 0
_
, montrer quil existe A M
n
(R) telle que A
2
= I
n
.
b) On suppose ici n impair, et on suppose quil existe A M
n
(R) telle que A
2
= I
n
.
1) En utilisant lexercice 1.16, montrer que A est diagonalisable dans M
n
(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 = (m
i j
)
i j
M
n
(C), on note M = (m
i j
)
i j
M
n
(C), et, pour toute
matrice colonne X = (x
i
)
i
M
n,1
(C), on note X = (x
i
)
i
M
n,1
(C).
2) Montrer, pour toute X M
n,1
(C) : X E
i
X E
i
.
3) En dduire que, si (u
1
, ..., u
d
) est une base de E
i
, alors (u
1
, ..., u
d
) est une base de E
i
et
conclure : dim(E
i
) = dim(E
i
).
4) Amener une contradiction et conclure.
1.18 tude dun endomorphisme nilpotent
Soient E un K-ev de dimension nie n 1 et f L(E) nilpotent (cest--dire quil existe
p N
tel que f
p
= 0).
a) Montrer que 0 est une valeur propre de f , et que cest la seule.
b) Lendomorphisme f est-il diagonalisable ?
1.19 Polynmes dendomorphismes, daprs HEC 2010
Soient E un espace vectoriel de dimension nie, e = Id
E
, f L(E) tel que :
( f e)
3
( f 2e)
2
= 0 et ( f e)
3
( f 2e) 0.
tudier la diagonalisabilit de f .
1.20 Exemple de recherche des sev stables par un endomorphisme, daprs HEC 2009
Soient E un K-espace vectoriel de dimension 3, B = (e
1
, e
2
, e
3
) une base de E.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
7
_
_
0 1 0
0 0 1
0 0 0
_
_
de M
3
(K) et on note f lendomorphisme reprsent par A
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 (e
1
).
2) Montrer que, si dim(F) = 2, alors F = Vect (e
1
, e
2
).
c) Conclure.
1.21 Noyau et image de f
2
lorsque f est diagonalisable
Soient E un espace vectoriel de dimension nie, f L(E) diagonalisable. Montrer :
Ker ( f
2
) = Ker ( f ) et Im( f
2
) = Im( f ).
1.22 Racines carres dune matrice carre de M
n
(C) ayant n valeurs propres
Soient n N
, A M
n
(C) admettant n valeurs propres deux deux distinctes, notes
1
, ...,
n
.
On note D = diag
1in
(
i
) et P GL
n
(C) telle que A = PDP
1
.
On se propose de rsoudre lquation M
2
= A, dinconnue M M
n
(C).
a) Soit M M
n
(C). On note N = P
1
MP. Montrer : M
2
= A N
2
= D.
b) Montrer que, pour toute N M
n
(C), si N
2
= D, alors N commute avec D.
c) Dterminer toutes les matrices de M
n
(C) qui commutent avec D.
d) En dduire lensemble
_
M M
n
(C) ; M
2
= A
_
.
Cet ensemble est-il ni ? Si oui, combien a-t-il dlments ?
1.23 Lien entre les diagonalisabilits de AB et de BA
Soient n N
, A, B M
n
(R) telles que AB soit diagonalisable.
a) Montrer que, si A ou B est inversible, alors BA est diagonalisable.
b) Le rsultat prcdent est-il valable sans lhypothse dinversibilit ? (On pourra se limiter au
cas n = 2.)
1.24 f g et g f ont les mmes valeurs propres
Soient E un espace vectoriel de dimension nie, f , g L(E). Montrer que f g et g f ont les
mmes valeurs propres.
1.25 Exemple dendomorphisme dun espace de polynmes, daprs HEC 2010
On note f : R[X] R[X], P 3XP + (X
2
X)P
(X
3
X
2
)P
.
a) Montrer que f est un endomorphisme du R-espace vectoriel R[X].
b) Calculer f (X
n
) pour tout n N.
c) Lapplication f est-elle injective ? surjective ?
8
noncs des exercices
d) 1) Montrer quil existe n N
unique tel que R

n
[X] soit stable par f et dterminer cet entier n.
2) On note g lendomorphisme de R
n
[X] (o n a la valeur obtenue ci-dessus) induit par f .
Est-ce que g est diagonalisable ?
1.26 Exemple dtude de diagonalisabilit pour une matrice carre dordre n
Soit n N tel que n 3. On note A
n
=
_
_
2 2 . . . 2 2
1 0 . . . 0 1
.
.
.
.
.
. (0)
.
.
.
.
.
.
1 0 . . . 0 1
2 2 . . . 2 2
_
_
M
n
(R).
a) Quel est le rang de A
n
? En dduire que 0 est valeur propre de A
n
et dterminer la dimension
du sous-espace propre associ.
b) Dterminer les valeurs propres de A
n
.
c) Montrer que A
n
est diagonalisable.
1.27 tude de diagonalisabilit pour une matrice carre dordre n
Soient n N
, a
1
, ..., a
n
R tels que 0 < a
1
< ... < a
n
. On note :
A =
_
_
0 a
2
a
3
. . . . . . a
n
a
1
0 a
3
. . . . . . a
n
a
1
a
2
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
n
a
1
a
2
. . . . . . a
n1
0
_
_
M
n
(R).
a) Soit R, X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R) \ 0, S =
n
i=1
a
i
x
i
. Montrer :
AX = X
_
S = ( + a
1
)x
1
, . . . , S = ( + a
n
)x
n
_
.
b) En dduire que, pour tout R, est valeur propre de A si et seulement si :
_
k 1 ; n, + a
k
0
_
et
n
k=1
a
k
+ a
k
= 1.
c) Dresser le tableau des variations de la fonction f : 1 +
n
k=1
a
k
+ a
k
.
d) Conclure quant la diagonalisabilit de A dans M
n
(R).
1.28 tude des valeurs propres dune matrice carre dordre n tridiagonale, par utilisation
dune suite rcurrente linaire
Soient n N
, A =
_
_
0 1 0 . . . 0
1 0
.
.
.
(0)
.
.
.
0
.
.
.
.
.
.
.
.
.
0
.
.
. (0)
.
.
.
0 1
0 . . . 0 1 0
_
_
M
n
(R).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
9
a) Montrer que A est diagonalisable dans M
n
(R).
b) Soient R une valeur propre de A, X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R) \ 0 tel que AX = X. On note de
plus x
0
= 0 et x
n+1
= 0.
1) Montrer : i 0 ; n 1, x
i+2
x
i+1
+ x
i
= 0.
2) tablir que lquation r
2
r + 1 = 0, dinconnue r C, admet deux solutions distinctes,
notes r
1
, r
2
.
3) En dduire : [2 ; 2].
1.29 Somme de projecteurs
Soient E un K-ev de dimension nie note n, e = Id
E
, k N
, (u
1
, ..., u
k
)
_
L(E)
_
k
tel que :
k
i=1
u
i
= e et (i, j) 1 ; k
2
,
_
i j = u
i
u
j
= 0
_
.
a) Montrer : i 1 ; k, u
2
i
= u
i
.
b) tablir que les sev Im(u
i
), i 1 ; k, sont en somme directe et que E =
k
i=1
Im(u
i
).
c) Dmontrer que tout lment de Vect (u
1
, ..., u
k
) est diagonalisable.
1.30 Trois endomorphismes vriant des galits
Soient E un espace vectoriel de dimension nie, e = Id
E
, f , g, h L(E) tels que :
f g = h, g h = f , h f = g.
a) Montrer : f
2
= g
2
= h
2
puis f
5
= f .
On suppose dornavant que f est bijectif et diagonalisable.
b) tablir : f
2
= e.
c) Montrer que f , g, h commutent deux deux.
1.31 CNS pour que
2
soit valeur propre de f
2
Soient E un espace vectoriel de dimension nie, R, f L(E).
Montrer :
2
est valeur propre de f
2
si et seulement si ou est valeur propre de f .
1.32 Exemple des puissances dune matrice carre non diagonalisable
Soient n N
, A M
n
(R) telle que :
A(A I
n
)
2
= 0, (A I
n
)
2
0, A(A I
n
) 0.
a) Montrer que les valeurs propres de A sont 0 et 1.
b) tablir que A nest pas diagonalisable.
c) Exprimer, pour tout k N
, A
k
comme combinaison linaire de A et A
2
.
d) Donner un exemple de telle matrice A pour n = 3.
10
noncs des exercices
1.33 tude de projecteur, daprs HEC 2010
a) La matrice A =
_
_
0 0 1
0 1 0
0 0 0
_
_
est-elle diagonalisable dans M
3
(R) ?
b) Soient E un R-ev de dimension 3 et f L(E) tel que f
2
soit un projecteur et que rg ( f
2
) = 1.
1) Montrer que lensemble des valeurs propres de f est 0 ou 0, 1 ou 0, 1.
2) On suppose, de plus, que f admet 1 pour valeur propre et que f nest pas un projecteur.
Montrer quil existe une base B de E dans laquelle f est reprsent par A.
1.34 Disques de Gershgorin
Soient n N
, A = (a
i j
)
i j
M
n
(C). Montrer que, pour toute valeur propre de A dans C, il
existe i 1 ; n tel que : a
ii

1jn, ji
a
i j
.
1.35 Comportement asymptotique des valeurs propres dune matrice carre dordre n
On note, pour tout n N tel que n 4 : A
n
=
_
_
1 1 1 . . . 1
1 1 0 . . . 0
1 0 0
.
.
.
0
.
.
.
.
.
.
.
.
. (0)
.
.
.
1 0 0 . . . 0
_
_
M
n
(R).
a) Montrer que A
n
est diagonalisable dans M
n
(R).
b) Montrer que 0 est valeur propre de A
n
et dterminer la dimension du sous-espace propre
associ.
c) tablir que A
n
admet exactement quatre valeurs propres, qui sont 0 et trois autres relles deux
deux distinctes, notes a
n
, b
n
, c
n
, qui sont les racines du polynme
P
n
= X
3
2X
2
(n 2)X + (n 2), et que : a
n
< 0 2, c
n

n
+, c
n

n
n, b
n

n
1, a
n

n
n.
1.36 galits de polynmes de matrices carres
Soient P K[X], A, B M
n
(K) diagonalisables. On suppose que lapplication polynomiale
P : K K, x P(x) est injective et que P(A) = P(B). Montrer : A = B.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
11
Du mal dmarrer ?
1.1 a) Pour dterminer les vp de A, tudier le rang de la ma-
trice A I
3
selon les valeurs du rel .
Dterminer les SEP en utilisant la dnition.
b) Remarquer que B est symtrique relle.
Pour dterminer les vp de B, tudier le rang de la matrice BI
3
c) Pour dterminer les vp de C, tudier le rang de la matrice
C I
3
d) Pour les vp, remarquer que E est triangulaire.
Montrer que E nest pas diagonalisable en raisonnant par lab-
surde.
e) Pour dterminer les vp de F, tudier le rang de la matrice
F I
3
f) Pour dterminer les vp de G, tudier le rang de la matrice
G I
3
selon les valeurs du rel . cet effet, tudier les varia-
tions de la fonction
3
+
2
4.
Montrer que G nest pas diagonalisable en raisonnant par lab-
surde.
1.2 a), b) Immdiats.
c) Remarquer que A est symtrique relle.
Dterminer SEP(f, 2) et, dautre part, utiliser a) pour d-
duire Vect (v
1
, v
2
, v
3
) SEP(f, 2).
1.3 a) Remarquer que A est symtrique.
b) Rsoudre lquation AX = X, dinconnues R,
X =
_
_
x
1
.
.
.
x
5
_
_
M
5,1
(R) \0, en exprimant, par exemple, x
2
, x
3
, x
4
, x
5
en fonction de x
1
.
1.4 a) Remarquer que A est symtrique relle.
Calculer le rang de A, par exemple.
b) Pour dterminer les vp de A, tudier le rang de la matrice
A I
3
Dterminer les SEP de A par la dnition.
c) Utiliser la diagonalisation A = PDP
1
obtenue en b) pour cal-
culer (PDP
1
)
n
= PD
n
P
1
.
1.5 a) Immdiat.
b) Pour dterminer les vp, utiliser a).
c) Calculer la somme des dimensions des SEP.
1.6 a) Immdiat.
b) 1) Rsoudre lquation f(P) = P, dinconnues C,
P C
2
[X] \ 0, en notant P = aX
2
+ bX + c, (a, b, c) C
2
.
b) 2) Calculer f(1), f(X), f(X
2
), en dduire la matrice de f dans
la base canonique (1, X, X
2
) de C
2
[X] et dterminer les vp et
les SEP de cette matrice carre dordre 3 par la mthode habi-
tuelle.
c) Lendomorphisme f de C
2
[X] admet trois vp deux deux dis-
tinctes.
1.7 a) La linarit de f est immdiate.
Calculer les images par f des vecteurs de la base canonique
B= (E
1
, E
2
, E
3
, E
4
) de M
2
(R).
b) Remarquer que la matrice de f dans Best symtrique relle.
1.8 a) Immdiat.
b) Calculer f(1), f(X), f(X
2
).
c) Le cas a
2
+ b
2
= 0 est dtude immdiate.
Si a
2
+ b
2
0, raisonner par labsurde pour montrer qualors f
nest pas diagonalisable.
1.9 tudier les valeurs propres de A et sparer en cas selon
le signe de y x
2
.
1.10 a) Calculer, pour R, le rang de M(a) I
3
selon les
valeurs de .
b) Dterminer les SEP de M(a) en utilisant la dnition.
tudier la somme des dimensions des SEP de M(a).
1.11 a) Dterminer les vp de J par la mthode habituelle.
Montrer que le polynme X
3
X 1 de C[X] admet trois zros
deux deux distincts.
b) Remarquer que M(a, b, c) se dcompose linairement sur
I
3
, J, J
2
.
1.12 a) Immdiat.
b) Rsoudre f(M) = 0, dinconnue M =
_
x y
z t
_
M
2
(R).
c) Calculer f(M) pour toute M =
_
x y
z t
_
M
2
(R).
d) Calculer f(E
1
), ..., f(E
4
) en fonction de E
1
, ..., E
4
.
e) Remarquer que la matrice obtenue en d) est symtrique
relle.
1.13 a) Montrer que Best libre en revenant la dnition et
en faisant intervenir un polynme.
b) Calculer (f
i
) pour tout i 0; 3.
c) Montrer que M admet une valeur propre et une seule, puis
raisonner par labsurde.
12
Du mal dmarrer ?
b) Rsoudre lquation AX = X, dinconnues R,
X =
_
_
x
1
.
.
.
x
2p+1
_
_
M
2p+1,1
(R) \ 0.
1.15 a) Remarquer que A est triangulaire. b) Immdiat.
c) Pour montrer que A nest pas diagonalisable, raisonner par
labsurde et remarquer que, si Dest une matrice diagonale sem-
blable A, alors D
2
= D.
1.16 a) Passer par les lments.
b) Immdiat.
c) Montrer que Ker (f ae) Ker (f be) = 0 en passant par
les lments.
Montrer E = Ker (f) + Im(f) en passant par les lments et
en utilisant a).
d) Montrer que les vp de f sont parmi a et b et utiliser c).
1.17 a) Considrer la matrice, diagonale par blocs, forme par
la rptition de la matrice dordre 2 propose.
b) 1) Appliquer lexercice 1.16, version matricielle, au couple
(a, b) = ( i , i ).
Ne pas oublier de montrer que i et i sont vp de A, en raison-
nant par labsurde.
b) 2) Partir de AX = i X et conjuguer.
b) 3) Montrer que u
1
, ..., u
d
sont dans E
i
et que la famille
(u
1
, ..., u
d
) est libre et gnratrice de E
i
.
b) 4) Dduire n = 2dim(E
i
), puis une contradiction.
1.18 a) Remarquer que le polynme X
p
est annulateur de f.
Montrer que f nest pas bijectif.
b) Montrer que, si f est diagonalisable, alors f = 0.
Rciproque immdiate.
1.19 Remarquer que le polynme (X 1)
3
(X 2)
2
est annula-
teur 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 (e
1
, e
2
), noter
v = a
1
e
1
+ a
2
e
2
+ a
3
e
3
o (a
1
, a
2
, a
3
) R
3
et a
3
0, et considrer
f(v) et f
2
(v).
c) Immdiat.
1.21 Faire intervenir une base B = (e
1
, ..., e
n
) de E dans la-
quelle f est reprsent par une matrice diagonale. Exprimer
Ker (f) et Im(f) laide de e
1
, ..., e
n
.
Utiliser :
2
= 0 = 0.
1.22 a) Remplacer M par PNP
1
.
b) Immdiat.
c) Noter N = (x
ij
)
ij
et traduire ND = DN.
d) Utiliser a), b), c). Pour dterminer le nombre dlments de
lensemble tudi, distinguer en deux cas selon que 0 est valeur
propre de A ou non.
1.23 a) Supposer A inversible et diagonaliser AB sous la forme
AB = PDP
1
.
tudier le cas o B est inversible.
b) Trouver un contrexemple, par exemple dans lequel AB = 0 et
BA 0.
1.24 Soit une valeur propre de f g, x E \ 0 tel que
(f g)(x) = x. Calculer (g f)
_
g(x)
_
et sparer en deux cas :
g(x) 0, g(x) = 0.
Appliquer le rsultat de 1) (g, f) la place de (f, g).
1.25 a) b) Immdiats.
c) Considrer f(X
2
) et f(X
3
).
Remarquer : f(P)(0) = 0.
d) 1) Utiliser b).
d) 2) crire la matrice de g dans la base canonique de R
3
[X],
en dduire les valeurs propres de g, puis dterminer les sous-
espaces propres de g.
1.26 a) Remarquer que, en notant C
1
, ..., C
n
les colonnes
de A
n
, on a C
1
= C
n
et C
2
= ... = C
n1
.
Appliquer le thorme du rang.
b) Dterminer les vp de A
n
par ltude de lquation A
n
X = X,
dinconnue R et o X M
n,1
(R) \ 0.
c) tudier les dimensions des SEP de A
n
.
1.27 a) Immdiat.
b) Supposer, par exemple, +a
1
= 0, et dduire X = 0, contra-
diction.
Dduire S 0.
c) Calculer f

() pour R \ a
1
, ..., a
d
et dterminer les limites
de f.
d) Dduire de c) que A admet n vp deux deux distinctes.
b) 1) Poser le systme dquations correspondant AX = X.
b) 2) Raisonner par labsurde : supposer que lquation
r
2
r + 1 = 0, dinconnue r C, admet une solution double, et
amener une contradiction.
b) 3) Remarquer : r
1
+ r
2
= , r
1
r
2
= 1.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
13
1.29 a) Pour i 1; k, calculer u
i
par u
i
= e u
i
.
b) Soit (x
1
, ..., x
k
) Im(u
1
) Im(u
k
) tel que
k
i=1
x
i
= 0. In-
troduire t
i
E tel que x
i
= u
i
(t
i
), dduire x
i
= u
i
(x
i
), puis, pour
j 1; k, calculer u
j
_
k
i=1
x
i
_
.
Montrer que, pour tout x E, x se dcompose sur les
Im(u
i
), 1 i k, en partant de x = e(x).
c) Utiliser une base de E forme par la runion de bases des
Im(u
i
).
1.30 a) Calculer f
2
en remplaant (une fois) f par g h et en
utilisant les hypothses.
Calculer f
5
par f
2
f f
2
(par exemple).
b) Remarquer f (f
4
e) = 0 et utiliser la bijectivit de f.
Montrer que f
2
+e est bijectif, par exemple en passant laspect
matriciel dans une base de diagonalisabilit de f.
c) Calculer g f, en utilisant les hypothses et g
2
= e (par
exemple).
1.31 1) Supposer que est valeur propre de f. Faire intervenir
un vecteur propre x de f associ , et calculer f
2
(x).
De mme si est valeur propre de f.
2) Pour la rciproque, raisonner par contraposition. Supposer
que nest pas valeur propre de f et que nest pas valeur
propre de f. Traduire ceci par des bijectivits.
1.32 a) 1) Remarquer que le polynme X(X1)
2
est annulateur
de A.
2) Supposer que 0 nest pas valeur propre de A et, en utilisant
A
1
, dduire une contradiction.
Supposer que 1 nest pas valeur propre de A et, en utilisant
(A I
n
)
1
, dduire une contradiction.
b) Raisonner par labsurde : supposer A diagonalisable.
crire alors A = PDP
1
avec D = diag(1, ..., 1, 0, ..., 0) et P inver-
sible.
Calculer D
2
puis A
2
et conclure.
c) Obtenir A
3
= 2A
2
A.
Montrer, par rcurrence, que, pour tout k N
, il existe
(a
k
, b
k
) R
2
tel que : A
k
= a
k
A + b
k
A
2
, et obtenir des rela-
tions exprimant a
k+1
et b
k+1
en fonction de a
k
et b
k
.
Exprimer a
k+2
en fonction de a
k
et a
k+1
. Rsoudre cette rcur-
rence linaire du second ordre coefcients constants.
d) Envisager, par exemple, une matrice triangulaire dont les
termes diagonaux sont 0, 1, 1.
1.33 a) Dterminer les vp et les SEP de A.
b) 1) Remarquer que le polynme X
4
X
2
est annulateur de f.
Montrer que 0 est valeur propre de f, en raisonnant par lab-
surde.
Montrer que 0, 1, 1 ne peuvent pas tre tous trois valeurs
propres de f, en raisonnant par labsurde.
b) 2) Montrer que f nest pas diagonalisable, en raisonnant par
labsurde.
tablir : Ker (f) Ker (f
2
).
Utiliser un vecteur v
3
tel que v
3
Ker (f
2
) et v
3
Ker (f).
1.34 Soit une vp de A dans C.
Introduire X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(C) \ 0 tel que AX = X, et pas-
ser aux lments. Considrer un indice i 1; n tel que
x
i
= Max
1kn
x
k
. Faire passer a
ii
x
i
dans lautre membre et utiliser
lingalit triangulaire.
1.35 a) Remarquer que A
n
est symtrique relle.
b) Montrer rg(A
n
) = 3 et dduire dim
_
SEP(A
n
, 0)
_
= n 3 1.
c) tudier, pour R, le rang de A
n
I
n
et sparer en cas :
= 0, = 1, 0 et 1.
Montrer que P
n
admet trois zros rels, deux deux dis-
tincts.
d) Calculer P
n
(2).
Montrer c
3
n
n 2.
Montrer c
3
n

n
(n 2)c
n
.
Montrer b
n
1 =
b
3
n
b
2
n
n 2
.
Remarquer a
n
b
n
c
n
= (n 2).
1.36 Introduire D = diag
1in
(d
i
), E = diag
1in
(e
i
), Q, R GL
n
(K) telles
que : A = QDQ
1
et B = RER
1
.
Dduire : (R
1
Q)P(D) = P(E)(R
1
Q).
Noter U = R
1
Q et passer aux lments.
14
1.1
a) Dterminons les valeurs propres de A. Soit R. On a :
rg (A I
3
) = rg
_
_
4 6 3
1 3 1
4 4 3
_
_
= rg
_
_
1 3 1
4 6 3
4 4 3
_
_
L
1
L
2
= rg
_
_
1 3 1
0 6 (4 + )(3 ) 3 + (4 + )
0 4 + 4(3 ) 1
_
_
L
2
L
2
(4 + )L
1
L
3
L
3
+ 4L
1
= rg
_
_
1 3 1
0 8 4 1
0 6 + +
2
1 +
_
_
L
2
L
3
= rg
_
_
1 1 3
0 1 8 4
0 1 + 6 + +
2
_
_
C
2
C
3
= rg
_
_
1 1 3
0 1 8 4
0 0
2
3 + 2
_
_
L
3
L
3
+ L
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 diagona-
lisable.
Dterminons les sous-espaces propres de A.
Soit X =
_
_
x
y
z
_
_
M
3,1
(R).
X SEP(A, 1) AX = X
_
4x + 6y 3z = x
x + 3y z = y
4x 4y + 3z = z
_
3x + 6y 3z = 0
x + 4y z = 0
4x 4y + 4z = 0
_
(x + z) + 2y = 0
(x + z) + 4y = 0
(x + z) y = 0
_
x + z = 0
y = 0.
Ainsi : SEP(A, 1) =
_
_
_
x
0
x
_
_
; x R
_
= Vect (
_
_
1
0
1
_
_
).
X SEP(A, 1) AX = X
_
4x + 6y 3z = x
x + 3y z = y
4x 4y + 3z = z
_
5x + 6y 3z = 0
x + 2y z = 0
4x 4y + 2z = 0
_
x = 2y z
5(2y z) + 6y 3z = 0
4(2y z) 4y + 2z = 0
_
z = 2y
x = 0.
Ainsi : SEP(A, 1) =
_
_
_
0
y
2y
_
_
; y R
_
= Vect (
_
_
0
1
2
_
_
).
X SEP(A, 2) AX = 2X
_
4x + 6y 3z = 2x
x + 3y z = 2y
4x 4y + 3z = 2z
_
6x + 6y 3z = 0
x + y z = 0
4x 4y + z = 0
_
2(x y) z = 0
(x y) z = 0
4(x y) + z = 0
_
x y = 0
z = 0.
Ainsi : SEP(A, 2) =
_
_
_
x
x
0
_
_
; x R
_
= Vect (
_
_
1
1
0
_
_
).
On conclut A = PDP
1
, o, par exemple :
P =
_
_
1 0 1
0 1 1
1 2 0
_
_
, D =
_
_
1 0 0
0 1 0
0 0 2
_
_
.
b) La matrice B est symtrique relle, donc, daprs le cours, B
est diagonalisable.
Dterminons les valeurs propres de B. Soit R. On a :
rg (B I
3
) = rg
_
_
0 1
0 1
1 1 1
_
_
= rg
_
_
1 1 1
0 1
0 1
_
_
L
1
L
3
15
= rg
_
_
1 1 1
0 1
0 1 +
2
_
_
L
3
L
3
+ L
1
= rg
_
_
1 1 1
0 1
0 0
_
_
L
3
L
3
+ L
2
o = 2 +
2
= (1 + )(2 )
=
_
_
3 si 0 et 1 et 2
2 sinon.
Ceci montre que les valeurs propres de B sont : 0, 1, 2.
Puisque B est carre dordre 3 et admet trois valeurs propres
deux deux distinctes, daprs le cours, B est diagonalisable,
ce que lon a vu autrement plus haut.
Dterminons les sous-espaces propres de B.
Soit X =
_
_
x
y
z
_
_
M
3,1
(R).
X SEP(B, 0) BX = 0
_
z = 0
x + y + z = 0
_
z = 0
y = x,
donc : SEP(B, 0) =
_
_
_
_
x
x
0
_
_
; x R
_
_
= Vect
_
_
_
_
1
1
0
_
_
_
_
.
X SEP(B, 1) BX = X
_
z = x
z = y
x + y + z = z
_
y = x
z = x,
donc : SEP(B, 1) =
_
_
_
_
x
x
x
_
_
; x R
_
_
= Vect
_
_
_
_
1
1
1
_
_
_
_
.
X SEP(B, 2) BX = 2X
_
z = 2x
z = 2y
x + y + z = 2z
_
y = x
z = 2x,
donc : SEP(B, 2) =
_
_
_
_
x
x
2x
_
_
; x R
_
_
= Vect
_
_
_
_
1
1
2
_
_
_
_
.
On conclut B = PDP
1
, o, par exemple :
P =
_
_
1 1 1
1 1 1
0 1 2
_
_
, D =
_
_
0 0 0
0 1 0
0 0 2
_
_
.
c) Dterminons les valeurs propres de C. Soit R. On a :
rg (C I
3
) = rg
_
_
3 6 2
0 1 0
4 12 3
_
_
= rg
_
_
4 12 3
0 1 0
3 6 2
_
_
L
1
L
3
= rg
_
_
4 12 3
0 1 0
0 12(1 ) 1
2
_
_
L
3
4L
3
+ ( 3)L
1
= rg
_
_
4 12 3
0 12(1 ) 1
2
0 1 0
_
_
L
2
L
3
= rg
_
_
4 12 3
0 12(1 ) 1
2
0 0 12(1 )(1 + )
_
_
L
3
L
3
12L
2
=
_
_
3 si 1 et 1
2 si = 1
1 si = 1.
Ceci montre que les valeurs propres de C sont : 1 et 1.
Dterminons les sous-espaces propres de C.
Soit X =
_
_
x
y
z
_
_
M
3,1
(R).
X SEP(C, 1) CX = X
_
3x 6y 2z = x
y = y
4x 12y 3z = z
_
y = 0
z = 2x
donc : SEP(C, 1) =
_
_
_
_
x
0
2x
_
_
; x R
_
_
= Vect
_
_
_
_
1
0
2
_
_
_
_
.
X SEP(C, 1) CX = X
_
3x 6y 2z = x
y = y
4x 12y 3z = z
x = 3y + z,
donc : SEP(C, 1) =
_
_
_
_
3y + z
y
z
_
_
(y, z) R
2
_
_
=
_
_
y
_
_
3
1
0
_
_
+ z
_
_
1
0
1
_
_
; (y, z) R
2
_
_
= Vect
_
_
_
_
3
1
0
_
_
,
_
_
1
0
1
_
_
_
_
.
La matrice C est carre dordre 3 et la somme des dimensions
des sous-espaces propres de C est gale 1 + 2 = 3, donc,
daprs le cours, C est diagonalisable.
16
On conclut C = PDP
1
, o, par exemple :
P =
_
_
1 3 1
0 1 0
2 0 1
_
_
, D =
_
_
1 0 0
0 1 0
0 0 1
_
_
.
d) La matrice E est triangulaire (suprieure) donc les valeurs
propres de E se lisent sur sa diagonale : E admet une valeur
propre et une seule, qui est 1.
Si E tait diagonalisable, il existerait P M
3
(R) inversible telle
que E = PI
3
P
1
= PP
1
= I
3
, contradiction.
On conclut que E nest pas diagonalisable.
e) Dterminons les valeurs propres de F. Soit R. On a :
rg (F I
3
) = rg
_
_
3 1 1
0 2 2
1 1 3
_
_
= rg
_
_
1 1 3
0 2 2
3 1 1
_
_
L
1
L
3
= rg
_
_
1 1 3
0 2 2
0 2
2
6 + 10
_
_
L
3
L
3
+ (3 )L
1
= rg
_
_
1 1 3
0 2 2
0 0
_
_
L
3
L
3
L
2
o =
2
6 + 8 = ( 2)( 4)
=
_
_
3 si 2 et 4
2 si = 2 ou = 4.
Ceci montre que les valeurs propres de F sont : 2 et 4.
Dterminons les sous-espaces propres de F.
Soit X =
_
_
x
y
z
_
_
M
3,1
(R).
X SEP(F, 2) FX = 2X
_
3x y + z = 2x
2y + 2z = 2y
x + y + 3z = 2z
_
z = 0
x = y,
donc : SEP(F, 2) =
_
_
_
_
x
x
0
_
_
; x R
_
_
= Vect
_
_
_
_
1
1
0
_
_
_
_
.
X SEP(F, 4) FX = 4X
_
3x y + z = 4x
2y + 2z = 4y
x + y + 3z = 4z
_
x = 0
y = z
,
donc : SEP(F, 4) =
_
_
_
_
0
y
y
_
_
; y R
_
_
= Vect
_
_
_
_
0
1
1
_
_
_
_
.
Puisque F est carre dordre 3 et que la somme des dimensions
des sous-espaces propres de F est 1 + 1 = 2, on conclut que F
nest pas diagonalisable.
f) Dterminons les valeurs propres de G. Soit R. On a :
rg (G I
3
) = rg
_
_
1 0 1
0 1 2
1 1 1
_
_
= rg
_
_
1 1 1
0 1 2
1 0 1
_
_
L
1
L
3
= rg
_
_
1 1 1
0 1 2
0 (1 + ) 2
2
_
_
L
3
L
3
+ (1 + )L
1
= rg
_
_
1 1 1
0 2 1
0 2
2
1
_
_
C
2
C
3
= rg
_
_
1 1 1
0 2 1
0 0
_
_
L
3
2L
3
(2
2
)L
2
o = 2 2 (2
2
)(1 ) =
3
+
2
4
=
_
_
3 si 0
2 si = 0.
Les valeurs propres de G sont donc les tels que = 0.
tudions les variations de lapplication
P : R R,
3
+
2
4.
Lapplication P est drivable (donc continue) sur R et :
R, P
() = 3
2
+ 2 = (3 + 2).
On forme le tableau des variations de P :
0 2/3 +
P
() 0 + 0
+ < 0
P() ,
4
On a : P
_
2
3
_
=
8
27
+
4
9
4 < 0.
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.
Ainsi, G admet une valeur propre et une seule, et cest .
Si G tait diagonalisable, il existerait P M
3
(R) inversible telle
que G = P(I
3
)P
1
= I
3
, contradiction.
On conclut que G nest pas diagonalisable.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
17
1.2
a) On a :
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
1
1
0
0
_
_
=
_
_
2
2
0
0
_
_
,
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
1
1
1
1
_
_
=
_
_
2
2
2
2
_
_
,
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
1
0
1
0
_
_
=
_
_
2
0
2
0
_
_
,
do : i 1 ; 3, f (v
i
) = 2v
i
.
b) On calcule le produit de A par elle-mme et on obtient :
A
2
= 4 I
4
.
Ainsi, le polynme X
2
4 est annulateur de A. Daprs le
cours, les valeurs propres de A sont parmi les zros de ce poly-
nme, donc les valeurs propres de A sont parmi 2 et 2. Comme
f est reprsent par A, on conclut que les valeurs propres de f
sont parmi 2 et 2.
c) La matrice A est symtrique relle, donc, daprs le cours,
A est diagonalisable dans M
4
(R).
On a, pour tout V =
_
_
x
y
z
t
_
_
M
4,1
(R) :
AV = 2V
_
_
x + y + z + t = 2x
x + y z t = 2y
x y + z t = 2z
x y z + t = 2t
_
3x + y + z + t = 0
x + 3y z t = 0
x y + 3z t = 0
x y z + 3t = 0
_
4x + 4y = 0
2x 2y + 2z + 2t = 0
2x 2y + 2z + 2t = 0
4z 4t = 0
_
y = x
z = x
t = x,
donc : SEP( f , 2) = Vect
_
(1, 1, 1, 1)
_
.
Daprs a), 2 est valeur propre de f et v
1
, v
2
, v
3
sont des vec-
teurs propres pour f associs la valeur propre 2, donc :
Vect (v
1
, v
2
, v
3
) SEP( f , 2).
Montrons que (v
1
, v
2
, v
3
) est libre.
On a, pour tout (a
1
, a
2
, a
3
) R
3
:
a
1
v
1
+ a
2
v
2
+ a
3
v
3
= 0
_
a
1
+ a
2
+ a
3
= 0
a
1
a
2
= 0
a
2
+ a
3
= 0
a
2
= 0
_
a
2
= 0
a
1
= 0
a
3
= 0,
donc (v
1
, v
2
, v
3
) est libre.
Il en rsulte : dimSEP( f , 2) 3.
Si dim
_
SEP( f , 2)
_
= 4, alors SEP( f , 2) = R
4
, et 2 ne serait
pas valeur propre de f , contradiction.
On a donc dim
_
SEP( f , 2)
_
= 3, et on obtient :
SEP( f , 2) = Vect (v
1
, v
2
, v
3
).
On conclut quune matrice de passage P de la base canonique
B
0
de R
4
une base de vecteurs propres pour f est :
P =
_
_
1 1 1 1
1 1 0 1
0 1 1 1
0 1 0 1
_
_
.
1.3
a) La matrice A est symtrique, donc, daprs le cours, A est
diagonalisable.
b) Soient R, X =
_
_
x
1
.
.
.
x
5
_
_
M
5,1
(R) \ 0. On a :
AX = X
_
_
x
2
= x
1
x
1
+ x
3
= x
2
x
2
+ x
4
= x
3
x
3
+ x
5
= x
4
x
4
= x
5
_
x
2
= x
1
x
3
= x
2
x
1
x
4
= x
3
x
2
x
5
= x
4
x
3
x
4
= x
5
(S)
_
_
x
2
= x
1
x
3
= (
2
1)x
1
x
4
= (
3
2)x
1
x
5
= (
4
3
2
+ 1)x
1
(
3
2)x
1
= (
5
3
3
+ )x
1
.
Si x
1
= 0, alors, x
2
, x
3
, x
4
, x
5
sont tous nuls, donc X = 0, exclu.
On a donc x
1
0. Et :
3
2 =
5
3
3
+
5
4
3
+ 3 = 0
(
4
4
2
+ 3) = 0 (
2
1)(
2
3) = 0
18
( 1)( + 1)(
3)( +
3) = 0.
Si = 0, alors :
(S)
_
x
2
= 0, x
3
= x
1
, x
4
= 0, x
5
= x
1
_
,
donc 0 est vp de A et SEP(A, 0) = Vect
_
_
_
_
1
0
1
0
1
_
_
_
_
.
Si = 1, alors :
(S)
_
x
2
= x
1
, x
3
= 0, x
4
= x
1
, x
5
= x
1
_
,
_
_
_
_
1
1
0
1
1
_
_
_
_
.
Si = 1, alors :
(S)
_
x
2
= x
1
, x
3
= 0, x
4
= x
1
, x
5
= x
1
_
,
_
_
_
_
1
1
0
1
1
_
_
_
_
.
Si =
3, alors :
(S)
_
x
2
=
3 x
1
, x
3
= 2x
1
, x
4
=
3 x
1
, x
5
= x
1
_
,
donc

3 est vp de A et SEP(A,
3) = Vect
_
_
_
_
1
3
2
3
1
_
_
_
_
.
Si =
3, alors :
(S)
_
x
2
=
3 x
1
, x
3
= 2x
1
, x
4
=
3 x
1
, x
5
= x
1
_
,
donc
3 est vp de A et SEP(A,
3) = Vect
_
_
_
_
1
3
2
3
1
_
_
_
_
.
On conclut que les valeurs propres de A sont
0, 1, 1,
3,
3 et que les sous-espaces propres de A sont

les droites vectorielles engendres respectivement par les cinq
vecteurs :
_
_
1
0
1
0
1
_
_
,
_
_
1
1
0
1
1
_
_
,
_
_
1
1
0
1
1
_
_
,
_
_
1
3
2
3
1
_
_
,
_
_
1
3
2
3
1
_
_
.
Remarque : Puisque A est carre dordre 5 et que que A admet
cinq valeurs propres deux deux distinctes, daprs le cours, A
est diagonalisable, ce que lon avait obtenu en a) par une autre
mthode.
1.4
a) La matrice carre A est symtrique relle, donc, daprs le
cours, A est diagonalisable.
On a, par L
1
L
3
:
rg (A) = rg
_
_
0 0 1
0 1 1
1 1 1/2
_
_
= rg
_
_
1 1 1/2
0 1 1
0 0 1
_
_
= 3,
donc A est inversible.
b) Dterminons les valeurs propres de A. Soit R. On a :
rg (A I
3
) = rg
_
_
0 1
0 1 1
1 1 1/2
_
_
= rg
_
_
1 1 1/2
0 1 1
0 1
_
_
L
1
L
3
= rg
_
_
1 1 1/2
0 1 1
0 1 +

2

2
_
_
L
3
L
3
+ L
1
Si 1, alors, par L
3
(1 )L
3
L
2
:
rg (A I
3
) = rg
_
_
1 1 1/2
0 1 1
0 0
_
_
o :
= (1 )
_
1 +
2

2
_
= 1
3
2

3
2
2
+
3
= (1 + )
_
1
5
2
+
2
_
= (1 + )(2 )
_
1
2

_
.
On conclut que les valeurs propres de A sont : 1, 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.
Soit X =
_
_
x
y
z
_
_
M
3,1
(R). On a :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
19
X SEP(A, 1) AX = X
_
z = x
y + z = y
x + y +
1
2
z = z
_
z = x
y =
x
2
,
donc : SEP(A, 1) = Vect
_
_
_
_
2
1
2
_
_
_
_
.
X SEP(A, 2) AX = 2X
_
z = 2x
y + z = 2y
x + y +
1
2
z = 2z
_
z = 2x
y = 2x,
_
_
_
_
1
2
2
_
_
_
_
.
X SEP
_
A,
1
2
_
AX =
1
2
X
_
z =
1
2
x
y + z =
1
2
y
x + y +
1
2
z =
1
2
z
_
x = 2z
y = 2z,
donc : SEP
_
A,
1
2
_
= Vect
_
_
_
_
2
2
1
_
_
_
_
.
On en dduit une diagonalisation de A, A = PDP
1
, o, par
exemple : P =
_
_
2 1 2
1 2 2
2 2 1
_
_
, D =
_
_
1 0 0
0 2 0
0 0 1/2
_
_
.
On calcule P
1
et on obtient : P
1
=
1
9
_
_
2 1 2
1 2 2
2 2 1
_
_
.
c) Remarquons dabord que, pour tout n Z, A
n
et D
n
existent,
car A et D sont inversibles.
On a, pour tout n Z : A
n
= (PDP
1
)
n
= PD
n
P
1
et on obtient en faisant le produit de ces trois matrices, la ma-
trice A
n
:
1
9
_
_
4(1)
n
+ 2
n
+ 4 2
n
2(1)
n
+ 2
n+1
2
2n
4(1)
n
+ 2
n+1
+ 2
1n
2(1)
n
+ 2
n+1
2
2n
(1)
n
+ 2
n+2
+ 2
2n
2(1)
n
+ 2
n+2
2
1n
4(1)
n
+ 2
n+1
+ 2
1n
2(1)
n
+ 2
n+2
2
1n
4(1)
n
+ 2
n+2
+ 2
n
_
_
1.5
a) On a, pour tout R et pour toutes matrices
M =
_
a b
c d
_
, M
=
_
a
_
M
2
(R) :
f (M + M
) = f
__
a + a
b + b
c + c
d + d
__
=
1
2
_
(a + a
) + (d + d
) (b + b
) + (c + c
)
(b + b
) + (c + c
) (a + a
) + (d + d
)
_
=
1
2
_
a + d b + c
b + c a + d
_
+
1
2
_
a
+ d
+ c
+ c
+ d
_
= f (M) + f (M
),
donc f est linaire.
On a, pour toute M =
_
a b
c d
_
M
2
(R) :
f
2
(M) = f
_
f (M)
_
= f (
1
2
_
a + d b + c
b + c a + d
_
)
=
1
2
1
2
_
(a + d) + (a + d) (b + c) + (b + c)
(b + c) + (b + c) (a + d) + (a + d)
_
=
1
2
_
a + d b + c
b + c a + d
_
= f (M),
donc : f
2
= f .
b) Puisque f
2
f = 0, le polynme X
2
X est annulateur de f .
Daprs le cours, les valeurs propres de f sont parmi les zros
de ce polynme annulateur de f , donc les valeurs propres de f
sont parmi 0 et 1.
_
a b
c d
_
M
2
(R) :
f (M) = 0M
1
2
_
a + d b + c
b + c a + d
_
=
_
0 0
0 0
_
_
a + d = 0
b + c = 0
_
d = a
c = b
donc 0 est valeur propre de f et :
SEP( f , 0) =
__
a b
b a
_
; (a, b) R
2
_
= Vect
__
1 0
0 1
_
,
_
0 1
1 0
__
.
_
a b
c d
_
M
2
(R) :
f (M) = 1M
1
2
_
a + d b + c
b + c a + d
_
=
_
a b
c d
_
_
a + d = 2a = 2d
b + c = 2b = 2c
_
d = a
c = b
20
donc 1 est valeur propre de f et :
SEP( f , 1) =
_
_
a b
b a
_
; (a, b) R
2
_
= Vect
_
_
1 0
0 1
_
,
_
0 1
1 0
_
_
.
Finalement, les valeurs propres de f sont 0 et 1 et les sous-
espaces propres associs ont t dtermins ci-dessus.
c) Chacun des deux sous-espaces propres de f est de di-
mension 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
a) On a, pour tout P = aX
2
+ bX + c C
2
(X] :
f (P) = (X
2
+ 1)(2aX + b) (2X 1)(aX
2
+ bX + c)
= (a b)X
2
+ (2a + b 2c)X + (b + c) C
2
[X].
On a, pour tout C et tous P, Q C
2
[X] :
f (P + Q) = (X
2
+ 1)(P + Q)
(2X 1)(P + Q)
= (X
2
+ 1)(P
+ Q
) (2X 1)(P + Q)
=
_
(X
2
+ 1)P
(2X 1)P
_
+
_
(X
2
+ 1)Q
(2X 1)Q
_
= f (P) + f (Q),
donc f est linaire.
On conclut que f est un endomorphisme du C-ev C
2
[X].
b) 1) Soient C, P = aX
2
+ bX + c C
2
[X] \ 0.
On a, en rutilisant le calcul de f (p) eectu en a) :
f (P) = P (ab)X
2
+(2a+b2c)X+(b+c) = (aX
2
+bX+c)
_
a b = a
2a + b 2c = b
b + c = c
_
b = (1 )a
2a + (1 )b 2c = 0
b = ( 1)c
_
_
_
= 1
b = 0
2a 2c = 0
ou
_
_
c = a
b = (1 )a
2a + (1 )
2
a + 2a = 0
_
_
_
_
= 1
b = 0
a = c
ou
_
_
(1 )
2
+ 4 = 0
c = a
b = (1 )a,
_
_
car, dans le second systme, si a = 0, alors c = 0, b = 0, donc
P = 0, exclu.
Et :
(1 )
2
+ 4 = 0 ( 1)
2
= 4
_
1 = 2 i ou 1 = 2 i
_
_
= 1 + 2 i ou = 1 2 i
_
.
Donc :
f (P) = P
_
_
_
= 1
b = 0
a = c
ou
_
_
= 1 + 2 i
c = a
b = 2 i a
ou
_
_
= 1 2 i
c = a
b = 2 i a
_
_
.
Ainsi, les valeurs propres de f sont 1, 1 + 2 i , 1 2 i , et les
sous-espaces propres de f sont :
SEP( f , 1) = Vect (1 + X
2
),
SEP( f , 1 + 2 i ) = Vect (1 + 2 i X X
2
),
SEP( f , 1 2 i ) = Vect (1 2 i X X
2
).
b) 2) On calcule les images par f des vecteurs de la base cano-
nique de C
2
[X] :
_
_
f (1) = (2X 1) = 1 2X
f (X) = (X
2
+ 1) (2X 1)X = 1 + X X
2
f (X
2
) = (X
2
+ 1)2X (2X 1)X
2
= 2X + X
2
,
do la matrice A de f dans B = (1, X, X
2
) :
A =
_
_
1 1 0
2 1 2
0 1 1
_
_
.
Dterminons les valeurs propres de A. Soit R. On a :
rg (A I
3
) = rg
_
_
1 1 0
2 1 2
0 1 1
_
_
= rg
_
_
2 1 2
1 1 0
0 1 1
_
_
L
1
L
2
= rg
_
_
2 1 2
0 2 + (1 )
2
2(1 )
0 1 1
_
_
L
2
2L
2
+ (1 )L
1
= rg
_
_
2 1 2
0 1 1
0 2 + (1 )
2
2(1 )
_
_
L
2
L
3
= rg
_
_
2 1 2
0 1 1
0 0
_
_
L
3
L
3
+
_
2 + (1 )
2
_
L
2
o :
= 2(1 ) +
_
2 + (1 )
2
_
(1 )
= (1 )
_
4 + (1 )
2
_
,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
21
et : = 0 = 1 ou = 1 + 2 i ou = 1 2 i .
Ainsi, les valeurs propres de A sont : 1, 1 + 2 i , 1 2 i .
X =
_
_
x
y
z
_
_
SEP(A, 1) AX = X
_
1 1 0
2 1 2
0 1 1
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
x + y = x
2x + y + 2z = y
y + z = z
_
y = 0
x = z,
_
_
_
_
1
0
1
_
_
_
_
.
X =
_
_
x
y
z
_
_
SEP(A, 1 + 2 i ) AX = (1 + 2 i )X
_
1 1 0
2 1 2
0 1 1
_
_
_
_
x
y
z
_
_
= (1 + 2 i )
_
_
x
y
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
2x 2 i y + 2z = 0
y 2 i z = 0
_
y = 2 i x
z = x,
donc : SEP(A, 1 + 2 i ) = Vect
_
_
_
_
1
2 i
1
_
_
_
_
.
De mme : SEP(A, 1 2 i ) = Vect
_
_
_
_
1
2 i
1
_
_
_
_
.
Lendomorphisme f a les mmes valeurs propres que A,
donc les valeurs propres de f sont 1, 1 + 2 i , 1 2 i . Les vec-
teurs propres de A nous donnent les coordonnes des vecteurs
propres de f dans la base (1, X, X
2
) de C
2
[X] :
SEP( f , 1) = Vect (1 + X
2
),
SEP( f , 1 + 2 i ) = Vect (1 + 2 i X X
2
),
SEP( f , 1 2 i ) = Vect (1 2 i X X
2
).
Remarque : On retrouve bien les mmes rsultats que dans 1).
c) Lendomorphisme f admet trois valeurs propres deux deux
distinctes et dim
_
C
2
[X]
_
= 3, donc, daprs le cours, f est dia-
gonalisable.
1.7
a) On a, pour tout R et pour toutes matrices
M =
_
a b
c d
_
, M
=
_
a
_
M
2
(R) :
f (M + M
) = f (
_
a + a
b + b
c + c
d + d
_
)
=
_
d + d
(b + b
)
(c + c
) a + a
_
=
_
d b
c a
_
+
_
d
_
= f (M) + f (M
),
ce qui montre que f est linaire.
On conclut que f est un endomorphisme de lespace vectoriel
M
2
(R).
Considrons la base canonique B = (E
1
, E
2
, E
3
, E
4
) de
M
2
(R), dnie par :
E
1
=
_
1 0
0 0
_
, E
2
=
_
0 1
0 0
_
, E
3
=
_
0 0
1 0
_
, E
4
=
_
0 0
0 1
_
.
On a :
f (E
1
) = E
4
, f (E
2
) = E
2
, f (E
3
) = E
3
, f (E
4
) = E
1
.
On en dduit la matrice A de f dans B :
A =
_
_
0 0 0 1
0 1 0 0
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 R
2
[X], on a :
P(X+ a) R
2
[X], P(X+ b) R
2
[X],
(a + b)P
(X) R
1
[X] R
2
[X],
donc : f (P) = P(X+ a) + P(X+ b) (a + b)P
[X] R
2
[X].
On a, pour tous R, P, Q R
2
[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)
_
= f (P) + f (Q),
donc f est linaire.
On conclut : f L
_
R
2
[X]
_
.
b) On a :
f (1) = 1 + 1 0 = 2,
22
f (X) = (X+ a) + (X + b) (a + b) = 2X,
f (X
2
) = (X+ a)
2
+ (X + b)
2
(a + b)2X = 2X
2
+ (a
2
+ b
2
).
On en dduit la matrice M de f dans la base canonique
B = (1, X, X
2
) de R
2
[X] :
M =
_
_
2 0 a
2
+ b
2
0 2 0
0 0 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 M
3
(R) inversible telle que M = P(2 I
3
)P
1
= 2 I
3
, si et
seulement si a
2
+ b
2
= 0, si et seulement si a = b = 0.
On conclut que f est diagonalisable si et seulement si
a
2
+ b
2
= 0, cest--dire si et seulement si a = b = 0, puisque
(a, b) R
2
.
1.9 Soit (x, y) R
2
x.
tudions les valeurs propres de A =
_
0 1
y 2x
_
.
On a, pour tout R :
rg (A I
2
) = rg
_
1
y 2x
_
C
1
C
2
= rg
_
1
2x y
_
L
2
L
2
+ (2x )L
1
= rg
_
1
0
2
2x + y
_
=
_
_
1 si
2
2x + y = 0
2 sinon.
Il en rsulte :
vp de A
2
2x + y = 0
( x)
2
+ (y x
2
) = 0 ().
Si yx
2
< 0, alors lquation () ci-dessus, dinconnue R,
admet deux solutions distinctes, donc A admet deux valeurs
propres distinctes, et donc, comme A est carre dordre 2, on
conclut que A est diagonalisable dans M
2
(R).
Si y x
2
> 0, alors lquation () na pas de solution dans R,
donc A nest pas diagonalisable dans M
2
(R).
Supposons y x
2
= 0.
Alors, A admet une valeur propre et une seule, qui est = x.
Si A tait diagonalisable dans M
2
(R), il existerait P GL
2
(R)
telle que A = P(x I
2
)P
1
= x I
2
, do
_
0 1
y 2x
_
=
_
x 0
0 x
_
, contra-
diction (1 0).
On dduit que A nest pas diagonalisable dans M
2
(R).
Finalement :
A est diagonalisable dans M
2
(R) si et seulement si y < x
2
.
1.10
a) Soit a R. Soit R. On a :
rg
_
M(a) I
3
_
= rg
_
_
3 a 5 + a a
a a 2 a
5 5 2
_
_
= rg
_
_
3 3 0
a a 2 a
5 5 2
_
_
L
1
L
1
L
2
.
Si = 3, alors : rg
_
M(a) I
3
_
2.
Si 3, alors, en divisant L
1
par 3 , on a :
rg
_
M(a) I
3
_
= rg
_
_
1 1 0
a a 2 a
5 5 2
_
_
= rg
_
_
1 0 0
a 2 a
5 0 2
_
_
C
2
C
2
+ C
1
.
Si 2, alors, en divisant C
2
par 2 :
rg
_
M(a) I
3
_
= rg
_
_
1 0 0
a 1 a
5 0 2
_
_
= 1 + rg
_
1 a
0 2
_
= 1 + 2 = 3.
Si = 2, alors : rg
_
M(a) I
3
_
2.
On obtient :
rg
_
M(a) I
3
_
_
_
2 si = 2 ou = 3
= 3 sinon.
On conclut que les valeurs propres de M(a) sont : 2 et 3.
Remarque : les valeurs propres de M(a) ne dpendent pas de a.
b) Dterminons les sous-espaces propres de M(a).
Soit X =
_
_
x
y
z
_
_
M
3,1
(R). On a :
X SEP
_
M(a), 2
_
M(a)X = 2X
_
3 a 5 + a a
a a 2 a
5 5 2
_
_
_
_
x
y
z
_
_
= 2
_
_
x
y
z
_
_
(5 a)x + (5 + a)y + az = 0
ax + ay + az = 0
5x 5y = 0
_
x = y
az = 0,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
23
donc : si a = 0, alors SEP
_
M(a), 2
_
= Vect
_
_
_
_
1
1
0
_
_
,
_
_
0
0
1
_
_
_
_
, et, si
a 0, alors SEP
_
M(a), 2
_
= Vect
_
_
_
_
1
1
0
_
_
_
_
,
do : dim
_
SEP
_
M(a), 2
__
=
_
_
2 si a = 0
1 si a 0.
X SEP
_
M(a), 3
_
M(a)X = 3X
_
3 a 5 + a a
a a 2 a
5 5 2
_
_
_
_
x
y
z
_
_
= 3
_
_
x
y
z
_
_
ax + (a 5)y + az = 0
5x 5y 5z = 0
_
z = x
y = 0
donc : SEP
_
M(a), 3
_
= Vect
_
_
_
_
1
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 I
3
) = rg
_
_
0 1
1 1
0 1
_
_
= rg
_
_
1 1
0 1
0 1
_
_
L
1
L
2
= rg
_
_
1 1
0
2
1 +
0 1
_
_
L
2
L
2
+ L
1
= rg
_
_
1 1
0 1
0
2
1 +
_
_
L
2
L
3
= rg
_
_
1 1
0 1
0 0
3
+ + 1
_
_
L
3
+
2
L
2
.
Les valeurs propres de J sont donc les solutions de lquation
3
1 = 0, dinconnue C.
Daprs le cours, cette quation du troisime degr admet,
dans C, trois solutions (a priori non ncessairement distinctes) ;
montrons que celles-ci sont deux deux distinctes. Raisonnons
par labsurde : supposons que lquation admette (au moins)
une solution (au moins) double, note . Daprs le cours,
annule le polynme considr et sa drive premire, cest--
dire :
_
3
1 = 0
3
2
1 = 0.
On dduit
2
=
1
3
, puis, en reportant dans la premire qua-
tion :
1
3
1 = 0, donc =
3
2
, puis
_
3
2
_
2
=
1
3
,
contradiction.
Ceci montre que les racines du polynme
3
1 sont toutes
simples.
Ainsi, lquation
3
1 = 0, dinconnue C, admet
exactement trois solutions deux deux distinctes.
Il en rsulte que J admet (dans C) trois valeurs propres deux
deux distinctes. Comme J est carre dordre trois et admet
trois valeurs propres deux deux distinctes, daprs le cours,
on conclut que J est diagonalisable dans M
3
(C).
b) Soit (a, b, c) C
3
. On a :
M(a, b, c) =
_
_
a c b
b a + c b + c
c b a + c
_
_
= a
_
_
1 0 0
0 1 0
0 0 1
_
_
+ b
_
_
0 0 1
1 0 1
0 1 0
_
_
.,,.
= J
+c
_
_
0 1 0
0 1 1
1 0 1
_
_
et on remarque que la troisime matrice, dans cette dernire
expression, est J
2
.
Daprs a), il existe D D
3
(C) et P GL
3
(C) telles que
J = PDP
1
. On a alors J
2
= PD
2
P
1
, puis :
M(a, b, c) = a I
3
+ bJ + cJ
2
= a I
3
+ bPDP
1
+ cPD
2
P
1
= P(a I
3
+ bD + cD
2
)P
1
.
Comme a I
3
+bD+cD
2
est diagonale, on conclut que M(a, b, c)
3
(C).
1.12
a) Dabord, f est bien une application de M
2
(R) dans lui-
mme.
On a, pour tout R et toutes M, N M
2
(R) :
f (M + N) = A(M + N) = AM + AN = f (M) + f (N),
donc f est linaire.
On conclut : f L
_
M
2
(R)
_
.
b) On a, pour toute M =
_
x y
z t
_
M
2
(R) :
M Ker ( f ) f (M) = 0 AM = 0
24
_
1 1
1 1
_ _
x y
z t
_
=
_
0 0
0 0
_

_
_
x + z = 0
y + t = 0,
donc : Ker ( f ) =
_
_
x y
z t
_
; x + z = 0 et y + t = 0
_
=
_
_
x y
x y
_
; (x, y) R
2
_
Une base de Ker ( f ) est
_
_
1 0
1 0
_
,
_
0 1
0 1
_
_
et dim
_
Ker ( f )
_
= 2.
c) Comme, pour toute matrice M =
_
x y
z t
_
M
2
(R),
f (M) =
_
x + z y + t
x + z y + t
_
, on a :
Im( f )
_
_
a b
a b
_
; (a, b) R
2
_
= Vect
_
_
1 0
1 0
_
,
_
0 1
0 1
_
_
.
Dautre part, daprs le thorme du rang :
dim
_
Im( f )
_
= dim
_
M
2
(R)
_
dim
_
Ker ( f )
_
= 2
2
2 = 2.
Il en rsulte quil y a galit dans linclusion prcdente :
Im( f ) =
_
_
a b
a b
_
; (a, b) R
2
_
= Vect
_
_
1 0
1 0
_
,
_
0 1
0 1
_
_
.
d) On calcule les images des lments E
1
, E
2
, E
3
, E
4
de B
par f :
f (E
1
) = AE
1
=
_
1 1
1 1
_ _
1 0
0 0
_
=
_
1 0
1 0
_
= E
1
+ E
3
,
f (E
2
) = AE
2
=
_
1 1
1 1
_ _
0 1
0 0
_
=
_
0 1
0 1
_
= E
2
+ E
4
,
f (E
3
) = AE
3
=
_
1 1
1 1
_ _
0 0
1 0
_
=
_
1 0
1 0
_
= E
1
+ E
3
,
f (E
4
) = AE
4
=
_
1 1
1 1
_ _
0 0
0 1
_
=
_
0 1
0 1
_
= E
2
+ E
4
,
do la matrice de f dans B : F =
_
_
1 0 1 0
0 1 0 1
1 0 1 0
0 1 0 1
_
_
.
e) La matrice F de f dans B est symtrique relle, donc,
daprs le cours, F est diagonalisable, et on conclut : f est dia-
gonalisable.
1.13
a) Montrons que B est libre.
Soit (a
0
, a
1
, a
2
, a
3
) R
4
tel que
3
k=0
a
k
f
k
= 0. On a donc :
x R, (a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) e
x
= 0,
cest--dire : x R, a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
= 0.
Le polynme a
0
+a
1
X+a
2
X
2
+a
3
X
3
sannule en tout rel, donc
cest le polynme nul, do a
0
= a
1
= a
2
= a
3
= 0.
Ceci montre que B est libre.
Puisque B est libre et que, par dnition de E, B engendre E,
on conclut : B est une base de E.
Il en rsulte : dim(E) = Card (B) = 4.
b) Il est clair que, pour toute f E, f est deux fois drivable
sur R, donc ( f ) = f

f

existe.
Calculons les images par des lments de B.
On a, pour tout x R :
( f
0
)(x) = e
x
, ( f
1
)(x) = (1 x) e
x
,
( f
2
)(x) = (2x x
2
) e
x
, ( f
3
)(x) = (3x
2
x
3
) e
x
,
donc :
( f
0
) = f
0
, ( f
1
) = f
0
f
1
,
( f
2
) = 2f
1
f
2
, ( f
3
) = 3f
2
f
3
.
Comme est linaire (par linarit de la drivation), il en r-
sulte : f E, ( f ) E.
On conclut : est un endomorphisme de lespace vectoriel E.
De plus, la matrice M de dans B est :
M =
_
_
1 1 0 0
0 1 2 0
0 0 1 3
0 0 0 1
_
_
.
c) La matrice M est triangulaire (suprieure) et ses termes
diagonaux sont tous non nuls, donc M est inversible.
La matrice M est triangulaire (suprieure), donc ses valeurs
propres se lisent sur sa diagonale : M admet 1 pour valeur
propre et cest la seule.
Si M tait diagonalisable, il existerait P GL
4
(R) telle que
M = P(I
4
)P = I
4
, contradiction. On conclut que M nest
pas diagonalisable.
1.14
Il sagit dune matrice forme de 0 et de 1 en damier :
A =
_
_
1 0 1 0 . . . 0 1
0 1 0 1 . . . 1 0
1 0 1 0 . . . 0 1
0 1 0 1 . . . 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 1 0 1 . . . 1 0
1 0 1 0 . . . 0 1
_
_
M
2p+1
(R).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
25
a) Daprs la dnition de A :
(i, j) 1 ; n
2
, a
i j
= a
ji
,
donc A est symtrique relle.
Daprs le cours, on conclut que A est diagonalisable.
b) Soient R, X =
_
_
x
1
.
.
.
x
2p+1
_
_
M
2p+1
(R) \ 0. On a :
AX = X
_
_
x
1
+ x
3
+ + x
2p+1
= x
1
(1)
x
2
+ x
4
+ + x
2p
= x
2
(2)
.
.
.
x
1
+ x
3
+ + x
2p+1
= x
2p+1
(1), (2), x
1
= x
3
= = x
2p+1
, x
2
= x
4
= = x
2p
_
= 0
x
1
+ x
3
+ + x
2p+1
= 0
x
2
+ x
4
+ + x
2p
= 0
ou
_
_
0
x
1
= x
3
= = x
2p+1
x
2
= x
4
= = x
2p
(p + 1)x
1
= x
1
px
2
= x
2
_
= 0
x
1
+ x
3
+ + x
2p+1
= 0
x
2
+ x
4
+ + x
2p
= 0
ou
_
_
= p + 1
x
1
= x
3
= = x
2p+1
x
2
= x
4
= = x
2p
= 0
ou
_
_
= p
x
1
= x
3
= = x
2p+1
= 0
x
2
= x
4
= ... = x
2p
.
On conclut que les valeurs propres de A sont 0, p, p + 1 et que
les sous-espaces propres de A sont :
SEP(A, 0) =
_
_
_
x
1
.
.
.
x
2p+1
_
_
M
2p+1,1
(R) ;
x
1
+ x
3
+ + x
2p+1
= 0 et x
2
+ x
4
+ + x
2p
= 0
_
,
qui est de dimension 2p 1 (on peut, par exemple, exprimer
x
2p
et x
2p+1
en fonction de x
1
, ..., x
2p1
),
SEP(A, p) =
_
_
_
x
1
.
.
.
x
2p+1
_
_
M
2p+1,1
(R) ;
x
1
= x
3
= = x
2p+1
= 0 et x
2
= x
4
= = x
2p
_
qui est de dimension 1, engendr par le vecteur de coordonnes
(0, 1, 0, 1, ..., 0, 1, 0)
SEP(A, p + 1) =
_
_
_
x
1
.
.
.
x
2p+1
_
_
M
2p+1,1
(R) ;
x
1
= x
3
= = x
2p+1
et x
2
= x
4
= = x
2p
= 0
_
,
qui est de dimension 1, engendr par le vecteur de coordonnes
(1, 0, 1, 0, ..., 1, 0, 1).
Remarque : La somme des dimensions des sous-espaces
propres de A est gale 2p + 1, et on retrouve ainsi le fait
que A est diagonalisable.
1.15 Il sagit de la matrice A =
_
_
1 . . . 1 1
0 . . . 0 1
.
.
. (0)
.
.
.
.
.
.
0 . . . 0 1
_
_
.
a) Puisque la matrice A est triangulaire (suprieure), les valeurs
propres de A se lisent sur sa diagonale, donc les valeurs propres
de A sont 0 et 1.
b)
A
2
=
_
_
1 . . . 1
(0)
.
.
.
1
_
_
_
_
1 . . . 1
(0)
.
.
.
1
_
_
=
_
_
1 1 n
1
(0)
.
.
.
1
_
_
,
donc A
2
A.
c) Nous allons montrer que A nest pas diagonalisable, en rai-
sonnant par labsurde. Supposons que A est diagonalisable. Il
existe alors P M
n
(R) inversible et D M
n
(R) diagonale
telles que A = PDP
1
. Puisque les termes diagonaux de D sont
les valeurs propres de A, les termes diagonaux de D sont parmi
0 et 1, donc D
2
= D. Do :
A
2
= (PDP
1
)
2
= PD
2
P
1
= PDP
1
= A.
Contradiction avec b).
On conclut : A nest pas diagonalisable.
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)
.,,.
=0
_
(x) = 0,
donc : y Ker ( f ae).
Ceci montre : Im( f be) Ker ( f ae).
26
Puisque f ae et f be commutent, on a aussi :
Im( f ae) Ker ( f be).
b) On a :
1
a b
( f be) +
1
b a
( f ae)
=
1
a b
_
( f be) ( f ae)
_
=
1
a b
(a b)e = e.
c) Soit x Ker ( f a) Ker ( f be).
On a alors : ( f ae)(x) = 0 et ( f be)(x) = 0,
cest--dire : f (x) = ax et f (x) = bx,
do : ax = bx, puis (a b)
.,,.
0
x = 0, donc x = 0.
On a alors : Ker ( f ae) Ker ( f be) 0, et, comme
lautre inclusion est vidente, on obtient :
Ker ( f ae) Ker ( f be) = 0,
Soit y E. Daprs b), on a :
y = e(y) =
1
a b
( f be)(y)
.,,.
not u
+
1
b a
( f ae)(y)
.,,.
not v
,
et :
_
_
u Im( f be) Ker ( f ae)
v Im( f ae) Ker ( f be)
.
Ceci montre : E Ker ( f ae) + Ker ( f be), et, comme
lautre inclusion est vidente, on obtient :
E = Ker ( f ae) + Ker ( f be),
On conclut que Ker ( f ae) et Ker ( f be) sont supplmentaires
dans E.
d) Daprs le cours, puisque (X a)(X b) est un polynme
annulateur de f , les valeurs propres de f sont parmi a et b.
Les sous-espaces propres de f sont donc Ker ( f ae) et
Ker ( f be), lorsque ceux-ci sont dirents de 0.
Daprs c), la somme des sous-espaces propres de f est gale
E.
On conclut, daprs le cours, que f est diagonalisable.
1.17
a) On suppose ici n pair, n = 2p, p N
.
Pour A
2
=
_
0 1
1 0
_
, on a A
2
2
=
_
1 0
0 1
_
= I
2
.
La matrice A, diagonale par blocs, forme par la rptition du
bloc A
2
(p fois) sur la diagonale, vrie alors A
2
= I
2p
, donc
A convient.
b) 1) On a : 0 = A
2
+ I
n
= (A i I
n
)(A + i I
n
),
donc comme i i , daprs lexercice 1.16, A est diagonali-
sable dans M
n
(C) et ses valeurs propres sont parmi i et i .
Si i nest pas valeur propre de A, alors i est la seule valeur
propre de A, et alors, comme A est diagonalisable, A est sem-
blable i I
n
, donc A = i I
n
, contradiction, car A M
n
(R).
Ceci montre que i est valeur propre de A.
De mme, i est valeur propre de A.
On conclut que les valeurs propres de A sont i et i .
b) 2) Soit X M
n,1
(C).
Supposons X E
i
.
On a alors AX = i X, donc AX = i X = i X.
Mais AX = A X, comme on le voit en passant aux lments.
Do : AX = i X.
Comme A est relle, on a A = A, do : AX = i X.
Ainsi : X E
i
.
Ceci montre : X E
i
= X E
i
.
On montre de mme la rciproque.
On conclut, pour toute X M
n,1
(C) : X E
i
X E
i
.
b) 3) Le sev E
i
admet au moins une base (u
1
, ..., u
d
).
Daprs 2), puisque : k 1 ; d, u
k
E
i
,
on a : k 1 ; d, u
k
E
i
.
Montrons que (u
1
, ..., u
d
) est libre.
Soit (
1
, ...,
d
) C
d
tel que
d
k=1
k
u
k
= 0.
On a alors, en conjuguant :
d
k=1
k
u
k
=
d
k=1
k
u
k
= 0 = 0.
Comme (u
1
, ..., u
d
) est libre, il sensuit :
k 1 ; d,
k
= 0,
puis, en conjuguant : k 1 ; d,
k
= 0.
Ceci montre que (u
1
, ..., u
d
) est libre.
Montrons que (u
1
, ..., u
d
) engendre E
i
.
Soit X E
i
. Daprs 2), on a alors X E
i
. Il existe donc
(
1
, ...,
d
) C
d
tel que X =
d
k=1
k
u
k
.
Do, en conjuguant : X =
d
k=1
k
u
k
=
d
k=1
k
u
k
.
Ceci montre que (u
1
, ..., u
d
) engendre E
i
.
On conclut que (u
1
, ..., u
d
) est une base de E
i
.
On a donc dim(E
i
) = d = dim(E
i
).
b) 4) Daprs 1), on a : E = E
i
E
i
.
Do : n = dim(E) = dim(E
i
) + dim(E
i
) = 2 dim(E
i
),
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
27
contradiction avec n impair.
Ce raisonnement par labsurde montre que, si n est impair, il
nexiste pas de matrice A M
n
(R) telle que A
2
= I
n
.
1.18 Lendomorphisme f tant nilpotent, il existe p N
tel que f
p
= 0.
a) Puisque le polynme X
p
est annulateur de f , daprs le
cours, les valeurs propres de f sont parmi les zros de X
p
, donc
la seule valeur propre possible de f est 0.
De plus, puisque f nest pas bijectif (car sinon, f
p
= 0 le se-
rait aussi, ce qui est absurde, puisque E nest pas rduit 0 !),
f nest donc pas injectif, do Ker( f ) 0. Donc 0 est une
valeur propre de f .
Ainsi : 0 est la seule valeur propre de f .
b) Si f est diagonalisable, comme f admet une seule valeur
propre, le SEP associ est de dimension n = dim(E).
Ainsi : Ker( f ) = SEP( f , 0) = E.
Donc : f est lapplication nulle.
Rciproquement, si f = 0, alors il est clair que f est diago-
nalisable.
On conclut, pour un endomorphisme nilpotent :
f est diagonalisable si et seulement si f = 0.
1.19 Notons n = dim(E). Supposons f diagonalisable.
Daprs lhypothse, le polynme (X 1)
3
(X 2)
2
est annula-
teur de f .
Daprs le cours, il en rsulte que les valeurs propres de f sont
parmi 1 et 2.
Il existe donc une base B de E telle que la matrice D de f
dans B soit diagonale, termes diagonaux parmi 1 et 2,
D = diag (1, ..., 1, 2, ..., 2) o 1 est crit p fois, 2 est crit q fois,
(p, q) N
2
, p + q = n.
On a alors, par produit de matrices diagonales :
(DI
n
)
3
(D2 I
n
) =diag (0, ..., 0
.,,.
p fois
, 1, ..., 1
.,,.
q fois
) diag (1, ..., 1
.,,.
p fois
, 0, ..., 0
.,,.
q fois
)
= diag (0, ..., 0
.,,.
p fois
, 0, ..., 0
.,,.
q fois
) = 0,
donc ( f e)
3
( f 2e) = 0, contradiction.
On conclut, par ce raisonnement par labsurde, que f nest pas
diagonalisable.
1.20
a) Puisque A =
_
_
0 1 0
0 0 1
0 0 0
_
_
est triangulaire (suprieure), les va-
leurs propres de A se lisent sur sa diagonale, donc A admet 0
pour valeur propre et cest la seule, et donc, comme f est re-
prsent par A, on conclut que f admet 0 pour valeur propre et
que cest la seule.
On a, pour tout v = (x
1
, x
2
, x
3
) R
3
:
f (v) = 0
_
_
x
2
= 0
x
3
= 0
donc : SEP( f , 0) = Vect (e
1
).
b) 1) Puisque dim(F) = 1, il existe v
1
F 0 tel que
F = Vect (v
1
).
Comme F est stable par f , on a f (v
1
) F, donc il existe K
tel que f (v
1
) = v
1
.
Ceci montre que v
1
est un vecteur propre pour f . Daprs a),
il en rsulte v
1
Vect (e
1
), puis F = Vect (v
1
) Vect (e
1
).
Comme dim(F) = 1 = dim
_
Vect (e
1
)
_
, on a ncessairement :
F = Vect (e
1
).
b) 2) Soit v F.
Il existe (a
1
, a
2
, a
3
) K
3
tel que v = a
1
e
1
+ a
2
e
2
+ a
3
e
3
.
Puisque F est stable par f , on a f (v) F, puis encore f
2
(v) F.
Et : f (v) = a
2
e
1
+ a
3
e
2
et f
2
(v) = a
3
e
1
.
Si a
3
0, alors e
1
=
1
a
3
f
2
(v) F,
puis a
3
e
2
= f (v) a
2
e
1
F, donc e
2
F,
puis a
3
e
3
= v a
1
e
1
a
2
e
2
F, donc e
3
F et donc F = E,
exclu car dim(F) = 2 et dim(E) = 3.
Ceci montre a
3
= 0, donc v = a
1
e
1
+ a
2
e
2
Vect (e
1
, e
2
).
On a donc : F Vect (e
1
, e
2
).
Comme dim(F) = 2 = dim
_
Vect (e
1
, e
2
)
_
, il en rsulte :
F = Vect (e
1
, e
2
).
c) Daprs b), si F est un sev de E stable par f et de dimension
1 ou 2, alors F = Vect (e
1
) ou F = Vect (e
1
, e
2
).
Rciproquement, Vect (e
1
) et Vect (e
1
, e
2
) sont stables par f ,
car f (e
1
) = 0 et f (e
2
) = e
1
.
Enn, dautre part, 0 et E sont stables par f .
On conclut que les sev de E stables par f sont :
0, Vect (e
1
), Vect (e
1
, e
2
), E.
1.21 Puisque f est diagonalisable, il existe une base
B = (e
1
, ..., e
n
) de E et il existe (
1
, ...,
n
) R
n
tels que :
i 1 ; n, f (e
i
) =
i
e
i
.
La matrice de f dans B est la matrice diagonale
_
1
(0)
.
.
.
(0)
n
_
_
.
28
On a alors :
Ker ( f ) = Vect (e
i
;
i
= 0), Im( f ) = Vect (e
i
;
i
0)
o, par exemple, Vect (e
i
;
i
= 0) dsigne le sev de E engendr
par les e
i
correspondants aux indices i 1 ; n tels que tels
que
i
= 0.
De plus :
i 1 ; n, f
2
(e
i
) = f
_
f (e
i
)
_
= f (
i
e
i
) =
i
f (e
i
) =
2
i
e
i
,
donc on a aussi de mme :
Ker ( f
2
) = Vect (e
i
;
2
i
= 0), Im( f
2
) = Vect (e
i
;
2
i
0).
Comme : i 1 ; n,
_
2
i
= 0
i
= 0
2
i
0
i
0
,
il en rsulte : Ker ( f
2
) = Ker ( f ) et Im( f
2
) = Im( f ).
1.22
a) On a A = PDP
1
, donc :
M
2
= A (PNP
1
)
2
= PDP
1
PN
2
P
1
= PDP
1
N
2
= D.
b) Soit N M
n
(C) telle que N
2
= D. Alors :
ND = NN
2
= N
3
= N
2
N = DN.
c) Soit N = (x
i j
)
i j
M
n
(C). On a :
ND = DN (i, j) 1 ; n
2
, (ND)
i j
= (DN)
i j
(i, j) 1 ; n
2
,
n
k=1
(N)
ik
(D)
k j
=
n
k=1
(D)
ik
(N)
k j
(i, j) 1 ; n
2
, x
i j
j
=
i
x
i j
(i, j) 1 ; n
2
, (
i

j
)x
i j
= 0.
Comme
1
, ...,
n
sont deux deux distincts, on a donc :
ND = DN (i, j) 1 ; n
2
,
_
i j = x
i j
= 0
_
.
On conclut que lensemble des matrices N de M
n
, (C) qui com-
mutent avec D est lensemble des matrices diagonales.
d) Soit M M
n
(C) telle que M
2
= A.
En notant N = P
1
MP, on a, daprs a), N
2
= D, puis, daprs
c), N est diagonale. Notons diag (
1
, ...,
n
) = N. Alors :
N
2
= D diag (
2
1
, ...,
2
n
) = diag (
1
, ...,
n
)
i 1 ; n,
2
i
=
i
.
Rciproquement, pour tout i 1 ; n, soit
i
C tel que
2
i
=
i
. Notons N = diag (
1
, ...,
n
) et M = PNP
1
. On a alors
M
2
= A.
On conclut que lensemble
_
M M
n
(C) ; M
2
= A
_
est
lensemble des matrices de M
n
(C) de la forme PNP
1
, o
N = diag (
1
, ...,
n
), (
1
, ...,
n
) C
n
tel que, pour tout
i 1 ; n,
2
i
=
i
.
Pour chaque u 1 ; n, lquation
2
i
=
i
, din-
connue
i
C admet exactement une solution si
i
= 0,
et exactement deux solutions si
i
0. Il en rsulte que
_
M M
n
(C) ; M
2
= A
_
est ni.
Comme
1
, ...,
n
sont deux deux distincts, il existe au plus
un indice i 1 ; n tel que
i
= 0 et on conclut :
Card
__
M M
n
(C) ; M
2
= A
__
=
_
_
2
n
si
_
i 1 ; n;
i
0
_
2
n1
si
_
i 1 ; n;
i
= 0
_
.
1.23
a) 1) Supposons A inversible.
Puisque AB est diagonalisable, il existe P M
n
(R) inversible
et D M
n
(R) diagonale telles que AB = PDP
1
.
On a alors :
BA = A
1
(AB)A = A
1
(PDP
1
)A = (A
1
P)D(P
1
A).
Comme (A
1
P)(P
1
A) = A
1
(PP
1
)A = A
1
A = I
n
,
la matrice P
1
A est inversible et son inverse est A
1
P.
On obtient : BA = (P
1
A)
1
D(P
1
A),
donc BA est diagonalisable.
De plus, AB et BA ont les mmes valeurs propres.
2) Le cas o B est suppose inversible se traite de la mme
faon.
On conclut que, si A ou B est inversible et si AB est diagonali-
sable, alors BA est diagonalisable.
b) Montrons que le rsultat prcdent nest pas valable sans
lhypothse dinversibilit, pour n = 2, par exemple.
Considrons : A =
_
0 1
0 0
_
, B =
_
1 1
0 0
_
.
On a : AB =
_
0 0
0 0
_
, donc AB est diagonalisable.
Dautre part : BA =
_
0 1
0 0
_
, qui nest pas diagonalisable. En
eet, BA est triangulaire (suprieure), donc les valeurs propres
de BA se lisent sur sa diagonale, BA nadmet que 0 pour va-
leur propre ; si BA tait diagonalisable, elle serait semblable
la matrice nulle, donc serait gale la matrice nulle, contradic-
tion.
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.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
29
Il existe x E \ 0 tel que : ( f g)(x) = x.
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 surjec-
tif, et daprs lexercice 1.17 du volume de premire anne, g
est alors surjectif. Puisque E est de dimension nie, g est alors
bijectif, do une contradiction.
Ce raisonnement par labsurde montre que g f nest pas bi-
jectif. 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 va-
leur 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) + (X
2
X)(P + Q)
(X
3
X
2
)(P + Q)
= 3X(P + Q) + (X
2
X)(P
+ Q
) (X
3
X
2
)(P
+ Q
)
=
_
3XP + (X
2
X)P
(X
3
X
2
)P
_
+
_
3XQ + (X
2
X)Q
(X
3
X
2
)Q
_
,
donc f est linaire.
On conclut que f est un endomorphisme du R-espace vectoriel
R[X].
b) On a, pour tout n N :
f (X
n
) = 3X X
n
(X
2
X)(nX
n1
) (X
3
X
2
)n(n 1)X
n2
= 3X
n+1
+ n(X
n+1
X
n
) n(n 1)(X
n+1
X
n
)
= (n
2
+ 2n + 3)X
n+1
+ (n
2
2n)X
n
.
(Les critures nX
n1
et n(n 1)X
n2
ne sont pas clairement d-
nies lorsque n = 0 ou n = 1, mais le rsultat nal est valable
aussi dans ces deux cas.)
c) Daprs b), on a, en particulier : f (X
2
) = 3X
3
et
f (X
3
) = 3X
3
. Ainsi, X
2
et X
3
sont dirents et ont la mme
image par f , donc f nest pas injective.
On a, daprs la dnition de f :
P R(X],
_
f (P)
_
(0) = 0,
puisque f (P) contient X en facteur. En particulier, le polynme
constant 1 nest pas atteint par f , donc f nest pas surjective.
d) 1) Soit n N
tel que R
n
[X] soit stable par f .
On a alors en particulier : f (X
n
) R
n
[X], donc, daprs b) :
n
2
+ 2n + 3 = 0, cest--dire n = 1 ou n = 3, donc n = 3
(puisque n N).
Rciproquement, montrons que R
3
[X] est stable par f .
On a, daprs b) :
f (1) = 3X, f (X) = 4X
2
X, f (X
2
) = 3X
3
, f (X
3
) = 3X
3
.
Il en rsulte, puisque f est linaire et que (1, X, X
2
, X
3
) est
une base de R
3
[X], que R
3
[X] est stable par f .
On conclut quil existe n N unique tel que R
n
[X] soit stable
par f , et on a n = 3.
d) 2) Daprs 1), la matrice A de g dans la base canonique
(1, X, X
2
, X
3
) de R
3
[X] est : A =
_
_
0 0 0 0
3 1 0 0
0 4 0 0
0 0 3 3
_
_
.
Puisque A est triangulaire (infrieure), les valeurs propres de A
se lisent sur sa diagonale, donc les valeurs propres de A sont :
1, 0, 3.
Soit V =
_
_
x
y
z
t
_
_
M
4,1
(R). On a :
V SEP(A, 1) AV = V
_
0 = x
3x y = y
4y = z
3z + 3t = t
_
x = 0
z = 4y
t = 3y,
donc SEP(A, 1) = Vect (
_
_
0
1
4
3
_
_
), dim
_
SEP(A, 1)
_
= 1.
V SEP(A, 0) AV = 0
_
3x y = 0
4y = 0
3z + 3t = 0
_
x = 0
y = 0
t = z,
30
donc SEP(A, 0) = Vect (
_
_
0
0
1
1
_
_
), dim
_
SEP(A, 0)
_
= 1.
V SEP(A, 3) AV = 3V
_
0 = 3x
3x y = 3y
4y = 3z
3z + 3t = 3t
_
x = 0
y = 0
z = 0,
donc : SEP(A, 3) = Vect (
_
_
0
0
0
1
_
_
), dim
_
SEP(A, 3)
_
= 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 M
4
(R).
Comme A reprsente g, on conclut que g nest pas diagonali-
sable.
1.26
a) On remarque, en notant C
1
, ..., C
n
les colonnes de A
n
:
C
1
= C
n
et C
2
= C
3
= = C
n1
,
do : rg (A
n
) 2.
Dautre part, (C
1
, C
2
) est libre, car C
2
nest pas colinaire C
1
.
On conclut : rg (A
n
) = 2.
Comme rg (A
n
) = 2 < n, 0 est valeur propre de A
n
et :
dim
_
SEP(A
n
, 0)
_
= n rg (A
n
) = n 2.
Ceci montre que 0 est valeur propre de A
n
et :
dimSEP(A
n
, 0) = n 2.
b) On sait dj que 0 est valeur propre de A
n
.
Soient R
, X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R) \ 0. On a :
A
n
X = X
_
_
2 2 . . . 2 2
1 0 . . . 0 1
.
.
.
.
.
. (0)
.
.
.
.
.
.
1 0 . . . 0 1
2 2 . . . 2 2
_
_
_
_
x
1
x
2
.
.
.
x
n1
x
n
_
_
=
_
_
x
1
x
2
.
.
.
x
n1
x
n
_
_
2x
1
+ 2x
2
+ + 2x
n1
+ 2x
n
= x
1
x
1
+ x
n
= x
2
.
.
.
x
1
+ x
n
= x
n1
2x
1
+ 2x
2
+ + 2x
n1
+ 2x
n
= x
n
x
1
= x
n
, x
2
= ... = x
n1
,
2(x
1
+ + x
n
) = x
1
, x
1
+ x
n
= x
2
x
1
= x
n
, x
2
= ... = x
n1
,
2
_
2x
1
+ (n 2)x
2
_
= x
1
(1), 2x
1
= x
2
(2).
On a :
_
_
(1)
(2)
_
x
1
=
2
x
2
2x
2
+ 2(n 2)x
2
=
2
2
x
2
(3)
et :
(3)
_
2
2
2 2(n 2)
_
x
2
= 0
2
4 4(n 2)
_
= 0 (4),
car x
2
0, puisque, si x
2
= 0, alors on dduit x
1
= 0, puis
x
3
= ... = x
n1
= 0, x
n
= 0, X = 0, exclu.
Le discriminant de cette quation du second degr en est :
= 16 + 16(n 2) = 16(n 1) > 0,
donc : (4)
_
=
1
ou =
2
_
,
o :
1
= 2 2
n 1,
2
= 2 + 2
n 1.
Il en rsulte que les valeurs propres de A
n
sont :
0, 2 2
n 1, 2 + 2
n 1,
et ces trois valeurs propres sont bien deux deux distinctes, car
n 3.
c) Notons, pour 0,
1
,
2
, E
= SEP(A
n
, ).
Daprs a), dim(E
0
) = n 2.
Daprs b), dim(E
1
) 1 et dim(E
2
) 1.
Dautre part, daprs le cours, la somme des dimensions des
sous-espaces propres pour A est infrieure ou gale n.
On a donc ncessairement :
dim(E
0
) = n 2, dim(E
1
) = dim(E
2
) = 1,
donc la somme des dimensions des sous-espaces propres
pour A
n
est gale n.
On conclut, daprs le cours, que A
n
est diagonalisable.
1.27
a) On a :
AX = X
_
_
a
2
x
2
+ + a
n
x
n
= x
1
a
1
x
1
+ a
3
x
3
+ + a
n
x
n
= x
2
.
.
.
a
1
x
1
+ + a
n1
x
n1
= x
n
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
31
_
S a
1
x
1
= x
1
S a
2
x
2
= x
2
.
.
.
S a
n
x
n
= x
n
_
S = ( + a
1
)x
1
.
.
.
S = ( + a
n
)x
n
.
b) Supposons + a
1
= 0.
On a alors S = ( + a
1
)x
1
= 0. Dautre part, comme a
2
, ..., a
n
sont tous dirents de a
1
, on a :
+ a
2
0, ... , + a
n
0,
do : x
2
= ... = x
n
= 0.
Ensuite : 0 = S =
n
k=1
a
k
x
k
= a
1
x
1
,
donc x
1
= 0. On obtient X = 0, contradiction.
Ceci montre : + a
1
0.
De mme : k 1 ; n, + a
k
0.
Comme X 0, il existe i 1 ; n tel que x
i
0, et, comme
+ a
i
0, on a : S = ( + a
i
)x
i
0.
Do :
AX = X
_
x
1
=
S
+ a
1
, ..., x
n
=
S
+ a
n
, S =
n
k=1
a
k
S
+ a
k
_
_
x
1
=
S
+ a
1
, ..., x
n
=
S
+ a
n
,
n
k=1
a
k
+ a
k
= 1
_
.
Ceci montre que, pour tout R, est valeur propre de A si et
seulement si :
_
k 1 ; n, + a
k
0
_
et
n
k=1
a
k
+ a
k
= 1.
c) La fonction f : 1 +
n
k=1
a
k
+ a
k
est dnie sur
D = R \ a
1
, ..., a
n
, drivable sur D, et :
D, f

() =
n
k=1
a
k
( + a
k
)
2
< 0.
On en dduit le tableau des variations de f :
a
n
. . . a
1
+
f

() . . .
1 +
f () . . .
1
Daprs le thorme des valeurs intermdiaires et la stricte
monotonie par intervalles, f admet exactement n zros, nots
1
, ...,
n
et on a :
a
n
<
n
< a
n1
< ... < a
2
<
2
< a
1
<
1
.
Ceci montre que A admet n valeurs propres relles deux deux
distinctes.
d) Puisque A M
n
(R) et que A admet n valeurs propres deux
deux distinctes, daprs le cours, on conclut que A est diagona-
lisable dans M
n
(R).
1.28
a) La matrice carre A est symtrique relle, donc, daprs le
cours, A est diagonalisable dans M
n
(R).
b) 1) On a :
AX = X
_
_
0 1 0 . . . 0
1 0
.
.
.
(0)
.
.
.
0
.
.
.
.
.
.
.
.
.
0
.
.
. (0)
.
.
.
.
.
.
1
0 . . . 0 1 0
_
_
_
_
x
1
x
2
.
.
.
x
n1
x
n
_
_
=
_
_
x
1
x
2
.
.
.
x
n1
x
n
_
_
x
2
= x
1
x
1
+ x
3
= x
2
.
.
.
x
n2
+ x
n
= x
n1
x
n1
= x
n
_
x
2
x
1
+ x
0
= 0
x
3
x
2
+ x
1
= 0
.
.
.
x
n
x
n1
+ x
n2
= 0
x
n+1
x
n
+ x
n1
= 0
i 0 ; n 1, x
i+2
x
i+1
+ x
i
= 0.
b) 2) Pour montrer que lquation du second degr
r
2
r + 1 = 0,
dinconnue r C, admet deux solutions distinctes, il sut de
montrer que son discriminant =
2
4 est non nul. cet
eet, raisonnons par labsurde : supposons = 0.
Daprs le cours sur les suites rcurrentes linaires du second
ordre coecients constants et sans second membre, il existe
alors (, ) R
2
tel que :
k 0 ; n + 1, x
k
= (k + )r
k1
0
,
o r
0
=
2
est la racine double du trinme.
On a :
_
_
x
0
= 0
x
n+1
= 0

_
_
= 0
_
(n + 1) +
_
r
n
0
= 0
_
= 0
= 0 ou r
0
= 0.
Si = = 0, alors tous les x
k
sont nuls, X = 0, exclu.
32
Si r
0
= 0, alors = 2r
0
= 0, =
2
4 = 4 0, contradic-
tion.
Ce raisonnement par labsurde montre 0. On conclut que
lquation r
2
r + 1 = 0, dinconnue r C, admet deux
solutions distinctes, notes r
1
, r
2
.
b) 3) En considrant la somme et le produit des racines r
1
, r
2
de
lquation du second degr r
2
r + 1 = 0, dinconnue r C,
on a : r
1
+ r
2
= et r
1
r
2
= 1.
Do : r
1
r
2
= r
1
r
2
= 1.
De plus, puisquil sagit dune quation coecients rels,
on a r
2
= r
1
, donc r
2
= r
1
, puis : r
1
2
= 1, r
1
= 1 = r
2
.
Ensuite : = r
1
+ r
2
r
1
+ r
2
2.
On conclut : [2 ; 2].
1.29
a) Soit i 1 ; k. On a :
u
i
= e u
i
=
_
k
j=1
u
j
_
u
i
=
k
j=1
(u
j
u
i
).
Daprs lhypothse, u
j
u
i
est nul lorsque j i, donc :
k
j=1
u
j
u
i
= u
i
u
i
= u
2
i
et on conclut : u
2
i
= u
i
.
b) Soit (x
1
, ..., x
k
) Im(u
1
) Im(u
k
) tel que
k
i=1
x
i
= 0.
Pour tout i 1 ; n, il existe t
i
E tel que x
i
= u
i
(t
i
), donc :
x
i
= u
i
(t
i
) = u
2
i
(t
i
) = u
i
_
u
i
(t
i
)
_
= u
i
(x
i
).
Soit j 1 ; n x. On a donc :
0 = u
j
_
k
i=1
x
i
.,,.
=0
_
= u
j
_
k
i=1
u
i
(x
i
)
_
=
k
i=1
u
j
u
i
.,,.
=0 si ij
(x
i
) = u
2
j
(x
j
) = u
j
(x
j
) = x
j
.
Ceci montre que la somme
k
i=1
Im(u
i
) est directe.
Soit x E. On a :
x = e(x) =
_
k
i=1
u
i
_
(x) =
k
i=1
u
i
(x)
.,,.
Im(u
i
)
i=1
Im(u
i
).
Ceci montre : E
k
i=1
Im(u
i
).
Comme lautre inclusion est vidente, on a lgalit.
On conclut que les sev Im(u
i
), i 1 ; k, sont en somme
directe et que leur somme est gale E.
c) Pour chaque i 1 ; k, il existe une base B
i
de Im(u
i
).
Comme E est somme directe des Im(u
i
), i 1 ; k, la famille
B = B
1
B
k
est une base de E.
Soit f Vect (u
1
, ..., u
k
).
Il existe (
1
, ...,
k
) K
k
tel que f =
k
i=1
i
u
i
.
Soit x B
1
. Il existe alors t E tel que x = u
1
(t), do :
f (x) =
k
i=1
i
u
i
(x) =
k
i=1
i
u
i
u
1
.,,.
=0 si i1
(t) =
1
u
2
1
(t) =
1
u
1
(t) =
1
x.
De mme :
i 1 ; k, x B
i
, f (x) =
i
x.
On a donc : Mat
B
( f ) =
_
1
I
n
1
(0)
.
.
.
(0)
k
I
n
k
_
_
,
o, pour chaque i 1 ; k, on a not n
i
= dim
_
Im(u
i
)
_
.
On conclut que f est diagonalisable.
1.30
a) On a :
_
_
f
2
= (g h) f = g (h f ) = g g = g
2
g
2
= (h f ) g = h ( f g) = h h = h
2
.
Puis :
f
5
= f
2
f f
2
= h
2
f h
2
= h (h f ) h
2
= h g h
2
= h (g h) h = h f h = (h f ) h = g h = f .
b) On a : f ( f
4
e) = f
5
f = 0.
Comme f est suppos bijectif, on dduit : f
4
e = 0.
Dautre part : f
4
e = ( f
2
+ e) ( f
2
e).
Ainsi : ( f
2
+ e) ( f
2
e) = 0.
Montrons que f
2
+ e est bijectif.
Puisque f est suppos diagonalisable, il existe une base B
de E telle que la matrice de f dans B soit diagonale :
Mat
B
( f ) = diag (
1
, ...,
n
).
On a alors : Mat
B
( f
2
+ e) = diag (
2
1
+ 1, ...,
2
n
+ 1).
Comme : i 1 ; n,
2
i
+ 1 0,
la matrice diag (
2
1
+ 1, ...,
2
n
+ 1) est inversible,
donc f
2
+ e est bijectif.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
33
Puisque ( f
2
+ e) ( f
2
e) = 0 et que f
2
+ e est bijectif, on
dduit f
2
e = 0, et on conclut : f
2
= e.
c) On a :
g f = g (g h) = g
2
h = f
2
h = e h = h = f g.
Comme les hypothses de lnonc sont invariantes en permu-
tant 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
2
.
Supposons que est valeur propre de f . Daprs le rsultat
prcdent ()
2
2
, cest--dire que
2
est
valeur propre de f
2
.
2) Pour la rciproque, raisonnons par contraposition.
Supposons que et ne sont pas valeurs propres de f .
Alors, en notant e = Id
E
, les endomorphismes f e et
f +e sont bijectifs. Par composition, il en rsulte que f
2
2
e
= ( f e) ( f +e) est bijectif, donc
2
nest pas valeur propre
de f
2
.
Finalement,
2
2
si et seulement si ou
est valeur propre de f .
1.32
a) 1) Puisque A(A I
n
)
2
= 0, le polynme X(X 1)
2
est an-
nulateur de A, donc, daprs le cours, les valeurs propres de A
sont parmi 0 et 1.
2) Supposons que 0 nest pas valeur propre de A. Alors, A est
inversible. Comme A(A I
n
)
2
= 0, en multipliant par A
1
, on
dduit A
1
A(A I
n
)
2
= 0, (A I
n
)
2
= 0, exclu.
Ceci montre que 0 est valeur propre de A.
Supposons que 1 nest pas valeur propre de A. Alors, A I
n
est inversible. Comme A(A I
n
)
2
= 0, on dduit
A(A I
n
)
2
(A I
n
)
1
= 0, A(A I
n
) = 0, exclu.
Ceci montre que 1 est valeur propre de A.
On conclut : les valeurs propres de A sont 0 et 1.
b) Raisonnons par labsurde : supposons A diagonalisable.
Il existe P M
n
(R) inversible, D = diag (1, ..., 1, 0, ..., 0) telles
que A = PDP
1
.
On a alors D
2
= D, puis :
A
2
= (PDP
1
)
2
= PD
2
P
1
= PDP
1
= A,
donc : A(A I
n
) = A(A
2
+ 2A I
n
)
= A(A I
n
)
2
= 0, exclu.
On conclut : A nest pas diagonalisable.
c) De A(A I
n
)
2
= 0, on dduit : A
3
2A
2
+ A = 0, donc :
A
3
= 2A
2
A.
Montrons que, pour tout k N
, il existe (a
k
, b
k
) R
2
tel
que : A
k
= a
k
A + b
k
A
2
.
cet eet, raisonnons par rcurrence sur k.
Comme A = 1 A + 0 A
2
, le couple (a
1
, b
1
) = (1, 0) convient.
Supposons, pour un k N
x quelconque, quil existe

(a
k
, b
k
) R
2
tel que A
k
= a
k
A + b
k
A
2
. On a alors :
A
k+1
= A A
k
= A(a
k
A + b
k
A
2
) = a
k
A
2
+ b
k
A
3
= a
k
A
2
+ b
k
(2A
2
A) = b
k
A + (a
k
+ 2b
k
)A
2
.
Ainsi, la suite (a
k
, b
k
)
kN
dnie par (a
1
, b
1
) = (1, 0) et :
k N
,
_
a
k+1
= b
k
, b
k+1
= a
k
+ 2b
k
_
convient.
On a alors, pour tout k N
:
a
k+2
= b
k+1
= (a
k
+ 2b
k
) = a
k
2(a
k+1
) = 2a
k+1
a
k
.
La suite (a
k
)
kN
est donc une suite rcurrente linaire du se-
cond ordre coecients constants. Lquation caractristique
r
2
2r + 1 = 0 admet une racine double gale 1. Daprs le
cours, il existe (, ) R
2
tel que :
k N
, a
k
= (k + )1
k
= k + .
On a :
_
_
a
1
= 1
a
2
= 0
_
+ = 1
2 + = 0
_
= 1
= 2.
On obtient : k N
, a
k
= k + 2,
puis : k N
, b
k
= a
k+1
=
_
(k + 1) + 2
_
= k 1.
On conclut : k N
, A
k
= (2 k)A + (k 1)A
2
.
Remarque :
On peut contrler ce rsultat pour k = 1, k = 2, k = 3 :
A = 1 A + 0 A
2
, A
2
= 0 A + 1 A
2
, A
3
= A + 2A
2
.
d) La matrice A =
_
_
0 0 0
0 1 1
0 0 1
_
_
convient.
1.33
a) La matrice A =
_
_
0 0 1
0 1 0
0 0 0
_
_
est triangulaire (suprieure), donc
les valeurs propres de A se lisent sur sa diagonale : les valeurs
propres de A sont 0 et 1.
34
Soit X =
_
_
x
y
z
_
_
M
3,1
(R).
On a : AX = 0 (z = 0, y = 0),
_
_
1
0
0
_
_
), dim
_
SEP(A, 0)
_
= 1.
On a : AX = X (x = 0, z = 0),
_
_
0
1
0
_
_
), dim
_
SEP(A, 1)
_
= 1.
Puisque A est carre dordre 3 et que la somme des dimen-
sions des sous-espaces propres pour A est 1 + 1 = 2 3, on
conclut, daprs le cours, que A nest pas diagonalisable.
b) 1) Puisque f
2
est un projecteur, on a ( f
2
)
2
= f
2
, cest--
dire f
4
f
2
= 0. Ainsi, le polynme X
4
X
2
est annulateur
de f . Daprs le cours, les valeurs propres de f sont parmi les
zros de X
4
X
2
= X
2
(X 1)(X+ 1), donc les valeurs propres
de f sont parmi 0, 1, 1.
Si 0 nest pas valeur propre de f , alors f est bijectif, puis
f
2
est bijectif, donc rg ( f
2
) = 3, contradiction avec lhypothse
rg ( f
2
) = 1. Ceci montre que 0 est valeur propre de f .
Si 1 et 1 sont valeurs propres de f , alors f admet trois
valeurs propres, qui sont 0, 1, 1, donc, puisque E est de di-
mension 3, f est diagonalisable et il existe une base B
1
de E
telle que la matrice de f dans B
1
soit la matrice diagonale
D =
_
_
0 0 0
0 1 0
0 0 1
_
_
et alors f
2
est reprsent, dans B
1
, par la ma-
trice diagonale D
2
=
_
_
0 0 0
0 1 0
0 0 1
_
_
, do rg ( f
2
) = rg (D
2
) = 2,
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.
Il existe alors une base B
2
de E telle que f soit reprsent
dans B
2
par une matrice diagonale D dont les termes diago-
naux sont parmi 0 et 1. Comme alors D
2
= D, on a f
2
= f ,
donc f est un projecteur, exclu.
Ce raisonnement par labsurde montre que f nest pas diago-
nalisable.
Comme f admet 0 et 1 pour valeurs propres, que f nest pas
diagonalisable et que dim(E) = 3, on dduit :
dim
_
SEP( f , 0)
_
= 1 et dim
_
SEP( f , 1)
_
= 1.
En particulier : dim
_
Ker ( f )
_
= dim
_
SEP( f , 0)
_
= 1.
Remarquons : Ker ( f ) Ker ( f
2
).
Dautre part, par hypothse : rg ( f
2
) = 1, donc, daprs le tho-
rme du rang : dim
_
Ker ( f
2
)
_
= 3 rg ( f
2
) = 3 1 = 2.
On a donc : Ker ( f ) Ker ( f
2
) et Ker ( f
2
) Ker ( f )
Il existe donc v
3
Ker ( f
2
) tel que v
3
Ker ( f ). Notons
v
1
= f (v
3
). On a alors : f (v
1
) = f
2
(v
3
) = 0.
Dautre part, il existe un vecteur propre v
2
pour la valeur propre
1 de f , cest--dire tel que f (v
2
) = v
2
.
Notons B = (v
1
, v
2
, v
3
).
Montrons que B est libre.
Soit (
1
,
2
,
3
) R
3
tel que
1
v
1
+
2
v
2
+
3
v
3
= 0.
On obtient, en appliquant f :
2
v
2
+
3
v
1
= 0,
puis, en appliquant encore f :
2
v
2
= 0. Do
2
= 0, puis
3
v
1
= 0, donc
3
= 0, puis
1
v
1
= 0, donc
1
= 0.
Ainsi, B est libre.
Comme E est de dimension 3, que B est libre et que
Card (B) = 3, il sensuit que B est une base de E.
Puisque f (v
1
) = 0, f (v
2
) = v
2
, f (v
3
) = v
1
, la matrice de f
dans B est
_
_
0 0 1
0 1 0
0 0 0
_
_
cest--dire A.
1.34 Soit une valeur propre de A dans C.
Il existe X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(C) \ 0 tel que AX = X. On a :
AX = X
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
=
_
_
x
1
.
.
.
x
n
_
_
a
11
x
1
+ + a
1n
x
n
= x
1
.
.
.
a
n1
x
1
+ + a
nn
x
n
= x
n
.
Il existe i 1 ; n tel que : x
i
= Max
1kn
x
k
. On a alors, en
prenant la ligne numro i du systme dquations prcdent :
a
i1
x
1
+ + a
in
x
n
= x
i
,
do, en faisant passer a
ii
x
i
dans lautre membre :
( a
ii
)x
i
=
1jn, ji
a
i j
x
j
,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
35
puis, en prenant les modules et en utilisant lingalit triangu-
laire :
a
ii
x
i
=
1jn, ji
a
i j
x
j
1jn, ji
a
i j
x
j

_
1jn, ji
a
i j
_
x
i
.
Si x
i
= 0, alors j 1 ; n, x
j
= 0, donc X = 0, exclu.
On a donc x
i
> 0, et on conclut, en simpliant par x
i
:
a
ii

1jn, ji
a
i j
.
Gomtriquement, dans le plan complexe, est dans le disque
ferm de centre a
ii
et de rayon
1jn, ji
a
i j
.
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 A
n
est symtrique relle, donc, daprs le
cours, A
n
n
(R).
b) En notant C
1
, ..., C
n
les colonnes de A
n
, on remarque que
C
3
= ... = C
n
, donc :
rg (A
n
) = rg (C
1
, C
2
, C
3
)
= rg
_
_
1 1 1
1 1 0
1 0 0
.
.
.
.
.
.
.
.
.
1 0 0
_
_
=
C
1
C
3
rg
_
_
1 1 1
0 1 1
0 0 1
.
.
.
.
.
.
.
.
.
0 0 1
_
_
= 3 < n.
Il en rsulte que 0 est valeur propre de A et, en utilisant le tho-
rme du rang :
dim
_
SEP(A
n
, 0)
_
= n rg (A
n
) = n 3 1.
c) Dterminons les valeurs propres (relles) de A
n
.
Soit R. On a :
rg (A
n
I
n
) = rg
_
_
1 1 1 . . . 1
1 1 0 . . . 0
1 0 (0)
.
.
.
.
.
.
.
.
. (0)
.
.
.
0
1 0 . . . 0
_
_
.
Le cas = 0 a t vu en b).
Si = 1, alors :
rg (A I
n
) = rg
_
_
0 1 1 . . . 1
1 0 0 . . . 0
1 0 1 (0)
.
.
.
.
.
.
.
.
. (0)
.
.
.
0
1 0 . . . 0 1
_
_
= rg
_
_
1 1 . . . 1 0
0 0 . . . 0 1
0 1 (0)
.
.
. 1
.
.
. (0)
.
.
.
0
.
.
.
0 . . . 0 1 1
_
_
par change successifs des colonnes C
1
, ..., C
n
pour amener C
1
en dernire colonne
= rg
_
_
1 1 . . . 1 0
0 1 (0)
.
.
. 0
.
.
. (0)
.
.
.
0 0
0 . . . 0 1 1
0 0 . . . 0 1
_
_
par change successifs des lignes L
2
, ..., L
n
pour amener L
2
en
dernire ligne
donc : rg (A I
n
) = n.
Si 0 et 1, alors, en mettant 1 en facteur
dans L
2
et en facteur dans L
3
, ..., L
n
, puis en eectuant
L
1
L
1
+ (L
2
+ + L
n
), on a :
rg (A
n
I
n
) = rg
_
_
1 1 1 . . . 1
1
1
1 0 . . . 0
1
0 1 (0) 0
.
.
.
.
.
. (0)
.
.
.
0
1
0 . . . 0 1
_
_
= rg
_
_
0 0 . . . 0
1
1
1 0 . . . 0
1
0 1 (0) 0
.
.
.
.
.
. (0)
.
.
.
0
1
0 . . . 0 1
_
_
o : = 1 +
1
1
+ (n 2)
1
.
On obtient :
rg (A I
n
) =
_
_
3 si = 0
n 1 si 0, 1, = 0
n si = 1 ou
_
0, 1, 0
_
.
Il en rsulte que les valeurs propres de A
n
sont 0 et les solutions
en de lquation = 0, o 0 et 1.
36
Et :
= 0 (1 )( 1) + + (n 2)( 1) = 0

3
+ 2
2
+ (n 2) (n 2) = 0

3
2
2
(n 2) + (n 2) = 0
P
n
() = 0,
en utilisant la notation P
n
de lnonc.
tudions les zros de P
n
.
Puisque P
n
est un polynme de R
3
[X], P
n
admet au plus trois
zros rels.
On a : P
n
()

, P
n
(0) = n 2 > 0,
P
n
(1) = 1 < 0, P
n
()
+
+,
donc, daprs le thorme des valeurs intermdiaires, P
n
admet
au moins trois zros rels.
On conclut que P
n
admet exactement trois zros rels, nots
a
n
, b
n
, c
n
, deux deux distincts, et :
a
n
< 0 2.
On a, pour tout n 4 : c
3
n
= c
2
n
.,,.
0
+(n 2)(c
n
1
.,,.
1
) n 2,
donc c
n
(n 2)
1/3
, do : c
n

n
+.
Puisque c
3
n
c
2
n
= (n 2)(c
n
1) et que c
n

n
+, on a, en
passant aux quivalents : c
3
n

n
(n 2)c
n
, do, puisque les c
n
sont tous 0 : c
2
n

n
n 2
n
n, puis, comme les c
n
sont tous
> 0 : c
n

n
n.
On a, pour tout n 4 : b
3
n
b
2
n
= (n 2)(b
n
1),
donc : b
n
1 =
b
3
n
b
2
n
n 2

n
0, car (b
n
)
n
est borne.
Il en rsulte : b
n

n
1.
Comme
P
n
= (X a
n
)(X b
n
)(X c
n
)
= X
3
2X
2
(n 2)X+ (n 2),
on dduit, en remplaant X par 0 : a
n
b
n
c
n
= (n 2).
Dautre part : a
n
b
n
c
n

n
a
n
1
n,
do : a
n

n
n 2
n

n
n.
1.36
Puisque A et B sont diagonalisables dans M
n
(K), il existe
D, E M
n
(K) diagonales, Q, R GL
n
(K), telles que :
A = QDQ
1
et B = RER
1
.
Notons D = diag
1in
(d
i
), E = diag
1in
(e
i
). On a alors :
P(A) = Q P(D)Q
1
et P(B) = R P(E)R
1
,
do :
P(A) = P(B) QP(D)Q
1
= R P(E)R
1
(R
1
Q)P(D) = P(E)(R
1
Q).
Notons U = R
1
Q. On a donc :
UP(D) = P(E)U.
Passons aux lments des matrices dans lgalit ci-dessus.
Notons U = (u
i j
)
i j
.
En utilisant le symbole de Kronecker, dni par
k j
=
_
_
1 si k = j
0 si k j
, on a, pour tout (i, j) 1 ; n
2
:
_
UP(D)
_
i j
=
n
k=1
u
ik
_
P(D)
_
k j
=
n
k=1
u
ik
P(d
j
)
k j
= u
i j
P(d
j
),
_
P(E)U
_
i j
=
n
k=1
_
P(E)
_
ik
u
k j
=
n
k=1
P(e
i
)
ik
u
k j
= P(e
i
)u
i j
.
Ainsi : (i, j) 1 ; n
2
, u
i j
P(d
j
) = P(e
i
)u
i j
.
Soit i 1 ; n x.
Soit j 1 ; n. On a : u
i j
_
P(d
j
) P(e
i
)
_
= 0,
donc : u
i j
= 0 ou P(d
j
) = P(e
i
).
Comme P est injectif, il sensuit : u
i j
= 0 ou d
j
= e
i
.
Dans chacun de ces deux cas, on a ncessairement :
u
i j
(d
j
e
i
) = 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.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
37
Algbre bilinaire CHAPITRE
2
2
Plan
Du mal dmarrer ? 47
Montrer quune certaine application est un produit scalaire
Trouver une base orthogonale, trouver une base orthonormale dun espace vec-
toriel euclidien
Obtenir des ingalits par utilisation de lingalit de Cauchy-Schwarz ou de
lingalit triangulaire
tude de sous-espaces vectoriels orthogonaux, dtermination du supplmentaire
orthogonal dun sous-espace vectoriel, dtermination dun projet orthogonal,
calcul de la distance dun vecteur un sous-espace vectoriel
Montrer ou utiliser quun endomorphisme est symtrique
tudier des matrices symtriques relles
tudier le signe dune forme quadratique.
On abrge espace vectoriel en ev,

sous-espace vectoriel en sev.
Dnitions de : forme bilinaire symtrique, produit scalaire, vecteurs orthogo-
naux entre eux, famille orthogonale, famille orthonormale, sous-espaces vecto-
riels orthogonaux entre eux, supplmentaire orthogonal dun sous-espace vec-
toriel
Expression matricielle du produit scalaire et de la norme euclidienne en base
orthonormale, coordonnes et norme dun vecteur dans une base orthonormale
Changement de base orthonormale
Projecteur orthogonal sur un sous-espace vectoriel
Dnition et proprits des endomorphismes symtriques
Thorme spectral : tout endomorphisme symtrique est diagonalisable et ses
sous-espaces propres sont deux deux orthogonaux
Expression matricielle du thorme spectral : pour toute matrice symtrique
relle S , il existe une matrice orthogonale P et une matrice diagonale D telles
que S = PDP
1
tude du signe dune forme quadratique sur R
n
, associe une endomorphisme
ou une matrice symtrique relle.
38
Les mthodes retenir
Les mthodes retenir
Pour montrer
quune application E E R
est une forme bilinaire symtrique
Revenir la dnition dune forme bilinaire symtrique.
Exercice 2.5 a).
Pour montrer
quune application : E E R
est un produit scalaire sur un R-ev E
Revenir la dnition dune produit scalaire sur un R-ev.
Exercices 2.1, 2.10 b), 2.16 a), 2.19 c)1), 2.20 c)2).
Pour obtenir une ingalit
faisant intervenir des racines carres,
ou des carrs, ou des carrs
de normes, ou des produits scalaires
Essayer dutiliser lingalit de Cauchy-Schwarz.
Exercice 2.11 d)4).
Pour montrer quun vecteur x
dun espace vectoriel euclidien
E, (. | .)
muni de la norme associe ||.||,

est le vecteur nul
Essayer de :
montrer : x
2
= 0
Exercice 2.1
montrer : y E, (x y) = 0.
Exercice 2.7.
Pour manipuler
des orthogonaux de sev
dun espace vectoriel euclidien E
Essayer de :
utiliser la dnition de lorthogonal F
dun sev F de E :
F
=
_
x E ; y F, (x y) = 0
_
Exercice 2.6
utiliser la formule sur la dimension de lorthogonal F
dun sev F
de E :
dim(F
) = dim(E) dim(F).
Exercice 2.6.
Pour montrer que deux sev F, G
E, (. | .)
sont orthogonaux
Revenir la dnition, cest--dire montrer :
x F, y G, (x y) = 0.
Exercice 2.22.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
39
Chapitre 2 Algbre bilinaire
Pour montrer
quune famille nie F = (e
1
, ..., e
n
)
est une base orthogonale
E, (. | .)
Montrer que F est orthogonale et que F est une base de E.

ventuellement, utiliser les proprits suivantes :
si F est orthogonale et vecteurs tous non nuls, alors F est libre
si F est libre et si Card (F) = dim(E), alors F est une base de E
si F engendre E et si Card (F) = dim(E), alors F est une base
de E.
Exercice 2.16.
Pour manipuler un vecteur x
E, (. | .)
muni dune base orthonormale

B = (e
1
, ..., e
n
)
Penser dcomposer x sur B, sous la forme x =
n
i=1
x
i
e
i
, o
(x
1
, ..., x
n
) R
n
, ou plus prcisment, daprs le cours, sous la forme
x =
n
i=1
(e
i
x)e
i
.
Exercice 2.15.
Pour faire disparatre
tous les termes sauf lun deux
dans une combinaison linaire
de vecteurs
Essayer de faire le produit de cette combinaison linaire avec un vec-
teur orthogonal presque tous les termes de cette combinaison li-
naire.
Exercice 2.22.
Pour calculer
le projet orthogonal p
F
(x)
dun vecteur x
E, (. | .)
sur un sev F de E
Si on connat le supplmentaire orthogonal G = F
de F dans E,
dcomposer x en x = y+z, o y F et z G, et on a alors p
F
(x) = y.
Si on connat une base orthonormale ( f
1
, ..., f
p
) de F, appliquer la
formule du cours : p
F
(x) =
p
k=1
( f
k
x) f
k
.
Exercices 2.3, 2.12 a).
Pour montrer
quun endomorphisme f
E, (. | .)
est symtrique
Revenir la dnition : un endomorphisme f de E est symtrique si
et seulement si :
(x, y) E
2
,
_
f (x)
y
_
=
_
x
f (y)
_
Exercice 2.11 c)
Montrer quil existe une base orthonormale B de E telle que la ma-
trice de f dans B soit symtrique.
Pour montrer
quune matrice A de M
n
(R)
est symtrique
Revenir la dnition, cest--dire montrer :
t
A = A.
Exercice 2.8 .
40
noncs des exercices
Pour dcider
si une forme quadratique q : E R
est dnie-positive
Essayer de revenir la dnition, cest--dire montrer :
_
_
x E, q(x) 0
x E,
_
q(x) = 0 = x = 0
_
Exercices 2.8 c), 2.23
Si E = R
n
, essayer de montrer que les valeurs propres de la matrice
de q dans la base canonique sont toutes strictement positives.
Exercices 2.5 d), 2.10 b)2).
Pour rsoudre une question
faisant intervenir
une (seule) matrice symtrique
relle S
Utiliser :
la dnition :
t
S = S
le thorme spectral sous sa forme matricielle : il existe une matrice
orthogonale P et une matrice diagonale D telles que : S = PDP
1
.
On est ainsi ramen ltude dune matrice diagonale, pour laquelle
on pourra passer aux coecients des matrices.
Exercices 2.13, 2.14, 2.21 b), 2.24.
noncs des exercices
2.1 Exemple de produit scalaire sur un espace de fonctions
On note E lensemble des applications f : [0 ; 1] R de classe C
1
telles que f (0) = 0, et :
: E E R, ( f , g)
_
1
0
(2f

g + 2f g
+ 3f

g
).
Montrer que E est un espace vectoriel et que est un produit scalaire sur E.
2.2 Exemple dingalit plusieurs variables relles
Montrer, pour tous n N
et (a
1
, ..., a
n
) R
n
:
_
n
k=1
a
k
_
2
n
n
k=1
a
2
k
.
2.3 Exemple de dtermination dun projet orthogonal
Dterminer, dans R
4
muni de son produit scalaire canonique, le projet orthogonal de
u = (1, 1, 1, 1) sur le sous-espace vectoriel
F =
_
(x
1
, x
2
, x
3
, x
4
) R
4
;
_
_
x
1
+ 2x
2
+ 3x
3
+ 4x
4
= 0
x
1
+ 3x
2
+ 5x
3
+ 7x
4
= 0
_
.
2.4 Exemple dendomorphisme sur un espace de fonctions, daprs EML 2011
On note E = C
([0 ; 1] ; R), muni du produit scalaire (. .) dni par :

f , g E, ( f g) =
_
1
0
f (x)g(x) dx
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
41
et, pour toute f E : T( f ) : [0 ; 1] R, x (x
2
x) f

(x) + (2x 1) f

(x).
Montrer que T est un endomorphisme de E et que :
f , g E,
_
T( f ) g
_
=
_
f T(g)
_
.
2.5 Exemple de produit scalaire en dimension 3, daprs ESC 2005
Soit a R.
On note M
a
=
_
_
2 a 1
a 3 a
1 a 2
_
_
M
3
(R) et
a
:
_
M
3,1
(R)
_
2
R, (X, Y)
t
XM
a
Y.
a) Vrier que, pour tout a R,
a
est une forme bilinaire symtrique sur M
3,1
(R).
b) On note U
1
=
_
_
1
0
1
_
_
, U
2
=
_
_
1
2
1
_
_
, U
3
=
_
_
1
2
1
_
_
.
Calculer, pour tout a R, les produits M
a
U
1
, M
a
U
2
, M
a
U
3
.
c) En dduire, pour tout a R, une matrice diagonale D
a
de M
3
(R) et une matrice inversible P
de M
3
(R) telles que : M
a
= PD
a
P
1
.
d) Montrer que
a
est un produit scalaire si et seulement si :
3
2
< a <
3
2
.
2.6 tude dorthogonaux de sous-espaces vectoriels
Soient
_
E, (. .)
_
un espace vectoriel euclidien, F, G deux sous-espaces vectoriels de E, suppl-
mentaires dans E. Montrer que F
et G
sont supplmentaires dans E.

2.7 Linarit dapplications associes via un produit scalaire
Soient E un espace vectoriel muni dun produit scalaire (. .), f , g : E E des applications
telles que : (x, y) E
2
,
_
f (x)
y
_
=
_
x
g(y)
_
.
Dmontrer que f et g sont linaires.
2.8 Exemple de matrice symtrique dnie-positive
Soit n N
.
a) On note T =
_
_
1
1 (1)
.
.
.
(0) 1
1
_
_
M
n
(R). Est-ce que T est inversible ?
b) Calculer le produit
t
TT.
c) On note M =
_
Min (i, j)
_
1i, jn
M
n
(R).
Dmontrer que la forme quadratique canoniquement associe M est dnie-positive.
2.9 Noyaux, images, rangs de matrices
Soient n, p N
, A M
n,p
(R). Montrer : Ker (A) = Ker (
t
AA).
42
noncs des exercices
2.10 Exemple de produit scalaire sur R
3
, daprs ESC 2009
On considre une matrice symtrique H de M
3
(R) telle que H
2
= H. On note I = I
3
et, pour
tout a ]0 ; +[ : M(a) = aI + (1 a)H.
a) 1) Justier que, pour tout a ]0 ; +[, M(a) est une matrice symtrique et diagonalisable
dans M
3
(R).
2) Montrer : (a, b) ]0 ; +[
2
, M(a)M(b) = M(ab).
3) Montrer : a ]0 ; +[,
_
M(a) GL
3
(R) et
_
M(a)
_
1
= M
_
1
a
_
.
_
.
4) Montrer : a ]0 ; +[, M(a) =
t
_
M(
a)
_
M(
a).
b) Soit a ]0 ; +[ x.
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
: R
3
R
3
R,
_
(x, y, z), (x
, y
, z
)
_
_
x y z
_
M(a)
_
_
x
_
est un produit scalaire sur R
3
.
c) On suppose ici a = 4 et on note H =
1
4
_
_
3 1
2
1 3
2 2
_
_
.
1) Vrier H
2
= H et expliciter la matrice M(4).
2) On note : u =
_

2
2
,
2
2
, 0
_
, v =
_
1
2
,
1
2
,
2
2
_
, w =
_
1
2
,
1
2
,
2
2
_
.
Montrer que B = (u, v, w) est une base de R
3
, orthonorme pour le produit scalaire canonique
et orthogonale pour le produit scalaire .
2.11 Exemple dendomorphisme symtrique de R
3
, daprs ESC 2008
On munit R
3
de son produit scalaire canonique < . , . > et de la norme . associe. Soit (u
1
, u
2
)
une famille libre de R
3
. On note H = Vect (u
1
, u
2
) et
f : R
3
R
3
, u f (u) = u
2
+ u
1
.
a) Vrier : f L(R
3
).
b) Montrer : Ker ( f ) = H
et Im( f ) = H.
c) Montrer que f est un endomorphisme symtrique de
_
R
3
, < . , . >
_
.
d) 1) Montrer que H est stable par f .
On note g : H H, x f (x) lendomorphisme induit par f sur H.
2) crire la matrice de g dans la base B = (u
1
, u
2
) de H.
3) On note B
=
_
u
2
u
1
u
1
u
2
, u
2
u
1
+ u
1
u
2
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
43
Vrier que B
est une base orthogonale de H et former la matrice de g dans B
.
4) En utilisant lingalit de Cauchy-Schwarz, montrer que f admet une valeur propre
1
< 0,
la valeur propre 0, une valeur propre
2
> 0.
2.12 tude dune matrice antisymtrique dordre 3, daprs Ecricome 2008
Le R-espace vectoriel R
3
est muni de son produit scalaire canonique < . , . > et de la base
canonique B = (

i ,

j ,

k ). On note e = Id
R
3 .
Soit

u = (a, b, c) R
3
tel que a
2
+ b
2
+ c
2
= 1.
On note D = Vect (

u ) et p le projecteur orthogonal sur D.
a) Exprimer, pour tout

v R
3
, p(

v ) laide de <

v ,

u > et de

u .
Calculer p(

i ), p(

j ), p(

k ).
En dduire la matrice P de p dans la base B.
On note M =
_
_
0 c b
c 0 a
b a 0
_
_
et f lendomorphisme de R
3
reprsent par M dans la base B.
b) 1) Montrer : M
2
= P I
3
.
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 : g
t
= e + (sin t) f + (1 cos t) f
2
.
1) Calculer la compose g
t
g
t
pour tout (t, t
) R
2
et montrer quelle se met sous la forme
g
t
o t
R est calculer.
2) En dduire que, pour tout t R, g
t
est bijectif et exprimer (g
t
)
1
.
2.13 Valeurs propres extrmes dune matrice symtrique relle, daprs HEC 2006
Soient n N
, S M
n
(R) symtrique. On note la plus petite valeur propre de S , et la plus
grande valeur propre de S . On munit M
n,1
(R) de son produit scalaire canonique et de la norme
associe ..
Montrer : X M
n,1
(R), X
2
t
XS X X
2
.
2.14 Existence dune racine carre symtrique positive dune matrice symtrique positive,
daprs EML 2009
On note S
n
(R) lensemble des matrices symtriques de M
n
(R), et S
+
n
lensemble des matrices
symtriques positives de M
n
(R). Soit S S
+
n
.
a) Montrer que toutes les valeurs propres de S sont 0.
b) Justier lexistence dune matrice orthogonale P de M
n
(R) telle que la matrice
D = P
1
S P soit diagonale.
c) Trouver une matrice R de S
+
n
telle que R
2
= S.
44
noncs des exercices
2.15 Diverses CNS pour une base orthonormale
Soient E un espace vectoriel muni dun produit scalaire (. .), n N
, (e
1
, ..., e
n
) E
n
. Montrer
que les assertions suivantes sont deux deux quivalentes :
(i) (e
1
, ..., e
n
) est une base orthonormale de E
(ii)
_
i 1 ; n, e
1
= 1
_
et
_
(x, y) E
2
,
n
i=1
(e
i
x)(e
i
y) = (x y)
_
(iii)
_
i 1 ; n, e
i
= 1
_
et
_
x E,
n
i=1
(e
i
x)
2
= x
2
_
.
2.16 Exemple de produit scalaire sur un espace vectoriel de polynmes, mise en vidence dune
base orthonormale
Soit n N
. On note E = R
n
[X] et : E E R lapplication dnie par :
(P, Q) E E, (P, Q) =
n
k=0
P
(k)
(0)Q
(k)
(0).
a) Vrier que est un produit scalaire sur E.
b) 1) Calculer, pour tout (i, j) 0 ; n
2
, (X
i
, X
j
).
2) En dduire une base orthonormale de (E, ).
2.17 tude de lapplication x
p
i=1
(e
i
| x)e
i
Soient
_
E, (. .)
_
un espace vectoriel euclidien, p N
, F = (e
1
, ..., e
p
) E
p
.
On considre lapplication f : E E, x f (x) =
p
i=1
(e
i
x)e
i
.
a) Vrier que f est un endomorphisme de lespace vectoriel E.
b) Montrer : Ker ( f ) = F
et Im( f ) = Vect (F).

c) tablir que f est bijective si et seulement si F engendre E.
2.18 Somme dune matrice symtrique dnie-positive et dune matrice antisymtrique
Soient n N
, S M
n
(R) symtrique dnie-positive, A M
n
(R) antisymtrique, cest--dire
telle que
t
A = A.
Dmontrer que S + A est inversible.
2.19 Exemple de produit scalaire dni 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.
b) 1) Montrer : f E,
f (x)
x

x 0
f

(0).
2) Dmontrer que, pour tout ( f , g) E
2
, lintgrale
_
+
0
f (x)g(x)
x
2
dx converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
45
On note : < . , . >: E
2
R, ( f , g) < f , g >=
_
+
0
f (x)g(x)
x
2
dx.
c) 1) Montrer que < . , . > est un produit scalaire sur E.
2) On note f : [0 ; +[ R, x x e
x
et, pour tout a R :
g
a
: [0 ; +[ R, x x(x a) e
x
.
Montrer que f appartient E et que, pour tout a R, g
a
appartient E.
Dterminer lensemble des a R tels que f g
a
.
d) Dmontrer, pour tout ( f , g) E
2
: < f , g >=
_
+
0
f

(x)g(x) + f (x)g
(x)
x
dx.
cet eet, on pourra commencer par eectuer une intgration par parties sur un segment.
2.20 Exemple de produit scalaire dni 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
_
+
_
u(x)
_
2
e
x
2
dx converge, et on note F le R-espace vectoriel des applications polynomiales
de R dans R.
a) tablir : (, ) [0 ; +[
2
,
1
2
(
2
+
2
).
b) En dduire que, pour tout (u, v) E
2
, lintgrale
_
+
u(x)v(x) e
x
2
dx converge.
c) 1) Dmontrer que E est un R-espace vectoriel.
2) Montrer que lapplication (. .) : E E R, (u, v)
_
+
u(x)v(x) e
x
2
dx
est un produit scalaire sur E.
d) Dmontrer : F E.
2.21 Exemple dquation matricielle deux inconnues
Soient n N
, X, Y M
n
(R) telles que : X
t
XY = I
n
et Y
t
YX = I
n
.
a) Montrer que X et Y sont symtriques.
b) En dduire : X = Y = I
n
.
2.22 Diverses caractrisations des projecteurs orthogonaux parmi les projecteurs
Soient
_
E, (. .)
_
un espace vectoriel euclidien, . la norme associe, p un projecteur de E.
Montrer que les assertions suivantes sont deux deux quivalentes :
(1) p est symtrique
(2) Im(p) Ker (p)
(3) x E,
_
x
p(x)
_
0
(4) x E, p(x) x.
46
Du mal dmarrer ?
2.23 Matrice de Hilbert
Soit n N
. On note H
n
=
_
1
i + j 1
_
1i, jn
M
n
(R).
Dmontrer que la forme quadratique sur R
n
canoniquement associe H
n
est dnie-positive.
2.24 Matrices symtriques relles coecients > 0, daprs HEC 2006
Soient n N
, S = (a
i j
)
1i, jn
M
n
(R) symtrique telle que :
(i, j) 1 ; n
2
, a
i j
> 0.
On note la plus grande valeur propre de S et V le sous-espace propre de S associ .
On munit M
n,1
(R) de son produit scalaire canonique et de la norme associe ..
a) Soit X
0
=
_
_
x
1
.
.
.
x
n
_
_
V \ 0. On note X
0
=
_
_
x
1
.
.
.
x
n
_
.
1) Montrer
t
X
0
S X
0

t
X
0
S X
0
et en dduire : X
0
V.
2) Montrer que les coordonnes de S X
0
sont toutes strictement positives et en dduire que
X
0
na aucune coordonne nulle.
3) Montrer :
t
X
0
S X
0
=
t
X
0
S X
0
et en dduire que les coordonnes de X
0
sont toutes de
mme signe.
b) 1) En dduire quil nexiste pas deux vecteurs de V \ 0 orthogonaux entre eux.
2) Conclure : dim(V) = 1.
Du mal dmarrer ?
2.1 Revenir la dnition dun espace vectoriel et la d-
nition dun produit scalaire.
2.2 Appliquer lingalit de Cauchy et Schwarz dans R
n
muni
de son produit scalaire canonique.
2.3 Dterminer une base de F, puis une base orthonor-
male (u
1
, u
2
) de F laide du procd dorthonormalisation de
Schmidt.
Appliquer la formule du cours donnant le projet ortho-
gonal dun vecteur u de E sur F, laide de la base orthonor-
male (u
1
, u
2
) de F.
2.4 1) Vrier que, pour toute f E, T(f) existe et T(f) E.
2) Vrier que T est linaire.
3) Pour tout (f, g) E
2
, calculer
_
T(f)
g
_
laide dune
intgration par parties, en remarquant que lapplication
x (x
2
x)f

(x) + (2x 1)f

(x) est la drive de lapplication
x (x
2
x)f

(x).
2.5 a) Revenir la dnition dune forme bilinaire sym-
trique.
b) Immdiat.
c) Interprter les rsultats obtenus en b).
d) Utiliser le rsultat du cours faisant intervenir les valeurs
propres de M
a
.
2.6 1) Pour montrer F
= 0, considrer x F
,
puis dcomposer x en x = u + v, o u F et v G.
2) Considrer les dimensions.
2.7 Soient R, y, z E.
Montrer que le vecteur g(y + z) g(y) g(z) est orthogonal
tout vecteur de E.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
47
2.8 a) Remarquer que T est triangulaire (suprieure) et que
ses termes diagonaux sont tous non nuls.
b) Immdiat.
c) Remarquer M =
t
TT et calculer le produit
t
XMX pout tout
X M
n,1
(R).
2.9 Se rappeler la dnition du noyau dune matrice :
Ker (A) =
_
X M
p,1
(R) ; AX = 0
_
.
Montrer dabord : Ker (A) Ker (
t
AA).
Pour lautre inclusion, faire intervenir le produit scalaire ca-
nonique sur M
n,1
(R).
2.10 a) 1) et 2) Immdiats.
a) 3) Calculer M(a)M
_
1
a
_
et M
_
1
a
_
M(a).
a) 4) Immdiat.
b) 1) Immdiat.
b) 2) Utiliser le rsultat du cours faisant intervenir les valeurs
propres de M(a).
c) 1) Immdiat.
c) 2) Calculer les produits scalaires de u, v, w deux deux.
En notant U, V, W les matrices-colonnes de u, v, w dans
la base canonique de R
3
, calculer M(4)V et M(4)W, puis
t
UM(4)V,
t
UM(4)W,
t
VM(4)W.
2.11 a) Immdiat.
b) 1) Montrer, pour tout u R
3
: u Ker (f) u H
.
b) 2) Montrer : Im(f) H.
Raisonner sur les dimensions pour obtenir lgalit.
c) Revenir la dnition dun endomorphisme symtrique.
d) 1) et 2) Immdiats.
d) 3) Noter v
1
= u
2
u
1
u
1
u
2
, v
2
= u
2
u
1
+ u
1
u
2
,
et calculer < v
1
, v
2
>.
Calculer g(v
1
) et g(v
2
).
d) 4) Utiliser lingalit de Cauchy-Schwarz et ltude du cas
dgalit dans lingalit de Cauchy-Schwarz pour obtenir :
 < u
1
u
2
.
Utiliser la matrice de g dans B
obtenue en d)3) et utiliser b).

2.12 a) Immdiat.
b) 1) Immdiat.
b) 2) Calculer M
_
_
a
b
c
_
_
pour dduire D Ker (f).
Rciproquement, pour

v Ker (f), en notant V la ma-
trice de

v dans B, calculer MV, M
2
V et obtenir PV = V.
Soit

w Im(f). Calculer <

w,

u > et dduire

w D
,
do une inclusion.
Pour obtenir lgalit, raisonner sur les dimensions.
c) 1) Calculer M
3
+ M en utilisant M
2
= P I
3
.
c) 2) Remarquer que, daprs 1), on dispose dun polynme an-
nulateur de f.
c) 3) Raisonner par labsurde, pour montrer que f nest pas dia-
gonalisable.
d) 1) Calculer g
t
g
t
en remplaant g
t
et g
t
par leurs expres-
sions en fonction de t, t
, e, f, et obtenir : g
t
g
t
= g
t+t
.
d) 2) Exprimer g
t
g
t
et g
t
g
t
en utilisant 1).
2.13 Utiliser le thorme spectral, do S = PDP
1
, o P est
orthogonale et D = diag(
1
, ...,
n
) est diagonale.
Soit X M
n,1
(R). Exprimer
t
XSX en notant Y = PX =
_
_
y
1
.
.
.
y
n
_
_
.
2.14 a) Soit une valeur propre de S. Faire intervenir un vec-
teur propre X associ la valeur propre et calculer
t
XSX.
b) Citer le thorme spectral.
c) En notant D = diag(
1
, ...,
n
), considrer la matrice diago-
nale = diag(
1
, ...,

n
), et montrer que R = PP
1
convient.
2.15 (i) = (ii) :
Pour (x, y) E
2
. calculer (x y) en utilisant
x =
n
i=1
(e
i
x)e
i
, y =
n
j=1
(e
j
y)e
j
.
(ii) = (iii) :
Immdiat.
(iii) = (i) :
Appliquer lhypothse e
k
pour k 1; n x, et dduire :
i, ik
(e
i
e
k
)
2
= 0, puis : i k, (e
i
e
k
) = 0.
Pour x E, noter u =
n
i=1
(e
i
x)e
i
, calculer xu
2
, en montrant
(u x) = x
2
et u
2
= x
2
, et dduire x = u.
2.16 a) Revenir la dnition dun produit scalaire.
b) 1) Soit (i, j) 1; n
2
. Calculer (X
i
)
(k)
pour tout k 0; n, en
dduire (X
i
)
(k)
(0), puis (X
i
, X
j
).
b) 2) Immdiat.
48
Du mal dmarrer ?
2.17 a) Immdiat.
b) Montrer : F
Ker (f).
Pour x Ker (f), calculer
_
f(x) x
_
pour obtenir
n
i=1
(e
i
x)
2
= 0, et en dduire x F
.
Montrer Im(f) Vect (F).
Pour obtenir lgalit, considrer les dimensions.
c) Utiliser b).
2.18 Soit X M
n,1
(R) tel que (S + A)X = 0. Montrer
t
XAX = 0,
dduire
t
XSX = 0, puis X = 0.
2.19 a) Revenir la dnition dun sous-espace vectoriel.
b) 1) Utiliser la dnition de la drive de f en 0.
b) 2) Vrier que lapplication h : x
f(x)g(x)
x
2
est continue
sur ]0; +[.
tudier h(x) lorsque x tend vers 0 en utilisant 1).
tudier h(x) lorsque x tend vers + en utilisant le fait
que f et g sont bornes.
c) 1) Revenir la dnition dun produit scalaire.
c) 2) Pour montrer que f est borne, tudier (par exemple) les
variations de f.
Dcomposer linairement g
a
sur f et sur lapplication
k : [0; +[, x x
2
e
x
,
et montrer que k est borne.
Calculer < f , g
a
>, par exemple en faisant intervenir la
fonction dEuler.
d) Utiliser une intgration par parties sur un segment [ ; X]
puis faire tendre vers 0 et X vers +.
2.20 a) Calculer
1
2
(
2
+
2
) .
b) Utiliser a), le thorme de majoration pour des fonctions
valeurs positives ou nulles, et le lien entre absolue convergence
et convergence.
c) 1) Revenir la dnition dun produit scalaire.
c) 2) Revenir la dnition de E.
d) Utiliser la comparaison lexemple de Riemann en +.
2.21 a) Montrer que Y est inversible, que Y
1
est symtrique,
puis que Y est symtrique.
b) Obtenir : X
3
= I
n
.
Utiliser le thorme spectral pour dduire X = I
n
.
2.22 Montrer (par exemple) :
(1) = (2), (2) = (3), (2) = (4),
(3) = (2), (4) = (2), (2) = (1).
Pour montrer (3) = (2), pour tous y Im(p) et z Ker (p),
appliquer lhypothse x = y + z pour tout R.
Pour montrer (4) = (2), pour tout y Im(p) et z Ker (p),
appliquer lhypothse x = y + z pour tout R.
2.23 Remarquer : k N
,
1
k
=
_
1
0
t
k1
dt.
En dduire, pour tout X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R) :
t
XH
n
X =
_
1
0
_
n
i=1
t
i1
x
i
_
2
dt.
2.24 a) 1) Dvelopper
t
X
0
SX
0
.
Utiliser le thorme spectral : il existe une base orthonormale
(X
1
, ..., X
n
) de M
n,1
(R) forme de vecteurs propres pour S. No-
ter
1
, ...,
n
les valeurs propres de S respectivement associes
X
1
, ..., X
n
, de faon que :
1
...
k
<
k+1
= ... =
n
= .
Dcomposer X
0
sur (X
1
, ..., X
n
) et calculer
t
X
0
SX
0
et
t
X
0
S X
0
.
a) 2) tudier les sommes
n
j=1
a
ij
x
j
.
Remarquer que, daprs 1) : SX
0
= X
0
.
a) 3) Utiliser X
0
V et X
0
V pour calculer les produits
t
X
0
SX
0
et
t
X
0
S X
0
.
Dvelopper
t
X
0
S X
0

t
X
0
SX
0
.
b) 1) Soient X, X
V \ 0. Raisonner sur les signes des coordon-

nes de X et X
pour montrer :
t
XX
0.
b) 2) Raisonner par labsurde et utiliser 1).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
49
2.1
Dabord, E est bien un R-espace vectoriel, car cest un sous-
espace vectoriel de C
1
([0 ; 1], R), puisque E et :
R, f , g E, (f + g)(0) = f (0)
.,,.
=0
+ g(0)
.,,.
=0
= 0.
Pour toutes f , g E, ( f , g) =
_
1
0
(2f

g + 2f g
+ 3f

g
)
existe, car 2f

g + 2f g
+ 3f

g
est continue sur le seg-

ment [0 ; 1].
1) Il est clair que est symtrique et que est linaire par
rapport la deuxime place (par exemple) par linarit de lin-
tgration, donc est bilinaire.
2) Notons q : E R, f ( f , f ) =
_
1
0
(4f f

+ 3f
2
).
On a, pour toute f E :
_
1
0
4f f

= [2f
2
]
1
0
= 2
_
f (1)
_
2
2
_
f (0)
.,,.
=0
_
2
= 2
_
f (1)
_
2
,
donc : q( f ) = 2
_
f (1)
_
2
+
_
1
0
f
2
0.
Si q( f ) = 0, alors, comme les deux termes formant q( f ) ci-
dessus sont 0, chacun des deux est nul, donc, en particulier
_
1
0
f
2
= 0. Comme f
2
est continue et 0, il en rsulte :
f
2
= 0, puis f

= 0. Ainsi, f est constante.
Comme de plus f (0) = 0, on dduit : f = 0.
On conclut : est un produit scalaire sur E.
2.2 Appliquons lingalit de Cauchy-Schwarz
(u v)
2
u
2
v
2
dans R
n
muni de son produit scalaire ca-
nonique, aux vecteurs u = (1, ..., 1) et v = (a
1
, ..., a
n
) :
(u v)
2
=
_
_
n
k=1
1 u
k
_
_
2
=
_
_
n
k=1
u
k
_
_
2
,
u
2
=
n
k=1
1
2
= n, v
2
=
n
k=1
u
2
k
,
do :
_
n
k=1
a
k
_
2
n
n
k=1
a
2
k
.
2.3
Dterminons une base orthonormale de F, en utilisant le pro-
cd dorthonormalisation de Schmidt.
cet eet, commenons par remplacer le systme dquations
dnissant F par un systme plus simple, par exemple en ex-
primant x
1
et x
2
en fonction de x
3
et x
4
.
On a, pour tout x = (x
1
, x
2
, x
3
, x
4
) R
4
:
x F
_
_
x
1
+ 2x
2
+ 3x
3
+ 4x
4
= 0 L
1
x
1
+ 3x
2
+ 5x
3
+ 7x
4
= 0 L
2
_
x
1
x
3
2x
4
= 0 L
1
3L
1
2L
2
x
2
+ 2x
3
+ 3x
4
= 0 L
2
L
2
L
1
_
x
1
= x
3
+ 2x
4
x
2
= 2x
3
3x
4
.
En choisissant successivement (x
3
, x
4
) = (1, 0) puis (x
3
, x
4
)
= (0, 1), on obtient deux vecteurs v
1
, v
2
de F, formant une fa-
mille libre :
v
1
= (1, 2, 1, 0), v
2
= (2, 3, 0, 1).
Ainsi, (v
1
, v
2
) est une base de F.
Cherchons un vecteur v
3
de la forme v
3
= v
1
+ v
2
( R) de
faon que v
3
soit orthogonal v
1
. On a :
v
3
v
1
(v
1
v
3
) = 0
_
v
1
v
1
+ v
2
_
= 0
v
1
2
+ (v
1
v
2
) = 0 6 + 8 = 0 =
4
3
.
Considrons donc v
3
dni par : v
3
= v
1
+ v
2
=
4
3
(1, 2, 1, 0) + (2, 3, 0, 1) =
1
3
(2, 1, 4, 3).
En notant u
1
=
v
1
v
1
et u
2
=
v
3
v
3
, on obtient une base ortho-

normale (u
1
, u
2
) de F :
u
1
=
1
6
(1, 2, 1, 0), u
2
=
1
30
(2, 1, 4, 3).
Daprs le cours, le projet orthogonal p
F
(u) de u sur F est
donn par la formule : p
F
(u) = (u
1
u)u
1
+ (u
2
u)u
2
.
Ici : (u
1
u) =
1
6
(1 + 2 + 1 + 0) =
4
6
,
(u
2
u) =
1
30
(2 + 1 4 3) =
4
30
,
donc :
p
F
(u) =
4
6
1
6
(1, 2, 1, 0) +
4
30
1
30
(2, 1, 4, 3)
=
2
3
(1, 2, 1, 0)
2
15
(2, 1, 4, 3) =
1
5
(2, 6, 6, 2).
50
2.4
1) Dabord, il est clair que, pour toute f E, T( f ) existe et
T( f ) E.
2) Soient R, f , g E.
On a, pour tout x [0 ; 1] :
T(f + g)(x) = (x
2
x)
_
(f + g)
(x)
_
+ (2x 1)
_
(f + g)
(x)
_
= (x
2
x)
_
f

(x) + g
(x)
_
+ (2x 1)
_
f

(x) + g
(x)
_
=
_
(x
2
x) f

(x) + (2x 1) f

(x)
_
+
_
(x
2
x)g
(x) + (2x 1)g
(x)
_
= T( f )(x) + T(g)(x) =
_
T( f ) + T(g)
_
(x),
donc : T(f + g) = T( f ) + T(g).
Ceci montre que T est linaire.
Ainsi, T est un endomorphisme de E.
3) Soit ( f , g) E
2
. On a :
_
T( f )
g
_
=
_
1
0
_
(x
2
x) f

(x) + (2x 1) f

(x)
_
g(x) dx.
On remarque que lapplication
x (x
2
x) f

(x) + (2x 1) f

(x)
est la drive de lapplication v : x (x
2
x) f

(x).
On eectue donc une intgration par parties, avec
_
_
u = g(x)
v
= (x
2
x) f

(x) + (2x 1) f

(x)
_
_
u
= g
(x)
v = (x
2
x) f

(x)
o u, v sont de classe C
1
sur le segment [0 ; 1] :
_
T( f )
g
_
=
_
(x
2
x) f

(x)g(x)
_
1
0
.,,.
=0
_
1
0
g
(x)(x
2
x) f

(x) dx.
Dans cette dernire expression, f et g ont des rles sym-
triques, donc, en appliquant le rsultat ci-dessus au couple
(g, f ) la place du couple ( f , g), on obtient :
_
T( f )
g
_
=
_
1
0
(x
2
x) f

(x)g
(x) dx =
_
T(g)
f
_
=
_
f
T(g)
_
.
2.5
a) Dabord,
a
est bien une application de
_
M
3,1
(R)
_
2
dans R.
On a, pour tous X, Y M
3,1
(R) :
a
(Y, X) =
t
YM
a
X =
t
(
t
YM
a
X)
=
t
X
t
M
a
Y =
t
XM
a
Y =
a
(X, Y),
car
t
YM
a
X R et M
a
est symtrique.
Ainsi,
a
est symtrique.
On a, pour tout R et tous X, X
, Y M
3,1
(R) :
a
(X + X
, Y) =
t
(X + X
)M
a
Y = (
t
X +
t
X
)M
a
Y
=
t
XM
a
Y +
t
X
M
a
Y =
a
(X, Y) +
a
(X
, Y).
Ainsi,
a
est linaire par rapport la premire place.
Puisque
a
est linaire par rapport la premire place et est
symtrique, daprs le cours,
a
est bilinaire.
On conclut que
a
est une forme bilinaire symtrique.
b) On a, pour tout a R :
M
a
U
1
=
_
_
2 a 1
a 3 a
1 a 2
_
_
_
_
1
0
1
_
_
=
_
_
1
0
1
_
_
= U
1
,
M
a
U
2
=
_
_
2 a 1
a 3 a
1 a 2
_
_
_
_
1
2
1
_
_
= (3 + a
2)
_
_
1
2
1
_
_
= (3 + a
2)U
2
,
M
a
U
3
=
_
_
2 a 1
a 3 a
1 a 2
_
_
_
_
1
2
1
_
_
= (3a
2)
_
_
1
2
1
_
_
= (3a
2)U
3
.
c) Daprs b), les rels 1, 3 + a
2, 3 a
2 sont des valeurs

propres de M
a
, et U
1
, U
2
, U
3
sont des vecteurs propres pour
M
a
respectivement associs aux valeurs propres considres.
Notons D
a
=
_
_
1 0 0
0 3 + a
2 0
0 0 3 a
2
_
_
qui est diagonale, et
P =
_
_
1 1 1
0

2
2
1 1 1
_
_
.
La matrice P est inversible car cest la matrice de la famille
(U
1
, U
2
, U
3
) dans la base canonique de M
3,1
(R) et ces trois
vecteurs sont des vecteurs propres pour M
a
associs des va-
leurs 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 (U
1
, U
2
, U
3
) est une base de vecteurs propres pour M
a
,
on a : M
a
= PD
a
P
1
.
d) Lapplication
a
est un produit scalaire sur M
3,1
(R) si et
seulement si les valeurs propres de M
a
sont strictement po-
sitives, cest--dire si et seulement si 3 + a
2 > 0 et
3 a
2 > 0, ce qui revient :

3
2
< a <
3
2
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
51
2.6 Dabord, daprs le cours, F
et G
sont des sous-

espaces vectoriels de E.
1) Montrons : F
= 0.
Soit x F
.
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).
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
= 0.
Ainsi, la somme F
+ G
est directe.
2) Passons aux dimensions :
dim(F
) = dim(F
) + dim(G
)
=
_
dim(E) dim(F)
_
+
_
dim(E) dim(G)
_
= 2 dim(E)
_
dim(F) + dim(G)
_
= 2 dim(E) dim(F G)
= 2 dim(E) dim(E) = dim(E).
On conclut : F
= E,
cest--dire que F
et G
sont supplmentaires dans E.

2.7 Soient R, y, z E.
Nous allons montrer que le vecteur g(y + z) g(y) g(z) est
orthogonal tout vecteur x de E.
On a, pour tout x E :
_
x
g(y + z) g(y) g(z)

_
=
_
x
g(y + z)
_

_
x
g(y)
_
_
x
g(z)
_
=
_
f (x)
y + z
_

_
f (x)
y
_
_
f (x)
z
_
=
_
_
f (x)
y
_
+
_
f (x)
z
__
_
f (x)
y
_
_
f (x)
z
_
= 0.
Ceci montre que le vecteur g(y+z)g(y)g(z) est orthogonal
tout vecteur x de E, donc est nul, cest--dire :
g(y + z) = g(y) + g(z).
On conclut que g est linaire.
Par rles symtriques, f est linaire.
2.8
a) Puisque T est triangulaire (suprieure) termes diagonaux
tous non nuls, T est inversible.
b) On calcule le produit
t
TT :
T
,..,
_
_
1
1 (1)
.
.
.
(0) 1
1
_
_
_
_
1
1 (0)
.
.
.
(1) 1
1
_
_
.,,.
t
T
_
_
1 1
2 2
.
.
.
.
.
.
1 2 n
_
_
.,,.
t
TT
.
c) Daprs b) et la dnition de M, on a : M =
t
TT.
Do, pour tout X M
n,1
(R) :
t
XMX=
t
X(
t
TT)X=(
t
X
t
T)(TX) =
t
(TX)(TX) =TX
2
0,
et :
t
XMX = 0 TX
2
= 0 TX = 0 X = 0,
puisque T est inversible.
On conclut que la forme quadratique canoniquement associe
M est dnie-positive.
2.9 Rappelons la notion de noyau dune matrice, dnie,
pour A M
n,p
(R) par exemple, par :
Ker (A) =
_
X M
p,1
(R) ; AX = 0
_
.
Soit X Ker (A).
On a alors : (
t
AA)X =
t
A(AX) =
t
A0 = 0,
donc : X Ker (
t
AA).
Ceci montre : Ker (A) Ker (
t
AA).
Soit X Ker (
t
AA).
On a alors, en utilisant le produit scalaire canonique sur
M
n,1
(R) et la norme euclidienne . associe :
AX
2
=
t
(AX)(AX) =
t
X
t
AAX =
t
X(
t
AAX) =
t
X0 = 0,
donc AX = 0, do X Ker (A).
Ceci montre : Ker (
t
AA) Ker (A).
On conclut : Ker (A) = Ker (
t
AA).
52
2.10
a) 1) Soit a ]0 ; +[. On a :
t
_
M(a)
_
=
t
_
aI + (1 a)H
_
= aI + (1 a)
t
H = aI + (1 a)H = M(a),
donc M(a) est symtrique.
Daprs le cours, puisque M(a) est symtrique relle, M(a) est
diagonalisable dans M
3
(R).
a) 2) On a, pour tout (a, b) ]0 ; +[
2
:
M(a)M(b) =
_
aI + (1 a)H
_
(bI + (1 b)H)
= abI +
_
a(1 b)+(1 a)b
_
H+(1a)(1b) H
2
.,,.
=H
= abI + (a + b 2ab)H + (1 a b + ab)H
= abI + (1 ab)H = M(ab).
a) 3) On dduit de 2) :
a ]0 ; +[,
_
_
M(a)M
_
1
a
_
= M
_
a
1
a
_
= M(1) = I
M
_
1
a
_
M(a) = M
_
1
a
a
_
= M(1) = I.
Ceci montre :
a ]0 ; +[,
_
M(a) GL
3
(R) et
_
M(a)
_
1
= M
_
1
a
__
.
a) 4) On a, pour tout a ]0 ; +[ :
M(a) = M
_
(
a)
2
_
=
_
M(
a)
_
2
=
t
_
M(
a)
_
M(
a),
puisque M(
a) est symtrique.
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.
Puisque X 0, on a
t
XX = X
2
> 0.
Puisque X 0 et que M(
a) est inversible (cf. a)3)), on a :

M(
a)X 0,
donc :
t
_
M(
a)X
__
M(
a)X
_
= M(
a)X
2
> 0.
On dduit : =
t
_
M(
a)X
__
M(
a)X
_
t
XX
> 0.
b) 2) Puisque M(a) est symtrique, lapplication est une
forme bilinaire symtrique sur R
3
.
De plus, daprs b)1), les valeurs propres de M(a) sont
toutes > 0.
Daprs le cours, il en rsulte que est un produit scalaire sur
R
3
.
c) 1) On eectue le produit de H par H :
H
2
=
1
16
_
_
3 1
2
1 3
2 2
_
_
_
_
3 1
2
1 3
2 2
_
_
=
1
16
_
_
12 4 4
2
4 12 4
2
4
2 4
2 8
_
_
=
1
4
_
_
3 1
2
1 3
2 2
_
_
= H.
M(4) = 4I 3H =
1
4
_
_
7 3 3
2
3 7 3
2
3
2 3
2 10
_
_
.
c) 2) On calcule les produits scalaires de u, v, w entre eux
(pour le produit scalaire canonique), et on obtient :
= 1, = 0, = 0,
< v , v >= 1, < v , w >= 0, < w, w >= 1.
Ainsi, B = (u, v, w) est une famille orthonormale de R
3
pour
le produit scalaire canonique.
Puisque Best orthogonale et forme de vecteurs tous non nuls,
daprs le cours, B est libre.
Puisque B est libre et a trois lments dans R
3
qui est de di-
mension 3, B est une base de R
3
.
Ainsi, B est une base orthonormale de R
3
pour le produit sca-
laire canonique.
Notons U, V, W les matrices-colonnes de u, v, w dans la base
canonique de R
3
, cest--dire :
U =
_
2/2
2/2
0
_
_
, V =
_
_
1/2
1/2
2/2
_
_
, W =
_
_
1/2
1/2
2/2
_
_
.
On a :
M(4)V =
1
4
_
_
7 3 3
2
3 7 3
2
3
2 3
2 10
_
_
_
_
1/2
1/2
2/2
_
_
=
1
4
_
_
2
2
2
2
_
_
= V,
M(4)W =
1
4
_
_
7 3 3
2
3 7 3
2
3
2 3
2 10
_
_
_
_
1/2
1/2
2/2
_
_
=
1
4
_
_
8
8
8
2
_
_
= 4W.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
53
Do :
_
_
t
UM(4)V = 4
t
UV = 0
t
UM(4)W = 4
t
UW = 0
t
VM(4)W = 4
t
VW = 0,
cest--dire : (u, v) = (u, w) = (v, w) = 0.
On conclut que B = (u, v, w) est une base orthogonale pour le
produit scalaire .
2.11
a) Il est clair que
f : u u
2
+ u
1
est une application de R
3
dans R
3
.
On a, pour tout R et tous u, v R
3
:
f (u + v) = u
2
+ u
1
=
_
 + 
_
u
2
+
_
 + 
_
u
1
=
_
 u
2
+ u
1
_
+
_
 u
2
+ u
1
_
= f (u) + f (v),
donc f est linaire.
On conclut : f L(R
3
).
b) 1) On a, pour tout u R
3
:
u Ker ( f ) f (u) = 0
 u
2
+ u
1
= 0
= 0 et = 0
car (u
1
, u
2
) est libre
u
_
Vect (u
1
, u
2
)
_
u H
.
Ceci montre : Ker ( f ) = H
.
2) On a, pour tout u E :
f (u) = u
2
+ u
1
Vect (u
1
, u
2
) = H,
donc : Im( f ) H.
Daprs le thorme du rang et le thorme sur la dimension
de lorthogonal dun sous-espace vectoriel, on a :
dimIm( f ) = 3 dimKer ( f ) = 3 dim(H
) = dim(H).
Comme : Im( f ) H et dimIm( f ) = dim(H),
on conclut : Im( f ) = H.
c) On a, pour tout (u, v) (R
3
)
2
:
< f (u) , v > =
_
 u
2
+ u
1
, v
_
= + 
= + 
=
_
 u
2
+ u
1
, u
_
= < f (v) , u > = ,
donc f est un endomorphisme symtrique de R
3
pour le produit
scalaire canonique < . , . >.
d) 1) On a : x H, f (x) Im( f ) H,
donc H est stable par f .
On peut donc considrer lendomorphisme g induit par f
sur H : g : H H, x f (x).
d) 2) On a : g(u
1
) = u
2
+ u
1
,
g(u
2
) = u
2
+ u
1
,
donc la matrice G de g dans la base B = (u
1
, u
2
) de H est :
G =
_
 
 
_
.
d) 3) Notons
v
1
= u
2
u
1
u
1
u
2
, v
2
= u
2
u
1
+ u
1
u
2
,
de sorte quavec les notations de lnonc : B
= (v
1
, v
2
).
On a :
< v
1
, v
2
> =
_
u
2
u
1
u
1
u
2
, u
2
u
1
+ u
1
u
2
_
= u
2
2
 +u
2
u
1

u
1
u
2
 u
1
2

= u
2
2
u
1
2
u
1
2
u
2
2
= 0,
donc : v
1
v
2
.
Dautre part :
v
1
= 0 u
2
u
1
u
1
u
2
= 0
u
2
= u
1
= 0 car (u
1
, u
2
) est libre
u
1
= u
2
= 0,
contradiction avec (u
1
, u
2
) libre.
Il en rsulte v
1
0, et de mme v
2
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.

54
On a :
g(v
1
) = f (v
1
)
= f (u
2
u
1
u
1
u
2
)
= u
2
f (u
1
) u
1
f (u
2
)
= u
2
_
 u
2
+ u
1
_
u
1
_
 u
2
+ u
1
_
= u
2
_
 u
1
u
2
_
u
1
+u
1
_
u
1
u
2

_
u
2
=
_
 u
1
u
2
__
u
2
u
1
u
1
u
2
_
=
_
 u
1
u
2
_
v
1
,
g(v
2
) = f (v
2
)
= f (u
2
u
1
+ u
1
u
2
)
= u
2
f (u
1
) + u
1
f (u
2
)
= u
2
_
 u
2
+ u
1
_
+u
1
_
 u
2
+ u
1
_
= u
2
_
 +u
1
u
2
_
u
1
+u
1
_
u
1
u
2
+ 
_
u
2
=
_
 +u
1
u
2
__
u
2
u
1
+ u
1
u
2
_
=
_
 +u
1
u
2
_
v
2
.
On conclut que la matrice de g dans B
est :
_
 u
1
u
2
0
0 +u
1
u
2
_
.
d) 4) Daprs lingalit de Cauchy-Schwarz :
 u
1
u
2
.
De plus, comme (u
1
, u
2
) est libre, daprs ltude du cas dga-
lit dans lingalit de Cauchy-Schwarz :
 u
1
u
2
.
On a donc : u
1
u
2
< 0,
2
= +u
1
u
2
> 0.
Comme g est lendomorphisme induit par f sur H, les deux
rels
1
et
2
sont aussi valeurs propres de f .
De plus, comme Ker ( f ) = H
0, le rel 0 est valeur propre

de f .
Enn, comme R
3
est de dimension 3 et que f est un endomor-
phisme de R
3
, f admet au plus trois valeurs propres.
Finalement, f admet une valeur propre
1
< 0, la valeur propre
0, une valeur propre
2
> 0.
2.12
a) Daprs le cours, puisque (

u ) est une base orthonormale de
D, on a :

v R
3
, p(

v ) = 

u .
En particulier :
p(

i ) = 

u = a

u
= a(a

i + b

j + c

k ) = a
2

i + ab

j + ac

k ,
p(

j ) = 

u = b

u
= b(a

i + b

j + c

k ) = ba

i + b
2

j + bc

k ,
p(

k ) = 

u = c

u
= c(a

i + b

j + c

k ) = ca

i + cb

j + c
2

k .
La matrice P de p dans B = (

i ,

j ,

k ) est donc :
P =
_
_
a
2
ab ac
ba b
2
bc
ca cb c
2
_
_
.
b) 1) On a :
M
2
=
_
_
0 c b
c 0 a
b a 0
_
_
_
_
0 c b
c 0 a
b a 0
_
_
=
_
_
b
2
c
2
ab ac
ab a
2
c
2
bc
ac bc a
2
b
2
_
_
=
_
_
1 + a
2
ab ac
ab 1 + b
2
bc
ac bc 1 + c
2
_
_
= P I
3
.
b) 2) On a :
M
_
_
a
b
c
_
_
=
_
_
0 c b
c 0 a
b a 0
_
_
_
_
a
b
c
_
_
=
_
_
0
0
0
_
_
,
donc

u Ker ( f ), puis : D Ker ( f ).
Rciproquement, soit

v Ker ( f ).
En notant V la matrice de

v dans B, on a : MV = 0, donc :
M
2
V = M(MV) = M0 = 0,
puis : PV = (M
2
+ I
3
)V = M
2
V + V = V,
donc

v Im(p) = D.
Il en rsulte : Ker ( f ) D.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
55
Ceci montre : Ker ( f ) = D.
Soit

w Im( f ).
Il existe

v R
3
tel que

w = f (

v ).
Notons U la matrice de

u dans B et V la matrice de

v dans
B. On a :
<

w ,

u >=< f (

v ) ,

u >=
t
(MV)U
=
t
V
t
MU =
t
V(M)U =
t
V( MU
.,,.
=0
) = 0,
donc

w D
.
Ainsi : Im( f ) D
.
Daprs le thorme du rang et le thorme sur la dimen-
sion du supplmentaire orthogonal dun sous-espace vectoriel,
on a :
dimIm( f ) = 3 dimKer ( f ) = 3 dim(D) = dim(D
).
Ainsi, Im( f ) D
et dimIm( f ) = dim(D
), donc, daprs le
cours : Im( f ) = D
.
c) 1) On a :
M
3
+ M = MM
2
+ M = M(P I
3
) + M = MP
=
_
_
0 c b
c 0 a
b a 0
_
_
_
_
1 + a
2
ab ac
ab 1 + b
2
bc
ac bc 1 + c
2
_
_
= 0,
donc : f
3
+ f = 0.
On peut aussi remarquer P = U
t
U, donc :
MP = M(U
t
U) = ( MU
.,,.
=0
)
t
U = 0.
c) 2) Daprs 1), le polynme X
3
+X = X(X
2
+1) est annulateur
de f , donc les valeurs propres de f sont parmi les zros (rels)
de ce polynme, donc la seule valeur propre possible pour f
est 0.
Dautre part, comme Ker ( f ) = D 0, 0 est valeur propre
de f .
On conclut :
f admet une valeur propre et une seule, qui est 0.
c) 3) Si f tait diagonalisable, comme f nadmet que la valeur
propre 0, f serait reprsent par la matrice nulle, donc f = 0,
contradiction avec Ker ( f ) = D R
3
.
On conclut : f nest pas diagonalisable.
d) 1) On a, pour tout (t, t
) R
2
:
g
t
g
t
=
_
e + (sin t) f + (1 cos t) f
2
_
_
e + (sin t
) f + (1 cos t
) f
2
_
= e + (sin t + sin t
) f + (2 cos t cos t
+ sin t sin t
) f
2
+
_
sin t(1 cos t
) + sin t
(1 cos t)
_
f
3
.,,.
=f
+(1 cos t)(1 cos t
) f
4
.,,.
=f
2
= e +
_
sin t + sin t
sin t(1 cos t
) sin t
(1 cos t)
_
f
+
_
2 cos t cos t
+ sin t sin t
(1 cos t)(1 cos t
)
_
f
2
= e + (sin t cos t
+ sin t
cos t) f
+(1 cos t cos t
+ sin t sin t
) f
2
= e + sin(t + t
) f +
_
1 cos(t + t
)
_
f
2
= g
t+t
.
d) 2) Daprs 1), en remplaant t
par t, on a :
t R,
_
g
t
g
t
= g
0
= e et g
t
g
t
= g
0
= e
_
.
Il en rsulte que, pour tout t R, g
t
est bijectif et que :
(g
t
)
1
= g
t
.
2.13 Puisque S est symtrique relle, daprs le thorme
spectral, il existe D = diag (
1
, ...,
n
) D
n
(R) et P orthogo-
nale telles que : S = PDP
1
.
Soit X M
n,1
(R).
On a, en utilisant
t
P = P
1
:
t
XS X =
t
X(PDP
1
)X = (
t
XP)D(P
1
X)
=
t
(
t
PX)D(P
1
X) =
t
(P
1
X)D(P
1
X).
Notons Y = P
1
X =
_
_
y
1
.
.
.
y
n
_
_
. On a :
t
XS X =
t
YDY =
_
y
1
. . . y
n
_
_
1
(0)
.
.
.
(0)
n
_
_
_
_
y
1
.
.
.
y
n
_
_
=
n
i=1
i
y
2
i
.
Comme : i 1 ; n,
i
,
et que les y
2
i
sont tous 0, on dduit :
i=1
y
2
i

n
i=1
i
y
2
i

n
i=1
y
2
i
.
Et :
X
2
=
t
XX =
t
(PY)(PY) =
t
Y
t
PPY
=
t
Y(P
1
P)Y =
t
YY = Y
2
=
n
i=1
y
2
i
.
On conclut : X
2
t
XS X X
2
.
2.14
a) Soit une valeur propre de S .
Il existe X M
n,1
(R) tel que : S X = X et X 0.
56
Puisque S S
+
n
, on a :
t
XS X 0.
Et :
t
XS X =
t
X(X) = (
t
XX) = X
2
.,,.
>0
.
Do : =
t
XS X
X
2
0.
On conclut : toutes les valeurs propres de S sont 0.
b) Puisque S S
n
(R), daprs le thorme spectral, il existe
une matrice orthogonale P de M
n
(R) et une matrice diagonale
D de M
n
(R) telles que S = PDP
1
, do D = P
1
S P.
c) Notons
1
, ...,
n
les lments diagonaux de D :
D = diag (
1
, ...,
n
).
Daprs a) : k 1 ; n,
k
0.
Considrons la matrice diagonale = diag (
1
, ...,
n
) et la
matrice R = PP
1
.
On a : R
2
= (PP
1
)
2
= P
2
P
1
= PDP
1
= S.
On a :
t
R =
t
(PP
1
) =
t
P
1 t
t
P = PP
1
= R,
car P est orthogonale et est diagonale.
Montrons S
+
n
.
1
re
mthode :
Soit X M
n,1
(R) quelconque. On a :
t
XRX =
t
XPP
1
X
=
t
(
t
PX)(P
1
X) =
t
(P
1
X)(P
1
X).
Notons P
1
X =
_
_
y
1
.
.
.
y
n
_
_
.
On a alors :
t
XRX =
t
YY =
n
k=1
_
k
y
2
k
0.
On conclut : R S
+
n
.
2
e
mthode :
Considrons la matrice diagonale U = diag (
4
1
, ...,
4
n
) de
sorte que = U
2
=
t
UU.
On a alors, pour toute X M
n,1
(R) :
t
XRX =
t
XPP
1
X =
t
XP
t
UUP
1
X
=
t
(UP
1
X)(UP
1
X) = UP
1
X
2
0.
On conclut : R S
+
n
.
2.15 Montrons (i) = (ii) :
On suppose que (e
1
, ..., e
n
) est une base orthonormale de E.
Il est clair qualors : i 1 ; n, e
i
= 1.
De plus, daprs le cours, pour tout (x, y) E
2
, on a :
x =
n
i=1
(e
i
x)e
i
et y =
n
j=1
(e
j
y)e
j
,
do :
(x y) =
_
n
i=1
(e
i
x)e
i
j=1
(e
j
y)e
j
_
=
n
i=1
n
j=1
(e
i
x)(e
j
y) (e
i
e
j
)
.,,.
=
i j
=
n
i=1
(e
i
x)(e
i
y).
Montrons (ii) = (iii) :
vident : il sut dappliquer (ii) (x, x) la place de (x, y).
Montrons (iii) = (i) :
On suppose :
_
_
i 1 ; n, e
i
= 1
x E,
n
i=1
(e
i
x)
2
= x
2
.
En appliquant lhypothse e
k
pour k 1 ; n x, on a :
n
i=1
(e
i
e
k
)
2
= e
k
2
= 1.
En isolant le terme dindice k dans la sommation prcdente :
n
i=1
(e
i
e
k
)
2
= e
k
4
.,,.
=1
+
i, ik
(e
i
e
k
)
2
.
On dduit :
i, ik
(e
i
e
k
)
2
.,,.
0
= 0.
Il en rsulte : i k, (e
i
e
k
) = 0.
Ceci montre que la famille (e
1
, ..., e
n
) est orthogonale.
Vu lhypothse, on conclut que la famille (e
1
, ..., e
n
) est ortho-
normale.
En particulier, puisque la famille (e
1
, ..., e
n
) est orthogonale et
vecteurs tous non nuls, cette famille est libre.
Soit x E. Notons u =
n
i=1
(e
i
x)e
i
.
Nous allons montrer x = u, en calculant x u
2
.
On a : x u
2
= x
2
2(x u) + u
2
.
Mais :
(u x) =
_
n
i=1
(e
i
x)e
i
x
_
=
n
i=1
(e
i
x)(e
i
x) =
n
i=1
(e
i
x)
2
= x
2
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
57
et, puisque (e
1
, ..., e
n
) est une famille orthonormale :
u
2
=
i=1
(e
i
x)e
i
2
=
n
i=1
(e
i
x)
2
= x
2
.
On obtient : x u
2
= x
2
2x
2
+ x
2
= 0,
donc x u = 0, x = u =
n
i=1
(e
i
x)e
i
.
Ceci montre que la famille (e
1
, ..., e
n
) engendre E.
Finalement, (e
1
, ..., e
n
) est une base orthonormale de E.
2.16
a) On a, pour tout (P, Q) E E :
(Q, P) =
n
k=0
Q
(k)
(0)P
(k)
(0) =
n
k=0
P
(k)
(0)Q
(k)
(0) = (P, Q),
donc est symtrique.
On a, pour tout R et tous P, Q, R E :
(P, Q + R) =
n
k=
P
(k)
(0)(Q + R)
(k)
(0)
=
n
k=0
P
(k)
(0)
_
Q
(k)
(0) + R
(k)
(0)
_
=
n
k=0
P
(k)
(0)Q
(k)
(0) +
n
k=0
P
(k)
(0)R
(k)
(0)
= (P, Q) + (P, R),
donc est linaire par rapport la seconde place.
Puisque est symtrique et linaire par rapport la seconde
place, est aussi linaire par rapport la premire place, donc
est bilinaire.
On a, pour tout P E : (P, P) =
n
k=0
_
P
(k)
(0)
_
2
0.
Soit P E tel que (P, P) = 0.
On a alors :
n
k=0
_
P
(k)
(0)
_
2
.,,.
0
= 0,
donc : k 0 ; n, P
(k)
(0) = 0.
Si P 0, en notant k = deg (P), on a k 0 ; n et P
(k)
est une
constante non nulle, contradiction avec le rsultat prcdent.
Il en rsulte : P = 0.
On conclut que est un produit scalaire sur E.
b) 1) Soit (i, j) 0 ; n
2
. On a, pour tout k 0 ; n :
(X
i
)
(k)
=
_
_
i(i 1) (i k + 1)X
ik
si k i
donc :
(X
i
)
(k)
(0) =
_
_
0 si k i
i! si k = i.
Il en rsulte :
(X
i
, X
j
) =
n
k=0
(X
i
)
(k)
(0)(X
j
)
(k)
(0) =
_
_
0 si i j
(i!)
2
si i = j.
b) 2) Daprs 1), (X
i
)
0in
est une famille orthogonale pour ,
forme de vecteurs tous non nuls, donc cette famille est libre.
Comme dim(E) = n + 1, cette famille libre de n + 1 lments
est une base de E.
De plus : i 0 ; n, (X
i
, X
i
) = (i!)
2
.
On conclut que
_
X
i
i!
_
0in
est une base orthonormale de (E, ).
2.17
a) Soient R, x, y E. On a :
f (x + y) =
p
i=1
(e
i
x + y)e
i
=
p
i=1
_
(e
i
x)e
i
+ (e
i
y)e
i
_
=
p
i=1
(e
i
x)e
i
+
p
i=1
(e
i
y)e
i
= f (x) + f (y),
donc f est linaire.
On conclut que f est un endomorphisme de lespace vecto-
riel E.
b) Soit x F
.
On a alors : i 1 ; p, (e
i
x) = 0,
donc : f (x) =
p
i=1
(e
i
x)
.,,.
=0
e
i
= 0,
do : x Ker ( f ).
Ceci montre : F
Ker ( f ).
Soit x Ker ( f ).
58
On a donc : f (x) =
p
i=1
(e
i
x)e
i
= 0,
do, en faisant le produit scalaire avec x :
0 = (0 x) =
_
f (x) x
_
=
_
p
i=1
(e
i
x)e
i
x
_
=
p
i=1
(e
i
x)(e
i
x) =
p
i=1
(e
i
x)
2
.,,.
0
.
Il en rsulte : i 1 ; p, (e
i
x) = 0,
et donc : x F
.
Ceci montre : Ker ( f ) F
.
On conclut : Ker ( f ) = F
.
On a : x E, f (x) =
p
i=1
(e
i
x)e
i
Vect (F),
donc : Im( f ) Vect (F).
Daprs le thorme du rang et le rsultat prcdent (sur le
noyau de f ), on a :
dimIm( f ) = dim(E) dimKer ( f ) = dim(E) dim(F
)
= dim(E) dim
_
Vect (F)
_
= dimVect (F).
Comme Im( f ) Vect (F) et que ces deux sev sont de dimen-
sions nies 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 nie, on a :
f bijective f surjective Im( f ) = E
Vect (F) = E F engendre E.
2.18 Soit X M
n,1
(R) telle que (S + A)X = 0.
On a alors :
t
X(S + A)X = 0.
Mais :
t
X(S + A)X =
t
XS X +
t
XAX.
Comme
t
A = A et que
t
XAX est une matrice carre une seul
lment, on a :
t
XAX =
t
(
t
XAX) =
t
X
t
AX =
t
X(A)X =
t
XAX,
donc 2
t
XAX = 0, do
t
XAX = 0.
On obtient alors
t
XS X = 0.
Comme S est symtrique dnie-positive, la forme quadratique
canoniquement associe S est dnie-positive, donc X = 0.
On a montr :
X M
n,1
(R),
_
(S + A)X = 0 = X = 0
_
,
et on conclut : S + A est inversible.
2.19
a) On a E R
[0 ; +[
et 0 E.
Soient R, f , g E.
Puisque f et g sont bornes, il existe M
f
, M
g
R
+
tels que :
_
_
x [0 ; +[, f (x) M
f
x [0 ; +[, g(x) M
g
.
On a alors :
x R,
f (x) + g(x)
f (x) + g(x) M
f
+ M
g
,
donc f + g est borne.
Puisque f et g sont de classe C
1
, daprs le cours, f + g est
de classe C
1
.
On a : (f + g)(0) = f (0)
.,,.
=0
+ g(0)
.,,.
=0
= 0.
On dduit : f + g E.
On conclut : E est un sous-espace vectoriel de lespace vecto-
riel rel des applications de [0 ; +[ dans R.
b) 1) Soit f E. Puisque f (0) = 0 et que f est drivable en 0,
on a :
f (x)
x
=
f (x) f (0)
x 0

x 0
f

(0).
b) 2) Soit ( f , g) E
2
.
Lapplication h : x
f (x)g(x)
x
2
est continue sur ]0 ; +[.
On a, daprs 1) : h(x) =
f (x)
x
g(x)
x

x 0
f

(0)g
(0).
Ainsi, lapplication h admet une limite nie en 0, donc lint-
grale
_
1
0
h(x) dx converge (intgrale faussement impropre).
Puisque f et g sont bornes, il existe M
f
, M
g
R
+
tels que :
_
_
x [0 ; +[, f (x) M
f
x [0 ; +[, g(x) M
g
.
On a : x [1 ; +[, h(x) =
f (x) g(x)
x
2

M
f
M
g
x
2
.
Daprs lexemple de Riemann en + (2 > 1), lint-
grale
_
+
1
1
x
2
dx converge, donc lintgrale
_
+
1
M
f
M
g
x
2
dx
converge.
Par thorme de majoration pour des fonctions 0, lintgrale
_
+
1
h(x) dx converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
59
Ainsi, lintgrale
_
+
1
h(x) dx est absolument convergente,
donc convergente.
Puisque les deux intgrales
_
1
0
h(x) dx et
_
+
1
h(x) dx
convergent, par dnition, lintgrale
_
+
0
h(x) dx converge.
On conclut que, pour tout ( f , g) E
2
, lintgrale
_
+
0
f (x)g(x)
x
2
dx converge.
c) 1) La symtrie est vidente.
La linarit par rapport la premire place est immdiate, par
linarit de lintgration.
Puisque < . , . > est linaire par rapport la seconde place et
est symtrique, < . , . > est bilinaire.
On a : f E, < f f > =
_
+
0
_
f (x)
_
2
x
2
dx 0.
Soit f E telle que < f f > = 0, cest--dire telle
que :
_
+
0
_
f (x)
_
2
x
2
dx = 0. On a alors, daprs la relation de
Chasles :
_
1
0
_
f (x)
_
2
x
2
dx
.,,.
0
+
_
+
1
_
f (x)
_
2
x
2
dx
.,,.
0
=
_
+
0
_
f (x)
_
2
x
2
dx = 0,
donc :
_
1
0
_
f (x)
_
2
x
2
dx = 0 et
_
+
1
_
f (x)
_
2
x
2
dx = 0.
Lapplication H : X
_
X
1
_
f (x)
_
2
x
2
dx
est croissante sur [1 ; +[, car elle est de classe C
1
et sa drive
est X
_
f (X)
_
2
X
2
qui est 0.
De plus, H(1) = 0 et H(X)
X +
_
+
1
_
f (x)
_
2
x
2
dx = 0.
Il en rsulte : X [1 ; +[, H(X) = 0,
puis, en drivant : X [1 ; +[,
_
f (X)
_
2
X
2
= 0,
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.
Nous allons maintenant montrer que f est borne.
1
re
mthode : utilisation des variations de la fonction f :
On a : x [0 ; +[, f

(x) = (1 x) e
x
,
do le tableau des variations de f :
x 0 1 +
f

(x) + 0
e
1
f (x) ,
0 0
On a donc : x [0 ; +[, 0 f (x) e
1
.
Il en rsulte que f est borne.
2
e
mthode : utilisation du comportement linni et de la
continuit sur un segment :
On a, par prpondrance de lexponentielle sur les puissances :
f (x)
x +
0.
Il existe donc [0 ; +[ tel que :
x [0 ; +[, f (x) 1.
Dautre part, f est continue sur le segment [0 ; ], donc,
daprs le cours, f est borne sur ce segment ; il existe donc
M R
+
tel que : x [0 ; ], f (x) M.
On a donc : x [0 ; +[, f (x) Max (1, M),
ce qui montre que f est borne.
On conclut : f E.
Soit a R.
Lapplication g
a
: [0 ; +[ R, x x(x a) e
x
est de classe C
1
et g
a
(0) = 0.
On remarque : g
a
= k af , o on a not
k : [0 ; +[ R, x x
2
e
x
.
Comme ci-dessus (par lune des deux mthodes), on montre
que k est borne.
Ainsi : k E.
Comme E est un R-espace vectoriel et que ( f , k) E
2
, on d-
duit, par combinaison linaire : g
a
E.
On a, pour tout a R :
< f , g
a
> =
_
+
0
f (x)g
a
(x)
x
2
dx
=
_
+
0
(x e
x
)
_
x(x a) e
x
_
x
2
dx
60
=
_
+
0
(x a) e
2x
dx
=
t=2x
_
+
0
_
t
2
a
_
e
t
1
2
dt
=
1
4
_
+
0
(t 2a) e
t
dt
=
1
4
_
_
+
0
t e
t
dt 2a
_
+
0
e
t
dt
_
=
1
4
_
(2) 2a(1)
_
=
1
4
(1! 2a 0!) =
1
4
(1 2a).
On conclut : lensemble des a R tels que f g
a
est
_
1
2
_
.
d) Soit ( f , g) E
2
.
Soit (, X) ]0 ; +[
2
tel que < X.
On a, par intgration par parties avec
_
_
u(x) = f (x)g(x)
v
=
1
x
2
_
_
u
(x) = f

(x)g(x) + f (x)g
(x)
v =
1
x
1
sur le segment [ ; X] :
_
X
f (x)g(x)
x
2
dx
=
_
f (x)g(x)
x
_
X
+
_
X
f

(x)g(x) + f (x)g
(x)
x
dx.
Comme f et g sont bornes, on a :
f (X)g(X)
X

X +
0.
Dautre part, daprs b)1) appliqu f et puisque g est continue
en 0 :
f ()g()
=
f ()
g()
0
f

(0) g(0)
.,,.
=0
= 0.
Il en rsulte que lintgrale
_
+
0
f

(x)g(x) + f (x)g
(x)
x
dx
converge et que :
< f , g >=
_
+
0
f

(x)g(x) + f (x)g
(x)
x
dx.
2.20
a) On a, pour tout (, ) [0 ; +[
2
:
1
2
(
2
+
2
) =
2
+
2
2
2
=
( )
2
2
0,
donc :
1
2
(
2
+
2
).
b) Soit (u, v) E
2
.
Lapplication f : x u(x)v(x) e
x
2
est continue sur R
et, daprs a), pour tout x R :
f (x) = u(x) v(x) e
x
2
1
2
_
u(x)
2
+ v(x)
2
_
e
x
2
=
1
2
_
u(x)
_
2
e
x
2
+
1
2
_
v(x)
_
2
e
x
2
.
Comme les deux intgrales
_
+
_
u(x)
_
2
e
x
2
dx et
_
+
_
v(x)
_
2
e
x
2
dx convergent, par combinaison linaire,
lintgrale
_
+
_
1
2
_
u(x)
_
2
e
x
2
+
1
2
_
v(x)
_
2
e
x
2
_
dx converge,
puis, par thorme de majoration pour des fonctions 0, lin-
tgrale
_
+
f (x) dx converge.
Ainsi, lintgrale
_
+
f (x) dx est absolument convergente,

donc convergente.
On conclut : lintgrale
_

u(x)v(x) e
x
2
dx converge.
c) 1) Il est clair que E R
R
et que, en notant 0 la fonction
constante nulle, 0 E.
Soient u, v E. On a, pour tout x R :
_
u(x) + v(x)
_
2
e
x
2
=
_
u(x)
_
2
e
x
2
+ 2u(x)v(x) e
x
2
+
_
v(x)
_
2
e
x
2
.
Puisque u, v E, les deux intgrales
_
+
_
u(x)
_
2
e
x
2
dx et
_
+
_
v(x)
_
2
e
x
2
dx convergent.
Daprs b), lintgrale
_
+
u(x)v(x) e
x
2
dx converge.
Par combinaison linaire, on dduit que lintgrale
_
+
_
u(x) + v(x)
_
2
e
x
2
dx converge, donc u + v E.
Soient R, u E.
Puisque lintgrale
_
+
_
u(x)
_
2
e
x
2
dx converge, par multi-
plication par la constante
2
, lintgrale
_
+
_
u(x)
_
2
e
x
2
dx
converge, donc u E.
Ceci montre que E est un sous-espace vectoriel de R
R
.
On conclut : E est un R-espace vectoriel.
c) 2) Daprs b), pour tout (u, v) E
2
, lintgrale
_
+
u(x)v(x) e
x
2
dx converge, donc (u v) existe.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
61
La symtrie est vidente.
La linarit par rapport la premire place rsulte de la lina-
rit de lintgration.
On a : u E, (u u) =
_
+
_
u(x)
_
2
e
x
2
dx 0.
Soit u E telle que (u u) = 0, cest--dire telle
que
_
+
_
u(x)
_
2
e
x
2
dx = 0. On a alors, par la relation de
Chasles :
_
0
_
u(x)
_
2
e
x
2
dx
.,,.
0
+
_
+
0
_
u(x)
_
2
e
x
2
dx
.,,.
0
=
_
+
_
u(x)
_
2
e
x
2
dx = 0,
do :
_
0
_
u(x)
_
2
e
x
2
dx = 0 et
_
+
0
_
u(x)
_
2
e
x
2
dx = 0.
Lapplication F : [0 ; +[
_
X
0
_
u(x)
_
2
e
x
2
dx
est croissante, valeurs 0 et de limite 0 en +, donc :
X [0 ; +[, F(X) = 0,
puis, par drivation : X [0 ; +[,
_
u(X)
_
2
e
X
2
= 0,
puis : X [0 ; +[, u(X) = 0.
De mme : X ] ; 0], u(X) = 0.
On dduit : u = 0.
On conclut : (. .) est un produit scalaire sur E.
d) Soit P F.
Il est clair qualors P est continue sur R.
Lapplication x
_
P(x)
_
2
e
x
2
est continue sur R et, par pr-
pondrance de lexponentielle sur les puissances :
x
2
_
_
P(x)
_
2
e
x
2
_

x +
0.
Il existe donc a > 0 tel que :
x [a ; +[, x
2
_
_
P(x)
_
2
e
x
2
_
1,
do : x [a ; +[, 0
_
P(x)
_
2
e
x
2
1
x
2
.
Daprs lexemple de Riemann en + (2 > 1), lintgrale
_
+
a
1
x
2
dx converge.
Par thorme de majoration pour des fonctions 0,
lintgrale
_
+
a
_
P(x)
_
2
e
x
2
_
+
0
_
P(x)
_
2
e
x
2
dx converge.
De mme, lintgrale
_
0
_
P(x)
_
2
e
x
2
dx converge.
_
0
_
P(x)
_
2
e
x
2
dx et
_
+
0
_
P(x)
_
2
e
x
2
dx convergent, par dnition, lintgrale
_
+
_
P(x)
_
2
e
x
2
dx converge, et on conclut : P E.
Finalement : F E.
2.21
a) Puisque (X
t
X)Y = I
n
, la matrice Y est inversible et on a :
Y
1
= X
t
X.
On a alors :
t
(Y
1
) =
t
(X
t
X) = X
t
X = Y
1
,
donc Y
1
est symtrique, puis Y = (Y
1
)
1
est symtrique.
Comme X et Y ont des rles symtriques dans les hypothses,
on conclut que X est aussi symtrique.
b) Puisque
t
X = X et
t
Y = Y, on a : X
2
Y = I
n
donc Y = X
2
puis : I
n
= Y
2
X = (X
2
)
2
X = X
3
,
donc : X
3
= I
n
.
Puisque X est symtrique relle, daprs le thorme spectral,
il existe une matrice orthogonale P et une matrice diagonale D
telles que : X = PDP
1
.
1
re
mthode :
On a : D
3
= (P
1
XP)
3
= P
1
X
3
P = P
1
I
n
P = I
n
.
Mais, en notant D = diag (
1
, ...,
n
), o (
1
, ...,
n
) R
n
, on a
D
3
= diag (
3
1
, ...,
3
n
). do : k 1 ; n,
3
k
= 1,
puis, comme les
k
sont rels : k 1 ; n,
k
= 1,
donc D = I
n
, puis : X = PDP
1
= PI
n
P
1
= I
n
.
Enn : Y = X
2
= I
2
n
= I
n
.
2
e
mthode :
Comme X
3
= I
n
, daprs le cours, les valeurs propres de X sont
parmi les racines du polynme X
3
1, donc X nadmet que 1
pour valeur propre, do D = I
n
, X = PI
n
P
1
= I
n
.,
2.22
Montrons (1) = (2) :
62
On suppose que p est symtrique.
Soient y Im(p), z Ker (p).
Il existe x E tel que y = p(x), donc :
p(y) = p
_
p(x)
_
= p
2
(x) = p(x) = y.
On a : (y z) =
_
p(y)
z
_
=
_
y
p(z
.,,.
=0
)
_
= 0.
Ceci montre : Im(p) Ker (p).
On suppose : Im(p) Ker (p).
Soit x E. Puisque p est un projecteur, daprs le cours :
x = p(x)
.,,.
not y
+
_
x p(x)
.,,.
not z
_
, y Im(p), z Ker (p).
On a alors :
_
x
p(x)
_
= (y + z y) = (y y) + (z y)
.,,.
=0
= y
2
0.
Soit x E.
Avec les mmes notations que ci-dessus, on a :
x
2
= y + z
2
= y
2
+ 2 (y z)
.,,.
=0
+ z
2
.,,.
0
y
2
= p(x)
2
,
donc : p(x) x.
On suppose : x E,
_
x
p(x)
_
0.
En appliquant lhypothse x = y + z, pour tout R, on a :
0
_
x
p(x)
_
= (y + z y) = y
2
2
+ (y z).
Ainsi, le trinme y
2
2
+ (y z) est positif ou nul sur
tous les rels, donc son discriminant est ngatif ou nul, do
(y z)
2
0, puis (y z) = 0.
Ceci montre : Im(p) Ker (p).
On suppose : x E, p(x) x.
En appliquant lhypothse x = y + z, pour tout R, on a :
y
2
= p(x)
2
x
2
= y + z
2
= y
2
+ 2(y z) +
2
z
2
,
cest--dire : z
2
2
+ 2(y z) 0.
Par le mme raisonnement que pour limplication prcdente,
on dduit (y z) = 0 et on conclut : Im(p) Ker (p).
Soit (x, u) E
2
.
Puisque p est un projecteur, daprs le cours :
x = p(x)
.,,.
not y
+
_
x p(x)
.,,.
not z
_
, y Im(p), z Ker (p).
On a :
_
x
p(u)
_
=
_
y + z
p(u)
_
=
_
y
p(u)
_
+
_
z
p(u)
_
.,,.
=0
=
_
p(x)
p(u)
_
.
En appliquant ce rsultat (u, x) la place de (x, u), on a aussi :
_
u
p(x)
_
=
_
p(u)
p(x)
_
=
_
p(x)
p(u)
_
.
Do :
_
x
p(u)
_
=
_
u
p(x)
_
=
_
p(x)
u
_
.
On conclut que p est symtrique.
2.23 Dabord, il est clair que H
n
est symtrique.
Remarquons : k N
,
1
k
=
_
1
0
t
k1
dt.
Soit X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R). On a :
t
XH
n
X =
1i, jn
x
i
1
i + j 1
x
j
=
1i, jn
_
1
0
t
i+j2
x
i
x
j
dt
=
_
1
0
_
1i, jn
t
i+j2
x
i
x
j
_
dt
=
_
1
0
_
n
i=1
t
i1
x
i
__
n
j=1
t
j1
x
j
_
dt
=
_
1
0
_
n
i=1
t
i1
x
i
_
2
dt 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
63
Soit X =
_
_
x
1
.
.
.
x
n
_
_
M
n,1
(R) tel que
t
XH
n
X = 0.
Avec les notations prcdentes, on a donc :
_
1
0
_
n
i=1
t
i1
x
i
_
2
dt = 0.
Comme lapplication polynomiale t
_
n
i=1
t
i1
x
i
_
2
est conti-
nue et valeurs 0, on dduit :
t [0 ; 1],
n
i=1
t
i1
x
i
= 0.
Ainsi, la fonction polynomiale t
n
i=1
t
i1
x
i
sannule en une
innit de points (les lments de [0 ; 1]), donc cest le poly-
nme nul, do : i 1 ; n, x
i
= 0, puis : X = 0.
On conclut que la forme quadratique canoniquement associe
H
n
est dnie-positive.
2.24
a) 1) On a :
t
X
0
S X
0
=
1i, jn
a
i j
.,,.
0
x
i
x
j

1i, jn
a
i j
x
i
x
j
=
t
X
0
S X
0
.
Puisque S est symtrique relle, daprs le thorme spectral,
il existe une base orthonormale (X
1
, ..., X
n
) de M
n,1
(R) forme
de vecteurs propres pour S .
Notons
1
, ...,
n
les valeurs propres de S respectivement asso-
cies ces vecteurs propres, cest--dire :
i 1 ; n, S X
i
=
i
X
i
.
On peut supposer les
i
rangs de faon que :
1
...
k
<
k+1
= ... =
n
= ,
o k 0 ; n1. Autrement dit, on a rang les valeurs propres
de S par ordre croissant, les dernires tant gales la plus
grande valeur propre, note .
Dune part :
t
X
0
S X
0
=
t
X
0
X
0
=
t
X
0
X
0
= X
0
2
.
Dautre part, il existe (u
1
, ..., u
n
) R
n
tel que :
X
0
=
n
i=1
u
i
X
i
,
do :
t
X
0
S X
0
=
1i, jn
u
i
u
j
t
X
i
S X
j
=
n
i=1
u
2
i

i
et : X
0

2
=
n
i=1
u
2
i
.
Daprs le point prcdent :
i=1
u
2
i
= X
0

2
= X
0
2
=
t
X
0
S X
0

t
X
0
S X
0
=
n
i=1
i
u
2
i
.
Do :
n
i=1
(
i
)u
2
i
0,
cest--dire, puisque
k+1
= ... =
n
= :
k
i=1
(
i

.,,.
<0
)u
2
i
0.
Il en rsulte : i 1 ; k, u
i
= 0,
donc : X
0
=
n
i=k+1
u
i
X
i
Vect (X
k+1
, ..., X
n
) = V.
a) 2) Les coordonnes de S X
0
sont les
n
j=1
a
i j
x
j
, pour
i 1 ; n. Comme les a
i j
sont tous > 0 et que les x
j
sont
tous 0 et non tous nuls (car X
0
0), il en rsulte que la
sommation prcdente est > 0.
On conclut que les coordonnes de S X
0
sont toutes > 0.
Puisque X
0
V, on a : S X
0
= X
0
.
Daprs le point prcdent, les coordonnes de X
0
sont donc
toutes > 0, donc, comme > 0, les coordonnes de X
0
sont
toutes > 0.
Il en rsulte que les coordonnes de X
0
sont toutes non nulles.
a) 3) On a, puisque X
0
et X
0
sont dans V :
t
X
0
S X
0
=
t
X
0
X
0
=
t
X
0
X
0
= X
0
2
et
t
X
0
S X
0
=
t
X
0
X
0
=
t
X
0
X
0
= X
0

2
= X
0
2
,
do :
t
X
0
S X
0
=
t
X
0
S X
0
.
On a :
0 =
t
X
0
S X
0

t
X
0
S X
0
=
1i, jn
a
i j
x
i
x
j

1i, jn
a
i j
x
i
x
j
=
1i, jn
a
i j
.,,.
>0
_
x
i
x
j
x
i
x
j
.,,.
0
_
.
Il en rsulte : (i, j) 1 ; n
2
, a
i j
_
x
i
x
j
x
i
x
j
_
= 0,
64
puis, comme les a
i j
sont tous > 0 :
(i, j) 1 ; n
2
, x
i
x
j
x
i
x
j
= 0,
cest--dire : (i, j) 1 ; n
2
, x
i
x
j
0.
Comme de plus les x
i
sont tous non nuls, on a :
(i, j) 1 ; n
2
, x
i
x
j
> 0.
Ceci montre que x
1
, ..., x
n
sont tous de mme signe.
b) 1) Soient X, X
V \ 0.
Daprs a)3), les coordonnes (x
1
, ..., x
n
) de X sont toutes non
nulles et de mme signe, et les coordonnes (x
1
, ..., x
n
) de X
sont toutes non nulles de mme signe. Il en rsulte que les pro-
duits x
1
x
1
, ..., x
n
x
n
sont tous non nuls et de mme signe, donc :
t
XX
=
n
i=1
x
i
x
i
0.
On conclut que X et X
ne sont pas orthogonaux entre eux.

b) 2) Raisonnons par labsurde : supposons dim(V) 2.
Daprs le cours, V admet au moins une base orthonormale,
donc il existe au moins deux vecteurs non nuls de V et ortho-
gonaux entre eux, contradiction avec le rsultat de 1).
On conclut : dim(V) = 1.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
65
Intgrales
sur un intervalle
quelconque
CHAPITRE
3
3
Plan
Du mal dmarrer ? 79
Dtermination de la nature dune intgrale impropre
Existence et calcul dintgrales impropres
Dtermination de la limite ou dun quivalent simple dune intgrale impropre
dpendant dun paramtre
tude dune fonction dnie par une intgrale.
Dnition de la convergence, de la divergence dune intgrale impropre
Thorme de majoration, thorme dquivalence, thorme de comparaison
pour des fonctions valeurs positives ou nulles
Exemples de Riemann en +, en 0
Relation de Chasles pour des intgrales impropres
Dnition de la convergence absolue pour une intgrale impropre et lien entre
convergence absolue et convergence.
Les mthodes retenir
Pour dterminer la nature
dune intgrale impropre
+
a
f
o f est une application
continue sur [a ; +[
et valeurs positives ou nulles
Sassurer dabord que f est continue (ou continue par morceaux)
sur [a ; +[.
Essayer dutiliser :
le thorme de majoration (pour montrer que lintgrale converge)
Exercices 3.1 d), 3.8, 3.9 c), 3.17 a), 3.20 a)2), 3.21 a),
3.30 a), 3.37 b), 3.40 a)
le thorme de minoration (pour montrer que lintgrale diverge)
Exercice 3.1 e), g)
66
Les mthodes retenir
(suite)
le thorme dquivalence
Exercices 3.1 a), b), c), f), h), 3.9 a), 3.10 a), 3.11 a),
3.12 d), e), 3.22 a), 3.26
la comparaison lexemple de Riemann en +, cest--dire :
chercher ]1 ; +[ x, tel que x
f (x)
x +
0, pour
conclure que lintgrale converge
Exercices 3.12 a), f), g), h), 3.18 a), 3.31 a), 3.34 a), 3.40 a)
ou montrer, par exemple, x f (x)
x +
+, pour conclure
que lintgrale diverge
Exercice 3.12 b)
le retour la dnition, cest--dire tudier ou calculer
_
X
a
f (x) dx
pour tout X [a ; +[, puis tudier la limite de cette intgrale
lorsque X tend vers + si elle existe. Mais cette mthode four-
nit (lorsquelle sapplique) non seulement lexistence de lintgrale,
mais aussi sa valeur, donc lnonc aurait plutt pos la question
sous la forme : existence et calcul de lintgrale (voir mthodes ci-
dessous).
+
a
f
continue sur [a ; +[
et non ncessairement
valeurs positives ou nulles
sur [a ; +[.
Si f 0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction 0.
Exercice 3.12 c)
Essayer de :
tudier la convergence absolue, par les mthodes indiques ci-
dessus, sachant que la convergence absolue entrane la convergence
Exercice 3.3, 3.14, 3.37 c)
utiliser une intgration par parties
Exercice 3.15
utiliser un dveloppement asymptotique
Exercices 3.27, 3.28
revenir la dnition, cest--dire tudier ou calculer
_
X
a
f (x) dx
pour tout X [a ; +[, puis tudier la limite de cette intgrale
lorsque X tend vers si elle existe. Mais cette mthode fournit (lors-
quelle sapplique) non seulement lexistence de lintgrale, mais
aussi sa valeur, donc lnonc aurait plutt pos la question sous la
forme : existence et calcul de lintgrale (voir mthodes ci-dessous).
f,
o f est une application continue
de ] ; b] dans R
sur ] ; b].
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
67
Chapitre 3 Intgrales sur un intervalle quelconque
(suite)
Essayer de :
faire le changement de variable t = x pour se ramener une in-
tgrale impropre sur [b ; +[, puis appliquer les mthodes vues
ci-dessus
Exercices 3.2 b), 3.13 a), b)
appliquer les mthodes vues pour les intgrales impropres
sur [a ; +[, adaptes au cas de ] ; b].
Exercices 3.2 a), 3.4, 3.34 c).
b
a
f,
continue sur [a ; b[ (resp. ]a ; b])
et valeurs positives ou nulles
sur [a ; b[ (resp. ]a ; b]).
Essayer dutiliser :
le thorme de majoration (pour montrer que lintgrale converge)
le thorme de minoration (pour montrer que lintgrale diverge)
Exercices 3.2 e), 3.13 d)
le thorme dquivalence
Exercices 3.2 c), d), 3.23 a), 3.32 a), b)
la comparaison lexemple de Riemann en b (resp. a) cest--dire :
chercher [0 ; 1[ x, de faon que (b x)
f (x)
x b
0
(resp. (x a)
f (x)
x a
0 ), pour conclure que lintgrale
converge
Exercices 3.12 c), 3.13 c), e)
montrer, par exemple, (b x) f (x)
x b
+ (resp
(x a) f (x)
x a
+) pour montrer que lintgrale diverge
le retour la dnition, cest--dire tudier ou calculer
_
X
a
f (x) dx
(resp.
_
b
f (x) dx) pour tout X [a ; b[ (resp. pour tout ]a ; b]),

puis tudier la limite de cette intgrale lorsque X tend vers b (resp.
tend vers a).
Si f : [a ; b[ R admet une limite nie en b (resp. si
f : ]a ; b] R admet une limite nie en a), alors lintgrale
_
b
a
f
converge.
Exercices 3.2 f), g), 3.21 d), 3.24 a), 3.35 b)1).
b
a
f,
continue sur [a ; b[ (resp. ]a ; b])
et non ncessairement
valeurs positives ou nulles
sur [a ; b[ (resp. ]a ; b]).
Si f 0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction 0.
68
Les mthodes retenir
(suite)
Essayer de :
tudier la convergence absolue, par les mthodes indiques ci-
dessus, sachant que la convergence absolue entrane la convergence
revenir la dnition, cest--dire tudier ou calculer
_
X
a
f (x) dx
pour tout X [a ; b[, puis tudier la limite de cette intgrale lorsque
X tend vers b, si elle existe. Mais cette mthode fournit (lorsquelle
sapplique) non seulement lexistence de lintgrale, mais aussi sa
valeur, donc lnonc aurait plutt pos la question sous la forme :
existence et calcul de lintgrale (voir mthodes ci-dessous).
b
a
f,
o f est une application continue
sur ]a ; b[
sur ]a ; b[.
Revenir la dnition : lintgrale
_
b
a
f , impropre la borne a et
la borne b, converge si et seulement sil existe c ]a ; b[ tel que les
deux intgrales
_
c
a
f , impropre la borne a, et
_
b
c
f , impropre la
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).
Pour montrer
quune intgrale impropre converge
et calculer cette intgrale,
dans un exemple
Suivant les exemples, on sparera existence et calcul, ou bien on tu-
diera existence et calcul de faon groupe :
pour lexistence, voir les mthodes ci-dessus
pour le calcul, revenir la dnition, cest--dire calculer une pri-
mitive puis passer la limite
Exercices 3.5 a) f), 3.6, 3.7, 3.16 a), b), c), 3.34 d)
un changement de variable peut tre fait directement sur une int-
grale impropre
Exercice 3.30 e)
penser ventuellement un changement de variable qui change les
bornes
Exercice 3.29
mais, pour une intgration par parties, on procdera dabord sur un
segment, puis on fera tendre une borne vers la valeur indique.
Exercices 3.5 b), c), 3.16 b), 3.18 b), 3.31 b), 3.36, 3.38.
Pour trouver la limite
dune intgrale
dpendant dun paramtre
Essayer de conjecturer la limite, qui est souvent lintgrale de la
limite, et montrer que la dirence entre lintgrale de lnonc et la
limite conjecture tend vers 0.
Exercice 3.7 b), 3.10, 3.11 b)
Envisager lutilisation dun changement de variable
Exercice 3.33.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
69
noncs des exercices
3.1 Exemples de dtermination de la nature dune intgrale impropre de fonction positive ou
nulle, la borne +
Dterminer la nature des intgrales impropres suivantes :
a)
_
+
1
1
x
x + 2
dx b)
_
+
0
1
(x + 1)(x + 2)
dx c)
_
+
0
x
2
+ 1
x
5
+ 1
dx d)
_
+
2
1
x
2
ln x
dx
e)
_
+
1
ln x
x + 1
dx f)
_
+
0
1
x e
x
+ 1
dx g)
_
+
0
e
x
x + 1
dx h)
_
+
0
x e
x
+ 1
x e
2x
+ 1
dx.
nulle
a)
_
0
1
x
4
+ x + 1
dx b)
_
0
e
x
x 1
dx c)
_
1
0
_
x
2
+ 2
x
2
+ x
dx
d)
_
1
0
x + 1
x
2
+ 2x
dx e)
_
1
0
ln x
x
4
+ x
2
dx f)
_
1
0
x ln x dx g)
_
1
0
1 + ln x
1 + (ln x)
2
dx.
3.3 Exemples de dtermination de la nature dune intgrale impropre de fonction la
borne +
a)
_
+
1
sin x
x
2
dx b)
_
+
0
sin x + cos x
x
3
+ 1
dx c)
_
+
0
e
x
sin x dx d)
_
+
0
cos x
e
x
+ cos x
dx.
3.4 Exemples de dtermination de la nature dune intgrale impropre
a)
_
1
sin
3
x
x
2
dx b)
_
0
e
x
cos x dx c)
_

0
ln(2x + 3 sin x) dx.
3.5 Exemples dexistence et calcul dintgrales impropres
Existence et calcul des intgrales suivantes :
a)
_
+
0
1
(x + 1)
2
dx b)
_
1
0
ln x dx c)
_
+
0
x e
x
dx
d)
_
+
1
x
2
3x 4
x
4
dx e)
_
+
0
x
4
e
x
dx f)
_
+
0
x
(x
2
+ 1)
2
dx.
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 ; +[,
4
x
2
(x + 1)(x + 2)
=
a
x
2
+
b
x
+
c
x + 1
+
d
x + 2
.
70
noncs des exercices
b) Existence et calcul de I =
_
+
1
4
x
2
(x + 1)(x + 2)
dx.
3.7 Calcul direct dune intgrale impropre avec paramtre
a) Existence et calcul, pour tout a R, de I(a) =
_
+
1
_
1
x

a
x
2
_
2
dx.
b) Dterminer le minimum de I(a) lorsque a dcrit R.
3.8 Lien entre les convergences des intgrales de f et de f
2
, lorsque f est borne
Soit f : ]0 ; 1] R continue et borne. Montrer que, si lintgrale
_
1
0
f (x) dx converge,
alors lintgrale
_
1
0
_
f (x)
_
2
dx converge.
Le rsultat subsiste-t-il si on ne suppose pas que f est borne ?
3.9 Limite dune intgrale dpendant dun paramtre entier, daprs EDHEC 2004
On note, pour tout n N \ 0, 1, sous rserve dexistence :
I
n
=
_
+
0
1
1 + t + t
n
dt, J
n
=
_
1
0
1
1 + t + t
n
dt, K
n
=
_
+
1
1
1 + t + t
n
dt.
a) Justier, pour tout n N \ 0, 1, lexistence de I
n
, J
n
, K
n
.
Quelle relation y a-t-il entre I
n
, J
n
, K
n
?
b) On note J =
_
1
0
1
1 + t
dt. 1) Montrer : J
n
J
n
0. 2) En dduire lim
n
J
n
.
c) 1) Montrer : n N 0, 1, 0 K
n

_
+
1
1
t
n
dt. 2) En dduire lim
n
K
n
.
d) Conclure sur lim
n
I
n
.
3.10 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier, daprs
ESC 2007
On note, pour tout n N
: I
n
=
_
+
1
1
(1 + x
3
)
n
dx.
a) Prouver, pour tout n N
, lexistence de I
n
.
b) tablir : n N
, 0 I
n

1
3n 1
. En dduire lim
n
I
n
.
3.11 tude dune intgrale dpendant dun paramtre, daprs EDHEC 2004
On note, sous rserve dexistence, pour x R : f (x) =
_
+
1
1
1 + t + t
x+1
dt.
a) Montrer que, pour tout x R, f (x) existe si et seulement si x ]0 ; +[.
b) tablir : f (x)
x 0
+ et f (x)
x +
0.
c) Montrer que f est dcroissante sur ]0 ; +[.
d) Tracer lallure de la courbe reprsentative de f . (On admettra que f est convexe.)
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
71
nulle, la borne +
a)
_
+
1
ln x
x
2
dx b)
_
+
2
1
x ln x
dx c)
_
+
1
ln x
x
3
+ 1
dx
d)
_
+
0
x
2
+ x
x
2
+ 1
x
2
+ x +
x
2
+ 1
dx e)
_
+
1
x
2
+ 3x + 1
x
2
+ x + 3
x
2
dx
f)
_
+
0
x
x + 2 e
3x
dx g)
_
+
0
x
4
+ 1
x
2
e
x
+ 1
dx h)
_
+
0
e
x
dx.
nulle
a)
_
0
x
2
+ 1
x
4
+ e
x
dx b)
_
0
x e
x
dx c)
_
1
0
ln x
x
dx d)
_
+
e
x
3
dx e)
_
+
e
x
4
dx
3.14 Dtermination de la nature dune intgrale impropre avec paramtre
Dterminer lensemble des couples (a, b) R
2
tels que lintgrale impropre
_
+
0
1 e
x
+ a sin x + b cos x
x
2
dx converge.
3.15 Nature des intgrales impropres
+
1
cos x
x
dx et
+
1
sin x
x
dx
Soit R x.
a) 1) Montrer que, si = 0, alors les intgrales
_
+
1
cos x
x
dx et
_
+
1
sin x
x
dx sont diver-
gentes.
2) Montrer que, si < 0, alors les intgrales
_
+
1
cos x
x
dx et
_
+
1
sin x
x
dx sont diver-
gentes.
b) Montrer que, si > 1, alors les intgrales
_
+
1
cos x
x
dx et
_
+
1
sin x
x
dx sont absolument
convergentes, donc convergentes.
c) Montrer que, si 0 < 1, alors les intgrales
_
+
1
cos x
x
dx et
_
+
1
sin x
x
dx sont conver-
gentes et non absolument convergentes.
3.16 Exemples dexistence et calcul dintgrales impropres
Existence et calcul des intgrales suivantes :
a)
_
+
0
1
(x + 1)(x + 2)
dx b)
_
+
1
ln x
x
2
dx c)
_
1
0
x
a
ln x dx, a ] 1 ; +[ x.
3.17 Calcul dintgrales impropres avec paramtre entier
: I
n
=
_
+
0
1
(1 + x
2
)
n
dx, J
n
=
_
+
0
ln x
(1 + x
2
)
n
dx.
72
noncs des exercices
a) Montrer que, pour tout n N
, I
n
et J
n
existent.
b) 1) tablir : n N
, 2nI
n+1
= (2n 1)I
n
.
2) En dduire lexpression de I
n
en fonction de n, pour tout n N
, laide de factorielles.
c) 1) tablir : n N
, 2nJ
n+1
= (2n 1)J
n
I
n
.
2) Calculer I
n
et J
n
pour n = 1, 2, 3.
3.18 Exemples de calcul dintgrales lies lintgrale de Gauss
On note, pour tout n N, sous rserve dexistence : I
n
=
_
+
0
x
n
e
x
2
/2
dx.
a) Montrer que, pour tout n N, I
n
existe.
b) laide dune intgration par parties sur un segment puis dun passage la limite, montrer :
n N, I
n+2
= (n + 1)I
n
.
c) En utilisant la loi normale centre rduite, justier que : I
0
=
_
2
.
d) Calculer I
1
.
e) Dmontrer, par rcurrence sur p, que, pour tout p N :
I
2p
=
(2p)!
2
p
p!
_
2
et I
2p+1
= 2
p
p!.
f) Existence et calcul, pour tout n N, de : J
n
=
_
+
x
n
e
x
2
/2
dx.
3.19 Calcul dune intgrale particulire, daprs EML 2009
Soit (a, b) (R
+
)
2
.
a) Montrer que lintgrale
_
+
0
e
ax
e
bx
x
dx converge.
b) 1) tablir, pour tout (, X) ]0 ; +[
2
tel que X :
_
X
e
ax
x
dx =
_
aX
a
e
y
y
dy et
_
X
e
bx
x
dx =
_
bX
b
e
y
y
dy.
( cet eet, on pourra utiliser des changements de variable.)
2) En dduire, pour tout (, X) ]0 ; +[
2
tel que X :
_
X
e
ax
e
bx
x
dx =
_
b
a
e
y
y
dy
_
bX
aX
e
y
y
dy.
c) 1) Montrer que lapplication h : [0 ; +[ R, y
_
_
1 e
y
y
si y 0
1 si y = 0
est conti-
nue sur [0 ; +[.
2) En dduire :
_
b
a
e
y
y
dy
y 0
ln
b
a
.
d) tablir, pour tout X ]0 ; +[ :
_
X
0
e
ax
e
bx
x
dx = ln
b
a

_
bX
aX
e
y
y
dy.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
73
e) Conclure :
_
+
0
e
ax
e
bx
x
dx = ln
b
a
.
3.20 Convergence dintgrales impropres de f
2
, g
2
, f g
a) 1) Montrer : (, ) (R
+
)
2
,
1
2
(
2
+
2
).
2) Soient a R, f , g : [a ; +[ continues telles que les intgrales
_
+
a
f
2
et
_
+
a
g
2
convergent. tablir que lintgrale
_
+
a
f g converge.
b) Soient a R, f : [a ; +[ R continue telle que les intgrales
_
+
a
f
2
et
_
+
a
f
4
convergent. Montrer que lintgrale
_
+
a
f
3
converge.
3.21 Dtermination dun quivalent dune intgrale paramtre
On note, pour tout x ]0 ; +[, sous rserve dexistence : I(x) =
_
+
x
e
t
t
dt.
a) Montrer que, pour tout x ]0 ; +[, I(x) existe.
b) tablir : x ]0 ; +[, I(x) =
_
1
x
e
t
t
dt + I(1).
c) On note, pour tout x ]0 ; 1] : J(x) =
_
1
x
1 e
t
t
dt.
Montrer : x ]0 ; 1],
_
1
x
e
t
t
dt + J(x) = ln x.
d) tablir que lintgrale impropre
_
1
0
1 e
t
t
dt converge.
e) Conclure : I(x)
x 0
ln x.
3.22 Nature dune srie dintgrales, daprs EDHEC 2009
Soit N\ 0, 1.
, lintgrale u
n
=
_
+
0
1
(1 + t
)
n
dt existe et que u
n
> 0.
b) 1) Montrer, grce une intgration par parties : n N
, u
n
= n(u
n
u
n+1
).
2) En dduire : n N \ 0, 1, u
n
= u
1
n1
_
k=1
_
1
1
k
_
.
3) Montrer : u
n

n
0.
c) On note, pour tout n N
: S
n
=
n
k=1
u
k
.
1) Montrer : n N
, S
n
=
n
1
u
n+1
.
2) En dduire : n N\ 0, 1, ln S
n
= ln u
1
+
n
k=2
_
ln
_
1
1
k
_
ln
_
1
1
k
__
.
74
noncs des exercices
3) laide dun dveloppement limit lordre 1 en
1
k
, donner un quivalent simple, lorsque
lentier k tend vers linni, de ln
_
1
1
k
_
ln
_
1
1
k
_
.
4) Conclure quant la nature de la srie
n1
u
n
.
3.23 tude dune fonction dnie par une intgrale, daprs EML 2010
On note J =] 1 ; +[.
a) Justier, pour tout x J, la convergence de lintgrale
_
1
0
t
x
1 + t
dt.
On note f : J R, x f (x) =
_
1
0
t
x
1 + t
dt.
b) Montrer : x J, 0 f (x)
1
x + 1
et en dduire : f (x)
x +
0.
c) 1) Montrer que f est dcroissante sur J.
2) tablir : x J, f (x) + f (x + 1) =
1
x + 1
. 3) En dduire : f (x)
x +
1
2x
.
d) 1) Calculer f (0) et f (1).
2) Montrer : x [0 ; 1], 1 ln 2 f (x) ln 2.
3) En dduire : f (x)
x 1
1
x + 1
.
3.24 Limite dune intgrale paramtre entier
, sous rserve dexistence : I

n
=
_
1
0
x
2n
x
4n
1 x
2
dx.
, I
n
existe et I
n
=
n1
k=0
1
2n + 2k + 1
.
b) 1) tablir, pour tout n N tel que n 2
n
k=1
1
2n + 2k
I
n

n1
k=0
1
2n + 2k
.
2) Dterminer lim
n
n
k=1
1
n + k
. 3) En dduire lim
n
I
n
.
3.25 Intgrale dune fonction dcroissante
Soit f : [0 ; +[ R continue, dcroissante, telle que lintgrale
_
+
0
f converge.
a) Montrer : f 0.
b) tudier
_
x
x/2
f (t) dt et en dduire : f (x) = o
x +
_
1
x
_
.
3.26 Condition de convergence pour une intgrale impropre
Trouver tous les polynmes P R[X] tels que lintgrale
_
+
1
x
2
+ 4x + 2 P(x)
x
dx
converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
75
3.27 Exemple de dtermination de la nature dune intgrale impropre
Dterminer la nature de lintgrale impropre
_
+
0
_
e
sin x
x
1
_
dx.
3.28 Exemple de dtermination de la nature dune intgrale impropre
Dterminer la nature de lintgrale impropre
_
+
0
cos x
_
x +
x cos x
dx.
3.29 Exemple de calcul dune intgrale sur un intervalle quelconque, par changement de va-
riable qui change les bornes
Existence et calcul de
_
+
0
ln x
1 + x
2
dx.
3.30 quivalent dune intgrale paramtre
On note, pour tout x ]0 ; +[, sous rserve dexistence :
I(x) =
_
+
x
e
t
t
dt et J(x) =
_
+
x
e
t
t
2
dt.
a) Montrer que, pour tout x ]0 ; +[, I(x) et J(x) existent.
b) tablir : x ]0 ; +[, 0 J(x)
e
x
x
2
.
c) Montrer : x ]0 ; +[, I(x) =
e
x
x
J(x).
d) En dduire : I(x)
x +
e
x
x
.
e) Dmontrer :
_
+
0
e
u
u + x
du
x +
1
x
.
On note, pour tout (n, ) N
R, sous rserve dexistence : u

n
() =
_
+
n
t
e
t
dt.
a) Montrer que, pour tout (n, ) N
R, u(n, ) existe.
b) Montrer, pour tout (n, ) N
R : u
n
() = n
e
n
+ u
n
( 1).
c) tablir, pour tout (n, ) N
R : 0 u
n
( 1)
u
n
()
n
.
d) En dduire : u
n
()
n
n
e
n
.
On note, pour tout x ]0 ; +[, sous rserve dexistence :
f (x) =
_
x
0
1
4
t
4
+ t
3
dt, g(x) =
_
x
1
_
1
4
t
4
+ t
3
1
t
_
dt.
a) Montrer que, pour tout x ]0 ; +[, f (x) et g(x) existent et : f (x) = ln x + f (1) + g(x).
b) tablir que lintgrale
_
+
1
_
1
4
t
4
+ t
3
1
t
_
dt converge.
76
noncs des exercices
c) En dduire : f (x)
x +
ln x.
3.33 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier
, lintgrale I
n
=
_
1
0
nx
n
ln x
x
n
1
dx existe.
b) Dterminer lim
n
I
n
, laide dun changement de variable.
3.34 Exemple dtude de fonction dnie par une intgrale
On note, pour tout x ]0 ; +[, sous rserve dexistence : f (x) =
_
+
0
t
1 + x e
t
dt.
a) Justier, pour tout x ]0 ; +[, lexistence de f (x).
b) Montrer que f est strictement dcroissante sur ]0 ; +[.
c) Dterminer lim
x 0
f (x) et lim
x +
f (x).
d) Montrer, pour tout x ]0 ; +[, en utilisant le changement de variable u = x e
t
:
f (x) = (ln x)
_
ln x ln(1 + x)
_
+
_
+
x
ln u
u(1 + u)
du.
e) 1) En dduire que f est de classe C
1
sur ]0 ; +[ et :
x ]0 ; +[, f

(x) =
1
x
_
ln x ln(1 + x)
_
.
2) Retrouver ainsi le rsultat de b).
3) Montrer que f est convexe.
f) Dresser le tableau de variation de f et tracer lallure de la courbe reprsentative C de f .
3.35 Limite dune intgrale paramtre entier
a) Montrer, pour tout n N
et tout t [0 ; +[ :
n1
k=0
t
k
n t
n1
2
.
b) On note, pour tout n N
, sous rserve dexistence : I

n
=
_
1
0
1 x
1
n
1 x
dx.
1) Montrer que, pour tout n N
, I
n
existe. 2) Dmontrer : I
n

n
0.
3.36 Exemple de calcul dune intgrale partir dune autre
Existence et calcul de I =
_
+
0
sin
2
x
x
2
dx en admettant
_
+
0
sin x
x
dx =
2
.
3.37 Rgularit dune fonction partir de la convergence dintgrales
Soit f : [0 ; +[ R de classe C
2
telle que les intgrales
_
+
0
f et
_
+
0
f

convergent.
a) Montrer : f

+
0.
b) En dduire que lintgrale
_
+
0
f f

converge.
c) Dmontrer : f
+
0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
77
3.38 tude de lexistence de la transforme de Laplace
Soient a R, f : [0 ; +[ R continue telle que lintgrale impropre
_
+
0
e
at
f (t)dt
converge. Dmontrer que, pour tout b [a ; +[, lintgrale impropre
_
+
0
e
bt
f (t)dt converge.
3.39 Une ingalit portant sur des intgrales
Soit f : [0 ; +[ R de classe C
2
telle que les intgrales
_
+
0
f et
_
+
0
f

convergent.
a) Montrer : f

(x)
x +
0.
b) tablir :
_

2
0
_
2 x
x
2
2
_
f

(x) dx = f

(
2) +
2 f (0)
_

2
0
f (x) dx.
c) En dduire :
2 f (0)
_

2
0
f (x) dx +
_
+
2
f

(x) dx +
_

2
0
(
2x x
2
) f

(x) dx.
d) Dmontrer :
2 f (0)
_
+
0
f (x) dx +
_
+
0
f

(x) dx.
3.40 Reprsentation intgrale des fonctions puissances, daprs ESSEC 2007
a) Soit : ]0 ; +[ R continue, valeurs positives ou nulles, telle que lin-
tgrale
_
+
0
(t)
1 + t
2
dt converge. Montrer que, pour tout x ]0 ; +[, lintgrale
_
+
0
_
t
1 + t
2

1
x + t
_
(t) dt converge.
b) Dterminer lensemble E des R tels que lintgrale
_
+
0
t
1 + t
2
dt converge.
On note, pour tout E : f
: ]0 ; +[ R, x
_
+
0
_
t
1 + t
2

1
x + t
_
t
dt.
c) Exprimer f
0
laide de fonction(s) usuelle(s).
d) On suppose ici ] 1 ; 0[.
1) Montrer que, pour tout x ]0 ; +[, lintgrale
_
+
0
t
x + t
dt converge et, laide dun
changement de variable, exprimer cette intgrale en fonction de x
et dun rel indpendant de x

(mais dpendant, a priori, de ).
2) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant priori de
) tels que : x ]0 ; +[, f
(x) = cx
+ d. Prciser le signe de c.
e) On suppose ici ]0 ; 1[.
1) Montrer, pour tout (x, h) R
2
tel que x > 0, x + h > 0, h 0 :
f
(x + h) f
(x)
h
=
_
+
0
t
(x + h + t)(x + t)
dt.
2) En dduire que f
est drivable sur ]0 ; +[ et que :

x ]0 ; +[, f

(x) =
_
+
0
t
(x + t)
2
dt.
3) Montrer : x ]0 ; +[, f

(x) = f

(1)x
1
.
4) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant a priori
de ) tels que : x ]0 ; +[, f
(x) = cx
+ d. Prciser le signe de c.
78
Du mal dmarrer ?
Du mal dmarrer ?
3.1 Situer limproprit et indiquer sur quel intervalle la
fonction f considre est continue.
a) f(x)
x +
1
x
3/2
. b) f(x)
x +
1
x
.
c) f(x)
x +
1
x
3
. d) f(x)
1
x
2
pour x e.
e) f(x)
1
x + 1
pour x e.
f) f(x)
x +
1
x e
x
, et
1
x e
x

1
e
x
pour x 1.
g) f(x)
1
x + 1
. h) f(x)
x +
e
x
.
a) f(x)
x
1
x
4
.
b) Changement de variable t = x, puis : 0
e
t
t + 1
e
t
.
c) f(x)
x 0
2
x
1/2
. d) f(x)
x 0
1
2x
.
e) Passer la fonction oppose, puis
lnx
x
4
+ x
2

1
x
4
+ x
2
pour x e
1
et
1
x
4
+ x
2

x 0
1
x
2
.
f) f(x)
x 0
0. g) f(x)
x 0
0.
Montrer que lintgrale propose est absolument convergente,
en majorant convenablement la valeur absolue de f.
convergence.
c) Considrer la fonction oppose.
1
re
mthode : Comparer lnx lexemple de Riemann en 0.
2
e
mthode : Calculer une primitive de x lnx.
3.5 a) Calculer
_
X
0
1
(x + 1)
2
dx puis faire tendre X vers +.
b) Intgrer par parties sur [ ; 1], puis faire tendre vers 0.
c) Intgrer par parties sur [0; X], puis faire tendre X vers +.
d) Calculer
_
X
1
_
1
x
2

3
x
3

4
x
4
_
dx, puis faire tendre X vers +.
e) Chercher une primitive de f : x x
4
e
x
sous la forme
g : x (ax
4
+ bx
3
+ cx
2
+ dx + k) e
x
, o (a, b, c, d, k) R
5
est
calculer, en drivant g.
Calculer alors
_
X
0
f(x) dx puis faire tendre X vers +.
f) Changement de variable t = x
2
+ 1.
Ou bien remarquer que x
x
(x
2
+ 1)
2
ressemble la drive
de x
1
x
2
+ 1
.
3.6 a) Rduire au mme dnominateur et identier.
b) Calculer
_
X
0
_
2
x
2

3
x
+
4
x + 1

1
x + 2
_
dx, puis faire tendre X
vers +.
3.7 a) Calculer
_
X
0
_
1
x

a
x
2
_
2
b) Utiliser une mise sous forme canonique pour un trinme, ou
bien tudier les variations de a I(a) obtenue en a).
3.8 Majorer f
2
laide de f en utilisant f borne.
Considrer, par exemple, f : ]0; 1] R, x x
3/4
.
3.9 a) Situer les improprits.
Pour I
n
et K
n
:
1
1 + t + t
n

t +
1
t
n
.
Pas dimproprit pour J
n
.
b) 1) Majorer convenablement J
n
J.
b) 2) Immdiat.
c), d) Immdiats.
3.10 a) Pour n N
x, situer limproprit et indiquer sur

quel intervalle la fonction considre est continue.
Utiliser un quivalent ou une majoration.
b) Encadrer convenablement la fonction qui est dans lint-
grale.
3.11 a) Pour x R x, situer limproprit et indiquer sur
quel intervalle la fonction : t
1
1 + t + t
x+1
est continue.
Dterminer un quivalent simple de (t) lorsque t + , en
sparant en cas : x > 0, x = 0, x < 0.
b) Pour ltude en 0, minorer convenablement f(x).
Pour ltude en +, majorer convenablement f(x).
c) Revenir la dnition dune fonction dcroissante.
d) Immdiat.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
79
a) Considrer, par exemple, x
3/2
f(x).
b) Considrer, par exemple, xf(x).
c) f(x)
x +
lnx
x
3/2
, note g(x), puis considrer, par exemple,
x
5/4
g(x).
d) Utiliser une expression conjugue, puis prendre un qui-
valent lorsque x + .
e) Utiliser une expression conjugue, puis prendre un qui-
valent lorsque x + .
f) f(x)
x +
x
3/2
e
3x
, note g(x), puis considrer, par
exemple, x
2
g(x).
g) f(x)
x +
x
2
e
x
, note g(x), puis considrer, par exemple,
x
2
g(x).
h) Considrer, par exemple, x
2
f(x).
3.13 Situer la ou les improprits et indiquer sur quel inter-
valle la fonction f considre est continue.
a) Changement de variable t = x, puis
t
2
+ 1
t
4
+ e
t

t +
1
t
2
.
b) Changement de variable t = x, puis considrer, par
exemple, t
2
(t e
t
).
c) Passer la fonction oppose, puis considrer, par exemple,
x
3/4
lnx
x
.
d) Remarquer que, pour tout x ] ; 1] : e
x
3
e.
e) Considrer, par exemple, x
2
f(x).
3.14 Situer les improprits et indiquer sur quel intervalle la
tude en 0 :
Utiliser des dveloppements limits lorsque x tend vers 0 et ob-
tenir : f(x) =
b
x
2
+
1 + a
x

1 + b
2
+ o
x 0
(1).
En dduire un quivalent simple de f(x) lorsque x tend vers 0,
en sparant en cas selon que les coefcients qui interviennent
successivement sont nuls ou non.
tude en + :
Majorer convenablement f(x) et utiliser labsolue conver-
gence.
3.15 a) 1) Calculer une primitive et revenir la dnition
dune intgrale divergente.
a) 2) Minorer convenablement
_
2n+

2
2n
cos x
x
dx, pour n N
, et
raisonner par labsurde.
b) Majorer
cos x
x
et faire intervenir labsolue convergence.

c) Convergence :
Utiliser une intgration par parties sur [1; X], puis faire tendre
X vers +, en utilisant le rsultat de b) appliqu + 1 la
place de .
Non-convergence absolue :
Remarquer : x [1; +[, cos x cos
2
x et linariser cos
2
x.
3.16 a) 1) Existence : Situer limproprit et indiquer sur
quel intervalle la fonction f considre est continue, et
f(x)
x +
1
x
2
.
a) 2) Calcul : Remarquer
1
(x + 1)(x + 2)
=
1
x + 1

1
x + 2
,
calculer
_
X
0
_
1
x + 1

1
x + 2
_
b) Calculer
_
X
1
lnx
x
2
dx laide dune intgration par parties,
puis faire tendre X vers +.
c) Soit a ] 1; +[ x. Calculer
_
1
x
a
lnx dx laide dune
intgration par parties, puis faire tendre vers 0.
3.17 a) Existence de I
n
:
Pour n N
, situer limproprit, indiquer sur quel intervalle

la fonction f
n
: x
1
(1 + x
2
)
n
est continue, et utiliser le tho-
rme de majoration ou le thorme dquivalence.
Existence de J
n
:
Pour n N
, situer les improprits et indiquer sur quel inter-

valle la fonction g
n
: x
lnx
(1 + x
2
)
n
est continue.
En 0, utiliser un quivalent puis un calcul de primitive.
En +, former x
3/2
g
n
(x).
b) 1) Effectuer une intgration par parties sur [0; X] puis faire
tendre X vers +.
b) 2) Intercaler les facteurs pairs manquants.
c) 1) Effectuer une intgration par parties sur [ ; X], puis faire
tendre vers 0 et X vers +.
c) 2) Immdiat, en utilisant le rsultat de lexercice 3.29.
3.18 a) Situer limproprit et indiquer sur quel intervalle la
fonction f
n
: x x
n
e
x
2
/2
est continue, et considrer, par
exemple, x
2
f
n
(x).
b) Calculer
_
A
0
f
n
(x) dx laide dune intgration par parties,
puis faire tendre A vers +.
c) Rappeler une densit de la loi normale centre rduite.
d) Remarquer que la fonction x x e
x
2
/2
est la drive de la
fonction, x e
x
2
/2
.
e) Immdiat, en utilisant b), c), d).
f) Remarquer un argument de parit ou dimparit.
80
Du mal dmarrer ?
fonction considre est continue.
tude en 0 :
Utiliser des dveloppements limits lorsque x tend vers 0.
tude en + :
Majorer convenablement
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) 2) Utiliser la linarit de lintgration.
c) 1) Montrer que h est continue sur ]0; +[ et que h est conti-
nue en 0.
c) 2) Remplacer e
y
par 1 (1 e
y
) et faire intervenir h.
d) Pour X > 0 x, faire tendre vers 0.
e) Montrer que
_
bX
aX
e
y
y
dy
X +
0 et conclure.
3.20 a) 1) Dvelopper ( )
2
.
a) 2) Appliquer 1) (, ) =
_
f(x), g(x)
_
.
b) Appliquer a)2) avec f
2
la place de g.
fonction f : t
e
t
t
est continue, et utiliser 0
e
t
t
e
t
pour t 1.
b) Relation de Chasles.
c) Linarit de lintgration de x 1.
d) Montrer que lapplication g : t ]0; 1]
1 e
t
t
admet une limite nie en 0.
e) En notant K =
_
1
0
1 e
t
t
dt, obtenir :
I(x) = lnx +
_
I(1) K
_
+ o
x 0
(1).
3.22 a) Pour n N
x, situer limproprit, indiquer

sur quel intervalle la fonction t
1
(1 + t
)
n
est continue, et,
en +, utiliser un quivalent.
Minorer convenablement lintgrale.
b) 1) Pour n N
x et X [0; +[, effectuer une intgration

par parties sur [0; X], puis faire tendre X vers +.
b) 2) Dcaler lindice dune unit et ritrer la formule obtenue
en 1).
b) 3) Prendre le logarithme.
Utiliser la divergence de la srie
k1
1
k
.
c) 1) Exprimer S
n
et faire apparatre un tlescopage.
c) 2) Prendre le logarithme.
c) 3) Immdiat.
c) 4) Utiliser le thorme dquivalence pour les sries
termes 0.
3.23 a) Pour x J, situer limproprit, indiquer sur quel in-
tervalle la fonction considre est continue, et, lorsque t tend
vers 0, utiliser un quivalent.
b) Minorer 1 + t par 1.
Immdiat.
c) 1) Revenir la dnition dune fonction dcroissante.
c) 2) Revenir la dnition de f(x) et de f(x + 1).
c) 3) Utiliser c)1) et c)2) et le thorme dencadrement.
d) 1), 2) Immdiats.
d) 3) Utiliser c) 2) et d) 2) appliqu x + 1 la place de x.
fonction f
n
: x
x
2n
x
4n
1 x
2
est continue. Transformer lcri-
ture de f
n
(x) en utilisant une sommation gomtrique.
b) 1) Utiliser un changement dindice pour obtenir la premire
ingalit.
b) 2) Faire apparatre une somme de Riemann.
b) 3) Immdiat.
3.25 a) Montrer que f admet une limite nie en +, puis mon-
trer que cette limite est 0, et dduire f 0.
b) tudier, pour x [0; +[, lintgrale
_
x
x/2
f(t) dt pour faire
apparatre
1
2
xf(x). En dduire : xf(x)
x +
0.
3.26 Montrer dabord que, si deg(P) 0 ou deg(P) 2, alors
lintgrale propose diverge.
Montrer que, si P = aX + b o (a, b) R
2
et a 1, alors lint-
grale diverge.
Si P = X + b, o b R, utiliser une expression conjugue et
distinguer en cas selon que 4 2b est nul ou non.
3.27 Situer les improprits et indiquer sur quel intervalle la
tude en 0 :
Montrer que f admet une limite nie en 0.
tude en + :
Utiliser des dveloppements limits lorsque x tend vers +,
lexercice 3.15 et la convergence absolue.
fonction considre est continue.
Pour ltude en +, utiliser des dveloppements limits lorsque
x tend vers +, lexercice 3.15 et la convergence absolue.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
81
3.29 1) Existence :
Situer limproprit et indiquer sur quel intervalle la fonction f
considre est continue.
tude en 0 :
Considrer

x
_
f(x)
_
.
tude en + :
Considrer x
3/2
f(x), ou bien x
3/2
g(x) o g(x) est un quivalent
simple de f(x) lorsque x tend vers +.
2) Calcul :
Utiliser le changement de variable t =
1
x
, qui change les
bornes.
3.30 a) Remarquer : t [1; +[, 0
e
t
t
2

e
t
t
e
t
.
b) Majorer
e
t
t
2
par
e
t
x
2
pour t x.
c) Intgrer par parties sur [x ; X], puis faire tendre X vers +.
d) Combiner b) et c).
e) Changement de variable t = u + x, pour x x.
3.31 a) Considrer t
2
(t
e
t
).
b) Intgrer par parties sur [n; T], puis faire tendre T vers +.
c) Dans la dnition de u
n
(1), majorer t
1
, cest--dire
1
t
t
,
par
1
n
t
.
d) Combiner b) et c).
3.32 a) Pour f(x), situer limproprit et utiliser un qui-
valent lorsque t 0.
Pour g(x), il ny a pas dimproprit.
Relation de Chasles.
b) Situer limproprit et former un dveloppement limit
lordre 2 pour obtenir un quivalent.
c) Combiner a) et b).
3.33 a) Pour n N
, situer limproprit et indiquer sur quel

intervalle la fonction f
n
tude en 0 :
Montrer que f
n
tude en 1 :
Factoriser x
n
1 et en dduire que f
n
admet une limite nie
en 1.
b) Utiliser le changement de variable y = x
n
.
3.34 a) Utiliser la comparaison lexemple de Riemann en +.
b) Pour (x, y) ]0; +[
2
x tel que x < y, tudier les variations
de D : T [0; +[
_
T
0
t
1 + x e
t
dt
_
T
0
t
1 + y e
t
dt.
c) Pour ltude lorsque x tend vers 0, minorer f(x) par une
intgrale de 0 lnx.
Pour ltude lorsque x tend vers +, majorer f(x) convenable-
ment.
d) Pour calculer
_
+
x
1
u(1 + u)
du, remarquer :
u ]0; +[,
1
u(1 + u)
=
1
u

1
1 + u
.
e) 1) Utiliser d).
e) 2) Immdiat.
e) 3) Calculer f

et tudier les variations dune fonction auxi-
liaire.
f) Immdiat.
3.35 a) Noter, par exemple, S =
n1
k=0
t
k
, et remarquer :
2S = (1 + t
n1
) + (t + t
n2
) + + (t
n1
+ 1).
Utiliser : (, ) (R
+
)
2
,
2
+
2
2.
b) 1) Remarquer que 1x = 1(x
1/n
)
n
et utiliser une sommation
gomtrique.
b) 2) Utiliser a).
3.36 1) Existence :
Situer limproprit et indiquer sur quel intervalle la fonction f
tude en 0 : Montrer que f admet une limite nie en 0.
tude en + : Majorer f convenablement.
2) Calcul :
Pour (, X) x, effectuer une intgration par parties sur [ ; X],
puis faire tendre vers 0 et X vers +.
3.37 a) Exprimer f

(x) laide de
_
x
0
f

(t) dt et dduire que
f

admet une limite nie en +. Montrer = 0 en raisonnant
par labsurde.
b) Montrer que f

est borne au voisinage de + et en dduire
une majoration de ff

.
c) Exprimer f
2
(x) laide de
_
x
0
(f
2
)
(t) dt et dduire que f

2
ad-
met une limite nie L en +. Montrer L = 0 comme en a).
3.38 Soit b ]a; +[. Noter c = b a, remarquer
t [0; +[, e
bt
f(t) = e
ct
_
e
at
f(t)
_
,
considrer g : [0; +[ R, t e
at
f(t)
et G : [0; +[ R, t
_
t
0
g(s) ds,
exprimer
_
T
0
e
ct
g(t) dt laide dune intgration par parties,
puis faire tendre T vers +.
82
Du mal dmarrer ?
3.39 a) Voir la solution de lexercice 3.37 a).
b) Effectuer deux intgrations par parties successives.
c) Utiliser f

(x)
x +
0 pour exprimer
_
+
2
f

(x) dx , utiliser
lingalit triangulaire et les variations de la fonction
x [0;

2]
2x
x
2
2
.
3.40 a) Pour x ]0; +[, situer limproprit et indiquer sur
quel intervalle la fonction f considre est continue. Majorer
convenablement la valeur absolue de la fonction.
b) Pour R, situer les improprits et indiquer sur quel inter-
valle la fonction

tude en 0 : Utiliser un quivalent.
tude en + : Utiliser un quivalent.
c) Faire intervenir des logarithmes et lever une indtermina-
tion.
d) 1) Soit x ]0; +[.
Situer limproprit et indiquer sur quel intervalle la fonc-
tion considre est continue.
tude en 0 : Utiliser un quivalent.
tude en + : Utiliser un quivalent.
Utiliser le changement de variable u =
t
x
.
d) 2) Lexistence de c et d est immdiate.
Pour montrer c > 0, soit faire intervenir un thorme gnral
sur les intgrales, soit minorer c convenablement.
e) 1) Immdiat.
e) 2) En supposant, de plus, h >
x
2
, majorer convenablement
_
+
0
t
(x + t)(x + h + t)
dt
_
+
0
t
(x + t)
2
dt
,
pour dduire que cette expression tend vers 0 lorsque h tend
vers 0.
Utiliser le changement de variable u =
t
x
.
e) 3) Intgrer partir du rsultat prcdent.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
83
3.1 Il sagit dintgrales impropres de fonctions 0 et
continues sur un intervalle du type [a ; +[, a R.
a) Lapplication f : [1 ; +[ R, x
1
x
x + 2
est continue sur [1 ; +[ et f (x)
x +
1
x
3/2
0.
Daprs lexemple de Riemann en + (3/2 > 1), lintgrale
_
+
1
1
x
3/2
dx converge.
Daprs le thorme dquivalence pour des fonctions 0, on
conclut que lintgrale
_
+
1
1
x
x + 2
dx converge.
b) Lapplication f : [0 ; +[ R, x
1
(x + 1)(x + 2)
x +
1
x
0.
Daprs lexemple de Riemann en +, lintgrale
_
+
1
1
x
dx
diverge.
Daprs le thorme dquivalence pour des fonctions 0,
on dduit que lintgrale
_
+
1
f (x) dx diverge, puis on conclut
que lintgrale
_
+
0
1
(x + 1)(x + 2)
dx diverge.
c) Lapplication f : [0 ; +[ R, x
x
2
+ 1
x
5
+ 1
x +
x
2
x
5
=
1
x
3
0.
_
+
1
1
x
3
dx converge.
Daprs le thorme dquivalence pour des fonctions 0, on
dduit que lintgrale
_
+
1
f (x) dx converge, puis on conclut
que lintgrale
_
+
0
x
2
+ 1
x
5
+ 1
dx converge.
d) Lapplication f : [2 ; +[ R, x
1
x
2
ln x
est continue sur [2 ; +[ et, pour tout x e :
0 f (x) =
1
x
2
ln x

1
x
2
.
_
+
1
1
x
2
dx
converge.
Daprs le thorme de majoration pour des fonctions 0, lin-
tgrale
_
+
e
f (x) dx converge, puis on conclut que lintgrale
_
+
2
1
x
2
ln x
dx converge.
e) Lapplication f : [1 ; +[ R, x
ln x
x + 1
est continue sur [1 ; +[.
On a, pour tout x e : f (x) =
ln x
x + 1

1
x + 1
.
Et :
1
x + 1

x +
1
x
0.
_
+
e
1
x
dx
diverge.
Par thorme dquivalence pour des fonctions 0, lintgrale
_
+
e
1
x + 1
dx diverge.
Par thorme de minoration pour des fonctions 0, lin-
tgrale
_
+
e
f (x) dx diverge, et on conclut que lintgrale
_
+
1
ln x
x + 1
dx diverge.
f) Lapplication f : [0 ; +[ R, x
1
x e
x
+ 1
On a : x [1 ; +[, 0 f (x)
1
x e
x

1
e
x
= e
x
.
Lintgrale
_
+
1
e
x
dx converge car, pour X 1 :
_
X
1
e
x
dx = [e
x
]
X
1
= e
X
+ e
1
X +
e
1
.
_
+
1
1
x e
x
+ 1
dx converge, puis lintgrale
_
+
0
1
x e
x
+ 1
dx
converge.
g) Lapplication f : [0 ; +[ R, x
e
x
x + 1
84
On a : x [0 ; +[, f (x)
1
x + 1
0
et :
1
x + 1

x +
1
x
0.
_
+
1
1
x
dx
diverge.
_
+
1
1
x + 1
dx diverge.
tgrale
_
+
1
e
x
x + 1
dx diverge et on conclut que lintgrale
_
+
0
e
x
x + 1
dx diverge.
h) Lapplication f : [0 ; +[ R, x
x e
x
+ 1
x e
2x
+ 1
est continue sur [0 ; +[ et : f (x)
x +
x e
x
x e
2x
= e
x
0.
Lintgrale
_
+
0
e
x
dx converge, car, pour X 0 :
_
X
0
e
x
dx = [e
x
]
X
0
= e
X
+ 1
X +
1.
Par thorme dquivalence pour des fonctions 0, on conclut
que lintgrale
_
+
0
x e
x
+ 1
x e
2x
+ 1
dx converge.
continues sur un intervalle qui nest pas du type [a ; +[, cest-
-dire qui est du type ] ; b], ]a ; b], [a ; b[, o (a, b) R
2
.
a) Lapplication f : ] ; 0] R, x
1
x
4
+ x + 1
est continue sur ] ; 0]. On a : f (x)
x
1
x
4
.
Daprs lexemple de Riemann en (4 > 1), lintgrale
_
1
1
x
4
dx converge.
Par thorme dquivalence pour des fonctions 0, lin-
tgrale
_
1
f (x) dx converge, et on conclut que lintgrale

_
0
1
x
4
+ x + 1
dx converge.
b) Lapplication f : ] ; 0] R, x
e
x
x 1
est continue sur ] ; 0].
Par le changement de variable t = x, lintgrale pro-
pose
_
0
e
x
x 1
dx est de mme nature que lintgrale
_
+
0
e
t
t + 1
dt.
On a : t [0 ; +[, 0
e
t
t + 1
e
t
.
Lintgrale
_
+
0
e
t
dt converge, car, pour T 0 :
_
T
0
e
t
dt = [e
t
]
T
0
= e
T
+ 1
T +
1.
_
+
0
e
t
t + 1
dt converge.
En passant la fonction oppose, puis par le changement de
variable t = x, on conclut que lintgrale
_
0
e
x
x 1
dx
converge.
c) Lapplication f : ]0 ; 1] R, x
_
x
2
+ 2
x
2
+ x
est continue sur ]0 ; 1].
On a : f (x)
x 0
_
2
x
=
2
x
1/2
0.
Daprs lexemple de Riemann en 0 (1/2 < 1), lintgrale
_
1
0
1
x
1/2
dx converge.
que lintgrale
_
1
0
_
x
2
+ 2
x
2
+ x
dx converge.
d) Lapplication f : ]0 ; 1] R, x
x + 1
x
2
+ 2x
On a : f (x)
x 0
1
2x
0.
Daprs lexemple de Riemann en 0, lintgrale
_
1
0
1
x
dx di-
verge, donc lintgrale
_
1
0
1
2x
dx diverge.
que lintgrale
_
1
0
x + 1
x
2
+ 2x
dx diverge.
e) Lapplication f : ]0 ; 1] R, x
ln x
x
4
+ x
2
est continue sur ]0 ; 1] et valeurs 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
85
Par passage la fonction oppose, lintgrale propose est de
mme nature que lintgrale
_
1
0
ln x
x
4
+ x
2
dx.
On a : x ]0 ; 1/ e ], ln x 1,
donc : x ]0 ; 1/ e ],
ln x
x
4
+ x
2

1
x
4
+ x
2
0.
Et :
1
x
4
+ x
2

x 0
1
x
2
0.
Daprs lexemple de Riemann en 0 (2 1), lintgrale
_
1
0
1
x
2
dx diverge.
_
1
0
1
x
4
+ x
2
dx diverge.
Par thorme de minoration pour des fonctions 0, lintgrale
_
1
0
ln x
x
4
+ x
2
dx diverge.
Par passage la fonction oppose, on conclut que lintgrale
_
1
0
ln x
x
4
+ x
2
dx diverge.
f) Lapplication f : ]0 ; 1] R, x

x ln x
On a : f (x) =
x ln x
x 0
0,
par prpondrance des puissances sur le logarithme.
Puisque f admet une limite nie en 0, on conclut, daprs le
cours, que lintgrale
_
1
0
x ln x dx converge.
g) Lapplication f : ]0 ; 1] R, x
1 + ln x
1 + (ln x)
2
On a : f (x)
x 0
ln x
(ln x)
2
=
1
ln x
, et
1
ln x

x 0
0, donc :
f (x)
x 0
0.
Puisque f admet une limite nie en 0, on conclut, daprs le
cours, que lintgrale
_
1
0
1 + ln x
1 + (ln x)
2
dx converge.
3.3 Il sagit dintgrales impropres de fonctions signe va-
riable, continues sur un intervalle du type [a ; +[, a R.
sin x
x
2
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
f (x) =
sin x
x
2

1
x
2
.
_
+
1
1
x
2
dx converge.
_
+
1
f (x) dx converge.
Ainsi, lintgrale
_
+
1
sin x
x
2
dx est absolument convergente,
donc convergente.
sin x + cos x
x
3
+ 1
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
f (x) =
sin x + cos x
x
3
+ 1
sin x + cos x
x
3
+ 1
x
3
+ 1
2
x
3/2
.
_
+
1
1
x
3/2
dx converge.
_
+
1
f (x) dx converge.
Ainsi, lintgrale
_
+
1
donc convergente.
Enn, on conclut que lintgrale
_
+
0
sin x + cos x
x
3
+ 1
dx
converge.
c) Lapplication f : [0 ; +[ R, x e
x
sin x
est continue sur [0 ; +[ et :
x [0 ; +[, f (x) = e
x
sin x e
x
.
Lintgrale
_
+
0
e
x
_
X
0
e
x
dx = [e
x
]
X
0
= 1 e
X
X +
1.
_
+
0
f (x) dx converge.
Ainsi, lintgrale
_
+
0
donc convergente.
d) Lapplication f : [0 ; +[ R, x
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 ; +[,
86
on a e
x
> 1 et cos x 1, donc e
x
+ cos x > 0, et, dautre
part, e
0
+ cos 0 = 2 > 0.
On a :
x [1 ; +[, f (x) =
cos x
e
x
+ cos x

1
e
x
+ cos x

1
e
x
1
et :
1
e
x
1

x +
1
e
x
= e
x
.
Lintgrale
_
+
1
e
x
_
X
1
e
x
dx = [e
x
]
X
1
= e
1
e
X
X +
e
1
.
_
+
1
1
e
x
1
dx converge.
_
+
1
f (x) dx converge.
Ainsi, lintgrale
_
+
1
donc convergente.
On conclut que lintgrale
_
+
0
cos x
e
x
+ cos x
dx converge.
3.4 Il sagit dintgrales impropres de fonctions signe
variable, continues sur un intervalle qui nest pas du type
[a ; +[, a R.
a) Lapplication x
sin
3
x
x
2
est continue sur ] ; 1], lin-
tgrale est impropre la borne .
Par le changement de variable t = x, lintgrale propose
est de mme nature que lintgrale
_
+
1
sin
3
t
t
2
dt, qui est im-
propre la borne +.
On a : t [1 ; +[,
sin
3
t
t
2

1
t
2
.
Daprs lexemple de Riemann en +, (2 > 1) lintgrale
_
+
1
1
t
2
dt converge.
Par le thorme de majoration pour des fonctions 0, lint-
grale
_
+
1
sin
3
t
t
2
dt converge.
Ainsi, lintgrale
_
+
1
sin
3
t
t
2
dt est absolument convergente,
donc convergente.
_
1
sin
3
t
t
2
dt converge.
b) Lapplication x e
x
cos x est continue sur ] ; 0],
lintgrale est impropre la borne .
Par le changement de variable t = x, lintgrale propose est
de mme nature que lintgrale
_
+
0
e
t
cos t dt, qui est im-
propre la borne +.
On a : t [0 ; +[, e
t
cos t e
t
.
Lintgrale
_
+
0
e
t
dt converge car, pour T 0 :
_
T
0
e
t
dt = [e
t
]
T
0
= 1 e
T
T +
1.
_
+
0
e
t
cos t dt converge.
Ainsi, lintgrale
_
+
0
e
t
cos t dt est absolument conver-
gente, donc convergente.
_
0
e
x
cos x dx converge.
c) Lapplication f : x ln(2x + 3 sin x) est continue sur
]0 ; ], lintgrale propose est impropre la borne 0.
On a, par dveloppement limit lorsque x 0 :
f (x) = ln
_
2x + 3
_
x + o(x)
_
_
= ln
_
5x + o(x)
_
= ln x + ln 5 + ln
_
1 + o(1)
_

x 0
ln x,
do : f (x)
x 0
ln x 0.
1
re
mthode : comparaison lexemple de Riemann
On a :
x f (x)
x 0
x ln x
x 0
0.
Il existe donc a ]0 ; ] tel que :
x ]0 ; a],
x f (x) 1,
puis : x ]0 ; a], 0 f (x)
1
x
.
_
a
0
1
x
dx converge.
_
a
0
f (x) dx converge.
En passant la fonction oppose, lintgrale
_
a
0
f (x) dx
converge, et on conclut que lintgrale
_

0
ln(2x + 3 sin x) dx
converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
87
2
e
mthode : utilisation dune primitive
On a, pour ]0 ; 1] :
_
1
ln x dx =
_
(x ln x x)
_
1
= 1 ln +
0
1,
par prpondrance de la puissance sur le logarithme.
Ceci montre que lintgrale
_
1
0
ln x dx converge.
_
1
0
f (x) dx converge.
En passant la fonction oppose, lintgrale
_
1
0
f (x) dx
converge et on conclut que lintgrale
_

0
ln(2x + 3 sin x) dx
converge.
3.5
a) Lapplication x
1
(x + 1)
2
On a, pour tout X [0 ; +[, par un calcul simple de primi-
tive :
_
X
0
1
(x + 1)
2
dx =
_
1
x + 1
_
X
0
=
1
X + 1
+ 1
X +
1.
Ceci montre que lintgrale propose converge et que
_
+
0
1
(x + 1)
2
dx = 1.
b) Lapplication x ln x est continue sur ]0 ; 1].
Soit ]0 ; 1] x. Eectuons une intgration par parties, avec
_
_
u = ln x
v
= 1
_
_
u
=
1
x
v = x
o u, v sont bien de classe C
1
sur le segment [ ; 1] :
_
1
ln x dx = [x ln x]
1

_
1
1 dx = [x ln x]
1
[x]
1
=
_
x ln x x
_
1
= 1 ln + .
Par prpondrance de la puissance sur le logarithme :
ln
0
0.
Do :
_
1
ln x dx
0
1.
Ceci montre que lintgrale propose converge et que :
_
1
0
ln x dx = 1.
c) Lapplication x x e
x
Soit X [0 ; +[. On a, par une intgration par parties, avec
_
_
u = x
v
= e
x
_
_
u
= 1
v = e
x
1
sur le segment [0 ; X] :
_
X
0
x e
x
dx = [x e
x
]
X
0
+
_
X
0
e
x
dx
= [x e
x
]
X
0
+ [e
x
]
X
0
= X e
X
e
X
+ 1
X +
1.
Ceci montre que lintgrale propose converge et que
_
+
0
x e
x
dx = 1.
d) Lapplication x
x
2
3x 4
x
4
On a, pour X 1 :
_
X
1
x
2
3x 4
x
4
dx =
_
X
1
_
1
x
2

3
x
3

4
x
4
_
dx
=
_
X
1
(x
2
3x
3
4x
4
) dx =
_
x
1
1
3
x
2
2
4
x
3
3
_
X
1
=
_
1
x
+
3
2x
2
+
4
3x
3
_
X
1
=
1
X
+
3
2X
2
+
4
3X
3
+ 1
3
2

4
3
X +
1
3
2

4
3
=
11
6
.
On conclut que lintgrale propose converge et que
_
+
1
x
3
3x 4
x
4
dx =
11
6
.
e) Lapplication f : x x
4
e
x
Lutilisation dtaille dintgrations par parties successives se-
rait ici assez longue. Cependant, il est clair, par intgrations
par parties successives, quune primitive de f est de la forme
g : x (ax
4
+ bx
3
+ cx
2
+ dx + k) e
x
, o (a, b, c, d, k) R
5
est calculer.
En drivant g, on obtient, pour tout x [0 ; +[ :
g
(x) = (ax
4
+ bx
3
+ cx
2
+ dx + k) e
x
+(4ax
3
+ 3bx
2
+ 2cx + d) e
x
=
_
ax
4
+ (b + 4a)x
3
+ (c + 3b)x
2
+(d + 2c)x + (k + d)
_
e
x
.
88
Pour que g soit une primitive de f , il sut que les coecients
soient les mmes :
_
_
a = 1
b + 4a = 0
c + 3b = 0
d + 2c = 0
k + d = 0
_
a = 1
b = 4
c = 12
d = 24
k = 24.
Do, pour X 0 :
_
X
0
x
4
e
x
dx =
_
(x
4
+ 4x
3
+ 12x
2
+ 24x + 24) e
x
_
X
0
= (X
4
+ 4X
3
+ 12X
2
+ 24X + 24) e
X
+ 24
X +
24.
_
+
0
x
4
e
x
dx = 24.
f) Lapplication x
x
(x
2
+ 1)
2
Soit X [0 ; +[. On a, par le changement de variable t =
x
2
+ 1, dt = 2x dx :
_
X
0
x
(x
2
+ 1)
2
dx =
1
2
_
X
2
+1
1
1
t
2
dt =
1
2
_
1
t
_
X
2
+1
1
=
1
2
_
1
X
2
+ 1
+ 1
_

X +
1
2
.
_
+
0
x
(x
2
+ 1)
2
dx =
1
2
.
3.6
a) Soit (a, b, c, d) R
4
.
On a, en rduisant au mme dnominateur :
x [1 ; +[,
4
x
2
(x + 1)(x + 2)
=
a
x
2
+
b
x
+
c
x + 1
+
d
x + 2
x [1 ; +[, 4=(a+bx)(x+1)(x+2)+x
2
_
c(x+2)+d(x+1)
_
x [1 ; +[, (b + c + d)x
3
+(a + 3b + 2c + d)x
2
+ (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
_
.
Ceci montre quil existe un quadruplet (a, b, c, d) convenant et
un seul : (a, b, c, d) = (2, 3, 4, 1).
b) Existence :
Lapplication f : x
4
x
2
(x + 1)(x + 2)
est continue sur
[1 ; +[. On a : f (x)
x +
4
x
4
. Daprs lexemple de Rie-
mann, lintgrale
_
+
1
1
x
4
dx converge. Par thorme dqui-
valence pour des fonctions 0, lintgrale
_
+
1
f (x) dx
converge, autrement dit I existe.
Calcul :
On a, pour X [1 ; +[, en utilisant le rsultat de a) :
_
X
1
4
x
2
(x + 1)(x + 2)
dx =
_
X
1
_
2
x
2

3
x
+
4
x + 1

1
x + 2
_
dx
=
_
2
x
3 ln x + 4 ln(x + 1) ln(x + 2)
_
X
1
=
2
X
3 ln X + 4 ln(X + 1) ln(X + 2) + 2 4 ln 2 + ln 3
=
2
X
+ ln
(X + 1)
4
X
3
(X + 2)
+ 2 4 ln 2 + ln 3.
Comme :
(X + 1)
4
X
3
(X + 2)

X +
X
4
X
4
= 1,
on a : ln
(X + 1)
4
X
3
(X + 2)

X +
ln 1 = 0.
On dduit :
_
X
1
f (x) dx
X +
2 4 ln 2 + ln 3,
ce qui re-dmontre que I existe.
On conclut : I = 2 4 ln 2 + ln 3.
3.7
a) Soit a R x.
Lapplication x
_
1
x

a
x
2
_
2
On a, pour X 1 :
_
X
1
_
1
x

a
x
2
_
2
dx =
_
X
1
_
1
x
2

2a
x
3
+
a
2
x
4
_
dx
=
_
X
1
_
x
2
2ax
3
+ a
2
x
4
_
dx =
_
x
1
1
2a
x
2
2
+ a
2
x
3
3
_
X
1
=
_
1
x
+
a
x
2

a
2
3x
3
_
X
1
=
1
X
+
a
X
2

a
2
3X
3
+ 1 a +
a
2
3
X +
1 a +
a
2
3
.
Ceci montre que lintgrale propose converge et que :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
89
I(a) = 1 a +
a
2
3
.
b) On a, par mise sous forme canonique dun trinme, pour tout
a R :
I(a) =
1
3
(a
2
3a + 3) =
1
3
__
a
3
2
_
2
+
3
4
_
=
1
3
_
a
3
2
_
2
+
1
4
.
On conclut que I(a) admet un minimum, atteint lorsque
a =
3
2
, et que ce minimum est gal
1
4
.
3.8
Puisque f est borne, il existe M R
+
tel que :
x ]0 ; 1], f (x) M.
On a alors :
x ]0 ; 1], 0
_
f (x)
_
2
= f (x) f (x) M f (x).
Puisque lintgrale
_
1
0
f (x) dx converge, par multiplication
par la constante M, lintgrale
_
1
0
M f (x) dx converge, puis,
par thorme de majoration pour des fonctions 0, lintgrale
_
1
0
_
f (x)
_
2
dx converge.
Le rsultat ne subsiste pas si lon ne suppose pas f bor-
ne. Par exemple, pour f : ]0 ; 1] R, x x
3/4
, daprs
lexemple de Riemann en 0, lintgrale
_
1
0
f (x) dx converge
car 3/4 < 1, mais lintgrale
_
1
0
_
f (x)
_
2
dx diverge, car
_
f (x)
_
2
= x
3/2
et 3/2 1.
3.9
a) Soit n N\ 0, 1.
Lapplication f
n
: t
1
1 + t + t
n
est continue sur [0 ; +[,
donc I
n
est impropre la borne +, J
n
existe, K
n
est impropre
la borne +.
On a : f
n
(t)
t +
1
t
n
0.
Daprs lexemple de Riemann en + (n > 1), lintgrale
_
+
1
1
t
n
dt converge. Par thorme dquivalence pour des
fonctions 0, lintgrale
_
+
1
f
n
(x) dx converge.
Ceci montre que K
n
existe, et ensuite I
n
existe.
On a, par la relation de Chasles : I
n
= J
n
+ K
n
.
b) Lintgrale J =
_
1
0
1
1 + t
dt existe, car lapplication
t
1
1 + t
est continue sur le segment [0 ; 1].
b) 1) On a, pour tout n N \ 0, 1 :
J
n
J =
_
1
0
1
1 + t + t
n
dt
_
1
0
1
1 + t
dt
=
_
1
0
t
n
(1 + t)(1 + t + t
n
)
dt
_
1
0
t
n
dt =
_
t
n+1
n + 1
_
1
0
=
1
n + 1
.
Comme
1
n + 1

n
0, on dduit, par encadrement :
J
n
J
n
0.
b) 2) Il en rsulte :
J
n

n
J =
_
1
0
1
1 + t
dt =
_
ln(1 + t)
_
1
0
= ln 2.
c) 1) On a : n N \ 0, 1, 0
1
1 + t + t
n

1
t
n
,
do, puisque les intgrales K
n
et
_
+
1
1
t
n
dt convergent :
n N\ 0, 1, 0 K
n

_
1
0
1
t
n
dt.
c) 2) Comme
_
+
1
1
t
n
dt =
_
t
n+1
n + 1
_
+
1
=
1
n 1
,
on dduit de 1) : n N \ 0, 1, 0 K
n

1
n 1
.
En faisant tendre lentier n vers linni, on conclut, par enca-
drement : lim
n
J
n
= 0.
d) Daprs a), b), c), on a : I
n
= J
n
+ K
n

n
ln 2 + 0 = ln 2.
On conclut : lim
n
I
n
= ln 2.
3.10
a) Soit n N
.
Lapplication f
n
: x
1
(1 + x
3
)
n
est continue sur [1 ; +[,
donc I
n
est une intgrale impropre la borne +(seulement).
On a : f
n
(x)
n
1
(x
3
)
n
=
1
x
3n
0.
Daprs lexemple de Riemann en + (3n > 1), lintgrale
_
+
1
1
x
3n
dx converge, donc, par thorme dquivalence pour
des fonctions 0, lintgrale I
n
converge.
b) On a : n N
, x [1 ; +[, 0
1
(1 + x
3
)
n

1
x
3n
,
90
do, avec des intgrales convergentes :
n N
, 0 I
n

_
+
1
1
x
3n
dx =
_
x
3n+1
3n + 1
_
+
1
=
1
3n 1
.
Comme
1
3n 1

n
lim
n
I
n
= 0.
3.11
a) Soit x R.
Lapplication : t
1
1 + t + t
x
1
er
cas : x > 0
On a : (t)
t +
1
t
x+1
0.
Daprs lexemple de Riemann en + (x + 1 > 1), lintgrale
_
+
1
1
t
x+1
dt converge.
_
+
1
(t) dt converge, donc f (x) =
_
+
1
(t) dt existe.
2
e
cas : x = 0
On a : (t)
t +
1
2t
0.
_
+
1
1
2t
dt
diverge.
_
+
1
(t) dt diverge, donc f (x) =
_
+
1
(t) dt nexiste pas.
3
e
cas : x < 0
On a : (t)
t +
1
t
0.
_
+
1
1
t
dt
diverge.
_
+
1
(t) dt diverge, donc f (x) =
_
+
1
(t) dt nexiste pas.
On conclut : f (x) existe si et seulement si x ]0 ; +[.
b) On a :
x ]0 ; +[, f (x) =
_
+
1
1
1 + t + t
x+1
dt
_
+
1
1
3t
x+1
dt =
1
3
_
t
x
x
_
+
1
=
1
3x
.
Comme
1
3x

x 0
+, on dduit : f (x)
x 0
+.
On a :
x ]0 ; +[, 0 f (x) =
_
+
1
1
1 + t + t
x+1
dt
_
+
1
1
t
x+1
dt =
_
t
x
x
_
+
1
=
1
x
.
Comme
1
x

x +
0, on dduit : f (x)
x +
0.
c) Soit (x, y) ]0 ; +[
2
tel que x y.
On a : t [1 ; +[,
1
1 + t + t
x+1

1
1 + t + t
y+1
,
donc, avec des intgrales convergentes :
_
+
1
1
1 + t + t
x+1
dt
_
+
1
1
1 + t + t
y+1
dt,
cest--dire : f (x) f (y).
On conclut que f est dcroissante.
d)
continues sur un intervalle [a ; +[, a R.
ln x
x
2
est continue sur [1 ; +[ et valeurs 0.
On a : x
3/2
f (x) = x
3/2
ln x
x
2
=
ln x
x
1/2

x +
0,
Il existe donc a [1 ; +[ tel que :
x [a ; +[, 0 x
3/2
f (x) 1,
do : x [a ; +[, 0 f (x)
1
x
3/2
.
_
+
a
1
x
3/2
dx converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
91
Par thorme de majoration pour des fonctions 0, lin-
tgrale
_
+
a
_
+
1
ln x
x
2
dx converge.
1
x ln x
On a : x f (x) = x
1
x ln x
=
x
ln x

x +
+,
Il existe donc a [2 ; +[ tel que : x [a ; +[, x f (x) 1,
do : x [a ; +[, f (x)
1
x
0.
_
+
a
1
x
dx
diverge.
tgrale
_
+
a
f (x) dx diverge et on conclut que lintgrale
_
+
2
1
x ln x
dx diverge.
c) Lapplication f : [1 ; +[ R, x
ln x
x
3
+ 1
On a : f (x)
x +
ln x
x
3
=
ln x
x
3/2
.,,.
not g(x)
0
et : x
5/4
g(x) =
ln x
x
1/4

x +
0,
x [a ; +[, 0 x
5/4
g(x) 1,
do : x [a ; +[, 0 g(x)
1
x
5/4
.
_
+
a
1
x
5/4
dx converge.
tgrale
_
+
a
g(x) dx converge, puis lintgrale
_
+
1
g(x) dx
converge.
que lintgrale
_
+
1
ln x
x
3
+ 1
dx converge.
d) Lapplication
f : [0 ; +[ R, x
x
2
+ x
x
2
+ 1
x
2
+ x +
x
2
+ 1
On a, laide dune expression conjugue :
x [0 ; +[, f (x) =
(x
2
+ x) (x
2
+ 1)
_
x
2
+ x +
x
2
+ 1
_
2
=
x 1
_
x
2
+ x +
x
2
+ 1
_
2
=
x 1
x
2
_
_
1 +
1
x
+
_
1 +
1
x
2
_
2
x +
x
4x
2
=
1
4x
0.
_
+
1
1
x
dx
diverge.
Par thorme dquivalence pour des fonctions 0, lin-
tgrale
_
+
1
f (x) dx diverge, et on conclut que lintgrale
_
+
0
x
2
+ x
x
2
+ 1
x
2
+ x +
x
2
+ 1
dx diverge.
e) Lapplication
f : [1 ; +[ R, x
x
2
+ 3x + 1
x
2
+ x + 3
x
2
On a, par une expression conjugue, pour x [1 ; +[ :
f (x) =
(x
2
+ 3x + 1) (x
2
+ x + 3)
x
2
_
x
2
+ 3x + 1 +
x
2
+ x + 3
_
=
2x 2
x
3
_
_
1 +
3
x
+
1
x
2
+
_
1 +
1
x
+
3
x
2
_
x +
2x
2x
3
=
1
x
2
0.
_
+
1
1
x
2
dx converge.
Par thorme dquivalence pour des fonctions 0, on
conclut que lintgrale
_
+
1
x
2
+ 3x + 1
x
2
+ x + 3
x
2
dx
converge.
f) Lapplication f : [0 ; +[ R, x x
x + 2 e
3x
est
continue sur [0 ; +[.
On a : f (x)
x +
x
3/2
e
3x
.,,.
not g(x)
0.
92
Et : x
2
g(x) = x
7/2
e
3x
x +
0,
par prpondrance de lexponentielle sur les puissances.
x [a ; +[, x
2
g(x) 1,
do : x [a ; +[, 0 g(x)
1
x
2
.
_
+
a
1
x
2
dx converge.
Par thorme de majoration pour des fonctions 0, lint-
grale
_
+
a
g(x) dx converge, donc lintgrale
_
+
1
g(x) dx
converge.
que lintgrale
_
+
1
x
x + 2 e
3x
dx converge.
g) Lapplication f : [0 ; +[ R, x
x
4
+ 1
x
2
e
x
+ 1
On a : f (x)
x +
x
4
x
2
e
x
= x
2
e
x
.,,.
not g(x)
0.
Et : x
2
g(x) = x
4
e
x
x +
0,
x [a ; +[, 0 x
2
g(x) 1,
do : x [a ; +[, 0 g(x)
1
x
2
.
_
+
a
1
x
2
dx converge.
_
+
a
g(x) dx converge.
Par thorme dquivalence pour des fonctions 0, lint-
grale
_
+
a
_
+
0
x
4
+ 1
x
2
e
x
+ 1
dx converge.
h) Lapplication f : [0 ; +[ R, x e
x
est continue sur [0 ; +[ et 0.
On a : x
2
f (x) = (
x)
4
e
x +
0,
par prpondrance de lexponentielle sur les puissances, pour
la variable

x.
x [a ; +[, x
2
f (x) 1,
do : x [a ; +[, 0 f (x)
1
x
2
.
_
+
a
1
x
2
dx converge.
tgrale
_
+
a
_
+
0
e
x
dx converge.
3.13 Il sagit dintgrales impropres de fonctions de signe
xe et continues sur un intervalle qui nest pas du type [a ; +[,
cest--dire qui est du type ] ; b], ]a ; b], [a ; b[, o
(a, b) R
2
, ou ] ; +[.
a) Lapplication f : ] ; 0] R, x
x
2
+ 1
x
4
+ e
x
est continue sur ] ; 0] et valeurs 0.
Par le changement de variable t = x,
_
0
f (x) dx est de
_
+
0
t
2
+ 1
t
4
+ e
t
.,,.
not g(t)
dt.
On a : g(t)
t +
t
2
t
4
=
1
t
2
0.
_
+
1
1
t
2
_
+
1
g(t) dt converge, donc lin-
tgrale
_
+
0
g(t) dt converge. Par le changement de variable
t = x, on conclut que lintgrale
_
0
x
2
+ 1
x
4
+ e
x
dx converge.
b) Lapplication f : ] ; 0] R, x x e
x
est continue sur ] ; 0].
_
0
x e
x
dx est de
_
+
0
t e
t
dt, puis, par pas-
sage la fonction oppose, de mme nature que lintgrale
_
+
0
t e
t
dt.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
93
On a : t
2
(t e
t
) = t
3
e
t
t +
0,
t [a ; +[, t
2
(t e
t
) 1,
do : t [a ; +[, 0 t e
t
1
t
2
.
_
+
a
1
t
2
dt converge.
grale
_
+
a
t e
t
dt converge, donc lintgrale
_
+
0
t e
t
dt
converge.
Par passage la fonction oppose et par le changement de va-
riable t = x, on conclut que lintgrale
_
0
x e
x
dx converge.
c) Lapplication f : ]0 ; 1] R, x
ln x
x
est continue sur
]0 ; 1] et valeurs 0.
Par passage la fonction oppose, lintgrale
_
1
0
f (x) dx est
de mme nature que lintgrale
_
1
0
ln x
x
dx.
On a : x
3/4
ln x
x
= x
1/4
(ln x)
x 0
0,
Il existe donc a ]0 ; 1] tel que :
x ]0 ; a], x
3/4
ln x
x
1,
do : x ]0 ; a], 0
ln x
x

1
x
3/4
.
_
a
0
1
x
3/4
dx converge.
grale
_
a
0
ln x
x
_
1
0
ln x
x
dx
converge.
Par passage la fonction oppose, on conclut que lintgrale
_
1
0
ln x
x
dx converge.
d) Lapplication f : ] ; +[ R, x e
x
3
est continue sur ] ; +[ et valeurs 0.
On a : x ] ; 1], x
3
1,
donc : x ] ; 1], e
x
3
e .
Lintgrale
_
1
e dx diverge, car e est une constante non

nulle.
tgrale
_
1
f (x) dx diverge et on conclut que lintgrale

_
+
e
x
3
dx diverge.
Remarque : Il est donc inutile dtudier la nature de lintgrale
_
+
0
e
x
3
dx.
e) Lapplication f : ] ; +[ R, x e
x
4
est continue sur ] ; +[ et valeurs 0.
On a : x
2
e
x
4
=
x
4
e
x
4
x
0,
la variable x
4
.
x ] ; a] [a ; +[, x
2
e
x
4
1,
do : x ] ; a] [a ; +[, 0 e
x
4
1
x
2
.
Daprs lexemple de Riemann en (2 > 1), les intgrales
_
a
1
x
2
dx et
_
+
a
1
x
2
dx convergent.
Par thorme de majoration pour des fonctions 0, les int-
grales
_
a
e
x
4
dx et
_
+
a
e
x
4
dx convergent.
_
+
e
x
4
dx converge.
3.14 Soit (a, b) R
2
x.
Lapplication f : x
1 e
x
+ a sin x + b cos x
x
2
est continue sur ]0 ; +[, donc lintgrale propose est im-
propre la borne 0 et la borne +.
tude en +:
On a, pour tout x [1 ; +[ :
f (x) =
1
x
2
1 e
x
+ a sin x + b cos x
1
x
2
_
1 + e
x
+ a + b
_

2 + a + b
x
2
.
94
_
+
1
1
x
2
dx converge.
Par multiplication par une constante, lintgrale
_
+
1
2 + a + b
x
2
dx converge.
_
+
1
f (x) dx converge.
Ainsi, lintgrale
_
+
1
donc convergente.
tude en 0 :
On a, en utilisant des dveloppements limits lorsque x tend
vers 0 :
f (x) =
1
x
2
_
1
_
1 x +
x
2
2
+ o(x
2
)
_
+ a
_
x + o(x
2
)
_
+ b
_
1
x
2
2
+ o(x
2
)
__
=
1
x
2
_
b + (1 + a)x
1 + b
2
x
2
+ o(x
2
)
_
=
b
x
2
+
1 + a
x

1 + b
2
+ o(1).
Supposons b 0. Alors f (x)
x 0
b
x
2
. Daprs lexemple de
Riemann en 0 (2 1), lintgrale impropre
_
1
0
1
x
2
dx diverge.
Puisque b 0, lintgrale
_
1
0
b
x
2
d diverge. Par le thorme
dquivalence pour des fonctions 0 (si b > 0), pour des fonc-
tions 0 (si b < 0), lintgrale
_
1
0
f (x) dx diverge.
Supposons dornavant b = 0. On a donc :
f (x) =
1 + a
x

1 + b
2
+ o
x 0
(1).
Si a 1, alors f (x)
x 0
1 + a
x
et, par le mme raisonne-
ment que ci-dessus, on dduit que lintgrale
_
1
0
f (x) dx di-
verge.
Supposons dornavant a = 1. On a donc :
f (x) =
1 + b
2
+ o
x 0
(1),
cest--dire : f (x)
x 0
1 + b
2
.
Puisque f admet une limite nie en 0 , daprs le cours, lint-
grale
_
1
0
f (x) dx converge (intgrale faussement impropre).
Comme lintgrale
_
+
0
f (x) dx converge si et seulement si
les deux intgrales
_
1
0
f (x) dx et
_
+
1
f (x) dx convergent,
on conclut que lintgrale propose converge si et seulement
si : a = 1 et b = 0.
3.15
a) 1) On suppose ici = 0.
On a : X [1 ; +[,
_
X
1
cos x dx = [sin x]
X
1
= sin X sin 1.
On sait que sin X na pas de limite lorsque le rel X
tend vers +; en eet, par exemple, sin(2n)
n
0 et
sin
_
2n +
2
_

n
1.
Il en rsulte que
_
X
1
cos x dx na pas de limite lorsque X tend
vers +.
_
+
1
cos x dx diverge.
On montre de la mme faon que lintgrale
_
+
1
sin x dx
diverge.
a) 2) On suppose ici < 0.
On a, pour tout n N
:
x [2n ; 2n + /2],
1
x
1 et cos x 0,
donc :
_
2n+
2
2n
cos x
x
dx
_
2n+
2
2n
cos x dx = [sin x]
2n+/2
2n
= 1.
Raisonnons par labsurde : supposons que lintgrale
_
+
1
cos x
x
dx soit convergente, et notons I =

_
+
1
cos x
x
dx.
Alors :
_
2n+/2
2n
cos x
x
dx
=
_
2n+/2
1
cos x
x
dx
_
2n
1
cos x
x
dx
n
I I = 0,
contradiction.
_
+
1
cos x
x
dx diverge.
_
+
1
sin x
x
dx
diverge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
95
b) On suppose ici > 1.
On a : x [1 ; +[,
cos x
x

1
x
.
Daprs lexemple de Riemann en + ( > 1), lintgrale
_
+
1
1
x
dx converge.
_
+
1
cos x
x
dx converge.
Ainsi, lintgrale
_
+
1
cos x
x

donc convergente.
_
+
1
sin x
x
dx
converge.
c) On suppose ici 0 < 1.
Convergence :
Pour X [1 ; +[, eectuons une intgration par parties, avec
_
_
u =
1
x
= x
= cos x
_
_
u
= x
1
=

x
+1
v = sin x
1
_
X
1
cos x
x
dx =
_
sin x
x
_
X
1
+
_
X
1
sin x
x
+1
dx
=
sin X
X
sin 1 +
_
X
1
sin x
x
+1
dx.
Dune part :
sin x
x

1
X
et
1
X

X +
0 (car > 0), donc,
par thorme dencadrement :
sin X
X

X +
0.
Dautre part, comme + 1 > 1, daprs b), lintgrale
_
+
1
sin x
x
+1
dx converge, donc :
_
X
1
sin x
x
+1
dx
X +
_
+
1
sin x
x
+1
dx.
Il sensuit :
_
X
1
cos x
x
dx
X +
sin 1 +
_
+
1
sin x
x
+1
dx.
_
+
1
cos x
x
dx converge.
Non-convergence absolue :
On remarque : x [1 ; +[, cos x cos
2
x,
donc, pour tout x [1 ; +[ :
cos x
x

cos
2
x
x
=
1 cos 2x
2x
=
1
2x

cos 2x
2x
0.
Daprs lexemple de Riemann en + ( 1), lintgrale
_
+
1
1
x
dx diverge.
Par le changement de variable t = 2x, lintgrale
_
+
1
cos 2x
x
dx est de mme nature que lintgrale

_
+
2
cos t
t
dt. Daprs le point prcdent, cette dernire

intgrale est convergente. Il en rsulte que lintgrale
_
+
1
cos 2x
x
dx converge.
Par addition dune intgrale divergente et dune intgrale
convergente, lintgrale
_
+
1
cos
2
x
x
dx diverge.
Par le thorme de minoration pour des fonctions 0, lint-
grale
_
+
1
cos x
x
dx diverge.
_
+
1
cos x
x
dx nest pas absolu-

ment convergente.
Finalement, lintgrale
_
+
1
cos x
x
dx est convergente et non

absolument convergente, on dit quelle est semi-convergente.
De la mme faon, on montre que lintgrale
_
+
1
sin x
x
dx
est convergente et non absolument convergente.
3.16
a) Existence :
Lapplication f : x
1
(x + 1)(x + 2)
est continue
sur [0 ; +[. On a : f (x)
x +
1
x
2
0.
_
+
1
1
x
2
dx converge.
grale
_
+
1
_
+
0
1
(x + 1)(x + 2)
dx converge.
Calcul :
On remarque :
x [0 ; +[,
1
(x + 1)(x + 2)
=
1
x + 1

1
x + 2
.
Soit X [0 ; +[. On a :
_
X
0
1
(x + 1)(x + 2)
dx =
_
X
0
_
1
x + 1

1
x + 2
_
dx
=
_
ln(x + 1) ln(x + 2)
_
X
0
=
_
ln
x + 1
x + 2
_
X
0
= ln
X + 1
X + 2
ln
1
2
.
96
Et : ln
X + 1
X + 2
= ln
1 +
1
X
1 +
2
X
X +
ln 1 = 0,
donc :
_
X
0
1
(x + 1)(x + 2)
dx
X +
ln
1
2
= ln 2.
_
+
0
1
(x + 1)(x + 2)
dx converge
(ce que lon a vu plus haut par une autre mthode) et que :
_
+
0
1
(x + 1)(x + 2)
dx = ln 2.
b) Lapplication f : x
ln x
x
2
est continue sur [1 ; +[, donc
lintgrale propose est impropre la borne +.
On a, pour X 1, par une intgration par parties avec
_
_
u = ln x
v
=
1
x
2
_
_
u
=
1
x
v =
1
x
,
1
_
X
1
ln x
x
2
dx =
_
ln x
x
_
X
1
+
_
X
1
1
x
2
dx
=
ln X
X
+
_
1
x
_
X
1
=
ln X
X

1
X
+ 1
X +
1,
_
+
1
ln x
x
2
dx converge et que :
_
+
1
ln x
x
2
dx = 1.
c) Soit a ] 1 ; +[ x.
Lapplication x x
a
ln x est continue sur ]0 ; 1], lintgrale
propose est impropre la borne 0.
On a, pour ]0 ; 1] x, par intgration par parties avec
_
_
u = ln x
v
= x
a
_
_
u
=
1
x
v =
x
a+1
a + 1
1
sur le segment [ ; 1] :
_
1
x
a
ln x dx =
_
x
a+1
a + 1
ln x
_
1
_
1
x
a+1
a + 1
1
x
dx
=
_
x
a+1
a + 1
ln x
_
1
_
x
a+1
(a + 1)
2
_
1
a+1
ln
a + 1

1
(a + 1)
2
+
a+1
(a + 1)
2

0
1
(a + 1)
2
,
_
1
0
x
a
ln x dx converge et que :
_
1
0
x
a
ln x dx =
1
(a + 1)
2
.
3.17
a) Soit n N
.
Lapplication f
n
: [0 ; +[ R, x
1
(1 + x
2
)
n
est
continue sur [0 ; +[ et :
x [1 ; +[, 0 f
n
(x) =
1
(1 + x
2
)
n

1
1 + x
2

1
x
2
.
_
+
1
1
x
2
dx converge.
grale
_
+
1
f
n
(x) dx converge, puis lintgrale
_
+
0
f
n
(x) dx
converge, cest--dire que I
n
existe.
Lapplication g
n
: ]0 ; +[ R, x
ln x
(1 + x
2
)
n
est
continue sur ]0 ; +[.
tude en 0 :
On a, pour x ]0 ; 1] :
g
n
(x) =
ln x
(1 + x
2
)
n

x 0
ln x 0.
Lintgrale
_
1
0
ln x dx converge, car, par exemple par une
primitive connue, pour ]0 ; 1] :
_
1
ln x dx =
_
x ln x + x
_
1
= 1 + ln
0
1.
_
1
0
g
n
(x) dx converge.
_
1
0
g
n
(x) dx
converge.
tude en +:
On a : x
3/2
g
n
(x) =
x
3/2
ln x
(1 + x
2
)
n
x +
x
3/2
ln x
x
2n
=
ln x
x
2n3/2

x +
0,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
97
par prpondrance des puissances sur le logarithme et parce
que 2n
3
2
> 0.
x [a ; +[, x
3/2
g
n
(x) 1,
do : x [a ; +[, 0 g
n
(x)
1
x
3/2
.
_
+
1
1
x
3/2
dx converge.
_
+
1
g
n
(x) dx converge.
_
1
0
g
n
(x) dx et
_
+
1
g
n
(x) dx
_
+
0
g
n
(x) dx converge,
et nalement, J
n
existe.
b) 1) Utilisons une intgration par parties.
Soit X [0 ; +[. On a, avec
_
_
u =
1
(1 + x
2
)
n
= (1 + x
2
)
n
v
= 1
_
_
u
= n(1 + x
2
)
n1
2x =
2nx
(1 + x
2
)
n+1
v = x
1
_
X
0
1
(1 + x
2
)
n
dx =
_
x
(1 + x
2
)
n
_
X
0
+
_
X
0
2nx
2
(1 + x
2
)
n+1
dx
=
X
(1 + X
2
)
n
+ 2n
_
X
1
(1 + x
2
) 1
(1 + x
2
)
n+1
dx
=
X
(1 + X
2
)
n
+ 2n
_
X
0
1
(1 + x
2
)
n
dx 2n
_
X
0
1
(1 + x
2
)
n+1
dx.
En faisant tendre X vers +, on obtient :
I
n
= 0 + 2nI
n
2nI
n+1
,
do : 2nI
n+1
= (2n 1)I
n
.
b) 2) On a donc, de proche en proche, pour tout n N
:
I
n
=
2n 3
2n 2
I
n1
=
2n 3
2n 2
2n 5
2n 4
I
n2
= ... =
2n 3
2n 2
2n 5
2n 4

1
2
I
1
.
En intercalant les facteurs pairs manquant au dnominateur :
I
n
=
(2n 2)(2n 3) 1
(2n 2)
2
(2n 4)
2
2
2
I
1
=
(2n 2)!
_
2
n1
(n 1)!
_
2
I
1
.
Enn : I
1
=
_
+
0
1
1 + x
2
dx = [Arctan x]
+
0
=
2
.
On obtient : n N
, I
n
=
(2n 2)!
_
2
n1
(n 1)!
_
2
2
.
c) 1) Pour 0 < X, eectuons une intgration par parties,
avec
_
_
u =
1
(1 + x
2
)
n
= (1 + x
2
)
n
v
= ln x
_
_
u
= n(1 + x
2
)
n1
2x =
2nx
(1 + x
2
)
n+1
v = x ln x x
1
_
X
ln x
(1 + x
2
)
n
dx =
_
x ln x x
(1 + x
2
)
n
_
X
+
_
X
2nx(x ln x x)
(1 + x
2
)
n+1
dx
=
_
x ln x x
(1 + x
2
)
n
_
X
+ 2n
_
X
(1 + x
2
1)
(1 + x
2
)
n+1
(ln x 1) dx
=
X ln X X
(1 + X
2
)
n

ln
(1 +
2
)
n
+2n
_
_
X
ln x
(1 + x
2
)
n
dx
_
X
ln x
(1 + x
2
)
n+1
dx
_
X
1
(1 + x
2
)
n
dx +
_
X
1
(1 + x
2
)
n+1
dx
_
.
En faisant tendre vers 0 et X vers + et en utilisant des pr-
pondrances classiques, on obtient :
J
n
= 2n(J
n
J
n+1
I
n
+ I
n+1
) = 2nJ
n
2nJ
n+1
2nI
n
+ 2nI
n+1
= 2nJ
n
2nJ
n+1
2nI
n
+ (2n 1)I
n
= 2nJ
n
2nJ
n+1
I
n
,
do : 2nJ
n+1
= (2n 1)J
n
I
n
.
c) 2) En utilisant b) :
I
1
=
2
, I
2
=
1
2
I
1
=
4
, I
3
=
3
4
I
2
=
3
16
.
On a J
1
= 0 (cf. exercice 3.29).
Puis, en utilisant c) : 2J
2
= J
1
I
1
=
2
,
donc : J
2
=
4
,
et : 4J
3
= 3J
2
I
2
= , donc : J
3
=
4
.
98
3.18
a) Soit n N.
Lapplication f
n
: [0 ; +[ R, x x
n
e
x
2
/2
est continue sur [0 ; +[ et 0.
On a : x
2
f
n
(x) = x
n+2
e
x
2
/2
x +
0,
la variable x
2
/2.
Il existe donc a ]0 ; +[ tel que :
x [a ; +[, x
2
f
n
(x) 1,
do : x [a ; +[, 0 f
n
(x)
1
x
2
.
_
+
a
1
x
2
dx
converge.
grale
_
+
a
f
n
(x) dx converge, puis lintgrale
_
+
0
f
n
(x) dx
converge, cest--dire que I
n
existe.
b) Soit A [0 ; +[.
On a, par intgration par parties avec
_
_
u = e
x
2
/2
v
= x
n
_
_
u
= x e
x
2
/2
v =
x
n+1
n + 1
1
sur le segment [0 ; A] :
_
A
0
x
n
e
x
2
/2
dx =
_
x
n+1
n + 1
e
x
2
/2
_
A
0

_
A
0
x
n+1
n + 1
(x e
x
2
/2
) dx
=
A
n+1
e
A
2
/2
n + 1
+
1
n + 1
_
A
0
x
n+2
e
x
2
/2
dx.
Par prpondrance de lexponentielle sur les puissances, pour
la variable A
2
/2, on a :
A
n+1
e
A
2
/2
n + 1

A +
0.
On dduit, en faisant tendre A vers +: I
n
=
1
n + 1
I
n+2
,
ou encore : I
n+2
= (n + 1)I
n
.
c) Daprs le cours, la loi normale centre rduite admet pour
densit : R R, x
1
2
e
x
2
/2
,
donc
_
+
2
e
x
2
/2
dx = 1.
Puisque la fonction x e
x
2
/2
est paire, on dduit :
I
0
=
_
+
0
e
x
2
/2
dx =
2
2
=
_
2
.
d) Comme x x e
x
2
/2
est la drive de la fonction
x e
x
2
/2
, on a :
I
1
=
_
+
0
x e
x
2
/2
dx =
_
e
x
2
/2
_
+
0
= 1.
e) Montrons, par rcurrence sur p N, la proprit H
p
sui-
vante : I
2p
=
(2p)!
2
p
p!
_
2
et I
2p+1
= 2
p
p!.
H
0
est vraie car I
0
=
_
2
et I
1
= 1.
Supposons H
p
vraie pour un p N x.
On a, daprs b) :
I
2(p+1)
= I
2p+2
= (2p + 1)I
2p
= (2p + 1)
(2p)!
2
p
p!
_
2
=
(2p + 2)!
(2p + 2)2
p
p!
_
2
=
(2p + 2)!
2
p+1
(p + 1)!
_
2
=
_
2(p + 1)
_
!
2
p+1
(p + 1)!
_
2
,
I
2(p+1)+1
= I
2p+3
= (2p + 2)I
2p+1
= (2p + 2)2
p
p! = 2
p+1
(p + 1)!,
donc H
p+1
est vraie.
Ce raisonnement par rcurrence dmontre les formules vou-
lues.
f) Soit n N. Lapplication x x
n
e
x
2
/2
est paire si n est
pair, et est impaire si n est impair.
_
0
x
n
e
x
2
/2
dx
est de mme nature que lintgrale
_
+
0
x
n
e
x
2
/2
dx, donc
lintgrale
_
0
x
n
e
x
2
/2
dx converge et
_
0
x
n
e
x
2
/2
dx =
(1)
n
_
+
0
x
n
e
x
2
/2
dx.
_
0
x
n
e
x
2
/2
dx et
_
+
0
x
n
e
x
2
/2
dx convergent, on dduit, par dnition, que
lintgrale
_
+
x
n
e
x
2
/2
dx converge, et on a :
J
n
=
_
+
x
n
e
x
2
/2
dx
=
_
0
x
n
e
x
2
/2
dx +
_
+
0
x
n
e
x
2
/2
dx
=
_
1 + (1)
n
_
_
+
0
x
n
e
x
2
/2
dx
=
_
_
2I
2p
=
(2p)!
2
p
p!
2 si n est pair, n = 2p
0 si n est impair.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
99
3.19
a) Lapplication f : x
e
ax
e
bx
x
est continue sur
]0 ; +[, lintgrale propose est impropre la borne 0 et
la borne +.
tude en 0 :
On a, par dveloppements limits en 0 :
f (x) =
e
ax
e
bx
x
=
_
1 ax + o(x)
_
_
1 bx + o(1)
_
x
= (b a) + o(1)
x 0
b a.
Puisque f admet une limite nie en 0, daprs le cours, lint-
grale
_
1
0
f (x) dx converge (intgrale faussement impropre).
tude en +:
On a : x [1 ; +[, 0
e
ax
x
e
ax
.
Lintgrale
_
+
1
e
ax
_
X
1
e
ax
dx =
_
e
ax
a
_
X
1
=
1
a

e
aX
a

X +
1
a
.
_
+
1
e
ax
x
dx converge.
De mme, lintgrale
_
+
1
e
bx
x
dx converge.
Par soustraction, lintgrale
_
+
1
f (x) dx converge.
Enn, comme les deux intgrales
_
1
0
f (x) dx et
_
+
1
f (x) dx
_
+
0
f (x) dx converge.
b) 1) Soit (, X) ]0 ; +[
2
tel que X.
On a, par le changement de variable y = ax :
_
X
e
ax
x
dx =
_
aX
a
e
y
y
a
1
a
dy =
_
aX
a
e
y
y
dy.
De mme, par le changement de variable y = bx :
_
X
e
bx
x
dx =
_
bX
b
e
y
y
dy.
b) 2) On a, pour tout (, X) ]0 ; +[
2
tel que X,
daprs 1) :
_
X
e
ax
e
bx
x
dx =
_
X
e
ax
x
dx
_
X
e
bx
x
dx
=
_
aX
a
e
y
y
dy
_
bX
b
e
y
y
dy
=
_
b
a
e
y
y
dy +
_
bX
b
e
y
y
dy +
_
aX
bX
e
y
y
dy
_
bX
b
e
y
y
dy
=
_
b
a
e
y
y
dy
_
bX
aX
e
y
y
dy.
c) 1) Dune part, par oprations, lapplication h est continue sur
]0 ; +[.
Dautre part, laide dun dveloppement limit en 0 :
h(y) =
1 e
y
y
=
1
_
1 y + o(y)
_
y
= 1+o(1)
y 0
1 = h(0),
donc h est continue en 0.
On conclut que h est continue sur [0 ; +[.
c) 2) On a, pour > 0 :
_
b
a
e
y
y
dy =
_
b
a
1 (1 e
y
)
y
dy
=
_
b
a
1
y
dy
_
b
a
1 e
y
y
dy
= [ln y]
b
a

_
b
a
h(y) dy = ln
b
a

_
b
a
h(y) dy.
Puisque h est continue en 0, lintgrale
_
1
0
h(y) dy converge,
donc :
_
b
a
h(y) dy =
_
1
a
h(y) dy
_
1
b
h(y) dy
0
_
1
0
h(y) dy
_
1
0
h(y) dy = 0.
On conclut :
_
b
a
e
y
y
dy
0
ln
b
a
.
d) Daprs b)2) et c)2), on a, pour X > 0 x, en faisant tendre
vers 0 :
_
X
0
e
ax
e
bx
x
dx = ln
b
a

_
bX
aX
e
y
y
dy.
e) Puisque lintgrale
_
+
1
e
y
y
dy converge (cf. aussi la so-
lution de a) ), on a :
_
bX
aX
e
y
y
dy =
_
bX
1
e
y
y
dy
_
aX
1
e
y
y
dy
X +
_
+
1
e
y
y
dy
_
+
1
e
y
y
dy = 0.
On conclut, en faisant tendre X vers +dans le rsultat de d) :
_
+
0
e
ax
e
(bx
x
dx = ln
b
a
.
3.20
a) 1) On a, pour tout (, ) (R
+
)
2
:
1
2
(
2
+
2
) =
1
2
(
2
+
2
2) =
1
2
( )
2
0,
100
donc :
1
2
(
2
+
2
).
a) 2) Daprs 1) :
x [a ; +[, f (x)g(x)
1
2
_
_
f (x)
_
2
+
_
g(x)
_
2
_
.
Puisque les intgrales
_
+
a
f
2
et
_
+
a
g
2
convergent,
par addition et multiplication par une constante, lintgrale
_
+
a
1
2
( f
2
+ g
2
) converge. Par thorme de majoration pour
des fonctions 0, lintgrale
_
+
a
f g converge.
b) En appliquant le rsultat de a)2) avec f
2
la place de g,
on dduit que lintgrale
_
+
a
f
3
converge. Ainsi, lintgrale
_
+
a
f
3
est absolument convergente, donc convergente.
3.21
a) Soit x ]0 ; +[.
Lapplication f : t
e
t
t
est continue sur [x ; +[.
On a : t [1 ; +[, 0 f (t) =
e
t
t
e
t
.
On sait que lintgrale
_
+
1
e
t
dt converge, donc, par tho-
rme de majoration pour des fonctions 0, lintgrale
_
+
1
f (t) dt converge, puis lintgrale
_
+
x
f (t) dt converge.
On conclut que I(x) existe.
b) On a, par la relation de Chasles :
x ]0 ; +[, I(x) =
_
+
x
e
t
t
dt
=
_
1
x
e
t
t
dt +
_
+
1
e
t
t
dt =
_
1
x
e
t
t
dt + I(1).
c) On a, pour tout x ]0 ; +[ :
_
1
x
e
t
t
dt + J(x) =
_
1
x
e
t
t
dt +
_
1
x
1 e
t
t
dt
=
_
1
x
1
t
dt = [ln t]
1
x
= ln x.
d) Lapplication g : t
1 e
t
t
laide dun dveloppement limit lorsque t 0, on a :
g(t) =
1
_
1 t + o(t)
_
t
=
t + o(t)
t
= 1 + o(1)
t 0
1.
Puisque g admet une limite nie en 0, daprs le cours, lin-
tgrale
_
1
0
1 e
t
t
dt converge (intgrale faussement im-
propre).
e) Daprs c) : J(x) =
_
1
x
1 e
t
t
dt
x 0
_
1
0
1 e
t
t
dt
.,,.
note K
.
Do, pour x ]0 ; +[ :
I(x) =
_
1
x
e
t
t
dt + I(1) = ln x J(x) + I(1)
= ln x
_
K + o
x 0
(1)
_
+ I(1)
= ln x +
_
I(1) K
_
+ o
x 0
(1),
et on dduit, puisque ln x
x 0
+ :
I(x)
x 0
ln x.
3.22
a) Soit n N
.
Lapplication t
1
(1 + t
)
n
On a :
1
(1 + t
)
n

t +
1
(t
)
n
=
1
t
n
,
et n 2 car : (, n) N
2
, 2, n 1.
Daprs lexemple de Riemann en + (n > 1), lintgrale
_
+
1
1
t
n
dt converge.
_
+
1
1
(1 + t
)
n
dt converge, puis lintgrale
_
+
0
1
(1 + t
)
n
dt
converge.
On a :
n N
, u
n
=
_
+
0
1
(1 + t
)
n
.,,.
0
dt
_
1
0
1
(1 + t
)
n
dt
_
1
0
1
(1 + 1)
dt =
1
2
> 0,
donc : n N
, u
n
> 0.
b) 1) Soit n N
.
Pour X [0 ; +[, on a, par intgration par parties avec
_
_
u =
1
(1 + t
)
n
= (1 + t
)
n
v
= 1
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
101
_
_
u
= n(1 + t
)
n1
t
1
=
nt
1
(1 + t
)
n+1
v = t
1
_
X
0
1
(1 + t
)
n
dt =
_
t
(1 + t
)
n
_
X
0
+
_
X
0
nt
(1 + t
)
n+1
dt
=
X
(1 + X
)
n
+ n
_
X
0
(1 + t
) 1
(1 + t
)
n+1
dt
=
X
(1 + X
)
n
+ n
_
_
X
0
1
(1 + t
)
n
dt
_
X
0
1
(1 + t
)
n+1
dt
_
.
On a, puisque > 0 et n 2 :
X
(1 + X
)
n

X +
X
X
n
=
1
X
n1

X +
0.
Do, en faisant tendre X vers +: u
n
= n(u
n
u
n+1
).
b) 2) Daprs 1), on a : n N
, u
n+1
=
_
1
1
n
_
u
n
,
ou encore, par dcalage de lindice :
n N\ 0, 1, u
n
=
_
1
1
(n 1)
_
u
n1
.
On en dduit, de proche en proche ou par une rcurrence im-
mdiate : n N\ 0, 1, u
n
= u
1
n1
_
k=1
_
1
1
k
_
.
b) 3) Comme les rels qui interviennent ici sont > 0, on peut
passer au logarithme, do :
n N\ 0, 1, ln u
n
= ln u
1
+
n1
k=1
ln
_
1
1
k
_
.
On a : ln
_
1
1
k
_

k
1
k
0.
Puisque la srie harmonique
k1
1
k
diverge, par multiplication
par la constante non nulle
1
, puis par thorme dquivalence

pour des sries termes 0, la srie
k1
ln
_
1
1
k
_
diverge.
Comme cette dernire srie est termes 0 et est divergente,
il sensuit :
n1
k=1
ln
_
1
1
k
_

n
+,
donc ln u
n

n
, puis u
n

n
0.
c) 1) On a, pour tout n N
, en utilisant b)1) : do :
( 1)S
n
= nu
n+1
.
On conclut (puisque 1 0) : n N
, S
n
=
n
1
u
n+1
.
c) 2) On dduit, pour tout n N \ 0, 1 :
ln S
n
= ln
_
n
1
u
1
n
_
k=1
_
1
1
k
__
= ln
_
1
1
1
nu
1
n
_
k=1
_
1
1
k
__
= ln n + ln u
1
+
n
k=2
ln
_
1
1
k
_
et, dauttre part :
n
k=2
ln
_
1
1
k
_
=
n
k=2
_
ln(k 1) ln k
_
=
tlescopage
ln 1 ln n = ln n,
do : ln S
n
= ln u
1
+
n
k=2
_
ln
_
1
1
k
_
ln
_
1
1
k
__
.
c) 3) On a, lorsque k tend vers linni :
ln
_
1
1
k
_
ln
_
1
1
k
_
=
_
1
k
+ o
_
1
k
__
1
k
+ o
_
1
k
__
=
1
.,,.
0
1
k
+ o
_
1
k
_
,
do : ln
_
1
1
k
_
ln
_
1
1
k
_

k
1
1
k
.
c) 4) La srie harmonique
k1
1
k
diverge, donc, par multiplica-
tion par une constante non nulle, la srie
k2
1
1
k
diverge,
puis, par thorme dquivalence pour des sries termes 0,
la srie
k2
_
ln
_
1
1
k
_
ln
_
1
1
k
__
diverge. Comme cette
dernire srie est termes 0 et est divergente, on dduit :
n
k=2
_
ln
_
1
1
k
_
ln
_
1
1
k
__

n
+.
Do ln S
n

n
+, puis S
n

n
+, et on conclut :
la srie
n1
u
n
diverge.
Remarque :
On pouvait obtenir ce dernier rsultat de faon plus simple, en
remarquant :
u
n
=
_
+
0
1
(1 + t
)
n
.,,.
0
dt
_ 1
n
1/
0
1
(1 + t
)
n
dt
102
1
n
1/
1
_
1 +
_
1
n
1/
_
_
n
=
1
n
1/
1
_
1 +
1
n
_
n
=
1
n
1/
e
n ln
_
1+
1
n
_
=
1
n
1/
e
n
_
1
n
+o
_
1
n
__
=
1
n
1/
e
1+o(1)
n
e
1
n
1/
0.
Daprs lexemple de Riemann (
1
1), la srie
n1
1
n
1/
di-
verge. Par multiplication par une constante non nulle, la srie
n1
e
1
n
1/
diverge. Par thorme dquivalence pour des sries
termes 0, on conclut que la srie
n1
u
n
diverge.
3.23
a) Soit x J =] 1 ; +[.
Lapplication g
x
: t
t
x
1 + t
est continue sur ]0 ; 1] et va-
leurs 0. On a : g
x
(t)
t 0
t
x
=
1
t
x
0.
Daprs lexemple de Riemann en 0 (x < 1), lintgrale
_
1
0
t
x
dt converge.
_
1
0
g
x
(t) dt converge.
On conclut que, pour tout x J, lintgrale
_
1
0
t
x
1 + t
dt
converge.
b) On a, pour tout x J :
0 f (x) =
_
1
0
t
x
1 + t
dt
_
1
0
t
x
dt =
_
t
x+1
x + 1
_
1
0
=
1
x + 1
.
Comme
1
x + 1

x +
0, on dduit , daprs le thorme
dencadrement : f (x)
x +
0.
c) 1) Soit (x, y) J
2
tel que x y.
On a : t ]0 ; 1], t
x
t
y
,
do : t ]0 ; 1],
t
x
1 + t

t
y
1 + t
,
puis, en intgrant sur ]0 ; 1] : f (x) f (y).
On conclut : f est dcroissante sur J.
c) 2) On a, pour tout x J :
f (x) + f (x + 1) =
_
1
0
t
x
1 + t
dt +
_
1
0
t
x+1
1 + t
dt =
_
1
0
t
x
+ t
x+1
1 + t
dt
=
_
1
0
t
x
(1 + t)
1 + t
dt =
_
1
0
t
x
dt =
_
t
x+1
x + 1
_
1
0
=
1
x + 1
.
c) 3) On a, daprs 1) et 2), pour tout x ]0 ; +[ :
_
_
2f (x) f (x) + f (x + 1) =
1
x + 1
2f (x) f (x 1) + f (x) =
1
x
donc : x ]0 ; +[,
1
2(x + 1)
f (x)
1
2x
.
Do : x ]0 ; +[,
x
x + 1

f (x)
1
2x
1.
Comme
x
x + 1

x +
f (x)
1
2x
x +
1, donc : f (x)
x +
1
2x
.
d) 1) On a : f (0) =
_
1
0
1
1 + t
dt =
_
ln(1 + t)
_
1
0
= ln 2.
Daprs c) 2) : f (0) + f (1) = ln 2, donc : f (1) = 1 ln 2.
d) 2) Puisque f est dcroissante, on a :
x [0 ; 1], f (1) f (x) f (0),
cest--dire : x [0 ; 1], 1 ln 2 f (x) ln 2.
d) 3) Daprs c)2) : x ] 1 ; +[, f (x) =
1
x + 1
f (x + 1).
Daprs 2) : x ] 1 ; 0], 1 ln 2 f (x + 1) ln 2.
Comme
1
x + 1

x 1
+ et que f (x + 1) est born lorsque x
parcourt ] 1 ; 0], on dduit : f (x)
x 1
1
x + 1
.
3.24
a) Soit n N
.
Lapplication f
n
: [0 ; 1[ R, x
x
2n
x
4n
1 x
2
est continue sur [0 ; 1[ et, pour tout x [0 ; 1[ :
f
n
(x) = x
2n
1 (x
2
)
n
1 x
2
= x
2n
n1
k=0
(x
2
)
k
=
n1
k=0
x
2n+2k
.
On a donc : f
n
(x)
x 1
n1
k=0
1 = n.
Ainsi, f
n
est continue sur [0 ; 1[ et admet une limite nie
en 1. Daprs le cours, on conclut que lintgrale
_
1
0
f
n
(x) dx
converge (intgrale faussement impropre), cest--dire que I
n
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
103
existe. Et :
I
n
=
_
1
0
_
n1
k=0
x
2n+2k
_
dx =
n1
k=0
_
1
0
x
2n+2k
dx
=
n1
k=0
_
x
2n+2k+1
2n + 2k + 1
_
1
0
=
n1
k=0
1
2n + 2k + 1
.
b) 1) On a, par le changement dindice = k + 1 :
I
n
=
n1
k=0
1
2n + 2k + 1
=
n
=1
1
2n + 2 1

n
=1
1
2n + 2
.
Dautre part : I
n
=
n1
k=0
1
2n + 2k + 1

n1
k=0
1
2n + 2k
.
b) 2) On a, pour tout n N
:
n
k=1
1
2n + 2k
=
1
2n
n
k=1
1
1 +
k
n
.
Lapplication f : [0 ; 1] R, x
1
1 + x
est continue sur
le segment [0 ; 1].
Daprs le cours sur les sommes de Riemann :
1
n
n
k=1
1
1 +
k
n
n
_
1
0
1
1 + x
dx =
_
ln(1 + x)
_
1
0
= ln 2.
On conclut :
n
k=1
1
2n + 2k

n
ln 2
2
.
b) 3) Daprs 1) et 2), on conclut, par thorme dencadrement :
I
n

n
ln 2
2
.
3.25
a) Puisque f : [0 ; +[ R est dcroissante, f admet en +
une limite nie ou la limite .
Si f
+
et > 0, alors, comme f
+
et que lint-
grale
_
+
0
dx diverge, on dduit, par thorme dquivalence
pour des fonctions 0, que lintgrale
_
+
0
f (x) dx diverge,
contradiction.
Si f
+
et < 0, en considrant f , on dduit, comme
ci-dessus, que lintgrale
_
+
0
f (x) dx diverge, contradiction.
Si f
+
, alors il existe a > 0 tel que :
x [a ; +[, f (x) 1,
donc : x [a ; +[, f (x) 1,
puis, comme lintgrale
_
+
a
1 dx diverge, par thorme de
minoration pour des fonctions 0, lintgrale
_
+
a
f (x) dx
diverge, donc en passant loppose, lintgrale
_
+
a
f (x) dx
diverge, contradiction.
On dduit : f
+
0.
Comme f est dcroissante et de limite nulle en +, il sensuit :
x [0 ; +[, f (x) 0.
b) tudions, pour x [0 ; +[, lintgrale
_
x
x/2
f (t) dt. Puisque
f est dcroissante, on a :
x
2
f (x)
_
x
x/2
f (t) dt.
Puisque f 0, on a : 0
x
2
f (x).
Puisque f 0 et que lintgrale
_
+
0
f converge, on a :
_
x
x/2
f (t) dt
_
+
x/2
f (t) dt.
On obtient : 0 x f (x) 2
_
+
x/2
f (t) t.
Puisque lintgrale
_
+
0
f converge, on a :
_
+
x/2
f
x +
0.
Par encadrement, il en rsulte : x f (x)
x +
0,
cest--dire : f (x) = o
x +
_
1
x
_
.
3.26 Pour tout P R[X], lapplication
f : [1 ; +[ R, x
x
2
+ 4x + 2 P(x)
x
On a :
x
2
+ 4x + 2
x +
x.
Si deg (P) 0, alors P est une constante, P = a R, donc
f (x)
x +
1, donc lintgrale
_
+
1
f (x) dx diverge.
Si deg (P) 2, alors P est de la forme
P : x a
n
x
n
+ + a
0
, o n N, n 2, a
n
0,
donc f (x)
x +
a
n
x
n1
. Comme lintgrale
_
+
1
x
n1
dx
diverge (grossirement) et que a
n
0, lintgrale
104
_
+
1
a
n
x
n1
dx diverge, puis, par thorme dquivalence
pour des fonctions de signe xe, lintgrale
_
+
1
f (x) dx di-
verge.
Supposons dornavant deg (P) = 1.
Il existe (a, b) R
2
tel que P = aX + b.
On a :
x [1 ; +[, f (x) =
x
2
+ 4x + 2 (ax + b)
x
=
_
1 +
4
x
+
2
x
2
a
b
x
.
Si a 1, alors f (x)
x +
1 a, et comme lintgrale
_
+
1
(1 a) dx diverge, par thorme dquivalence pour des
fonctions de signe xe, lintgrale
_
+
1
f (x) dx diverge.
Supposons dornavant a = 1. On a, par utilisation dune ex-
pression conjugue :
x [1 ; +[, f (x) =
(x
2
+ 4x + 2) (x + b)
2
x
_
x
2
+ 4x + 2 + x + b
_
=
(4 2b)x + (2 b
2
)
x
2
_
_
1 +
4
x
+
2
x
2
+ 1 +
b
x
_
.
Si 4 2b 0, alors f (x)
x +
4 2b
x
, et comme lint-
grale
_
+
1
1
x
dx diverge, par thorme dquivalence pour des
fonctions de signe xe, lintgrale
_
+
1
f (x) dx diverge.
Supposons dornavant 4 2b = 0, cest--dire b = 2.
On a, pour x [1 ; +[ :
f (x) =
2
x
2
_
_
1 +
4
x
+
2
x
2
+ 1 +
2
x
_

x +
2
2x
2
=
1
x
2
,
donc : f (x)
x +
1
x
2
0.
_
+
1
1
x
2
dx
converge.
_
+
1
f (x) dx converge.
_
+
1
f (x) dx
converge.
On conclut quil existe un polynme P et un seul convenant :
P = X+ 2.
3.27 Lapplication f : x e
sin x
x
1 est continue sur
]0 ; +[, donc lintgrale propose est impropre la borne 0
et la borne +.
tude en 0 :
On a
sin x
x

x 0
1, donc f (x)
x 0
e 1.
Puisque f admet une limite nie en 0, lintgrale
_
1
0
f (x) dx
converge (intgrale faussement impropre).
tude en +:
Utilisons des dveloppements limits lorsque x + , en
remarquant
sin x
x

x +
0 :
f (x) = e
sin x
x
1 =
sin x
x
+
1
2
sin
2
x
x
2
+ o
x +
_
1
x
2
_
.
1) Daprs lexercice 3.15, lintgrale
_
+
1
sin x
x
dx converge.
2) On a : x [1 ; +[, 0
sin
2
x
x
2

1
x
2
.
_
+
a
1
x
2
dx converge.
_
+
1
sin
2
x
x
2
dx converge.
3) Il existe a [1 ; +[ tel que :
x [a ; +[,
o
_
1
x
2
_

1
x
2
.
_
+
a
1
x
2
dx converge.
_
+
a
o
_
1
x
2
_

_
+
1
o
_
1
x
2
_
dx
converge.
Ainsi, lintgrale
_
+
1
o
_
1
x
2
_
donc convergente.
Par addition de trois intgrales convergentes, lintgrale
_
+
1
f (x) dx converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
105
_
1
0
f (x) dx et
_
+
1
f (x) dx
_
+
0
f (x) dx converge.
3.28
On a : x [0 ; /2[, cos x > 0,
donc : x ]0 ; /2[, x +
x cos x > 0.
Dautre part : x [/2 ; +[, cos x 1,
donc : x [/2 ; +[, x +
x cos x x

x > 0.
Ceci montre : x ]0 ; +[, x +
x cos x > 0.
Lapplication f : x
cos x
_
x +
x cos x
est donc continue sur
]0 ; +[ et lintgrale propose est impropre la borne 0 et
la borne +.
tude en +:
Utilisons des dveloppements limits lorsque x + , en
remarquant
cos x
x

x +
0 :
f (x) =
cos x
_
x +
x cos x
=
cos x
x
_
1 +
cos x
x
_
1/2
=
cos x
x
_
1
1
2
cos x
x
+
3
8
cos
2
x
x
2
+ o
_
1
x
2
__
=
cos x
x

1
2
cos
2
x
x
+
3
8
cos
3
x
x
3/2
+ o
_
1
x
3/2
_
.
Nous allons tudier la nature des intgrales de ces quatre
termes.
1) Daprs lexercice 3.15, lintgrale
_
+
1
cos x
x
dx converge.
2) On a : x [1 ; +[,
cos
2
x
x
=
1 cos 2x
x
=
1
2x

cos 2x
2x
.
Daprs lexercice 3.15, en utilisant le changement de variable
t = 2x, lintgrale
_
+
1
cos 2x
2x
dx converge.
Lintgrale
_
+
1
1
2x
dx diverge.
Par addition , lintgrale
_
+
1
cos
2
x
x
dx diverge.
3) On a : x [1 ; +[,
cos
3
x
x
3/2

1
x
3/2
.
_
+
1
1
x
3/2
dx converge.
_
+
1
cos
3
x
x
2
dx converge.
Ainsi, lintgrale
_
+
1
cos
3
x
x
3/2
donc convergente.
4) Il existe a [1 ; +[ tel que :
x [a ; +[,
o
_
1
x
3/2
_

1
x
3/2
.
_
+
a
1
x
3/2
dx converge.
_
+
a
o
_
1
x
3/2
_

_
+
1
o
_
1
x
3/2
_
dx
converge.
Ainsi, lintgrale
_
+
1
o
_
1
x
3/2
_
donc convergente.
Par addition de trois intgrales convergentes et dune intgrale
divergente, on dduit que lintgrale
_
+
1
f (x) dx diverge.
Puisque lintgrale
_
+
1
f (x) dx diverge, il est inutile dexa-
miner la nature de lintgrale lautre borne (0).
_
+
0
cos x
_
x +
x cos x
dx diverge.
3.29
1) Existence :
Lapplication f : ]0 ; +[ R, x
ln x
1 + x
2
est continue
sur ]0 ; +[, donc lintgrale propose est impropre la borne
0 et la borne +.
tude en 0 :
On a : x ]0 ; 1], f (x) 0
et :

x
_
f (x)
_
=
x ln x
1 + x
2

x 0
0,
Il existe donc a ]0 ; 1] tel que :
x ]0 ; a],
x
_
f (x)
_
1,
do : x ]0 ; a], 0 f (x)
1
x
.
106
_
a
0
1
x
dx converge.
Par thorme de majoration pour des fonctions 0 lintgrale
_
a
0
f (x) dx converge, puis, par passage la fonction oppo-
se, lintgrale
_
a
0
f (x) dx converge.
tude en +:
On a : f (x)
x +
ln x
x
2
.,,.
note g(x)
0.
et : x
3/2
g(x) =
ln x
x
1/2

x +
0,
Il existe donc b [1 ; +[ tel que :
x [b ; +[, x
3/2
g(x) 1,
do : x [b ; +[, 0 g(x)
1
x
3/2
.
_
+
b
1
x
3/2
dx converge.
_
+
b
g(x) dx converge.
grale
_
+
b
f (x) dx converge, donc lintgrale
_
+
1
f (x) dx
converge.
_
1
0
f (x) dx et
_
+
1
f (x) dx
_
+
0
f (x) dx converge.
2) Calcul :
On a, par le changement de variable
t =
1
x
, x =
1
t
, dx =
1
t
2
dt :
I =
_
+
0
ln x
1 + x
2
dx =
_
0
+
ln
1
t
1 +
1
t
2
_
1
t
2
_
dt
=
_
+
0
ln t
1 + t
2
dt = I,
do 2I = 0, et on conclut : I = 0.
3.30
a) Soit x ]0 ; +[.
Les applications t
e
t
t
et t
e
t
t
2
sont continues sur
[x ; +[.
On a : t [1 ; +[, 0
e
t
t
2

e
t
t
e
t
.
Lintgrale
_
+
1
e
t
dt converge, donc, par thorme de ma-
joration pour des fonctions 0, les intgrales
_
+
1
e
t
t
dt et
_
+
1
e
t
t
2
dt convergent, donc les intgrales
_
+
x
e
t
t
dt et
_
+
x
e
t
t
2
dt ce qui montre que I(x) et J(x) existent.
b) On a :
x ]0 ; +[, 0 J(x) =
_
+
x
e
t
t
2
dt
_
+
x
e
t
x
2
dt
=
1
x
2
_
+
x
e
t
dt =
1
x
2
[e
t
]
+
x
=
1
x
2
e
x
.
c) Soit x ]0 ; +[ x.
Soit X [x ; +[. Utilisons une intgration par parties, avec
_
_
u =
1
t
v
= e
t
_
_
u
=
1
t
2
v = e
t
1
sur le segment [x ; X] :
_
X
x
e
t
t
dt =
_
e
t
t
_
X
x

_
X
x
e
t
t
2
dt
=
e
X
X
+
e
x
x

_
X
x
e
t
t
2
dt.
En faisant tendre X vers +, on obtient :
_
+
x
e
t
t
dt =
e
x
x

_
+
x
e
t
t
2
dt,
cest--dire : I(x) =
e
x
x
J(x).
d) Daprs b), on a : x ]0 ; +[, 0
J(x)
e
x
x
1
x
,
donc :
J(x)
e
x
x
x +
0,
puis :
I(x)
e
x
x
= 1
J(x)
e
x
x
x +
1.
On conclut : I(x)
x +
e
x
x
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
107
e) On a, par le changement de variable t = u + x :
_
+
0
e
u
u + x
du =
_
+
x
e
xt
t
dt
= e
x
_
+
x
e
t
t
dt
x +
e
x
e
x
x
=
1
x
.
3.31
a) Soit (n, ) N
R. Lapplication f : t t
e
t
est conti-
nue sur [n ; +[ et 0.
On a : t
2
f (t) = t
2+
e
t
t +
0,
Il existe donc a [n ; +[ tel que : t [a ; +[, t
2
f (t) 1,
do : t [a ; +[, 0 f (t)
1
t
2
.
_
+
a
1
t
2
dt
converge. Par thorme de majoration pour des fonctions
0, lintgrale
_
+
a
f (t) dt converge, et nalement, lint-
grale
_
+
n
f (t) dt converge.
On conclut que, pour tout (n, ) N
R, u(n, ) existe.
b) Soit (n, ) N
R. Nous allons utiliser une intgration par

parties sur un segment, puis un passage la limite.
Soit T [n ; +[. On a, par intgration par parties avec
_
_
u = t
= e
t
_
_
u
= t
1
v = e
t
1
sur le segment [n ; T] :
_
T
n
t
e
t
dt =
_
t
(e
t
)
_
T
n

_
T
n
t
1
(e
t
) dt
= T
e
T
+ n
e
n
+
_
T
n
t
1
e
t
dt.
En faisant tendre T vers +et en utilisant la prpondrance de
lexponentielle sur les puissances, on obtient :
u
n
() = n
e
n
+ u
n
( 1).
c) Soit (n, ) N
R.
Dune part : u
n
( 1) 0.
Dautre part :
u
n
( 1) =
_
+
n
t
1
e
t
dt =
_
+
n
1
t
t
e
t
dt
_
+
n
1
n
t
e
t
dt =
1
n
u
n
().
On conclut : 0 u
n
( 1)
u
n
()
n
.
d) Daprs c) : u
n
( 1) = o
n
_
u
n
()
_
.
Puis, daprs b) :
n
e
n
= u
n
() u
n
( 1) = u
n
() + o
n
_
u
n
()
_

n
u
n
().
On conclut : u
n
()
n
n
e
n
.
3.32
a) Soit x ]0 ; +[.
Lapplication ]0 ; +[ R, t
1
4
t
4
+ t
3
est continue
sur ]0 ; x] et :
1
4
t
4
+ t
3
t 0
1
4
t
3
=
1
t
3/4
0.
_
x
0
1
t
3/4
dt converge. Par thorme de majoration pour des
_
x
0
1
4
t
4
+ t
3
dt converge, donc
f (x) =
_
x
0
1
4
t
4
+ t
3
dt existe.
Lapplication ]0 ; +[ R, t
1
4
t
4
+ t
3
1
t
est conti-
nue sur le segment [1 ; x] (si x 1), sur le segment [x ; 1] (si
0 < x 1), donc g(x) =
_
x
1
_
1
4
t
4
+ t
3
1
t
_
dt existe.
On a :
f (x) =
_
x
0
1
4
t
4
+ t
3
dt
=
_
1
0
1
4
t
4
+ t
3
dt
.,,.
= f (1)
+
_
x
1
1
4
t
4
+ t
3
dt
= f (1) +
_
x
1
1
t
dt +
_
x
1
_
1
4
t
4
+ t
3
1
t
_
dt
= f (1) + ln x + g(x).
b) Lapplication h : [1 ; +[ R, t
1
4
t
4
+ t
3
1
t
est
continue sur [1 ; +[. On a, au voisinage de +:
h(t) =
1
4
t
4
+ t
3
1
t
=
1
t
4
_
1 +
1
t
1
t
=
1
t
__
1 +
1
t
_
1/4
1
_
=
1
t
__
1
1
4
1
t
+ o
_
1
t
__
1
_
=
1
4t
2
+ o
_
1
t
2
_
,
108
donc : h(t)
t +
1
4t
2
.
_
+
1
1
t
2
fonctions 0, puis par passage la fonction oppose, lint-
grale
_
+
1
_
1
4
t
4
+ t
3
1
t
_
dt converge.
c) Notons I =
_
+
1
_
1
4
t
4
+ t
3
1
t
_
dt qui converge daprs b).
On a donc : g(x) =
_
x
1
_
1
4
t
4
+ t
3
1
t
_
dt
x +
I,
cest--dire : g(x) = I + o
x +
(1).
Daprs a), on a alors : f (x) = ln x +
_
f (1) + I + o(1)
_
et on conclut : f (x)
x +
ln x.
3.33
a) Soit n N
. Lapplication f
n
: x
nx
n
ln x
x
n
1
est continue
sur ]0 ; 1[, donc lintgrale propose est impropre aux deux
bornes.
tude en 0 :
On a : f
n
(x) =
nx
n1
x
n
1
x ln x
x 0
0,
par prpondrance des puissances sur le logarithme, donc
lintgrale
_
1/2
0
f
n
(x) dx converge (intgrale faussement im-
propre).
tude en 1 :
On a : f
n
(x) =
nx
n
ln x
(x 1)(x
n1
+ + 1)
=
nx
n
x
n1
+ + 1
ln x
x 1

x 1
n
n
1 = 1,
donc lintgrale
_
1
1/2
f
n
(x) dx converge (intgrale faussement
impropre).
_
1/2
0
f
n
(x) dx et
_
1
1/2
f
n
(x) dx
convergent, par dnition, lintgrale I
n
=
_
1
0
f
n
(x) dx existe.
b) Soit n N
. On a :
I
n
=
_
1
0
nx
n
ln x
x
n
1
dx
=
_
1
0
nx
n
(ln x)
1 x
n
dx
_
1
0
nx
n1
(ln x)
1 x
n
dx.
Eectuons, dans cette dernire intgrale, le changement de va-
riable y = x
n
, x = y
1
n
, dx =
1
n
y
1
n
1
dy
_
1
0
nx
n1
(ln x)
1 x
n
dx =
_
1
0
ln(y
1/n
)
y 1
dy
=
1
n
_
1
0
ln y
1 y
dy
.,,.
indpendant de n
n
0.
On conclut : lim
n
_
1
0
nx
n
ln x
x
n
1
dx = 0.
3.34
a) Soit x ]0 ; +[.
Lapplication u
x
: [0 ; +[ R, t
t
1 + x e
t
est conti-
nue sur [0 ; +[ (le dnominateur ne sannule pas), donc lin-
tgrale propose est impropre la borne +.
De plus : u
x
0.
On a : t
2
u
x
(t) =
t
3
1 + x e
t

t +
0,
par prpondrance de lexponentielle sur la puissance.
Il existe donc a ]0 ; +[ tel que :
t [a ; +[, 0 t
2
u
x
(t) 1,
do : t [a ; +[, 0 u
x
(t)
1
t
2
.
_
+
a
1
t
2
dt converge. Par thorme de majoration pour des
_
+
a
u
x
(t) dt converge, donc lin-
tgrale propose converge.
On conclut : pour tout x ]0 ; +[, f (x) existe.
b) Soient x, y ]0 ; +[ tels que x < y.
Lapplication
D : [0 ; +[ R, T
_
T
0
t
1 + x e
t
dt
_
T
0
t
1 + y e
t
dt
est de classe C
1
sur [0 ; +[ et, pour tout T [0 ; +[ :
D
(T) =
T
1 + x e
T

T
1 + y e
T
_
_
> 0 si T > 0
= 0 si T = 0.
Il en rsulte que D est strictement croissante sur [0 ; +[.
Comme D(0) = 0, et que D(T)
T +
f (x) f (y),
on dduit : f (x) f (y) > 0.
On conclut : f est strictement dcroissante sur ]0 ; +[.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
109
c) On a, pour x ]0 ; 1] :
f (x) =
_
+
0
t
1 + x e
t
dt
_
ln x
0
t
1 + x e
t
.,,.
1
dt
_
ln x
0
t
2
dt =
_
t
2
4
_
ln x
0
=
(ln x)
2
4

x 0
+,
donc : f (x)
x 0
+.
0 f (x) =
_
+
0
t
1 + x e
t
dt
_
+
0
t
x e
t
dt
=
1
x
_
+
0
t e
t
dt
.,,.
constante
x +
0,
donc, par encadrement : f (x)
x +
0.
d) Soit x ]0 ; +[ x.
Par le changement de variable
u = x e
t
, t = ln
u
x
, dt =
1
u
du,
on a :
f (x) =
_
+
0
t
1 + x e
t
dt =
_
+
x
ln
u
x
1 + u
1
u
du
=
_
+
x
ln u
u(1 + u)
du ln x
_
+
x
1
u(1 + u)
du.
On remarque : u ]0 ; +[,
1
u(1 + u)
=
1
u

1
1 + u
,
do, pour U x :
_
U
x
1
u(1 + u)
du =
_
U
x
_
1
u

1
1 + u
_
du =
_
ln u ln(1 + u)
_
U
x
= ln
U
1 + U
ln
x
1 + x

U +
ln
x
1 + x
.
On dduit :
f (x) = (ln x)
_
ln x ln(1 + x)
_
+
_
+
x
ln u
u(1 + u)
du.
e) 1) Puisque lapplication u
ln u
u(1 + u)
est continue
sur ]0 ; +[ et que lintgrale
_
+
1
ln u
u(1 + u)
du converge,
lapplication f est de classe C
1
sur ]0 ; +[ et on a, pour tout
x ]0 ; +[ :
f

(x) =
1
x
_
ln x ln(1 + x)
_
+ ln x
_
1
x

1
1 + x
_
ln x
x(1 + x)
=
1
x
_
ln x ln(1 + x)
_
.
e) 2) Daprs 1), on a : x ]0 ; +[, f

(x) < 0,
donc f est strictement dcroissante sur ]0 ; +[, et on retrouve
le rsultat de b).
e) 3) Daprs 1), f est de classe C
2
sur ]0 ; +[ et, pour
tout x ]0 ; +[ :
f

(x) =
1
x
2
_
ln x ln(1 + x)
_
+
1
x
_
1
x

1
1 + x
_
=
1
x
2
_
ln x ln(1 + x)
_
+
1
x
2
(1 + x)
=
1
x
2
_
ln x + ln(1 + x) +
1
1 + x
.,,.
not A(x)
_
.
Par oprations, lapplication A est de classe C
1
sur ]0 ; +[ et,
pour tout x ]0 ; +[ :
A
(x) =
1
x
+
1
1 + x

1
(1 + x)
2
=
2x + 1
x(1 + x)
2
< 0.
Il en rsulte que A est dcroissante sur ]0 ; +[.
Comme A(x) = ln
x
1 + x
+
1
x
2
(1 + x)

x +
0,
on a donc : x ]0 ; +[, A(x) > 0,
puis : x ]0 ; +[, f

(x) 0.
On conclut : f est convexe.
f) x 0 +
f

(x)
+
f (x)
0
3.35
a) Soient n N
, t ]0 ; +[. Notons
S =
n1
k=0
t
k
= 1 + t + + t
n1
.
110
On a aussi, en lisant la somme dans lautre sens (cest--dire
par le changement dindice = n 1 k) :
S = t
n1
+ + t + 1.
do, en additionnant :
2S = (1 + t
n1
) + (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 : t
k
+ t
n1k
2t
k
2
t
n1k
2
= 2t
n1
2
.
Do : 2S n2t
n1
2
,
puis : S n t
n1
2
, ce qui est lingalit voulue.
b) 1) Soit n N
.
Lapplication f
n
: [0 ; 1[ R, x
1 x
1
n
1 x
est continue
sur [0 ; 1[ et, en utilisant une identit remarquable, on a, pour
tout x [0 ; 1[ :
1 x
1
n
1 x
=
1 x
1
n
1
_
x
1
n
_
n
=
1
1 + x
1
n
+ x
2
n
+ + x
n1
n
,
do : f
n
(x)
x 1
1
n
.
Il en rsulte que lintgrale
_
1
0
f
n
(x) dx converge (intgrale
faussement impropre), donc I
n
existe.
b) 2) Daprs a), on a, pour tout n N
:
0 I
n
=
_
1
0
1
n1
k=0
_
x
1
n
_
k
dx
_
1
0
1
n
_
x
1
n
_ n1
2
dx
=
1
n
_
x
n1
2n
+1
n 1
2n
+ 1
_
1
0
=
2
3n 1
,
et on conclut : I
n

n
0.
3.36
1) Existence :
Lapplication f : x
sin
2
x
x
2
est continue sur ]0 ; +[, donc
lintgrale propose est impropre aux deux bornes.
tude en 0 :
On a : f (x) =
_
sin x
x
_
2
x 0
1.
Puisque f admet une limite nie en 0, lintgrale
_
1
0
f (x) dx
converge (intgrale faussement impropre).
tude en +:
On a : x [1 ; +[, 0 f (x) =
sin
2
x
x
2

1
x
2
.
_
+
1
1
x
2
dx converge.
Par le thorme de majoration pour des fonctions 0, lint-
grale
_
+
1
f (x) dx converge.
_
1
0
f (x) dx et
_
+
1
f (x) dx
_
+
0
f (x) dx converge.
2) Calcul :
Soit (, X) R
2
tel que 0 < X.
On a, par intgration par parties, avec
_
_
u = sin
2
x
v
=
1
x
2
_
_
u
= 2 sin x cos x
v =
1
x
1
_
X
sin
2
x
x
2
dx =
_
sin
2
x
x
_
X
+
_
X
2 sin x cos x
x
dx.
Dune part :
sin
2
X
X

X +
0, car
sin
2
X
X

1
X
,
et
sin
2
=
sin
sin
0
0.
Dautre part, daprs 1) :
_
X
sin
2
x
x
2
dx
X +, 0
_
+
0
sin
2
x
x
2
dx = I.
Puisque
_
X
2 sin x cos x
x
dx =
_
X
sin
2
x
x
2
dx +
sin
2
X
X

sin
2
,
il en rsulte que lintgrale
_
+
0
2 sin x cos x
x
dx converge et
que :
_
+
0
2 sin x cos x
x
dx =
_
+
0
sin
2
x
x
2
dx = I.
On a, par le changement de variable t = 2x :
_
+
0
2 sin x cos x
x
dx =
_
+
0
sin 2x
x
dx =
_
+
0
sin t
t
dt =
2
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
111
On conclut :
_
+
0
sin
2
x
x
2
dx =
2
.
Remarque : On a donc :
_
+
0
_
sin x
x
_
2
dx =
_
+
0
sin x
x
dx.
3.37
a) On a : x [0 ; +[, f

(x) = f

(0) +
_
x
0
f

(t) dt.
Comme lintgrale
_
+
0
f

converge (car elle est suppose
absolument convergente) , il en rsulte :
f

(x)
x +
f

(0) +
_
+
0
f

(t) dt.
Ceci montre que f

admet une limite nie en +. Pour mon-
trer = 0, raisonnons par labsurde : supposons 0.
1
er
cas : > 0
Puisque f

(t)
t +
> 0, il existe a [0 ; +[ tel que :
t [a ; +[, f

(t)

2
.
On a alors, pour tout x [a ; +[ :
f (x) = f (a) +
_
x
a
f

(t) dt f (a) + (x a)
2

x +
+.
Il existe donc b [a ; +[ tel que : x [b
;
+ [, f (x) 1.
Comme lintgrale
_
+
1
1 dt diverge, par thorme de mino-
ration pour des fonctions 0, lintgrale
_
+
b
f (t) dt diverge,
puis lintgrale
_
+
0
f (t) dt diverge, contradiction car, par hy-
pothse, lintgrale
_
+
0
f (t) dt est absolument convergente,
donc convergente.
2
e
cas : < 0
On applique le rsultat du 1er cas f et on obtient une contra-
diction.
Ce raisonnement par labsurde montre = 0 et on conclut :
f

+
0.
b) Puisque f

+
0, il existe c [0 ; +[ tel que :
x [c ; +[, f

(x) 1.
On a alors : x [c ; +[, f f

(x) = f (x) f

(x) f (x).
Comme lintgrale
_
+
c
f converge, par thorme de majo-
ration pour des fonctions 0, lintgrale
_
+
c
f f

converge,
puis lintgrale
_
+
0
f f

converge.
c) On a, pour x [0 ; +[ :
_
f (x)
_
2
=
_
f (0)
_
2
+
_
x
0
( f
2
)
(t) dt
=
_
f (0)
_
2
+ 2
_
x
0
f (t) f

(t) dt
x +
_
f (0)
_
2
+ 2
_
+
0
f (t) f

(t) dt,
car lintgrale
_
+
0
f f

est convergente, puisquelle est abso-
lument convergente, daprs b).
Ceci montre que f
2
admet une limite nie L en +. Il en r-
sulte que f admet la limite nie

L en +.
Par un raisonnement par labsurde, comme en a), on montre
L = 0 , et on conclut : f
+
0.
3.38 Soit b ]a ; +[.
Notons c = b a > 0, donc a = b + c.
Remarquons : t [0 ; +[, e
bt
f (t) = e
ct
_
e
at
f (t)
_
.
Considrons lapplication
g : [0 ; +[ R, t e
at
f (t)
et notons G : [0 ; +[ R, t
_
t
0
g(s) ds.
Soit T [0 ; +[.
Exprimons
_
T
0
e
ct
g(t) dt laide dune intgration par par-
ties, avec
_
_
u = e
ct
v
= g(t)
_
_
u
= c e
ct
v = G(t)
1
sur le segment [0 ; T] :
_
T
0
e
ct
g(t) dt =
_
e
ct
G(t)
_
T
0

_
T
0
c e
ct
G(t) dt
= e
cT
G(T) + c
_
T
0
e
ct
G(t) dt.
Puisque lintgrale
_
+
0
g(t) dt (qui est
_
+
0
e
at
f (t) dt )
converge, par dnition, G(T) admet une limite nie lorsque
T tend vers +. Comme c > 0, il en rsulte :
e
cT
G(T)
T +
0.
112
Dautre part, puisque G admet une limite nie en +,
G est borne au voisinage de +, cest--dire quil existe
[0 ; +[ et M R
+
tels que :
t [; +[, G(t) M.
Ainsi : t [; +[, e
ct
G(t) M e
ct
.
Comme c > 0, lintgrale
_
+
e
ct
dt converge, donc lin-
tgrale
_
+
M e
ct
dt converge. Par thorme de majora-
tion pour des fonctions 0, lintgrale
_
+
e
ct
G(t) dt
converge. Ainsi, lintgrale
_
+
e
ct
G(t) dt est absolument
convergente, donc convergente. Il en rsulte que lintgrale
_
+
0
e
ct
G(t) dt converge.
Notons J =
_
+
0
e
ct
G(t) dt.
On a alors :
_
T
0
e
ct
g(t) dt
T +
0 + cJ.
_
+
0
e
ct
G(t) dt converge, cest-
-dire que lintgrale
_
+
0
e
bt
f (t) dt converge.
3.39
a) Voir la solution de lexercice 3.37 a).
b) Nous allons eectuer deux intgrations par parties succes-
sives. On a, avec
_
_
u =
2 x
x
2
2
v
= f

(x)
_
_
u
2 x
v = f

(x)
1
sur le segment [0 ;

2] :
_

2
0
_
2 x
x
2
2
_
f

(x) dx
=
__
2 x
x
2
2
_
f

(x)
_
2
0

_

2
0
(
2 x) f

(x) dx
= f

(
2)
_

2
0
(
2 x) f

(x) dx.
On a, avec
_
_
u =
2 x
v
= f

(x)
_
_
u
= 1
v = f (x)
1
sur el segment [0 ;

2] :
_

2
0
(
2 x) f

(x) dx =
_
(
2 x) f (x)
_
2
0
+
_

2
0
f (x) dx
=
2 f (0) +
_

2
0
f (x) dx.
On obtient :
_

2
0
_
2 x
x
2
2
_
f

(x) dx = f

(
2) +
2 f (0)
_

2
0
f (x) dx.
c) On a donc :
2 f (0) =
_

2
0
_
2 x
x
2
)
2
_
f

(x) dx f

(
2) +
_

2
0
f (x) dx.
Mais, comme f

(x)
x +
0, on a :
_
+
2
f

(x) dx =
_
f

(x)
_
+
2
= f

(
2).
Do :
2 f (0) =
_

2
0
_
2 x
x
2
2
_
f

(x) dx +
_
+
2
f

(x) dx +
_

2
0
f (x) dx.
Puis, par lingalit triangulaire :
2 f (0)
_

2
0
2 x
x
2
2
f

(x) dx +
_
+
2
f

(x) dx +
_

2
0
f (x) dx.
d) Ltude des variations de lapplication
: [0 ;
2] R, x
2 x
x
2
2
montre : x [0 ;
2], 0 (x) 1.
Do :
2 f (0)
_

2
0
f

(x) dx +
_
+
2
f

(x) dx +
_

2
0
f (x) dx
=
_
+
0
f

(x) dx +
_

2
0
f (x) dx
_
+
0
f

(x) dx +
_
+
0
f (x) dx.
3.40
a) Soit x ]0 ; +[.
Lapplication t
_
t
1 + t
2

1
x + t
_
(t)
est continue sur [0 ; +[ et, pour tout t [0 ; +[ :
_
t
1 + t
2

1
x + t
_
(t)
.,,.
0
tx 1
(1 + t
2
)(x + t)
(t)
tx + 1
x + t
(t)
1 + t
2
=
_
tx
x + t
.,,.
x
+
1
x + t
.,,.
1/x
_
(t)
1 + t
2

_
x +
1
x
_
(t)
1 + t
2
.
Comme lintgrale
_
+
0
(t)
1 + t
2
dt converge, par tho-
rme de majoration pour des fonctions 0, lint-
grale
_
+
0
_
t
1 + t
2

1
x + t
_
(t) dt converge absolument donc
converge.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
113
b) Soit R.
Lapplication
: t
t
1 + t
2
est continue sur ]0 ; +[ et
valeurs 0.
On a, en 0 :
(t)
t 0
t
.
_
1
0
t
dt
converge si et seulement si > 1. Par thorme dquivalence
pour des fonctions 0, lintgrale
_
1
0
t
1 + t
2
dt converge si et
seulement si > 1.
On a, en +:
(t)
t +
1
t
2
.
_
+
1
1
t
2
dt converge si et seulement si 2 > 1, cest--dire
< 1. Par thorme dquivalence pour des fonctions 0,
lintgrale
_
+
1
(t) dt converge si et seulement si < 1.

Par dnition, lintgrale
_
+
0
t
1 + t
2
dt converge si et seule-
ment si les deux intgrales
_
1
0
t
1 + t
2
dt et
_
+
1
t
1 + t
2
dt
convergent. On conclut que lintgrale
_
+
0
t
1 + t
2
dt
converge si et seulement si 1 < < 1.
Finalement : E =] 1 ; 1[.
Lapplication
f
: ]0 ; +[ R, x
_
+
0
_
t
1 + t
2

1
x + t
_
t
dt
est donc correctement dnie, pour tout ] 1 ; 1[.
c) On a 0 E et, pour tout x ]0 ; +[ :
f
0
(x) =
_
+
0
_
t
1 + t
2

1
x + t
_
dt
=
_
1
2
ln(1 + t
2
) ln(x + t)
_
+
0
=
_
1
2
ln
1 + t
2
(x + t)
2
_
+
0
= 0
1
2
ln
1
x
2
= ln x.
d) On suppose ici ] 1 ; 0[.
d) 1) Soit x ]0 ; +[.
Lapplication t
t
x + t
est continue sur ]0 ; +[.
En 0 :
t
x + t

t 0
1
x
t
.
Daprs lexemple de Riemann en 0, comme > 1, lin-
tgrale
_
1
0
t
dt converge, donc, par thorme dquivalence

pour des fonctions 0, lintgrale
_
1
0
t
x + t
dt converge.
En +:
t
x + t

t +
t
1
.
Daprs lexemple de Riemann en +(1 < 1), lintgrale
_
+
1
t
1
dt converge, donc, par thorme dquivalence pour
des fonctions 0, lintgrale
_
+
1
t
x + t
dt converge.
_
1
0
t
x + t
dt et
_
+
1
t
x + t
dt
_
+
0
t
x + t
dt converge.
Par le changement de variable
u =
t
x
, t = xu, dt = x du,
on a :
_
+
0
t
x + t
dt =
_
+
0
(ux)
x(1 + u)
x du = x
_
+
0
u
1 + u
du,
et
_
+
0
u
1 + u
du est un rel ne dpendant que de , et donc
indpendant de x.
d) 2) Soit x ]0 ; +[.
Puisque les intgrales
_
+
0
_
t
1 + t
2
t
1
x + t
t
_
dt et
_
+
0
t
x + t
dt convergent, par dirence, lintgrale
_
+
0
t
+1
1 + t
2
dt converge, et on a :
f
(x) =
_
+
0
t
+1
1 + t
2
dt
.,,.
note d
_
+
0
t
x + t
dt = d + x
_
+
0
u
1 + u
du
.,,.
note c
.
Il existe donc deux rels c, d, indpendants de x (mais dpen-
dant a priori de ) tels que :
x ]0 ; +[, f
(x) = cx
+ d.
Montrons c < 0, cest--dire c > 0.
1
re
mthode : utilisation dun thorme gnral sur les int-
grales :
Lapplication F : X
_
X
0
t
+1
1 + t
2
dt
est de classe C
1
sur [0 ; +[ et on a :
X [0 ; +[, F
(X) =
X
+1
1 + X
2
> 0,
donc F est strictement croissante.
114
De plus : F(0) = 0.
Il en rsulte F(1) > 0, puis c = lim
X +
F(X) F(1) > 0.
2
e
mthode : utilisation dune bonne minoration :
On a :
c =
_
+
0
t
+1
1 + t
2
.,,.
0
dt
_
+
1
t
+1
1 + t
2
dt
_
+
1
t
+1
2t
2
dt
=
1
2
_
+
1
t
1
dt =
1
2
_
t
_
+
1
=
1
2
_
_
=
1
2
> 0.
e) On suppose ici ]0 ; 1[.
e) 1) Soit (x, h) R
2
tel que : x > 0, x + h > 0, h 0.
On a :
f
(x + h) f
(x)
h
=
1
h
_
_
+
0
_
t
1 + t
2

1
x + h + t
_
t
dt
_
+
0
_
t
1 + t
2

1
x + t
_
t
dt
_
=
1
h
_
+
0
_
1
x + t

1
x + h + t
_
t
dt =
_
+
0
t
(x + t)(x + h + t)
dt.
e) 2) On a, avec les mmes hypothses quen 1) et en suppo-
sant de plus h >
x
2
:
_
+
0
t
(x + t)(x + h + t)
dt
_
+
0
t
(x + t)
2
dt
_
+
0
t
x + t
_
1
x + h + t

1
x + t
_
dt
_
+
0
ht
(x + t)
2
(x + h + t)
dt
h
_
+
0
t
(x + t)
_
x
2
+ t
_
dt
.,,.
indpendant de h
h 0
0.
Il en rsulte, daprs 1) :
f
(x + h) f
(x)
h

h 0
_
+
0
t
(x + t)
2
dt.
Ceci montre que f
est drivable sur ]0 ; +[ et que :

x ]0 ; +[, f

(x) =
_
+
0
t
(x + t)
2
dt.
e) 3) Par le changement de variable u =
t
x
, t = xu, dt = x du,
on a, comme en d)1) :
x ]0 ; +[, f

(x) =
_
+
0
(xu)
x
2
(1 + u)
x du
= x
1
_
+
0
u
(1 + u)
2
du = x
1
f

(1).
On conclut : x ]0 ; +[, f

(x) = f

(1)x
1
.
e) 4) Par intgration partir du rsultat prcdent, il existe un
rel d indpendant de x (mais dpendant a priori de ) tel que :
x ]0 ; +[, f
(x) = f

(1)
x
+ d.
En notant c =
f

(1)
, qui est indpendant de x, on conclut :

x ]0 ; +[, f
(x) = cx
+ d.
De plus : c =
1
_
+
0
u
(1 + u)
2
du > 0,
par un raisonnement analogue celui du corrig de d) 2).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
115
Fonctions numriques
de plusieurs variables
relles
CHAPITRE
4
4
Plan
Obtention du dveloppement limit dordre 1 ou dordre 2 en un point pour une
fonction relle de plusieurs variables relles
Dtermination des extremums locaux dune fonction relle de plusieurs va-
riables relles
Dtermination des extremums globaux dune fonction relle de plusieurs va-
riables relles
Dtermination dextremums sous contrainte dgalits linaires.
Thormes du cours donnant le dveloppement limit dordre 1 en un point pour
une fonction relle de classe C
1
sur un ouvert de R
n
Thormes du cours donnant le dveloppement limit dordre 2 en un point pour
une fonction relle de classe C
2
sur un ouvert de R
n
Notation de Monge pour les drives partielles premires ou les drives par-
tielles secondes dune fonction relle de classe C
1
ou de classe C
2
sur un ouvert
de R
2
Thorme de Schwarz
Dnition de point critique pour une fonction relle de classe C
1
sur un ouvert
de R
n
Condition ncessaire dextremumlocal pour une fonction relle de classe C
1
sur
un ouvert de R
n
Rsultat relatif lexistence dun extremum pour une fonction relle de
classe C
2
sur un ouvert de R
2
, en un point critique en lequel rt s
2
0.
Formes quadratiques positives, formes quadratiques dnies-positives, lien avec
les valeurs propres dune matrice symtrique
Matrice hessienne, lien avec les extremums
Egalit de Taylor-Lagrange
Condition ncessaire dextremum local sous contrainte dgalits linaires pour
une application de classe C
1
sur un ouvert.
116
Les mthodes retenir
Les mthodes retenir
Pour former
le dveloppement limit
dordre 1 en un point
pour une fonction
de deux variables relles
Appliquer le thorme du cours :
si f : U R est de classe C
1
sur un ouvert U de R
2
, alors f admet
un dveloppement limit dordre 1 en tout point (a, b) de U, et on a,
pour tout (h, k) au voisinage de (0, 0) :
f (a + h, b + k)
= f (a, b) + h
f
x
(a, b) + k
f
y
(a, b) + o
(h,k) (0,0)
(
h
2
+ k
2
).
Exercice 4.1.
Pour former
le dveloppement limit
dordre 2 en un point
pour une fonction
de deux variables relles
Appliquer le thorme du cours :
si f : U R est de classe C
2
2
, 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)
= f (a, b) + p h + q k +
1
2
(r h
2
+ 2s hk + t k
2
) + o
(h,k) (0,0)
(h
2
+ k
2
),
avec les notations de Monge :
p =
f
x
(A), q =
f
y
(A), r =
2
f
x
2
(A), s =
2
f
xy
(A), t =
2
f
y
2
(A).
Exercice 4.2.
Pour dterminer
les extremums locaux
dune application f : U R
de classe C
2
2
Dabord, sassurer que U est un ouvert de R
2
et que f : U R est
de classe C
2
sur U.
Dterminer les points critiques de f , cest--dire les points (x, y) de U
tels que :
f
x
(x, y) = 0 et
f
y
(x, y) = 0.
Daprs le cours, si f : U R est de classe C
1
sur louvert U de R
2
et si f admet un extremum local en un point A de U, alors ncessaire-
ment A est un point critique de f .
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
x
2
(A), s =
2
f
xy
(A), t =
2
f
y
2
(A).
Calculer rt s
2
.
Si rt s
2
> 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 s
2
< 0, alors f nadmet pas dextremum local en A.
Exercices 4.3 4.5, 4.11, 4.14, 4.17, 4.20, 4.24.
Dans le cas o rt s
2
= 0, voir la mthode suivante.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
117
Chapitre 4 Fonctions numriques de plusieurs variables relles
Pour dcider
si une application f : U R
de classe C
2
2
admet un extremum local
en un point critique A = (a, b)
en lequel rt s
2
= 0,
avec les notations de Monge
Si on conjecture que f admet un extremumlocal en A = (a, b), reve-
nir la dnition, cest--dire former la dirence f (x, y) f (a, b)
et montrer que cette expression reste de signe xe 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 xe lorsque (h, k) est au voisinage de (0, 0).
Exercice 4.15
Si on conjecture que f nadmet pas dextremum local en A, former,
pour (h, k) au voisinage de (0, 0), (h, k) = f (a+h, b+k) f (a, b), et
essayer de montrer, par exemple, que lune des expressions suivantes
nest pas de signe xe lorsque h est au voisinage de 0 :
(h, 0), (0, h), (h, h), ...
Exercice 4.7.
Pour dterminer
dune application f : U R
de classe C
2
n
,
o n 3
Dabord, sassurer que U est un ouvert de R
n
et que f est de classe C
2
sur U.
Dterminer les points critiques de f , cest--dire les points A de U tels
que : i 1 ; n,
f
x
i
(A) = 0.
1
sur U et si f admet
un extremum local en un point A de U, alors ncessairement A est un
point critique de f .
Exercices 4.9, 4.16, 4.18.
Ensuite, calculer les drives partielles secondes de f en tout point
de U, puis en un point critique A.
Former la hessienne S de f en A, cest--dire la matrice carre
dordre n dont le coecient situ la i-me ligne et la j-me co-
lonne est

2
f
x
i
x
j
(A), pour tout (i, j) 1 ; n
2
.
Daprs le thorme de Schwarz, S est une matrice symtrique.
Daprs le cours :
si S est dnie-positive, alors f admet un minimum local en A
si S est dnie-ngative (cest--dire si S est dnie-positive),
alors f admet un maximum local en A
si S nest ni positive ni ngative, alors f nadmet pas dextremum
local en A.
Pour tudier ces qualits de S , essayer de :
dterminer le signe de
t
HS H pour tout H M
n,1
(R)
Exercices 4.9, 4.16, 4.18
dterminer le signe des valeurs propres de S .
Exercices 4.9, 4.16.
118
Les mthodes retenir
Pour montrer
quune fonction f : X R
nest pas majore,
nest pas minore
Essayer de montrer quune fonction dune variable relle, donne par
une formule du genre f (x, 0), f (0, x), f (x, x), f (x, x
2
), ... nest pas
majore, nest pas minore.
Exercice 4.8.
Pour dterminer
les extremums globaux
dune application f : X R,
o X est une partie de R
2
Essayer de trouver un rel x m tel que :
_
_
(x, y) X, f (x, y) m
(a, b) X, f (a, b) = m.
Alors f admettra m pour minimum global.
Essayer de trouver un rel x M tel que :
_
_
(x, y) X, f (x, y) M
(a, b) X, f (a, b) = M.
Alors f admettra M pour maximum global.
Exercice 4.6
Si on a dj dtermin les extremums locaux de f , alors un point en
lequel f admet un extremum global est ncessairement un point en
lequel f admet un extremum local.
Exercice 4.20
Essayer dutiliser lgalit de Taylor-Lagrange.
Essayer dtudier les variations de fonctions.
Considrer, pour y x (par exemple), la fonction g
y
: x f (x, y),
tudier les variations de g
y
, puis tudier les variations dune fonction
donnant un ventuel extremum de g
y
.
Exercices 4.8
Si X nest pas un ouvert de R
n
, tudier f sur lintrieur de U (cet
intrieur est un ouvert de R
n
) et tudier f sur le bord de U.
Exercice 4.21
En vue de montrer lexistence dun extremum global, essayer de se
ramener une partie ferme borne et utiliser le thorme du cours :
si X est une partie ferme borne non vide de R
2
et si f : X R
est continue, alors f est borne et atteint ses bornes, cest--dire que
f admet un minimum global et un maximum global.
Exercice 4.20.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
119
Pour tudier
dune fonction f : U R
sous la contrainte
dgalits linaires
C
g
1
(X) = b
1
.
.
.
g
p
(X) = b
p
Dabord, sassurer que f : U R est de classe C
1
sur louvert U
de R
n
et que les contraintes g
1
, ..., g
p
: R
n
R sont linaires.
1
sur louvert U et si la
restriction f
C
de f C admet un extremumlocal en un point A de C,
alors f
A
est orthogonal H , o H est lensemble des solutions du
systme homogne
_
_
g
1
(X) = 0
.
.
.
g
p
(X) = 0
associ C.
Exercices 4.12, 4.13, 4.22
Ensuite, pour tudier localement le signe de f (X) f (A) sur C, essayer
de :
utiliser des mises sous forme canonique de trinmes
Exercice 4.13
faire intervenir la forme quadratique q
B
pour tout B U.
Exercice 4.22
Dans certains cas simples, on peut exprimer certaines des variables
x
1
, ..., x
n
en fonction dautres par la contrainte C et se ramener la
recherche dextremums dune fonction de plusieurs variables relles.
Exercices 4.12, 4.13, 4.22.
noncs des exercices
4.1 Exemple de calcul du dveloppement limit dordre 1 en un point pour une fonction de
deux variables relles
Former le dveloppement limit dordre 1, au point A = (1, 1), de :
f : R
2
R, (x, y) (2x 3y) ln(1 + x
2
+ 2y
2
).
4.2 Exemple de calcul du dveloppement limit dordre 2 en un point pour une fonction de
Former le dveloppement limit dordre 2, au point A = (1, 1), de
f : R
2
R, (x, y) xy
2
e
x
2
y
.
4.3 Exemples de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux des applications f : R
2
R suivantes, o on donne limage
f (x, y) dun lment (x, y) quelconque de R
2
:
a) f (x, y) = 2x + 2y
2
3y + 1 b) f (x, y) = x
2
xy + y
2
c) f (x, y) = x
2
3xy + 2y
2
d) f (x, y) = x
2
4xy + 4y
2
.
120
noncs des exercices
4.4 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
On note f : R
2
R, (x, y) 2x
2
2xy + 2y
2
+ 2x 7y + 7.
tudier les extremums locaux de f .
4.5 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux de :
f : ] 1 ; 1[] ; [ R, (x, y) x
2
+
1 x
2
cos y.
4.6 Exemple dtude de minimum global pour une fonction de deux variables relles
On note f : ]0 ; +[
2
R, (x, y)
(x + y)
2
xy
.
a) Montrer : (x, y) ]0 ; +[
2
, f (x, y) 4.
b) En dduire que f admet un minimum global, prciser sa valeur et prciser les points en
lesquels il est atteint.
c) Montrer : (x, y) ]0 ; +[
2
, 2 ln(x + y) ln x ln y 2 ln 2.
4.7 Exemple dtude en un point critique tel que rt s
2
= 0
On note f : R
2
R, (x, y) x
4
+ y
4
(x y)
2
.
a) Montrer que (0, 0) est un point critique de f .
b) Est-ce que f admet un extremum local en (0, 0) ?
4.8 Exemple dtude dextremum global par variations de fonctions
On note f : R
2
R, (x, y) x
4
+ y
4
4xy.
a) Montrer que f nadmet pas de maximum global.
b) On se propose de montrer que f admet un minimum global.
1) En considrant f (x, y), montrer que lon peut se ramener au cas o y 0.
2) tudier, pour y [0 ; +[ x, les variations de g
y
: R R, x f (x, y), montrer que
g
y
admet un minimum global not m(y), et calculer m(y) en fonction de y.
3) tudier les variations de la fonction m.
4) Conclure.
4.9 Exemples dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2006
On note U = R R] 1 ; +[ et :
f : U R, (x, y, z) x ln(1 + z) + (y 1)
2
(z 1) + 2z.
a) Justier 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) Justier 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.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
121
2) En notant X
2
=
_
_
0
1
0
_
_
et X
3
=
_
_
0
0
1
_
_
, calculer
t
X
2
HX
2
et
t
X
3
HX
3
.
3) Est-ce que f admet un extremum local ?
4.10 Valeur minimale de la somme de deux aires de rectangles
Soit ABC un triangle isocle du plan, tel que CA = CB. Soient F [BC], G [AC] tels
que (FG) soit parallle (AB), J [CF], K [CG] tels que (JK) soit parallle (AB). On
note D (resp. E) le projet orthogonal de G (resp. F) sur (AB), et on note H (resp. I) le projet
orthogonal de K (resp. J) sur (FG).
Dterminer, en fonction de laire du triangle ABC, la valeur maximale de la somme S des
aires des deux rectangles DEFG et HI JK.
4.11 Recherche dextremums locaux pour une fonction de deux variables relles faisant inter-
venir des intgrales sur un intervalle quelconque, daprs EML 2006
On note F : R
2
R, (x, y)
1
_
+
(t x)
2
(t y)
2
e
t
2
dt.
a) Montrer que, pour tout (x, y) R
2
, F(x, y) existe et que :
F(x, y) =
3
4
+
1
2
(x
2
+ 4xy + y
2
) + x
2
y
2
.
On admettra :
_
+
e
t
2
dt =
.
b) Justier que F est de classe C
2
sur R
2
, calculer les drives partielles premires de F en tout
point (x, y) de R
2
, et en dduire les trois points critiques de F.
c) Dterminer les points de R
2
en lesquels F admet un extremum local. Pour chacun deux,
prciser sil sagit dun minimum local ou dun maximum local, et prciser la valeur de F en
chacun de ces points.
4.12 Exemple de recherche dextremum global sous contrainte dgalit linaire
On note f : R
3
R, (x, y, z) x
2
2xy + 2xz + 5y
2
6yz + 5z
2
2x 2y 6z 7
et : g : R
3
R, (x, y, z) x + 2y + z.
Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 4.
4.13 Exemple de recherche dextremum global sous contrainte dgalit linaire
On note f : R
3
R, (x, y, z) x
2
+ y
2
+ z
2
, g : R
3
R, (x, y, z) x + y + z.
Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 3.
122
noncs des exercices
4.14 Exemple dtude dextremum local
On note f : R R, x x ln(1 + x
2
)
et : F : R
2
R, (x, y) f (x + y) f (x) f (y).
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) Justier que F est de classe C
1
sur louvert R
2
et calculer, pour tout (x, y) R
2
, les drives
partielles premires de F en (x, y) laide de f

, x, y.
c) 1) Montrer, pour tout (x, y) R
2
: f

(x) = f

(y) = f

(x + y) = x = y.
2) En dduire les points critiques de F.
d) Est-ce que F admet un extremum local ?
4.15 Exemple dtude dextremum en un point tel que rt s
2
= 0
On note f : R
2
R, (x, y) (2x
2
+ 3y
2
)
2
(4x
6
+ 5y
8
).
a) Montrer que (0, 0) est un point critique de f .
b) Est-ce que f admet un extremum local en (0, 0) ?
4.16 Exemple dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2005
On considre lapplication f : ]0 ; +[
3
R, (x, y, z) xyz ln(x + y + z).
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
a =
_
1
3
_ 1
3
.
c) 1) Calculer la hessienne de f en tout point (x, y, z) de ]0 ; +[
3
, puis la hessienne de f en A.
2) On note h lendomorphisme de R
3
de matrice H =
_
_
1 4 4
4 1 4
4 4 1
_
_
dans la base canonique de R
3
.
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 R
3
forme de vecteurs propres pour h et que F est orthogonale pour le produit scalaire
canonique de R
3
.
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
On note f : ]0 ; +[ R, t
ln(1 + t)
t
,
F : ]0 ; +[ R, x
_
x
0
f (t) dt,
G : ]0 ; +[
2
R, (x, y) F(xy) F(x) F(y).
a) Montrer que F est de classe C
2
sur ]0 ; +[ et exprimer, pour tout x ]0 ; +[, F
(x) et
F
(x) en fonction de f (x) et f

(x).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
123
b) Justier que G est de classe C
2
sur louvert ]0 ; +[
2
et exprimer les drives par-
tielles 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 : R
n
R, (x
1
, ..., x
n
)
n
k=1
x
2
k
+
_
n
k=1
x
k
_
2
k=1
x
k
.
2
sur R
n
.
b) Calculer les drives partielles premires de f en tout point (x
1
, ..., x
n
) de R
n
.
c) Montrer que f admet un point critique et un seul, et calculer celui-ci, que lon notera
(a
1
, ..., a
n
).
d) 1) Dterminer la matrice hessienne A
n
de f en (a
1
, ..., a
n
).
2) tablir, pour tout H =
_
_
h
1
.
.
.
h
n
_
_
M
n,1
(R) 0 :
t
HA
n
H > 0.
3) En dduire que f admet en (a
1
, ..., a
n
) un minimum local et calculer ce minimum.
4.19 Recherche dextremums globaux pour une fonction de trois variables relles
tudier les extremums globaux de :
f : ]0 ; +[
3
R, (x, y, z) x
2
+ y
2
+ z
2
+
1
x + y + z
.
4.20 Exemple de recherche dextremums locaux, dextremums globaux pour une fonction de
Dterminer les extremums locaux et les extremums globaux de
f : R
2
R, (x, y) (3x + 4y) e
1
2
(x
2
+y
2
)
.
4.21 Exemple de recherche dextremums globaux sur un domaine ferm born pour une fonc-
tion de deux variables relles
On note :
D =
_
(x, y) R
2
; 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) x
2
+ y
2
.
a) 1) Reprsenter graphiquement D.
2) Montrer que D est une partie ferme borne de R
2
.
3) En dduire que f (resp. g) admet un maximum global.
b) Dterminer le maximum global de f .
c) Dterminer le maximum global de g.
124
noncs des exercices
4.22 Exemple de recherche dextremums globaux sous contrainte dgalits linaires
On note f : R
4
R, (x, y, z, t) x
2
+ y
2
+ z
2
+ t
2
,
g
1
: R
4
R, (x, y, z, t) x + y z t, g
2
: R
4
R, (x, y, z, t) 2x y + 3z + 2t.
Dterminer les extremums globaux de f sous la contrainte C
_
_
g
1
(x, y, z, t) = 1
g
2
(x, y, z, t) = 2.
4.23 tude dextremum avec intervention de lgalit de Taylor-Lagrange ou de la convexit
On note U =
_
(x, y) R
2
; x < y
_
, f : U R, (x, y) x
2
+ y
2
2 ln(y x).
a) Montrer que f admet un point critique et un seul, not A = (a, b), et calculer (a, b).
b) 1) crire lgalit de Taylor-Lagrange lordre 1 entre A et A + H, pour tout H R
2
tel que
A + H U.
2) En dduire que f admet un minimum global et prciser celui-ci.
c) Est-ce que f admet un maximum global ?
d) Est-ce que f admet un maximum local ?
4.24 Exemple de recherche dextremums locaux pour une fonction relle de deux variables
relles, daprs EML 2011
On note f : ]0 ; +[ R, x x e
x
,
F : ]0 ; +[
2
R, (x, y) f (x) + f (y) f (x + y).
a) Montrer que F est de classe C
1
sur louvert ]0 ; +[
2
et exprimer, pour tout (x, y) ]0 ; +[
2
,
les drives partielles premires de F en (x, y) en fonction de f

(x), f

(y), f

(x + y).
b) tablir que, pour tout a ]0 ; +[, lquation f

(x) = f

(a), dinconnue x ]0 ; +[, admet
au plus une solution distincte de a.
c) En dduire que, pour tout (x, y) ]0 ; +[
2
, (x, y) est un point critique de f si et seulement
si : x = y et f

(x) = f

(2x).
d) Montrer que f admet un point critique et un seul, not (, ), et montrer 1 < < 2.
e) Montrer : f
() < 0 et f
(2) > 0.
f) Montrer que F admet un extremum local et un seul.
Dterminer la nature de cet extremum local.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
125
Du mal dmarrer ?
4.1 Vrier que f est de classe C
1
, calculer les drives par-
tielles premires de f en tout (x, y), puis en (1, 1), et enn ap-
pliquer le cours.
4.2 Vrier que f est de classe C
2
, calculer les drives par-
tielles premires et secondes de f en tout (x, y), puis en (1, 1),
en enn, appliquer le cours.
4.3 Appliquer la mthode pour dterminer les extremums
locaux dune application de classe C
2
sur un ouvert de R
2
.
a) Remarquer que f na pas de point critique.
b), c) Il y a un point critique et un seul, et en ce point, calculer
r, s, t, rt s
2
.
d) Obtenir les points critiques de f. Remarquer que f(x, y) est
un carr parfait.
2
sur un ouvert de R
2
. Obte-
nir un point critique et un seul. En celui-ci, calculer r, s, t, rt s
2
.
2
sur un ouvert de R
2
.
Obtenir trois points critiques. En chacun de ceux-ci, calculer
r, s, t, rt s
2
.
4.6 a) Former f(x, y) 4 pour tout (x, y) ]0; +[
2
et utiliser
une identit remarquable.
b) Utiliser le rsultat de a) et rsoudre lquation f(x, y) = 4
dinconnue (x, y) ]0; +[
2
.
c) Relier la question ltude de ln
_
f(x, y)
_
.
4.7 a) Revenir la dnition dun point critique.
Noter que lnonc ne demande pas de dterminer tous les
points critiques de f, mais demande seulement de montrer que
(0, 0) est un point critique de f.
b) Considrer, par exemple, f(x, 0) et f(x, x), pour x au voisinage
de 0.
4.8 a) Envisager, par exemple, f(x, 0).
b) Immdiat.
4.9 a) Immdiat.
b) 1) Immdiat. Se rappeler la dnition de la hessienne de f
en A : cest la matrice dont les coefcients sont les drives par-
tielles secondes de f en A.
b) 2) Immdiat.
b) 3) Appliquer le cours sur la matrice hessienne et les extre-
mums locaux.
4.10 Choisir un repre orthonorm adapt la question, don-
ner des coordonnes aux points A, B, C, E (avec un paramtre,
par exemple x), I (avec un paramtre, par exemple y), puis cal-
culer les coordonnes de D, F, G, H, K. Calculer S en fonction de
x et y, puis tudier lexistence et la valeur dun maximum glo-
bal (local) pour la fonction de deux variables relles x, y ainsi
obtenue.
4.11 a) Pour lexistence de F(x, y), il sagit de montrer quune
intgrale impropre converge.
Pour calculer F(x, y), dvelopper la fonction qui est dans lin-
tgrale et exprimer F(x, y) en fonction de x, y et des intgrales
I
k
=
_
+
t
k
e
t
2
dt, k N.
Les valeurs de I
1
et I
3
sont immdiates.
La valeur de I
0
est donne par lnonc.
Pour calculer I
2
et I
4
, faire intervenir, par exemple, la fonction
dEuler, laide dun changement de variable.
b) Immdiat.
c) En chacun des points critiques, calculer r, s, t, rt s
2
.
4.12 On peut, dans la contrainte dgalit linaire C, expri-
mer 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 ha-
bituelle. Pour dcider si lextremum local obtenu est un ex-
tremum global ou non, effectuer un changement de variables
pour se ramener plus commodment en (0, 0).
4.13 1re mthode : dans la contrainte dgalit linaire C,
exprimer f sous la contrainte C sous la forme dune fonction F
des deux variables relles x, y. Transformer lcriture de F(x, y)
laide de mlses sous forme canonique de trinmes.
2 mthode : utiliser lingalit de Cauchy-Schwarz.
3 mthode : utiliser le cours sur la recherche dextremum local
sous la contrainte dgalit linaire, puis voir si cet extremum
local est un extremum global.
4.14 a) 1) Immdiat.
a) 2) Rsoudre lquation f

(t) = f

(x), pour x R x et t R
inconnu.
b) Immdiat.
c) 1) Si f

(x) = f

(y) = f

(x + y), daprs a)2), les trois rels
x, y, x +y ne peuvent pas tre deux deux distincts. En dduire
x = y.
c) 2) Rsoudre lquation f

(2x) = f

(x), dinconnue x R. Ob-
tenir trois points critiques.
d) Calculer les drives partielles secondes de F en tout (x, y)
laide de f

, x, y.
En chacun des trois points critiques, avec les notations de
Monge, calculer r, s, t, puis rt s
2
, do le signe de rt s
2
et
le signe de r ou de t. On pourra prsenter les rsultats dans un
tableau. Appliquer le cours pour conclure.
126
Du mal dmarrer ?
b) Montrer, au voisinage de (0, 0) : f(x, y) f(0, 0),
en remarquant, par exemple, pour tout (x, y) [1/3; 1/3]
2
:
0 2x
2
+ 3y
2
1.
4.16 a) Immdiat.
b) Immdiat.
c) 1) Se rappeler que la hessienne de f en A est, par dnition,
la matrice dont les coefcients sont les drives partielles se-
condes de f en A.
c) 2) Vrier dabord que F est orthogonale, et en dduire
que F est libre, puis dduire que F est une base de R
3
.
Vrier que u, v, w sont des vecteurs propres de f.
c) 3) 1re mthode : tudier le signe des valeurs propres de H.
2 mthode : calculer
t
XHX pour tout X =
_
_
x
y
z
_
_
M
3,1
(R) et exa-
miner, par exemple, q(1, 0, 0) et q(1, 1, 0), o q dsigne la
forme quadratique sur R
3
canoniquement associe H.
4.17 a) Montrer dabord que, pour tout x ]0; +[, lint-
grale impropre
_
x
0
f(t) dt converge.
En introduisant, par exemple, le rel 1 comme borne interm-
diaire par la relation de Chasles, montrer que F est de classe C
1
et que F
= f.
b) Immdiat.
c) Revenir la dnition dun point critique.
d) Rappeler le lien entre extremum local et point critique.
En (1, 1), calculer r, s, t, rt s
2
et montrer rt s
2
< 0.
4.18 a), b) Immdiat.
c) Revenir la dnition dun point critique.
Obtenir : i 1; n, a
i
=
1
2(n + 1)
.
d) 1) Se rappeler que la matrice hessienne de f en (a
1
, ..., a
n
) est,
par dnition, la matrice dont les coefcients sont les drives
partielles secondes de f en (a
1
, ..., a
n
).
d) 2) Calculer
t
HA
n
H et faire apparatre une somme de carrs
de rels.
d) 3) Appliquer le cours.
4.19 Rappeler le lien entre extremum global et extremum
local, et rappeler le lien entre extremum local et point critique.
Chercher les points critiques en revenant la dnition dun
point critique.
Obtenir un point critique et un seul, A = (, , ), o =
_
1
18
_
1
3
.
crire la hessienne S de f en tout point (x, y, z) de ]0; +[
3
,
puis en A.
1re mthode : calculer
t
XSX pour tout X M
3,1
(R) \ 0, en
remarquant que S est combinaison linaire de I
3
et de la ma-
trice U dont tous les coefcients sont gaux 1.
2 mthode : dterminer les valeurs propres de S, puis leur
signe.
4.20 1) Recherche des extremums locaux :
Vrier que f est de classe C
1
sur louvert R
2
et calculer les
drives partielles premires de f en tout (x, y). En dduire les
points critiques A
1
et A
2
de f, en revenant la dnition.
Vrier que f est de classe C
2
sur louvert R
2
et calculer les d-
rives partielles secondes de f en tout (x, y). Avec les notations
de Monge, calculer rt s
2
et en dduire son signe.
2) Recherche des extremums globaux :
En notant M = f(A
1
) = f(A
2
), montrer quil existe t
0
]0; +[
tel que :
(x, y) R
2
,
_
x
2
+ y
2
t
0
= f(x, y) M
_
.
Dautre part, considrer la restriction de f au ferm born
[
t
0
;

t
0
]
2
pour dduire que f admet un maximum global.
Pour ltude dun minimum global, remarquer :
(x, y) R
2
, f(x, y) = f(x, y).
4.21 a) 1), 2) Immdiat.
a) 3) Utiliser un thorme du cours.
b) Montrer que f ne peut pas atteindre son maximum global
lintrieur de D.
Montrer que la restriction de f un segment du bord de D at-
teint son maximum en une extrmit de ce segment.
Comparer les valeurs de f en A, B, C.
c) Voir si g peut atteindre son maximum global lintrieur
de D. tudier la restriction de g chacun des trois segments du
bord de D, en se ramenant, chaque fois, ltude des varia-
tions dune fonction dune variable relle.
4.22 Appliquer le cours sur ltude des extremums sous
contrainte dgalits linaires, pour obtenir que, si f admet un
extremum global sous la contrainte dgalits linaires C, alors
cest en un certain point A.
Pour montrer quil sagit dun extremum global sous la
contrainte C, utiliser lgalit de Taylor-Lagrange lordre 1.
b) 1) Vrier que les hypothses de lgalit de Taylor-Lagrange
dordre 1 sont runies.
b) 2) tudier le signe de q
A+H
(H), en notant H = (h, k) et, par
commodit, =
1
_
(b + k) (a + h)
_
2
.
c) tudier, par exemple, f(0, y) lorsque y tend vers +.
d) Supposer que f admette un maximum local. En dduire
que cest ncessairement en le point A. Revenir ltude de
q
A+H
(H), avec, par exemple, H = (h, 2h).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
127
4.24 a) Immdiat.
b) tudier les variations de f

.
c) Revenir la dnition dun point critique et utiliser b).
d) tudier les variations dune fonction auxiliaire, par exemple
: ]0; +[ R, x (1 x) e
x
(1 2x).
e) Utiliser 1 < < 2.
f) Rappeler le lien entre extremum et point critique.
Calculer les drives partielles secondes de F en tout point, puis
en (, ) et en dduire rts
2
en fonction de f

() et f

(2). Uti-
liser e) pour dduire : rt s
2
> 0 et r < 0.
128
4.1 Par oprations, lapplication
f : R
2
R, (x, y) (2x 3y) ln(1 + x
2
+ 2y
2
)
est de classe C
1
sur louvert R
2
et, pour tout (x, y) R
2
:
_
_
f
x
(x, y) = 2 ln(1 + x
2
+ 2y
2
) + (2x 3y)
2x
1 + x
2
+ 2y
2
f
y
(x, y) = 3 ln(1 + x
2
+ 2y
2
) + (2x 3y)
4y
1 + x
2
+ 2y
2
.
En particulier, en A = (1, 1), avec les notations de Monge :
_
_
p =
f
x
(A) = 2 ln 4 + 5
2
4
= 2 ln 4 +
5
2
q =
f
y
(A) = 3 ln 4 + 5
4
4
= 3 ln 4 5.
Daprs le cours, le dveloppement limit dordre 1 de f en
A = (1, 1) est :
f (1 + h, 1 + k) = f (1, 1) + (ph + qk) + o
(h,k) (0,0)
(
h
2
+ k
2
)
= 5 ln 4 +
_
2 ln 4 +
5
2
_
h + (3 ln 4 5)k + o
(h,k) (0,0)
(
_
h
2
+ k
2
).
4.2 Par oprations, lapplication
f : R
2
R, (x, y) xy
2
e
x
2
y
est de classe C
2
sur louvert R
2
2
:
_
_
f
x
(x, y) =
_
y
2
+ (xy
2
)(2xy)
_
e
x
2
y
= (y
2
+ 2x
2
y
3
) e
x
2
y
f
y
(x, y) = (2xy + xy
2
x
2
) e
x
2
y
= (2xy + x
3
y
2
) e
x
2
y
_
2
f
x
2
(x, y) =
_
4xy
3
+ (y
2
+ 2x
2
y
3
)(2xy)
_
e
x
2
y
2
f
xy
(x, y) =
_
(2y + 6x
2
y
2
) + (y
2
+ 2x
2
y
3
)x
2
_
e
x
2
y
2
f
y
2
(x, y) =
_
(2x + 2x
3
y) + (2xy + x
3
y
2
)x
2
_
e
x
2
y
.
En particulier, au point A = (1, 1), avec les notations de
Monge :
_
_
p =
f
x
(A) = (1 + 2) e = 3 e
q =
f
y
(A) = (2 1) e = 3 e
_
_
r =
2
f
x
2
(A) =
_
(4) + (1 + 2)(2)
_
e = 10 e
s =
2
f
xy
(A) =
_
(2 + 6) + (1 + 2)1
_
e = 11 e
t =
2
f
y
2
(A) =
_
(2 2) + (2 1)1
_
e = 7 e .
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) +
1
2
(rh
2
+ 2shk + tk
2
)
+ o
(h,k) (0,0)
(h
2
+ k
2
)
= e + (3 e h 3 e k) +
1
2
(10 e h
2
+ 22 e hk 7 e k
2
)
+ o
(h,k) (0,0)
(h
2
+ k
2
).
4.3 Dans chaque exemple, par oprations, f est de
classe C
2
sur louvert R
2
.
a) On a : (x, y) R
2
,
f
x
(x, y) = 2 0,
donc f nadmet pas de point critique.
Daprs le cours, puisque f est de classe C
1
sur louvert R
2
, si
f admet un extremum local, cest ncessairement en un point
critique, contradiction.
On conclut : f nadmet pas dextremum local.
b) On a, pour tout (x, y) R
2
:
f
x
(x, y) = 2x y et
f
y
(x, y) = x + 2y,
donc, pour tout (x, y) R
2
:
(x, y) est un point critique de f
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
2x y = 0
x + 2y = 0
_
x = 0
y = 0.
Ainsi, f admet un point critique et un seul, qui est (0, 0).
1
sur louvert R
2
, 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) R
2
:
2
f
x
2
(x, y) = 2,

2
f
xy
(x, y) = 1,

2
f
y
2
(x, y) = 2,
129
donc, en particulier, en (0, 0), avec les notations de Monge :
r = 2, s = 1, t = 2,
do : rt s
2
= 3 > 0 et r = 2 > 0.
Daprs le cours, f admet un minimum local en (0, 0).
On conclut : f admet un extremum local et un seul, cest
en (0, 0), cest un minimum local, et f (0, 0) = 0.
Remarque :
Par mise sous forme canonique dun trinme, on a, pour tout
(x, y) R
2
: f (x, y) = x
2
xy + y
2
=
_
x
y
2
_
2
+
3
4
y
2
0.
Il en rsulte : (x, y) R
2
, f (x, y) 0 = f (0, 0),
donc f admet un minimum global (donc local) en (0, 0).
Mais ceci ne montre pas que f nadmet pas dautre extremum
local.
c) On a, pour tout (x, y) R
2
:
f
x
(x, y) = 2x 3y et
f
y
(x, y) = 3x + 4y,
2
:
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
2x 3y = 0
3x + 4y = 0
_
x = 0
y = 0.
Ainsi, f admet un point critique et un seul, qui est (0, 0).
1
sur louvert R
2
, si
point critique de f , donc en (0, 0).
2
:
2
f
x
2
(x, y) = 2,

2
f
xy
(x, y) = 3,

2
f
y
2
(x, y) = 4,
donc, en particulier, en (0, 0), avec les notations de Monge :
r = 2, s = 3, t = 4,
do : rt s
2
= 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.
d) On a, pour tout (x, y) R
2
:
f
x
(x, y) = 2x 4y et
f
y
(x, y) = 4x + 8y,
2
:
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
2x 4y = 0
4x + 8y = 0
x = 2y.
Ainsi, f admet une innit de points critiques, les points
(2b, b), b R.
1
sur louvert R
2
, si
point critique de f , donc en (2b, b), b R.
2
:
f (x, y) = x
2
4xy + 4y
2
= (x 2y)
2
0 = f (2b, b).
Ceci montre que, pour tout b R, f admet en (2b, b) un mini-
mum global, donc local.
On conclut que f admet un extremumlocal 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 : R
2
R, (x, y) 2x
2
2xy + 2y
2
+ 2x 7y + 7
est de classe C
1
sur louvert R
2
, donc, daprs le cours, si f ad-
met un extremum local, cest ncessairement en un point cri-
tique.
Recherche des points critiques de f :
2
:
f
x
(x, y) = 4x 2y + 2,
f
y
(x, y) = 2x + 4y 7.
On a donc, pour tout (x, y) R
2
:
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
4x 2y + 2 = 0
2x + 4y 7 = 0

_
_
x =
1
2
y = 2.
Ainsi, f admet un point critique et un seul, A =
_
1
2
, 2
_
.
130
tude en A :
1
re
mthode : utilisation du cours sur les fonctions de
classe C
2
:
Lapplication f est de classe C
2
sur louvert R
2
par oprations,
2
:
2
f
x
2
(x, y) = 4,

2
f
xy
(x, y) = 2,

2
f
y
2
(x, y) = 4,
donc, en particulier, en A, avec les notations de Monge :
r = 4, s = 2, t = 4,
do : rt s
2
= 12 > 0 et r = 4 > 0.
Daprs le cours, on dduit que f admet un minimum local
en A.
2
e
mthode : transformation de lcriture de f (x, y) pour
faire apparatre un minimum global :
En mettant
1
2
en facteur, puis en groupant les termes en x
2
et
x pour utiliser une mise sous forme canonique, on a, pour tout
(x, y) R
2
:
f (x, y) =
1
2
(4x
2
4xy + 4y
2
+ 4x 14y + 14)
=
1
2
_
(4x
2
4xy + 4x) + 4y
2
14y + 14
_
=
1
2
_
(2x y + 1)
2
(y + 1)
2
+ 4y
2
14y + 14
_
=
1
2
_
(2x y + 1)
2
+ 3y
2
12y + 13
_
=
1
2
_
(2x y + 1)
2
+ 3(y 2)
2
+ 1
_
.
Comme tout carr de rel est 0, on a alors, pour tout (x, y)
R
2
: f (x, y)
1
2
et : f (x, y) =
1
2

_
_
2x y + 1 = 0
y 2 = 0
_
x =
1
2
y = 2.
Ceci montre que f admet un minimum global, donc local, en A.
Finalement, on conclut : f admet un extremum local et un seul,
atteint en A =
_
1
2
, 2
_
et en ce point seulement, cest un mini-
mum, et il est gal
1
2
.
4.5 Lapplication
f : ] 1 ; 1[] ; [ R, (x, y) x
2
+
1 x
2
cos y
est de classe C
1
sur louvert U =] 1 ; 1[] ; [, donc,
daprs le cours, si f admet un extremum local, cest ncessai-
rement en un point critique.
Recherche des points critiques de f :
On a, pour tout (x, y) U :
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
2x
x
1 x
2
cos y = 0
1 x
2
.,,.
0
sin y = 0
_
2x
x
1 x
2
cos y = 0
y = 0
_
x(2
1 x
2
1) = 0
y = 0
_
_
_
x = 0
y = 0
ou
_
1 x
2
=
1
2
y = 0
_
_
_
_
x = 0
y = 0
ou
_
_
x =
3
2
y = 0
ou
_
_
x =
3
2
y = 0
_
.
Ainsi, f admet exactement trois points critiques :
O = (0, 0), A =
_
3
2
, 0
_
, B =
_

3
2
, 0
_
.
tude en un point critique :
2
sur louvert U, et, pour tout
(x, y) U :
2
f
x
2
(x, y) = 2
1
1 x
2
cos y x
2
(1 x
2
)
3/2
cos y,
2
f
xy
(x, y) =
x
1 x
2
sin y,

2
f
y
2
(x, y) =
1 x
2
cos y.
1) En O, avec les notations de Monge : r = 1, s = 0, t = 1,
donc rt s
2
= 1 < 0.
Daprs le cours, f nadmet pas dextremum local en O, il
2) En A, avec les notations de Monge et aprs calcul :
r = 6, s = 0, t =
1
2
,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
131
donc rt s
2
= 3 > 0 et r = 6 < 0.
Daprs le cours, f admet un maximum local en A.
De plus : f (A) =
5
4
.
3) En B, le calcul est le mme quen A.
Finalement, f admet un extremum local et un seul, cest un
maximum, il est atteint en A et en B et en ces deux points seule-
ment, et il est gal
5
4
.
4.6
a) On a, pour tout (x, y) ]0 ; +[
2
:
f (x, y) 4 =
(x + y)
2
xy
4 =
(x + y)
2
4xy
xy
=
x
2
+ y
2
2xy
xy
=
(x y)
2
xy
0,
donc : f (x, y) 4.
b) On a, daprs a) : (x, y) ]0 ; +[
2
, f (x, y) 4,
et, dautre part, pour tout (x, y) ]0 ; +[
2
:
f (x, y) = 4
(x y)
2
xy
= 0 (x y)
2
= 0 x = y.
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 : R
2
R, (x, y) x
4
+ y
4
(x y)
2
est de classe C
1
sur louvert R
2
de R
2
et on a, pour tout
(x, y) R
2
:
f
x
(x, y) = 4x
3
2(x y),
f
y
(x, y) = 4y
3
+ 2(x y).
En particulier, en (0, 0) :
f
x
(0, 0) = 0,
f
y
(0, 0) = 0.
On conclut : (0, 0) est un point critique de f .
b) On a, pour tout x R :
_
_
f (x, 0) = x
4
x
2
= x
2
(1 x
2
)
f (x, x) = 2x
4
.
En particulier : x ]0 ; 1[,
_
f (x, 0) < 0 et f (x, x) > 0 ).
Ceci montre que, au voisinage de (0, 0), la dirence
f (x, y) f (0, 0) nest pas de signe xe.
On conclut : f nadmet pas dextremum local en (0, 0).
Remarque :
Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec
les notations de Monge) ; dailleurs, ici, rt s
2
= 0.
4.8
a) On a : f (x, 0) = x
4
x +
+,
donc f nest pas majore, et donc f nadmet pas de maximum
global.
b) 1) On a, pour tout (x, y) R
2
:
f (x, y) = (x)
4
+ (y)
4
4(x)(y)
= x
4
+ y
4
4xy = f (x, y).
Si f admet un minimum global en un point (a, b), alors :
(x, y) R
2
, f (x, y) = f (x, y) f (a, b) = f (a, b).
Ceci montre que, quitte changer y en y, on peut se ramener
au cas o y 0.
b) 2) Soit y [0 ; +[ x.
Lapplication g
y
: R R, x f (x, y) = x
4
+ y
4
4xy
est drivable sur R et :
x R, g
y
(x) = 4x
3
4y = 4(x
3
y),
do le tableau de variations de g
y
:
x y
1/3
+
g
y
(x) 0 +
g
y
(x) ,
m(y)
On conclut que g
y
admet un minimum global, not m(y) et :
m(y) = g
y
(y
1/3
) = (y
1/3
)
4
+ y
4
4y
1/3
y = y
4
3y
4/3
.
b) 3) Lapplication m : [0 ; +[ R, y y
4
3y
4/3
est drivable sur [0 ; +[ (car 4/3 > 1) et on a, pour tout
y [0 ; +[ :
m
(y) = 4y
3
3
4
3
y
1/3
= 4(y
3
y
1/3
) = 4y
1/3
(y
8/3
1).
132
On en dduit le tableau de variations de m :
y 0 1 +
m
(y) 0 +
m(y) ,
On a donc : y [0 ; +[, m(y) m(1) = 2.
b) 4) Daprs 2) et 3), on a :
(x, y) R [0 ; +[, f (x, y) m(y) 2,
puis, daprs 1) : (x, y) R
2
, f (x, y) 2.
De plus, m atteint son minimum en y = 1 et, pour y = 1, g
y
at-
teint son minimum en x = 1, donc :
f (1, 1) = g
1
(1) = m(1) = 2.
On peut aussi remarquer directement : f (1, 1) = 2.
On a donc : (x, y) R
2
, f (x, y) f (1, 1) = 2,
et on conclut : f admet un minimum global, gal 2.
4.9
a) Il est clair que U = RR] 1 ; +[ est un ouvert de R
3
et que, par oprations, lapplication
f : U R, (x, y, z) x ln(1 + z) + (y 1)
2
(z 1) + 2z
est de classe C
1
sur louvert U et, pour tout (x, y, z) U :
f
x
(x, y, z) = ln(1 + z),
f
y
(x, y, z) = 2(y 1)(z 1),
f
z
(x, y, z) =
x
1 + z
+ (y 1)
2
+ 2.
On a, pour tout (x, y, z) U :
(x, y, z) est un point critique de f
_
f
x
(x, y, z) = 0,
f
y
(x, y, z) = 0,
f
z
(x, y, z) = 0
_
_
ln(1 + z) = 0, 2(y 1)(z 1) = 0,
x
1 + z
+ (y 1)
2
+ 2 = 0
_
_
x = 2, y = 1, z = 0
_
.
On conclut que f admet un point critique et un seul, not A et
que : A = (2, 1, 0).
b) 1) Par oprations, f est de classe C
2
sur louvert U et on a,
pour tout (x, y, z) U :
2
f
x
2
(x, y, z) = 0,

2
f
xy
(x, y, z) = 0,

2
f
xz
(x, y, z) =
1
1 + z
,
2
f
y
2
(x, y, z) = 2(z 1),

2
f
yz
(x, y, z) = 2(y 1),
2
f
z
2
(x, y, z) =
x
(1 + z)
2
.
En particulier , en A :
2
f
x
2
(A) = 0,

2
f
xy
(A) = 0,

2
f
xz
(A) = 1,
2
f
y
2
(A) = 2,

2
f
yz
(A) = 0,

2
f
z
2
(A) = 2.
On en dduit la matrice hessienne H de f en A :
H =
_
_
0 0 1
0 2 0
1 0 2
_
_
.
b) 2) On a :
H
,..,
_
_
0 0 1
0 2 0
1 0 2
_
_
X
2
,..,
_
_
0
1
0
_
_
_
0 1 0
_
.,,.
t
X
2
_
0 2 0
_
.,,.
t
X
2
H
_
2
_
.,,.
t
X
2
HX
2
H
,..,
_
_
0 0 1
0 2 0
1 0 2
_
_
X
3
,..,
_
_
0
0
1
_
_
_
0 0 1
_
.,,.
t
X
3
_
1 0 2
_
.,,.
t
X
3
H
_
2
_
.,,.
t
X
3
HX
3
.
Ainsi :
t
X
2
HX
2
= 2 < 0 et
t
X
3
HX
3
= 2 > 0.
b) 3) Il en rsulte, daprs le cours, que f nadmet pas dextre-
mum local en A.
Comme f est de classe C
1
sur louvert U, si f admet un ex-
tremum local, cest ncessairement en un point critique, donc,
daprs 1), en A.
Finalement : f nadmet pas dextremum local.
4.10
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
133
En notant O le milieu de (A, B), puisque le triangle ABC est
isocle de sommet C, il existe (a, h) (R
+
)
2
et un repre ortho-
norm (O;

i ,

j ) du plan tels que les points A, B, C aient pour
coordonnes : A(a, 0), B(a, 0), C(0, h).
Laire du triangle ABC est la moiti du produit de la base par
la hauteur, donc : = ah.
Il existe x ]0 ; a[ unique tel que les coordonnes de E soient
(x, 0). Alors les coordonnes de D sont (x, 0).
Une quation de la droite (BC) est :
x
a
+
t
h
= 1,
do les coordonnes de F :
_
x,
h
a
(a x)
_
,
puis celles de G :
_
x,
h
a
(a x)
_
.
Il existe y ]0 ; x[ unique tel que les coordonnes de I soient
_
y,
h
a
(a x)
_
, o 0 < y < x. Alors les coordonnes de H sont :
_
y,
h
a
(a x)
_
.
De mme que pour F, les coordonnes de J sont :
_
y,
h
a
(a y)
_
.
Do les coordonnes de K :
_
y,
h
a
(a y)
_
.
La somme S des aires des deux rectangles DEFG et HI JK est :
S = DE EF + HI I J
= 2x
h
a
(a x) + 2y
_
h
a
(a y)
h
a
(a x)
_
=
2h
a
_
x(a x) + y(x y)
_
.
Il reste trouver le maximum global de la fonction
f : D R, (x, y) x(a x) + y(x y)
o D =
_
(x, y) R
2
; 0 < y < x < 1
_
.
Si f admet un maximum global, cest ncessairement aussi un
maximum local et, comme f est de classe C
1
sur louvert D,
cest ncessairement en un point critique de f .
On a, pour tout (x, y) D :
f
x
(x, y) = a 2x + y,
f
y
(x, y) = x 2y,
donc, pour tout (x, y) D :
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
a 2x + y = 0
x 2y = 0
_
x =
2a
3
y =
a
3
.
Formons donc la dirence :
f
_
2a
3
,
a
3
_
f (x, y) =
a
2
3

_
x(a x) + y(x y)
_
= y
2
xy +
_
x
2
ax +
a
2
3
_
=
_
y
1
2
x
_
2
+
_
3
4
x
2
ax +
a
2
3
_
=
_
y
1
2
x
_
2
.,,.
0
+
3
4
_
x
2a
3
_
2
.,,.
0
0.
On a donc : (x, y) D, f (x, y) f
_
2a
3
,
a
3
_
.
Ainsi, f admet un maximum global et f atteint celui-ci en le
point
_
2a
3
,
a
3
_
, et ce maximum est gal
a
2
3
.
Comme S =
2h
a
f (x, y), on conclut : la valeur maximale de la
somme des aires des deux rectangles DEFG et HI JK est
2ah
3
,
cest--dire
2
3
.
4.11
a) Soit (x, y) R
2
x.
Existence :
Lapplication : t (t x)
2
(t y)
2
e
t
2
134
est continue sur R et valeurs positives ou nulles.
t
2
(t) =
_
t
2
(t x)
2
(t y)
2
_
e
t
2
t
0.
Il existe donc > 0 tel que :
t R,
_
t = t
2
(t) 1 = (t)
1
t
2
_
.
Daprs lexemple de Riemann en , les intgrales
_
1
1
t
2
dt et
_
+
1
1
t
2
dt convergent. Par thorme de majo-
ration pour des fonctions 0, les intgrales
_
1
(t) dt et
_
+
1
(t) dt convergent.
On conclut, par dnition, que lintgrale
_
+
(t) dt
converge, donc F(x, y) existe.
Calcul :
On a :
F(x, y) =
1
_
+
(t x)
2
(t y)
2
e
t
2
dt
=
1
_
+
(t
2
2xt + x
2
)(t
2
2yt + y
2
) e
t
2
dt
=
1
_
I
4
2(x + y)I
3
+ (x
2
+ 4xy + y
2
)I
2
2(xy
2
+ x
2
y)I
1
+ x
2
y
2
I
0
_
,
en notant, pour tout k N : I
k
=
_
+
t
k
e
t
2
dt.
Puisque les applications t t e
t
2
et t t
3
e
t
2
sont im-
paires (et que les intgrales considres convergent), on a :
I
1
= 0 et I
3
= 0.
Daprs lnonc (intgrale de Gauss) : I
0
=
.
Nous allons calculer I
2
et I
4
.
1
re
mthode : intervention de la fonction dEuler :
On a, pour tout k N, par parit puis par le changement de
variable u = t
2
:
I
2k
=
_
+
t
2k
e
t
2
dt = 2
_
+
0
t
2k
e
t
2
dt
= 2
_
+
0
u
k
e
u
1
2
u
du =
_
+
0
u
k
1
2
e
u
du =
_
k +
1
2
_
.
Dautre part, on sait : s ]0 ; +[, (s + 1) = s (s).
Do :
I
2
=
_
3
2
_
=
1
2
_
1
2
_
=
1
2
2
,
I
4
=
_
5
2
_
=
3
2
_
3
2
_
=
3
2
2
=
3
4
.
2
e
mthode : intgration par parties sur un segment puis pas-
sage la limite :
On a, pour tout X [0 ; +[, par intgration par parties avec
_
_
u = e
t
2
v
= t
2k
_
_
u
= 2t e
t
2
v =
t
2k+1
2k + 1
,
1
sur le segment [X ; X] :
_
X
X
t
2k
e
t
2
dt =
_
t
2k+1
2k + 1
e
t
2
_
X
X
+
_
X
X
t
2k+1
2k + 1
2t e
t
2
dt
= 2
X
2k+1
2k + 1
e
X
2
+
2
2k + 1
_
X
X
t
2k+2
e
t
2
dt.
Dune part, X
2k+1
e
X
2
X +
0, par prpondrance de lex-
ponentielle sur les puissances.
Dautre part, par convergences dintgrales impropres vues
plus haut :
_
X
X
t
2k
e
t
2
dt
X +
I
2k
et de mme avec 2k + 2 la place de 2k.
On dduit, en faisant tendre X vers + et en renversant lga-
lit : I
2(k+1)
=
2k + 1
2
I
2k
.
Do : I
2
=
1
2
I
0
=
2
, I
4
=
3
2
I
2
=
3
4
.
On obtient, pour tout (x, y) R
2
:
F(x, y) =
3
4
+
1
2
(x
2
+ 4xy + y
2
) + x
2
y
2
.
b) Par oprations, F est de classe C
2
sur louvert R
2
et, pour
tout (x, y) R
2
:
F
x
(x, y) =
1
2
(2x + 4y) + 2xy
2
= x + 2y + 2xy
2
,
F
y
(x, y) =
1
2
(4x + 2y) + 2x
2
y = 2x + y + 2x
2
y.
2
:
(x, y) est un point critique de F
_
_
F
x
(x, y) = 0
F
y
(x, y) = 0
_
x + 2y + 2xy
2
= 0
2x + y + 2x
2
y = 0
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
135
_
3(x + y) + 2xy(x + y) = 0 L
1
L
1
+ L
2
y x + 2xy(y x) = 0 L
2
L
1
L
2
_
(x + y)(3 + 2xy) = 0
(y x)(1 + 2xy) = 0
_
_
_
x + y = 0
y x = 0
ou
_
_
x + y = 0
1 + 2xy = 0
ou
_
_
3 + 2xy = 0
y x = 0
_
_
_
_
x = 0
y = 0
ou
_
_
y = x
1 2x
2
= 0
ou
_
_
y = x
3 + 2x
2
= 0
.,,.
impossible
_
_
_
_
x = 0
y = 0
ou
_
_
x = 1/
2
y = 1/
2
ou
_
_
x = 1/
2
y = 1/
2
_
.
On conclut que F admet exactement trois points critiques :
A = (0, 0), B =
_
1
2
,
1
2
_
, C =
_
2
,
1
2
_
.
c) Daprs le cours, puisque F est de classe C
1
sur louvert R
2
,
si F admet un extremum local, cest ncessairement en un point
critique.
On calcule les drives partielles secondes de F en tout point
(x, y) de R
2
:
2
F
x
2
(x, y) = 1+2y
2
,

2
F
xy
(x, y) = 2+4xy,

2
F
y
2
(x, y) = 1+2x
2
.
On consigne les valeurs de r, s, t, rt s
2
en les points critiques,
avec les notations de Monge :
A B C
r 1 2 2
s 2 0 0
t 1 2 2
rt s
2
3 4 4
En A, puisque rt s
2
< 0, F nadmet pas dextremum local, il
En B et C, puisque rt s
2
> 0 et r > 0, F admet un minimum
local.
Un calcul lmentaire donne : F(B) = F(C) =
1
2
.
On conclut que F admet un seul extremum local, cest un mi-
nimum local, il est atteint en B et en C et en ces deux points
seulement, et il est gal
1
2
.
4.12 Dans cet exercice, on peut viter lutilisation du cours
sur la recherche dextremums globaux avec contrainte dga-
lits, en se ramenant la recherche des extremums globaux
dune fonction de deux variables relles, en exprimant, par
exemple, z en fonction de x et y dans la contrainte C.
Notons
F : R
2
R, (x, y) F(x, y) = f (x, y, 4 x 2y).
2
:
F(x, y) = x
2
2xy + 2x(4 x 2y) + 5y
2
6y(4 x 2y)
+5(4 x 2y)
2
2x 2y 6(4 x 2y) 7
= 4x
2
+ 20xy + 37y
2
28x 94y + 49.
Lapplication F est de classe C
1
sur louvert R
2
, donc, si F
admet un extremum local en un point (x, y), alors (x, y) est un
point critique de F.
2
:
F
x
(x, y) = 8x + 20y 28,
F
y
(x, y) = 20x + 74y 94.
Donc :
_
_
F
x
(x, y) = 0
F
y
(x, y) = 0
_
8x + 20y 28 = 0
20x + 74y 94 = 0
_
x = 1
y = 1.
Ainsi, F admet un point critique et un seul, et il sagit de
A = (1, 1).
Pour tudier la dirence F(x, y) F(1, 1), utilisons le chan-
gement de variables h = x 1, k = y 1 :
F(x, y) F(1, 1) = F(1 + h, 1 + k) F(1, 1)
= 4(1 + h)
2
+ 20(1 + h)(1 + k) + 37(1 + k)
2
28(1 + h) 94(1 + k) + 61
= 4h
2
+ 20hk + 37k
2
= 4
_
h
2
+ 5hk +
37
4
k
2
_
= 4
__
h +
5
2
k
_
2
25
4
k
2
+
37
4
k
2
_
= 4
_
h +
5
2
k
_
2
+ 12k
2
0.
Un calcul lmentaire donne : F(1, 1) = 12.
On dduit que F admet un extremum global et un seul, cest
un minimum, il est gal 12 et il est atteint en (1, 1) et en ce
point seulement.
On conclut : f admet un extremum sous la contrainte dgalit
C et un seul, cest un minimum, il est gal 12 et il est atteint
en (1, 1, 1) et en ce point seulement.
136
4.13
1) 1
re
mthode : se ramener aux extremums globaux dune fonc-
tion de deux variables relles :
On exprime, dans la contrainte dgalit linaire C, une des
variables en fonction des deux autres, par exemple :
(x, y, z) C z = 3 x y.
On considre lapplication F : R
2
R dnie, pour tout
(x, y) R
2
, par :
F(x, y) = f (x, y, 3 x y) = x
2
+ y
2
+ (3 x y)
2
,
et on recherche les extremums globaux de F.
Puisque F(x, y) est une expression du second degr en x et y,
on peut essayer dutiliser une mise sous forme canonique dun
trinme :
(x, y) R
2
, F(x, y) = 2x
2
+ 2xy 6x + 2y
2
6y + 9
= 2(x
2
+ xy 3x) + 2y
2
6y + 9
= 2
_
x +
1
2
y
3
2
_
2
2
_
1
4
y
2
3
2
y +
9
4
_
+ 2y
2
6y + 9
= 2
_
x +
1
2
y
3
2
_
2
+
3
2
y
2
3y +
9
2
= 2
_
x +
1
2
y
3
2
_
2
+
3
2
(y
2
2y) +
9
2
= 2
_
x +
1
2
y
3
2
_
2
.,,.
0
+
3
2
(y 1)
2
.,,.
0
+3.
2
, F(x, y) 3 et :
F(x, y) = 3
_
_
x +
1
2
y
3
2
= 0
y 1 = 0
_
x = 1
y = 1
.
On dduit que F admet un minimum global et un seul, que
celui-ci est gal 3 et quil est atteint en (1, 1) et en ce point
seulement.
On conclut que f admet un minimum global sous la contrainte
dgalit linaire C et un seul, que celui-ci est gal 3 et quil
est atteint en (1, 1, 1) et en ce point seulement.
Dautre part, comme F(x, 0) = 2x
2
6x + 9
x +
+,
F nest pas majore, donc F nadmet pas de maximum global,
et on conclut que f nadmet pas de maximum global sous la
contrainte dgalit linaire C.
2) 2
e
mthode : utilisation de lingalit de Cauchy et Schwarz :
En appliquant, pour tout (x, y, z) de R
3
, lingalit de Cauchy et
Schwarz aux vecteurs (1, 1, 1) et (x, y, z) de R
3
pour le produit
scalaire usuel, on a :
_
(1, 1, 1)
(x, y, z)
_
2
(1, 1, 1)
2
(x, y, z)
2
,
cest--dire : (x + y + z)
2
3(x
2
+ y
2
+ z
2
).
Do, sous la contrainte C :
f (x, y, z) = x
2
+ y
2
+ z
2
1
3
(x + y + z
.,,.
=3
)
2
=
1
3
9 = 3.
Dautre part, (1, 1, 1) vrie C et f (1, 1, 1) = 3.
Ceci montre que f admet un minimum global sous la contrainte
dgalit C, que celui-ci est gal 3 et quil est atteint (au
moins) en (1, 1, 1).
Dautre part, on montre, comme dans la 1re mthode, que f
na pas de maximum global sous la contrainte dgalit C.
3) 3 mthode : utilisation du cours sur la recherche dextre-
mum local avec contrainte dgalit linaire :
Si f admet un extremum global sous la contrainte dgalit li-
naire C en un point A, alors f admet un extremum local sous
la contrainte dgalit C en A.
Daprs le cours, si f admet un extremum local sous la
contrainte dgalit C en un point A de C, alors, en notant
H =
_
(x, y, z) ; x +y +z = 0
_
lensemble des solutions du sys-
tme linaire homogne associ C, pour tout H de H 0,
la drive de f en A dans la direction H est nulle.
Comme H
1
= (1, 1, 0) et H
2
= (1, 0, 1) sont dans H, on a
alors en particulier :
< f
A
, H
1
>= 0 et < f
A
, H
2
>= 0,
do, en notant A = (x, y, z) tel que x + y + z = 3 :
_
_
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 + x
2
)
est de classe C
2
sur R et, pour tout x R :
f

(x) = 1
2x
1 + x
2
=
1 + x
2
2x
1 + x
2
=
(1 x)
2
1 + x
2
,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
137
f

(x) =
2(1 + x
2
) 2x 2x
(1 + x
2
)
2
=
2(x
2
1)
(1 + x
2
)
2
.
a) 2) Soit x R.
On a, pour tout t R :
f

(t) = f

(x) 1
2t
1 + t
2
= 1
2x
1 + x
2
2t(1 + x
2
) = 2x(1 + t
2
) xt
2
x
2
t + x t = 0
xt(t x) + x t = 0 (t x)(xt 1) = 0.
Si x 0, alors : f

(t) = f

(x)
_
t = x ou t =
1
x
_
. Si
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.
b) Puisque f est de classe C
1
sur R, par oprations, lapplica-
tion F : R
2
R, (x, y) f (x + y) f (x) f (y)
est de classe C
1
sur louvert R
2
2
:
_
_
F
x
(x, y) = f

(x + y) f

(x)
F
y
(x, y) = f

(x + y) f

(y).
c) 1) Si (x, y) R
2
vrie f

(x) = f

(y) = f

(x + y), alors,
daprs b), les trois rels x, y, x + y ne sont pas deux deux
distincts.
On a donc : x = y ou x + y = x ou x + y = y
cest--dire : x = y ou x = 0 ou y = 0.
Si x = 0, alors f

(y) = f

(x) = f

(0), donc daprs le calcul
fait dans a), y = 0.
De mme, si y = 0, alors x = 0.
On a donc ncessairement : x = y.
c) 2) Il sensuit, pour tout (x, y) R
2
:
_
_
f

(x) = f

(y)
f

(x + y) = f

(x)
_
y = x
f

(2x) = f

(x) (1).
Et :
(1) 1
4x
1 + (2x)
2
= 1
2x
1 + x
2
2x(1 + x
2
) = x(1 + 4x
2
)
2x
3
x = 0 x(2x
2
1) = 0
_
x = 0 ou x =
1
2
ou x =
1
2
_
.
On conclut que F admet exactement trois points critiques :
(0, 0),
_
1
2
,
1
2
_
,
_
2
,
1
2
_
.
d) Puisque F est de classe C
1
sur louvert R
2
, daprs le cours,
si F admet un extremum local, cest ncessairement en un point
critique.
Lapplication F est de classe C
2
sur louvert R
2
et, pour
tout (x, y) R
2
:
_
2
F
x
2
(x, y) = f

(x + y) f

(x)
2
F
xy
(x, y) = f

(x + y)
2
F
y
2
(x, y) = f

(x + y) f

(y).
On calcule des valeurs de f

en les points utiles, en remarquant
que f
est paire :
f

(0) = 2, f

_
1
2
_
=
4
9
,
f

_
1
2
+
1
2
_
= f

(
2) =
2
9
.
Avec les notations de Monge, en chacun des trois points cri-
tiques, on calcule r, s, t puis rt s
2
:
(0, 0) (
1
2
,
1
2
) (
1
2
,
1
2
)
r 0 2/3 2/3
s 2 2/9 2/9
t 0 2/3 2/3
rt s
2
4 32/81 32/81
En (0, 0), on a rt s
2
< 0, donc F nadmet pas dextremum, il
En les deux autres points critiques, on a rt s
2
> 0, donc F ad-
met un extremum local, et r > 0, donc il sagit dun minimum
local.
On conclut que F admet deux extremums locaux exactement,
en les points
_
1
2
,
1
2
_
et
_
2
,
1
2
_
, et ce sont des mi-
nimums locaux.
En particulier, F admet au moins un extremum local.
4.15
a) Lapplication
f : R
2
R, (x, y) (2x
2
+ 3y
2
)
2
(4x
6
+ 5y
8
)
est de classe C
1
sur louvert R
2
de R
2
, et, pour tout (x, y) R
2
:
_
_
f
x
(x, y) = 2(2x
2
+ 3y
2
)4x 24x
5
f
y
(x, y) = 2(2x
2
+ 3y
2
)6y 40y
7
.
138
En particulier :
f
x
(0, 0) = 0 et
f
y
(0, 0) = 0.
On conclut : (0, 0) est un point critique de f .
b) On a, pour tout (x, y) [1 ; 1]
2
:
4x
6
+ 5y
8
4x
6
+ 5y
6
5(x
6
+ y
6
)
5(x
2
+ y
2
)
3
=
5
8
(2x
2
+ 2y
2
)
3
5
8
(2x
2
+ 3y
2
)
3
.
De plus, si, par exemple, (x, y)
_
1
3
;
1
3
_
2
, alors :
0 2x
2
+ 3y
2
3(x
2
+ y
2
) 3
_
1
9
+
1
9
_
=
2
3
1,
donc :
(2x
2
+ 3y
2
)
3
(2x
2
+ 3y
2
)
2
,
puis :
5
8
(2x
2
+ 3y
2
)
3
5
8
(2x
2
+ 3y
2
)
2
.
Il en rsulte :
f (x, y) (2x
2
+ 3y
2
)
2
5
8
(2x
2
+ 3y
2
)
2
=
3
8
(2x
2
+ 3y
2
)
2
0.
Ceci montre :
(x, y)
_
1
3
;
1
3
_
2
, f (x, y) f (0, 0).
On conclut : f admet un minimum local en (0, 0).
Remarque :
Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec
les notations de Monge) ; dailleurs, ici, rt s
2
= 0.
4.16
a) Par oprations, lapplication
f : ]0 ; +[
3
R, (x, y, z) xyz ln(x + y + z)
est de classe C
2
sur louvert ]0 ; +[
3
.
b) On calcule les drives partielles premires de f en tout
point (x, y, z) de ]0 ; +[
3
:
f
x
(x, y, z) = yz
1
x + y + z
f
y
(x, y, z) = xz
1
x + y + z
f
z
(x, y, z) = xy
1
x + y + z
.
On a, pour tout (x, y, z) ]0 ; +[
3
:
(x, y, z) est un point critique de f
_
f
x
(x, y, z) = 0
f
y
(x, y, z) = 0
f
z
(x, y, z) = 0
_
yz
1
x + y + z
= 0
xz
1
x + y + z
= 0
xy
1
x + y + z
= 0
_
xy = xz, xy = yz, xy =
1
x + y + z
_
.,,.
x0, y0
_
y = z, x = z, x
2
=
1
3x
_
_
x = y = z =
_
1
3
_ 1
3
= 3
1/3
_
.
On conclut que f admet un point critique et un seul :
A = (3
1/3
, 3
1/3
, 3
1/3
).
c) 1) On calcule les drives partielles secondes de f en tout
point (x, y, z) de ]0 ; +[
3
:
2
f
x
2
(x, y, z) =
1
(x + y + z)
2
2
f
xy
(x, y, z) = z +
1
(x + y + z)
2
2
f
xz
(x, y, z) = y +
1
(x + y + z)
2
2
f
y
2
(x, y, z) =
1
(x + y + z)
2
2
f
yz
(x, y, z) = x +
1
(x + y + z)
2
2
f
z
2
(x, y, z) =
1
(x + y + z)
2
.
On en dduit la hessienne de f en tout point (x, y, z)
de ]0 ; +[
3
:
_
_
1
(x + y + z)
2
z +
1
(x + y + z)
2
y +
1
(x + y + z)
2
z +
1
(x + y + z)
2
1
(x + y + z)
2
x +
1
(x + y + z)
2
y +
1
(x + y + z)
2
x +
1
(x + y + z)
2
1
(x + y + z)
2
_
_
.
Pour x = y = z = 3
1/3
, on a :
1
(x + y + z)
2
=
1
(3 3
1/3
)
2
=
1
(3
2/3
)
2
= 3
4/3
et :
x +
1
(x + y + z)
2
= y +
1
(x + y + z)
2
= z +
1
(x + y + z)
2
= 3
1/3
+ 3
4/3
= (3 + 1)3
4/3
= 4 3
4/3
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
139
On en dduit que la hessienne de f en A est :
3
4/3
_
_
1 4 4
4 1 4
4 4 1
_
_
.
c) 2) On a, en notant < . . > le produit scalaire canonique
sur R
3
:
 = 1 + 0 + 1 = 0,
 = 1 2 + 1 = 0,
< v w > = 1 + 0 + 1 = 0,
donc F est une famille orthogonale pour le produit scalaire
canonique de R
3
.
Comme F est une famille orthogonale et quelle ne contient
pas le vecteur nul, daprs le cours, F est libre.
Puisque dim(R
3
) = 3 et que F est une famille libre de R
3
3 lments, daprs le cours, F est une base de R

3
.
En notant U, V, W les colonnes respectivement transposes de
u, v, w, on a, par calcul matriciel :
HU = 9U, HV = 3V, HW = 3W.
On conclut que u, v, w (qui sont tous non nuls), sont des vec-
teurs propres pour h.
c) 3) 1
re
mthode : tude du signe des valeurs propres de H :
On a vu en 2) que H est semblable la matrice diagonale
diag (9, 3, 3), donc admet deux valeurs propres et deux
seulement, qui sont 3 et 9, donc qui sont toutes non nulles
et pas toutes du mme signe. Daprs le cours, on conclut que
f nadmet pas dextremum local en A.
2
e
mthode : expression de la forme quadratique q canonique-
ment associe H :
On a, pour tout X =
_
_
x
y
z
_
_
M
3,1
(R) :
t
XHX =
_
x y z
_
_
_
1 4 4
4 1 4
4 4 1
_
_
_
_
x
y
z
_
_
= x
2
+ 8xy + 8xz + y
2
+ 8yz + z
2
.
En particulier : q(1, 0, 0) = 1 > 0 et q(1, 1, 0) = 6 < 0.
Daprs le cours, on conclut que f nadmet pas dextremum
local en A.
4.17
a) Lapplication f : ]0 ; +[ R, t
ln(1 + t)
t
est continue sur ]0 ; +[ et f (t) =
ln(1 + t)
t

t 0
1.
Il en rsulte que, pour tout x ]0 ; +[, lintgrale impropre
_
x
0
f (t) dt converge, donc F(x) =
_
x
0
f (t) dt existe.
On a : x ]0 ; +[, F(x) =
_
1
0
f (t) dt +
_
x
1
f (t) dt.
Puisque f est de classe C
1
sur ]0 ; +[, lapplication
F
1
: x
_
x
1
f (t) dt,
qui est une primitive de f sur ]0 ; +[, est de classe C
2
sur
]0 ; +[ et : x ]0 ; +[, F
1
(x) = f (x).
Comme
_
1
0
f (t) dt est une constante, il en rsulte, par addi-
tion, que F est de classe C
2
sur ]0 ; +[ et que :
x ]0 ; +[, F
(x) = f (x),
puis : x ]0 ; , +[, F
(x) = f

(x).
b) Puisque F est de classe C
2
sur ]0 ; +[ et que :
(x, y) ]0 ; +[
2
, xy ]0 ; +[,
par oprations et composition, lapplication
G : (x, y) F(xy) F(x) F(y)
est de classe C
2
sur ]0 ; +[
2
.
On a, pour tout (x, y) ]0 ; +[
2
:
G
x
(x, y) = yF
(xy) F
(x) = y f (xy) f (x)

G
y
(x, y) = xF
(xy) F
(y) = x f (xy) f (y),

puis :
2
G
x
2
(x, y) = y
2
f

(xy) f

(x)
2
G
xy
(x, y) = f (xy) + yx f

(xy)
2
G
y
2
(x, y) = x
2
f

(xy) f

(y).
140
c) On a, pour tout (x, y) ]0 ; +[
2
:
(x, y) est un point critique de G
_
_
G
x
(x, y) = 0
G
y
(x, y) = 0
_
y f (xy) f (x) = 0
x f (xy) f (y) = 0
_
y f (xy) f (x) = 0
x f (x) = y f (y)
_
y f (xy) f (x) = 0
ln(1 + x) = ln(1 + y)
_
y f (xy) f (x) = 0
1 + x = 1 + y
_
x = y
x f (x
2
) f (x) = 0 (2).
Et :
(2) x
ln(1 + x
2
)
x
2

ln(1 + x)
x
= 0
ln(1 + x
2
) = ln(1 + x) 1 + x
2
= 1 + x
x
2
= x
x>0
x = 1.
On conclut que G admet (1, 1) comme unique point critique.
d) Si G admet un extremum local en un point (x, y) de
]0 ; +[
2
, alors, daprs le cours, comme G est de classe C
1
sur louvert ]0 ; +[
2
, (x, y) est un point critique de G, donc
(x, y) = (1, 1).
On a, en (1, 1), avec les notations de Monge :
r = f

(1) f

(1) = 0,
s = f (1) + f

(1),
t = f

(1) f

(1) = 0,
do : rt s
2
=
_
f (1) + f

(1)
_
2
.
On a, pour tout t ]0 ; +[ :
f (t) =
ln(1 + t)
t
, f

(t) =
1
1 + t
t ln(1 + t)
t
2
,
donc : f (1) = ln 2, f

(1) =
1
2
ln 2,
puis : rt s
2
=
_
ln 2 +
_
1
2
ln 2
__
2
=
1
4
< 0.
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.
4.18
a) Daprs le cours, pour tout k 1 ; n, lapplication
(x
1
, ..., x
n
) x
k
est de classe C
2
sur louvert R
n
.
Par oprations (addition, soustraction, multiplication), on d-
duit que lapplication
f : (x
1
, ..., x
n
)
n
k=1
x
2
k
+
_
n
k=1
x
k
_
2
k=1
x
k
est de classe C
2
sur R
n
.
b) On a, pour tout i 1 ; n et tout (x
1
, ..., x
n
) R
n
:
f
x
i
(x
1
, ..., x
n
) = 2x
i
+ 2
_
n
k=1
x
k
_
1.
c) On a, pour tout (x
1
, ..., x
n
) R
n
:
(x
1
, ..., x
n
) est un point critique de f
i 1 ; n,
f
x
i
(x
1
, ..., x
n
) = 0
i 1 ; n, 2x
i
+ 2
_
n
k=1
x
k
_
1 = 0
_
x
1
= ... = x
n
2x
1
+ 2nx
1
1 = 0
x
1
= ... = x
n
=
1
2(n + 1)
.
On conclut : f admet un point critique et un seul, not
(a
1
, ..., a
n
) et on a : i 1 ; n, a
i
=
1
2(n + 1)
.
d) 1) Calculons les drives partielles secondes de f en tout
point de R
n
.
On a, pour tout (i, j) 1 ; n
2
et tout (x
1
, ..., x
n
) R
n
:
2
f
x
i
x
j
(x
1
, ..., x
n
) =
_
_
2 + 2 si i = j
2 si i j.
En particulier :

2
f
x
i
x
j
(a
1
, ..., a
n
) =
_
_
4 si i = j
2 si i j.
On conclut que la matrice hessienne A
n
de f en (a
1
, ..., a
n
) est :
A
n
=
_
_
4 (2)
.
.
.
(2) 4
_
_
.
d) 2) On a, pour tout H =
_
_
h
1
.
.
.
h
n
_
_
M
n,1
(R) 0 :
t
HA
n
H = 4
n
i=1
h
2
i
+ 2
1ijn
h
i
h
j
= 2
n
i=1
h
2
i
+ 2
1i, jn
h
i
h
j
= 2
n
i=1
h
2
i
.,,.
>0
+2
_
n
i=1
h
i
_
2
.,,.
0
> 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
141
d) 3) Daprs 2), la forme quadratique reprsente par la ma-
trice A
n
dans la base canonique de R
n
est dnie-positive, donc,
daprs le cours, f admet un minimum local en (a
1
, ..., a
n
).
On a :
f (a
1
, ..., a
n
) = n
_
1
2(n + 1)
_
2
+
_
n
1
2(n + 1)
_
2
n
1
2(n + 1)
=
1
4(n + 1)
2
_
n + n
2
2n(n + 1)
_
=
n
2
+ n
4(n + 1)
2
=
n
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.
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
x
(x, y, z) = 2x
1
(x + y + z)
2
f
y
(x, y, z) = 2y
1
(x + y + z)
2
f
z
(x, y, z) = 2z
1
(x + y + z)
2
.
Il en rsulte, pour tout A = (x, y, z) ]0 ; +[
3
:
A est un point critique de f
_
f
x
(x, y, z) = 0
f
y
(x, y, z) = 0
f
z
(x, y, z) = 0
_
2x
1
(x + y + z)
2
= 0
2y
1
(x + y + z)
2
= 0
2z
1
(x + y + z)
2
= 0
_
x = y = z
2x =
1
(3x)
2
_
x = y = z
18x
3
= 1
x>0
x = y = z =
_
1
18
_ 1
3
.
En notant, par commodit, =
_
1
18
_ 1
3
, lapplication f admet
un point critique et un seul, et cest A = (, , ).
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[
tel que : f (M) = f (A)+ < f
A
, H > +
1
2
q
A+H
(H),
o f
A
=
_
f
x
(A),
f
y
(A),
f
z
(A)
_
et o q
P
est, pour tout P ]0 ; +[
3
, la forme quadratique re-
prsente 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
(x + y + z)
3
2
(x + y + z)
3
2
(x + y + z)
3
2
(x + y + z)
3
2 +
2
(x + y + z)
3
2
(x + y + z)
3
2
(x + y + z)
3
2
(x + y + z)
3
2 +
2
(x + y + z)
3
_
_
,
do la hessienne S de f en A :
S =
_
_
2 + m m m
m 2 + m m
m m 2 + m
_
_
o on a not, par commodit : m =
2
(3)
3
=
4
3
.
Il sagit maintenant de voir si la forme quadratique de R
3
repr-
sente canoniquement par S (au point A) est dnie-positive,
dnie-ngative, ou autres.
1
re
mthode : dcomposition en combinaison linaire de car-
rs :
Remarquons que S = 2 I
3
+mU, o U =
_
_
1 1 1
1 1 1
1 1 1
_
_
et remarquons
que U = C
t
C, o C =
_
_
1
1
1
_
_
.
On a, pour tout X M
3,1
(R) 0 :
t
XS X =
t
X(2 I
3
+ mC
t
C)X = 2
t
XX + m
t
XC
t
CX
= 2
t
XX + m
t
(
t
CX)(
t
CX) = 2 X
2
.,,.
>0
+m< C X >
2
.,,.
0
> 0.
On dduit que la forme quadratique considre est dnie-
positive et on conclut que f admet un minimum global en A.
2
e
mthode : tude du signe des valeurs propres de S :
On a, pour tout R et tout X =
_
_
u
v
w
_
_
M
3,1
(R) 0 :
S X = X
_
_
(2 + m)u + mv + mw = u
mu + (2 + m)v + mw = v
mu + mv + (2 + m)w = w
_
(2 + m)u + mv + mw = u
2u + 2v = (v u) L
2
L
2
L
1
2u + 2w = (w u) L
3
L
3
L
1
142
_
(2 + m)u + mv + mw = u
( 2)(v u) = 0
( 2)(w u) = 0
_
_
_
= 2
mu + mv + mw = 0
ou
_
_
u = v = w
(2 + 3m)u = u
_
_
_
_
= 2
u + v + w = 0
ou
_
_
= 3m + 2
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 dnie-
positive, et on conclut que f admet un minimum global en A.
Enn, on calcule ce minimum :
f (A) = f (, , ) = 3
2
+
1
3
= 3
_
1
18
_ 2
3
+
18
1
3
3
= 18
2
3
_
3 +
18
3
_
= 9 18
2
3
.
4.20
1) Recherche des extremums locaux :
Lapplication
f : R
2
R, (x, y) (3x + 4y) e
1
2
(x
2
+y
2
)
est de classe C
1
sur louvert R
2
, donc, daprs le cours, si f ad-
met un extremum local, cest ncessairement en un point cri-
tique.
On calcule les drives partielles premires de f en tout point
(x, y) de R
2
:
_
_
f
x
(x, y) =
_
3 x(3x + 4y)
_
e
1
2
(x
2
+y
2
)
f
y
(x, y) =
_
4 y(3x + 4y)
_
e
1
2
(x
2
+y
2
)
.
2
:
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
x(3x + 4y) = 3
y(3x + 4y) = 4
_
x 0, y 0
3x + 4y =
3
x
3
x
=
4
y
_
x 0, y 0
y =
4
3
x
25x
2
= 9
_
_
_
x =
3
5
y =
4
5
ou
_
_
x =
3
5
y =
4
5
_
.
Ainsi, f admet deux points critiques exactement, les points :
A
1
=
_
3
5
,
4
5
_
, A
2
=
_
3
5
,
4
5
_
.
Comme : (x, y) R
2
, f (x, y) = f (x, y),
ltude en A
2
se ramne celle en A
1
.
2
sur louvert R
2
et, pour tout
(x, y) R
2
:
2
f
x
2
(x, y) =
_
(6x 4y) +
_
3 x(3x + 4y)
_
(x)
_
e
1
2
(x
2
+y
2
)
=
_
(9x 4y) + x
2
(3x + 4y)
_
e
1
2
(x
2
+y
2
)
2
f
xy
(x, y) =
_
(4x) +
_
3 x(3x + 4y)
_
(y)
_
e
1
2
(x
2
+y
2
)
=
_
(4x 3y)) + xy(3x + 4y)
_
e
1
2
(x
2
+y
2
)
2
f
y
2
(x, y) =
_
(3x 8y) +
_
4 y(3x + 4y)
_
(y)
_
e
1
2
(x
2
+y
2
)
=
_
(3x 12y) + y
2
(3x + 4y)
_
e
1
2
(x
2
+y
2
)
.
En particulier, en A
1
, avec les notations de Monge :
r =
2
f
x
2
(A
1
) =
__
27
5

16
5
_
+
_
3
5
_
2
5
_
e
1
2
=
34
5
e
1
2
s =
2
f
xy
(A
1
) =
__
12
5

12
5
_
+
12
25
5
_
e
1
2
=
12
5
e
1
2
t =
2
f
y
2
(A
1
) =
__
9
5

48
5
_
+
16
25
5
_
e
1
2
=
41
5
e
1
2
.
Do :
rt s
2
=
34 41 12
2
25
e
1
=
1250
25
e
1
= 50 e
1
> 0.
Il en rsulte, daprs le cours, que f admet un extremum local
en A
1
.
De plus : r < 0, donc il sagit dun maximum local.
La valeur de ce maximum local est :
f (A
1
) = f
_
3
5
,
4
5
_
=
9 + 16
5
e
1
2
= 5 e
1
2
.
Comme : (x, y) R
2
, f (x, y) = f (x, y)
et que f admet un maximum local en A
1
, on dduit que f admet
un minimum local en A
2
.
La valeur de ce minimum local est :
f (A
2
) = f (A
1
) = 5 e
1
2
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
143
2) Recherche des extremums globaux :
On a :
(x, y) R
2
, f (x, y) = 3x + 4y e
1
2
(x
2
+y
2
)
_
3
_
x
2
+ y
2
+ 4
_
x
2
+ y
2
_
e
1
2
(x
2
+y
2
)
= 7
_
x
2
+ y
2
e
1
2
(x
2
+y
2
)
.
Pour tout (x, y) R
2
, en notant t = x
2
+ y
2
, on a donc :
f (x, y) 7
t e
1
2
t
.
Par prpondrance de lexponentielle sur les puissances :
t e
1
2
t
t +
0.
En notant M = f (A
1
) = f (A
2
) = 5 e
1
2
,
il existe donc t
0
]0 ; +[ tel que :
t [t
0
; +[, 7
t e
1
2
t
< M.
On a alors :
(x, y) R
2
,
_
x
2
+ y
2
t
0
= f (x, y) < M
_
.
Comme f (A
1
) = f (A
2
) = M,
on a ncessairement
_
3
5
_
2
+
_
4
5
_
2
< t
0
, donc : t
0
> 1.
Dautre part, lapplication
f
1
: [
t
0
;

t
0
]
2
R, (x, y) f (x, y)
est continue sur le ferm born [
t
0
;

t
0
]
2
de R
2
, donc,
daprs le cours, f
1
admet un maximum global et un minimum
global.
Notons A un point de [
t
0
;

t
0
]
2
en lequel f
1
atteint son
maximum global.
Montrons : (x, y) R
2
, f (x, y) f (A).
Soit (x, y) R
2
.
Si x
2
+ y
2
t
0
, alors f (x, y) f (x, y) < M f (A).
Si x
2
+ y
2
t
0
, alors (x, y) [
t
0
;

t
0
]
2
,
donc f (x, y) = f
1
(x, y) f
1
(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 = A
1
.
Comme : (x, y) R
2
, f (x, y) = f (x, y),
ltude dun minimum global se ramne ltude prcdente.
On conclut que f admet deux extremums globaux, un mini-
mum global, atteint en A
1
et en ce point seulement, et un maxi-
mum global, atteint en A
2
et en ce point seulement.
4.21
a) 1) Notons D
1
, D
2
, D
3
les droites dquations :
D
1
5x + 2y + 4 = 0
D
2
3x + y + 2 = 0
D
3
2x 3y + 5 = 0.
Par rsolution de trois systmes de deux quations deux in-
connues, ces trois droites se coupent deux deux en trois
points :
D
1
D
2
= A, D
1
D
3
= B, D
2
D
3
= C,
o : A = (0, 2), B = (2, 3), C = (1, 1).
Lensemble
_
(x, y) R
2
; 5x + 2y + 4 0
_
est le demi-plan
ferm limit par D
1
et contenant O.
Lensemble
_
(x, y) R
2
; 3x+y+2 0
_
est le demi-plan ferm
limit par D
2
et contenant O.
Lensemble
_
(x, y) R
2
; 2x 3y + 5 0
_
est le demi-plan
ferm limit par D
3
et contenant O.
Lensemble D est lintersection de ces trois demi-plans fer-
ms, donc D est le triangle plein limit par les trois droites
D
1
, D
2
, D
3
.
a) 2) Lensemble D est lintersection de trois ferms, donc D
est ferm.
Il est clair que D est inclus dans [1 ; 2] [2 ; 3], donc D est
born.
a) 3) Puisque f (resp. g) est continue sur D et que D est ferm
born, daprs le cours, f (resp. g) est borne et atteint ses
bornes.
En particulier, on conclut que f (resp. g) admet un maximum
global.
b) Puisque f est une fonction polynomiale du premier degr,
la restriction de f tout segment du plan est monotone sur ce
144
segment, donc cette restriction de f atteint ses bornes au bord
du segment. On peut donc conjecturer que le maximum de f
est atteint au bord de D.
Considrons lintrieur D
de D, dni par les ingalits

strictes correspondant aux ingalits larges dnissant D :
D
=
_
(x, y, z) R
3
;
5x + 2y + 4 > 0, 3x + y + 2 > 0, 2x 3y + 5 > 0
_
.
Raisonnons par labsurde : supposons que f atteigne son maxi-
mum global en un point A de D
.
1
sur louvert D
, daprs le cours, A
est ncessairement un point critique de f .
Mais : (x, y) D
,
f
x
(x, y) = 1 0,
donc f nadmet aucun point critique, contradiction.
Ceci montre que f natteint pas son maximum global en un
point de D
, donc f atteint son maximum en un point du bord

de D.
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.
Ceci montre que f atteint son maximum en A ou en B ou en C.
Il reste calculer les valeurs de f en ces trois points :
f (A) = 5, f (B) = 2, f (C) = 3.
On conclut que f admet un maximum global et que celui-ci est
gal 2 (et quil est atteint en B).
c) Supposons que g atteigne son maximum en un point de
lintrieur D
de D.
Comme g est de classe C
1
sur louvert D
, daprs le cours, g
atteint alors son maximum en un point critique A de g.
On a, pour tout (x, y) D
:
g
x
(x, y) = 2x,
g
y
(x, y) = 2y,
donc g admet un point critique et un seul, qui est O = (0, 0) (et
on a bien O D
).
En O, il est clair que g admet un minimum global, car :
(x, y) D, g(x, y) = x
2
+ y
2
0 = g(0, 0).
Comme, par exemple, (0, 1) D
et que g(0, 1) > g(0, 0), ce

minimum nest pas un maximum.
Ceci montre que g natteint pas son maximum lintrieur
de D, donc g atteint son maximum en un point du bord de D.
Il reste tudier la restriction de g au bord de D.
Sur [AB], on a : 0 x 2 et y =
5x 4
2
,
donc :
g(x, y) = x
2
+ y
2
= x
2
+
_
5x 4
2
_
2
= x
2
+
1
4
(25x
2
40x + 16) =
1
4
(29x
2
40x + 16)
.,,.
not h
1
(x)
,
et on tudie les variations de h
1
:
x 0 20/29 2
h
1
(x) 0 +
4 13
h
1
(x) ,
donc : Max
(x,y)[AB]
g(x, y) = 13.
Sur [CA], on a : 1 x 0 et y = 3x 2,
donc :
g(x, y) = x
2
+ y
2
= x
2
+ (3x 2)
2
= 10x
2
+ 12x + 4
.,,.
not h
2
(x)
,
2
:
x 1 3/5 0
h
2
(x) 0 +
6 4
h
2
(x) ,
donc : Max
(x,y)[CA]
g(x, y) = 4.
Sur [BC], on a : 1 x 2 et y =
2x + 5
3
,
donc :
g(x, y) = x
2
+ y
2
= x
2
+
_
2x + 5
3
_
2
= x
2
+
1
9
(4x
2
+ 20x + 25) =
1
9
(13x
2
+ 20x + 25)
.,,.
not h
3
(x)
,
3
:
x 1
10
13
2
h
3
(x) 0 +
2 13
h
3
(x) ,
donc : Max
(x,y)[BC]
g(x, y) = 13.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
145
On conclut que la maximum global de g est gal 13 et quil
est atteint en B (et en B seulement).
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.
4.22
Daprs le cours, puisque
f : R
4
R, (x, y, z, t) x
2
+ y
2
+ z
2
+ t
2
est de classe C
1
sur louvert R
4
de R
4
, si la restriction de f la
contrainte dgalits linaires C admet un extremum global en
un point A de C, alors f
A
est orthogonal au sous-espace vecto-
riel H , ensemble des solutions du systme linaire homogne
associ
_
_
g
1
(x, y, z, t) = 0
g
2
(x, y, z, t) = 0.
Cherchons une base de H . cet eet, dans le systme homo-
gne dnissant H , exprimons, par exemple, x et y en fonction
de z et t :
(x, y, z, t) H
_
_
x + y z t = 0
2x y + 3z + 2t = 0
_
3x + 2z + t = 0 L
1
L
1
+ L
2
3y 5z 4t = 0 L
2
2L
1
L
2
_
x =
1
3
(2z + t)
y =
1
3
(5z + 4t).
Une base de H est, par exemple, (u, v) o :
u = (2, 5, 3, 0), v = (1, 4, 0, 3).
Dautre part, pour tout A = (x, y, z, t) R
4
:
f
A
=
_
f
x
(A),
f
y
(A),
f
z
(A),
f
t
(A)
_
= (2x, 2y, 2z, 2t).
do :
f
A
H
_
_
(f
A
u) = 0
(f
A
v) = 0
_
2x + 5y + 3z = 0
x + 4y + 3t = 0
.
Ainsi :
_
_
A C
f
A
H
_
x + y z t = 1
2x y + 3z + 2t = 2
2x + 5y + 3z = 0
x + 4y + 3t = 0
_
z =
1
3
(2x 5y)
t =
1
3
(x 4y)
3(x + y) (2x 5y) (x 4y) = 3
3(2x y) + 3(2x 5y) + 2(x 4y) = 6
z =
1
3
(2x 5y), t =
1
3
(x 4y), 12y = 3, 14x 26y = 6
y =
1
4
, x =
25
28
, z =
5
28
, t =
1
28
.
Daprs lgalit de Taylor-Lagrange lordre 1, puisque f est
de classe C
2
sur louvert R
4
, pour tout H H , il existe
]0 ; 1[ tel que :
f (A + H) = f (A) + < f
A
, H >
.,,.
=0
+
1
2
q
A+H
(H).
Daprs la dnition de f , la hessienne de f en tout point P de
R
4
est 2 I
4
, donc q
A+H
est dnie-positive, do :
H H , f (A + H) f (A),
cest--dire : M C, f (M) f (A).
On conclut que f admet un extremum global sous contrainte
dgalits C et un seul, cest un minimum global, il est atteint
en A et en ce point seulement, et il est gal :
f (A) =
1
28
2
_
25
2
+ 7
2
+ 5
2
+ (1)
2
_
=
25
28
.
4.23
a)
Dabord, il est clair que U =
_
(x, y) R
2
; x < y
_
est un ouvert
de R
2
et que lapplication
f : U R, (x, y) x
2
+ y
2
2 ln(y x)
146
est de classe C
1
sur U et, pour tout (x, y) U :
f
x
(x, y) = 2x +
2
y x
,
f
y
(x, y) = 2y
2
y x
.
Do, pour tout (x, y) U :
_
_
f
x
(x, y) = 0
f
y
(x, y) = 0
_
2x +
2
y x
= 0
2y
2
y x
= 0
_
2x +
2
y x
= 0
x + y = 0
_
y = x
2x
2
= 1
x<y
_
_
x =
1
2
y =
1
2
.
On conclut que f admet un point critique et un seul, et que
cest : A = (a, b) =
_
2
,
1
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) R
2
tel que A + H U, il existe ]0 ; 1[ tel
que : f (A + H) = f (A)+ < f
A
, H > +
1
2
q
A+H
(H),
o : < f
A
, H >=
f
x
(A)
.,,.
=0
h +
f
y
(A)
.,,.
=0
k = 0,
et : q
A+H
(H) = rh
2
+ 2shk + tk
2
,
o r, s, t sont les notations de Monge en A + H.
b) 2) On a, pour tout (x, y) U :
2
f
x
2
(x, y) = 2 +
2
(y x)
2
2
f
xy
(x, y) =
2
(y x)
2
2
f
y
2
(x, y) = 2 +
2
(y x)
2
tudions le signe de q
A+H
(H).
On a, en notant par commodit =
1
_
(b + k) (a + h)
_
2
:
q
A+H
(H) = rh
2
+ 2shk + tk
2
= (2 + 2)h
2
2hk + (2 + 2)k
2
= (2 + )(h
2
+ k
2
) + (h
2
2hk + k
2
)
= (2 + )(h
2
+ k
2
) + (h k)
2
0.
On a donc :
f (A + H) = f (A) + < f
A
, H >
.,,.
=0
+
1
2
q
A+H
(H)
.,,.
0
f (A),
et on conclut que f admet un minimum global en A.
La valeur de ce minimum global est :
f (A) = a
2
+ b
2
2 ln(b a) =
1
2
+
1
2
2 ln
_
2
2
_
= 1 ln 2.
c) On a, par exemple, pour y > 0 :
f (0, y) = y
2
2 ln y
y +
+,
on conclut que f nadmet pas de maximum global.
d) Supposons que f admette un maximum local en un point
not B.
1
sur louvert U, daprs le cours, B
est un point critique de f , donc, daprs a), on a : B = A.
En reprenant les notations de b)2), on a, pour tout h > 0 assez
petit, en remplaant (h, k) par H = (h, 2h) par exemple :
q
A+H
(H) = (2 + )
_
h
2
+ (2h)
2
_
+ (h 2h)
2
> 0.
Ceci montre que, sur tout voisinage de A, il existe des points
A + H de U en lesquels f (A + H) > f (A), donc f nadmet pas
de maximum local en A.
On conclut que f nadmet pas de maximum local.
4.24
a) Lapplication f : ]0 ; +[ R, x x e
x
est de classe C
1
sur ]0 ; +[, donc, par oprations, lapplica-
tion 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
x
(x, y) = f

(x) f

(x + y),
F
y
(x, y) = f

(y) f

(x + y).
b) Soit a ]0 ; +[.
On a, pour tout x ]0 ; +[ :
f

(x) = (1 x) e
x
, f

(x) = (x 2) e
x
,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
147
do le tableau des variations de f

:
x 0 2 +
f

(x) 0 +
1 0
f

(x) ,
e
2
Si a 1, alors lquation f

(x) = f

(a), dinconnue
x ]0 ; +[, admet exactement une solution, et cest a.
Si a > 1, alors lquation f

(x) = f

(a), dinconnue
x ]0 ; +[ admet exactement deux solutions, et lune delles
est a.
On conclut que, pour tout a ]0 ; +[ x, lquation
f

(x) = f

(a), dinconnue x ]0 ; +[, admet au plus une
solution distincte de a.
c) Soit (x, y) ]0 ; +[
2
x. On a :
_
_
F
x
(x, y) = 0
F
y
(x, y) = 0
_
f

(x) f

(x + y) = 0
f

(y) f

(x + y) = 0
f

(x) = f

(y) = f

(x + y).
Supposons f

(x) = f

(y) = f

(x + y).
Daprs b), les trois rels x, y, x + y ne sont pas deux deux
dirents.
Dautre part, comme x > 0 et y > 0, on a x +y y et x +y x.
Do ncessairement x = y, puis f

(x) = f

(x + y) = f

(2x).
Rciproquement, si x = y et f

(x) = f

(2x),
alors f

(x) = f

(y) = f

(x + y).
On conclut que (x, y) est un point critique de f si et seulement
si : x = y et f

(x) = f

(2x).
d) On a, pour tout x ]0 ; +[ :
f

(x) = f

(2x) (1 x) e
x
= (1 2x) e
2x
(1 x) e
x
(1 2x) = 0.
Lapplication
: ]0 ; +[ R, x (1 x) e
x
(1 2x)
est de classe C
2
sur ]0 ; +[ et, pour tout x ]0 ; +[ :
(x) = x e
x
+ 2,
(x) = (x + 1) e
x
.
do le tableau des variations de :
x 0 +
(x)
2
(x)
(x) + 0
> 0
,
(x) 0 0
Par continuit et stricte monotonie par intervalles, il existe

]0 ; +[ unique tel que
() = 0.
Puis, il existe ] ; +[ unique tel que () = 0.
De plus : (1) = 1 > 0 et (2) = e
2
+ 3 < 0,
donc : 1 < < 2.
On conclut que F admet un point critique et un seul, que celui-
ci est de la forme (, ) et que 1 < < 2.
e) Puisque 1 < < 2, on a :
f

() = ( 2) e
< 0, f

(2) = (2 2) e
2
> 0.
f) Daprs le cours, comme F est de classe C
1
sur louvert
]0 ; +[
2
, si F admet un extremum local, cest ncessairement
en un point critique, donc au point (, ).
148
2
sur ]0 ; +[, par oprations, F est
de classe C
2
sur ]0 ; +[
2
et, pour tout (x, y) ]0 ; +[
2
:
2
F
x
2
(x, y) = f

(x) f

(x + y)
2
F
xy
(x, y) = f

(x + y)
2
F
y
2
(x, y) = f

(y) f

(x + y)
En particulier, au point critique (, ), avec les notations de
Monge :
r = f

() f

(2), s = f

(2), t = f

() f

(2).
On dduit :
rt s
2
=
_
f

() f

(2)
_
2
_
f

(2)
_
2
=
_
f

()
.,,.
<0
2 f

(2)
.,,.
>0
_
f

()
.,,.
<0
,
Daprs e), on dduit : rt s
2
> 0 et r < 0.
On conclut que F admet en (, ) un maximum local.
Finalement F admet un extremum local et un seul, cest un
maximum local, et il est atteint en (, ).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
149
Variables alatoires
discrtes, vecteurs
alatoires discrets
CHAPITRE
5
5
Plan
Dtermination de la loi dune variable alatoire discrte
Dtermination de la loi dun couple de variables alatoires discrtes, obtention
des lois marginales
Calculs de lesprance et de la variance dune variable alatoire discrte
Calculs de la covariance et du coecient de corrlation linaire dun couple de
variables alatoires discrtes.
Loi dune variable alatoire discrte, loi de la variable alatoire Y = f (X) o f
est une fonction dnie sur X() et X une variable alatoire discrte
On abrge variable alatoire en

va.
Esprance dune variable alatoire discrte, thorme de transfert, linarit de
lesprance, formule de lesprance totale
Moment dordre r et moment centr dordre r dune variable alatoire discrte,
variance et cart-type dune variable alatoire discrte, proprits
Loi dun couple de variables alatoires discrtes, lois dun vecteur alatoire dis-
cret, lois marginales, lois conditionnelles
Indpendance de deux variables alatoires discrtes, indpendance mutuelle
dune famille nie ou innie de variables alatoires discrtes
Loi dune variable alatoire Z = f (X, Y) o f est une fonction dnie 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 ala-
toires discrtes, matrice de variance-covariance dun vecteur alatoire discret
Variance de la somme de deux variables alatoires discrtes, variance de la
somme de n variables alatoires discrtes, variance de la somme dans le cas
de lindpendance
Lois discrtes usuelles : loi de Bernoulli, loi binomiale, loi hypergomtrique,
loi uniforme, loi gomtrique, loi de Poisson.
150
Les mthodes retenir
Les mthodes retenir
Pour dterminer
la loi de probabilit
dune va discrte X
Dterminer lensemble X() des valeurs prises par X, puis pour
chaque valeur x de X(), calculer P(X = x) (soit directement, soit
en dterminant dans un premier temps, P(X x) ou P(X < x) ou
P(X x) ou P(X > x)).
Exercices 5.1, 5.6, 5.10, 5.13, 5.14, 5.16
Reconnatre une situation type dune loi usuelle.
Exercices 5.2, 5.8, 5.10, 5.12
Exprimer X laide dune ou plusieurs va discrtes, dterminer la
loi de chaque va pour en dduire la loi de X (voir les mthodes ci-
dessous pour dterminer la loi dune va fonction dune va dis-
crte et pour dterminer la loi dune va fonction dun couple de
va discrtes ).
Exercice 5.6.
Pour dterminer
la loi de probabilit
dun couple (X, Y) de va discrtes
Dterminer les ensembles X() et Y() des valeurs prises par X
et par Y, puis pour chaque couple (x, y) de X() Y(), calculer
P
_
(X = x) (Y = y)
_
.
Exercices 5.5, 5.9
Commencer par dterminer la loi de X, puis, pour chaque valeur x
de X(), dterminer la loi conditionnelle de Y sachant (X = x) pour
en dduire la loi du couple (X, Y).
Pour dterminer
les lois marginales
connaissant la loi de probabilit
Utiliser la formule des probabilits totales avec comme systme com-
plet dvnements
_
(X = x) ; x X()
_
ou
_
(Y = y) ; y Y()
_
.
Plus prcisment :
pour tout x de X(), P(X = x) =
yY()
P
_
(X = x) (Y = y)
_
pour tout y de Y(), P(Y = y) =
xX()
P
_
(X = x) (Y = y)
_
.
Exercices 5.5, 5.7, 5.9, 5.11, 5.12.
Pour dterminer
la loi de probabilit dune va Y
fonction dune va discrte X
Si Y = f (X) avec X une va discrte de loi connue, alors :
Y() =
_
f (x) ; x X()
_
et y Y(), P(Y = y) =
xX() / f (x)=y
P(X = x).
Exercice 5.3.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
151
Chapitre 5 Variables alatoires discrtes, vecteurs alatoires discrets
Pour dterminer
la loi de probabilit dune va Z
fonction dun couple
de va discrtes (X, Y)
Si Z = f (X, Y) avec (X, Y) un couple de va discrtes de loi conjointe
connue, alors :
Z() =
_
f (x, y) ; (x, y) X() Y()
_
et z Z(), P(Z = z) =
(x,y)X()Y()
f (x,y)=z
P
_
(X = x) (Y = y)
_
.
Dans le cas o Z = X + Y, on obtient la loi de Z en crivant :
z Z(), P(Z = z) =
xX()
P
_
(X = x) (Y = z x)
_
.
Dans le cas o Z = min(X, Y), on obtient plus facilement la loi de Z
en calculant dans un premier temps :
z Z(), P(Z z) = P
_
(X z) (Y z)
_
.
Dans le cas o Z = max(X, Y), on obtient plus facilement la loi de Z
en calculant dans un premier temps :
z Z(), P(Z z) = P
_
(X z) (Y z)
_
.
Pour montrer
quune va discrte
admet une esprance
et la calculer
Utiliser la dnition :
si X est une va discrte nie avec X() =
_
x
1
, . . . , x
n
_
alors X admet une esprance et E(X) est donne par :
E(X) =
n
i=1
x
i
P(X = x
i
)
si X est une va discrte innie avec X() =
_
x
n
; n N
_
alors X admet une esprance si et seulement si
la srie
n0
x
n
P(X = x
n
) converge absolument ;
dans ce cas, E(X) est donne par : E(X) =
+
n=0
x
n
P(X = x
n
).
Exercices 5.3 5.6, 5.9, 5.12 5.15, 5.18
Reconnatre une loi usuelle et appliquer les formules du cours.
Exercices 5.1, 5.2, 5.8 5.10, 5.12, 5.16
Utiliser la linarit de lesprance :
si X =
1
X
1
+ +
n
X
n
avec (
1
, . . . ,
n
) R
n
et, pour tout i 1 ; n, X
i
admet une esprance
E(X) =
1
E(X
1
) + +
n
E(X
n
).
Exercices 5.1, 5.6, 5.10, 5.17
152
Les mthodes retenir
(suite)
Utiliser la formule de lesprance totale :
soit (A
i
)
iI
un systme complet dvnement ;
alors X admet une esprance si et seulement si
pour tout i de I tel que P(A
i
) 0, E(X A
i
) existe
et la srie
iI ; P(A
i
)0
E(X A
i
)P(A
i
) converge absolument ;
dans ce cas, E(X) est donne par :
E(X) =
iI ; P(A
i
)0
E(X A
i
)P(A
i
).
Utiliser le thorme de transfert :
si Y = f (X) et si
xX()
f (x)P(X = x) converge absolument
alors Y admet une esprance et E(Y) est donne par :
E(Y) =
xX()
f (x)P(X = x)
si Z = f (X, Y) et si la srie double
(x,y)(X,Y)()
f (x, y)P
_
(X = x) (Y = y)
_
converge absolument
alors Z admet une esprance et E(Z) est donne par :
E(Z) =
(x,y)(X,Y)()
f (x, y)P
_
(X = x) (Y = y)
_
.
Exercices 5.5, 5.7, 5.8.
Pour montrer
quune va discrte
admet une variance
et la calculer
Montrer que X admet une esprance puis montrer que
_
X E(X)
_
2
admet une esprance ;
dans ce cas, V(X) est donne par : V(X) = E
__
X E(X)
_
2
_
.
Montrer que X et X
2
admettent une esprance ;
dans ce cas, V(X) est donne par : V(X) = E(X
2
)
_
E(X)
_
2
.
Exercices 5.5, 5.6, 5.9, 5.13
Reconnatre une loi usuelle et appliquer les formules du cours.
Exercices 5.1, 5.9, 5.12
Utiliser la proprit suivante :
si X = X
1
+ + X
n
et les va X
1
, . . . , X
n
admettent une variance
alors X admet une variance et V(X) est donne par :
V(X) =
n
i=1
V(X
i
) + 2
1i<jn
Cov(X
i
, X
j
) ;
de plus, si les va X
1
, . . . , X
n
sont mutuellement indpendantes,
alors V(X) est donne par : V(X) =
n
i=1
V(X
i
).
Exercices 5.1, 5.6, 5.10.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
153
Pour calculer la covariance
Utiliser : Cov(X, Y) = E
__
X E(X)
__
Y E(Y)
__
ou Cov(X, Y) = E(XY) E(X)E(Y).
Calculer V(X), V(Y), V(X + Y) (ou V(X Y)) et utiliser la formule :
V(X + Y) = V(X) + V(Y) + 2 Cov(X, Y)
(ou V(X Y) = V(X) + V(Y) 2 Cov(X, Y)).
Si X et Y sont indpendantes, alors Cov(X, Y) = 0.
Exercices 5.1, 5.2, 5.9 5.11.
Pour montrer que
des va discrtes
sont indpendantes
Souvent, lindpendance de va est donne par lnonc.
Utiliser les dnitions du cours.
Utiliser la proprit suivante :
si X
1
, . . . , X
n
alors, pour tout p 1 ; n, les va (X
1
, . . . , X
p
) et (X
p+1
, . . . , X
n
)
sont indpendantes.
Exercices 5.1, 5.4, 5.6, 5.11, 5.19.
Pour montrer que
deux va discrtes X et Y
ne sont pas indpendantes
Montrer quil existe x X() et y Y() tels que :
P
_
(X = x) (Y = y)
_
P(X = x)P(Y = y).
Montrer que Cov(X, Y) 0.
Exercice 5.1.
noncs des exercices
5.1 Exemple de somme de n va non indpendantes
On considre une suite (X
n
)
n1
de va mutuellement indpendantes suivant une mme loi de
Bernoulli de paramtre p (0 < p < 1).
On pose, pour tout n 1 : Y
n
= X
n
X
n+1
et U
n
= Y
1
+ + Y
n
.
a) Pour tout n 1, dterminer la loi de Y
n
puis calculer E(Y
n
) et V(Yn).
b) Les variables alatoires Y
n
sont-elles mutuellement indpendantes ?
Calculer, pour tous n, m 1, Cov(Y
n
, Y
m
).
c) Calculer, pour tout n 1, E(U
n
) et V(U
n
).
5.2 Tirages avec remise dans une urne contenant trois couleurs de boules
Une urne contient des boules blanches en proportion b, des boules rouges en proportion r et des
boules jaunes en proportion j.
Ainsi, on a : 0 < b < 1, 0 < r < 1, 0 < j < 1 et b + r + j = 1.
On eectue dans cette urne n tirages avec remise (n N
), et on note B (resp. R, J) le nombre

de boules blanches (resp. rouges, jaunes) obtenues.
154
noncs des exercices
a) Donner les lois de B, R, J, leurs esprances et leurs variances.
b) Donner la loi de B + R. En dduire Cov(B, R).
c) On note X le vecteur alatoire X = (B, R, J).
1) Dterminer la loi du vecteur X.
2) Dterminer la matrice de variance-covariance du vecteur X.
5.3 Exemple dune va fonction dune autre va discrte
On considre une va X dnie sur un espace probabilis (, A , P) valeurs dans N.
On dnit la va Y par : , Y() =
_
_
0 si X() est impair
X()
2
si X() est pair
.
a) On suppose que X suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
Dterminer la loi de Y et calculer son esprance.
b) On suppose que X suit la loi de Poisson de paramtre , avec R
+
.
Dterminer la loi de Y et calculer son esprance.
5.4 Exemple dune va fonction dun couple de va discrtes
On considre une va X suivant la loi uniforme sur 1, 2 et une va Y, indpendante de X, suivant
la loi de Poisson de paramtre > 0. On dnit la va Z = XY.
a) Dterminer la loi de Z. Calculer son esprance et sa variance.
b) Calculer la probabilit que Z soit pair.
5.5 Loi du plus petit numro et du plus grand numro obtenus lors dun tirage simultan de
deux boules
Dans cet exercice, on utilisera : (n, p) N
2
tel que p n,
n
k=p
_
k
p
_
=
_
n + 1
p + 1
_
.
Soit n 2. On considre une urne contenant n boules numrotes de 1 n. On tire simultanment
deux boules au hasard et on note X la va gale au plus petit des deux numros tirs et Y la va
gale au plus grand des deux numros tirs.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.
b) Calculer E(Y) puis E
_
Y(Y 2)
_
. En dduire V(Y).
c) Montrer que n + 1 X et Y ont la mme loi. En dduire E(X) et V(X).
d) Calculer E
_
X(Y 2)
_
. En dduire la covariance de (X, Y).
e) Pour quelles valeurs de n le coecient de corrlation linaire de X et Y est-il dni ? Dter-
miner sa valeur dans ce cas.
5.6 Exemple de produit et de somme de nva mutuellement indpendantes, daprs loral HEC
2008
n
)
nN
de va mutuellement indpendantes de mme loi, valeurs dans
1, 1, dnies sur un mme espace probabilis (, A, P).
On pose, pour tout n N
, p = P(X
n
= 1), et on suppose que p ]0 ; 1[.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
155
a) Pour tout n N
, on pose : Y
n
=
n
_
i=1
X
i
.
1) Calculer, pour tout n N
, E(Y
n
) et V(Y
n
).
2) Dterminer la loi de Y
2
et la loi de Y
3
.
3) On pose, pour tout n N
, p
n
= P(Y
n
= 1). Dterminer une relation de rcurrence entre
p
n+1
et p
n
. En dduire une expression de p
n
en fonction de p et n.
b) Pour tout n N
, on pose : S
n
=
n
i=1
X
i
.
1) Calculer, pour tout n N
, E(S
n
) et V(S
n
).
2) Dterminer, pour tout n N
, la loi de S
n
. (On pourra se ramener des variables alatoires
X
i
, pour 1 i n, indpendantes suivant une loi de Bernoulli).
5.7 Exemple de loi conjointe
Soit a R. On considre un couple (X, Y) de va discrtes de loi conjointe donne par :
(i, j) N
2
, P(X = i, Y = j) = a
i + j
i! j!
.
a) Dterminer la valeur de a.
b) Dterminer les lois marginales de X et de Y. Les va X et Y sont-elles indpendantes ?
c) Montrer que le couple (X, Y) admet une covariance et la calculer.
d) Montrer que la va Z = 2
X+Y
admet une esprance et la calculer.
5.8 Tirages successifs dans deux urnes
Soit n N
. On dispose de deux urnes : lurne U

1
contient n boules blanches et n boules noires
et lurne U
2
contient 1 boule blanche et 2 boules noires.
On tire simultanment n boules de U
1
et on les met dans lurne U
2
. On note X la va gale au
nombre de boules blanches tires de U
1
.
a) Dterminer la loi de X ; donner son esprance. On admet que V(X) =
n
2
4(2n 1)
.
b) A lissue du transfert de boules, on tire une boule de U
2
.
Exprimer la probabilit dobtenir une boule blanche en fonction de n et E(X) puis calculer cette
probabilit.
c) Maintenant, lissue du transfert de boules, au lieu de tirer une boule de U
2
, on tire simulta-
nment deux boules de U
2
. Exprimer la probabilit dobtenir deux boules blanches en fonction
de n, E(X) et V(X) puis calculer cette probabilit.
5.9 Loi du premier succs et loi du deuxime succs
On rpte, de faon indpendante, une exprience alatoire au cours de laquelle un vnement
A se ralise, chaque fois, avec la probabilit p, avec 0 < p < 1.
On note X la va gale au rang de la premire ralisation de lvnement A, et Y celle gale au
rang de sa deuxime ralisation.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.
156
noncs des exercices
b) Montrer que X et Y admettent une esprance et une variance puis calculer E(X), E(Y), V(X),
V(Y).
c) Montrer que (X, Y) admet une covariance et calculer Cov(X, Y). En dduire
X,Y
.
d) Soit n 2. Dterminer la loi conditionnelle de X sachant (Y = n).
5.10 Tirages simultans dans une urne, daprs loral HEC 2008
Soit n N
. Une urne contient 2n boules de couleurs toutes direntes. La moiti dentre elles
sont marques du chire zro et les autres sont numrotes de 1 n. On tire simultanment
n boules de cette urne, obtenant ce que lon appelle une poigne. On suppose que toutes les
poignes sont quiprobables.
Pour tout i 1 ; n, on note X
i
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 X
i
.
b) Pour tout (i, j) 1 ; n
2
tel que i j, calculer la covariance du couple (X
i
, X
j
).
c) On note S la va gale la somme des numros ports par les boules gurant dans la poigne.
1) Exprimer S en fonction de X
1
, X
2
, . . . , X
n
2) En dduire lesprance et la variance de S .
d) On note Z la va gale au nombre de boules portant le numro zro dans la poigne. Donner
la loi de probabilit de Z puis son esprance.
5.11 Exemple dune loi conjointe connaissant les lois conditionnelles
Soient X et S deux va dnies sur un mme espace probabilis, valeurs dans N. On suppose
que S suit la loi de Poisson de paramtre , avec > 0, et quil existe p ]0 ; 1[ tel que, pour
tout n de N, la loi conditionnelle de X sachant (S = n) est la loi binomiale de paramtre (n, p).
a) Dterminer la loi du couple (S, X), puis la loi de X.
b) On pose Y = S X. Dterminer la loi de Y et montrer que X et Y sont indpendantes.
c) En dduire que Cov(S, X) = V(X), puis calculer
S,X
.
5.12 Lancers dune pice
On dispose dune pice amenant pile avec la probabilit p (0 < p < 1).
Dans un premier temps, on lance cette pice jusqu obtenir pour la premire fois un pile et on
note N le nombre de lancers ncessaires. Dans un deuxime temps, si le premier pile est apparu
au n-ime lancer, on lance cette mme pice n fois, et lon note X le nombre de piles obtenus.
a) Donner la loi de N, son esprance et sa variance.
b) Soit n N
. Dterminer la loi de X conditionnelle lvnement (N = n).

c) En dduire lexistence et la valeur de lesprance de X.
d) Dterminer la loi de X et retrouver la valeur de E(X).
5.13 Exemple de va fonction dun couple de va discrtes, daprs EML 2010
Soient X et Y deux vas indpendantes suivant toutes les deux la loi gomtrique de paramtre p,
avec 0 < p < 1. On pose q = 1 p. On dnit la va Z =
X Y
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
157
a) Calculer la probabilit P(Z = 0), puis montrer : n N
, P(Z = n) =
2pq
n
1 + q
.
b) Montrer que Z admet une esprance et la calculer.
c) Montrer : E
_
(X Y)
2
_
= 2V(X).
d) En dduire que Z admet une variance et la calculer.
5.14 Dplacement dun mobile sur un axe gradu
Un mobile se dplace sur les points coordonnes entires dun axe dorigine O. Au dpart,
le mobile est lorigine (point dabscisse 0). Le mobile se dplace selon la rgle suivante : sil
est sur le point dabscisse k linstant n, alors, linstant (n + 1), il sera sur le point dabscisse
(k + 1) avec la probabilit
k + 1
k + 2
ou sur le point dabscisse 0 avec la probabilit
1
k + 2
.
Pour tout n de N, on note X
n
labscisse de ce point linstant n et u
n
= P(X
n
= 0).
a) Montrer, pour tout n N et tout k 1 ; n + 1, P(X
n+1
= k) =
k
k + 1
P(X
n
= k 1).
b) En dduire que, pour tout n N et tout k 0 ; n, P(X
n
= k) =
1
k + 1
u
nk
.
c) Montrer que, pour tout n N,
n
j=0
u
j
n j + 1
= 1. En dduire u
0
, u
1
, u
2
, u
3
.
d) Montrer que, pour tout n N, E(X
n+1
) = E(X
n
) + u
n+1
.
En dduire, pour tout n N
, une expression de E(X

n
) sous forme de somme mettant en jeu
certains termes de la suite (u
n
)
nN
.
e) On note T linstant auquel le mobile se trouve pour la premire fois lorigine (sans compter
son positionnement au dpart) et on convient que T prend la valeur 0 si le mobile ne revient
jamais lorigine.
1) Montrer : n N
, P(T = n) =
1
n(n + 1)
.
En dduire P(T = 0) = 0 et interprter ce rsultat.
2) La variable T a-t-elle une esprance ?
5.15 Une autre expression de lesprance
On considre une variable alatoire discrte X valeurs dans N.
a) Montrer, pour tout n N
:
n
k=0
kP(X = k) =
_
n1
k=0
P(X > k)
_
nP(X > n).
b) 1) On suppose que X admet une esprance. Montrer : lim
n+
nP(X > n) = 0.
En dduire que
n0
P(X > n) converge puis que
+
n=0
P(X > n) = E(X).
2) On suppose que la srie
n0
P(X > n) converge. Montrer que X admet une esprance.
c) noncer le rsultat dmontr.
5.16 Minimum et maximum de n va indpendantes
Soit n 1. On considre des va X
1
, . . . , X
n
indpendantes, suivant toutes la loi gomtrique de
paramtre p, avec 0 < p < 1. On note q = 1 p.
158
noncs des exercices
Enn, on pose : U = min
1in
X
i
et V = max
1in
X
i
.
a) Dterminer la loi de U. En dduire que U admet une esprance et donner E(U).
b) Dterminer la loi de V. En utilisant lexercice 5.15, montrer que V admet une esprance et
que E(V) =
n
i=1
_
n
i
_
(1)
i+1
1
1 q
i
.
5.17 Somme alatoire de variables alatoires discrtes
n
)
nN
de va mutuellement indpendantes, valeurs dans N, de mme
loi et admettant une esprance.
On considre une autre va N, indpendante des va X
n
pour n N
, et valeurs dans N.
On dnit la va S par : S () =
_
X
1
() + + X
N()
() si N() 1
0 si N() = 0
.
a) Soit n N tel que P(N = n) 0. Montrer que lesprance conditionnelle de S sachant
(N = n) existe et la calculer.
b) En dduire que S admet une esprance et que lon a : E(S ) = E(X
1
)E(N).
5.18 Fonction gnratrice dune va
Soit X une va discrte valeurs dans N. On dnit la fonction gnratrice de X par :
G
X
: t G
X
(t) =
+
n=0
P(X = n) t
n
.
On pose, pour tout n N, p
n
= P(X = n).
a) Montrer que la fonction gnratrice G
X
de X est dnie sur [1 ; 1]. Calculer G
X
(1).
b) Calculer la fonction gnratrice de X sur [1 ; 1] lorsque X suit une loi usuelle :
X b(p), X B(n, p), X G(p), X P().
c) 1) Montrer, pour tout t [0 ; 1[ :
G
X
(t) G
X
(1)
t 1
=
+
n=1
_
1 + t + + t
n1
_
p
n
.
En dduire que la fonction t
G
X
(t) G
X
(1)
t 1
est croissante sur [0 ; 1[.
2) On suppose que X admet une esprance.
Montrer que G
X
est drivable gauche en 1 et G
X
(1) E(X).
3) On suppose G
X
drivable gauche en 1. Montrer : N N
,
N
n=1
n p
n
G
X
(1).
En dduire que X admet une esprance et que E(X) G
X
(1).
4) noncer le rsultat dmontr.
Retrouver lexpression connue de E(X) lorsque X suit une loi usuelle :
X b(p), X B(n, p), X G(p), X P().
5.19 Fonction gnratrice et somme de va
Pour toute va X valeurs dans N, on note G
X
sa fonction gnratrice dnie dans lexercice 5.18.
a) Soient X et Y deux va indpendantes valeurs dans N.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
159
Montrer : t [0 ; 1], G
X+Y
(t) = G
X
(t)G
Y
(t).
b) Soient X
1
, . . . , X
n
des va valeurs dans N, mutuellement indpendantes et de mme loi.
On pose : S = X
1
+ + X
n
. Montrer : t [0 ; 1], G
S
(t) =
_
G
X
1
(t)
_
n
.
c) Soient (X
n
)
nN
une suite de va valeurs dans N, mutuellement indpendantes et de mme loi
et N une autre va valeurs dans N
et indpendante des va X
n
, pour n N
.
On dnit la va S par :
S = X
1
+ + X
N
, cest--dire : , S () = X
1
() + + X
N()
().
1) Montrer : t [0 ; 1], G
S
(t) = G
N
G
X
1
(t).
2) On suppose que X
1
et N admettent une esprance. En utilisant lexercice 5.18, montrer que
S admet une esprance et la calculer en fonction de E(X
1
) et E(N).
5.20 Entropie dune va
On note h la fonction dnie par h(x) =
_
x ln x si x > 0
0 si x = 0.
Soit X une va discrte dnie sur un espace probabilis (, A, P).
On pose, sous rserve dexistence, H(X) =
xX()
h
_
P(X = x)
_
.
Le rel H(X) est appel lincertitude moyenne ou entropie de X.
a) On suppose que H(X) existe. Montrer que H(X) 0, puis montrer que H(X) = 0 si et
seulement si X est quasi-certaine.
Dans la suite, on pourra utiliser le rsultat suivant, pour tout x > 0 :
ln x x 1 et
_
ln x = x 1 x = 1
_
.
b) On suppose que X est une va nie et on note X() = x
1
, . . . , x
n
.
On pose, pour tout i 1 ; n, u
i
= P(X = x
i
).
1) Soit X
0
une va suivant la loi uniforme sur x
1
, . . . , x
n
. Calculer H(X
0
).
2) Montrer : i 1 ; n, h(u
i
)
1
n
u
i
+ u
i
ln 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 x
1
, . . . , x
n
.
c) On suppose que X est une va discrte innie 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 X
0
une va suivant la loi gomtrique de paramtre p.
Montrer que H(X
0
) existe et la calculer.
2) On pose, pour tout n N
, u
n
= P(X = n) et v
n
=
1
m
_
1
1
m
_
n1
.
Montrer : n N
, h(u
n
) v
n
u
n
u
n
ln(v
n
).
3) En dduire que H(X) mln m (m 1) ln(m 1),
puis montrer que H(X) = mln m (m 1) ln(m 1) si et seulement si X suit la loi gomtrique
de paramtre
1
m
.
160
Du mal dmarrer ?
Du mal dmarrer ?
5.1 a) Pour tout n 1, calculer P(Y
n
= 1), puis reconnatre
une loi usuelle.
b) Remarquer que si m n 1, n, n + 1, les va Y
n
et Y
m
sont
indpendantes.
Pour calculer Cov(Y
n
, Y
m
) lorsque m = n 1 ou n ou n + 1, re-
marquer que E(Y
n
Y
m
) = P(Y
n
= 1, Y
m
= 1).
c) Pour calculer E(U
n
), utiliser la linarit de lesprance.
Pour calculer V(U
n
), utiliser la formule de la variance dune
somme de n va discrtes.
5.2 a) Reconnatre des situations types.
b) Pour la loi de B+R, reconnatre une situation type. En dduire
la valeur de V(B + R) puis celle de Cov(B, R).
c) 1) Calculer, pour tout (k
1
, k
2
, k
3
) N
3
, P
_
X = (k
1
, k
2
, k
3
)
_
en
distinguant les cas k
1
+ k
2
+ k
3
n, k
1
+ k
2
+ k
3
= n.
c) 2) Utiliser la dnition de la matrice de variance-covariance.
5.3 a) Remarquer : n N
, P(Y = n) = P(X = 2n)

et justier : P(Y = 0) =
+
n=0
P(X = 2n + 1).
b) Remarquer : n N
, P(Y = n) = P(X = 2n)

et justier : P(Y = 0) = P(X = 0) +
+
n=0
P(X = 2n + 1).
Pour calculer S
1
=
+
n=0
2n+1
(2n + 1)!
, considrer S
2
=
+
n=0
2n
(2n)!
et d-
terminer S
1
+ S
2
et S
2
S
1
.
5.4 a) Justier que pour tout n de N :
P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1) et
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n).
Pour calculer E(Z) et E(Z
2
), utiliser lindpendance de X et Y.
b) crire : P(Z est pair) =
+
n=0
P(Z = 2n).
5.5 a) Calculer, pour (i, j) 1; n 1 2; n, P(X = i, Y = j).
En dduire les lois marginales par la mthode habituelle.
b) Calculer E(Y) en utilisant la dnition de lesprance et
E
_
Y(Y 2)
_
en utilisant le thorme de transfert.
c) Exprimer E(X) en fonction de E(Y), puis V(X) en fonction de
V(Y).
d) Calculer E
_
X(Y 2)
_
en utilisant le thorme de transfert.
e) Utiliser la dnition du coefcient de corrlation linaire.
5.6 a) 1) Utiliser lindpendance mutuelle des va X
i
.
a) 3) Montrer : n N
, p
n+1
= (2p 1)p
n
+ 1 p,
puis en dduire une expression de p
n
en fonction de n.
b) 1) Utiliser la linarit de lesprance et la formule donnant
la variance dune somme de va mutuellement indpendantes.
b) 2) Poser, pour tout i 1; n, X
i
=
X
i
+ 1
2
. Dterminer la loi
des X
i
, exprimer S
n
en fonction de ces va puis utiliser le cours.
5.7 a) Utiliser le fait que
(i,j)N
2
P(X = i, Y = j) = 1.
b) Pour dterminer les lois marginales de X et de Y, utiliser la
mthode dcrite dans les mthodes retenir .
Montrer que X et Y ne sont pas indpendantes, par exemple
en considrant P(X = 0, Y = 0).
c) Montrer, dans un premier temps, que X et Y admettent une
esprance et les calculer. Puis montrer, laide du thorme de
transfert, que XY admet une esprance et la calculer.
d) Utiliser le thorme de transfert.
5.8 a) Reconnatre une situation type.
b) Noter E : on tire une boule blanche dans U
2
, puis calcu-
ler, dans un premier temps, P
(X=k)
(E) pour tout k 0; n. Enn
appliquer la formule des probabilits totales.
c) Raisonner de la mme faon quau b).
5.9 a) Utiliser les mthodes habituelles.
b) Utiliser les dnitions de cours.
c) Montrer, dans un premier temps, que XY admet une esp-
rance et la calculer laide du thorme de transfert.
d) Utiliser la dnition dune loi conditionnelle.
5.10 a) Calculer P(X
i
= 1).
b) Calculer tout dabord E(X
i
X
j
) = P(X
i
= 1, X
j
= 1).
c) 1) Remarquer que S =
n
i=1
iX
i
.
c) 2) Utiliser les formules donnant lesprance et la variance
dune somme de n va.
d) Reconnatre une situation type.
5.11 a) Utiliser les mthodes habituelles.
b) Commencer par dterminer, pour tout n de N, la loi condi-
tionnelle de Y sachant (S = n). Puis appliquer convenablement
le rsultat du a).
Utiliser la dnition de lindpendance.
c) Commencer par crire Cov(S, X) = Cov(X + Y, X), puis utiliser
des proprits sur la covariance.
5.12 a) Reconnatre une loi usuelle.
b) Reconnatre une loi usuelle.
c) Utiliser la formule de lesprance totale.
d) Pour dterminer la loi de X, calculer P(X = k) en distinguant
les cas k = 0 et k 1.
Pour dterminer E(X), utiliser la dnition de lesprance.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
161
5.13 a) Justier : P(Z = 0) = P(X = Y)
et : n N
, P(Z = n) = P(X Y = n) + P(Y X = n).

b) Utiliser la dnition de lesprance.
c) Utiliser la linarit de lesprance, puis lindpendance de X
et Y.
d) En dduire E(Z
2
) = 2V(X), puis calculer V(Z).
5.14 a) Utiliser, par exemple, la formule des probabi-
lits totales avec comme systme complet dvnements
(X
n
= 0), . . . , (X
n
= n).
b) Appliquer de faon rpte la relation du a).
c) Utiliser le fait que
n
k=0
P(X
n
= k) = 1.
d) crire : k 1; n + 1, (k + 1)P(X
n+1
= k) = kP(X
n
= k 1).
Puis sommer cette relation.
e) 1) Dcomposer lvnement (T = n).
Justier : P(T = 0) = 1
+
n=1
P(T = n).
e) 2) Montrer que T nadmet pas desprance.
5.15 a) Remplacer dans la premire somme P(X = k) par
P(X > k 1) P(X > k), et faire apparatre une somme tl-
scopique.
b) 1) Montrer : n N, 0 nP(X > n)
+
k=n+1
kP(X = k),
pour en dduire que lim
n+
nP(X > n) = 0.
crire : n N,
n1
k=0
P(X > k) =
n
k=0
kP(X = k) + nP(X > n),
puis passer la limite quand n tend vers +.
b) 2) Remarquer que, pour tout n de N :
0
n
k=0
kP(X = k)
n1
k=0
P(X > k).
En dduire que la suite de terme gnral S
n
=
n
k=0
kP(X = k) est
majore et conclure.
5.16 a) Calculer, dans un premier temps, P(U > k), pour tout
k N, puis reconnatre une loi usuelle.
b) Calculer, dans un premier temps, P(V k), pour tout k N,
puis en dduire la loi de V.
Montrer que
k0
P(V > k) converge puis utiliser lexercice 5.15.
5.17 a) Obtenir : E
_
S (N = n)
_
= nE(X
1
).
b) Utiliser la formule de lesprance totale.
5.18 a) Montrer que, pour tout t [1; 1], la srie de terme
gnral p
n
t
n
converge absolument, donc converge.
b) Dans chacun des cas, remplacer P(X = n) par son expression,
puis simplier G
X
(t).
c) 1) Faire apparatre lexpression
t
n
1
t 1
=
n1
k=0
t
k
.
c) 2) Montrer que le taux daccroissement de G
X
en 1 est major
par E(X), puis conclure.
c) 3) Justier : N N
, t [0; 1[,
N
n=1
(1 + t + + t
n1
)p
n

+
n=1
(1 + t + + t
n1
)p
n
.
Puis passer la limite quand t tend vers 1. Conclure.
c) 4) Dans chacun des cas, montrer que G
X
est drivable
gauche en 1 et calculer E(X) = G
X
(1).
5.19 a) crire G
X+Y
(t) sous forme dune somme double et in-
tervertir les deux sommes.
b) Raisonner par rcurrence sur n.
c) 1) Montrer :
t [0; 1], G
S
(t) =
+
n=0
_
+
k=1
P(N = k)P(X
1
+ + X
k
= n) t
n
_
,
puis intervertir les deux sommes.
c) 2) Montrer que la fonction G
S
est drivable gauche en 1,
laide de lexercice 5.18, puis montrer : E(S) = E(X
1
)E(N).
5.20 a) Remarquer que H(X) est une somme de rels positifs
ou nuls.
b) 1) Obtenir : H(X
0
) = lnn.
b) 2) Appliquer lingalit donne par lnonc x =
1
nu
i
si
u
i
0.
b) 3) Sommer lingalit prcdente. Traiter le cas dgalit.
c) 1) Obtenir : H(X
0
) = lnp
1 p
p
ln(1 p).
c) 2) Appliquer lingalit donne par lnonc x =
v
n
u
n
si
u
n
0.
c) 3) Raisonner de la mme faon quau b) 3).
162
5.1
a) Soit n 1. Alors Y
n
prend les valeurs 0 et 1.
On a : P(Y
n
= 1) = P(X
n
X
n+1
= 1) = P(X
n
= 1, X
n+1
= 1)
= P(X
n
= 1)P(X
n+1
= 1) = p
2
car X
n
et X
n+1
sont indpendantes
Ainsi la va Y
n
suit la loi de Bernoulli de paramtre p
2
.
On a alors : E(Y
n
) = p
2
et V(Y
n
) = p
2
(1 p
2
) = p
2
(1 p)(1 + p).
b) Les va Y
n
et Y
n+1
ne sont pas indpendantes car :
P(Y
n
= 1, Y
n+1
= 1) = P(X
n
X
n+1
= 1, X
n+1
X
n+2
= 1)
= P(X
n
= 1, X
n+1
= 1, X
n+2
= 1)
= P(X
n
= 1)P(X
n+1
= 1)P(X
n+2
= 1) = p
3
,
et P(Y
n
= 1) P(Y
n+1
= 1) = p
2
p
2
= p
4
;
ainsi puisque p ]0 ; 1[,
P(Y
n
= 1, Y
n+1
= 1) P(Y
n
= 1) P(Y
n+1
= 1).
Donc les va Y
n
ne sont pas mutuellement indpendantes.
Soient n, m 1 avec m n 1, n, n + 1.
La va Y
n
fait intervenir les va X
n
et X
n+1
et la va Y
m
fait inter-
venir les va X
m
et X
m+1
. Il ny a pas de va X
i
en commun. Par
indpendance des va X
i
, on en dduit que Y
n
et Y
m
sont ind-
pendantes.
Ainsi : Cov(Y
n
, Y
m
) = 0.
Soit n 1 et m = n + 1. On a :
Cov(Y
n
, Y
m
) = E(Y
n
Y
m
) E(Y
n
)E(Y
m
).
Or : E(Y
n
Y
m
) = P(Y
n
= 1, Y
m
= 1)
car Y
n
() = Y
m
() = 0, 1
= P(Y
n
= 1, Y
n+1
= 1) = P(X
n
= 1, X
n+1
= 1, X
n+2
= 1)
= P(X
n
= 1)P(X
n+1
= 1)P(X
n+2
= 1) = p
3
car X
n
, X
n+1
, X
n+2
sont indpendantes
Et : E(Y
n
)E(Y
m
) = (p
2
)
2
= p
4
.
Ainsi : Cov(Y
n
, Y
m
) = p
3
p
4
= p
3
(1 p).
Soit n 2 et m = n 1. On a :
Cov(Y
n
, Y
m
) = Cov(Y
m
, Y
n
) = Cov(Y
m
, Y
m+1
)
= p
3
(1 p), daprs ce qui prcde.
Soit n 1 et m = n. Alors :
Cov(Y
n
, Y
m
) = V(Y
n
) = p
2
(1 p)(1 + p).
On conclut : Cov(Y
n
, Y
m
)
=
_
_
p
3
(1 p) si m = n 1 ou n + 1
p
2
(1 p)(1 + p) si m = n
0 si m n 1, n, n + 1
.
c) Par linarit de lesprance,
E(U
n
) = E(Y
1
) + + E(Y
n
) = np
2
.
Les va Y
n
ntant pas mutuellement indpendantes, on utilise
la formule gnrale donnant la variance dune somme de n va :
V(U
n
) =
n
i=1
V(Y
i
) + 2
1i<jn
Cov(Y
i
, Y
j
)
.,,.
=0 si j i + 1
=
n
i=1
V(Y
i
) + 2
n1
i=1
Cov(Y
i
, Y
i+1
)
= nV(Y
1
) + 2(n 1)Cov(Y
1
, Y
2
)
= np
2
(1 p
2
) + 2(n 1)p
3
(1 p)
= p
2
(1 p)
_
n(1 + p) + 2(n 1)p
_
= p
2
(1 p)(3np + n 2p).
5.2
a) La va B prend ses valeurs dans 0 ; n.
On ralise ici une succession dpreuves de Bernoulli indpen-
dantes (tirer une boule) dont la probabilit de succs (tirer une
boule blanche) est b, et la va B compte le nombre de succs.
Donc B suit la loi binomiale de paramtre (n, b).
On a alors : E(B) = nb et V(B) = nb(1 b).
De mme, R suit la loi binomiale de paramtre (n, r) et,
E(R) = nr et V(R) = nr(1 r).
Enn, J suit la loi binomiale de paramtre (n, j) et,
E(J) = nj et V(J) = nj(1 j).
b) La va B + R compte le nombre de succs (tirer une boule
blanche ou une boule rouge) dont la probabilit est b + r.
Ainsi B + R suit la loi binomiale de paramtre (n, b + r).
On a alors : V(B + R) = n(b + r)(1 b r).
Or : V(B + R) = V(B) + V(R) + 2 Cov(B, R).
163
On en dduit : Cov(B, R) =
1
2
_
V(B + R) V(B) V(R)
_
=
n
2
_
(b + r)(1 b r) b(1 b) r(1 r)
_
= nbr.
Remarque : Cov(B, R) < 0, ce qui normal puisque si B aug-
mente, R a tendance diminuer ; donc les va B et R voluent en
sens contraires.
c) 1) Soient (k
1
, k
2
, k
3
) N
3
. Alors :
P
_
X = (k
1
, k
2
, k
3
)
_
= P(B = k
1
, R = k
2
, J = k
3
).
Si k
1
+ k
2
+ k
3
n, alors P(B = k
1
, R = k
2
, J = k
3
) = 0.
Supposons k
1
+ k
2
+ k
3
= n. La probabilit que les k
1
premires boules soient blanches, que les k
2
boules suivantes
soient rouges et les k
3
dernires boules soient jaunes est gale
b
k
1
r
k
2
j
k
3
.
Mais, pour raliser lvnement (B = k
1
, R = k
2
, J = k
3
),
lordre des tirages nintervient pas dans le nombre de boules
obtenues de chaque couleur. Il y a
_
n
k
1
_
choix pour placer les k
1
boules blanches, puis
_
n k
1
k
2
_
choix pour placer les k
2
boules
rouges dans les places restantes, et enn
_
n k
1
k
2
k
3
_
pour pla-
cer les k
3
boules jaunes.
Ainsi : P(B = k
1
, R = k
2
, J = k
3
)
=
_
n
k
1
__
n k
1
k
2
__
n k
1
k
2
k
3
_
b
k
1
r
k
2
j
k
3
=
n!
k
1
!(n k
1
)!
(n k
1
)!
k
2
!(n k
1
k
2
)!
(n k
1
k
2
)!
k
3
! (n k
1
k
2
k
3
)!
b
k
1
r
k
2
j
k
3
=
n!
k
1
! k
2
! k
3
!
b
k
1
r
k
2
j
k
3
.
Ainsi : (k
1
, k
2
, k
3
) N
3
, P
_
X = (k
1
, k
2
, k
3
)
_
=
_
_
n!
k
1
! k
2
! k
3
!
b
k
1
r
k
2
j
k
3
si k
1
+ k
2
+ k
3
= n
0 si k
1
+ k
2
+ k
3
n
.
c) 2) Par dnition, la matrice V(X) de variance-covariance
de X est :
V(X) =
_
_
Cov(B, B) Cov(B, R) Cov(B, J)
Cov(R, B) Cov(R, R) Cov(R, J)
Cov(J, B) Cov(J, R) Cov(J, J)
_
_
.
Daprs la question b),
V(X) =
_
_
nb(1 b) nbr nbj
nbr nr(1 r) nr j
nbj nr j nj(1 j)
_
_
.
5.3
a) La va Y prend ses valeurs dans N.
On a, pour tout n N
:
P(Y = n) = P(X = 2n) = (1 p)
2n1
p.
Puis : P(Y = 0) = P
_
+
_
n=0
(X = 2n + 1)
_
=
+
n=0
P(X = 2n + 1) par incompatibilit des vnements
=
+
n=0
(1 p)
2n
p = p
+
n=0
_
(1 p)
2
_
n
= p
1
1 (1 p)
2
=
1
2 p
.
La va Y admet une esprance
la srie
n0
nP(Y = n) converge absolument
la srie
n0
nP(Y = n) converge
(car tous les termes sont positifs).
On a : N 0,
N
n=0
nP(Y = n) =
N
n=1
n(1 p)
2n1
p
= p(1 p)
N
n=1
n
_
(1 p)
2
_
n1
N
p(1 p)
1
_
1 (1 p)
2
_
2
=
1 p
p(2 p)
2
puisque
(1 p)
2
< 1.
Donc Y admet une esprance et E(Y) =
1 p
p(2 p)
2
.
b) La va Y prend ses valeurs dans N.
On a, pour tout n N
:
P(Y = n) = P(X = 2n) = e

2n
(2n)!
.
Puis : P(Y = 0) = P
_
(X = 0)
+
_
n=0
(X = 2n + 1)
_
= P(X = 0) +
+
n=0
P(X = 2n + 1)
par incompatibilit des vnements
= e
+
+
n=0
e

2n+1
(2n + 1)!
.
Notons S
1
=
+
n=0
2n+1
(2n + 1)!
et S
2
=
+
n=0
2n
(2n)!
.
Alors : S
1
+ S
2
=
+
n=0
2n
(2n)!
+
+
n=0
2n+1
(2n + 1)!
=
+
n=0
n
n!
= e
,
164
et : S
2
S
1
=
+
n=0
2n
(2n)!

+
n=0
2n+1
(2n + 1)!
=
+
n=0
(1)
2n
2n
(2n)!
+
+
n=0
(1)
2n+1
2n+1
(2n + 1)!
=
+
n=0
()
n
n!
= e
.
On en dduit : S
1
=
e
2
et S
2
=
e
+ e
2
.
Ainsi, P(Y = 0) = e
+ e
S
1
=
1 + 2 e
e
2
2
.
la srie
n0
la srie
n0
nP(Y = n) converge
On a : N 0,
N
n=0
nP(Y = n) =
N
n=1
n e

2n
(2n)!
=
e
2
N
n=1
(2n)
2n1
(2n)!
=
e
2
N1
n=0
2n+1
(2n + 1)!
N
e
2
S
1
=
(1 e
2
)
4
.
Donc Y admet une esprance et E(Y) =
(1 e
2
)
4
.
5.4
a) La va Z prend ses valeurs dans N.
Soit n N.
On a : (Z = 2n + 1) = (X = 1) (Y = 2n + 1),
do, par indpendance de X et Y :
P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1)
=
e
2

2n+1
(2n + 1)!
.
On a : (Z = 2n) =
_
(X = 1) (Y = 2n)
_
_
(X = 2) (Y = n)
_
,
do, par incompatibilit des deux vnements puis indpen-
dance de X et Y :
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n)
=
1
2
e

2n
(2n)!
+
1
2
e
n
n!
=
e
2
_

2n
(2n)!
+
n
n!
_
.
Puisque les va X et Y sont indpendantes :
E(Z) = E(XY) = E(X)E(Y) =
3
2
=
3
2
.
De plus, les va X
2
et Y
2
sont indpendantes, donc :
E(Z
2
) = E(X
2
Y
2
) = E(X
2
)E(Y
2
).
Or,
_
_
E(X
2
) = 1
2
P(X = 1) + 2
2
P(X = 2) =
5
2
E(Y
2
) = V(Y) + E(Y)
2
= +
2
.
Donc : E(Z
2
) =
5( + 1)
2
.
On en dduit : V(Z) = E(Z
2
) E(Z)
2
=
5( + 1)
2

_
3
2
_
2
=
2
+ 10
4
.
b) Lvnement E : Z est pair scrit : E =
+
_
n=0
(Z = 2n).
Par incompatibilit des vnements, P(E) =
+
n=0
P(Z = 2n)
=
+
n=0
e
2
_

2n
(2n)!
+
n
n!
_
=
e
2
+
n=0
2n
(2n)!
+
e
2
+
n=0
n
n!
.
En utilisant les calculs de lexercice 5.3 :
e
n=0
2n
(2n)!
=
1 + e
2
2
.
Donc : P(E) =
1 + e
2
4
+
1
2
=
3 + e
2
4
.
5.5
a) La va X prend ses valeurs dans 1 ; n 1 et Y prend ses
valeurs dans 2 ; n.
Soit (i, j) 1 ; n 1 2 ; n.
Si i j, alors lvnement (X = i, Y = j) est impossible,
donc P(X = i, Y = j) = 0.
Si i < j, alors lvnement (X = i, Y = j) est ralis si et
seulement si on tire les jetons numros i et j.
Puisquil y a
_
n
2
_
tirages possibles et que tous les tirages sont
quiprobables, on a :
P(X = i, Y = j) =
1
_
n
2
_ =
2
n(n 1)
.
On en dduit : (i, j) N
2
,
P(X = i, Y = j) =
_
_
2
n(n 1)
si 1 i < j n
0 sinon
.
Soit i 1 ; n 1. Alors :
P(X = i) =
n
j=2
P(X = i, Y = j) =
n
j=i+1
2
n(n 1)
=
2(n i)
n(n 1)
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
165
Soit j 2 ; n. Alors :
P(Y = j) =
n1
i=1
P(X = i, Y = j) =
j1
i=1
2
n(n 1)
=
2( j 1)
n(n 1)
.
b) La va Y est une va discrte nie, donc Y admet une esprance
et une variance.
E(Y) =
n
j=2
jP(Y = j) =
2
n(n 1)
n
j=2
j( j 1)
=
4
n(n 1)
n
j=2
_
j
2
_
=
4
n(n 1)
_
n + 1
3
_
en utilisant
la formule donne dans lnonc
=
4
n(n 1)

(n + 1)n(n 1)
6
=
2(n + 1)
3
.
Par le thorme de transfert,
E
_
Y(Y 2)
_
=
n
j=2
j( j 2)P(Y = j)
=
2
n(n 1)
n
j=2
j( j 1)( j 2)
=
12
n(n 1)
n
j=3
_
j
3
_
=
12
n(n 1)
_
n + 1
4
_
en utilisant
la formule donne dans lnonc
=
12
n(n 1)

(n + 1)n(n 1)(n 2)
24
=
(n + 1)(n 2)
2
.
On en dduit :
V(Y) = E(Y
2
)
_
E(Y)
_
2
= E
_
Y(Y 2)
_
+ 2E(Y)
_
E(Y)
_
2
=
(n + 1)(n 2)
2
+ 2
2(n + 1)
3

4(n + 1)
2
9
=
(n + 1)
_
9(n 2) + 24 8(n + 1)
_
18
=
(n + 1)(n 2)
18
.
c) Puisque X prend ses valeurs dans 1 ; n1, alors n + 1 X
prend ses valeurs dans 2 ; n.
De plus : k 2 ; n, P(n + 1 X = k)
= P(X = n + 1 k) =
2(k 1)
n(n 1)
= P(Y = k).
On en dduit que Y et n + 1 X ont mme loi.
Ainsi : E(n + 1 X) = E(Y) et V(n + 1 X) = V(Y).
Or : E(n + 1 X) = n + 1 E(X),
on en dduit : E(X) = n + 1 E(Y) =
n + 1
3
.
De plus : V(n + 1 X) = (1)
2
V(X) = V(X),
on en dduit : V(X) = V(Y) =
(n + 1)(n 2)
18
.
d) Par le thorme de transfert, on a :
E
_
X(Y 2)
_
=
n
j=2
_
n1
i=1
i( j 2)P(X = i, Y = j)
_
=
n
j=2
_
j1
i=1
i( j 2)
2
n(n 1)
_
=
2
n(n 1)
n
j=2
( j 2)
_
j1
i=1
i
_
=
2
n(n 1)
n
j=2
( j 2)
( j 1) j
2
=
6
n(n 1)
n
j=3
_
j
3
_
=
6
n(n 1)

_
n + 1
4
_
=
6
n(n 1)

(n + 1)n(n 1)(n 2)
24
=
(n + 1)(n 2)
4
.
Or, par la linarit de lesprance :
E
_
X(Y 2)
_
= E(XY) 2E(X).
Donc : Cov(X, Y) = E(XY) E(X)E(Y)
= E
_
X(Y 2)
_
+ 2E(X) E(X)E(Y)
=
(n + 1)(n 2)
4
+
2(n + 1)
3

2(n + 1)
2
9
=
(n + 1)
_
9(n 2) + 24 8(n + 1)
_
36
=
(n + 1)(n 2)
36
.
e) Le coecient de corrlation de X et de Y existe si et seule-
ment si V(X) 0 et V(Y) 0, donc si et seulement si n 3.
On a alors :
X,Y
=
Cov(X, Y)
(X)(Y)
=
(n+1)(n2)
36
(n+1)(n2)
18
=
1
2
.
5.6
a) 1) Soit n N
.
Les va X
1
, . . . X
n
tant mutuellement indpendantes,
E(Y
n
) =
n
_
i=1
E(X
i
).
Or, pour tout i N
,
E(X
i
) = P(X
i
= 1) P(X
i
= 1) = p (1 p) = 2p 1.
Ainsi : E(Y
n
) = (2p 1)
n
.
De mme : E(Y
2
n
) = E
_
n
_
i=1
X
2
i
_
=
n
_
i=1
E(X
2
i
).
Or, pour tout i N
,
E(X
2
i
) = P(X
i
= 1) + (1)
2
P(X
i
= 1) = p + (1 p) = 1.
Ainsi : E(Y
2
n
) = 1.
On en dduit : V(Y
n
) = E(Y
2
n
) E(Y
n
)
2
= 1 (2p 1)
2n
.
166
a) 2) La va Y
2
prend ses valeurs dans 1, 1. On a :
P(Y
2
= 1) = P
_
(X
1
= 1, X
2
= 1) (X
1
= 1, X
2
= 1)
_
= P(X
1
= 1)P(X
2
= 1) + P(X
1
= 1)P(X
2
= 1)
car X
1
et X
2
sont indpendantes
= p
2
+ (1 p)
2
= 2p
2
2p + 1.
Et donc : P(Y
2
= 1) = 1 P(Y
2
= 1)
= 2p 2p
2
= 2p(1 p).
La va Y
3
prend ses valeurs dans 1, 1.
On a : P(Y
3
= 1) = P
_
(X
1
= 1, X
2
= 1, X
3
= 1)
(X
1
= 1, X
2
= 1, X
3
= 1) (X
1
= 1, X
2
= 1, X
3
= 1)
(X
1
= 1, X
2
= 1, X
3
= 1)
_
.
Par incompatibilit des vnements puis indpendance des va-
riables, P(Y
3
= 1) = p
3
+ 3(1 p)
2
p.
Et donc : P(Y
3
= 1) = 1 P(Y
3
= 1)
= 1 p
3
3(1 p)
2
p.
a) 3) Soit n N
. Lvnement (Y
n+1
= 1) peut scrire :
(Y
n+1
= 1) = (Y
n
= 1, X
n+1
= 1) (Y
n
= 1, X
n+1
= 1).
Les deux vnements tant incompatibles, puis les va Y
n
et X
n+1
tant indpendantes, on obtient :
P(Y
n+1
= 1)
= P(Y
n
= 1)P(X
n+1
= 1) + P(Y
n
= 1)P(X
n+1
= 1)
= p
n
p + (1 p
n
) (1 p).
On en dduit : p
n+1
= (2p 1)p
n
+ 1 p.
La suite (p
n
)
nN
est alors une suite arithmtico-gomtrique.
Soit tel que = (2p 1) + 1 p, cest--dire =
1
2
.
La suite de terme gnral p
n
1
2
est alors une suite gomtrique
de raison (2p 1).
On en dduit : n N
, p
n
= (2p 1)
n1
_
p
1

1
2
_
+
1
2
.
Or : p
1
= P(Y
1
= 1) = P(X
1
= 1) = p.
Ainsi : n N
, p
n
=
1
2
_
(2p 1)
n
+ 1
_
.
Remarque : On retrouve alors lexpression de E(Y
n
) et E(Y
2
n
).
En eet :
E(Y
n
) = P(Y
n
= 1) P(Y
n
= 1) = 2p
n
1 = (2p 1)
n
E(Y
2
n
) = P(Y
n
= 1) + P(Y
n
= 1) = 1.
b) 1) Soit n N
. Par linarit de lesprance,

E(S
n
) =
n
i=1
E(X
i
) =
n
i=1
(2p 1) = n(2p 1).
Puisque les va X
1
, . . . , X
n
sont indpendantes,
V(S
n
) =
n
i=1
V(X
i
) =
n
i=1
_
E(X
2
i
) E(X
i
)
2
_
= n
_
1 (2p 1)
2
_
= 4np(1 p).
b) 2) Soit n N
. Notons, pour tout i 1 ; n, X
i
=
X
i
+ 1
2
;
alors X
i
suit la loi de Bernoulli de paramtre p.
De plus : S
n
=
n
i=1
_
2X
i
1
_
= 2S
n
n, o S
n
=
n
i=1
X
i
.
Daprs le cours, puisque les va X
i
sont indpendantes (car les
X
i
le sont) et suivent toutes la loi de Bernoulli de paramtre p,
la va S
n
suit la loi binomiale de paramtre (n, p).
On en dduit que :
S
n
prend ses valeurs dans
_
n + 2k ; k 0 ; n
_
=
_
n, n + 2, . . . , n 2, n
_
.
k 0 ; n,
P(S
n
= n + 2k) = P(S
n
= k) =
_
n
k
_
p
k
(1 p)
nk
.
5.7
a) Daprs le cours, la srie
(i, j)N
2
P(X = i, Y = j) converge, et
sa somme est gale 1.
Rappelons un rsultat de cours : pour tout x de R, la srie
n0
x
n
n!
converge et
+
n=0
x
n
n!
= e
x
.
Or : i N,
+
j=0
P(X = i, Y = j) =
+
j=0
a
i + j
i! j!
=
a
i!
_
i
+
j=0
1
j!
+
+
j=0
j
j!
_
=
a
i!
_
i
+
j=0
1
j!
+
+
j=1
1
( j 1)!
_
=
a
i!
(ie + e) = a e
i + 1
i!
.
Et :
+
i=0
a e
i + 1
i!
= a e
_
+
i=0
i
i!
+
+
i=0
1
i!
_
= a e
_
+
i=1
1
(i 1)!
+
+
i=0
1
i!
_
= a e(2e) = 2ae
2
.
On en dduit que a =
1
2e
2
.
b) La va X prend ses valeurs dans N. Soit i N.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
167
Alors : P(X = i) =
+
j=0
P(X = i, Y = j) = a e
i + 1
i!
=
1
2e
i + 1
i!
daprs le calcul prcdent.
La va Y prend ses valeurs dans N. Soit j N.
Alors : P(Y = j) =
1
2e
j + 1
j!
, par symtrie des rles de i et j.
Les va X et Y ne sont pas indpendantes car :
P(X = 0, Y = 0) = 0 et P(X = 0)P(Y = 0) =
_
1
2e
_
2
0.
c) Montrons, dans un premier temps, que X et Y admettent
une esprance.
La va X admet une esprance
la srie
i0
iP(X = i) converge absolument
la srie
i0
iP(X = i) converge (car tous les termes sont
positifs).
Soit N 2. Alors :
N
i=0
iP(X = i) =
1
2e
N
i=0
i(i + 1)
i!
=
1
2e
N
i=0
i(i 1) + 2i
i!
=
1
2e
_
N
i=2
1
(i 2)!
+
N
i=1
2
(i 1)!
_

N
1
2e
( e + 2 e ) =
3
2
.
Ainsi X admet une esprance et E(X) =
3
2
.
Les va X et Y ayant la mme loi, Y admet une esprance et
E(Y) =
3
2
.
Montrons que la va XY admet une esprance.
Utilisons le thorme de transfert, et montrons que la srie
double
(i, j)N
2
i j P(X = i, Y = j) converge absolument, autre-
ment dit quelle converge car tous les termes sont positifs.
Soit i N. Alors : N 2,
N
j=0
i j P(X = i, Y = j)
=
1
2e
2
i!
_
N
j=0
i j(i + j)
j!
_
=
1
2e
2
i!
_
i
2
N
j=0
j
j!
+ i
N
j=0
j
2
j!
_
=
1
2e
2
i!
_
i
2
N
j=1
1
( j 1)!
+ i
N
j=0
j( j 1) + j
j!
_
=
1
2e
2
i!
_
i
2
N
j=1
1
( j 1)!
+ i
N
j=2
1
( j 2)!
+ i
N
j=1
1
( j 1)!
_
N
1
2e
2
i!
( e i
2
+ 2 e i) =
1
2 e
i
2
+ 2i
i!
.
Donc : i N,
+
j=0
i j P(X = i, Y = j) =
1
2 e
i
2
+ 2i
i!
.
Et : N 2,
N
i=0
1
2 e
i
2
+ 2i
i!
=
1
2 e
N
i=0
i(i 1) + 3i
i!
=
1
2 e
_
N
i=2
1
(i 2)!
+ 3
N
i=1
1
(i 1)!
_

N
1
2 e
( e + 3 e ) = 2.
Ainsi XY admet une esprance et E(XY) = 2.
On en dduit que (X, Y) admet une covariance et
Cov(X, Y) = E(XY) E(X)E(Y) = 2
3
2

3
2
=
1
4
.
d) Montrons que la va Z = 2
X+Y
admet une esprance.
double
(i, j)N
2
2
i+j
P(X = i, Y = j) converge absolument, au-
trement dit quelle converge car tous les termes sont positifs.
Soit i N. Alors : N 1,
N
j=0
2
i+j
P(X = i, Y = j)
=
2
i
2e
2
i!
_
N
j=0
2
j
(i + j)
j!
_
=
2
i
2e
2
i!
_
i
N
j=0
2
j
j!
+ 2
N
j=1
2
j1
( j 1)!
_
N
2
i
2e
2
i!
( e
2
i + 2 e
2
) =
2
i
(i + 2)
2i!
.
Donc : i N,
+
j=0
2
i+j
P(X = i, Y = j) =
2
i
(i + 2)
2i!
.
Et : N N,
N
i=0
2
i
(i + 2)
2i!
=
N
i=1
2
i1
(i 1)!
+
N
i=0
2
i
i!
N
e
2
+ e
2
= 2 e
2
.
Ainsi Z admet une esprance et E(Z) = 2 e
2
.
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
boules et dont la proportion initiale de boules blanches est
1
2
.
Ainsi, X suit la loi hypergomtrique de paramtre
_
2n, n,
1
2
_
.
On sait alors que E(X) =
n
2
.
b) Notons E : on tire une boule blanche dans U
2
.
Alors : k 0 ; n, P
(X=k)
(E) =
k + 1
n + 3
.
Puisque les vnements (X = 0), . . . , (X = n) forment un sys-
tme complet dvnements, on a, par la formule des probabi-
lits totales :
168
P(E) =
n
k=0
P(X = k)P
(X=k)
(E) =
n
k=0
P(X = k)
k + 1
n + 3
=
1
n + 3
n
k=0
(k + 1)P(X = k)
=
E(X + 1)
n + 3
par la formule de transfert.
On obtient : P(E) =
E(X) + 1
n + 3
.
Ainsi : P(E) =
n
2
+ 1
n + 3
=
n + 2
2(n + 3)
.
c) Notons F : on tire deux boules blanches dans U
2
.
Alors : P
(X=0)
(F) = 0, et :
k 1 ; n, P
(X=k)
(F) =
_
k+1
2
_
_
n+3
2
_ =
k(k + 1)
(n + 2)(n + 3)
.
Puisque les vnements (X = 0), . . . , (X = n) forment un sys-
tme complet dvnements, on a, par la formule des probabi-
lits totales :
P(F) =
n
k=0
P(X = k)P
(X=k)
(F)
= 0 +
n
k=1
P(X = k)
k(k + 1)
(n + 2)(n + 3)
=
1
(n + 2)(n + 3)
n
k=0
k(k + 1)P(X = k)
=
E
_
X(X + 1)
_
(n + 2)(n + 3)
par la formule de transfert.
On obtient : P(F) =
E(X
2
) + E(X)
(n + 2)(n + 3)
=
V(X) + E(X)
2
+ E(X)
(n + 2)(n + 3)
.
Or : V(X) + E(X)
2
+ E(X) =
n
2
4(2n 1)
+
n
2
4
+
n
2
=
n
4(2n 1)
_
n + n(2n 1) + 2(2n 1)
_
=
n(n
2
+ 2n 1)
2(2n 1)
.
Ainsi : P(F) =
n(n
2
+ 2n 1)
2(n + 2)(n + 3)(2n 1)
.
5.9
a) On dnit, pour tout k N
, les vnements :
S
k
: lvnement A se ralise la k-ime exprience
E
k
: lvnement A ne se ralise pas la k-ime exprience
La va X prend ses valeurs dans 1 ; + et la va Y prend ses
valeurs dans 2 ; +.
Soient n 1 ; + et m 2 ; +. On a :
si m n, alors P(X = n, Y = m) = 0
si n < m, alors (X = n, Y = m)
= E
1
. . . E
n1
S
n
E
n+1
. . . E
m1
S
m
.
Par indpendance des ralisations,
P(X = n, Y = m) = p
2
(1 p)
m2
.
Pour tout n 1 ; +,
P(X = n) = P(E
1
. . . E
n1
S
n
) = (1 p)
n1
p,
par indpendance des vnements.
Ainsi X suit la loi gomtrique de paramtre p, ce qui est nor-
mal puisque X est le temps dattente du premier succs.
Et, pour tout m 2 ; +, on a :
P(Y = m) =
+
n=1
P(X = n, Y = m) =
m1
n=1
p
2
(1 p)
m2
= (m 1)p
2
(1 p)
m2
.
b) Puisque X suit la loi gomtrique de paramtre p, on sait
que X admet une esprance et une variance et :
E(X) =
1
p
et V(X) =
1 p
p
2
.
la srie
m2
mP(Y = m) converge absolument
la srie
m2
mP(Y = m) converge
On a : M 2,
M
m=2
mP(Y = m)
= p
2
M
m=2
m(m 1)(1 p)
m2
M
p
2
2
_
1 (1 p)
_
3
=
2
p
(car 1 p < 1).
Ainsi Y admet une esprance et E(Y) =
2
p
.
La va Y admet une variance
Y admet un moment dordre 2
la srie
m2
m
2
P(Y = m) converge absolument
la srie
m2
m
2
P(Y = m) converge
On a : M 2,
M
m=2
m
2
P(Y = m)
=
M
m=2
m(m 2)P(Y = m) + 2
M
m=2
mP(Y = m)
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
169
= 6p
2
(1 p)
M
m=3
_
m
3
_
(1 p)
m3
+ 2
M
m=2
mP(Y = m)
M
6p
2
(1 p)
1
_
1 (1 p)
_
4
+ 2E(Y) =
6 2p
p
2
.
Donc Y admet un moment dordre 2 et E(Y
2
) =
6 2p
p
2
.
Ainsi Y admet une variance et
V(Y) = E(Y
2
) E(Y)
2
=
2(1 p)
p
2
.
c) Montrons que la va XY admet une esprance.
double
(n,m)
n mP(X = n, Y = m) converge absolument, autre-
ment dit quelle converge car tous les termes sont positifs.
Soit m 2. Alors :
+
n=1
nmP(X = n, Y = m)
=
m1
n=1
nmP(X = n, Y = m)
= mp
2
(1 p)
m2
m1
n=1
n =
1
2
m
2
(m 1)p
2
(1 p)
m2
.
Et : M 2,
M
m=2
1
2
m
2
(m 1)p
2
(1 p)
m2
=
M
m=2
1
2
p
2
(1 p)
m2
_
(m 2)(m 1)m + 2(m 1)m
_
= 3p
2
(1 p)
M
m=3
_
m
3
_
(1 p)
m3
+ 2p
2
M
m=2
_
m
2
_
(1 p)
m2
N
3p
2
(1 p)
1
p
4
+ 2p
2
1
p
3
=
3 p
p
2
.
Ainsi XY admet une esprance et E(XY) =
3 p
p
2
.
On en dduit que (X, Y) admet une covariance et
Cov(X, Y) = E(XY) E(X)E(Y) =
3 p
p
2

1
p

2
p
=
1 p
p
2
.
Puisque V(X) 0 et V(Y) 0, alors
X,Y
existe et on a :
X,Y
=
Cov(X, Y)
(X)(Y)
=
1 p
p
2
_
1 p
p
2
_
2(1 p)
p
2
=
1
2
.
d) Sachant (Y = n), la va X prend ses valeurs dans 1 ; n 1.
De plus, k 1 ; n 1, P
(Y=n)
(X = k)
=
P(X = k, Y = n)
P(Y = n)
=
p
2
(1 p)
n2
(n 1)p
2
(1 p)
n2
=
1
n 1
.
Ainsi la loi conditionnelle de X sachant (Y = n) est la loi uni-
forme sur 1 ; n 1.
Remarque : Ce rsultat tait prvisible puisque, sachant
(Y = n), le rang de la premire ralisation de A est compris
entre 1 et n 1, et chaque rang est quiprobable.
5.10
a) Soit i 1 ; n. Alors X
i
prend ses valeurs dans 0, 1.
Pour raliser lvnement (X
i
= 1), il faut prendre la boule i
(1 choix), puis tirer n 1 autres boules parmi les 2n 1 res-
tantes (
_
2n1
n1
_
choix). Enn, tous les tirages sont quiprobables
et il y a
_
2n
n
_
tirages possibles.
Ainsi : P(X
i
= 1) =
_
1
1
__
2n1
n1
_
_
2n
n
_ =
(2n 1)! n! n!
(n 1)! n! (2n)!
=
1
2
.
Donc X
i
suit la loi de Bernoulli de paramtre
1
2
.
b) On sait que Cov(X
i
, X
j
) = E(X
i
X
j
) E(X
i
)E(X
j
)
et que E(X
i
) = E(X
j
) =
1
2
.
De plus, E(X
i
X
j
) = P(X
i
= 1, X
j
= 1)
car X
i
() = X
j
() = 0, 1
=
1 1
_
2n2
n2
_
_
2n
n
_ =
n(n 1)
2n(2n 1)
=
n 1
2(2n 1)
.
Donc : Cov(X
i
, X
j
) =
n 1
2(2n 1)

1
2

1
2
=
1
4(2n 1)
.
c) 1) On a : S = 1 X
1
+ + n X
n
=
n
i=1
i X
i
.
c) 2) Par la linarit de lesprance,
E(S ) =
n
i=1
i E(X
i
) =
1
2
n
i=1
i =
n(n + 1)
4
.
Les va X
i
ntant pas mutuellement indpendantes, on ap-
plique la formule gnrale pour le calcul de la variance dune
somme de n va :
V(S ) =
n
i=1
V(iX
i
) + 2
1i<jn
Cov(iX
i
, jX
j
)
=
n
i=1
i
2
V(X
i
)
.,,.
=
1
4
+2
1i<jn
i j Cov(X
i
, X
j
)
.,,.
=
1
4(2n 1)
=
1
4
n
i=1
i
2
+ 2
1
4(2n 1)
n
j=2
j
_
j1
i=1
i
_
170
=
n(n + 1)(2n + 1)
24

1
4(2n 1)
n
j=2
( j 1) j
2
=
n(n + 1)(2n + 1)
24

1
4(2n 1)
_
n
2
(n + 1)
2
4
n(n + 1)(2n + 1)
6
_
=
n(n + 1)(2n + 1)
24

n(n + 1)(n 1)(3n + 2)
48(2n 1)
=
n(n + 1)
48(2n 1)
_
2(2n + 1)(2n 1) (n 1)(3n + 2)
_
=
n(n + 1)(5n
2
+ n)
48(2n 1)
=
n
2
(n + 1)(5n + 1)
48(2n 1)
.
d) La va Z suit la loi hypergomtrique de paramtre
_
2n, n,
1
2
_
car on eectue n tirages simultans dans une urne contenant 2n
boules et dont la proportion de boules portant le numro zro
est
n
2n
=
1
2
.
Donc E(Z) =
n
2
.
Remarque : On peut crire Z = n X
1
X
n
.
Donc par linarit de lesprance,
E(Z) = n E(X
1
) E(X
n
) = n n
1
2
=
n
2
.
5.11
a) La loi du couple (S, X) est donne par :
(n, k) N
2
, P(S = n, X = k) = P(S = n)P
(S=n)
(X = k)
=
_
_
0 si k > n
e
n
n!
_
n
k
_
p
k
(1 p)
nk
si 0 k n
=
_
_
0 si k > n
e
n
p
k
(1 p)
nk
k!(n k)!
si 0 k n
.
La va X prend ses valeurs dans N. Soit k N.
Alors : P(X = k) =
+
n=0
P(S = n, X = k)
=
+
n=k
e
n
p
k
(1 p)
nk
k!(n k)!
= e
k
p
k
k!
+
n=k
nk
(1 p)
nk
(n k)!
= e
k
p
k
k!
+
m=0
_
(1 p)
_
m
m!
= e
k
p
k
k!
e
(1p)
= e
p
(p)
k
k!
.
On en dduit que X suit la loi de Poisson de paramtre p.
b) Soit n N. Dterminons la loi conditionnelle de Y sachant
(S = n).
Sachant (S = n), X prend ses valeurs dans 0 ; n, donc
Y = n X aussi.
De plus, k 0 ; n, P
(S=n)
(Y = k) = P
(S=n)
(X = n k)
=
_
n
n k
_
p
nk
(1 p)
k
=
_
n
k
_
(1 p)
k
p
nk
.
Donc la loi conditionnelle de Y sachant (S = n) est la loi bino-
miale de paramtre (n, 1 p).
Par le mme calcul que a), Y suit la loi de Poisson de paramtre
(1 p).
Soit (k, ) N
2
. Alors :
P(X = k, Y = ) = P(S = k + , X = k)
= e
k+
p
k
(1 p)
k!!
=
_
e
p
(p)
k
k!
__
e
(1p)
_
(1 p)
_
!
_
= 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
=
Cov(S, X)
(S )(X)
=
(X)
(S )
=
=

p.
5.12 Notons q = 1 p.
a) La va N suit la loi gomtrique de paramtre
1
p
.
Daprs le cours : E(N) =
1
p
et V(N) =
q
p
2
.
b) Sachant (N = n), la va X suit la loi binomiale de paramtre
(n, p).
c) Les vnements (N = n), pour n 1 forment un systme
complet dvnements et : n 1, P(N = n) 0.
Soit n 1. Puisque la loi conditionnelle de X sachant (N = n)
est la loi binomiale de paramtre (n, p), E
_
X (N = n)
_
existe
et : E
_
X (N = n)
_
= np.
De plus : n 1, E
_
X (N = n)
_
P(N = n) = np
2
q
n1
avec
q < 1 ; donc la srie
n1
E
_
X (N = n)
_
P(N = n) converge
(absolument).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
171
On en dduit que X admet une esprance et :
E(X) =
+
n=1
np
2
q
n1
= p
2
1
(1 q)
2
= 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.
Alors : P(X = k) =
+
n=1
P(N = n) P
(N=n)
(X = k)
.,,.
=0 si n < k
.
Distinguons les cas k = 0 et k 1.
P(X = 0) =
+
n=1
q
n1
p q
n
= pq
1
1 q
2
=
q
1 + q
.
k N
, P(X = k) =
+
n=k
q
n1
p
_
n
k
_
p
k
q
nk
= p
k+1
q
k1
+
n=k
_
n
k
_
(q
2
)
nk
= p
k+1
q
k1
1
(1 q
2
)
k+1
=
q
k1
(1 + q)
k+1
.
La va X admet une esprance
la srie
k0
kP(X = k) converge absolument
la srie
k0
kP(X = k) converge (car tous les termes sont
positifs).
On a, pour tout K 1 :
K
k=0
kP(X = k) =
K
k=1
k
q
k1
(1 + q)
k+1
=
1
(1 + q)
2
K
k=1
k
_
q
1 + q
_
k1
K
1
(1 + q)
2
1
(1
q
1+q
)
2
= 1
car
q
1 + q
< 1.
On en dduit que X admet une esprance et E(X) = 1.
On retrouve bien le mme rsultat quau c).
5.13
a) Lvnement (Z = 0) scrit :
(Z = 0) = (X = Y) =
+
_
k=1
(X = k) (Y = k).
Les vnements (X = k) (Y = k), pour k 1, sont deux
deux incompatibles, puis les va X et Y sont indpendantes.
On obtient alors :
P(Z = 0) =
+
k=1
P(X = k)P(Y = k) =
+
k=1
_
pq
k1
_
2
= p
2
+
k=1
_
q
2
_
k1
= p
2
1
1 q
2
=
p
2
(1 q)(1 + q)
=
p
1 + q
.
Soit n N
. Lvnement (Z = n) scrit :
(Z = n) = (X Y = n) (Y X = n),
et les deux vnements sont incompatibles.
De plus : P(X Y = n) = P
_
+
_
k=1
(Y = k) (X = n + k)
_
=
+
k=1
P
_
(Y = k) (X = n + k)
_
=
+
k=1
P(Y = k)P(X = n + k)
par indpendance des va X et Y
=
+
k=1
(pq
k1
)(pq
n+k1
) =
+
k=1
p
2
q
n+2k2
= p
2
q
n
1
1 q
2
=
pq
n
1 + q
.
De la mme faon : P(Y X = n) =
pq
n
1 + q
.
On en dduit : P(Z = n) =
2pq
n
1 + q
.
b) Ainsi, N 1,
N
n=0
nP(Z = n) =
N
n=1
n
2pq
n
1 + q
=
2pq
1 + q
N
n=1
nq
n1
N
2pq
1 + q

1
(1 q)
2
car q < 1
=
2q
p(1 + q)
.
Ainsi la srie
n0
nP(Z = n) converge, donc converge absolu-
ment (car tous les termes sont positifs).
Donc Z admet une esprance et E(Z) =
2q
p(1 + q)
.
c) On a E
_
(X Y)
2
_
= E
_
X
2
2XY + Y
2
)
= E(X
2
) 2E(XY) + E(Y
2
)
par linarit de lesprance.
Par indpendance de X et Y, E(XY) = E(X)E(Y).
Enn, les va X et Y ont la mme loi, donc
E(X) = E(Y) et E(X
2
) = E(Y
2
).
On obtient alors :
E
_
(X Y)
2
_
= E(X
2
) 2E(X)E(Y) + E(Y
2
)
= 2E(X
2
) 2E(X)
2
= 2V(X).
d) Puisque Z
2
= (XY)
2
, on en dduit que E(Z
2
) existe et donc
que Z admet un moment dordre 2.
Ainsi Z admet une variance et :
172
V(Z) = E(Z
2
)
_
E(Z)
_
2
= 2V(X)
_
E(Z)
_
2
=
2q
p
2

4q
2
p
2
(1 + q)
2
=
2q
p
2
(1 + q)
2
_
(1 + q)
2
2q
_
=
2q(1 + q
2
)
p
2
(1 + q)
2
.
5.14
a) Soient n N et k 1 ; n + 1.
La va X
n
prend ses valeurs dans 0 ; n. Donc les vnements
(X
n
= 0), . . . , (X
n
= n) forment un systme complet dvne-
ments. Par la formule des probabilits totales,
P(X
n+1
= k) =
n
i=0
P(X
n
= i, X
n+1
= k).
Puisque chaque instant, le mobile se dplace dune unit vers
la droite ou revient lorigine, on a :
i k 1, P(X
n
= i, X
n+1
= k) = 0.
Ainsi : P(X
n+1
= k) = P(X
n
= k 1, X
n+1
= k)
= P(X
n
= k 1)P
(Xn=k1)
(X
n+1
= k)
= P(X
n
= k 1)
k
k + 1
.
b) Soient n N et k 0 ; n. Alors, daprs a) :
P(X
n
= k) =
k
k + 1
P(X
n1
= k 1)
=
k
k + 1

k 1
k
P(X
n2
= k 2)
= =
k
k + 1

k 1
k

1
2
P(X
nk
= 0)
=
1
k + 1
P(X
nk
= 0) =
1
k + 1
u
nk
.
c) Soit n N. Alors :
n
j=0
u
j
n j + 1
=
k=nj
n
k=0
1
k + 1
u
nk
=
n
k=0
P(X
n
= k) = 1,
car X
n
Pour n = 0, on obtient : u
0
= 1. Ce qui est normal puisque
u
0
= P(X
0
= 0) et que, linstant initial, le mobile est lori-
gine.
Pour n = 1, on obtient :
u
0
2
+ u
1
= 1.
Donc u
1
= 1
u
0
2
=
1
2
.
u
0
3
+
u
1
2
+ u
2
= 1.
Donc u
2
= 1
u
0
3

u
1
2
=
5
12
.
u
0
4
+
u
1
3
+
u
2
2
+ u
3
= 1.
Donc u
3
= 1
u
0
4

u
1
3

u
2
2
=
3
8
.
d) Soit n N. Daprs la question a),
k 1 ; n + 1, (k + 1)P(X
n+1
= k) = kP(X
n
= k 1).
En sommant cette relation pour k allant de 1 n + 1,
n+1
k=1
(k + 1)P(X
n+1
= k) =
n+1
k=1
kP(X
n
= k 1)
=
n
k=0
(k + 1)P(X
n
= k).
Or :
n+1
k=1
(k + 1)P(X
n+1
= k)
=
_
n+1
k=0
(k + 1)P(X
n+1
= k)
_
P(X
n+1
= 0)
=
_
n+1
k=0
kP(X
n+1
= k)
_
+
_
n+1
k=0
P(X
n+1
= k)
_
P(X
n+1
= 0)
= E(X
n+1
) + 1 u
n+1
,
et :
n
k=0
(k + 1)P(X
n
= k)
=
n
k=0
kP(X
n
= k) +
n
k=0
P(X
n
= k) = E(X
n
) + 1.
On obtient alors : E(X
n+1
) + 1 u
n+1
= E(X
n
) + 1,
do : E(X
n+1
) = E(X
n
) + u
n+1
.
Par rcurrence simple, on montre alors :
n N
, E(X
n
) = E(X
0
) +
n
k=1
u
k
.
Puisque X
0
est la va certaine gale 0, E(X
0
) = 0.
Ainsi : n N
, E(X
n
) =
n
k=1
u
k
.
e) 1) Soit n N
. Lvnement (T = n) scrit :
(T = n) = (X
1
= 1) (X
2
= 2) (X
n1
= n 1)
(X
n
= 0).
En utilisant la formule des probabilits composes, on obtient :
P(T = n) =
1
2

2
3

n 1
n

1
n + 1
=
1
n(n + 1)
.
Puisque la va T prend ses valeurs dans N, on a :
+
n=0
P(T = n) = 1. Donc : P(T = 0) = 1
+
n=1
P(T = n).
On a, pour tout N 1 :
N
n=1
P(T = n) =
N
n=1
_
1
n

1
n + 1
_
= 1
1
N + 1

N
1.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
173
Ainsi : P(T = 0) = 1 1 = 0. Cela signie que lvnement
(T = 0) est ngligeable, et donc il est presque sr que le mobile
ne revient pas lorigine.
e) 2) N 1,
N
n=0
nP(T = n) =
N
n=1
1
n + 1
=
N+1
n=2
1
n

N
+,
car la srie
n1
1
n
diverge.
Ainsi, la srie
n0
nP(T = n) diverge, donc ne converge pas
absolument. On en dduit que T nadmet pas desprance.
5.15
a) Soit n N
. On a :
k N
, P(X = k) = P(X > k 1) P(X > k).

Donc :
n
k=0
kP(X = k) =
n
k=1
kP(X = k)
=
n
k=1
k
_
P(X > k 1) P(X > k)
_
=
n
k=1
kP(X > k 1)
n
k=1
kP(X > k)
=
n1
k=0
(k + 1)P(X > k)
n
k=1
kP(X > k)
=
n1
k=0
kP(X > k) +
n1
k=0
P(X > k)
n
k=1
kP(X > k)
=
n1
k=0
P(X > k) nP(X > n).
b) 1) Supposons que X admet une esprance. Alors la srie
n0
nP(X = n) converge absolument, donc converge.
On a : n 0, nP(X > n) =
+
k=n+1
n
.,,.
k
P(X = k),
donc : 0 nP(X > n)
+
k=n+1
kP(X = k).
Or, puisque la srie
n0
nP(X = n) converge, la suite de ses
restes tend vers 0, cest--dire :
+
k=n+1
kP(X = k)
n
0.
On en dduit : lim
n+
nP(X > n) = 0.
On a :
n1
k=0
P(X > k) =
n
k=0
kP(X = k) + nP(X > n).
avec :
_
_
nP(X > n)
n
0
n
k=0
kP(X = k)
n
E(X).
Donc, en passant la limite dans la relation prcdente :
n1
k=0
P(X > k)
n
E(X).
Ainsi
n0
P(X > n) converge et
+
n=0
P(X > n) = E(X).
b) 2) Supposons que
n0
P(X > n) converge.
On a, daprs a) :
n N
, 0
n
k=0
kP(X = k)
n1
k=0
P(X > k).
Puisque la srie
n0
P(X > n) converge, la suite des sommes
partielles associe est majore. Donc la suite des sommes par-
tielles associe la srie
k0
kP(X = k) est aussi majore.
Et comme cette srie est termes positifs, la srie
k0
kP(X = k)
converge (absolument).
Donc : X admet une esprance.
On peut alors utiliser les rsultats du b) 1) et en dduire :
E(X) =
+
n=0
P(X > n).
c) On en dduit le rsultat suivant :
X admet une esprance
n0
P(X > n) converge.
Dans ce cas, E(X) est donne par : E(X) =
+
n=0
P(X > n).
5.16 Notons q = 1 p.
a) La va U prend ses valeurs dans N
.
Soit k N. On a : (U > k) =
n
_
i=1
(X
i
> k). Par indpendance
des va X
i
, on obtient : P(U > k) =
n
_
i=1
P(X
i
> k).
Or : i 1 ; n, P(X
i
> k) =
+
=k+1
P(X
i
= )
=
+
=k+1
q
1
p = pq
k
1
1 q
= q
k
.
174
Donc : P(U > k) = q
nk
.
On en dduit : k N
, P(U = k)
= P(U > k 1) P(U > k) = q
(k1)n
q
nk
=
_
q
n
_
k1
_
1 q
n
_
.
Ainsi U suit la loi gomtrique de paramtre 1 q
n
.
Donc U admet une esprance et E(U) =
1
1 q
n
.
Remarque : Ce rsultat tait prvisible. Considrons une ex-
prience de Bernoulli dont la probabilit de succs est p. On
ralise simultanment n sries dexpriences, de faon ind-
pendantes, et pour chaque srie, on note X
i
le nombre dexp-
riences ncessaires pour obtenir le premier succs.
Enn, on dnit la va U gale au nombre dexpriences nces-
saires pour obtenir au moins un succs dans lune des n sries
dexpriences. Alors U = min(X
1
, . . . , X
n
).
La probabilit de nobtenir que des checs dans les n sries
dexpriences est q
n
, et donc la probabilit dobtenir au moins
un succs est 1q
n
. On en dduit que U suit la loi gomtrique
de paramtre 1 q
n
.
b) La va V prend ses valeurs dans N
.
Soit k N. On a : (V k) =
n
_
i=1
(X
i
k). Par indpendance
des va X
i
, on obtient : P(V k) =
n
_
i=1
P(X
i
k).
Or : i 1 ; n, P(X
i
k) = 1 P(X
i
> k) = 1 q
k
.
Donc : P(V k) =
_
1 q
k
_
n
.
On en dduit :
k N
, P(V = k) = P(V k) P(V k 1)

=
_
1 q
k
_
n
_
1 q
k1
_
n
.
La va V est valeurs dans N
, donc dans N.
Daprs lexercice 5.15,
V admet une esprance
k0
P(V > k) converge.
On a, pour tout k 0 :
P(V > k) = 1 P(V k) = 1
_
1 q
k
_
n
= 1 e
n ln(1q
k
)
.
Or q
k
k
0 car 0 < q < 1, donc n ln(1 q
k
)
k
0.
On en dduit : P(V > k)
k
n ln(1 q
k
)
k
nq
k
.
Puisque k 0, nq
k
0 et que la srie
k0
nq
k
converge (car il
sagit dune srie gomtrique de raison q ] 1 ; 1[), on en d-
duit, par le thorme de lquivalence pour des sries termes
positifs, que la srie
k0
P(V > k) converge.
Ainsi, la va V admet une esprance.
De plus : E(V) =
+
k=0
P(V > k) =
+
k=0
_
1 (1 q
k
)
n
_
=
+
k=0
_
1
n
i=0
_
n
i
_
(q
k
)
i
_
=
+
k=0
n
i=1
_
n
i
_
(1)
i+1
q
ki
.,,.
not u
k,i
.
Puisque, pour tout i 1 ; n, la srie
k0
u
k,i
converge (car
q
i
< 1), on a, par addition dun nombre ni et x de sries
convergentes : E(V) =
n
i=1
_
+
k=0
u
k,i
_
=
n
i=1
_
_
n
i
_
(1)
i+1
+
k=0
(q
i
)
k
_
=
n
i=1
_
n
i
_
(1)
i+1
1
1 q
i
.
5.17
a) La va S prend ses valeurs dans N.
Soit n 1. Alors, pour tout k N :
P
(N=n)
(S = k) = P
(N=n)
(X
1
+ + X
n
= k)
= P(X
1
+ + X
n
= k)
car les va N et X
1
+ + X
n
sont indpendantes.
Lesprance conditionnelle de S sachant (N = n) existe
la srie
k0
kP
(N=n)
(S = k) converge absolument
la srie
k0
kP
(N=n)
(S = k) converge (car tous les termes
sont positifs).
Puisque les va X
1
, . . . , X
n
admettent une esprance, la va
X
1
+ + X
n
aussi et donc la srie
k0
kP(X
1
+ + X
n
= k)
converge.
On en dduit que lesprance conditionnelle de S sachant
(N = n) existe, et :
E
_
S (N = n)
_
=
+
k=0
kP(X
1
+ + X
n
= k)
= E(X
1
+ + X
n
) = E(X
1
) + + E(X
n
) = nE(X
1
).
Cette formule reste valable pour n = 0, puisque la loi condi-
tionnelle de S sachant (N = 0) est la loi certaine gale 0, donc
E
_
S (N = 0)
_
= 0.
b) Montrons que
nN; P(N=n)0
E
_
S (N = n)
_
P(N = n) converge
absolument, cest--dire converge car tous les termes sont po-
sitifs.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
175
On a, pour tout M 0 :
0nM
P(N=n)0
E
_
S (N = n)
_
P(N = n)
=
0nM
P(N=n)0
nE(X
1
)P(N = n) = E(X
1
)
0nM
P(N=n)0
nP(N = n)
= E(X
1
)
M
n=0
nP(N = n)
M
E(X
1
)E(N).
Ainsi S admet une esprance et :
E(S ) =
nN
P(N=n)0
E
_
S (N = n)
_
P(N = n) = E(X
1
)E(N).
5.18
a) Soit t [1 ; 1].
Alors : n 0, 0 P(X = n)t
n
P(X = n).
Puisque la srie
n0
P(X = n) converge, par le thorme
de majoration pour des sries termes positifs, la srie
n0
P(X = n)t
n
converge.
Ainsi la srie
n0
P(X = n)t
n
converge absolument, donc
converge.
Ceci montre que la fonction G
X
est dnie sur [1 ; 1].
De plus, G
X
(1) =
+
n=0
P(X = n) = 1,
car X prend ses valeurs dans N.
b) Si X b(p), alors :
t [1 ; 1], G
X
(t) = P(X = 0) + P(X = 1)t = 1 p + pt.
Si X B(n, p), alors :
t [1 ; 1], G
X
(t) =
n
k=0
_
n
k
_
p
k
(1 p)
nk
t
k
=
n
k=0
_
n
k
_
(pt)
k
(1 p)
nk
= (pt + 1 p)
n
.
Si X G(p), alors :
t [1 ; 1], G
X
(t) =
+
n=1
(1 p)
n1
pt
n
= pt
+
n=1
_
(1 p)t
_
n1
=
pt
1 (1 p)t
.
Si X P(), alors :
t [1 ; 1], G
X
(t) =
+
n=0
e
n
n!
t
n
= e
n=0
(t)
n
n!
= e
e
t
= e
(t1)
.
c) 1) Soit t [0 ; 1[. Alors :
G
X
(t) G
X
(1)
t 1
=
1
t 1
_
+
n=0
p
n
t
n
n=0
p
n
_
=
+
n=1
1 t
n
1 t
p
n
=
+
n=1
(1 + t + + t
n1
)p
n
.
Soient s, t [0 ; 1[ tels que s t.
Alors, pour tout n 1, on a : k 0 ; n 1, s
k
t
k
,
et donc : p
n
n1
k=0
s
k
p
n
n1
k=0
t
k
.
Puis :
G
X
(s) G
X
(1)
s 1
=
+
n=1
_
p
n
n1
k=0
s
k
_
n=1
_
p
n
n1
k=0
t
k
_
=
G
X
(t) G
X
(1)
t 1
.
Donc : : t
G
X
(t) G
X
(1)
t 1
est croissante sur [0 ; 1[.
c) 2) On a :
t [0 ; 1[, n 1, (1 + t + + t
n1
)p
n
np
n
,
do : t [0 ; 1[, (t)
+
n=1
np
n
= E(X).
La fonction est alors majore sur [0 ; 1[ et puisquelle y est
croissante, admet une limite nie en 1
.
Ainsi, G
X
est drivable gauche en 1 et :
G
X
(1) = lim
t1
(t) E(X).
c) 3) Soit N N
. Alors, pour tout t [0 ; 1[,

N
n=1
(1 + t + + t
n1
)p
n

+
n=1
(1 + t + + t
n1
)p
n
= (t).
Or :
_
_
N
n=1
(1 + t + + t
n1
)p
n

t1
N
n=1
np
n
(t)
t1
G
X
(1).
En passant la limite quand t tend vers 1 dans lingalit pr-
cdente, on obtient :
N
n=1
np
n
G
X
(1).
Ceci montre que la suite des sommes partielles associe
la srie
n1
np
n
est majore par G
X
(1). Puisque cette srie est
termes positifs, on en dduit que la srie converge (donc
converge absolument).
Ainsi X admet une esprance et E(X) G
X
(1).
176
c) 4) On a alors montr lquivalence :
X admet une esprance G
X
est drivable gauche en 1.
Dans ce cas, G
X
(1) E(X) et E(X) G
X
(1), donc :
E(X) = G
X
(1).
Si X b(p), alors G
X
: t 1 p + pt est drivable
gauche en 1.
Donc X admet une esprance et E(X) = G
X
(1) = p.
Si X B(n, p), alors G
X
: t (pt + 1 p)
n
est drivable
gauche en 1.
Donc X admet une esprance et
E(X) = G
X
(1) = np(p + 1 p)
n
= np.
Si X G(p), alors G
X
: t
pt
1 (1 p)t
est drivable
gauche en 1.
E(X) = G
X
(1) =
p
_
1 (1 p)
_
+ (1 p)p
_
1 (1 p)
_
2
=
p
p
2
=
1
p
.
Si X P(), alors G
X
: t e
(t1)
est drivable gauche
en 1.
E(X) = G
X
(1) = e
(11)
= .
5.19
a) La va X + Y est valeurs dans N et,
pour tout n N, P(X + Y = n) =
n
k=0
P(X = k, Y = n k)
=
n
k=0
P(X = k)P(Y = n k), par indpendance de X et Y.
Ainsi, t [0 ; 1],
G
X+Y
(t) =
+
n=0
_
n
k=0
P(X = k)P(Y = n k)t
n
_
.
Notons, pour tout (n, k) N
2
,
u
n,k
=
_
P(X = k)P(Y = n k)t
n
si 0 k n
0 sinon
.
Puisque les termes u
n,k
sont positifs ou nuls et que
+
n=0
+
k=0
u
n,k
existe, on a :
pour tout k N, la srie
n0
u
n,k
converge,
la srie
k0
_
+
n=0
u
n,k
_
converge
et
+
n=0
_
+
k=0
u
n,k
_
=
+
k=0
_
+
n=0
u
n,k
_
.
Or : k N,
+
n=0
u
n,k
=
+
n=k
P(X = k)P(Y = n k)t
n
= P(X = k)t
k
+
n=k
P(Y = n k)t
nk
= P(X = k)t
k
+
n=0
P(Y = n)t
n
= P(X = k)t
k
G
Y
(t).
Puis :
+
k=0
_
+
n=0
u
n,k
_
=
+
k=0
P(X = k)t
k
G
Y
(t)
=
_
+
k=0
P(X = k)t
k
_
G
Y
(t) = G
X
(t)G
Y
(t).
On en dduit : t [0 ; 1], G
X+Y
(t) = G
X
(t)G
Y
(t).
b) Utilisons un raisonnement par rcurrence. Notons, pour
tout n 1, P(n) la proprit :
si X
1
, . . . , X
n
sont des va indpendantes de mme loi,
alors t [0 ; 1], G
X
1
++Xn
(t) =
_
G
X
1
(t)
_
n
.
Initialisation : La proprit P(1) est vidente.
Hrdit : Soit n 1. Supposons P(n) et montrons P(n+1).
Soient X
1
, . . . , X
n+1
des va indpendantes de mme loi. Posons
S = X
1
+ + X
n+1
.
Alors les va X
1
+ + X
n
et X
n+1
sont indpendantes.
Par a), on a : t [0 ; 1], G
S
(t) = G
X
1
++Xn
(t)G
X
n+1
(t).
Or, par P(n) : t [0 ; 1], G
X
1
++Xn
(t) =
_
G
X
1
(t)
_
n
.
Et X
n+1
et X
1
ont mme loi, donc G
X
n+1
= G
X
1
.
On obtient alors : t [0 ; 1], G
S
(t) =
_
G
X
1
(t)
_
n+1
.
Do la proprit P(n + 1).
Conclusion : Pour tout n 1, pour toutes va X
1
, . . . , X
n
ind-
pendantes et de mme loi,
t [0 ; 1], G
X
1
++Xn
(t) =
_
G
X
1
(t)
_
n
.
c) 1) La va S prend ses valeurs dans N. De plus :
n N, P(S = n) =
+
k=1
P(N = k, S = n)
=
+
k=1
P(N = k)P
(N=k)
(X
1
+ + X
k
= n)
=
+
k=1
P(N = k)P(X
1
+ + X
k
= n)
car les va X
1
+ + X
k
et N sont indpendantes.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
177
Ainsi : t [0 ; 1],
G
S
(t) =
+
n=0
+
k=1
P(N = k)P(X
1
+ + X
k
= n)t
n
.,,.
not u
n,k
.
Puisque les termes u
n,k
sont positifs ou nuls et que
+
n=0
+
k=1
u
n,k
existe, on a :
pour tout k 1, la srie
n0
u
n,k
converge,
la srie
k1
_
+
n=0
u
n,k
_
converge
et
+
n=0
_
+
k=1
u
n,k
_
=
+
k=1
_
+
n=0
u
n,k
_
.
Or, pour tout k 1,
+
n=0
u
n,k
= P(N = k)
+
n=0
P(X
1
+ + X
k
= n)t
n
= P(N = k)G
X
1
++X
k
(t) = P(N = k)
_
G
X
1
(t)
_
k
daprs la question prcdente.
Ainsi : t [0 ; 1], G
S
(t) =
+
k=0
P(N = k)
_
G
X
1
(t)
_
k
= G
N
_
G
X
1
(t)
_
= G
N
G
X
1
(t).
c) 2) Daprs lexercice 5.18, S admet une esprance si et seule-
ment G
S
est drivable gauche en 1.
Puisque X
1
admet une esprance, G
X
1
est drivable gauche
en 1.
Puisque G
X
1
(1) = 1 et N admet une esprance, G
N
est drivable
gauche en 1 = G
X
1
(1).
On en dduit, par composition, que G
S
est drivable gauche
en 1.
Donc S admet une esprance et, par calcul de la drive dune
fonction compose :
E(S ) = G
S
(1) = G
X
1
(1) G
N
_
G
X
1
(1)
_
= G
X
1
(1) G
N
(1) = E(X
1
)E(N).
5.20
a) On a, pour tout x ]0 ; 1], ln x 0.
Donc la fonction h est positive ou nulle sur [0 ; 1].
Ainsi, pour tout x X(), P(X = x) [0 ; 1],
et donc : h
_
P(X = x)
_
0.
On en dduit que H(X) 0.
Puisque H(X) est une somme de rels positifs on nuls,
H(X) = 0 x X(), h
_
P(X = x)
_
= 0
x X(), P(X = x) = 0 ou ln
_
P(X = x)
_
= 0
x X(), P(X = x) = 0 ou P(X = x) = 1.
Puisque
xX()
P(X = x) = 1, on en dduit :
H(X) = 0
_
x
0
X() / P(X = x
0
) = 1
x X() \ x
0
, P(X = x) = 0
X est une va quasi-certaine.
b) 1) On a : i 1 ; n, P(X
0
= x
i
) =
1
n
.
Donc : H(X
0
) =
n
i=1
h
_
1
n
_
=
n
i=1
1
n
ln
_
1
n
_
=
ln n
n
n
i=1
1 = ln n.
b) 2) Soit i 1 ; n.
Si u
i
= 0, alors h(u
i
) = 0
1
n
=
1
n
u
i
+ u
i
ln n.
Si u
i
0, appliquons lingalit donne par lnonc
x =
1
nu
i
> 0. On a : ln n ln(u
i
) = ln
_
1
nu
i
_

1
nu
i
1.
En multipliant par u
i
> 0, on obtient :
u
i
ln n u
i
ln(u
i
)
1
n
u
i
.
Do : h(u
i
)
1
n
u
i
+ u
i
ln n.
b) 3) En sommant lingalit prcdente pour i allant de 1
n :
n
i=1
h(u
i
)
n
i=1
_
1
n
u
i
+ u
i
ln n
_
= 1
n
i=1
u
i
.,,.
=1
+ln n
n
i=1
u
i
.,,.
=1
= ln n.
On en dduit : H(X) ln n.
De plus : H(X) = ln n
i=1
_
1
n
u
i
+ u
i
ln n h(u
i
)
_
.,,.
0
= 0
i 1 ; n,
1
n
u
i
+ u
i
ln n h(u
i
) = 0.
Or cette dernire galit nest possible que si u
i
est non nul (car
sinon on obtient
1
n
= 0). On en dduit :
H(X) = ln n
i 1 ; n, u
i
0 et
1
nu
i
1 + ln n + ln(u
i
) = 0
i 1 ; n, u
i
0 et
1
nu
i
1 ln
_
1
nu
i
_
= 0
178
i 1 ; n, u
i
0 et
1
nu
i
= 1 daprs lnonc
i 1 ; n, u
i
=
1
n
.
On conclut : H(X) = ln n si et seulement si X suit la loi
uniforme sur x
1
, . . . , x
n
.
c) 1) On a : n N
, P(X
0
= n) = (1 p)
n1
p.
Donc : n N
, h
_
P(X
0
= 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
.
On a alors, pour N 1 :
N
n=1
h
_
P(X
0
= n)
_
= p ln(1 p)
N1
n=0
n(1 p)
n
p ln p
N1
n=0
(1 p)
n
N
p
_
ln(1 p)
_ 1 p
p
2
p ln p
1
p
= ln p
1 p
p
ln(1 p).
Donc H(X
0
) existe et H(X
0
) = ln p
1 p
p
ln(1 p).
c) 2) Soit n N
. Procdons comme au b) 2).

Si u
n
= 0, alors h(u
n
) = 0 v
n
= v
n
u
n
u
n
ln(v
n
).
Si u
n
0, appliquons lingalit donne par lnonc
x =
v
n
u
n
> 0. On a : ln(v
n
) ln(u
n
) = ln
_
v
n
u
n
_

v
n
u
n
1.
En multipliant par u
n
> 0, on obtient :
u
n
ln(v
n
) u
n
ln(u
n
) v
n
u
n
.
Do : h(u
n
) v
n
u
n
u
n
ln(v
n
).
c) 3) Soit N 1. Alors, en sommant lingalit prcdente
pour n allant de 1 N, on obtient :
N
n=1
h(u
n
)
N
n=1
v
n

N
n=1
u
n

N
n=1
u
n
ln(v
n
) ().
Or :
N
n=1
v
n
=
1
m
N1
n=0
_
1
1
m
_
n
N
1
m
1
1
m
= 1,
N
n=1
u
n

N
+
n=1
u
n
= 1 car X() N
n=1
u
n
ln(v
n
)
= ln m
_
N
n=1
u
n
_
+ ln
_
1
1
m
_
N
n=1
(n 1)u
n
avec :
N
n=1
u
n

N
1 et
N
n=1
(n 1)u
n

N
E(X) 1 par le
thorme de transfert.
Ainsi, en passant la limite dans lingalit () :
H(X) 1 1 + ln m ln
_
1
1
m
_
_
E(X)
.,,.
=m
1
_
= ln m
_
ln(m 1) ln m
_
(m 1)
= mln m (m 1) ln(m 1).
Enn : H(X) = mln m (m 1) ln(m 1)
n=1
_
v
n
u
n
u
n
ln(v
n
) h(u
n
)
_
.,,.
0
= 0
n 1, v
n
u
n
u
n
ln(v
n
) h(u
n
) = 0.
Or cette dernire galit est impossible si u
n
= 0.
Donc : H(X) = mln m (m 1) ln(m 1)
n 1, u
n
0 et
v
n
u
n
1 ln(v
n
) + ln(u
n
) = 0
n 1, u
n
0 et
v
n
u
n
1 = ln
_
v
n
u
n
_
n 1, u
n
0 et
v
n
u
n
= 1 daprs lnonc
n 1, u
n
= v
n
=
1
m
_
1
1
m
_
n1
X suit la loi gomtrique de paramtre
1
m
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
179
Variables alatoires
densit
CHAPITRE
6
6
Plan
Montrer quune va relle est une va densit
Montrer quune fonction est une densit
Dtermination de la fonction de rpartition dune va densit
Dtermination de la loi dune va fonction dune ou de plusieurs va densit
Montrer quune va densit admet une esprance et une variance et les calculer.

va.
Fonction de rpartition et densit dune va densit
Loi dune va fonction dune ou de plusieurs va densit ; en particulier, loi de
la somme de deux va densit indpendantes
Dnition de lesprance dune va densit, thorme de transfert, proprits
de lesprance
Moments dordre 2, variance et cart-type dune va densit, variance dune
somme de va indpendantes
Lois usuelles et leurs proprits : loi uniforme sur un intervalle, loi exponen-
tielle, lois et , loi normale.
Les mthodes retenir
Pour montrer
quune fonction f : R R
est une densit
Montrer : f est positive ou nulle sur R
f est continue sur R priv dun ensemble ni de points
lintgrale
_
+
f (t) dt converge et
_
+
f (t) dt = 1.
Exercices 6.1, 6.2, 6.7 6.9, 6.17, 6.22.
180
Les mthodes retenir
Pour dterminer
la fonction de rpartition F
X
dune va X densit
connaissant une densit f
X
de X
Utiliser : x R, F
X
(x) =
_
x
f
X
(t) dt.
Exercices 6.1 6.3, 6.14, 6.16, 6.17, 6.22.
Pour montrer
quune va relle X est densit
connaissant
sa fonction de rpartition F
X
Montrer que la fonction de rpartition F
X
de X est continue sur R et
est de classe C
1
sur R priv dun ensemble ni de points.
Toute fonction f
X
valeurs positives, qui ne dire de F
X
quen un
nombre ni de points, est alors une densit de X.
Exercices 6.5, 6.6, 6.9 6.11, 6.14 6.17, 6.19 6.24.
Pour traduire que
deux va relles X et Y
sont indpendantes
Utiliser lquivalence : X et Y sont indpendantes
(x, y) R
2
, P
_
(X x) (Y y)
_
= P(X x) P(Y y).
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
Si X = (Y) o Y est une va densit, alors :
commencer par dterminer lunivers image de X, ou une
partie D de R, aussi prcise que possible, telle que P(X D) = 1
si X() est un ensemble ni ou dnombrable, alors X est
une va discrte ; dterminer la loi de X revient calculer, pour
tout x de X(), P(X = x)
sinon, essayer dexprimer la fonction de rpartition F
X
de X
en fonction de celle de Y pour en dduire son expression, puis mon-
trer que F
X
est continue sur R et est de classe C
1
sur R priv dun
ensemble ni de points ; X est alors une va densit.
Exercices 6.2, 6.9, 6.10, 6.13, 6.14, 6.16, 6.17, 6.22 6.24
Si X est la somme de deux va densit Y et Z indpendantes, alors
X est une va densit et une densit de X sobtient en faisant le
produit de convolution des densits de Y et Z.
Exercices 6.14, 6.16, 6.18
Utiliser des proprits des lois usuelles.
Exercices 6.11, 6.13, 6.19, 6.21, 6.24.
Pour montrer
quune va X densit
admet une esprance E(X)
et calculer cette esprance
Utiliser la dnition :
si f
X
est une densit de X, alors
X admet une esprance si et seulement si
_
+
t f
X
(t) dt converge;
_
+
t f
X
(t) dt.
Exercices 6.1 6.3, 6.7 6.9, 6.14 6.16, 6.19, 6.20, 6.23
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
181
Chapitre 6 Variables alatoires densit
(suite)
Remarque : Si X est une va presque srement borne, valeurs dans
un segment [a ; b], alors X admet une esprance et E(X) est donne
par : E(X) =
_
b
a
t f
X
(t) dt.
Utiliser le thorme de transfert :
si X = (Y) o Y est une va densit, de densit f
Y
, alors
X admet une esprance si et seulement si
_
+
(t) f
Y
(t) dt
converge absolument ;
_
+
(t) f
Y
(t) dt.
Exercices 6.7, 6.9
Utiliser la linarit de lesprance :
si X = aY + bZ, o Y et Z sont deux va densit admettant
chacune une esprance et (a, b) R
2
,
E(X) = aE(Y) + bE(Z).
Exercice 6.18
Utiliser les rsultats du cours lorsque X suit une loi usuelle.
Pour montrer
quune va X densit
admet une variance V(X)
et calculer cette variance
Montrer que X admet une esprance puis montrer que
_
X E(X)
_
2
admet une esprance ;
dans ce cas, V(X) est donne par : V(X) = E
__
X E(X)
_
2
_
.
Montrer que X et X
2
admettent une esprance ;
dans ce cas, V(X) est donne par : V(X) = E(X
2
)
_
E(X)
_
2
.
Exercices 6.1, 6.2, 6.7 6.9, 6.20
Si X = Y + Z, o Y et Z sont deux va densit indpendantes,
admettant chacune une variance, alors X admet une variance et V(X)
est donne par :
V(X) = V(Y) + V(Z).
Exercice 6.18.
182
noncs des exercices
noncs des exercices
6.1 Exemple de densit
Soit c R. On considre la fonction f dnie sur R par :
x R, f (x) =
_
_
c
(1 + x)
2
si 0 x 1
0 sinon
.
a) Dterminer c pour que f soit une densit dune va relle X.
Pour cette valeur de c, tracer lallure de la courbe reprsentative de f .
b) Dterminer la fonction de rpartition F de X.
Tracer lallure de la courbe reprsentative de F.
c) Montrer que X admet une esprance et une variance et les calculer.
6.2 Exemple de densit
On considre la fonction f dnie sur R par :
x R, f (x) =
_
0 si x < 0
x e
x
2
/2
si x 0
.
a) Montrer que f est une densit dune va relle X.
Tracer lallure de la courbe reprsentative de f .
b) Calculer la fonction de rpartition de X et tracer lallure de sa courbe reprsentative.
c) Montrer que X admet une esprance et une variance et les calculer.
On admet que
_
1
2
_
=
.
d) On pose Y = X
2
. Montrer que Y suit une loi exponentielle et prciser le paramtre.
6.3 Cas dune va densit paire
On considre une va X admettant une fonction paire f pour densit.
a) Calculer P(X 0) et P(X 0).
b) Montrer que la fonction de rpartition F de X vrie : x R, F(x) = 1 F(x).
c) Montrer : X admet une esprance
_
+
0
t f (t) dt converge,
et dans ce cas : E(X) = 0.
6.4 Exemple dune va qui nest ni densit ni discrte
On considre une va densit X, dnie sur un espace probabilis (, A, P), admettant une
fonction paire f pour densit.
On dnit la va Y par : , Y() =
_
0 si X() 0
X() si X() > 0.
Montrer que Y nest ni une va densit, ni une va discrte.
On pourra utiliser lexercice 6.3 a).
6.5 Lois des va min(X, Y) et max(X, Y), o X et Y sont deux va densit indpendantes
Soient X et Y deux va densit, de densits respectives f
X
et f
Y
. On suppose que X et Y sont
indpendantes.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
183
On pose : Z = max(X, Y) et T = min(X, Y).
a) Exprimer les fonctions de rpartition de Z et T laide des fonctions de rpartition F
X
et F
Y
de X et Y respectivement.
b) En dduire que Z et T sont des va densit et exprimer une densit de Z et une densit de T
laide de f
X
, f
Y
, F
X
et F
Y
.
6.6 Lois des va aX + b et X
2
, o X est une va densit
Soit X un va relle de densit f et de fonction de rpartition F.
a) Soit (a, b) R tel que a 0. On pose Y = aX + b.
Exprimer la fonction de rpartition de Y en fonction de F. (Sparer les cas a > 0, a < 0).
En dduire que Y est une va densit et exprimer une densit de Y en fonction de f .
b) On pose Z = X
2
. Montrer que Z est une va densit et exprimer une densit de Z en fonction
de f .
6.7 Loi de Laplace
Soit c > 0. On considre la fonction f dnie sur R par :
x R, f (x) =
c
2
e
cx
.
c) Montrer que X admet une esprance et la calculer.
d) Plus gnralement, montrer que, pour tout n de N
, X
n
admet une esprance et la calculer.
e) En dduire que X admet une variance et la calculer.
6.8 Loi Bta de premire espce
Pour tous rels a et b, on note, sous rserve dexistence : I(a, b) =
_
1
0
t
a1
(1 t)
b1
dt.
a) Montrer : I(a, b) existe (a > 0 et b > 0).
b) Soit (a, b) (R
+
)
2
. Montrer :
b I(a + 1, b) = a I(a, b + 1) et I(a, b + 1) + I(a + 1, b) = I(a, b).
En dduire : I(a + 1, b) =
a
a + b
I(a, b).
c) Soit (a, b) (R
+
)
2
. On dnit la fonction f sur R par :
t R, f (t) =
_
_
1
I(a, b)
t
a1
(1 t)
b1
si t ]0 ; 1[
0 sinon.
1) Montrer que f est une densit dune va relle X.
2) Montrer que X admet une esprance et une variance et les calculer.
184
noncs des exercices
6.9 Exemple dune va fonction dune va densit
Soit a > 0. On dnit la fonction f sur R par : t R, f (t) =
_
_
0 si t < a
a
t
2
si t a.
a) Montrer que f est une densit. Tracer lallure de la courbe reprsentative de f .
On considre une va relle X admettant f pour densit.
b) La va X admet-elle une esprance ? une variance ?
c) On dnit la va Y =
1
X
.
1) En utilisant le thorme de transfert, montrer que Y admet une esprance et une variance
et les calculer.
2) Dterminer la loi de Y puis retrouver E(Y) et V(Y).
6.10 Exemple dune va fonction dune va densit
On considre une va X suivant la loi uniforme sur [1 ; 2].
On pose Y = X
2
. Dterminer la fonction de rpartition et une densit de Y.
Tracer lallure des courbes reprsentatives de ces deux fonctions.
6.11 Exemple dune va fonction de deux autres va
On considre deux va X et U indpendantes, telles que X suit la loi normale centre rduite et
U suit la loi uniforme sur 1, 1.
On pose Y = UX. Reconnatre la loi de Y.
6.12 Calculs dintgrales laide de la loi normale
Dans cet exercice, on pourra utiliser une table numrique de la fonction de rpartition de la loi
normale centre rduite.
a) En utilisant la loi normale centre rduite, montrer :
_
1
2
_
=
.
b) En utilisant une loi normale bien choisie, calculer les intgrales suivantes :
1)
_
+
e
2x
2
4x2
dx 2)
_
+
x e
2x
2
4x2
dx
3)
_
+
x
2
e
2x
2
4x2
dx 4)
_
+
e
ax
2
+bx+c
dx, avec a > 0 et (b, c) R
2
.
c) Exprimer les intgrales suivantes laide de la fonction de rpartition de la loi normale
centre rduite, puis en calculer des valeurs approches 10
4
prs :
1)
_
1
0
e
x
2
/2
dx 2)
_
2
0
e
2x
2
+4x2
dx 3)
_
1/2
0
e
4x
2
4x
dx.
6.13 Dplacement dun point mobile dans le plan
Un point mobile se dplace dans un plan muni dun repre orthonorm. Il part de lorigine O
linstant 0.
Si un instant n de N, il se situe au point de coordonnes (X
n
, Y
n
), alors linstant n + 1 il se
trouve au point de coordonnes (X
n+1
, Y
n+1
) de sorte que A
n+1
= X
n+1
X
n
et B
n+1
= Y
n+1
Y
n
suivent la loi normale centre rduite.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
185
On suppose que les va A
n
et B
m
, pour tous n, m N
, sont mutuellement indpendantes.

a) Dterminer, pour tout n de N
, la loi de X
n
et la loi de Y
n
.
b) Exprimer la probabilit p
n
pour qu un instant n de N
, le mobile se situe dans le carr

[1 ; 1]
2
laide de la fonction h : x
_
x
0
e
u
2
du.
Calculer ensuite lim
n
p
n
. Interprter ce rsultat.
c) Soit n N
. On pose D
n
= X
2
n
+ Y
2
n
. Reconnatre la loi de X
2
n
et la loi de Y
2
n
, puis en dduire
la loi de D
n
. On rappelle que
_
1
2
_
=
. (On pourra utiliser lexercice 6.6.)

d) Calculer la probabilit q
n
pour qu un instant n de N
, le mobile se situe dans le disque de

centre O et de rayon 1.
Calculer ensuite lim
n
q
n
. Interprter ce rsultat.
6.14 Loi du quotient de deux va indpendantes suivant une loi uniforme
Soient r R
+
, X et Y deux variables alatoires indpendantes qui suivent la loi uniforme sur
]0 ; r]. On pose : U = ln
X
r
et V = ln
Y
r
.
a) Dterminer la fonction de rpartition et une densit de U. Mmes questions pour V.
Tracer lallure des courbes reprsentatives de ces deux fonctions.
b) En dduire une densit et la fonction de rpartition de U + V.
c) On pose Q =
X
Y
. 1) Montrer que Q est une va densit et donner une densit de Q.
2) La va Q admet-elle une esprance ?
6.15 Loi de Ent(X) et loi de X Ent(X), o X est une va densit
On considre une va X valeurs dans R
+
et admettant une densit f , nulle sur R
et continue
sur R
+
.
On dnit la va Y = Ent(X) (partie entire de X).
a) Dterminer la loi de Y.
b) Montrer que X admet une esprance si et seulement si Y admet une esprance, et que dans ce
cas, E(Y) E(X) E(Y) + 1.
c) On suppose que X suit une loi exponentielle de paramtre ( > 0).
1) Prciser la loi de Y et calculer son esprance.
2) On pose Z = X Ent(X).
Montrer que Z est une va densit et donner une densit de Z.
Montrer que Z admet une esprance et la calculer. Que remarque-t-on ?
6.16 Temps dattente un guichet
Trois personnes notes A, B et C se prsentent louverture dune poste comportant deux gui-
chets. Les personnes A et B accdent directement lun des guichets, tandis que la personne C
attend que lun des deux guichets se libre.
186
noncs des exercices
On note X, Y et Z les va gales aux temps de passage aux guichets des personnes A, B et C.
On suppose que ces variables sont indpendantes et que chacune suit la loi uniforme sur [0 ; 1].
On dnit 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 .
Justier que E = (U Z 0), puis en dduire la valeur de P(E).
c) Montrer que V suit la mme loi que U.
d) On note T le temps pass par C la poste.
1) Montrer que T est une va densit et dterminer une densit de T.
2) Calculer le temps moyen pass par C la poste.
6.17 Exemple dune va fonction dune autre va densit
On note f la fonction dnie sur R par : x R, f (x) =
_
_
0 si x < 0
1
(1 + x)
2
si x 0
.
c) On pose Y = X +
1
X
.
1) Montrer que Y prend presque srement ses valeurs dans [2 ; +[.
2) Montrer : y [2 ; +[, P(Y y) =
_
y 2
y + 2
.
En dduire que Y est une va densit.
6.18 Loi dune somme de n va indpendantes, daprs loral HEC 2010
n
)
n1
de va mutuellement indpendantes et telle que, pour tout n 1,
X
n
suit la loi exponentielle de paramtre n.
On dnit, pour tout n 1, Y
n
=
n
k=1
X
k
.
a) Montrer que Y
2
est une va densit et dterminer une densit de Y
2
.
b) Plus gnralement, montrer que, pour tout n 1, Y
n
admet pour densit la fonction g
n
dnie
par : x R, g
n
(x) =
_
0 si x < 0
n e
x
_
1 e
x
_
n1
si x 0
.
c) Montrer que, pour tout n 1, Y
n
admet une esprance et une variance et exprimer E(Y
n
) et
V(Y
n
) laide dune somme.
6.19 Va rordonnes par ordre croissant, daprs loral HEC 2007
Soit n N
. On considre n va densit X
1
, . . . , X
n
dnies sur un mme espace probabilis
(, A, P), de mme loi et mutuellement indpendantes. On note F leur fonction de rpartition
et f une densit.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
187
Pour tout de , on note
_
Y
1
(), . . . , Y
n
()
_
la suite des X
i
() pour i 1 ; n rordonns par
ordre croissant ; on a donc Y
1
() Y
2
() Y
n
().
a) Soient k 1 ; n et x R. Montrer : P(Y
k
x) =
n
j=k
_
n
j
_
F(x)
j
_
1 F(x)
_
nj
.
b) Soit k 1 ; n. Montrer que Y
k
admet une densit que lon explicitera sans symbole
_
.
c) On suppose de plus que, pour tout i de 1 ; n, X
i
suit la loi uniforme sur [0 ; 1].
1) Justier que, pour tout k de 1 ; n, Y
k
admet une esprance.
2) Montrer que Y
n
et 1 Y
1
ont la mme loi. Calculer E(Y
n
) et en dduire E(Y
1
).
3) Exprimer, pour tout k 1 ; n 1, E(Y
k+1
) en fonction de E(Y
k
). En dduire
lexpression de E(Y
k
) 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 f : R R, x
1
2
e
x
2
/2
et la fonction de rpartition de X et de Y.
On dnit la va Z = max(X, Y).
a) Montrer que Z est une va densit, de densit g : x 2f (x)(x).
b) laide dune intgration par parties, montrer :
(A, B) R
2
,
_
B
A
xg(x) dx =
_
2f (x)(x)
_
B
A
+
1
_
B
2
A
2
f (x) dx.
c) En dduire que Z admet une esprance et calculer E(Z).
d) Montrer que X
2
et Z
2
suivent la mme loi. En dduire V(Z).
6.21 Exemple dun processus de Poisson
On sintresse aux instants de passage successifs des bus une station donne.
Le service commence linstant T
0
= 0. Le premier bus du matin passe linstant T
1
; on pose
U
1
= T
1
T
0
qui reprsente donc le temps entre louverture du service et le passage du premier
bus de la journe.
Pour tout n de N
, T
n
dsigne linstant o le n-ime bus arrive la station et U
n+1
le temps coul
entre les passages du n-ime et du (n + 1)-ime bus de la journe.
On dnit galement, pour tous s, t de R
+
tels que s t, N
s,t
le nombre de bus qui sont passs
la station dans lintervalle de temps [s ; t].
On suppose que les va U
n
, pour n N
, sont mutuellement indpendantes et quelles suivent la

mme loi exponentielle de paramtre .
a) Soit n N
. Exprimer la va T
n
laide des va U
i
puis en dduire la loi de T
n
.
b) Soit t R
+
. Justier : n N, (N
0,t
n) = (T
n
t).
En dduire que la va N
0,t
suit la loi de Poisson de paramtre t.
On admet que, pour tous s, t de R
+
tels que s t, la va N
s,t
suit la mme loi que N
0,ts
.
c) Soit t R
+
. Un passager arrive la station linstant t. On dnit W
t
le temps dattente du
passager jusqu larrive du prochain bus.
188
noncs des exercices
1) Justier : h 0, (W
t
> h) = (N
t,t+h
= 0).
2) En dduire la loi de W
t
. Combien de temps en moyenne, devra attendre le passager avant
larrive du prochain bus ? Ce rsultat est-il intuitif ?
6.22 Loi de Cauchy
On considre la fonction f dnie sur R par : x R, f (x) =
1
(1 + x
2
)
.
a) Montrer que la fonction f est une densit.
On considre une va relle X admettant f pour densit.
Calculer P(X 0), P(X 0), P(X 1) et P(X 1).
c) La va X admet-elle une esprance ?
d) On dnit la va Y =
1
X
. Montrer que X et Y ont la mme loi.
e) On dnit la va Z =
1 + X
1 X
.
1) On note la fonction x
1 + x
1 x
. tudier les variations de . Montrer que ralise une
bijection de R \ 1 dans R \ 1 et dterminer sa bijection rciproque.
2) Dterminer la fonction de rpartition de Z.
3) En dduire que X et Z ont la mme loi.
6.23 Une autre expression de lesprance
Soit X une va admettant une densit f telle que f est nulle sur R
et continue sur R
+
. On note F
la fonction de rpartition de X.
On dnit la fonction : R
+
R, x
_
x
0
t f (t) dt.
a) Montrer : x R
+
,
_
x
0
_
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+
x
_
1 F(x)
_
= 0.
2) En dduire que
_
+
0
_
1 F(t)
_
dt converge et que
_
+
0
_
1 F(t)
_
dt = E(X).
c) On suppose dans cette question que
_
+
0
_
1 F(t)
_
dt converge.
1) Montrer que admet une limite nie en +.
2) En dduire que X admet une esprance, puis : E(X) =
_
+
0
_
1 F(t)
_
dt.
d) Application : On considre n va X
1
, . . . , X
n
mutuellement indpendantes suivant toutes la loi
exponentielle de mme paramtre , avec > 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
189
On pose M
n
= max(X
1
, . . . , X
n
).
1) Dterminer la fonction de rpartition de M
n
et montrer que M
n
est densit.
2) Montrer que M
n
admet une esprance et la calculer (on exprimera le rsultat sous forme
dune sommation).
6.24 Somme et minimum dun nombre alatoire de va mutuellement indpendantes, de mme
loi exponentielle
On considre une suite de va mutuellement indpendantes (X
n
)
n1
dnies sur un mme espace
probabilis (, A, P), et qui suivent la loi exponentielle de mme paramtre > 0. Pour tout
n N
, on pose : S
n
=
n
k=1
X
k
et U
n
= min(X
1
, . . . , X
n
).
a) Soit n N
. Montrer que la va U
n
suit une loi exponentielle et prciser son paramtre.
b) Soit n N
. Donner une densit de S

n
, puis montrer :
x R
+
, P(S
n
> x) = e
x
n1
k=0
(x)
k
k!
.
c) On considre une va N dnie sur (, A , P), indpendante des va X
n
pour tout n N
, et qui
suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
On dnit les va : S = S
N
et U = U
N
,
cest--dire : , S () = S
N()
() et U() = U
N()
().
1) Calculer, pour tout x R
+
, P(U > x). En dduire que U est une va densit et prciser
une densit.
2) Calculer, pour tout x R
+
, P(S > x). Reconnatre la loi de S .
Du mal dmarrer ?
6.1 a) b) Appliquer les mthodes dcrites dans la partie les
mthodes retenir .
c) Remarquer que X prend presque srement ses valeurs dans
[0; 1], donc E(X) et V(X) existent.
Calculer E(X) en utilisant la dnition de lesprance, E(X
2
) en
utilisant le thorme de transfert, puis en dduire V(X) en uti-
lisant la formule V(X) = E(X
2
) E(X)
2
.
6.2 a) b) Appliquer les mthodes dcrites dans la partie les
mthodes retenir .
c) Montrer que les intgrales
_
+
xf(x) dx et
_
+
x
2
f(x) dx
convergent puis calculer leurs valeurs et en dduire E(X)
et E(X
2
). Calculer alors V(X) laide de la formule :
V(X) = E(X
2
)
_
E(X)
_
2
.
d) Commencer par dterminer la fonction de rpartition de Y
et reconnatre la fonction de rpartition dune loi exponen-
tielle.
6.3 a) crire P(X 0) =
_
0
f(t) dt puis effectuer le change-

ment de variable u = t.
b) Procder de la mme faon : crire F(x) =
_
x
f(t) dt puis
effectuer le changement de variable u = t.
c) Commencer par montrer que les intgrales
_
0
tf(t) dt et
_
+
0
tf(t) dt sont de mme nature, et en cas de convergence,
que lon a :
_
0
tf(t) dt =
_
+
0
tf(t) dt. Puis conclure.
6.4 Calculer P(Y = 0), puis en dduire que Y nest pas une
va densit.
Raisonner par labsurde et supposer que Y est une va discrte.
Calculer
yY()
P(Y = y), puis conclure.
190
Du mal dmarrer ?
6.5 a) Pour tout x de R, exprimer les vnements (Z x) et
(T > x) laide dvnements faisant intervenir les va X et Y.
Utiliser lindpendance de X et Y pour en dduire les fonctions
de rpartition de Z et T.
b) Montrer que ces fonctions de rpartition sont continues
sur R, de classe C
1
sur R priv ventuellement dun ensemble
ni de points. Conclure.
6.6 a) Obtenir :
si a > 0 : y R, P(Y y) = F
_
y b
a
_
si a < 0 : y R, P(Y y) = 1 F
_
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 .
b) Obtenir : z R, F
Z
(z) =
_
_
0 si z < 0
F(
z) F(
z) si z 0
.
Raisonner de la mme faon quau a).
6.7 a) b) Appliquer la mthode dcrite dans la partie les
mthodes retenir .
c) Montrer que
_
+
0
tf(t) dt converge et remarquer que la fonc-
tion t tf(t) est impaire.
d) Utiliser le thorme de transfert et la fonction dEuler.
e) Utiliser la formule : V(X) = E(X
2
)
_
E(X)
_
2
.
6.8 a) Noter que I(a, b) est une intgrale gnralise, a priori,
en 0 et 1.
Utiliser le thorme dquivalence pour des fonctions positives
et lexemple de Riemann pour obtenir le rsultat.
b) Effectuer une intgration par parties pour obtenir la pre-
mire relation.
Utiliser la linarit de lintgrale pour obtenir la deuxime
relation.
Dduire la troisime relation laide des deux premires.
c) 1) Utiliser la mthode dcrite dans la partie les mthodes
retenir .
c) 2) Remarquer que X prend presque srement ses valeurs dans
[0; 1], donc X admet une esprance et une variance.
Exprimer E(X) et E(X
2
) laide des intgrales I(a, b), puis en d-
duire V(X).
6.9 a) Appliquer la mthode dcrite dans la partie les m-
thodes retenir .
b) Montrer que X nadmet pas desprance, ni de variance.
c) 1) tudier les intgrales
_
+
a
1
t
f(t) dt et
_
+
a
1
t
2
f(t) dt.
c) 2) Montrer que Y suit la loi uniforme sur
_
0;
1
a
_
.
En dduire E(Y) et V(Y) en utilisant les formules de cours.
6.10 Commencer par tudier la fonction
: [1; 2] R, t t
2
.
En dduire que Y prend ses valeurs dans [0; 4], et pour tout
y de [0; 4], exprimer lvnement (Y y) laide dvnements
faisant intervenir la va X.
En dduire la fonction de rpartition de Y, puis montrer que
Y est une va densit.
6.11 Pour tout y de R, dcrire lvnement (Y y).
Remarquer que X admet une densit paire, donc :
x R, P(X x) = P(X x).
Montrer alors que les fonctions de rpartition de X et de Y
sont gales, puis conclure.
6.12 Noter f : x
1
2
e
x
2
/2
.
a) Exprimer
_
1
2
_
laide de f puis en dduire sa valeur.
b) 1) 2) 3) Considrer une va X de loi normale desprance 1
et de variance
1
4
. Exprimer les trois intgrales laide dune
densit de X.
b) 4) Considrer une va X de loi normale desprance
b
2a
et de
variance
1
2a
. Puis raisonner de la mme faon quau b) 1)
c) Noter la fonction de rpartition de la loi normale centre
rduite. Effectuer des changements de variables de faon ex-
primer les intgrales demandes laide de .
6.13 a) Montrer que X
n
= A
1
+A
2
+ +A
n
. Pour obtenir la loi
de X
n
, utiliser le thorme de stabilit de la loi normale.
Raisonner de la mme faon pour Y
n
.
b) Montrer : p
n
=
_
P(1 X
n
1)
_
2
.
c) Montrer que X
2
n
et Y
2
n
suivent la loi
_
2n,
1
2
_
, en utilisant (par
exemple) lexercice 6.6.
Pour obtenir la loi de D
n
, utiliser le thorme de stabilit de la
loi Gamma.
d) Montrer : q
n
= P(D
n
1).
6.14 a) Commencer par dterminer la fonction de rpartition
de U, puis en dduire que U est une va densit.
Raisonner de la mme faon pour V.
b) Remarquer que les va U et V sont indpendantes. Une den-
sit 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) Justier : n N, P(Y = n) =
_
n+1
n
f(t) dt.
b) Raisonner par double implication.
Supposer que X admet une esprance, puis montrer que Y ad-
met une esprance et que E(Y) E(X).
Supposer que Y admet une esprance, puis montrer que X ad-
met une esprance et que E(X) E(Y) + 1.
Puis conclure.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
191
c) 1) Dterminer, pour tout n de N, P(Y = n), puis calculer E(Y)
en utilisant la dnition de lesprance.
c) 2) Justier que Z prend ses valeurs dans [0; 1[, puis obtenir :
z [0; 1[, P(Z z) =
+
n=0
P(n X n + z).
6.16 a) 1) Une densit de X Y sobtient en faisant le produit
de convolution dune densit de X et dune densit de Y.
a) 2) En dduire la fonction de rpartition de U puis une densit
de U.
b) Pour calculer P(E), commencer par dterminer une densit
de U Z sur R
.
c) Montrer que U et V ont mme fonction de rpartition.
d) Remarquer que T = V + Z. En dduire une densit de T
puis E(T).
6.17 a) b) Utiliser la mthode dcrite dans la partie les m-
thodes retenir .
c) 1) Commencer par tudier la fonction x x +
1
x
sur linter-
valle R
+
.
c) 2) Pour tout y 2, crire :
(Y y) = (X
2
yX + 1 0) = (r
1
X r
2
),
o r
1
, r
2
sont les solutions de lquation r
2
yr + 1 = 0, dincon-
nue r R.
En dduire la fonction de rpartition de Y, puis montrer que Y
est densit.
6.18 a) Une densit de Y
2
sobtient en faisant le produit de
convolution dune densit de X
1
et dune densit de X
2
.
b) Raisonner par rcurrence sur n et remarquer que, pour tout
n 1, les va Y
n
et X
n+1
sont indpendantes.
c) Utiliser la linarit de lesprance et la proprit sur la va-
riance dune somme de va indpendantes.
6.19 a) Noter N
x
le nombre de va X
i
infrieures ou gales x.
Montrer N
x
B
_
n, F(x)
_
.
Justier que P(Y
k
x) = P(N
x
k) et en dduire le rsultat
demand.
b) Montrer que la fonction de rpartition de Y
k
est continue
sur R, C
1
sur R priv dun ensemble ni de points.
Une densit de Y
k
sobtient en drivant sa fonction de rparti-
tion, l o elle est drivable.
c) 1) Remarquer que Y
k
est une va borne.
c) 2) Calculer, pour tout x de R, P(Y
n
x) et P(1 Y
1
x) et en
dduire que Y
n
et 1 Y
1
ont mme fonction de rpartition.
c) 3) Calculer, pour tout k de 1; n, une densit f
k
de Y
k
, puis
en utilisant la dnition de E(Y
k+1
), exprimer E(Y
k+1
) en fonc-
tion de E(Y
k
).
En dduire : k 1; n, E(Y
k
) =
k
n + 1
.
de Z.
b) Effectuer une IPP en drivant x (x) et en intgrant
x 2xf(x). Puis effectuer un changement de variable dans
lintgrale obtenue.
c) Passer la limite lorsque A et B + dans lgalit
prcdente, pour en dduire E(Z) =
1
.
d) Montrer que X
2
et Z
2
ont mme fonction de rpartition.
En dduire : E(Z
2
) = E(X
2
).
6.21 a) Remarquer que T
n
=
n
i=1
U
i
puis utiliser un rsultat de
cours pour obtenir une densit de T
n
.
b) Commencer par crire P(N
0,t
= n) = P(T
n
t) P(T
n+1
t),
utiliser la loi de T
n
et la loi de T
n+1
et effectuer une intgration
par parties.
c) 1) Interprter chacun des vnements.
c) 2) En dduire la fonction de rpartition de W
t
puis recon-
natre une loi usuelle.
6.22 a) b) Utiliser la mthode dcrite dans la partie les m-
thodes retenir .
c) Montrer que
_
+
0
xf(x) dx diverge et conclure.
d) Pour tout y de R, exprimer lvnement (Y y) laide dv-
nements faisant intervenir X. En dduire la fonction de rpar-
tition de Y, puis conclure.
e) 1) Immdiat.
e) 2) 3) Raisonner de la mme faon quau d).
6.23 a) Effectuer une intgration par parties.
b) 1) Remarquer :
x R
+
, x
_
1 F(x)
_
=
_
+
x
xf(t) dt
_
+
x
tf(t) dt.
b) 2) Passer la limite lorsque x + dans lgalit du a).
c) 1) Montrer que est croissante et majore sur R
+
.
c) 2) En dduire que
_
+
0
tf(t) dt converge puis utiliser les r-
sultats du b).
d) 1) Commencer par crire : x R, P(M
n
x) = P(X
1
x)
n
.
d) 2) Utiliser le rsultat dmontr dans les questions b) et c).
6.24 a) Commencer par calculer, pour tout x de R, P(U
n
> x),
puis reconnatre la fonction de rpartition de U
n
.
b) Utiliser un rsultat de cours pour obtenir une densit de S
n
,
puis raisonner par rcurrence sur n pour obtenir lexpression de
P(S
n
> x) demande.
c) 1) Commencer par obtenir :
x R, P(U > x) =
+
n=1
P(N = n)P(U
n
> x),
puis calculer cette somme. En dduire la fonction de rpartition
de U.
c) 2) Raisonner de la mme faon quau c) 1).
192
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.
Enn, la fonction f tant nulle en dehors de [0 ; 1],
_
+
f =
_
1
0
f . Cette intgrale nest pas une intgrale gnra-
lise car f est continue sur [0 ; 1].
Et lon a :
_
1
0
f =
_
c
1 + t
_
1
0
= c
_
1
1
2
_
=
c
2
.
On en dduit : f est une densit si et seulement si c = 2.
b) Notons F la fonction de rpartition de X. Alors :

x < 0, F(x) =
_
x
f (t) dt =
_
x
0 dt = 0,
x > 1, F(x) =
_
x
f (t) dt =
_
1
0
f (t) dt = 1,
x [0 ; 1], F(x) =
_
x
f (t) dt =
_
x
0
f (t) dt
=
_
2
1 + t
_
x
0
= 2
2
1 + x
=
2x
1 + x
.
Ainsi : x R, F(x) =
_
_
0 si x < 0
2x
1 + x
si 0 x 1
1 si x > 1
.
Remarque : La fonction F est bien continue sur R, de classe C

1
sur R priv ventuellement de 0, 1.
c) Puisque f est nulle en dehors de [0 ; 1], la va X prend presque
srement ses valeurs dans [0 ; 1], cest--dire :
P
_
X [0 ; 1]
_
= 1.
On en dduit que X admet une esprance et une variance.
Et lon a :
E(X) =
_
1
0
t f (t) dt =
_
1
0
2t
(1 + t)
2
dt
=
_
1
0
2(1 + t) 2
(1 + t)
2
dt =
_
1
0
_
2
1 + t

2
(1 + t)
2
_
dt
=
_
2 ln 1 + t +
2
1 + t
_
1
0
= 2 ln 2 + 1 2 = 2 ln 2 1
E(X
2
) =
_
1
0
t
2
f (t) dt =
_
1
0
2t
2
(1 + t)
2
dt
=
_
1
0
2(t + 1)
2
4(t + 1) + 2
(1 + t)
2
dt
=
_
1
0
_
2
4
1 + t
+
2
(1 + t)
2
_
dt
=
_
2t 4 ln 1 + t
2
1 + t
_
1
0
= 3 4 ln 2
donc : V(X) = E(X
2
) E(X)
2
= 3 4 ln 2 (2 ln 2 1)
2
= 2 4(ln 2)
2
.
Remarque : Puisque ln 2 = 0.69, on a bien : V(X) 0.
6.2
a) Montrons que f est une densit.
La fonction f est continue sur Rpriv ventuellement de len-
semble 0.
Pour tout x 0, x e
x
2
/2
0. Donc la fonction f est positive
ou nulle sur R.
Enn, la fonction f tant nulle sur R
, donc lintgrale
_
0
f
converge.
De plus : A > 0,
_
A
0
f (x) dx =
_
e
x
2
/2
_
A
0
= 1 e
A
2
/2
A
1.
Ainsi, lintgrale
_
+
0
f converge.
On en dduit que lintgrale
_
+
f converge et :
_
+
f =
_
0
f +
_
+
0
f = 1.
On conclut que f est une densit.
193
Reprsentons la fonction f .
La fonction f est drivable sur R
+
et :
x R
+
, f
(x) = e
x
2
/2
(1 x
2
).
Do les variations de f sur R
+
suivantes :
x 0 1 +
f
(x) + 0
e
1/2
f (x) ,
0 0
b) Notons F
X
la fonction de rpartition de X. Alors :
x < 0, F
X
(x) =
_
x
f (t) dt =
_
x
0 dt = 0,
x 0, F
X
(x) =
_
x
f (t) dt =
_
x
0
f (t) dt
=
_
e
t
2
/2
_
x
0
= 1 e
x
2
/2
.
Ainsi : x R, F
X
(x) =
_
0 si x < 0
1 e
x
2
/2
si x 0
.
Remarque : La fonction F
X
est bien continue sur R, de
classe C
1
sur R priv ventuellement de 0.
c) La va X admet une esprance si et seulement si lintgrale
_
+
t f (t) dt =
_
+
0
t f (t) dt converge. Il sagit dune intgrale
gnralise en +. On a :
A > 0,
_
A
0
t f (t) dt =
_
A
0
t t e
t
2
/2
dt.
Par IPP en posant
_
u(t) = t
v
(t) = t e
t
2
/2
,
_
u
(t) = 1
v(t) = e
t
2
/2
, on ob-
tient :
_
A
0
t f (t) dt =
_
t e
t
2
/2
_
A
0
+
_
A
0
e
t
2
/2
dt.
Or :
_
t e
t
2
/2
_
A
0
= A e
A
2
/2
A
0,
daprs les croissances compares.
De plus, en eectuant le changement de variable
u = t
2
/2 t =
2u,
on obtient :
_
A
0
e
t
2
/2
dt =
_
A
2
/2
0
e
u
du
2u
=
1
2
_
A
2
/2
0
u
1/2
e
u
du
A+
1
_
1
2
_
=
_
2
.
On en dduit que X admet une esprance et E(X) =
_
2
.
La va X admet une variance si et seulement si X admet
un moment dordre 2, et donc si et seulement si lintgrale
_
+
t
2
f (t) dt =
_
+
0
t
2
f (t) dt converge. Il sagit dune int-
grale gnralise en +. On a :
A > 0,
_
A
0
t
2
f (t) dt =
_
A
0
t
2
t e
t
2
/2
dt.
Par IPP en posant
_
u(t) = t
2
v
(t) = t e
t
2
/2
,
_
u
(t) = 2t
v(t) = e
t
2
/2
, on ob-
tient :
_
A
0
t
2
f (t) dt =
_
t
2
e
t
2
/2
_
A
0
+
_
A
0
2t e
t
2
/2
dt
=
_
t
2
e
t
2
/2
2 e
t
2
/2
_
A
0
= 2 (A
2
+ 2) e
A
2
/2
A
2,
Ainsi, X admet un moment dordre 2 et E(X
2
) = 2.
On en dduit que X admet une variance et
V(X) = E(X
2
) E(X)
2
= 2

2
=
4
2
.
Remarque : On a bien V(X) 0.
d) La va Y prend ses valeurs dans R
+
.
Notons F
Y
la fonction de rpartition de Y. Alors :
y < 0, F
Y
(y) = P(Y y) = 0,
car Y prend ses valeurs dans R
+
y 0, F
Y
(y) = P(Y y) = P(X
2
y)
= P(
y X

y) = P(X

y) = F
X
(
y)
car X prend ses valeurs dans R
+
presque srement (puisque f
est nulle sur R
).
Ainsi : y R, F
Y
(y) =
_
0 si y < 0
1 e
y/2
si y 0
.
On reconnat la fonction de rpartition de la loi exponentielle
de paramtre
1
2
. On en dduit : Y E
_
1
2
_
.
Remarque : On obtient, en particulier, E(X
2
) = E(Y) = 2. On
retrouve le mme rsultat que dans la question c).
194
6.3
a) Dune part :
P(X 0) + P(X 0) = P(X 0) + P(X > 0) = 1.
Dautre part : P(X 0) =
_
0
f (t) dt
=
u=t
_
0
+
f (u)
.,,.
= f (u)
(du) =
_
+
0
f (u) du = P(X 0).
On en dduit : P(X 0) = P(X 0) =
1
2
.
b) Soit x R. Alors :
F(x) = P(X x) =
_
x
f (t) dt =
u=t
_
x
+
f (u)
.,,.
= f (u)
(du)
=
_
+
x
f (u) du = P(X x) = P(X > x) = 1 F(x).
c) Par dnition de lesprance :
_
+
t f (t) dt converge
_
0
t f (t) dt et
_
0
t f (t) dt convergent.
Or : A > 0,
_
A
0
t f (t) dt =
u=t
_
A
0
(u) f (u)(du)
=
_
0
A
uf (u) du.
On en dduit que les intgrales
_
0
t f (t) dt et
_
+
0
t f (t) dt sont
de mme nature et que, en cas de convergence :
_
+
0
t f (t) dt =
_
0
t f (t) dt.
On en dduit :
_
+
0
t f (t) dt converge.
Dans ce cas :
E(X) =
_
+
t f (t) dt =
_
0
t f (t) dt +
_
+
0
t f (t) dt = 0.
6.4
La va Y prend ses valeurs dans R
+
.
On a : P(Y = 0) = P(X 0) =
1
2
, puisque X admet une
densit paire et daprs lexercice 6.3.
Donc Y nest pas une va densit car sinon, on aurait :
y R, P(Y = y) = 0.
Supposons que Y soit une va discrte.
On a alors :
yY()
P(Y = y) = 1.
Or :
yY()
P(Y = y) = P(Y = 0) +
yY()
y>0
P(Y = y),
et : y > 0, P(Y = y) = P(X = y) = 0,
car X est une va densit.
Ainsi :
yY()
P(Y = y) = P(Y = 0) + 0 = P(Y = 0) =
1
2
1, ce
qui est absurde.
Donc Y nest pas une va discrte.
On conclut que Y nest ni une va densit, ni une va discrte.
6.5
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, F
Z
(x) = P(Z x) = F
X
(x) F
Y
(x).
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.
On en dduit : x R, F
T
(x) = P(T x) = 1 P(T > x)
= 1
_
1 F
X
(x)
__
1 F
Y
(x)
_
= F
X
(x) + F
Y
(x) F
X
(x)F
Y
(x).
b) Les va X et Y tant des va densit, les fonctions F
X
et F
Y
sont continues sur R, de classe C
1
sur R priv ventuellement
dun ensemble ni de points.
On en dduit, par oprations, que les fonctions F
Z
et F
T
sont
elles aussi continues sur R, de classe C
1
sur R priv ventuel-
lement dun ensemble ni de points.
Donc les va Z et T sont des va densit. Les densits f
Z
et f
T
sobtiennent en drivant F
Z
et F
T
sauf en un nombre ni de
points o le choix est arbitraire.
On a alors (par exemple) : x R,
_
_
f
Z
(x) = f
X
(x)F
Y
(x) + F
X
(x) f
Y
(x)
f
T
(x) = f
X
(x) + f
Y
(x) f
X
(x)F
Y
(x) F
X
(x) f
Y
(x)
= f
X
(x)
_
1 F
Y
(x)
_
+ f
Y
(x)
_
1 F
X
(x)
_
.
6.6
a) Notons F
Y
la fonction de rpartition de Y.
On a : y R, P(Y y) = P(aX + b y)
= P(aX y b).
1
er
cas : si a > 0, alors pour tout y R,
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
195
P(Y y) = P
_
X
y b
a
_
.
2
e
cas : si a < 0, alors pour tout y R
P(Y y) = P
_
X
y b
a
_
= 1 P
_
X <
y b
a
_
= 1 P
_
X
y b
a
_
.
Ainsi : si a > 0 : y R, F
Y
(y) = F
_
y b
a
_
si a < 0 : y R, F
Y
(y) = 1 F
_
y b
a
_
.
La va X tant une va densit, sa fonction de rpartition F est
continue sur R, de classe C
1
sur R priv ventuellement dun
ensemble ni de points. Par oprations sur les fonctions, il en
est de mme pour F
Y
.
On en dduit que Y est une va densit. Une densit de Y sob-
tient en drivant F
Y
sauf en un nombre ni de points o le choix
est arbitraire.
Une densit f
Y
de Y est alors (par exemple) dnie par :
si a > 0 : y R, f
Y
(y) =
1
a
f
_
y b
a
_
si a < 0 : y R, f
Y
(y) =
1
a
f
_
y b
a
_
.
Ce qui peut scrire, pour tout a 0 :
y R, f
Y
(y) =
1
a
f
_
y b
a
_
.
b) La va Z prend ses valeurs dans R
+
.
Notons F
Z
la fonction de rpartition de Z. Alors :
z < 0, F
Z
(z) = P(X
2
z) = 0,
et z 0, F
Z
(z) = P(X
2
z) = P(
z X

z).
Ainsi : z R, F
Z
(z) =
_
_
0 si z < 0
F(
z) F(
z) si z 0.
La fonction F
Z
est alors continue sur R
; de plus, puisque F est

continue sur R, F
Z
est continue sur R
+
; enn, lim
0
F
Z
= 0 et
F
Z
(0) = F(0) F(0) = 0 = lim
0
+
F
Z
, donc F
Z
est continue en 0 ;
ainsi F
Z
est continue sur R.
De plus, F
Z
est C
1
sur R
, C
1
sur R
+
priv ventuellement dun
ensemble ni de points (car F lest sur R) ; donc F
Z
est C
1
sur R
priv ventuellement dun ensemble ni de points.
On en dduit que Z est une va densit.
Une densit f
Z
de Z est (par exemple) dnie par :
z R, f
Z
(z) =
_
_
0 si z 0
1
2
z
_
f (
z) + f (
z)
_
si z > 0.
6.7
a) La fonction f est continue sur R, positive ou nulle sur R. De
plus : A > 0,
_
A
0
f (t) dt =
_
A
0
c
2
e
ct
dt
=
_
1
2
e
ct
_
A
0
=
1
2
_
1 e
At
_

A
1
2
.
Donc
_
+
0
f converge et vaut
1
2
.
Puisque f est une fonction paire, on en dduit que
_
+
f
converge et
_
+
f = 2
_
+
0
f = 1.
Ainsi f est une densit.
b) Soit x R. On a : F(x) =
_
x
f (t) dt =
_
x
c
2
e
ct
dt.
1
er
cas : Si x 0, alors
F(x) =
_
x
c
2
e
ct
dt car t ] ; x], t = t
= lim
A
_
1
2
e
ct
_
x
A
= lim
A
_
1
2
e
cx
1
2
e
cA
_
=
1
2
e
cx
.
2
e
cas : Si x > 0, alors
F(x) =
_
0
f (t) dt +
_
x
0
f (t) dt
=
_
0
c
2
e
ct
dt +
_
x
0
c
2
e
ct
dt
=
_
lim
A
_
1
2
e
ct
_
0
A
_
+
_
1
2
e
ct
_
x
0
=
_
lim
A
_
1
2

1
2
e
cA
__
1
2
e
cx
+
1
2
= 1
1
2
e
cx
.
Ainsi la fonction de rpartition F de X vrie :
x R, F(x) =
_
_
1
2
e
cx
si x 0
1
1
2
e
cx
si x > 0
.
196
Remarque : La fonction F est bien continue sur R, de classe C
1
c) La va X admet une esprance si et seulement si lintgrale
_
+
On a : A > 0,
_
A
0
t f (t) dt =
_
A
0
c
2
t e
ct
dt
=
_
t
2
e
ct
_
A
0
+
_
A
0
1
2
e
ct
dt par IPP
=
_
t
2
e
ct
1
2c
e
ct
_
A
0
=
A
2
e
cA
1
2c
e
cA
+
1
2c

A
1
2c
Ainsi
_
+
0
Puisque t t f (t) est impaire,
_
0
t f (t) dt converge gale-

ment et
_
0
t f (t) dt =
_
+
0
t f (t) dt.
Par la relation de Chasles, on en dduit que
_
+
t f (t) dt
converge et
_
+
t f (t) dt = 0.
Donc X admet une esprance et E(X) = 0.
Remarque : On pouvait aussi utiliser lexercice 6.3.
d) Soit n N
.
Daprs le thorme de transfert,
X
n
admet une esprance
lintgrale
_
+
t
n
f (t) dt converge absolument
lintgrale
_
+
t
n
f (t) dt converge
lintgrale
_
+
0
t
n
f (t) dt =
_
+
0
t
n
f (t) dt converge
car la fonction t t
n
f (t) est paire.
Notons I(n) =
_
+
0
t
n
f (t) dt.
Alors : A > 0,
_
A
0
t
n
f (t) dt =
_
A
0
c
2
t
n
e
ct
dt
=
u=ct
1
2
_
cA
0
_
u
c
_
n
e
u
du =
1
2c
n
_
cA
0
u
n
e
u
du
A+
1
2c
n
(n + 1) =
n!
2c
n
.
Donc lintgrale I(n) converge et I(n) =
n!
2c
n
.
On en dduit que X
n
admet une esprance, et :
E(X
n
) =
_
+
t
n
f (t) dt.
1
er
cas : si n est pair, alors t t
n
f (t) est paire, donc :
E(X
n
) = 2
_
+
0
t
n
f (t) dt = 2I(n) =
n!
c
n
.
2
e
cas : si n est impair, alors t t
n
f (t) est impaire, donc :
E(X
n
) = 0.
e) Puisque X admet un moment dordre 2, X admet une variance
et : V(X) = E(X
2
) E(X)
2
=
2
c
2
0 =
2
c
2
.
6.8
a) La fonction g : t t
a1
(1 t)
b1
est continue sur ]0 ; 1[,
donc I(a, b) est une intgrale gnralise en 0 et en 1.
Ainsi par la relation de Chasles, I(a, b) converge si et seulement
si
_
1/2
0
g et
_
1
1/2
g convergent.
On a : g(t)
t0
t
a1
0. Daprs le thorme dqui-
valence pour des fonctions positives, les intgrales
_
1/2
0
g et
_
1/2
0
t
a1
dt sont de mme nature.
_
1/2
0
t
a1
dt
converge si et seulement si a 1 > 1, cest--dire a > 0.
On obtient :
_
1/2
0
g(t) dt converge a > 0.
On a : g(t)
t1
(1 t)
b1
0. Daprs le thorme dqui-
valence pour des fonctions positives, les intgrales
_
1
1/2
g et
_
1
1/2
(1 t)
b1
dt sont de mme nature.
Daprs lexemple de Riemann en 1,
_
1
1/2
(1 t)
b1
dt converge
si et seulement si b 1 > 1, cest--dire b > 0.
On obtient :
_
1
1/2
g(t) dt converge b > 0.
On en dduit :
_
1
0
g converge
_
a > 0 et b > 0
_
.
b) Puisque a > 0 et b > 0, on a a + 1 > 0 et b + 1 > 0.
Donc toutes les intgrales qui interviennent convergent.
Pour tout (x, y) ]0 ; 1[
2
, on a par intgration par parties :
b
_
y
x
t
a
(1 t)
b1
dt =
_
t
a
(1 t)
b
_
y
x
+
_
y
x
at
a1
(1 t)
b
dt.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
197
En passant la limite lorsque x tend vers 0 et y tend vers 1, on
obtient : b I(a + 1, b) = 0 + a I(a, b + 1) = a I(a, b + 1).
Pour tout (x, y) ]0 ; 1[
2
, on a :
_
y
x
t
a1
(1 t)
b
dt +
_
y
x
t
a
(1 t)
b1
dt
=
_
y
x
_
t
a1
(1 t)
b
+ t
a
(1 t)
b1
_
dt
=
_
y
x
t
a1
(1 t)
b1
_
(1 t) + t
_
dt
=
_
y
x
t
a1
(1 t)
b1
dt.
En passant la limite lorsque x tend vers 0 et y tend vers 1, on
obtient : I(a, b + 1) + I(a + 1, b) = I(a, b).
On en dduit :
b I(a + 1, b) = a I(a, b + 1) = a
_
I(a, b) I(a + 1, b)
_
donc : (a + b) I(a + 1, b) = aI (a, b),
et ainsi : I(a + 1, b) =
a
a + b
I(a, b).
c) 1) Remarque : On montre, par rcurrence sur a, que, pour
tout (a, b) (R
+
)
2
, I(a, b) > 0 (et en particulier I(a, b) 0).
Ainsi, la fonction f est bien dnie.
La fonction f est positive ou nulle sur R, continue sur R priv
ventuellement de lensemble 0, 1.
De plus, daprs la question a),
_
1
0
f (t) dt converge et
_
1
0
f (t) dt =
1
I(a, b)
_
1
0
t
a1
(1 t)
b1
dt =
I(a, b)
I(a, b)
= 1.
Puisque f est nulle en dehors de [0 ; 1], on obtient :
_
+
f converge et
_
+
f =
_
1
0
f = 1.
On en dduit que f est une densit.
c) 2) Puisque X prend presque srement ses valeurs dans [0 ; 1],
qui est un ensemble born, X admet une esprance et une va-
riance. Et lon a :
E(X) =
_
1
0
t f (t) dt =
1
I(a, b)
_
1
0
t
a
(1 t)
b1
dt
=
I(a + 1, b)
I(a, b)
=
a
a + b
, daprs la question b)
E(X
2
) =
_
1
0
t
2
f (t) dt =
1
I(a, b)
_
1
0
t
a+1
(1 t)
b1
dt
=
I(a + 2, b)
I(a, b)
=
I(a + 2, b)
I(a + 1, b)
I(a + 1, b)
I(a, b)
=
a + 1
a + b + 1
a
a + b
, daprs la question b)
et donc, V(X) = E(X
2
) E(X)
2
=
a + 1
a + b + 1
a
a + b

a
2
(a + b)
2
=
a
_
(a + 1)(a + b) a(a + b + 1)
_
(a + b + 1)(a + b)
2
=
ab
(a + b + 1)(a + b)
2
.
6.9
a) La fonction f est continue sur R sauf en a.
La fonction f est positive ou nulle sur R.
Enn : A > a,
_
A
a
f (t) dt =
_
a
t
_
A
a
= 1
a
A

A+
1.
Ainsi
_
+
a
f (t) dt converge et est gale 1. Puisque f est nulle
en dehors de [a ; +[, on en dduit que lintgrale
_
+
f (t) dt
converge et est gale 1.
b) La va X admet une esprance
lintgrale
_
+
t f (t) dt converge
lintgrale
_
+
a
t f (t) dt converge
car f est nulle en dehors de [a ; +[.
Or : A > a,
_
A
a
t f (t) dt
=
_
A
a
a
t
dt = a
_
ln A ln a
_

A+
+.
_
+
a
f (t) dt diverge, donc que X
nadmet pas desprance.
Puisque X nadmet pas desprance, X nadmet pas non plus
de variance.
c) 1) La va Y =
1
X
admet une esprance
lintgrale
_
+
1
t
(daprs le thorme de transfert)
lintgrale
_
+
a
1
t
(car f est nulle en dehors de [a ; +[)
lintgrale
_
+
a
1
t
f (t) dt converge
(car la fonction t
1
t
f (t) est positive sur [a ; +[).
198
Or : A > a,
_
A
a
1
t
f (t) dt =
_
A
a
a
t
3
dt =
_
a
2t
2
_
A
a
=
1
2a

a
2A
2

A+
1
2a
.
On en dduit que Y admet une esprance et E(Y) =
1
2a
.
La va Y =
1
X
admet un moment dordre 2
la va Y
2
=
1
X
2
admet une esprance
lintgrale
_
+
1
t
2
lintgrale
_
+
a
1
t
2
f (t) dt converge.
Or : A > a,
_
A
a
1
t
2
f (t) dt =
_
A
a
a
t
4
dt =
_
a
3t
3
_
A
a
=
1
3a
2

a
3A
3

A+
1
3a
2
.
Ainsi Y admet un moment dordre 2 et E(Y
2
) =
1
3a
2
.
On en dduit que Y admet une variance et
V(Y) = E(Y
2
) E(Y)
2
=
1
3a
2

1
4a
2
=
1
12a
2
.
Remarque : On a bien V(Y) 0.
c) 2) Puisque f est nulle en dehors de [a ; +[, X prend
presque srement ses valeurs dans [a ; +[.
Donc Y prend presque srement ses valeurs dans
_
0 ;
1
a
_
.
Soit y R.
1
er
cas : Si y 0, alors P(Y y) = 0.
2
e
cas : Si y >
1
a
, alors P(Y y) = 1.
3
e
cas : Si 0 < y
1
a
, alors P(Y y) = P
_
1
X
y
_
= P
_
X
1
y
_
=
_
+
1/y
f (t) dt = lim
A+
_
a
t
_
A
1/y
= ay.
Ainsi, la fonction de rpartition F
Y
de Y vrie :
y R, F
Y
(y) =
_
_
0 si y 0
ay si 0 < y
1
a
1 si y >
1
a
.
On reconnat la fonction de rpartition de la loi uniforme sur
_
0 ;
1
a
_
. Ainsi : Y U
__
0 ;
1
a
__
.
Daprs le cours, on sait que :
E(Y) =
0 +
1
a
2
=
1
2a
et V(Y) =
(
1
a
0)
2
12
=
1
12a
2
.
Remarque : On retrouve bien les mmes rsultats quau 1).
6.10
Puisque X suit la loi uniforme sur [1 ; 2], X prend ses valeurs
dans [1 ; 2].
Une densit de X est f : x
_
_
1
3
si x [1 ; 2]
0 sinon.
La fonction de rpartition F de X est
F : x
_
_
0 si x < 1
x + 1
3
si 1 x 2
1 si x > 2.
Notons la fonction x x
2
. Le tableau de variation
de est :
x 1 0 2
1 4
(x) ,
0
On en dduit que la va Y prend ses valeurs dans [0 ; 4].
Notons G la fonction de rpartition de Y. Alors on a :
y < 0, G(y) = 0 et y > 4, G(y) = 1.
Soit y [0 ; 4]. Deux cas se prsentent :
1
er
cas : si y [0 ; 1], alors
(Y y) = (X
2
y) = (
y X

y), donc :
G(y) = F(
y) F(
y) =
y + 1
3

y + 1
3
=
2
y
3
.
2
e
cas : si y ]1 ; 4], alors
(Y y) = (X
2
y) = (1 X

y), donc :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
199
G(y) = F(
y) F(1) =
y + 1
3
0 =
y + 1
3
.
On en dduit : G : y
_
_
0 si y < 0
2
y
3
si 0 y 1
y + 1
3
si 1 < y 4
1 si y > 4
.
La fonction G est de classe C
1
sur R priv ventuellement de
lensemble 0, 1, 4.
De plus, lim
0
G = 0 = G(0) = lim
0
+
G,
lim
1
G =
2
3
= G(1) = lim
1
+
G,
lim
4
G = 1 = G(4) = lim
4
+
G.
Ainsi G est continue en 0, 1 et 4, donc sur R.
On en dduit que Y est une va densit.
Une densit g est Y est donne par :
y R, g(y) =
_
_
1
3
y
si 0 < y 1
1
6
y
si 1 < y 4
0 si y 0 ou si y > 4
.
6.11 Notons la fonction de rpartition de X.
Puisque X prend ses valeurs dans R et U dans 1, 1, on en
dduit que Y prend ses valeurs dans R.
Soit y R. Alors lvnement (Y y) scrit :
(Y y) = (UX y)
=
_
(U = 1) (X y)
_
_
(U = 1) (X y)
_
.
On obtient : P(Y y)
= 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
2
P(X y) +
1
2
P(X y).
Puisque X admet une densit paire, P(X y) = P(X y).
On obtient alors : P(Y y) =
1
2
P(X y) +
1
2
P(X y)
= P(X y) = (y).
On en dduit que la fonction de rpartition de Y est gale celle
de X. Donc Y et X suivent la mme loi.
On conclut : Y suit la loi normale centre rduite.
6.12
a) On a :
_
1
2
_
=
_
+
0
1
t
e
t
dt
=
t=u
2
/2
_
+
0
2
u
e
u
2
/2
u du =
2
_
+
0
e
u
2
/2
du.
Considrons une va X de loi normale centre rduite.
Daprs le cours, une densit de X est dnie sur R par :
f (x) =
1
2
e
x
2
/2
.
Ainsi :
_
1
2
_
= 2
_
+
0
1
2
e
u
2
/2
du
= 2
_
+
0
f (u) du =
_
+
f (u) du car f est paire

=
car f est une densit.

b) 1) On a, pour tout x R,
e
2x
2
4x2
= exp
_
2(x + 1)
2
_
= exp
_
(x + 1)
2
2
1
4
_
.
Considrons une va X de loi normale desprance 1 et de va-
riance
1
4
. Daprs le cours, une densit de X est dnie sur R
par :
f (x) =
1
_
2
1
4
exp
_
(x + 1)
2
2
1
4
_
=
_
2
e
2x
2
4x2
.
Ainsi : I =
_
+
e
2x
2
4x2
dx =
_
2
_
+
f (x) dx
=
_
2
, car f est une densit.
b) 2) En conservant les mmes notations que prcdemment,
J =
_
+
x e
2x
2
4x2
dx =
_
2
_
+
x f (x) dx
200
=
_
2
E(X) =
_
2
.
b) 3) Toujours en conservant les mmes notations,
K =
_
+
x
2
e
2x
2
4x2
dx =
_
2
_
+
x
2
f (x) dx
=
_
2
E(X
2
) =
_
2
_
V(X) + E(X)
2
_
=
_
2
_
1
4
+ (1)
2
_
=
5
2
.
b) 4) On a, pour tout x R, en utilisant la mise sous forme
canonique dun trinme :
e
ax
2
+bx+c
= exp
_
a
_
x
b
2a
_
2
_
exp
_
c +
b
2
4a
_
= exp
_
(x
b
2a
)
2
2
1
2a
_
exp
_
c +
b
2
4a
_
.
Considrons une va X de loi normale desprance
b
2a
et de va-
riance
1
2a
. Daprs le cours, une densit de X est dnie sur R
par : f (x) =
1
_
2
1
2a
exp
_
(x
b
2a
)
2
2
1
2a
_
=
_
a
exp
_
(x
b
2a
)
2
2
1
2a
_
.
Ainsi : L =
_
+
e
ax
2
+bx+c
dx =
_
a
e
c+
b
2
4a
_
+
f (x) dx
= e
c+
b
2
4a
_
a
, car f est une densit.
c) Soit X une va de loi normale centre rduite. Notons la
fonction de rpartition de X. Alors :
x R, (x) =
1
2
_
x
e
t
2
/2
dt.
c) 1) On a : I =
_
1
0
e
x
2
/2
dx =
2
_
1
2
_
1
0
e
x
2
/2
dx
_
=
2
_
(1) (0)
.,,.
=1/2
_
=
2
_
(1)
1
2
_
.
Daprs la table numrique de la loi normale centre rduite :
(1) = 0.8413.
On obtient : I = 0.8555.
c) 2) On a : J =
_
2
0
e
2x
2
+4x2
dx =
_
2
0
e
2(x1)
2
dx
=
u=2(x1)
_
2
2
e
u
2
/2
du
2
=
_
2
_
1
2
_
2
2
e
u
2
/2
du
_
=
_
2
_
(2) (2)
_
.
Or : (2) = P(X 2) = P(X 2)
car X admet une densit paire
= 1 P(X < 2) = 1 (2).
Do : J =
_
2
_
2(2) 1
_
.
(2) = 0.9772.
On obtient : J = 1.1962.
c) 3) On a : K =
_
1/2
0
e
4x
2
4x
dx =
_
1/2
0
e
4(x+
1
2
)
2
e
1
dx
=
u=2
2(x+1/2)
_
2
2
e
u
2
/2
e
1
du
2
2
=
e
2
_
1
2
_
2
2
e
u
2
/2
du
_
=
e
2
_
(2
2) (
2)
_
.
(2
2) = (2.82) = 0.9976
(
2) = (1.41) = 0.9207.
On obtient : K = 0.1853.
6.13
a) Soit n N
.
On a : A
1
= X
1
, A
2
= X
2
X
1
, . . . , A
n
= X
n
X
n1
.
En sommant ces galits, on a : A
1
+ A
2
+ + A
n
= X
n
.
Puisque les va A
1
, . . . , A
n
sont mutuellement indpendantes et
suivent des lois normales, on sait, par stabilit de la loi normale,
que la va X
n
suit la loi normale desprance m =
n
k=1
E(A
k
) = 0
et de variance
2
=
n
k=1
V(A
k
) = n.
De mme, la va Y
n
suit la loi normale desprance nulle et de
variance n.
Une densit de X
n
et de Y
n
est alors la fonction f
n
dnie par :
x R, f
n
(x) =
1
2n
e
x
2
2n
.
b) Soit n N
. Puisque les va A
1
, ..., A
n
, B
1
, ..., B
n
sont mu-
tuellement indpendantes, les va X
n
et Y
n
sont indpendantes.
On a alors :
p
n
= P
_
(1 X
n
1) (1 Y
n
1)
_
= P(1 X
n
1) P(1 Y
n
1)
car X
n
et Y
n
sont indpendantes
=
_
P(1 X
n
1)
_
2
car X
n
et Y
n
ont mme loi
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
201
=
_
_
1
1
1
2n
e
x
2
2n
dx
_
2
=
1
2n
_
2
_
1
0
e
x
2
2n
dx
_
2
car x e
x
2
2n
est paire
=
u=x/
2n
2
n
_
_
1/
2n
0
e
u
2

2n du
_
2
=
4
_
h
_
1
2n
__
2
.
Puisque h est la primitive sur R de la fonction t e
t
2
qui
sannule en 0, h est de classe C
1
sur R, donc en particulier h est
continue sur R.
Comme
1
2n
n
0, on a : p
n

n
4
_
h(0)
_
2
= 0.
Lorsque n devient grand, le point mobile a trs peu de chance
de se trouver dans le carr [1 ; 1]
2
linstant n.
c) En utilisant les rsultats de lexercice 6.6, une densit g
n
de X
2
n
et de Y
2
n
est donne par :
x R
, g
n
(x) = 0
x R
+
, g
n
(x) =
1
2
x
_
f
n
(
x) + f
n
(
x)
_
=
1
2
x
1
2n
_
e
x)
2
2n
+ e
x)
2
2n
_
=
1
2nx
e
x
2n
=
1
(2n)
1/2
_
1
2
_ x
1
2
1
e
x
2n
, puisque
_
1
2
_
=
.
On reconnat une densit de la loi
_
2n,
1
2
_
.
Donc les va X
2
n
et Y
2
n
suivent la loi
_
2n,
1
2
_
.
Les va X
2
n
et Y
2
n
tant indpendantes, par stabilit de la loi ,
la va D
n
suit la loi
_
2n,
1
2
+
1
2
_
, cest--dire la loi (2n, 1),
cest--dire la loi exponentielle de paramtre
1
2n
.
Une densit d
n
de D
n
est alors donne par :
x R, d
n
(x) =
_
_
0 si x < 0
1
2n
e
x
2n
si x 0
.
d) Soit n N
. On a :
q
n
= P
_
_
X
2
n
+ Y
2
n
1
_
= P(D
n
1)
=
_
1
0
1
2n
e
x
2n
dx = 1 e
1
2n
.
Ainsi : q
n

n
1 e
0
= 1 1 = 0.
Lorsque n devient grand, le point mobile a trs peu de chance
de se trouver dans le disque de centre O et de rayon 1 lins-
tant n.
Remarque : Puisque le disque de centre O et de rayon 1 est
inclus dans le carr [1 ; 1]
2
, on en dduit :
n N
, 0 q
n
p
n
.
En particulier, puisque lim
n
p
n
= 0, on retrouve le fait que
lim
n
q
n
= 0.
6.14
a) La fonction de rpartition de X et de Y, note F, vrie :
x R, F(x) =
_
_
0 si x 0
x/r si 0 < x r
1 si x > r.
Dterminons la loi de U :
Puisque X prend ses valeurs dans ]0 ; r], X/r prend ses valeurs
dans ]0 ; 1], et U = ln
X
r
prend ses valeurs dans R
.
Soit u R.
1
er
cas : si u > 0, alors P(U u) = 1.
2
e
cas : si u 0, alors (U u) =
_
X
r
e
u
_
= (X r e
u
) ;
puisque r e
u
]0 ; r], on obtient :
P(U u) = F(r e
u
) =
r e
u
r
= e
u
.
La fonction de rpartition de U, note F
U
vrie :
u R, F
U
(u) =
_
e
u
si u 0
1 si u > 0
.
La fonction F
U
est alors de classe C
1
sur R priv ventuelle-
ment de 0. De plus, lim
0
+
F
U
= 1 = F
U
(0) = lim
0
F
U
. Donc F
U
est continue en 0 donc continue sur R.
Ainsi U est une va densit, dont une densit f
U
est :
u R, f
U
(u) =
_
e
u
si u 0
0 si u > 0
.
Dterminons la loi de V :
La va V = ln
Y
r
+
.
Soit v R.
1
er
cas : si v < 0, alors P(V v) = 0.
2
e
cas : si v 0, alors (V v) =
_
Y
r
e
v
_
= (Y r e
v
) ;
puisque r e
v
]0 ; r], on obtient :
P(V v) = 1 F(r e
v
) = 1
r e
v
r
= 1 e
v
.
202
de paramtre 1. Donc V E (1).
Une densit f
V
v R, f
V
(v) =
_
0 si v < 0
e
v
si v 0
.
b) Puisque les va X et Y sont indpendantes, daprs le cours,
il en est de mme pour les va U et V.
Ainsi la va S = U + V est la somme de deux va densit
indpendantes. Daprs le cours, on sait que S est densit et
quune densit f
S
de S est donne par un produit de convolu-
tion : s R, f
S
(s) =
_
+
f
U
(t) f
V
(s t) dt.
Or : f
U
(t) f
V
(s t) 0
_
t 0
s t 0

_
t 0
t s
.
1
er
cas : si s 0, alors
f
S
(s) =
_
s
f
U
(t) f
V
(s t) dt =
_
s
e
t
e
(st)
dt
= e
s
_
s
e
2t
dt = e
s
_
e
2t
2
_
s
= e
s
_
e
2s
2
0
_
=
e
s
2
.
2
e
cas : si s > 0, alors
f
S
(s) =
_
0
f
U
(t) f
V
(s t) dt =
_
0
e
t
e
(st)
dt
= e
s
_
0
e
2t
dt = e
s
_
1
2
0
_
=
e
s
2
.
La fonction f
S
vrie :
s R, f
S
(s) =
_
_
e
s
2
si s 0
e
s
2
si s > 0
.
O s
y
1
1
f
S
(s)
Remarque : Cette loi sappelle la loi de Laplace de paramtre 1,
cf. lexercice 6.7.
La fonction de rpartition de S , note F
S
vrie :
s R, F
S
(s) =
_
s
f (t) dt.
1
er
cas : si s 0, alors
F
S
(s) =
_
s
f
S
(t) dt =
_
s
e
t
2
dt =
_
e
t
2
_
s
=
e
s
2
.
2
e
cas : si s > 0, alors
F
S
(s) =
_
0
f
S
(t) dt +
_
s
0
f
S
(t) dt
=
_
0
e
t
2
dt +
_
s
0
e
t
2
dt =
_
e
t
2
_
0
+
_
e
t
2
_
s
0
=
_
1
2
0
_
+
_
e
s
2
+
1
2
_
= 1
e
s
2
.
La fonction F
S
vrie alors :
s R, F
S
(s) =
_
_
e
s
2
si s 0
1
e
s
2
si s > 0
.
Remarque : La fonction F
S
est bien continue en 0 donc sur R.
c) 1) On a : U = ln
X
r
, donc : X = r e
U
.
De mme : V = ln
Y
r
, donc : Y = r e
V
.
Ainsi : Q =
X
Y
=
r e
U
r e
V
= e
U+V
= e
S
.
La va Q prend ses valeurs dans R
+
.
Soit q R.
1
er
cas : si q 0, alors P(Q q) = 0.
2
e
cas : si q > 0, alors P(Q q) = P( e
S
q)
= P(S ln q) =
_
_
q
2
si q 1
1
1
2q
si q > 1.
La fonction de rpartition de Q, note F
Q
, vrie donc :
q R, F
Q
(q) =
_
_
0 si q 0
q
2
si 0 < q 1
1
1
2q
si q > 1
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
203
La fonction F
Q
1
ment de 0, 1.
De plus :
_
_
lim
0
F
Q
= 0 = F
Q
(0) = lim
0
+
F
Q
lim
1
+
F
Q
= 1
1
2
=
1
2
= F
Q
(1) = lim
1
F
Q
.
Ainsi F
Q
est continue en 0 et en 1, donc continue sur R.
Ainsi Q est une va densit, dont une densit f
Q
est donne
par : q R, f
Q
(q) =
_
_
0 si q 0
1
2
si 0 < q 1
1
2q
2
si q > 1
.
O q
y
1
1
f
Q
(q)
1/2
c) 2) La va Q admet une esprance
lintgrale
_
+
qf
Q
(q)dq =
_
+
0
qf
Q
(q)dq converge
_
1
0
qf
Q
(q)dq et
_
+
1
qf
Q
(q)dq convergent.
Or : A > 1,
_
A
1
qf
Q
(q)dq =
_
A
1
1
2q
dq =
ln A
2

A+
+.
_
+
1
qf
Q
(q)dq diverge.
On conclut que Q nadmet pas desprance.
6.15
a) La va Y prend ses valeurs dans N.
Soit n N. Alors : (Y = n) = (n X < n + 1),
do : P(Y = n) =
_
n+1
n
f (t) dt.
b) La va X admet une esprance
lintgrale
_
+
t f (t) dt =
_
+
0
la srie
n0
la srie
n0
nP(Y = n) converge
Supposons que X admette une esprance.
Alors : N 0, S
N
=
N
n=0
nP(Y = n) =
N
n=0
n
_
n+1
n
f (t) dt
=
N
n=0
_
n+1
n
n
.,,.
t
f (t) dt
N
n=0
_
n+1
n
t f (t) dt
=
_
N+1
0
t f (t) dt
_
+
0
t f (t) dt = E(X).
Ainsi, la suite (S
N
)
N0
est majore par E(X). De plus, cette suite
est croissante (car la srie
n0
nP(Y = n) est termes positifs).
On en dduit que la suite (S
N
)
N0
converge et que sa limite est
infrieure ou gale E(X).
Donc
n0
nP(Y = n) converge et
+
n=0
nP(Y = n) E(X).
On conclut que Y admet une esprance et que E(Y) E(X).
Supposons que Y admette une esprance.
Alors : x R
+
, G(x) =
_
x
0
t f (t) dt
_
Ent(x)+1
0
t f (t) dt =
Ent(x)
n=0
_
n+1
n
t
.,,.
n+1
f (t) dt
Ent(x)
n=0
(n + 1)
_
n+1
n
f (t) dt =
Ent(x)
n=0
(n + 1)P(Y = n)
n=0
(n + 1)P(Y = n)
=
+
n=0
nP(Y = n) +
+
n=0
P(Y = n) = E(Y) + 1.
Ainsi, la fonction G est majore par E(Y) + 1. De plus, cette
fonction est croissante (car : x R
+
, G
(x) = x f (x) 0).

Donc la fonction G admet une limit nie en +et cette limite
est infrieure ou gale E(Y) + 1.
Donc
_
+
0
t f (t) dt converge et
_
+
0
t f (t) dt E(Y) + 1.
On conclut que X admet une esprance et :
E(X) E(Y) + 1.
On obtient alors lquivalence suivante :
X admet une esprance Y admet une esprance,
et dans ce cas : E(Y) E(X) E(Y) + 1.
c) Puisque X E (), une densit f de X est donne par :
x R, f (x) =
_
0 si x < 0
e
x
si x 0
,
et la fonction de rpartition F de X vrie :
x R, F(x) =
_
0 si x < 0
1 e
x
si x 0
.
204
c) 1) On a : n N, P(Y = n) =
_
n+1
n
f (t) dt
= F(n + 1) F(n) = e
n
e
(n+1)
= e
n
_
1 e
_
.
Puisque X admet une esprance, daprs lquivalence prc-
dente, Y admet une esprance et lon a :
E(Y) =
+
n=0
nP(Y = n) =
+
n=0
n e
n
_
1 e
_
=
_
1 e
_
+
n=0
n( e
)
n
= (1 e
)
e
(1 e
)
2
=
e
1 e
.
c) 2) On a : x R, Ent(x) x < Ent(x) + 1,
do : x R, 0 x Ent(x) < 1.
Ainsi la va Z prend ses valeurs dans [0 ; 1[.
Soit z R.
1
er
cas : si z < 0, alors P(Z z) = 0.
2
e
cas : si z 1, alors P(Z z) = 1.
3
e
cas : si 0 z < 1, alors (Z z) =
+
_
n=0
(n X n + z),
donc : P(Z z) =
+
n=0
P(n X n + z)
=
+
n=0
_
F(n + z) F(n)
_
=
+
n=0
_
e
n
e
(n+z)
_
=
_
1 e
z
_
+
n=0
_
e
_
n
=
1 e
z
1 e
.
On en dduit que la fonction de rpartition F
Z
de Z vrie :
z R, F
Z
(z) =
_
_
0 si z < 0
1 e
z
1 e
si 0 z < 1
1 si z 1
.
La fonction F
Z
1
ment de 0, 1.
De plus,
_
_
lim
0
F
Z
= 0 = F
Z
(0) = lim
0
+
F
Z
lim
1
F
Z
= 1 = F
Z
(1) = lim
1
+
F
Z
.
Ainsi F
Z
Ainsi Z est une va densit, dont une densit f
Z
est :
z R, f
Z
(z) =
_
_
e
z
1 e
si 0 z < 1
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 :
E(Z) =
_
+
z f
Z
(z) dz =
_
1
0
z
e
z
1 e
dz
=
1 e
_
1
0
z e
z
dz
=
1 e
__
z e
z
_
1
0
+
1
_
1
0
e
z
dz
_
par IPP
=
1 e
z e
z

e
z
2
_
1
0
=
1 e
2
+
1
2
_
=
e
+ 1
(1 e
)
=
e
1 e
+
1
.
On remarque alors que E(Z) = E(X) E(Y).
Remarque : On a bien Z = X Y, mais on ne peut pas utiliser
ici la linarit de lesprance puisque X est une va densit et
Y est une va discrte.
6.16 Les va X, Y, Z admettent pour densit la fonction f d-
nie par : x R, f (x) =
_
1 si x [0 ; 1]
0 sinon
.
et admettent pour fonction de rpartition la fonction F dnie
par : x R, F(x) =
_
_
0 si x < 0
x si x [0 ; 1]
1 si x > 1
.
a) 1) La va W = Y prend ses valeurs dans [1 ; 0].
Soit x R. Alors :
1
er
cas : si x < 1, alors P(W x) = 0,
2
e
cas : si x > 0, alors P(W x) = 1,
3
e
cas : si 1 x 0, alors P(W x) = P(Y x)
= 1 P(Y x) = 1 (x) = 1 + x.
La fonction de rpartition F
W
de W vrie donc :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
205
x R, F
W
(x) =
_
_
0 si x < 1
1 + x si x [1 ; 0]
1 si x > 0
.
La fonction F
W
est de classe C
1
sur R priv de 1, 0.
De plus,
_
_
lim
1
F
W
= 0 = F
W
(1) = lim
1
+
F
W
lim
0
F
W
= 1 = F
W
(0) = lim
0
+
F
W
.
Ainsi F
W
Donc W est une va densit dont une densit f
W
est :
x R, f
W
(x) =
_
1 x [1 ; 0]
0 sinon
.
Notons S = X Y = X + W et f
S
une densit de S .
La va S prend ses valeurs dans [1 ; 1].
Donc : x R \ [1 ; 1], f
S
(x) = 0.
Puisque X et Y sont indpendantes, daprs le cours, X et W le
sont aussi. Donc une densit f
S
de S est donne par un produit
de convolution :
x R, f
S
(x) =
_
+
f
X
(t) f
W
(x t) dt.
Or : f
X
(t) f
W
(x t) 0
_
0 t 1
1 x t 0
_
0 t 1
x t x + 1
max(0, x) t min(1, x + 1).
1
er
cas : si 1 < x < 0, alors f
S
(x) =
_
x+1
0
1 1 dt = 1 + x,
2
e
cas : si 0 x < 1, alors f
S
(x) =
_
1
x
1 1 dt = 1 x.
On conclut quune densit f
S
de S = X Y est donne par :
x R, f
S
(x) =
_
_
1 + x si 1 < x < 0
1 x si 0 x < 1
0 sinon
.
Remarque : La fonction f
S
est paire.
a) 2) La va U prend ses valeurs dans [0 ; 1].
Soit x R. Alors :
1
er
cas : si x < 0, alors P(U x) = 0,
2
e
cas : si x > 1, alors P(U x) = 1,
3
e
cas : si 0 x 1, alors
P(U x) = P(x S x) =
_
0
x
f
S
(t) dt +
_
x
0
f
S
(t) dt
=
_
0
x
(1 + t) dt +
_
x
0
(1 t) dt =
_
x
x
2
2
_
+
_
x
x
2
2
_
= 2x x
2
.
Ainsi la fonction de rpartition de U vrie :
x R, F
U
(x) =
_
_
0 si x < 0
2x x
2
si 0 x 1
1 si x > 1
.
Cette fonction est de classe C
1
sur R priv de 0, 1, continue
en 0 et en 1 donc continue sur R.
Ainsi la va U est densit et une densit f
U
de U est :
x R, f
U
(x) =
_
2 2x si x [0 ; 1]
0 sinon
.
b) La personne C est la dernire personne sortir si seulement
si lcart entre le temps de passage de la personne la plus rapide
et celui de la personne la plus lente parmi A et B est infrieur
au temps de passage de C. Autrement dit :
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 ind-
pendantes ; daprs la cours, les va U et Z sont indpendantes.
En raisonnant de la mme faon quau a) 1), une densit f
D
de
D vrie :
x ] ; 1[, f
D
(x) = 0,
x [1 ; 0], f
D
(x) =
_
x+1
0
f
U
(t) f
Z
(x t) dt
=
_
x+1
0
(2 2t) 1 dt = 2(x + 1) (x + 1)
2
= 1 x
2
.
Ainsi : P(E) = P(D 0) =
_
0
f
D
(x) dx
=
_
0
1
(1 x
2
) dx =
_
x
x
3
3
_
0
1
= 1
1
3
=
2
3
.
c) La va V prend ses valeurs dans [0 ; 1].
Soit x R. Alors :
1
er
cas : si x < 0, alors P(V x) = 0,
2
e
cas : si x > 1, alors P(V x) = 1,
3
e
P(V > x) = P
_
(X > x) (Y > x)
_
= P(X > x)P(Y > x) car X et Y sont indpendantes
= (1 x)
2
,
donc : P(V x) = 1 P(V > x) = 1 (1 x)
2
= 2x x
2
.
Ainsi les va U et V ont la mme fonction de rpartition.
On en dduit que U et V suivent la mme loi.
d) 1) La va T prend ses valeurs dans [0 ; 2].
On a : T = V +Z et les va V et Z sont densit et indpen-
dantes. Daprs le cours, la va T est densit.
Notons f
T
une densit de T.
Alors : x R \ [0 ; 2], f
T
(x) = 0
(car T prend ses valeurs dans [0 ; 2]).
Et : x [0 ; 2], f
T
(x) =
_
+
f
V
(t) f
Z
(x t) dt.
Or : f
V
(t) f
Z
(x t) 0
_
0 t 1
0 x t 1
_
0 t 1
x 1 t x
max(x 1, 0) t min(x, 1).
1
er
f
T
(x) =
_
x
0
f
V
(t) 1 dt =
_
x
0
(2 2t) dt = 2x x
2
.
2
e
cas : si 1 < x 2, alors f
T
(x) =
_
1
x1
f
V
(t) dt
=
_
1
x1
(2 2t) dt =
_
2t t
2
_
1
x1
= (2 1)
_
2(x 1) (x 1)
2
_
= x
2
4x + 4.
On conclut quune densit f
T
de T est donne par :
x R, f
T
(x) =
_
_
2x x
2
si 0 x 1
x
2
4x + 4 si 1 < x 2
0 sinon
.
d) 2) Le temps moyen pass par C la poste est donn par E(T).
On a : E(T) =
_
2
0
x f
T
(x) dx
=
_
1
0
x(2x x
2
) dx +
_
2
1
x(x
2
4x + 4) dx
=
_
2x
3
3

x
4
4
_
1
0
+
_
x
4
4

4x
3
3
+ 2x
2
_
2
1
=
5
6
.
6.17
a) La fonction f est continue sur R sauf en 0, positive ou nulle
sur R. De plus : A > 0,
_
A
0
f (x) dx
=
_
A
0
dx
(1 + x)
2
=
_
1
1 + x
_
A
0
= 1
1
1 + A

A+
1.
Donc lintgrale
_
+
0
f (x) dx converge et vaut 1.
Puisque f est nulle en dehors de R
+
, on en dduit que
_
+
f (x) dx converge et vaut 1.

O
x
y
1
1
f(x)
b) Notons F la fonction de rpartition de X. Soit x R.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
207
1
er
cas : si x < 0, alors F(x) =
_
x
f (t) dt = 0.
2
e
cas : si x 0, alors F(x) =
_
x
f (t) dt =
_
x
0
f (t) dt
=
_
x
0
dt
(1 + t)
2
=
_
1
1 + t
_
x
0
=
1
1 + x
+ 1 =
x
1 + x
.
On conclut que la fonction de rpartition F de X vrie :
x R, F(x) =
_
_
0 si x < 0
x
1 + x
si x 0
.
c) 1) Considrons la fonction h : R
+
R, x x +
1
x
.
La fonction h est drivable sur R
+
et :
x R
+
, h
(x) = 1
1
x
2
=
(x 1)(x + 1)
x
2
.
Do le tableau de variations de h :
x 0 1 +
h
(x) 0 +
+ +
h(x) ,
h(1)
Puisque h(1) = 2, on obtient : x > 0, h(x) 2.
Puisque Y = h(X) et que X prend presque srement ses va-
leurs dans R
+
(car sa densit f est nulle sur R
), la va Y prend
presque srement ses valeurs dans [2 ; +[.
c) 2) Soit y 2. Alors :
(Y y) =
_
X +
1
X
y
_
= (X
2
yX + 1 0).
Les solutions de lquation r
2
yr + 1 = 0, dinconnue r R,
sont : r
1
=
y
_
y
2
4
2
et r
2
=
y +
_
y
2
4
2
.
(Le discriminant = y
2
4 est bien positif ou nul car y 2).
Ainsi : (Y y) = (r
1
X r
2
).
On en dduit : P(Y y) = P(r
1
X r
2
) = F(r
2
) F(r
1
)
=
r
2
1 + r
2
r
1
1 + r
1
=
r
2
(1 + r
1
) r
1
(1 + r
2
)
(1 + r
1
)(1 + r
2
)
=
r
2
r
1
1 + r
1
+ r
2
+ r
1
r
2
.
Or : r
2
r
1
=
_
y
2
4, r
1
+ r
2
= y et r
1
r
2
= 1.
On obtient alors :
P(Y y) =
_
y
2
4
y + 2
=
_
(y 2)(y + 2)
y + 2
=
_
y 2
y + 2
.
Y
de Y vrie donc :
y R, F
Y
(y) =
_
_
0 si y < 2
_
y 2
y + 2
si y 2
.
Cette fonction F
Y
est de classe C
1
sur R priv de 2
De plus, lim
2
F
Y
= 0 = F
Y
(2) = lim
2
+
F
Y
; ainsi F
Y
est continue
en 2 donc continue sur R.
On conclut que Y est une va densit.
6.18 Pour tout n 1, notons f
n
une densit de X
n
. Alors :
x R, f
n
(x) =
_
0 si x < 0
n e
nx
si x 0
.
a) On a Y
2
= X
1
+ X
2
et les va X
1
et X
2
sont indpendantes.
On sait alors, daprs le cours, que Y
2
est une va densit,
dont une densit g
2
est donne par un produit de convolution :
x R, g
2
(x) =
_
+
f
1
(t) f
2
(x t) dt.
Or : f
1
(t) f
2
(x t) 0
_
t 0
x t 0
0 t x.
1
er
cas : si x < 0, alors g
2
(x) =
_
+
0 dt = 0.
2
e
cas : si x 0, alors g
2
(x) =
_
x
0
e
t
2 e
2(xt)
dt
= 2 e
2x
_
x
0
e
t
dt = 2 e
2x
_
e
x
1
_
= 2 e
x
_
1 e
x
_
.
On conclut :
x R, g
2
(x) =
_
0 si x < 0
2 e
x
_
1 e
x
_
si x 0
.
b) Raisonnons par rcurrence simple sur n.
Notons, pour tout n 1, P(n) la proprit :
une densit de Y
n
est donne par :
x R, g
n
(x) =
_
0 si x < 0
n e
x
_
1 e
x
_
n1
si x 0
.
208
Initialisation : Puisque Y
1
= X
1
E (1), une densit de Y
1
est la fonction g
1
= f
1
. Do P(1).
Hrdit : Soit n 1.
Supposons P(n) et montrons P(n + 1).
On a : Y
n+1
= Y
n
+ X
n+1
. Puisque Y
n
= X
1
+ + X
n
et que les
va X
1
, . . . , X
n
, X
n+1
sont indpendantes, daprs le cours, les va
Y
n
et X
n+1
sont indpendantes.
Une densit g
n+1
de Y
n+1
est alors donne par un produit de
convolution :
x R, g
n+1
(x) =
_
+
g
n
(t) f
n+1
(x t) dt.
On a :
g
n
(t) f
n+1
(x t) 0
_
t 0
x t 0
0 t x.
1
er
cas : si x < 0, alors g
n+1
(x) =
_
+
0 dt = 0.
2
e
cas : si x 0, alors
g
n+1
(x) =
_
x
0
n e
t
_
1 e
t
_
n1
(n + 1) e
(n+1)(xt)
dt
= n(n + 1) e
(n+1)x
_
x
0
e
nt
_
1 e
t
_
n1
dt
= n(n + 1) e
(n+1)x
_
x
0
e
t
_
e
t
1
_
n1
dt
= n(n + 1) e
(n+1)x
_
_
e
t
1
_
n
n
_
x
0
= (n + 1) e
(n+1)x
( e
x
1)
n
= (n + 1) e
x
_
1 e
x
_
n
.
Conclusion : Pour tout n 1, une densit de Y
n
est
g
n
: x
_
0 si x < 0
n e
x
_
1 e
x
_
n1
si x 0
.
c) Soit n 1. Puisque les va X
1
, . . . , X
n
admettent une esp-
rance, par linarit de lesprance, Y
n
admet une esprance et
E(Y
n
) =
n
k=1
E(X
k
) =
n
k=1
1
k
.
Soit n 1. Puisque les va X
1
, . . . , X
n
admettent une variance
et que les va sont mutuellement indpendantes, Y
n
admet une
variance et V(Y
n
) =
n
k=1
V(X
k
) =
n
k=1
1
k
2
.
6.19
a) Lvnement (Y
k
x) est ralis si et seulement si au moins
k des va X
i
sont infrieures ou gales x.
Notons N
x
le nombre de va X
i
infrieures ou gales x.
Puisque, pour tout i de 1 ; n, P(X
i
x) = F(x) et que les
vnements (X
i
x) pour i 1 ; n sont mutuellement ind-
pendantes, on en dduit : N
x
B
_
n, F(x)
_
.
On a alors : P(Y
k
x) = P(N
x
k) =
n
j=k
P(N
x
= j)
=
n
j=k
_
n
j
_
F(x)
j
_
1 F(x)
_
nj
.
b) Notons F
k
la fonction de rpartition de Y
k
.
Puisque F est continue sur R, C
1
sur R priv dun ensemble ni
de points, par oprations sur les fonctions, il est en de mme
pour F
k
.
Ainsi la va Y
k
est une va densit, dont une densit f
k
sobtient
en drivant F
k
, l o F
k
est drivable.
On obtient alors (par exemple) :
x R, f
k
(x) =
n
j=k
_
n
j
_
_
j f (x)F(x)
j1
_
1 F(x)
_
nj
(n j) f (x)F(x)
j
_
1 F(x)
_
nj1
_
= f (x)
n
j=k
j
_
n
j
_
F(x)
j1
_
1 F(x)
_
nj
f (x)
n
j=k
(n j)
_
n
j
_
F(x)
j
_
1 F(x)
_
nj1
.
Or : j k ; n, j
_
n
j
_
= n
_
n 1
j 1
_
,
et : (n j)
_
n
j
_
= (n j)
_
n
n j
_
= n
_
n 1
n j 1
_
= n
_
n 1
j
_
,
do : f
k
(x) = nf (x)
n
j=k
_
n 1
j 1
_
F(x)
j1
_
1 F(x)
_
nj
nf (x)
n
j=k
_
n 1
j
_
F(x)
j
_
1 F(x)
_
nj1
.
En eectuant le changement dindice i = j+1 dans la deuxime
somme, on obtient,
f
k
(x) = nf (x)
n
j=k
_
n 1
j 1
_
F(x)
j1
_
1 F(x)
_
nj
nf (x)
n+1
i=k+1
_
n 1
i 1
_
F(x)
i1
_
1 F(x)
_
ni
=
tlscopage
nf (x)
_
n 1
k 1
_
F(x)
k1
_
1 F(x)
_
nk
nf (x)
_
n 1
n
_
.,,.
=0
F(x)
n
_
1 F(x)
_
1
= n
_
n 1
k 1
_
f (x)F(x)
k1
_
1 F(x)
_
nk
.
c) 1) Puisque toutes les va X
i
prennent leurs valeurs dans [0 ; 1],
il en est de mme pour les va Y
k
. Ainsi, pour tout k de 1 ; n,
Y
k
est une va valeurs bornes, donc lesprance de Y
k
existe.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
209
c) 2) La fonction de rpartition F de chacune des va X
i
est
donne par : x R, F(x) =
_
_
0 si x < 0
x si 0 x 1
1 si x > 1
.
Les va Y
n
et 1 Y
1
prennent leurs valeurs dans [0 ; 1].
Soit x R.
1
er
cas : Si x < 0, alors P(Y
n
x) = 0 = P(1 Y
1
x).
2
e
cas : Si x > 1, alors P(Y
n
x) = 1 = P(1 Y
1
x).
3
e
cas : Si 0 x 1, alors
P(Y
n
x) =
_
n
n
_
F(x)
n
_
1 F(x)
_
0
= F(x)
n
= x
n
P(1 Y
1
x) = P(Y
1
1 x) = 1 P(Y
1
< 1 x)
= 1 P(Y
1
1 x)
= 1
n
j=1
_
n
j
_
_
F(1 x)
_
j
_
1 F(1 x)
_
nj
= 1
n
j=1
_
n
j
_
(1 x)
j
x
nj
= 1
_
x
n
+
n
j=0
_
n
j
_
(1 x)
j
x
nj
_
= 1
_
x
n
+ ((1 x) + x)
n
_
= x
n
.
Ainsi les va Y
n
et 1Y
1
ont les mmes fonctions de rpartitions.
Elles suivent donc la mme loi.
Daprs la question b), une densit f
n
de Y
n
est donne par :
x R, f
n
(x) = nf (x)F(x)
n1
,
o f est une densit de X
i
.
Ainsi : x R, f
n
(x) =
_
nx
n1
si 0 x 1
0 sinon
.
On a alors : E(Y
n
) =
_
1
0
x f
n
(x) dx =
_
1
0
nx
n
dx =
n
n + 1
.
Do : E(Y
1
) = E
_
1 (1 Y
1
)
_
= 1 E(1 Y
1
)
= 1 E(Y
n
) = 1
n
n + 1
=
1
n + 1
.
c) 3) Soit k 1 ; n. Daprs la question b), une densit f
k
de Y
k
est donne par :
x R, f
k
(x) = n
_
n 1
k 1
_
f (x)F(x)
k1
_
1 F(x)
_
nk
=
_
_
n
_
n 1
k 1
_
x
k1
(1 x)
nk
si 0 x 1
0 sinon
.
Soit k 1 ; n 1. Alors :
E(Y
k+1
) =
_
1
0
x f
k+1
(x) dx
= n
_
n 1
k
_ _
1
0
x
k+1
(1 x)
nk1
dx
=
IPP
n
_
n 1
k
_
__
x
k+1
(1 x)
nk
n k
_
1
0
+
_
1
0
k + 1
n k
x
k
(1 x)
nk
dx
_
= n
_
n 1
k
_
k + 1
n k
_
1
0
x f
k
(x)
n
_
n1
k1
_ dx =
k + 1
n k
_
n1
k
_
_
n1
k1
_ E(Y
k
)
=
k + 1
n k
n k
k
E(Y
k
) =
k + 1
k
E(Y
k
).
On montre ensuite par rcurrence sur k que :
k 1 ; n, E(Y
k
) =
k
n + 1
.
6.20
a) La va Z prend ses valeurs dans R.
Soit x R. Alors :
F
Z
(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 nor-
male 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) R
2
.
On a :
_
B
A
xg(x) dx =
_
B
A
2x f (x)(x) dx.
Par IPP en posant :
_
_
u(x) = (x)
v
(x) = 2x f (x) =
2
2
x e
x
2
/2
,
donc
_
_
u
(x) = f (x)
v(x) =
2
2
e
x
2
/2
= 2f (x)
, on obtient :
_
B
A
xg(x) dx =
_
2f (x)(x)
_
B
A
+ 2
_
B
A
f (x)
2
dx
=
_
2f (x)(x)
_
B
A
+
1
_
B
A
e
x
2
dx.
De plus :
1
_
B
A
e
x
2
dx =
u=x
2
1
_
B
2
A
2
e
u
2
/2
du
2
=
1
_
B
2
A
2
1
2
e
u
2
/2
du =
1
_
B
2
A
2
f (x) dx.
210
Donc :
_
B
A
xg(x) dx =
_
2f (x)(x)
_
B
A
+
1
_
B
2
A
2
f (x) dx.
c) La va Z admet une esprance si et seulement si lintgrale
_
+
xg(x) dx converge.
Utilisons la question prcdente et passons la limite lorsque
A tend vers et B tend vers +.
Alors :
1
_
B
2
A
2
f (x) dx
B+
A
1
_
+
f (x) dx
.,,.
=1
=
1
.
Et : x R, 0 2f (x)(x) 2f (x) =
_
2
e
x
2
/2
,
donc par le thorme dencadrement, on obtient :
2f (B)(B)
B+
0 et 2f (A)(A)
A
0.
On dduit :
_
B
A
xg(x) dx
B+
A
1
.
On conclut que Z admet une esprance et que E(Z) =
1
.
d) Les va X
2
et Z
2
prennent leurs valeurs dans R
+
.
Pour tout x de R
, P(Z
2
x) = 0 = P(X
2
x).
Soit x R
+
. On a : P(Z
2
x) = P(
x Z

x)
= F
Z
(
x) F
Z
(
x) =
_
(
x)
_
2
_
(
x)
_
2
.
Puisque, pour tout y de R, (y) = 1 (y), on a :
P(Z
2
x) =
_
(
x)
_
2
_
1 (
x)
_
2
= 2(
x) 1.
Et : P(X
2
x) = P(
x X

x) = (
x) (
x)
= (
x)
_
1 (
x)
_
= 2(
x) 1.
Ainsi, les va X
2
et Z
2
ont la mme fonction de rpartition, donc
elles suivent la mme loi.
En particulier, on a :
E(Z
2
) = E(X
2
) = V(X) +
_
E(X)
_
2
= 1 + 0
2
= 1.
On en dduit : V(Z) = E(Z
2
)
_
E(Z)
_
2
= 1
1
=
1
.
Remarque : Puisque = 3.14, on a bien V(Z) > 0.
6.21
a) On a : T
n
=
n
i=1
U
i
.
La va T
n
est donc la somme de n va indpendantes de loi expo-
nentielle de paramtre .
Daprs le cours, on sait alors que T
n
suit la loi
_
1
, n
_
.
Une densit f
n
de T
n
est donc donne par :
x R, f
n
(x) =
_
_
0 si x < 0
n
(n 1)!
x
n1
e
x
si x 0
.
b) Soit n N. Lvnement (N
0,t
n) est ralis si et seule-
ment 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.
On en dduit : (N
0,t
n) = (T
n
t).
Soit n N. Alors : P(N
0,t
= n)
= P(N
0,t
n) P(N
0,t
n + 1) = P(T
n
t) P(T
n+1
t)
=
_
t
0
f
n
(x) dx
_
t
0
f
n+1
(x) dx.
Or :
_
t
0
f
n+1
(x) dx =
_
t
0
n+1
n!
x
n
e
x
dx
=
n+1
n!
__
x
n
e
x
_
t
0
+
_
t
0
nx
n1
e
x
dx
_
par IPP
=
n
t
n
n!
e
t
+
_
t
0
n
(n 1)!
x
n1
e
x
dx
=
n
t
n
n!
e
t
+
_
t
0
f
n
(x) dx.
On obtient alors : P(N
0,t
= n) =
n
t
n
n!
e
t
= e
t
(t)
n
n!
.
On en dduit que N
0,t
c) 1) Soit h 0. Lvnement (W
t
> h) est ralis
si et seulement si aucun bus nest pass dans lintervalle de
temps [t ; t + h]
si et seulement si lvnement (N
t,t+h
= 0) est ralis.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
211
On en dduit : (W
t
> h) = (N
t,t+h
= 0).
c) 2) Soit h 0. Daprs lnonc, la va N
t,t+h
suit la mme
loi que la va N
0,h
.
Donc : P(W
t
> h) = P(N
0,h
= 0) = e
h
(h)
0
0!
= e
h
,
et ainsi : P(W
t
h) = 1 P(W
t
> h) = 1 e
h
.
De plus, on a : h < 0, P(W
t
h) = 0.
Ainsi la fonction de rpartition de W
t
est gale celle de la loi
exponentielle de paramtre .
On en dduit : W
t
E ().
Il sensuit que la personne attendra en moyenne E(W
t
) =
1
avant larrive du prochain bus.

Ce rsultat nest pas intuitif car, le temps moyen entre deux bus
conscutifs est gal E(U
n
) =
1
, et on peut donc penser que,

pour une personne arrivant un instant donn, le temps moyen
dattente du prochain bus est strictement infrieur
1
.
6.22
a) La fonction f est continue sur R.
La fonction f est positive ou nulle sur R.
On a : (A, B) R
2
,
_
B
A
f (x) dx =
1
_
B
A
dx
1 + x
2
=
1
(Arctan B Arctan A)
B+
A
1
2

_

2
__
= 1.
Ainsi
_
+
f converge et vaut 1.
b) Notons F la fonction de rpartition de X. Soit x R. Alors :
F(x) = P(X x) =
1
_
x
dt
1 + t
2
=
1
_
Arctan x lim
t
Arctan t
_
=
1
_
Arctan x +
2
_
=
1
Arctan x +
1
2
.
On a alors :
P(X 0) = F(0) =
1
2
,
P(X 0) = 1 P(X < 0) = 1 P(X 0)
= 1 F(0) = 1
1
2
=
1
2
,
P(X 1) = F(1) =
1

4
+
1
2
=
3
4
,
P(X 1) = 1 P(X < 1) = 1 P(X 1)
= 1 F(1) = 1
3
4
=
1
4
.
c) La va X admet une esprance
_
+
x f (x) dx converge
_
+
0
x f (x) dx converge, car x x f (x) est impaire.
On a : A > 0,
_
A
0
x f (x) dx =
1
2
_
A
0
2x
1 + x
2
dx
=
1
2
_
ln(1 + x
2
)
_
A
0
=
1
2
ln(1 + A
2
)
A+
+.
On en dduit que X nadmet pas desprance.
d) Puisque X prend ses valeurs dans R, Y prend galement
ses valeurs dans R.
Dterminons la fonction de rpartition de Y, note F
Y
. Soit
y R.
1
er
cas : si y < 0 alors (Y y) =
_
1
X
y
_
=
_
_
X
1
y
_
_
X 0
_
_
=
_
1
y
X 0
_
,
donc : F
Y
(y) = P
_
1
y
X 0
_
= P
_
1
y
< X 0
_
= F(0) F
_
1
y
_
=
1
2

_
1
Arctan
1
y
+
1
2
_
=
1
Arctan
1
y
.
2
e
cas : si y = 0 alors (Y 0) =
_
1
X
< 0
_
= (X 0),
donc : F
Y
(0) = P(X < 0) = P(X 0) = F(0) =
1
2
.
3
e
cas : si y > 0 alors
212
(Y y) =
_
1
X
y
_
=
_
X
1
y
_
(X 0),
donc, par incompatibilit : F
Y
(y) = P
_
X
1
y
_
+ P(X 0)
= P
_
X >
1
y
_
+ P(X 0)
=
_
1 F
_
1
y
__
+ F(0) =
_
1
1
Arctan
1
y

1
2
_
+
1
2
= 1
1
Arctan
1
y
.
Y
de Y vrie :
y R, F
Y
(y) =
_
Arctan
1
y
si y < 0
1
2
si y = 0
1
1
Arctan
1
y
si y > 0.
La fonction F
Y
1
ment de 0.
De plus : lim
y0
1
y
= , donc
lim
y0
F
Y
(y) =
1

2
=
1
2
= F
Y
(0),
lim
y0
+
1
y
= +, donc
lim
y0
+
F
Y
(y) = 1
1

2
= 1
1
2
=
1
2
= F
Y
(0).
On en dduit que F
Y
est continue en 0, donc continue sur R.
Ainsi Y est une va densit.
De plus : y R
, F
Y
(y) =
_
Arctan
1
y
_
=
1

1
y
2

1
1 +
1
y
2
=
1
(1 + y
2
)
.
Une densit f
Y
de Y est alors dnie par :
y R, f
Y
(y) =
1
(1 + y
2
)
= f (y).
On en dduit que Y suit la mme loi que X.
e) 1) La fonction est drivable sur R \ 1 et, pour tout x
de R \ 1,
(x) =
(1 x) + (1 + x)
(1 x)
2
=
2
(1 x)
2
> 0.
Do le tableau de variation de :
x 1 +
+ 1
(x) , ,
1
La fonction est alors continue et strictement croissante
sur ] ; 1[. Donc ralise une bijection de ] ; 1[ sur
_
] ; 1[
_
=
_
lim
; lim
1

_
=] 1 ; +[.
De mme, ralise une bijection de ]1 ; +[ sur ] ; 1[.
Ainsi ralise une bijection de R \ 1 sur R \ 1.
Enn, pour tout y R \ 1 : (x) =
1 + x
1 x
= y
1 + x = (1 x)y x(1 + y) = y 1
x =
y 1
y + 1
car y 1.
Ainsi, lapplication rciproque
1
vrie :
y R \ 1,
1
(y) =
y 1
y + 1
.
e) 2) Notons F
Z
la fonction de rpartition de Z. Soit y R.
Alors : (Z y) =
_
(X) I
y
_
=
_
X
1
(I
y
)
_
,
o I
y
dsigne lintervalle ] ; y].
1
er
cas : si y < 1, alors
1
(I
y
) =
_
1 ;
1
(y)
_
=
_
1 ;
y 1
y + 1
_
, not J
y
do : F
Z
(y) = P
_
1 < X
y 1
y + 1
_
= F
_
y 1
y + 1
_
F(1)
=
1
Arctan
y 1
y + 1
+
1
2

3
4
=
1
Arctan
y 1
y + 1

1
4
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
213
2
e
cas : si y = 1, alors
1
(I
y
) =
_
1 ; +
_
do : F
Z
(1) = P(X > 1) = P(X 1) =
1
4
.
3
e
cas : si y > 1, alors
1
(I
y
) =
_
;
1
(y)
_
_
1 ; +
_
=
_
;
y 1
y + 1
_
_
1 ; +
_
, not J
y
do : F
Z
(y) = P
_
X
y 1
y + 1
_
+ P(X > 1)
= F
_
y 1
y + 1
_
+ P(X 1) =
1
Arctan
y 1
y + 1
+
1
2
+
1
4
=
1
Arctan
y 1
y + 1
+
3
4
.
On en dduit la fonction de rpartition F
Z
de Z :
x R, F
Z
(x) =
_
_
1
Arctan
y 1
y + 1

1
4
si y < 1
1
4
si y = 1
1
Arctan
y 1
y + 1
+
3
4
si y > 1.
.
e) 3) La fonction F
Z
1
sur R priv ventuel-
lement de 1.
De plus : lim
y1
y 1
y + 1
= +, donc
lim
y1
F
Z
(y) =
1

2

1
4
=
1
4
= F
Z
(1)
lim
y1
+
y 1
y + 1
= , donc
lim
y1
+
F
Z
(y) =
1

2
+
3
4
=
1
4
= F
Z
(1)
Ainsi F
Z
est continue en 1 donc continue sur R.
On conclut que Z est une va densit.
De plus : y R \ 1, F
Z
(y) =
_
1
Arctan
y 1
y + 1
_
=
1

2
(y + 1)
2

1
1 + (
y1
y+1
)
2
=
1

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

1
1 + y
2
.
Une densit f
Z
de Z est alors dnie par :
y R, f
Z
(y) =
1
(1 + y
2
)
= f (y).
On en dduit que Z et X admettent toutes les deux f pour den-
sit, et on conclut que Z et X suivent la mme loi.
6.23
a) Soit x R
+
. Eectuons une IPP en posant :
_
_
u(t) = 1 F(t)
v
(t) = 1
,
_
_
u
(t) = f (t)
v(t) = t
,
alors :
_
x
0
_
1 F(t)
_
dt =
_
t
_
1 F(t)
__
x
0
+
_
x
0
t f (t) dt
= x
_
1 F(x)
_
+ (x).
b) 1) Soit x R
+
.
Alors : F(x) =
_
x
f (t) dt =
_
x
0
f (t) dt.
Donc : 1 F(x) =
_
+
0
f (t) dt
_
x
0
f (t) dt =
_
+
x
f (t) dt.
On obtient : x
_
1 F(x)
_
= x
_
+
x
f (t) dt.
Puisque t [x ; +[, f (t) 0, on a
_
+
x
f (t) dt 0 et par
consquent, x
_
1 F(x)
_
0.
De plus, x
_
1 F(x)
_
=
_
+
x
x
.,,.
t
f (t) dt
_
+
x
t f (t) dt
=
_
+
0
t f (t) dt
_
x
0
t f (t) dt = E(X) (x).
Puisque X admet une esprance,
_
+
0
t f (t) dt converge, donc
admet une limite nie en +gale E(X).
214
Ainsi : E(X) (x)
x+
0.
Par le thorme dencadrement, on obtient :
x
_
1 F(x)
_

x+
0.
b) 2) On obtient alors, daprs a) :
_
x
0
_
1 F(t)
_
dt
x+
0 + lim
+
= E(X).
On en dduit que
_
+
0
_
1 F(t)
_
dt converge et que
_
+
0
_
1 F(t)
_
dt = E(X).
c) 1) La fonction est une primitive de t t f (t). Donc
est drivable et : x R
+
,
(x) = x f (x) 0.
Ainsi est croissante sur R.
Daprs a), x R
+
, (x) =
_
x
0
_
1 F(t)
_
dt x
_
1 F(x)
_
.,,.
0
_
x
0
_
1 F(t)
_
dt
_
+
0
_
1 F(t)
_
dt,
donc est majore sur R
+
.
On conclut que admet une limite nie en +.
c) 2) On en dduit que lintgrale
_
+
0
t f (t) dt converge, autre-
ment dit que X admet une esprance.
Puis en utilisant la question b), on obtient lgalit :
E(X) =
_
+
0
_
1 F(t)
_
dt.
On obtient alors lquivalence suivante :
_
+
0
_
1 F(t)
_
dt converge,
et dans ce cas : E(X) =
_
+
0
_
1 F(t)
_
dt.
d) 1) La va M
n
+
.
Soit x R.
1
er
cas : si x < 0, alors P(M
n
x) = 0.
2
e
cas : si x 0, alors P(M
n
x) = P(X
1
x, . . . , X
n
x)
= P(X
1
x) P(X
n
x) par indpendance des va
=
_
1 e
x
_
n
.
Ainsi, la fonction de rpartition F de M
n
vrie :
x R, F(x) =
_
0 si x < 0
_
1 e
x
_
n
si x 0
.
La fonction F est C
1
De plus : lim
0
F = 0 = F(0) = lim
0
+
F.
Ainsi F est continue en 0 et donc sur R.
On en dduit que M
n
est une va densit.
d) 2) Montrons que lintgrale
_
+
0
_
1 F(t)
_
dt converge.
Il sagit dune intgrale gnralise en +.
On a : t 0, 1F(t) = 1
_
1 e
t
_
n
=
_
_
1 e
t
_
n
1
_
.
Puisque e
t
t+
0, on a :
1 F(t)
t+
_
n e
t
_
= n e
t
0.
Lintgrale
_
+
0
n e
t
dt converge car, pour tout X > 0 :
_
X
0
n e
t
dt =
n
_
1 e
X
_

X+
n
.
Par le thorme dquivalence pour des fonctions positives, on
en dduit que lintgrale
_
+
0
_
1 F(t)
_
dt converge.
Daprs c) 2), il en rsulte que M
n
admet une esprance et :
E(M
n
) =
_
+
0
_
1 F(t)
_
dt.
On a : t 0, 1 F(t) = 1 (1 e
t
)
n
= 1
n
k=0
_
n
k
_
( e
t
)
k
=
n
k=1
_
n
k
_
(1)
k+1
e
kt
.
Puis, pour tout X 0,
_
X
0
_
1 F(t)
_
dt
=
_
X
0
n
k=1
_
n
k
_
(1)
k+1
e
kt
dt
=
n
k=1
_
n
k
_
(1)
k+1
_
X
0
e
kt
dt
=
n
k=1
_
n
k
_
(1)
k+1
_
1
k
e
kt
_
X
0
=
n
k=1
_
n
k
_
(1)
k+1
_
1
k

e
kX
k
_
X+
1
k=1
_
n
k
_
(1)
k+1
k
.
On conclut :
E(M
n
) =
_
+
0
_
1 F(t)
_
dt =
1
k=1
_
n
k
_
(1)
k+1
k
.
6.24
a) La va U
n
+
.
Soit x R.
1
er
cas : si x < 0, alors P(U
n
x) = 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
215
2
e
cas : si x 0, alors P(U
n
> x) = P(X
1
> x, . . . , X
n
> x)
= P(X
1
> x) P(X
n
> x) par indpendance des va
=
_
e
x
_
n
= e
nx
.
On obtient la fonction de rpartition F
Un
de U
n
:
x R, F
Un
(x) =
_
0 si x < 0
1 e
nx
si x 0
.
de paramtre n.
On en dduit que U
n
suit la loi E (n).
b) La va S
n
est la somme de n va indpendantes de loi expo-
nentielle de paramtre .
Daprs le cours, on sait alors que S
n
suit la loi
_
1
, n
_
.
Une densit f
n
de S
n
est alors dnie par :
t R, f
n
(t) =
_
_
0 si t < 0
n
(n 1)!
t
n1
e
t
si t 0
.
On a alors : n 1, t R
+
,
f

n+1
(t) =
n+1
n!
nt
n1
e
t
+
n+1
n!
t
n
() e
t
= f
n
(t) f
n+1
(t),
et donc : f
n+1
(t) = f
n
(t)
1
f

n+1
(t).
Ainsi, en notons F
n
la fonction de rpartition de S
n
, on a :
x R
+
, F
n+1
(x) =
_
x
0
f
n+1
(t) dt
=
_
x
0
f
n
(t) dt
_
x
0
1
f

n+1
(t) dt
= F
n
(x)
f
n+1
(x) f
n+1
(0)
= F
n
(x)

n
n!
x
n
e
x
.
On obtient alors : n N
, x R
+
,
P(S
n+1
> x) = 1 F
n+1
(x)
= 1 F
n
(x) +
n
n!
x
n
e
x
= P(S
n
> x) + e
x
( x)
n
n!
.
Par une rcurrence simple sur n, on montre alors :
n N
, P(S
n
> x) = e
x
n1
k=0
(x)
k
k!
.
c) 1) Soit x R
+
. Lvnement (U > x) scrit :
(U > x) =
+
_
n=1
(N = n, U > x) =
+
_
n=1
(N = n, U
n
> x).
Par incompatibilit des vnements :
P(U > x) =
+
n=1
P(N = n, U
n
> x).
Les va N et U
n
sont indpendantes puisque U
n
dpend des va
X
1
, . . . , X
n
et que les va X
1
, . . . , X
n
, N sont indpendantes.
Donc : P(U > x) =
+
n=1
P(N = n)P(U
n
> x)
=
+
n=1
_
(1 p)
n1
p
_
_
e
nx
_
= p e
x
+
n=1
_
(1 p) e
x
_
n1
=
p e
x
1 (1 p) e
x
.
Do la fonction de rpartition F
U
de U :
x R, F
U
(x) =
_
_
0 si x < 0
1 e
x
1 (1 p) e
x
si x 0
.
La fonction F
U
est de classe C
1
sur R priv de 0.
De plus : lim
0
F
U
= 0 = F
U
(0) = lim
0
+
F
U
.
Ainsi F
U
est continue en 0 donc sur R.
On en dduit que U est une va densit, dont une densit f
U
est donne par exemple par :
x R, f
U
(x) = 0 si x < 0 et f
U
(x) = F
U
(x)
=
e
x
_
1 (1 p) e
x
_
(1 p) e
x
_
1 e
x
_
_
1 (1 p) e
x
_
2
=
p e
x
_
1 (1 p) e
x
_
2
si x 0.
c) 2) Soit x R
+
. Par le mme raisonnement, on obtient :
P(S > x) =
+
n=1
P(N = n)P(S
n
> x)
=
+
n=1
_
(1 p)
n1
p
_
_
e
x
n1
k=0
(x)
k
k!
_
= p e
x
+
n=1
n1
k=0
(1 p)
n1
(x)
k
k!
= p e
x
+
k=0
+
n=k+1
(1 p)
n1
(x)
k
k!
= p e
x
+
k=0
_
(x)
k
k!
+
n=k+1
(1 p)
n1
_
= p e
x
+
k=0
(x)
k
k!
(1 p)
k
1
1 (1 p)
= e
x
+
k=0
_
x(1 p)
_
k
k!
= e
x
e
x(1p)
= e
px
.
Ainsi la fonction de rpartition F
S
de S vrie :
x R, F
S
(x) =
_
0 si x < 0
1 e
px
si x 0
.
de paramtre p.
On en dduit que S suit la loi E (p).
216
Convergences
et approximations
CHAPITRE
7
7
Plan
Montrer quune suite de variables alatoires converge en probabilit vers une
variable alatoire
Montrer quune suite de variables alatoires converge en loi vers une variable
alatoire
Exemples dapproximations de lois usuelles.
Ingalit de Markov, ingalit de Bienaym-Tchebychev

va.
Dnition de la convergence en probabilit dune suite de variables alatoires,
loi faible des grands nombres
Dnition de la convergence en loi dune suite de variables alatoires, thorme
de la limite centre
Exemples de convergence en loi et application aux approximations usuelles (cas
de la loi hypergomtrique, de la loi binomiale et de la loi de Poisson).
Les mthodes retenir
Pour montrer
quune suite (X
n
)
nN
de va
converge en probabilit
vers une va X
Utiliser la dnition et montrer :
> 0, P
_
X
n
X
_

n
0.
Pour cela, essayer de calculer explicitement P(X
n
X )
ou dappliquer lingalit de Markov ou lingalit de Bienaym-
Tchebychev.
Exercices 7.2, 7.3, 7.4, 7.14, 7.23
Si les va Y
n
, pour n N, sont mutuellement indpendantes et ad-
mettent une mme esprance et une mme variance, appliquer la loi
faible des grands nombres pour en dduire la convergence en proba-
bilit de la suite de terme gnral
Y
1
+ + Y
n
n
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
217
Chapitre 7 Convergences et approximations
Pour montrer
quune suite (X
n
)
nN
de va
converge en loi
vers une va X
Utiliser la dnition et montrer, pour tout x de R o la fonction de
rpartition de X est continue :
P(X
n
x)
n
P(X x).
Exercices 7.4, 7.8, 7.17, 7.18, 7.19, 7.21, 7.23
Si les va X
n
, pour n N, prennent leurs valeurs dans N, alors mon-
trer :
k N, P(X
n
= k)
n
P(X = k).
Exercices 7.20, 7.22, 7.24
Si les va Y
n
, pour n N, sont mutuellement indpendantes, de mme
loi, et admettent une esprance et une variance, appliquer le tho-
rme de la limite centre pour en dduire la convergence en loi de la
suite de terme gnral S
n
, o S
n
est la va centre rduite associe
S
n
= Y
1
+ + Y
n
.
Exercices 7.9, 7.10, 7.11
Utiliser le fait que la convergence en probabilit implique la conver-
gence en loi.
Exercice 7.12.
Pour calculer
la limite dune probabilit
Calculer explicitement cette probabilit, puis passer la limite.
Exercices 7.2, 7.4, 7.14, 7.23
Obtenir une majoration ou une minoration de cette probabilit
laide de lingalit de Markov ou lingalit de Bienaym-
Tchebychev, puis passer la limite.
Exercices 7.3, 7.12
Appliquer le thorme de la limite centre.
Exercices 7.9, 7.10, 7.12
Pour calculer
une approximation dune probabilit
dun vnement li une va X
Remplacer la loi de X par une loi lapprochant aprs avoir vri les
conditions de validit de lapproximation, puis eectuer les calculs
laide de cette nouvelle loi.
Exercices 7.5, 7.6, 7.7, 7.13, 7.15, 7.16
noncs des exercices
7.1 Obtention dune ingalit
En utilisant lingalit de Bienaym-Tchebychev, montrer :
x > 0,
_
x
0
e
t
2
/2
dt
_
2
_
1
1
x
2
_
.
218
noncs des exercices
7.2 Une condition susante de convergence en probabilit
a) Soient (X
n
)
nN
une suite de va admettant un moment dordre 2 et X une va admettant aussi
un moment dordre 2.
On suppose : lim
n
E(X
n
X) = 0 et lim
n
V(X
n
X) = 0.
Montrer que la suite (X
n
)
nN
converge en probabilit vers X.
b) En considrant des va X
n
dont la loi est donne par :
X
n
() = 0 , n, P(X
n
= 0) = 1
1
n
et P(X
n
= n) =
1
n
,
tudier la rciproque la question prcdente.
7.3 Exemples de convergence en probabilit
n
)
nN
de va mutuellement indpendantes dont chacune suit la mme
loi de Bernoulli de paramtre p avec 0 < p < 1. Pour tout n de N
, on pose :
S
n
=
X
1
+ + X
n
n
, Y
n
= X
n
X
n+1
et T
n
=
Y
1
+ + Y
n
n
.
a) Montrer que (S
n
)
nN
converge en probabilit vers la variable certaine gale p.
b) 1) Donner, pour tout n de N
, la loi de Y
n
.
2) En dduire, pour tout n de N
, lesprance et la variance de T
n
.
c) Montrer que (T
n
)
nN
converge en probabilit vers la variable certaine gale p
2
.
7.4 Exemples de convergence en probabilit et de convergence en loi, daprs ECS 2006
i
)
iN
de va mutuellement indpendantes, toutes de loi uniforme sur
[0 ; 1].
Pour tout n de N
, on note M
n
la va dnie par : M
n
= max(X
1
, . . . , X
n
).
a) Soit n N
. Montrer : x [0 ; 1], P(M

n
x) = x
n
.
En dduire que la va M
n
est une variable densit.
b) Calculer, pour tout ]0 ; 1], P
_
M
n
1 < ).
En dduire que (M
n
)
nN
converge en probabilit vers la variable certaine gale 1.
c) 1) Soit R
+
. Montrer que, pour tout n de N tel que n :
P
_
n(1 M
n
)
_
= 1
_
1

n
_
n
.
2) En dduire que
_
n(1 M
n
)
_
nN
converge en loi vers une variable qui suit une loi exponen-
tielle.
7.5 Exemple dapproximation de loi
Une entreprise fabrique des botes dont certaines sont dfectueuses. On suppose que la proba-
bilit quune bote soit dfectueuse est gale 2% et que les botes sont dfectueuses ou non
indpendamment les unes des autres. Lentreprise stocke ces botes par lot de 100 et garantit
chaque lot 95%, cest--dire garantit que chaque lot ne contient pas plus de 5% de botes
dfectueuses.
a) Estimer la probabilit pour que cette garantie tombe en dfaut.
b) Comment volue cette probabilit si lentreprise fait des lots de 200 botes ?
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
219
7.6 Exemple dapproximation de loi dans un jeu de pile ou face
Estimer la probabilit dobtenir, lors de 100 lancers dune pice quilibre :
a) autant de piles que de faces b) un nombre de piles compris entre 40 et 50.
On suppose que le nombre de clients dun magasin dans un jour ouvrable suit la loi de Poisson
de paramtre 10, et que la frquentation du magasin est indpendante dun jour ouvrable un
autre.
Estimer la probabilit davoir au moins 180 clients au cours de 20 jours ouvrables.
7.8 Exemple dune suite de va discrtes convergeant en loi vers une va densit
Soit X une va densit et valeurs positives.
On dnit, pour tout n de N
, X
n
=
Ent(nX)
n
, o Ent(x) dsigne la partie entire de x.
Montrer que la suite (X
n
)
nN
converge en loi vers X.
7.9 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent
On considre une suite de va (X
n
)
nN
, mutuellement indpendantes, dont chacune suit la loi de
Poisson de paramtre 1.
Pour tout n de N
, on pose S
n
= X
1
+ + X
n
.
a) Donner, pour tout n de N
, la loi de S
n
, son esprance et sa variance.
b) Montrer, laide du thorme de la limite centre : lim
n
P(S
n
n) =
1
2
.
c) En dduire :
n
k=0
n
k
k!

n
e
n
2
.
7.10 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent
n
)
nN
, mutuellement indpendantes, suivant la loi exponentielle
de paramtre 1.
Pour tout n de N
, on pose S
n
= X
1
+ + X
n
.
a) Donner, pour tout n de N
, une densit de S
n
b) En raisonnant de le mme faon que dans lexercice 7.9, dterminer un quivalent de
u
n
=
_
n
0
x
n1
e
x
dx lorsque n tend vers +.
7.11 Exemple dtude de la convergence de la suite des fonctions de rpartition et de la suite
des densits
n
)
n1
de va mutuellement indpendantes, de loi exponentielle de para-
mtre 1. Pour tout n de N
, on note S
n
=
n
k=1
X
k
et S
n
la va centre rduite associe S
n
.
a) On considre, pour tout n de N
, F
n
la fonction de rpartition de S
n
.
Dterminer, pour tout x de R, lim
n
F
n
(x).
220
noncs des exercices
b) 1) Pour tout n de N
, dterminer une densit f

n
de S
n
.
2) Montrer : x R, lim
n
f
n
(x) =
1
2
e
x
2
/2
.
On utilisera la formule de Stirling : n!
n
n
n

2n e
n
.
7.12 Calcul de la limite dune probabilit
k
)
k1
de va, mutuellement indpendantes, de mme esprance m et de
mme variance
2
. Pour tout n 1, on pose M
n
=
1
n
n
k=1
X
k
.
On cherche calculer, pour tout x de R, lim
n
P(M
n
x).
a) Soit x R tel que x < m. On pose = m x.
Montrer : n 1, P(M
n
x)

2
n
2
. En dduire lim
n
P(M
n
x).
b) Soit x R tel que x > m. On pose = x m.
Montrer : n 1, P(M
n
x) 1

2
n
2
. En dduire lim
n
P(M
n
x).
c) Montrer que la suite (M
n
)
n1
converge en loi vers une variable certaine.
Retrouver les rsultats de lim
n
P(M
n
x) lorsque x < m et lorsque x > m.
d) laide du thorme de la limite centre, montrer : lim
n
P(M
n
m) =
1
2
.
7.13 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi
On dispose dun d quilibr. Dterminer le nombre de lancers eectuer pour que lon puisse
armer, avec un risque infrieur ou gal 5%, que la frquence dapparition de la face num-
rote 1 dire de
1
6
dau plus 10
2
:
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.
7.14 Lien entre la convergence en probabilit et la convergence en moyenne, daprs EDHEC
2009
On dit quune suite (X
n
)
n1
de va converge en moyenne vers une va X si et seulement si, pour
tout n 1, la va X
n
X possde une esprance et lim
n
E
_
X
n
X
_
= 0.
a) Montrer que, si une suite (X
n
)
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 (Z
n
)
n1
de va, mutuellement indpendantes, et suivant toutes la loi de
Poisson de paramtre , avec > 1.
Pour tout n 1, on pose Y
n
=
n
_
k=1
Z
k
.
b) 1) Pour tout n 1, calculer P(Y
n
0).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
221
2) En dduire que (Y
n
)
n1
c) Montrer que, si (Y
n
)
n1
converge en moyenne vers une va Y, alors P(Y = 0) = 1.
d) 1) Calculer, pour tout n 1, lesprance de Y
n
.
2) tablir : n 1, E
_
Y
n
Y
_
E(Y
n
) E(Y), puis dterminer lim
n
E
_
Y
n
Y
_
.
e) Conclure.
7.15 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi
Un leveur possde 100 vaches qui se rpartissent au hasard entre deux tables contenant cha-
cune n places (50 n 100).
Dterminer une valeur de n permettant chaque vache de trouver une place avec une probabilit
suprieure ou gale 95% :
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.
Un avion comporte 500 places. La probabilit quun passager ayant rserv une place ne se
prsente pas lembarquement est de 5%.
Estimer le nombre de places que la compagnie arienne peut vendre pour que la probabilit de
voir se prsenter plus de passagers que de places disponibles soit infrieure ou gale 1%?
7.17 tude de la convergence en loi de la suite de terme gnral X
n
Ent(X
n
), o X
n
E (1/n)
On considre, pour tout n de N
, une va X
n
suivant la loi exponentielle de paramtre
1
n
, et on
pose Z
n
= X
n
Ent(X
n
), o Ent(x) dsigne la partie entire de x.
a) Montrer que, pour tout n de N
, Z
n
est une va densit et en dterminer une densit.
b) Calculer, pour tout n de N
, E(Z
n
). Montrer que la suite
_
E(Z
n
)
_
nN
converge et dterminer
sa limite.
c) Montrer que la suite (Z
n
)
nN
converge en loi vers une va Z dont on prcisera la loi.
7.18 Exemple de convergence en loi, daprs loral HEC 2008
Soit > 0 x. Pour tout entier n suprieur ou gal , on considre une suite (X
i,n
)
i1
de
va mutuellement indpendantes telle que, pour tout i 1, la va X
i,n
suit la loi de Bernoulli de
paramtre

n
, et on dnit la va N
n
=
1
n
Inf
_
i 1 ; X
i,n
= 1
_
.
tudier la convergence en loi de la suite de va relles (N
n
)
n
.
7.19 Exemple de convergence en loi, daprs loral HEC 2006
k
)
kN
de va, mutuellement indpendantes et de mme loi.
Pour tout n de N
, on dnit la va M
n
par : M
n
= max(X
1
, . . . , X
n
).
a) On suppose dans cette question que, pour tout k de N
, la va X
k
suit la loi exponentielle de
paramtre > 0.
Montrer que la suite (Z
n
)
nN
dnie par, pour tout n de N
, Z
n
= M
n
ln n converge en loi vers
une va dont on prcisera la loi.
222
noncs des exercices
b) On suppose dans cette question que, pour tout k de N
, la va X
k
suit la loi de Cauchy de
paramtre c > 0, cest--dire admet pour densit la fonction f : x
c
(c
2
+ x
2
)
.
Montrer que la suite (Z
n
)
nN
dnie par, pour tout n de N
, Z
n
=
nc
M
n
converge en loi vers une
va dont on prcisera la loi.
7.20 Exemple de convergence en loi pour des va discrtes valeurs dans N
Soit n un entier naturel non nul. On considre n urnes notes U
1
, U
2
, . . . , U
n
. Pour tout i de
1 ; n, lurne U
i
contient i boules blanches et n i boules noires.
a) On choisit une urne au hasard et dans lurne choisie, on eectue des tirages avec remise de
la boule tire jusqu obtenir une boule blanche. On note X
n
la va gale au nombre de tirages
eectus.
1) Dterminer la loi de X
n
. (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(X
n
) de X
n
puis calculer lim
n
E(X
n
).
3) Montrer que (X
n
)
nN
converge en loi vers une va X dont on prcisera la loi.
La va X admet-elle une esprance ?
b) Soit p N
x. Maintenant, on choisit une urne au hasard et dans lurne choisie, on eectue

p tirages successifs avec remise de la boule tire. On note Y
n
la va gale au nombre de boules
blanches ainsi obtenues.
n
. (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(Y
n
) de Y
n
puis calculer lim
n
E(Y
n
).
3) Montrer que (Y
n
)
nN
converge en loi vers une va Y dont on prcisera la loi.
Comparer ensuite E(Y) et lim
n
E(Y
n
).
7.21 Convergence en loi du minimum de va suivant une loi uniforme
Soient p ]0 ; 1[ et n N
. On considre des va X
0
, . . . , X
n
, mutuellement indpendantes, suivant
la mme loi uniforme sur [0 ; n], et une va N
n
, indpendante des va X
i
pour tout i 0 ; n, et
suivant la loi binomiale de paramtre (n, p).
On dnit les va V
n
= min(X
0
, . . . , X
n
) et W
n
= min(X
0
, . . . , X
Nn
).
a) tudier la convergence en loi de la suite de va (V
n
)
nN
.
b) On note G
n
la fonction de rpartition de W
n
. Calculer, pour tout x de R, G
n
(x).
c) tudier la convergence en loi de la suite de va (W
n
)
nN
.
7.22 Exemple de convergence en loi pour des va discrtes valeurs dans N
Soit n un entier naturel suprieur ou gal 2. Une urne contient n boules numrotes de 1 n.
On eectue des tirages successifs avec remise et on sarrte ds que lon obtient un numro
suprieur ou gal au numro prcdent. On note X
n
la va gale au nombre de tirages eectus.
a) Calculer, pour tout k de N
, P(X
n
> k). En dduire la loi de X
n
.
b) Calculer E(X
n
) puis lim
n
E(X
n
).
c) Montrer que la suite de terme gnral X
n
converge en loi vers une va X dont on prcisera la
loi.
Comparer E(X) et lim
n
E(X
n
).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
223
7.23 Convergence en probabilit et convergence en loi dun minimumde va, daprs loral HEC
2010
a) On note f la fonction dnie sur R par : x R, f (x) =
_
0 si x < 0
x e
x
2
/2
si x 0
.
Montrer que f est une densit dune va relle X.
Soit (X
n
)
nN
une suite de va, mutuellement indpendantes, de mme loi, admettant pour densit
une fonction g continue sur R, nulle sur R
, de classe C
1
sur R
+
et possdant une drive droite
en 0 non nulle, gale c.
b) Justier : x 0, P(X
1
x) =
c
2
x
2
+ o
x0
(x
2
).
c) Pour tout entier n 1, on pose Y
n
= min(X
1
, X
2
, . . . , X
n
).
1) Montrer que (Y
n
)
n1
2) Dterminer une suite (a
n
)
n1
de rels strictement positifs telle que (a
n
Y
n
)
n1
converge en loi vers la va X.
7.24 Nombre de points xes dune application de 1 ; n dans lui-mme ou dune permutation
de 1 ; n
Soit n un entier naturel non nul.
a) On note E
n
lensemble des applications de 1 ; n dans lui-mme. On prend au hasard lune
de ces applications, et lon dnit la va X
n
gale au nombre de points xes de cette application.
1) Dterminer la loi de X
n
.
2) Montrer que la suite (X
n
)
nN
converge en loi vers une va de loi usuelle.
b) On note maintenant F
n
lensemble des permutations de 1 ; n. On prend au hasard lune de
ces permutations, et lon dnit la va Y
n
gale au nombre de points xes de cette permutation.
1) Calculer le nombre de permutations de F
n
ne prsentant aucun point xe.
n
.
3) Montrer que la suite (Y
n
)
nN
converge en loi vers une va de loi usuelle.
Du mal dmarrer ?
7.1 Considrer une va X suivant la loi normale centre r-
duite, puis appliquer lingalit de Bienaym-Tchebychev X.
7.2 a) Appliquer lingalit de Markov la va (X
n
X)
2
pour
en dduire : P
_
X
n
X )
V(X
n
X) +
_
E(X
n
X)
_
2
2
.
Puis conclure.
b) Montrer que la suite (X
n
)
nN
converge en probabilit vers la
variable certaine X gale 0.
Dautre part, calculer E(X
n
X).
7.3 a) Utiliser la loi faible des grands nombres.
b) 1) Montrer que Y
n
suit une loi de Bernoulli.
b) 2) Pour E(T
n
), utiliser la linarit de lesprance.
Pour V(T
n
), utiliser la formule :
V(T
n
) =
1
n
2
_
n
k=1
V(Y
k
) + 2
1k<n
Cov(Y
k
, Y
)
_
.
c) Appliquer lingalit de Bienaym-Tchebychev la va T
n
.
224
Du mal dmarrer ?
7.4 a) Commencer par crire
P(M
n
x) = P(X
1
x, . . . , X
n
x),
puis utiliser lindpendance des va.
En dduire la fonction de rpartition de M
n
sur R. Montrer
que cette fonction est continue sur R, C
1
sur R priv ventuel-
lement dun nombre ni de points.
b) Montrer : ]0; 1], P
_
M
n
1 <
_
= 1 (1 )
n
.
Puis conclure.
c) 1) Utiliser le rsultat de a).
c) 2) Calculer, pour tout x de R, lim
n
P
_
n(1 M
n
) x
_
, puis
conclure.
7.5 a) Considrer la va X gale au nombre de botes d-
fectueuses dans un lot de 100 botes et remarquer que
X B(100, 0.02).
Approcher la loi de X par une loi adapte puis estimer P(X 6)
en utilisant cette nouvelle loi.
b) Raisonner de la mme faon, en considrant la va Y gale
au nombre de botes dfectueuses dans un lot de 200 botes.
7.6 Considrer la va X gale au nombre de piles obtenus lors
dune succession de 100 lancers dune pice quilibre et re-
marquer que X B(100, 0.5).
Approcher la loi de X par une loi adapte puis estimer :
a) P(X = 50) b) P(40 X 50)
en utilisant cette nouvelle loi.
7.7 Considrer, pour tout i de 1; 20, la va X
i
gale au
nombre de clients le jour i et S = X
1
+ + X
20
.
Dterminer la loi de S, approcher cette loi par une loi adapte
puis estimer P(S 180).
7.8 Commencer par dterminer, pour tout n N
, la loi
de X
n
.
Puis, pour tout x de R, noter k
n
= Ent(nx) et calculer P(X
n
x)
en fonction de k
n
. Conclure.
7.9 a) Utiliser le thorme de stabilit de la loi de Poisson.
b) Utiliser le thorme de la limite centre, pour en dduire
que la suite (S
n
)
nN
converge en loi vers une va N telle que
N N (0, 1).
Remarquer : n N
, P(S
n
n) = P(S
n
0)
n
P(N 0).
c) crire P(S
n
n) sous forme dune sommation.
7.10 a) Justier que S
n
suit une loi Gamma.
b) Utiliser le thorme de la limite centre, pour en dduire
que la suite (S
n
)
nN
N N (0, 1).
Remarquer : n N
, P(S
n
n) = P(S
n
0)
n
P(N 0).
crire P(S
n
n) sous forme dune intgrale.
7.11 a) Utiliser le thorme de la limite centre.
b) 1) Utiliser le cours pour obtenir une densit de S
n
, puis en
dduire une densit de S
n
=
S
n
n
n
.
b) 2) Utiliser la formule de Stirling, les quivalents et les dve-
loppements limits usuels.
7.12 a) Remarquer : P(M
n
x) P
_
M
n
m
_
.
Puis utiliser lingalit de Bienaym-Tchebychev.
b) Raisonner de la mme faon en remarquant cette fois-ci :
P(M
n
x) P
_
M
n
m <
_
.
c) Utiliser la loi faible des grands nombres pour en dduire
que (M
n
)
n1
converge en probabilit vers la variable certaine X
gale m, donc quelle converge aussi en loi vers X.
Dterminer la fonction de rpartition de X, puis utiliser la
dnition de la convergence en loi.
d) Noter, pour tout n de N
, S
n
= X
1
+ + X
n
.
Montrer que (S
n
)
nN
N N (0, 1).
Et remarquer : P(M
n
m) = P(S
n
0)
n
P(N 0).
7.13 Noter n le nombre de lancers effectus et X la va gale
au nombre de faces numrotes 1 obtenues.
Dterminer la loi de X.
Montrer que la question revient dterminer un entier n tel
que : P
_
X
n

1
6
10
2
_
0.95.
a) En utilisant lingalit de Bienaym-Tchebychev, minorer
P
_
X
n

1
6
10
2
_
, puis obtenir un n satisfaisant la condition
prcdente.
b) Approcher la loi de X par une loi normale adapte, puis tra-
vailler avec cette nouvelle loi.
7.14 a) Appliquer lingalit de Markov la va X
n
X.
b) 1) Remarquer que P(Y
n
0) = P(Z
1
0, . . . , Z
n
0), puis
utiliser lindpendance des va.
b) 2) Commencer par crire : > 0, P(Y
n
) P(Y
n
0).
Ensuite, faire tendre lentier n vers +.
c) Utiliser la question a).
d) 1) Utiliser lindpendance des va Z
k
.
d) 2) Montrer : lim
n
E(Y
n
) = +. Conclure.
e) En dduire que (Y
n
)
1
ne converge pas en moyenne vers la
va Y.
7.15 Considrer la va X gale au nombre de vaches qui choi-
sissent ltable numro 1.
La question revient dterminer un entier n tel que :
P(100 n X n) 0.95.
a) En utilisant lingalit de Bienaym-Tchebychev, minorer
P(100 n X n), puis obtenir un n satisfaisant la condition
prcdente.
b) Approcher la loi de X par une loi normale adapte, puis tra-
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
225
7.16 Considrer lentier n gal au nombre de places vendues
et la va X gale au nombre de passagers se prsentant lem-
barquement.
La question revient dterminer un entier n tel que :
P(X > 500) 0.01.
Approcher la loi de X par une loi normale adapte, puis tra-
7.17 a) Montrer que Z
n
prend ses valeurs dans [0; 1[.
Dterminer la fonction de rpartition de Z
n
, puis montrer que
cette fonction est continue sur R, de classe C
1
sur R ventuelle-
ment priv dun nombre ni de points.
b) Montrer : n N
, E(Z
n
) = n
1
e
1/n
1
,
puis : lim
n
E(Z
n
) =
1
2
.
c) Calculer, pour tout x de R, lim
n
P(Z
n
x).
7.18 Commencer par dterminer la loi de N
n
.
Puis, pour tout x de R, noter k
n
= Ent(nx) et calculer
P(N
n
x) laide de k
n
.
En dduire : x R
+
, P(N
n
x)
n
1 e
x
.
Conclure.
7.19 a) Justier : x R, P(Z
n
x) =
_
P
_
X
1

x + lnn
__
n
.
En dduire une expression de P(Z
n
x) puis lim
n
P(Z
n
x).
b) Justier : x R, P(Z
n
x) =
_
1
Arctan
nx
+
1
2
_
n
.
Pour calculer lim
n
P(Z
n
x), sparer les cas x < 0, x = 0, x > 0.
7.20 a) 1) Considrer, pour tout i de 1; n, lvnement A
i
:
on choisit lurne i .
Commencer par dterminer la loi conditionnelle de X
n
sachant
A
i
, puis en dduire la loi de X
n
.
a) 2) Donner, dans un premier temps, lesprance de X
n
sachant
A
i
, puis utiliser la formule de lesprance totale.
a) 3) Calculer, pour tout k de N
, lim
n
P(X
n
= k) en utilisant le
thorme sur les sommes de Riemann.
b) Raisonner de la mme faon quau a).
7.21 a) Dterminer la fonction de rpartition de la va V
n
, puis
montrer que la suite (V
n
)
nN
converge en loi vers une va de loi
exponentielle de paramtre 1.
b) Justier :
x R, P(W
n
> x) =
n
k=0
P(N
n
= k)P(X
0
> x) P(X
k
> x).
En dduire une expression de P(W
n
x).
c) Montrer que la suite (W
n
)
nN
converge en loi vers une va de
loi exponentielle de paramtre p.
7.22 a) Montrer :
k N
, P(X
n
> k) =
_
_
1
n
k
_
n
k
_
si k 1; n
0 si k n + 1
.
Puis utiliser : k 2, P(X
n
= k) = P(X
n
> k 1) P(X
n
> k).
b) Utiliser la dnition de lesprance et montrer :
E(X
n
) =
_
1 +
1
n
_
n
.
c) Montrer : k 2, P(X
n
= k)
n
k 1
k!
.
Montrer que
__
k,
k 1
k!
_
; k 2; +
_
est bien la loi dune
va discrte. Puis conclure.
Obtenir : lim
n
E(X
n
) = e = E(X).
7.23 a) Appliquer la dnition dune densit.
b) Commencer par crire le dveloppement limit dordre 1
en 0 de la fonction g, en dduire le dveloppement limit
dordre 2 en 0 de F : x P(X
1
x).
c) 1) Montrer : > 0, P
_
Y
n
0
_
=
_
1 F()
_
n
.
En dduire : lim
n
P
_
Y
n
0
_
.
c) 2) Raisonner par analyse-synthse. Obtenir par exemple que
la suite (
nc Y
n
)
nN
7.24 a) 1) Obtenir : k 0; n, P(X
n
= k) =
_
n
k
_
(n 1)
nk
n
n
.
a) 2) En dduire que (X
n
)
nN
converge en loi vers une va X sui-
vant la loi de Poisson de paramtre 1.
b) 1) Noter, pour tout i de 1; n, A
i
lensemble des permuta-
tions f de F
n
telles que f(i) = i.
Commencer par calculer Card(A
1
A
n
) laide de la formule
du crible.
b) 2) Montrer : k 0; n, P(Y
n
= k) =
1
k!
nk
i=0
(1)
i
i!
.
b) 3) En dduire que (Y
n
)
nN
converge elle aussi en loi vers la
mme va X.
226
7.1 On considre une va X de loi normale centre rduite.
Alors une densit de X est f : t
1
2
e
t
2
/2
.
De plus : E(X) = 0 et V(X) = 1.
Soit x > 0. Par lingalit de Bienaym-Tchebychev, on a :
P
_
X E(X) x
_

V(X)
x
2
,
cest--dire : P
_
X x
_

1
x
2
,
et donc : P
_
X x
_
P
_
X < x
_
= 1 P
_
X x
_
1
1
x
2
.
Or : P
_
X x
_
= P(x X x)
=
_
x
x
f (t) dt = 2
_
x
0
f (t) dt car f est paire
= 2
_
x
0
1
2
e
t
2
/2
dt =
_
2
_
x
0
e
t
2
/2
dt.
On en dduit :
_
2
_
x
0
e
t
2
/2
dt 1
1
x
2
,
et donc :
_
x
0
e
t
2
/2
dt
_
2
_
1
1
x
2
_
.
7.2
a) Soit > 0.
Appliquons lingalit de Markov la va (X
n
X)
2
:
P
_
X
n
X ) = P
_
(X
n
X)
2

2
)
E
_
(X
n
X)
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)
_
2
.
On obtient alors :
0 P
_
X
n
X )
V(X
n
X) +
_
E(X
n
X)
_
2
2
.
Puisque lim
n
E(X
n
X) = 0 et lim
n
V(X
n
X) = 0,
on obtient :
V(X
n
X) +
_
E(X
n
X)
_
2
2

n
0.
Par le thorme dencadrement : P
_
X
n
X )
n
0.
On en dduit que (X
n
)
nN
b) Montrons que (X
n
)
nN
converge en probabilit vers la va-
riable certaine X gale 0. On a :
> 0, n N
, P
_
X
n
0
_
= P(X
n
) = P(X
n
= n) car X
n
() = 0, n
=
1
n

n
0.
On en dduit que (X
n
)
nN
riable certaine X gale 0.
De plus : n N
, E(X
n
X) = E(X
n
)
= 0
_
1
1
n
_
+ n
1
n
= 1.
Ainsi, la suite de terme gnral E(X
n
X) ne converge pas
vers 0.
On en dduit que la rciproque de la question rciproque est
fausse.
Remarque 1 : Dire que lim
n
E(X
n
X) = 0 quivaut dire que
lim
n
E(X
n
) = E(X), mais le rsultat analogue pour la variance
est faux.
Remarque 2 : On peut donc avoir des suites (X
n
)
nN
de va
qui convergent en probabilit vers une va X, sans que la suite
_
E(X
n
)
_
nN
converge vers E(X) !
7.3
a) Les va X
n
sont mutuellement indpendantes et admettent
toutes une esprance gale p et une variance gale p(1 p).
On en dduit, par la loi faible des grands nombres, que (S
n
)
nN
converge en probabilit vers la variable certaine gale p.

b) 1) Soit n N
. Puisque X
n
et X
n+1
prennent leurs valeurs
dans 0, 1, Y
n
prend elle-aussi ses valeurs dans 0, 1.
Et : P(Y
n
= 1) = P(X
n
= 1, X
n+1
= 1)
= P(X
n
= 1)P(X
n+1
= 1) = p
2
,
car X
n
et X
n+1
sont indpendantes.
On en dduit : Y
n
b(p
2
).
b) 2) Soit n N
.
Calculons E(T
n
). Par la linarit de lesprance,
E(T
n
) =
1
n
n
k=1
E(Y
k
) =
1
n
n
k=1
p
2
=
1
n
(np
2
) = p
2
.
Calculons V(T
n
). Puisque les va Y
n
, pour n N
, ne sont pas
mutuellement indpendantes,
V(T
n
) =
1
n
2
_
n
k=1
V(Y
k
) + 2
1k<n
Cov(Y
k
, Y
)
_
.
227
Or, pour tout k de 1 ; n, V(Y
k
) = p
2
(1 p
2
)
= p
2
(1 p)(1 + p).
De plus, pour tous k, de 1 ; n tels que k < :
si k + 1 < , puisque Y
k
dpend de X
k
et X
k+1
, que Y
dpend
de X
et X
+1
et que les va X
k
, X
k+1
, X
, X
+1
sont mutuellement
indpendantes, alors les va Y
k
et Y
sont indpendantes, et donc

Cov(Y
k
, Y
) = 0 ;
si k + 1 = , alors
E(Y
k
Y
) = E(X
k
X
2
k+1
X
k+2
) = P(X
k
X
2
k+1
X
k+2
= 1)
= P(X
k
= 1)P(X
k+1
= 1)P(X
k+2
= 1) = p
3
,
et donc : Cov(Y
k
, Y
) = E(Y
k
Y
) E(Y
k
)E(Y
)
= p
3
(p
2
)
2
= p
3
(1 p).
On obtient alors :
V(T
n
) =
1
n
2
_
n
k=1
V(Y
k
) + 2
n1
k=1
Cov(Y
k
, Y
k+1
)
_
=
1
n
2
_
np
2
(1 p)(1 + p) + 2(n 1)p
3
(1 p)
_
=
p
2
(1 p)
n
2
_
n(1 + p) + 2(n 1)p
_
=
p
2
(1 p)(3np + n 2p)
n
2
.
c) Ici, on ne peut pas appliquer la loi faible des grands nombres
car les va Y
n
ne sont pas mutuellement indpendantes.
Cherchons appliquer lingalit de Bienaym-Tchebychev
la va T
n
. On a :
> 0, 0 P
_
T
n
p
2

_
= P
_
T
n
E(T
n
)
V(T
n
)
2
=
p
2
(1 p)(3np + n 2p)
n
2
n
p
2
(1 p)(3p + 1)
n
2

n
0
Donc, par le thorme dencadrement :
P
_
T
n
p
2

_

n
0.
On en dduit que (T
n
)
nN
riable certaine gale p
2
.
7.4
a) Soit x [0 ; 1]. Alors :
P(M
n
x) = P(X
1
x, . . . , X
n
x)
= P(X
1
x) P(X
n
x)
car X
1
, . . . , X
n
sont indpendantes
=
_
P(X
1
x)
_
n
car X
1
, . . . , X
n
ont la mme loi
= x
n
car X
1
U
_
[0 ; 1]
_
.
Puisque les va X
1
, . . . , X
n
prennent leurs valeurs dans [0 ; 1],
il en est de mme pour M
n
.
Ainsi, la fonction de rpartition de M
n
, note F
n
, vrie :
x R, F
n
(x) =
_
_
0 si x < 0
x
n
si 0 x 1
1 si x > 1
Cette fonction de rpartition est C
1
sur R, priv ventuellement
de 0 et de 1.
De plus,
_
_
lim
0
F
n
= 0 = F
n
(0) = lim
0
+
F
n
lim
1
+
F
n
= 1 = F
n
(1) = lim
1
F
n
.
Donc F
n
On en dduit que M
n
est une va densit.
b) Soit ]0 ; 1]. Alors :
P
_
M
n
1 <
_
= P(1 < M
n
< 1 + )
= P(1 < M
n
1 + ) car P(M
n
= 1 + ) = 0
= F
n
(1 + ) F
n
(1 ) = 1 (1 )
n
car 1 + > 1 et 1 [0 ; 1].
Soit > 0. Alors :
si ]0 ; 1], P
_
M
n
1
_
= 1 P
_
M
n
1 <
_
= (1 )
n
n
0 car 1 [0 ; 1[.
si ]1 ; +[, P
_
M
n
1 ) = P(1 M
n
)
= P(M
n
1 ) = 0
n
0
car M
n
() [0 ; 1] et 1 < 0.
On obtient alors : > 0, P
_
M
n
1
_

n
0.
On en dduit que (M
n
)
nN
riable certaine gale 1.
c) 1) Soit n N tel que n . Alors :
P
_
n(1 M
n
)
_
= P
_
1 M
n

n
_
= P
_
M
n
1

n
_
= P
_
M
n
> 1

n
_
car M
n
est densit
= 1 F
n
_
1

n
_
= 1
_
1

n
_
n
puisque

n
[0 ; 1].
c) 2) Puisque M
n
prend ses valeurs dans [0 ; 1], n(1M
n
) prend
ses valeurs dans [0 ; n].
228
Soit x R.
Si x R
, alors :
n 1, P
_
n(1 M
n
) x
_
= 0
n
0.
Si x R
+
, alors :
n x, P
_
n(1 M
n
) x
_
= 1
_
1
x
n
_
n
= 1 e
n ln(1
x
n
)
,
or : n ln
_
1
x
n
_

n
n
x
n
= x
n
x,
donc : P
_
n(1 M
n
) x
_

n
1 e
x
.
Considrons une va X suivant la loi E (1) et notons F sa fonc-
tion de rpartition. Alors :
x R, F(x) = 0 si x < 0 et F(x) = 1 e
x
si x 0.
On obtient alors : x R, P
_
n(1 M
n
) x
_

n
F(x).
On en dduit que
_
n(1 M
n
)
_
nN
7.5
a) On note X la va gale au nombre de botes dfectueuses dans
un lot de 100 botes.
La garantie de ce lot tombe en dfaut si et seulement si ce lot
contient au moins 6 botes dfectueuses. On cherche donc
valuer P(X 6).
Daprs lnonc, X B(100, 0.02).
Puisque : 100 30, 0.02 0.1, 100 0.02 = 2 15,
on peut approcher la loi de X par la loi de Poisson de paramtre
100 0.02 = 2.
Considrons une va T suivant la loi de Poisson de para-
mtre 2.
Alors : P(X 6) = P(T 6) = 1 P(T 5)
= 1 e
2
_
1 +
2
1
1!
+
2
2
2!
+
2
3
3!
+
2
4
4!
+
2
5
5!
_
= 1
109 e
2
15
= 0.0166 = 1.66%.
On en dduit quil y a environ 1.66% de risques que la garantie
tombe en dfaut.
b) On note Y la va gale au nombre de botes dfectueuses dans
un lot de 200 botes.
La garantie de ce lot tombe en dfaut si et seulement si ce lot
contient au moins 11 botes dfectueuses. On cherche donc
valuer P(Y 11).
Daprs lnonc, Y B(200, 0.02).
Puisque : 200 30, 0.02 0.1, 200 0.02 = 4 15,
on peut approcher la loi de Y par la loi de Poisson de paramtre
200 0.02 = 4.
Considrons une va U suivant la loi de Poisson de para-
mtre 4.
Alors : P(Y 11) = P(U 11) = 1 P(U 10)
= 1 e
4
_
10
k=0
4
k
k!
_
= 0.0028 = 0.28%.
On en dduit quil y a environ 0.28% de risques que la garantie
tombe en dfaut.
Remarque : En doublant le nombre de botes par lot, la proba-
bilit que la garantie du lot tombe en dfaut est bien plus que
divise par deux !
7.6 Notons X la va gale au nombre de piles obtenus lors
dune succession de 100 lancers dune pice quilibre.
On sait alors que X B(100, 0.5).
Puisque : 100 30, 100 0.5 = 50 15,
100 (1 0.5) = 50 5,
on peut approcher la loi de X par une loi normale de mme
esprance et de mme variance.
Or : E(X) = 100
1
2
= 50 et V(X) = 100
1
2

1
2
= 25.
Ainsi, la loi de X peut tre approche par la loi normale
N (50, 25) et donc la loi de X
=
X 50
5
peut tre approche
par la loi N (0, 1).
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.
a) On cherche estimer P(X = 50). Eectuons une correction
de continuit :
P(X = 50) = P(49.5 < X 50.5) = P(0.1 < X
0.1)
= P(0.1 < N 0.1) = (0.1) (0.1)
= 2(0.1) 1 car x R, (x) = 1 (x).
Or, daprs la table de la loi normale centre rduite,
(0.1) = 0.540.
On en dduit : P(X = 50) = 0.080.
On conclut que la probabilit dobtenir, lors de 100 lancers
dune pice quilibre, autant de piles que de faces est peu
prs gale 0.080.
Remarque : Si lon neectue pas la correction de continuit, on
trouve : P(X = 50) = P(X
= 0) = P(N = 0) = 0, et cette ap-

proximation est peu satisfaisante !
b) On cherche estimer P(40 X 50).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
229
P(40 X 50) = P(2 X
0) = P(2 N 0).
Or, P(2 N 0) = P(2 < N 0) = (0) (2)
= 0.5
_
1 (2)
_
= (2) 0.5.
Daprs la table de la loi normale centre rduite,
(2) = 0.977.
On en dduit : P(40 X 50) = 0.477.
On conclut que la probabilit dobtenir, lors de 100 lancers
dune pice quilibre, un nombre de piles compris entre 40
et 50 est peu prs gale 0.477.
Remarque : Il est possible deectuer la correction de conti-
nuit. Dans ce cas, on obtient :
P(40 X 50) = P(39.5 < X 50.5)
= P(2.1 < X
0.1) = (0.1) (2.1)

= (0.1) + (2.1) 1 = 0.540 + 0.982 1 = 0.522.
7.7
Notons, pour tout i de 1 ; 20, X
i
la va gale au nombre de
clients le jour i et S = X
1
+ + X
20
.
Daprs lnonc, les va X
1
, . . . , X
20
sont mutuellement ind-
pendantes et suivent la loi de PoissonP(10). On sait alors,
daprs le cours, que S P(200).
Puisque 200 15, on peut approcher la loi de S par une loi
normale de mme esprance et de mme variance.
Or, E(S ) = 200 et V(S ) = 200. Ainsi, la loi de S peut tre
approche par la loi normale N (200, 200) et donc la loi de
S
=
X 200
10
2
peut tre approche par la loi N (0, 1).
de rpartition.
On cherche estimer P(S 180).
On a : P(S 180) = P
_
S

180 200
10
2
_
= P(S
2)
= P(N
2) = P(N
2) = (
2).
Or :

2 = 1.41 et (1.41) = 0.921.
Ainsi : P(S 180) = 0.921 = 92.1%.
On conclut que la probabilit davoir au moins 180 clients au
cours de 20 jours ouvrables est peu prs gale 0.921.
7.8 Notons, pour tout n de N
, F
n
la fonction de rpartition
de X
n
et F la fonction de rpartition de X.
Soit n N
. La va X
n
_
k
n
; k N
_
.
Pour tout k de N, on a :
P
_
X
n
=
k
n
_
= P
_
Ent(nX) = k
_
= P
_
k nX < k + 1
_
= P
_
k
n
X <
k + 1
n
_
= P
_
k
n
< X
k + 1
n
_
= F
_
k + 1
n
_
F
_
k
n
_
.
Soit x R.
Supposons x R
. Alors :
n 1, P(X
n
x) = 0
n
0 = P(X x) car X() R
+
.
Supposons x R
+
. Soit n 1.
Notons k
n
= Ent(nx). Alors :
k
n
n
x <
k
n
+ 1
n
.
On a : P(X
n
x) = P
_
X
n

k
n
n
_
=
kn
j=0
P
_
X
n
=
j
n
_
=
kn
j=0
_
F
_ j + 1
n
_
F
_ j
n
_
_
= F
_
k
n
+ 1
n
_
F(0)
.,,.
=0
= F
_
k
n
+ 1
n
_
.
Or, daprs lingalit prcdente, on a :
x <
k
n
+ 1
n
x +
1
n
,
donc par le thorme dencadrement :
k
n
+ 1
n

n
x.
Puisque X est une va densit, sa fonction de rpartition est
continue sur R et donc : P(X
n
x) = F
_
k
n
+ 1
n
_

n
F(x).
On obtient alors : x R, F
n
(x)
n
F(x).
On conclut que la suite (X
n
)
nN
7.9
a) Soit n N
.
Les va X
1
, . . . , X
n
sont mutuellement indpendantes et suivent
la loi de Poisson de paramtre 1.
Daprs le cours, on sait que S
n
P(n).
En particulier, on a : E(S
n
) = n et V(S
n
) = n.
b) Notons, pour tout n de N
, S
n
la va centre rduite associe
S
n
, cest--dire S
n
=
S
n
n
n
.
Puisque les va X
n
, pour n N
, sont mutuellement indpen-

dantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S
n
)
nN
converge en loi vers une va N telle que N N (0, 1).
230
En particulier, on a : P(S
n
0)
n
P(N 0) =
1
2
,
car N est une va admettant une densit paire.
Or, P(S
n
0) = P
_
S
n
n
n
0
_
= P(S
n
n).
On conclut : P(S
n
n)
n
1
2
.
c) Puisque S
n
P(n), on a :
k N, P(S
n
= k) = e
n
n
k
k!
.
Donc : P(S
n
n) =
n
k=0
P(S
n
= k) = e
n
n
k=0
n
k
k!
.
On obtient : e
n
n
k=0
n
k
k!

n
1
2
et donc :
n
k=0
n
k
k!

n
e
n
2
.
7.10
a) Soit n N
.
Les va X
1
, . . . , X
n
sont mutuellement indpendantes et suivent
la loi de exponentielle de paramtre 1.
Daprs le cours, on sait que S
n
(1, n).
Une densit de S
n
est alors f : t
_
_
0 si t < 0
t
n1
(n 1)!
e
t
si t 0
Et lon a : E(S
n
) = n et V(S
n
) = n.
b) Notons, pour tout n de N
, S
n
la va centre rduite associe
S
n
, cest--dire S
n
=
S
n
n
n
.
Puisque les va X
n
, pour n N
, sont mutuellement indpen-

dantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S
n
)
nN
converge en loi vers une va N telle que N N (0, 1).
En particulier, on a : P(S
n
0)
n
P(N 0) =
1
2
,
car N est une va admettant une densit paire.
Or, P(S
n
0) = P
_ S
n
n
n
0
_
= P(S
n
n).
On en dduit : P(S
n
n)
n
1
2
.
Puisque S
n
(1, n), on a :
P(S
n
n) =
_
n
0
f (t) dt =
1
(n 1)!
_
n
0
t
n1
e
t
dt.
On obtient :
1
(n 1)!
_
n
0
t
n1
e
t
dt
n
1
2
et donc :
_
n
0
t
n1
e
t
dt
n
(n 1)!
2
.
7.11
a) Les va X
n
, 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).
On en dduit, pour tout x de R : P(S
n
x)
n
P(N x),
autrement dit, F
n
(x)
n
1
2
_
x
e
t
2
/2
dt.
b) 1) Soit n N
.
Puisque les va X
1
, . . . , X
n
sont mutuellement indpendantes
et suivent la loi E (1), on sait que S
n
suit la loi (1, n).
Une densit g
n
de S
n
est donne par :
x R, g
n
(x) =
_
_
0 si x < 0
x
n1
(n 1)!
e
x
si x 0
.
On sait alors que E(S
n
) = n et V(S
n
) = n.
Donc : S
n
=
S
n
n
n
.
On a alors : x R, P(S
n
x) = P(S
n
n + x
n).
En drivant, on obtient quune densit f
n
de S
n
est donne par :
x R, f
n
(x) =
n g
n
_
n + x
n
_
=
_
_
0 si x <
n(n + x
n)
n1
(n 1)!
e
nx
n
si x
n
.
b) 2) Soit x R. Alors :
n x
2
, f
n
(x) =
n(n + x
n)
n1
(n 1)!
e
nx
n
=
n n
n1
(n 1)!
_
1 +
x
n
_
n1
e
nx
n
.
Or : (n 1)!
n
(n 1)
n1
2(n 1) e
n+1
n
(n 1)
n1
2n e
n+1
, donc :
f
n
(x)
n
n n
n1
(n 1)
n1
2n e
n+1
_
1 +
x
n
_
n1
e
nx
n
=
1
2
_
1
1
n
_
n+1
_
1 +
x
n
_
n1
e
x
n1
=
1
2
exp
_
(n 1)
_
ln
_
1 +
x
n
_
ln
_
1
1
n
_
_
x
n 1
.,,.
not un
_
.
On obtient alors, en utilisant les dveloppements limits
lorsque lentier n tend vers +:
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
231
u
n
= (n 1)
_
x
n

x
2
2n

_
1
n
_
+ o
n
_ 1
n
_
_
x
n 1
= x
n
x
2
2
+ 1+ o
n
(1) x
n 1 =
x
2
2
+ o
n
(1).
On en dduit : u
n

n
x
2
2
,
et on conclut : f
n
(x)
n
1
2
e
x
2
/2
.
Remarque : Bien que la suite des fonctions de rpartition de S
n
converge vers la fonction de rpartition de la loi N (0, 1), on
ne peut pas en dduire que la suite des densits de S
n
converge
vers une densit de la loi N (0, 1).
En eet, il existe des exemples de suites de fonctions (h
n
)
nN
telles que, pour tout x de R, lim
n
h
n
(x) = h(x) sans pour autant
avoir, pour tout x de R, lim
n
h
n
(x) = h
(x).
7.12
a) Soit n 1. Alors :
(M
n
x) = (M
n
m )
_
M
n
m
_
.
De plus, par la linarit de lesprance :
E(M
n
) =
1
n
n
k=1
E(X
k
) =
1
n
(n.m) = m,
et puisque les va X
k
sont mutuellement indpendantes :
V(M
n
) =
1
n
2
V
_
n
k=1
X
k
_
=
1
n
2
n
k=1
V(X
k
) =
1
n
2
(n.
2
) =
2
n
.
Donc, par lingalit de Bienaym-Tchebychev,
P
_
M
n
m ) = P
_
M
n
E(M
n
) )
V(M
n
)
2
=
2
n
2
.
On obtient alors : 0 P(M
n
x)

2
n
2
.
Puisque

2
n
2

n
0, par le thorme dencadrement, on
conclut : lim
n
P(M
n
x) = 0.
b) Soit n 1. Alors : (M
n
x) = (M
n
m ),
et :
_
M
n
m <
_

_
M
n
m
_

_
M
n
m
_
.
On en dduit :
_
M
n
m <
_
(M
n
x),
et par consquent : P
_
M
n
m <
_
P(M
n
x).
Or : P
_
M
n
m <
_
= 1 P
_
M
n
m
_
1

2
n
2
,
daprs la question prcdente.
On obtient alors : 1

2
n
2
P(M
n
x) 1.
Puisque 1

2
n
2

n
1, par le thorme dencadrement, on
conclut : lim
n
P(M
n
x) = 1.
c) Puisque les va X
k
, pour k 1, sont mutuellement ind-
pendantes, admettent toutes une esprance gale m et une va-
riance gale
2
, on a, par la loi faible des grands nombres :
la suite (M
n
)
n1
converge en probabilit vers la variable certaine
gale m.
Puisque la convergence en probabilit implique la convergence
en loi, on en dduit que (M
n
)
n1
converge en loi vers la variable
certaine X gale m.
Notons F la fonction de rpartition de X.
On a : x R, F(x) =
_
0 si x < m
1 si x m
.
Ainsi F est continue en tout point de R priv de m.
On en dduit, par la dnition de la convergence en loi :
x R \ m, lim
n
P(M
n
x) = F(x),
donc on a :
_
_
x < m, lim
n
P(M
n
x) = 0
x > m, lim
n
P(M
n
x) = 1
.
d) Notons, pour tout n de N
, S
n
=
n
k=1
X
k
et S
n
la va centre
rduite associe S
n
.
Les va X
k
, pour k 1, tant mutuellement indpendantes, de
n
)
n1
converge en loi vers une va N de loi N (0, 1).
En particulier : P(S
n
0)
n
P(N 0) =
1
2
,
car N admet une densit paire.
Or : n 1, S
n
=
S
n
E(S
n
)
V(S
n
)
=
nM
n
E(nM
n
)
V(nM
n
)
=
M
n
E(M
n
)
V(M
n
)
=
2
(M
n
m),
et donc : P(S
n
0) = P(M
n
m 0) = P(M
n
m).
On conclut : lim
n
P(M
n
m) =
1
2
.
7.13 Notons n le nombre de lancers eectus et X la va
gale au nombre de faces numrotes 1 obtenues.
Alors : X B(n, 1/6).
La frquence dapparition de la face numrote 1 est gale
X
n
.
232
On cherche donc n tel que :
P
_
X
n

1
6
10
2
_
0.95 ().
a) On a : E
_
X
n
_
=
E(X)
n
=
n
6
n
=
1
6
V
_
X
n
_
=
V(X)
n
2
=
5n
36
n
2
=
5
36n
.
Par lingalit de Bienaym-Tchebychev, on a :
P
_
X
n

1
6
10
2
_
= P
_
X
n
E
_ X
n
_
10
2
_
V(
X
n
)
(10
2
)
2
=
50000
36n
.
On a donc : P
_
X
n

1
6
> 10
2
_

50000
36n
,
puis par vnement contraire :
P
_
X
n

1
6
10
2
_
1
50000
36n
.
Ainsi, pour satisfaire lingalit (), il sut davoir :
1
50000
36n
0.95
50000
36n
0.05
n
50000
36 0.05
= 27777.77 n 27778.
Ainsi, lorsque n 27778, on peut armer, avec un risque in-
frieur ou gal 5%, que la frquence dapparition de la face
numrote 1 dire de
1
6
dau plus 10
2
.
b) Supposons : n 30,
n
6
15,
5n
36
5,
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
loi de X
=
X
n
6
5n
6
De plus :
_
X
n

1
6
10
2
_
=
_

5
6
n
X
10
2
_
=
_
X
n
100
5
_
.
de rpartition.
On a alors : P
_
X
n

1
6
10
2
_
= P
_
N
6
n
100
5
_
= 2
_
6
n
100
5
_
1.
Et : 2
_
6
n
100
5
_
1 0.95

_
6
n
100
5
_
0.975 = (1.96)
n
100
5
1.96 car est strictement croissante
n
_
1.96 100
5
6
_
2
= 5335.6 n 5336.
Par cette mthode, lorsque n 5336, on peut armer, avec un
risque infrieur ou gal 5%, que la frquence dapparition de
la face numrote 1 dire de
1
6
dau plus 10
2
.
Remarque : Le rsultat trouv au b) est bien infrieur celui
trouv au a). La deuxime mthode est plus prcise que la pre-
mire 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 (X
n
)
n1
converge en moyenne vers la
va X. Soit > 0.
Daprs lingalit de Markov applique la va X
n
X :
P
_
X
n
X
_

E
_
X
n
X
_

n
0.
On en dduit que (X
n
)
n1
b) 1) Soit n 1. Alors :
P(Y
n
0) = P(Z
1
0, . . . , Z
n
0)
= P(Z
1
0) P(Z
n
0)
car les va sont indpendantes
= P(Z
1
0)
n
car les va ont la mme loi
=
_
1 P(Z
1
= 0)
_
n
=
_
1 e
_
n
.
b) 2) Soit > 0. Alors :
P
_
Y
n
0
_
= P(Y
n
) P(Y
n
0).
On obtient alors : 0 P
_
Y
n
0
_
P(Y
n
0)
_
1 e
_
n
.
Puisque > 0, 0 < 1 e
< 1 et donc
_
1 e
_
n
n
0.
_
Y
n
0
_

n
0.
Ainsi, (Y
n
)
n1
converge en probabilit vers la variable certaine
gale 0.
c) Supposons que la suite (Y
n
)
n1
converge en moyenne vers
une va Y.
Alors daprs a), (Y
n
)
n1
converge en probabilit vers cette
mme va. Or, daprs la question prcdente, (Y
n
)
n1
converge
en probabilit vers la variable certaine gale 0.
Daprs le cours, on sait que, si une suite de va converge
en probabilit vers une va X et vers une autre va X
, alors
P(X = X
) = 1.
On obtient alors : P(Y = 0) = 1.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
233
d) 1) Soit n 1. Alors :
E(Y
n
) = E
_
n
_
k=1
Z
k
_
=
(1)
n
_
k=1
E(Z
k
) =
(2)
n
.
(1) : car Z
1
, . . . , Z
n
(2) : car Z
1
, . . . , Z
n
P().
d) 2) Soit n 1. La va Y
n
Y (Y
n
Y) est une va valeurs
positives (car : x R, x x 0).
On obtient alors : E
_
Y
n
Y (Y
n
Y)
_
0.
Par la linarit de lesprance, on en dduit :
E
_
Y
n
Y
_
E(Y
n
) E(Y).
Puisque E(Y
n
) =
n
n
+(car > 1) et que E(Y) = 0 (car
Y est une va quasi certaine gale 0), on en dduit :
E(Y
n
) E(Y)
n
+.
Et donc, par minoration : lim
n
E
_
Y
n
Y
_
= +.
e) De la question prcdente, on dduit que (Y
n
)
1
ne converge
pas en moyenne vers la va Y, alors quelle converge en proba-
bilit vers Y.
Ainsi, la convergence en moyenne implique la convergence en
probabilit, mais que la rciproque est fausse.
7.15
Notons X le nombre de vaches qui choisissent ltable nu-
mro 1.
Puisque les 100 vaches choisissent une table de faon indpen-
dante les unes des autres, et que la probabilit de choisir ltable
numro 1 est gale
1
2
, on en dduit que X B(100, 0.5).
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 ().
a) On a : E(X) = 100
1
2
= 50 , V(X) = 100
1
2

1
2
= 25,
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
_
.
Utilisons lingalit de Bienaym-Tchebychev. On obtient :
P
_
X E(X)
> n 50
_
P
_
X E(X)
n 50
_
V(X)
(n 50)
2
=
25
(n 50)
2
.
On obtient donc : P(E) 1
25
(n 50)
2
.
Pour satisfaire la condition (), il sut que :
1
25
(n 50)
2
0.95
25
(n 50)
2
1 0.95 = 0.05
n 50 +
_
25
0.05
= 72.3.
On en dduit que, pour n = 73, chaque vache trouve une place
avec une probabilit suprieure ou gale 95%.
b) Puisque 100 30, 100 0.5 = 50 15 et
100 (1 0.5) = 50 5, on peut approcher la loi de X par une
loi normale de mme esprance et de mme variance.
Or, E(X) = 50 et V(X) = 25. Ainsi, la loi de X peut tre appro-
che par la loi N (50, 25) et donc celle de X
=
X 50
5
par la
loi N (0, 1).
de rpartition.
On a alors : P(E) = P
_
n 50
5
X

n 50
5
_
= P
_
n 50
5
N
n 50
5
_
=
_
n 50
5
_

_
n 50
5
_
= 2
_
n 50
5
_
1.
Do : P(E) 0.95 2
_
n 50
5
_
1 0.95

_
n 50
5
_
0.975 = (1.96)
n 50
5
1.96 car est strictement croissante
n 50 + 5 1.96 = 59.80 n 60.
Par cette mthode, on en dduit que, pour n = 60, chaque vache
trouve une place avec une probabilit suprieure ou gale
95%.
Remarque : Comme dans lexercice 7.13, on constate que la
deuxime mthode est plus prcise que la premire. Ceci est
d ce que, dans la deuxime mthode, on connat la loi de X,
tandis que dans la premire mthode, on ne connat que lesp-
rance et la variance de X.
7.16 Notons n le nombre de places vendues et X le nombre
de passagers se prsentant lembarquement.
Alors : X B(n, 0.95).
234
On cherche alors n tel que : P(X > 500) 0.01.
Supposons : 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
loi de X
=
X 0.95 n
0.95 0.05 n
Notons la fonction de rpartition de la loi N (0, 1).
On obtient alors : P(X > 500) 0.01
P
_
X
>
500 0.95 n
0.95 0.05 n
_
0.01
1
_
500 0.95 n
0.95 0.05 n
_
0.01

_
500 0.95 n
0.95 0.05 n
_
0.99 = (2.33)
500 0.95 n
0.95 0.05 n
2.33 ( est strictement croissante)
0.95 n + 2.33

0.0475

n 500 0.
Lquation 0.95 r
2
+ 2.33

0.0475 r 500 = 0 admet deux
solutions relles r
1
et r
2
, et lon a :
r
1
= 22.68 et r
2
= 23.22.
On en dduit : P(X > 500) 0.01 r
2

n r
1
n r
2
1
= 514.45 n 514.
On en dduit que la compagnie arienne peut vendre jusqu
514 places pour tre sre 99% que le nombre de passagers se
prsentant lembarquement soit infrieur ou gal 500.
7.17
a) Soit n N
.
Puisque x R, Ent(x) x < Ent(x) + 1, la va Z
n
prend ses
valeurs dans [0 ; 1[.
Soit x R.
1
er
cas : si x < 0, alors P(Z
n
x) = 0.
2
e
cas : si x 1, alors P(Z
n
x) = 1.
3
e
cas : si 0 x < 1, alors (Z
n
x) =
+
_
k=0
(k X
n
k + x),
donc : P(Z
n
x) =
+
k=0
P(k X
n
k + x)
=
+
k=0
_
k+x
k
1
n
e
t/n
dt =
+
k=0
_
e
k/n
e
(k+x)/n
_
=
_
1 e
x/n
_
+
k=0
_
e
1/n
_
k
=
1 e
x/n
1 e
1/n
.
n
de Z
n
vrie :
x R, F
n
(x) =
_
_
0 si x < 0
1 e
x/n
1 e
1/n
si 0 x < 1
1 si x 1
.
La fonction F
n
est de classe C
1
0, 1.
De plus, lim
0
F
n
= 0 = F
n
(0) et lim
1
F
n
= 1 = F
n
(1). Ainsi F
n
Ainsi Z
n
n
est obtenue
en drivant F
n
; ainsi :
x R, f
n
(x) =
_
_
1
n(1 e
1/n
)
e
x/n
si 0 x < 1
0 sinon
.
b) Soit n N
.
Alors E(Z
n
) =
_
+
x f
n
(x) dx =
_
1
0
x f
n
(x) dx.
Or :
_
1
0
x e
x/n
dx =
_
nx e
x/n
_
1
0
+ n
_
1
0
e
x/n
dx par IPP
=
_
nx e
x/n
n
2
e
x/n
_
1
0
= n e
1/n
n
2
e
1/n
+ n
2
.
Ainsi : E(Z
n
) =
1
n(1 e
1/n
)
_
1
0
x e
x/n
dx
=
n n e
1/n
e
1/n
1 e
1/n
= n
1
e
1/n
1
.
On a : e
1/n
= 1 +
1
n
+
1
2n
2
+ o
n
_
1
n
2
_
,
donc :
1
e
1/n
1
=
1
1
n
+
1
2n
2
+ o
n
(
1
n
2
)
= n
1
1 +
1
2n
+ o
n
(
1
n
)
= n
_
1
1
2n
+ o
n
_ 1
n
_
_
= n
1
2
+ o
n
(1).
Ainsi : E(Z
n
) = n
_
n
1
2
+ o
n
(1)
_
=
1
2
+ o
n
(1).
On conclut : lim
n
E(Z
n
) =
1
2
.
c) Soit x R. Calculons lim
n
P(Z
n
x).
1
er
cas : si x < 0, alors P(Z
n
x) = 0
n
0.
2
e
cas : si x 1, alors P(Z
n
x) = 1
n
1.
3
e
cas : si 0 x < 1, alors
P(Z
n
x) =
1 e
x/n
1 e
1/n

n
x/n
1/n
= x
n
x.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
235
Considrons U une va de loi uniforme sur [0 ; 1[.
On a alors : x R, P(Z
n
x)
n
P(U x).
On en dduit que (Z
n
)
nN
converge en loi vers U, de loi uni-
forme sur [0 ; 1[.
Remarque : On a E(U) =
1
2
, et donc lim
n
E(Z
n
) = E(U), ce qui
nest pas toujours le cas comme le montre lexercice 7.2.
7.18
Soit n N tel que n . Dterminons la loi de N
n
.
La va N
n
_
k
n
; k N
_
.
Pour tout k N
, on a : P
_
N
n
=
k
n
_
= P
_
inf
_
i 1 ; X
i,n
= 1
_
= k
_
= P
_
X
1,n
= 0, . . . , X
k1,n
= 0, X
k,n
= 1
_
= P(X
1,n
= 0) P(X
k1,n
= 0)P(X
k,n
= 1)
par indpendance des va
=
_
1

n
_
k1
n
.
Remarque : n N
n
suit la loi gomtrique de paramtre

n
.
Soit x R. Calculons lim
n
P(N
n
x).
1
er
cas : Supposons x 0. Pour tout n 1, P(N
n
x) = 0,
donc : P(N
n
x)
n
0.
2
e
cas : Supposons x > 0. Pour tout n 1 tel que n >
1
x
, notons
k
n
= Ent(nx).
On a :
k
n
n
x <
k
n
+ 1
n
et k
n
1 (car x
1
n
).
Ainsi : P(N
n
x) = P
_
N
n

k
n
n
_
=
kn
j=1
P
_
N
n
=
j
n
_
=
kn
j=1
_
1

n
_
j1
n
=
n
1 (1

n
)
kn
1 (1

n
)
= 1
_
1

n
_
kn
.
Or :
_
1

n
_
kn
= e
kn ln(1
n
)
,
avec ln
_
1

n
_

n
n
et k
n

n
nx (car k
n
= Ent(nx)),
donc : k
n
ln
_
1

n
_

n
x
n
x.
Ainsi : P(N
n
x)
n
1 e
x
.
Considrons une va X suivant la loi exponentielle de para-
mtre .
Alors : x R, P(X x) =
_
0 si x 0
1 e
x
si x > 0
.
Ainsi : x R, P(N
n
x)
n
P(X x).
On en dduit que (N
n
)
n1
7.19
a) Soit x R. Alors, pour tout n de N
:
P(Z
n
x) = P(M
n
x + ln n) = P
_
M
n

x + ln n
_
= P
_
X
1

x + ln n
, . . . , X
n

x + ln n
_
= P
_
X
1

x + ln n
_
. . . P
_
X
n

x + ln n
_
=
_
P
_
X
1

x + ln n
__
n
car les va ont la mme loi.
Pour tout n de N
tel que n > e

x
, on a :
x + ln n
0,
et donc : P(Z
n
x) =
_
1 exp
_

x + ln n
_
_
n
=
_
1
e
x
n
_
n
= exp
_
n ln
_
1
e
x
n
_
_
.
Or : n ln
_
1
e
x
n
_

n
n
e
x
n
= e
x
n
e
x
.
Donc : P(Z
n
x)
n
exp( e
x
).
Notons F la fonction dnie sur R par :
x R, F(x) = exp( e
x
).
Montrons que F est la fonction de rpartition dune va den-
sit.
La fonction F est C
1
sur R (et donc continue sur R).
De plus : x R, F
(x) = e
x
exp(e
x
) > 0,
donc F est strictement croissante sur R.
Enn :
_
_
e
x
x+
0, donc lim
+
F = exp(0) = 1
e
x
x
, donc lim
F = lim
exp = 0
.
Ainsi F est la fonction de rpartition dune va X densit, ad-
mettant pour densit la fonction f dnie par :
x R, f (x) = F
(x) = e
x
exp(e
x
).
On en dduit que (Z
n
)
nN
b) Soit x R. Alors, pour tout n de N
:
P(Z
n
x) = P
_

nc
M
n
x
_
= P
_
M
n

ncx
_
= P
_
X
1

ncx
, . . . , X
n

ncx
_
236
= P
_
X
1

ncx
_
. . . P
_
X
n

ncx
_
=
_
P
_
X
1

ncx
__
n
car les va ont la mme loi.
Or : P
_
X
1

ncx
_
=
_ ncx
c
(c
2
+ t
2
)
dt =
_
1
Arctan
t
c
_ ncx
=
1
Arctan
nx

2
=
1
Arctan
nx
+
1
2
.
Donc : x R, P(Z
n
x) =
_
1
Arctan
nx
+
1
2
_
n
= e
un
, en
notant u
n
= n ln
_
1
Arctan
nx
+
1
2
_
.
Soit x R. Dterminons lim
n
P(Z
n
x).
Supposons x < 0. Alors Arctan
nx
2
, donc
1
Arctan
nx
+
1
2

n
0, puis u
n

n
On en dduit : P(Z
n
x)
n
0.
Supposons x = 0. Alors u
n
= n ln
1
2
= n ln 2
.,,.
0
n
.
On en dduit : P(Z
n
x)
n
0.
Supposons x > 0. Alors Arctan
nx
2
, donc
1
Arctan
nx
+
1
2

n
1. On a alors :
u
n

n
n
_
_ 1
Arctan
nx
+
1
2
_
1
_
=
n
_
Arctan
nx

2
_
.
En utilisant lgalit :
y > 0, Arctan y + Arctan
1
y
=
2
,
on obtient : u
n

n
n
_
Arctan

nx
_
.
Enn, puisque Arctan y
y0
y, on obtient :
u
n

n
n

nx
_
=
1
x

n
1
x
.
On en dduit : P(Z
n
x)
n
e
1/x
.
Notons F la fonction dnie sur R par :
x R, F(x) =
_
0 si x 0
e
1/x
si x > 0
.
Montrons que F est la fonction de rpartition dune va den-
sit.
La fonction F est C
1
De plus, lim
x0
+
1
x
= et donc lim
0
+
F = 0 = F(0) = lim
0
F.
Ainsi F est continue en 0 et donc sur R.
De plus : x > 0, F
(x) =
1
x
2
e
1/x
0.
Donc F est croissante sur R
+
, puis F est croissante sur R.
Enn : lim
F = 0 et
1
x

x+
0, donc lim
+
F = exp(0) = 1.
Ainsi F est la fonction de rpartition dune va X densit, ad-
mettant pour densit la fonction f dnie par :
x R, f (x) =
_
_
0 si x 0
1
x
2
e
1/x
si x > 0
.
On en dduit que (Z
n
)
nN
7.20
a) 1) La va X
n
prend ses valeurs dans N
.
Notons, pour tout i de 1 ; n, A
i
lvnement :
on choisit lurne i .
Alors les vnements A
1
, . . . , A
n
forment un systme complet
dvnements et, pour tout i de 1 ; n, P(A
i
) =
1
n
.
Daprs lnonc, la loi conditionnelle de X
n
sachant lv-
nement A
i
est la loi gomtrique de paramtre
i
n
.
On en dduit, daprs la formule des probabilits totales :
k N
, P(X
n
= k) =
n
i=1
P(A
i
)P
A
i
(X
n
= k)
=
n
i=1
1
n

_
1
i
n
_
k1 i
n
=
1
n
n
i=1
_
1
i
n
_
k1 i
n
.
a) 2) Puisque la loi conditionnelle de X
n
sachant A
i
est la loi
gomtrique de paramtre
i
n
, on obtient :
E(X
n
A
i
) =
1
i
n
=
n
i
.
Puis par la formule de lesprance totale :
E(X
n
) =
n
i=1
P(A
i
)E(X
n
A
i
) =
n
i=1
1
n

n
i
=
n
i=1
1
i
.
Puisque la srie
i1
1
i
diverge (il sagit dune srie de Rie-
mann avec = 1) et quelle est termes positifs, on en dduit :
n
i=1
1
i

n
+. On conclut : lim
n
E(X
n
) = +.
a) 3) Puisque les va X
n
prennent leurs valeurs dans N
, pour
tudier la convergence en loi, il sut de calculer, pour tout k
de N
, lim
n
P(X
n
= k).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
237
Soit k N
. Alors : n N
,
P(X
n
= k) =
1
n
n
i=1
_
1
i
n
_
k1 i
n

n
_
1
0
(1 x)
k1
x dx,
daprs le thorme sur les sommes de Riemann, appliqu la
fonction x (1 x)
k1
x qui est continue sur [0 ; 1].
On a, par IPP :
_
1
0
(1 x)
k1
x dx
=
_
x
(1 x)
k
k
_
1
0

_
1
0
(1 x)
k
k
dx
=
_
(1 x)
k+1
k(k + 1)
_
1
0
=
1
k(k + 1)
.
Notons, pour tout k N
, p
k
=
1
k(k + 1)
et montrons que
_
(k, p
k
) ; k N
_
est bien la loi dune va discrte.
k N
, p
k
0.
k=1
p
k
=
K
k=1
_
1
k

1
k + 1
_
= 1
1
K + 1

K
1.
Donc :
k1
p
k
converge et
+
k=1
p
k
= 1.
On en dduit quil existe une va X discrte telle que :
X() = N
et k N
, P(X = k) =
1
k(k + 1)
.
On obtient alors : k N
, lim
n
P(X
n
= k) = P(X = k).
On en dduit que la suite (X
n
)
nN
Enn : K N
,
K
k=1
kp
k
=
K
k=1
1
k + 1
=
K+1
k=2
1
k

K
+,
car la srie
k1
1
k
diverge et est termes positifs.
On conclut que X nadmet pas desprance.
b) 1) La va Y
n
prend ses valeurs dans 0 ; p.
En conservant les mmes notations quau a), la loi condi-
tionnelle de Y
n
sachant lvnement A
i
est la loi binomiale de
paramtre
_
p,
i
n
_
.
On en dduit, daprs la formule des probabilits totales :
k N
, P(Y
n
= k) =
n
i=1
P(A
i
)P
A
i
(Y
n
= k)
=
n
i=1
1
n

_
p
k
_
_
i
n
_
k
_
1
i
n
_
pk
=
_
p
k
_
1
n
n
i=1
_
i
n
_
k
_
1
i
n
_
pk
.
b) 2) On a : i 1 ; n, E(Y
n
A
i
) =
pi
n
.
Puis par la formule de lesprance totale :
E(Y
n
) =
n
i=1
P(A
i
)E(Y
n
A
i
) =
n
i=1
1
n

pi
n
=
p
n
2
n
i=1
i
=
p
n
2

n(n + 1)
2
=
p(n + 1)
2n
.
On conclut : lim
n
E(Y
n
) =
p
2
.
b) 3) Raisonnons de la mme faon quau a).
Soit k 0 ; p. Alors : n N
,
P(Y
n
= k) =
_
p
k
_
1
n
n
i=1
_
i
n
_
k
_
1
i
n
_
pk
n
_
p
k
_ _
1
0
x
k
(1 x)
pk
dx,
daprs le thorme sur les sommes de Riemann, appliqu la
fonction x x
k
(1 x)
pk
qui est continue sur [0 ; 1].
Notons, pour tout k de 0 ; p, I
k
=
_
1
0
x
k
(1 x)
pk
dx.
Par IPP, on a : I
k
=
_
x
k
(1 x)
pk+1
p k + 1
_
1
0
+
k
p + k 1
_
1
0
x
k1
(1 x)
p(k1)
dx =
k
p k + 1
I
k1
.
De proche en proche, on obtient :
I
k
=
k
p + 1 k
I
k1
=
k(k 1)
(p + 1 k)(p + 1 (k 1))
I
k2
= =
k(k 1) 1
(p + 1 k)(p + 1 (k 1)) (p + 1 1)
I
0
.
Puisque I
0
=
_
1
0
(1 x)
p
dx =
_
(1 x)
p+1
p + 1
_
1
0
=
1
p + 1
,
on obtient : I
k
=
k(k 1) 1
(p + 1 k) p(p + 1)
=
k!(p k)!
(p + 1)!
.
On en dduit : P(Y
n
= k)
n
_
p
k
_
k!(p k)!
(p + 1)!
=
p!
k!(p k)!

k!(p k)!
(p + 1)!
=
1
p + 1
.
Considrons Y une va de loi uniforme sur 0 ; p.
Alors : k 0 ; p, P(Y
n
= k)
n
P(Y = k).
On en dduit que la suite (Y
n
)
nN
converge en loi vers Y.
Enn, daprs le cours : E(Y) =
p
2
.
Daprs b) 2), on conclut : lim
n
E(Y
n
) = E(Y).
7.21
a) Dterminons la fonction de rpartition F
n
de V
n
.
238
Puisque la va V
n
prend ses valeurs dans [0 ; n], on a :
x R, F
n
(x) = 0 si x < 0 et F
n
(x) = 1 si x > n.
Il reste calculer F
n
(x) lorsque 0 x n.
Soit x R tel que 0 x n.
Alors : P(V
n
> x) = P(X
0
> x, . . . , X
n
> x)
= P(X
0
> x) P(X
n
=
_
1
x
n
_
n+1
car X
0
, . . . , X
n
U ([0 ; n]).
On en dduit : F
n
(x) = 1 P(V
n
> x) = 1
_
1
x
n
_
n+1
.
tudions la convergence en loi de (V
n
)
nN
.
Soit x R.
Si x < 0, alors : n 1, F
n
(x) = 0
n
0.
Si x 0, alors :
n x, F
n
(x) = 1 e
(n1) ln(1
x
n
)
et (n 1) ln
_
1
x
n
_

n
n
_
x
n
_
= x
n
x,
donc : F
n
(x)
n
1 e
x
.
Considrons V une va de loi exponentielle de paramtre 1.
On a alors : x R, P(V
n
x)
n
P(V x).
On en dduit que (V
n
)
nN
converge en loi vers V.
b) Puisque la va W
n
prend elle-aussi ses valeurs dans [0 ; n],
on a :
x R, G
n
(x) = 0 si x < 0 et G
n
(x) = 1 si x > n.
Il reste calculer G
n
(x) lorsque 0 x n.
Soit x R tel que 0 x n. On a :
P(W
n
> x) =
n
k=0
P(N
n
= k, W
n
> x)
=
n
k=0
P(N
n
= k, min(X
0
, . . . , X
k
) > x)
=
n
k=0
P(N
n
= k, X
0
> x, . . . , X
k
> x)
=
n
k=0
P(N
n
= k)P(X
0
> x) P(X
k
> x)
=
n
k=0
_
n
k
_
p
k
(1 p)
nk
_
1
x
n
_
k+1
=
_
1
x
n
_
n
k=0
_
n
k
_
_
p
px
n
_
k
(1 p)
nk
=
_
1
x
n
__
p
px
n
+ 1 p
_
n
=
_
1
x
n
__
1
px
n
_
n
.
Donc : G
n
(x) = 1
_
1
x
n
__
1
px
n
_
n
.
On conclut : x R,
G
n
(x) =
_
_
0 si x < 0
1
_
1
x
n
__
1
px
n
_
n
si 0 x n
1 si x > n
.
c) Soit x R.
Si x < 0, alors : n 1, G
n
(x) = 0
n
0.
Si x 0, alors :
n x, P(W
n
> x) = 1 G
n
(x) =
_
1
x
n
_
e
n ln(1
px
n
)
et n ln
_
1
px
n
_

n
n
_
px
n
_
= px
n
px,
donc : P(W
n
> x)
n
1 e
px
= e
px
,
et on en dduit : G
n
(x)
n
1 e
px
.
Considrons W une va de loi exponentielle de paramtre p.
On a alors : x R, P(W
n
x)
n
P(W x).
On en dduit que (W
n
)
nN
converge en loi vers W.
7.22
a) Soit k N
.
Lvnement (X
n
> k) est ralis si et seulement si les k nu-
mros obtenus lors des k premiers tirages sont rangs par ordre
strictement dcroissant.
Si k n + 1, alors cet vnement est impossible.
Ainsi : k n + 1, P(X
n
> k) = 0.
Supposons k n. Puisque les tirages seectuent avec re-
mise, il y a n
k
rsultats possibles pour les k premiers tirages,
et
_
n
k
_
rsultats amenant des numros rangs par ordre stricte-
ment dcroissant (en eet, il faut choisir les k numros distincts
que lon obtient (
_
n
k
_
choix), puis ranger ces numros par ordre
strictement dcroissant (1 choix)).
Ainsi : k 1 ; n, P(X
n
> k) =
1
n
k
_
n
k
_
.
La va X
n
prend ses valeurs dans 2 ; n + 1, car il est impos-
sible dobtenir n + 1 numros ou plus rangs par ordre stricte-
ment dcroissant.
Soit k 2 ; n + 1. Alors :
P(X
n
= k) = P(X
n
> k 1) P(X
n
> k).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
239
Si k 2 ; n, P(X
n
= k) =
1
n
k1
_
n
k 1
_
1
n
k
_
n
k
_
=
1
n
k
_
n
n!
(k 1)!(n k + 1)!

n!
k!(n k)!
_
=
1
n
k

n!
k!(n + 1 k)!
_
nk (n + 1 k)
_
=
1
n
k

n!
k!(n + 1 k)!
(n + 1)(k 1)
=
k 1
n
k
(n + 1)!
k!(n + 1 k)!
=
k 1
n
k
_
n + 1
k
_
.
Si k = n + 1, P(X
n
= k) = P(X
n
> n)
=
1
n
n
_
n
n
_
=
1
n
n
=
(n + 1) 1
n
n+1
_
n + 1
n + 1
_
;
donc lgalit prcdente est encore vraie pour k = n + 1.
Ainsi : k 2 ; n + 1, P(X
n
= k) =
k 1
n
k
_
n + 1
k
_
.
b) La va X
n
est une va nie, donc X
n
admet une esprance, et
lon a : E(X
n
) =
n+1
k=2
k P(X
n
= k)
=
n+1
k=2
k(k 1)
_
n + 1
k
_
_
1
n
_
k
=
n+1
k=2
n(n + 1)
_
n 1
k 2
_
_
1
n
_
k
= n(n + 1)
n1
k=0
_
n 1
k
_
_
1
n
_
k+2
=
n(n + 1)
n
2
n1
k=0
_
n 1
k
_
_
1
n
_
k
1
n1k
=
n(n + 1)
n
2
_
1 +
1
n
_
n1
=
_
1 +
1
n
_
n
.
On a :
_
1 +
1
n
_
n
= e
n ln(1+
1
n
)
,
et : n ln
_
1 +
1
n
_

n
n
1
n
= 1
n
1,
donc : lim
n
_
1 +
1
n
_
n
= e .
On conclut : lim
n
E(X
n
) = e .
c) Puisque les va X
n
prennent leurs valeurs dans 2 ; +, pour
tudier la converge en loi, il sut de calculer, pour tout k de
2 ; +, lim
n
P(X
n
= k).
Soit k 2 ; +. On a :
n k, P(X
n
= k) =
k 1
n
k
_
n + 1
k
_
=
k 1
n
k

(n + 1)n (n k + 2)
k!

n
k 1
n
k

n
k
k!
=
k 1
k!
.
Notons, pour tout k 2 ; +, p
k
=
k 1
k!
et montrons que
_
(k, p
k
) ; k 2 ; +
_
est bien la loi dune va discrte.
k 2 ; +, p
k
0.
k=2
p
k
=
K
k=2
_
1
(k 1)!

1
k!
_
= 1
1
K!

K
1, donc :
k2
p
k
converge et
+
k=2
p
k
= 1.
On en dduit quil existe une va X discrte telle que :
X() = 2 ; + et k 2 ; +, P(X = k) =
k 1
k!
.
On a alors : k 2 ; +, lim
n
P(X
n
= k) = P(X = k).
On conclut que la suite (X
n
)
nN
Montrons que X admet une esprance et calculons E(X).
On a : K 2,
K
k=2
kP(X = k) =
K
k=2
k(k 1)
k!
=
K
k=2
1
(k 2)!
=
K2
k=0
1
k!

K
e .
Ainsi X admet une esprance et E(X) = e .
On obtient alors, daprs b) : lim
n
E(X
n
) = e = E(X).
7.23
a) La fonction f est continue sur R, sauf ventuellement en 0,
et est positive sur R. De plus :
A > 0,
_
A
0
f (x) dx =
_
e
x
2
/2
_
A
0
= 1 e
A
2
/2
A+
1.
Ainsi
_
+
0
f converge et
_
+
0
f = 1. Puisque f est nulle
sur R
, alors
_
+
f converge et
_
+
f = 1.
On conclut que f est une densit dune va X.
b) Puisque g est de classe C
1
sur R
+
, on a, daprs la formule
de Taylor-Young :
g(x) = g(0) + g
(0)x+ o
x0
(x) = cx+ o
x0
(x).
Notons F la fonction de rpartition de la va X
1
.
Alors, puisque g est nulle sur R
, on a :
x 0, F(x) =
_
x
g(t) dt =
_
x
0
g(t) dt.
Ainsi F est la primitive de g qui sannule en 0. On a donc,
daprs le cours sur les dveloppements limits :
x 0, F(x) = F(0) + c
x
2
2
+ o
x0
(x
2
) =
c
2
x
2
+ o
x0
(x
2
).
240
c) 1) Puisque g est nulle sur R
, les va X
n
prennent presque-
srement leurs valeurs dans R
+
, et donc Y
n
aussi.
Soit > 0. On a : P
_
Y
n
0
_
= P(Y
n
)
= P(X
1
, . . . , X
n
)
= P(X
1
) P(X
n
)
= P(X
1
> ) P(X
n
> )
car les va X
i
sont densit
=
_
P(X
1
> )
_
n
car les va X
i
ont la mme loi
=
_
1 F()
_
n
.
Puisque F(x)
x0
+
c
2
x
2
et que F est une fonction positive ou
nulle, on en dduit que c 0.
Or, par hypothse, c 0, et donc c > 0.
On a donc : F(x)
x0
+
c
2
x
2
et c > 0.
Ainsi, il existe > 0 tel que : x ]0 ; ], F(x) > 0.
Enn, puisque F est une fonction croissante, on a galement :
x [, +[, F(x) F() > 0.
On a donc : x > 0, F(x) > 0.
On en dduit : > 0, 0 1 F() < 1,
donc :
_
1 F()
_
n
n
0, do : P
_
Y
n
0
_

n
0.
On conclut que (Y
n
)
n1
converge en probabilit vers la variable
certaine gale 0.
c) 2) Analyse : Supposons quil existe une suite (a
n
)
n1
de rels
strictement positifs telle que (a
n
Y
n
)
n1
Alors : x R, P(a
n
Y
n
x)
n
P(X x)
=
_
_
0 si x < 0
_
x
0
t e
t
2
/2
dt = 1 e
x
2
/2
si x 0
.
En particulier :
x 0, P(a
n
Y
n
> x) = 1 P(a
n
Y
n
x)
n
e
x
2
/2
.
Or : x 0, P(a
n
Y
n
> x) = P
_
Y >
x
a
n
) =
_
1 F
_
x
a
n
__
n
en
raisonnant de la mme faon quau c) 1).
Supposons de plus que lim
n
a
n
= +. Dans ce cas :
puisque F est continue en 0, F
_
x
a
n
_

n
F(0) = 0,
et : n ln
_
1 F
_
x
a
n
__

n
nF
_
x
a
n
_

n
n
c
2
_
x
a
n
_
2
=
_
nc
a
2
n
_
x
2
2
.
Pour que n ln
_
1 F
_
x
a
n
__

n
x
2
2
, il sut que :
n N
,
nc
a
2
n
= 1,
cest--dire : n N
, a
n
=
nc.
Synthse : Montrons que la suite (
nc Y
n
)
nN
converge en loi
vers X.
Soit x R.
Si x < 0, alors P(
nc Y
n
x) = 0
n
0 = P(X x).
Si x 0, alors, en raisonnant de la mme faon que prc-
demment :
P(
nc Y
n
> x) =
_
1 F
_ x
nc
_
_
n
= e
n ln
_
1F(
x
nc
)
_
,
et n ln
_
1 F
_ x
nc
_
_

n
nF
_ x
nc
_

n
n
_
c
2
_ x
nc
_
2
_
=
x
2
2

n
x
2
2
= P(X > x),
donc : P(
nc Y
n
x)
n
P(X x).
On conclut que (
nc Y
n
)
nN
7.24
a) 1) La va X
n
Soit k 0 ; n. Pour raliser lvnement (X
n
= k), il faut :
choisir k lments distincts de 1 ; n :
_
n
k
_
choix,
envoyer ces k lments sur eux-mmes : 1
k
= 1 choix,
envoyer les (n k) lments restants sur un lment de
1 ; n, autre que lui-mme : (n 1)
nk
choix.
Ainsi : Card
_
(X
n
= k)
_
=
_
n
k
_
(n 1)
nk
.
De plus : Card(E
n
) = n
n
.
On en dduit :
P(X
n
= k) =
Card
_
(X
n
= k)
_
Card(E
n
)
=
_
n
k
_
(n 1)
nk
n
n
.
a) 2) Soit k N. Puisque les va X
n
prennent leurs valeurs
dans N, pour tudier la convergence en loi de (X
n
)
nN
, il sut
de calculer lim
n
P(X
n
= k).
On a : n k, P(X
n
= k) =
_
n
k
_
1
n
k
_
1
1
n
_
nk
.
Or :
_
n
k
_
=
n(n 1) (n k + 1)
k!

n
n
k
k!
,
donc :
_
n
k
_
1
n
k

n
1
k!

n
1
k!
;
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
241
et : (n k) ln
_
1
1
n
_

n
n
_
1
n
_
= 1
n
1,
donc :
_
1
1
n
_
nk
n
e
1
.
On en dduit : P(X
n
= k)
n
1
k!
e
1
= e
1
1
k
k!
.
Considrons X une va de loi de Poisson de paramtre 1.
On a alors : k N, lim
n
P(X
n
= k) = P(X = k).
On conclut que (X
n
)
nN
b) 1) Notons p
n
le nombre de permutations de F
n
ne prsen-
tant aucun point xe et q
n
le nombre de permutations de F
n
prsentant au moins un point xe.
On a alors : p
n
= Card(F
n
) q
n
= n! q
n
.
Notons galement, pour tout i de 1 ; n, A
i
lensemble des per-
mutations f de F
n
telles que f (i) = i (i est alors un point xe
de f ).
On a alors q
n
= Card(A
1
A
n
), et la runion des A
i
nest
pas disjointe. Appliquons donc la formule du crible :
q
n
=
n
i=1
(1)
i+1
1k
1
<<k
i
n
Card
_
A
k
1
A
k
i
_
.
Or, pour tout i de 1 ; n, les ensembles A
k
1
A
k
i
ont tous
le mme cardinal, gal (ni)!, et il y a
_
n
i
_
ensembles de cette
forme. On obtient alors :
q
n
=
n
i=1
(1)
i+1
_
n
i
_
(n i)! = n!
n
i=1
(1)
i+1
i!
.
On en dduit : p
n
= n! n!
n
i=1
(1)
i+1
i!
= n! + n!
n
i=1
(1)
i
i!
= n!
n
i=0
(1)
i
i!
.
b) 2) La va Y
n
Soit k 0 ; n. Pour raliser lvnement (Y
n
= k), il faut :
choisir k lments distincts de 1 ; n :
_
n
k
_
choix,
envoyer ces k lments sur eux-mmes : 1
k
= 1 choix,
dnir une permutation de lensemble des (n k) lments
restants sans aucun point xe : p
nk
choix.
Ainsi : Card
_
(Y
n
= k)
_
=
_
n
k
_
p
nk
.
De plus : Card(F
n
) = n!.
On en dduit : P(Y
n
= k) =
Card
_
(Y
n
= k)
_
Card(F
n
)
=
_
n
k
_
p
nk
n!
=
_
n
k
_
1
n!
(n k)!
nk
i=0
(1)
i
i!
=
1
k!
nk
i=0
(1)
i
i!
.
b) 3) Soit k N.
Comme prcdemment, calculons lim
n
P(Y
n
= k).
On a : n k, P(Y
n
= k) =
1
k!
nk
i=0
(1)
i
i!

n
1
k!
e
1
,
car la srie
i0
(1)
i
i!
converge et
+
i=0
(1)
i
i!
= e
1
.
On a alors : k N, lim
n
P(Y
n
= k) = P(X = k),
o X est une va qui suit la loi de Poisson de paramtre 1.
On conclut que (Y
n
)
nN
converge elle-aussi en loi vers X.
242
Estimation, statistique CHAPITRE
8
8
Plan
Calculer le biais et le risque quadratique dun estimateur
Montrer quun estimateur est sans biais
Montrer quun estimateur est asymptotiquement sans biais
Montrer quun estimateur est convergent
Dterminer un intervalle de conance dun paramtre un risque donn ou un
niveau de conance donn
Dterminer une quation de la droite de rgression pour une srie statistique
double.

va.
Dnition dun n-chantillon, dun n-chantillon indpendant et identiquement
distribu
Une table de la loi normale cen-

tre rduite gure page 275.
Estimateur dun paramtre, biais dun estimateur, risque quadratique dun esti-
mateur, estimateur sans biais, estimateur asymptotiquement sans biais, estima-
teur convergent (ou consistant)
Intervalle de conance dun paramtre un risque donn (ou un niveau de
conance donn), exemple dun intervalle de conance du paramtre dune loi
de Bernoulli, exemple dun intervalle de conance de lesprance dune loi nor-
male dcart-type donn
Caractristiques dune srie statistique (simple) : moyenne, variance empirique,
cart-type empirique, ...
Caractristiques dune srie statistique double : covariance empirique, coe-
cient de corrlation empirique
Droite de rgression (ou droite des moindres carrs) associe une srie statis-
tique double.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
243
Chapitre 8 Estimation, statistique
Les mthodes retenir
Pour calculer
le biais b
T
n
()
dun estimateur T
n
de g()
Utiliser la dnition du cours : si T
n
admet une esprance, alors
b
T
n
() = E(T
n
) g().
Pour montrer
quun estimateur T
n
de g()
est sans biais
Utiliser la dnition du cours :
lestimateur T
n
de g() est sans biais
le biais de T
n
est nul
E(T
n
) = g()
Exercices 8.1, 8.7, 8.10, 8.11, 8.13 8.18, 8.20, 8.21.
Pour montrer
quun estimateur T
n
de g()
est asymptotiquement sans biais
lestimateur T
n
de g() est asymptotiquement sans biais
le biais de T
n
tend vers 0 lorsque n tend vers +
lim
n
E(T
n
) = g().
Exercices 8.1, 8.2, 8.11, 8.14, 8.17 8.19.
Pour calculer
le risque quadratique r
T
n
()
dun estimateur T
n
de g()
si T
n
admet un moment dordre 2, alors
r
T
n
() = E
_
_
T
n
g()
_
2
_
= V(T
n
) + b
T
n
()
2
si, de plus T
n
est un estimateur sans biais (cest--dire b
T
n
() = 0),
alors r
T
n
() = V(T
n
).
Exercices 8.2, 8.7, 8.14 8.16, 8.20.
Pour montrer
quun estimateur T
n
de g()
est convergent
lestimateur T
n
de g() est convergent (ou consistant)
la suite de va (T
n
)
n
certaine gale g()
> 0, P
_
T
n
g()
_

n
0.
Pour montrer cette convergence en probabilit, penser utiliser lin-
galit de Markov ou lingalit de Bienaym-Tchebychev.
Exercices 8.1, 8.2, 8.10, 8.11, 8.15, 8.17 8.19, 8.21.
Pour dterminer
un intervalle de conance de g()
au risque ou
au niveau de conance 1
Dterminer deux estimateurs de g() U
n
et V
n
tels que :
P
_
U
n
g() V
n
_
1 .
Exercices 8.9, 8.10, 8.17, 8.18
244
noncs des exercices
(suite)
Si g() est le paramtre p dune loi de Bernoulli, alors considrer :
(X
1
, . . . , X
n
) un n-chantillon indpendant et identiquement dis-
tribu de la loi de Bernoulli de paramtre p
t
le rel dni par (t
) = 1

2
, o est la fonction de rpar-
tition de la loi normale centre rduite ;
un intervalle de conance de p au risque est alors :
_
X
1
+ + X
n
n

t
n
;
X
1
+ + X
n
n
+
t
n
_
.
Exercices 8.3, 8.10, 8.17
Si g() est lesprance m dune loi normale dcart-type donn,
alors considrer :
(X
1
, . . . , X
n
) un n-chantillon indpendant et identiquement dis-
tribu de la loi normale desprance m et dcart-type
t
le rel dni par (t
) = 1

2
, o est la fonction de rpar-
tition de la loi normale centre rduite ;
un intervalle de conance de m au risque est alors :
_
X
1
+ + X
n
n

t
n
;
X
1
+ + X
n
n
+
t
n
_
.
Exercices 8.4, 8.6.
Pour dterminer une quation
de la droite de rgression de y en x
de la srie statistique double
(x
i
, y
i
) ; i 1 ; n
Utiliser le rsultat du cours :

la droite de rgression linaire de y en x a pour quation :
y y =
x,y
x
_
x x
_
=
Cov(x, y)
2
x
_
x x
_
,
o : x (resp. y) et
x
(resp.
y
) dsignent la moyenne et lcart-type
empirique de la srie statistique
_
x
i
; i 1 ; n
_
(resp.
_
y
i
; i 1 ; n
_
)
Cov(x, y) dsigne la covariance empirique de x et y
x,y
dsigne le coecient de corrlation empirique entre x et y
dni par :
x,y
=
Cov(x, y)
y
.
Exercices 8.5, 8.8.
noncs des exercices
8.1 Estimation dune esprance et dune variance
n
)
nN
, mutuellement indpendantes, de mme loi et admettant
une esprance m et une variance
2
, avec > 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
245
a) Montrer que la moyenne empirique X
n
=
X
1
+ + X
n
n
est un estimateur sans biais et
convergent de m.
b) On suppose, dans cette question, que m est connu.
Montrer que la va T
n
=
1
n
n
k=1
(X
k
m)
2
est un estimateur sans biais de
2
.
c) On suppose, dans cette question, que m est inconnu. On note V
n
=
1
n
n
k=1
(X
k
X
n
)
2
.
1) Montrer que V
n
est un estimateur asymptotiquement sans biais de
2
et calculer le biais de
cet estimateur.
2) Construire, partir de V
n
, un estimateur sans biais de
2
.
8.2 Condition susante pour un estimateur convergent
Soit T
n
un estimateur de g().
a) Montrer que, si le risque quadratique de T
n
tend vers 0 lorsque n tend vers linni, alors T
n
est un estimateur convergent de g().
b) En dduire que, si T
n
est un estimateur asymptotiquement sans biais de g() et si la variance
de T
n
tend vers 0 lorsque n tend vers linni, alors T
n
8.3 Obtention dun intervalle de conance dune proportion
Un institut de sondage a observ, sur un chantillon de 2000 personnes prises au hasard, 1060
intentions de vote en faveur dun candidat A.
a) Estimer la proportion dintentions de vote en faveur du candidat A dans la population laide
dun intervalle de conance 90%, puis 95%, et enn 99%.
b) Combien de personnes faut-il interroger pour que la longueur de lintervalle de conance de
p 95% soit infrieure ou gale 0.02 ?
8.4 Obtention dun intervalle de conance dune moyenne
On souhaite estimer la masse m dun certain objet. Pour cela, on eectue des peses successives,
et lon note la masse moyenne obtenue.
On admet que la va X qui renvoie le rsultat de la pese de cet objet suit la loi normale desp-
rance m et dcart type = 0.1.
a) On eectue 10 peses et on obtient une masse moyenne de 72.40 g. Donner un intervalle de
conance 90% pour la masse de cet objet.
b) Combien de peses faudrait-il eectuer pour que la longueur de cet intervalle de conance
90% soit infrieure ou gale 0.05 ?
8.5 Exemple dune srie statistique double
On considre la srie statistique suivante :
i 1 2 3 4 5 6 7 8 9 10 11
x
i
5 4 3 2 1 0 1 2 3 4 5
y
i
1 5 4 7 10 8 9 13 14 13 18
a) Calculer la moyenne et lcart-type empirique associe ces deux sries statistiques, ainsi
que la covariance empirique et le coecient de corrlation empirique entre x et y.
246
noncs des exercices
b) Reprsenter le nuage de points correspondant cette srie statistique double.
c) Dterminer une quation de la droite de rgression de y en x.
d) Donner une estimation de y pour x = 7.
8.6 Obtention dun intervalle de conance dune moyenne
Dans une fabrique daliments, une machine remplit des botes. Sur 1000 botes, on constate que
la rpartition du poids est la suivante :
Poids x
i
en g [215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[
Eectifs n
i
80 100 190 260
Poids x
i
en g [255 ; 265[ [265 ; 275[ [275 ; 285[
Eectifs n
i
180 130 60
a) Calculer la moyenne x et lcart-type empirique
x
de cette srie statistique.
b) On suppose que la va X qui renvoie le poids dune bote suit la loi normale desprance m et
dcart type
x
(o
x
a t dtermin dans la question prcdente).
Dterminer un intervalle de conance de m au risque 0.1, au risque 0.05 puis au risque 0.01.
8.7 Estimation du paramtre a de la loi uniforme sur [0 ; 2a], daprs loral HEC 2008
Soient a un rel strictement positif et X une va de loi uniforme sur [0 ; 2a].
Soit n N
. On considre un n-chantillon (X
1
, . . . , X
n
) indpendant et identiquement distribu
de mme loi que X.
a) On pose M
n
= max(X
1
, . . . , X
n
).
1) Dterminer la loi de M
n
et calculer son esprance et sa variance.
2) En dduire que U
n
=
n + 1
2n
M
n
est un estimateur sans biais de a.
b) On pose V
n
=
X
1
+ + X
n
n
. Montrer que V
n
est aussi un estimateur sans biais de a.
c) Entre U
n
et V
n
, quel estimateur choisir ?
8.8 Exemple dune srie statistique double
Ltude dune raction chimique en fonction du temps nous donne les rsultats suivants :
Temps t (en heures) 1 2 3 4 5
Concentration C (en g/L) 6.25 6.71 7.04 7.75 8.33
Des considrations thoriques laissent supposer que la concentration C et le temps t sont lis
par la relation : C =
1
at + b
, o a et b sont des paramtres constants tels que b > 5a > 0.
Dterminer, par la mthode des moindres carrs, les valeurs numriques des paramtres a et b.
8.9 Exemple dobtention dun intervalle de conance
Soit n N
1
, . . . , X
n
) indpendant et identiquement distribu
de loi normale de moyenne m et dcart-type
m
5
, avec m > 0, le paramtre m tant inconnu.
a) Soient ]0 ; 1] et t
le rel tel que (t
) = 1

2
, o dsigne la fonction de rpartition
de la loi normale centre rduite. On suppose que n >
t
2
25
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
247
On note X
n
=
X
1
+ + X
n
n
.
Montrer que lintervalle
_
5
n
X
n
5
n + t
; 5
n
X
n
5
n t
_
est un intervalle de conance de m au
niveau de conance 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 conance de m 95%.
8.10 Exemples destimations et dintervalles de conance, daprs EDHEC 2000
Un sondage consiste proposer larmation A certaines personnes dune population donne.
Le sujet abord tant dlicat, le stratagme suivant est mis en place an de mettre en conance
les personnes sondes pour quelles ne mentent pas ...
Lenquteur dispose dun paquet de 20 cartes, numrotes de 1 20, quil remet la personne
sonde. Celle-ci tire une carte au hasard et ne la montre pas lenquteur.
La rgle est alors la suivante :
si la carte porte le numro 1, la personne sonde rpond vrai si elle est daccord avec
larmation A et faux sinon ;
si la carte porte un autre numro, la personne sonde rpond vrai si elle nest pas daccord
avec larmation A et faux sinon.
Le but de lenqute est dvaluer la proportion p de personnes de cette population qui sont
rellement daccord avec larmation A.
a) On interroge une personne selon ce procd et on considre lvnement V suivant :
la personne rpond vrai .
On note = P(V). En utilisant la formule des probabilits totales, exprimer en fonction de p,
puis en dduire p en fonction de .
b) On considre un chantillon alatoire, de taille n, extrait de la population considre et on note
S
n
le nombre de rponses vrai obtenues. On suppose n assez grand pour pouvoir considrer
que cet chantillonnage est assimilable un tirage avec remise.
1) Donner la loi de S
n
, ainsi que son esprance et sa variance.
2) Montrer que
S
n
n
est un estimateur sans biais et convergent de .
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 conance 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, Z

k
le
numro de la boule obtenue au k-ime tirage.
248
noncs des exercices
a) On pose M
n
=
1
n
n
k=1
Z
k
.
1) Donner lexpression dun estimateur T
n
sans biais de N en fonction de M
n
.
2) Montrer que cet estimateur est convergent. On pourra utiliser le rsultat de lexercice 8.2 b).
b) On pose S
n
= max(Z
1
, . . . , Z
n
).
1) Calculer, pour tout k de N, P(S
n
k).
2) Montrer que, pour toute va Y valeurs dans 1 ; N, on a la relation :
E(Y) =
N
k=1
P(Y k).
3) Montrer : E(S
n
) = N
N1
k=0
_
k
N
_
n
, et en dduire : E(S
n
) N
N
n + 1
.
4) Montrer alors que S
n
est un estimateur asymptotiquement sans biais de N.
8.12 Exemple de dtermination de la parabole des moindres carrs
On considre la srie statistique double suivante :
x
i
2 1 0 1 2 3 4
y
i
6 3 2 6 10 14 18
a) Dterminer la parabole des moindres carrs de y en x, cest--dire la courbe dquation
y = f (x) = ax
2
+ bx + c (avec (a, b, c) R
3
x) de faon ce que
7
k=1
_
y
i
f (x
i
)
_
2
soit
minimum.
b) Reprsenter sur une mme gure le nuage de points et la parabole obtenue.
8.13 Estimation de deux paramtres
Soit (b, ) R
+
R. On suppose que X est une va densit qui prend ses valeurs dans [ ; +[,
dont une densit f est dnie par :
x R, f (x) =
_
_
0 si x <
1
b
exp
_
x
b
_
si x
.
Soit n N tel que n 2 et soit (X
1
, . . . , X
n
) un n-chantillon indpendant et identiquement
distribu de mme loi que X.
On pose : X
n
=
X
1
+ + X
n
n
et T
n
= min(X
1
, . . . , X
n
).
a) Soit k 1 ; n. Reconnatre la loi de Y
k
=
X
k

b
.
b) On pose Y
n
=
Y
1
+ + Y
n
n
et U
n
= min(Y
1
, . . . , Y
n
). Calculer E(Y
n
) et E(U
n
).
c) Exprimer les va X
n
et T
n
en fonction des va Y
n
et U
n
. En dduire E(X
n
) et E(T
n
).
d) Dterminer un estimateur sans biais

n
de et un estimateur sans biais

b
n
de b sous la forme
de combinaisons linaires de X
n
et T
n
.
8.14 Comparaison de plusieurs estimateurs, daprs loral ESCP 2006
Soit > 0. On note f la fonction dnie sur R par :
x R, f (x) =
_
_
2
_
1
x
_
si 0 x
0 sinon
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
249
Dterminer la fonction de rpartition F de X, son esprance E(X) et sa variance V(X).
On cherche estimer laide dun chantillon (X
1
, . . . , X
n
) de va indpendantes de mme loi
que X. On pose : X
n
=
X
1
+ + X
n
n
et M
n
= max(X
1
, . . . , X
n
).
b) Dterminer la constante a pour que T
n
= aX
n
soit un estimateur sans biais de . Calculer le
risque quadratique de T
n
.
c) On note I
n
=
_
1
0
(1 t
2
)
n
dt et on admet que I
n

n
_

4n
.
1) Dterminer la loi de M
n
.
2) Montrer que E(M
n
) = (1I
n
). Que peut-on en dduire sur M
n
en tant questimateur de ?
3) Montrer que V(M
n
) =
2
_
1
n + 1
I
2
n
_
. Calculer le risque quadratique de M
n
.
4) Entre T
n
et M
n
d) Donner un estimateur sans biais de de la forme M
n
= a
n
M
n
, o a
n
est un rel dpendant
de n.
Entre T
n
et M
n
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 X
1
, . . . , X
n
de mme loi de
Poisson de paramtre inconnu, ]0 ; +[. On souhaite estimer le paramtre e
.
Pour tout k de 1 ; n, on dnit la va Y
k
par : Y
k
=
_
1 si X
k
= 0
0 sinon
.
Puis on note : Y
n
=
1
n
n
k=1
Y
k
et S
n
=
n
k=1
X
k
.
a) 1) Montrer que Y
n
est un estimateur sans biais de e
.
2) Calculer V(Y
n
) et en dduire que Y
n
est un estimateur convergent de e
. On pourra utiliser
le rsultat de lexercice 8.2 b).
b) Pour tout j de N, calculer la probabilit conditionnelle P
(Sn=j)
(X
1
= 0), note ( j).
c) 1) Montrer que (S
n
) est un estimateur sans biais de e
.
2) Calculer V
_
(S
n
)
_
et en dduire que (S
n
) est un estimateur convergent de e
. On pourra
utiliser le rsultat de lexercice 8.2 b).
d) Comparer les risques quadratiques des deux estimateurs Y
n
et (S
n
).
8.16 Dtermination du meilleur estimateur non biais
Soit X une va discrte desprance E(X) = (avec R
) et de variance V(X) = 1.
Soit n N
. On dispose dun n-chantillon (X

1
, . . . , X
n
) de va mutuellement indpendantes et
de mme loi que X. On pose X
n
=
1
n
n
i=1
X
i
.
a) Montrer que X
n
est un estimateur sans biais de . Calculer son risque quadratique.
250
noncs des exercices
Soit (
1
, . . . ,
n
) (R
)
n
. On note Y
n
=
n
i=1
i
X
i
.
b) Donner une condition ncessaire et susante sur
1
, . . . ,
n
pour que Y
n
soit un estimateur
sans biais de .
On suppose, dans la suite, que cette condition est vrie.
c) Calculer Cov(X
n
, Y
n
). En dduire V(X
n
) V(Y
n
). Que dire si V(X
n
) = V(Y
n
) ?
d) Interprter les rsultats obtenus sur les estimateurs X
n
et Y
n
de .
8.17 Estimation du nombre dindividus dune population par capture-marquage-recapture
An dvaluer le nombre N dindividus dune espce animale vivant sur une le, on propose
dadopter la mthode de capture-marquage-recapture. Pour cela, on capture m individus (m tant
connu) que lon marque dun signe distinctif puis que lon relche sur lle (cest la phase de
capture-marquage).
La phase de recapture peut se faire (au moins) de deux faons.
a) Une premire faon consiste eectuer des recaptures successives avec remise, jusqu ob-
tenir un individu marqu. On rpte cette exprience n fois (n tant connu) et lon note, pour
tout k de 1 ; n, X
k
le nombre de captures eectues lors de la k-ime exprience. On note enn
X
n
=
1
n
n
k=1
X
k
.
1) Dterminer, pour tout k de 1 ; n, la loi de X
k
, puis en dduire lesprance et la variance
de X
n
.
2) En dduire un estimateur sans biais et convergent de N.
3) Montrer que la suite de terme gnral N
n
=
n m X
n

n N
N (N m)
converge en loi vers une va
de loi normale centre rduite.
4) Soit ]0 ; 1[. En dduire un intervalle de conance de N au niveau de conance 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 conance de N 95%.
b) Une seconde faon consiste recapturer n individus (n tant connu) avec remise.
On note Y
n
le nombre dindividus marqus obtenus.
n
2) Montrer que
Y
n
nm
1
N
.
Peut-on prendre
nm
Y
n
comme estimateur de N ?
3) Calculer lesprance de
1
Y
n
+ 1
.
En dduire un estimateur asymptotiquement sans biais de N.
4) On note p la proportion dindividus marqus sur lle. Soit ]0 ; 1[. Donner un intervalle
de conance de p au niveau de conance 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 conance de p
95%, puis une estimation dun intervalle de conance de N 95%.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
251
8.18 Estimation et intervalle de conance 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 n-
chantillon (X
1
, . . . , X
n
) de va valeurs strictement positives, mutuellement indpendantes, de
mme loi exponentielle de paramtre . On pose S
n
=
n
k=1
X
k
et

n
=
n
S
n
.
a) Donner une densit de S
n
.
b) Montrer que

n
admet une esprance et une variance et les calculer.
c) Lestimateur

n
de est-il sans biais ? asymptotiquement sans biais ? convergent ?
d) On souhaite dterminer un intervalle de conance 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
.
1) Montrer que la suite de terme gnral N
n
=
S
n
n

n converge en loi vers une va de loi
normale centre rduite.
2) En dduire que, pour n assez grand, lintervalle
__
1
t
n
_
n
;
_
1+
t
n
_
n
_
est un intervalle
de conance de au risque .
e) Soit k > 1. On souhaite maintenant construire un intervalle de conance de au risque tel
que la longueur de cet intervalle soit k fois plus petite que celle obtenue avec le risque .
1) Justier lexistence de la fonction rciproque
1
de . Quel est son domaine de dni-
tion ?
2) Montrer : = 2
_
1
k
1
_
2
_
_
.
En dduire que > . Ce dernier rsultat tait-il prvisible ?
8.19 Obtention dun estimateur par la mthode du maximum de vraisemblance
Soit a un rel strictement positif. On note f la fonction dnie sur R par :
x R, f (x) =
_
_
a
x
a+1
si x 1
0 sinon
.
On cherche estimer le paramtre a. Pour cela, on dispose dun n-chantillon (X
1
, . . . , X
n
) de
va mutuellement indpendantes et de mme loi que X, avec n 2.
b) On dnit la fonction L sur R
n
R
+
par :
(x
1
, . . . , x
n
, a) R
n
R
+
, L(x
1
, . . . , x
n
, a) =
n
_
k=1
f (x
k
).
La fonction L est appele fonction de vraisemblance.
1) Calculer, pour tout (x
1
, . . . , x
n
, a) R
n
R
+
, L(x
1
, . . . , x
n
, a).
2) Soit (x
1
, . . . , x
n
) [1 ; +[
n
x. tudier les variations sur R
+
de la fonction
h : a L(x
1
, . . . , x
n
, a). En dduire la valeur a qui rend maximum la fonction h. On pourra
considrer la fonction g : a ln
_
h(a)
_
.
Puisque a dpend de x
1
, . . . , x
n
, on note a = (x
1
, . . . , x
n
), o est une fonction de n variables.
On considre alors la va T
n
= (X
1
, . . . , X
n
), appele lestimateur de maximum de vraisem-
blance de a.
252
noncs des exercices
c) On note S
n
=
n
k=1
ln(X
k
). Montrer que, pour tout k de 1 ; n, la va ln(X
k
) suit une loi expo-
nentielle. En dduire une densit de S
n
.
d) Calculer alors E(T
n
) et V(T
n
).
e) En dduire que T
n
est un estimateur asymptotiquement sans biais et convergent de a.
8.20 Estimation du paramtre dune loi de Poisson
Soit n un entier naturel non nul x.
a) On dnit lapplication f : R
n
R, (x
1
, . . . , x
n
)
n
i=1
x
2
i
.
Dterminer les extremums de f sous la contrainte
n
i=1
x
i
= 1.
b) On considre un n-chantillon (X
1
, . . . , X
n
) indpendant et identiquement distribu de la loi
de Poisson de paramtre > 0 inconnu.
Montrer que, parmi les combinaisons linaires des va X
1
, . . . , X
n
, il existe un unique estimateur
T
n
sans biais de et qui est de variance minimale. Quel est lintrt de cet estimateur ?
8.21 Estimation de lcart-type dune loi normale centre, daprs loral ESCP 2007
Soit X une va qui suit la loi normale centre, dcart-type , le paramtre rel inconnu tant
strictement positif.
a) Montrer que la va T =
X
2
2
2
suit la loi
_
1
2
_
.
Soit n N
1
, . . . , X
n
) indpendant et identiquement distribu,
de mme loi que X.
b) On pose : S
n
=
1
2
2
n
i=1
X
2
i
et Y
n
=
1
n
n
i=1
X
2
i
.
1) Donner une densit de S
n
. En dduire que Y
n
2
.
2) En justiant son existence, calculer E
_
Y
n
_
en fonction de n et .
3) En dduire un estimateur
n
sans biais du paramtre .
c) 1) En justiant son existence, calculer V(
n
) en fonction de n et .
2) On admet que, pour tout x > 0, (x + n)
n
n
x
(n 1)!. Montrer que
n
est un estimateur
convergent de .
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
253
Du mal dmarrer ?
8.1 a) Calculer, dans un premier temps, E(X
n
) et V(X
n
). Puis
utiliser les dnitions du cours.
Pour montrer que X
n
est un estimateur convergent, utiliser lin-
galit de Bienaym-Tchebychev.
b), c)1) Utiliser les dnitions du cours.
c) 2) Chercher un estimateur V
n
de la forme aV
n
de telle sorte
que E(V
n
) =
2
.
8.2 a) Appliquer lingalit de Markov la va
_
T
n
g()
_
2
.
b) Utiliser les dnitions du cours, et montrer que, dans ce cas,
le risque quadratique de T
n
tend vers 0 lorsque n tend vers +.
8.3 a) Noter p la proportion dintentions de vote en faveur
du candidat A dans la population, n le nombre de personnes
interroges et X
1
, . . . , X
n
les va dnies par :
X
k
=
_
1 si la k-ime personne choisit le candidat A
0 sinon
.
Alors (X
1
, . . . , X
n
) est un n-chantillon indpendant, identique-
ment distribu de la loi de Bernoulli de paramtre p.
En dduire, daprs le cours, un intervalle de conance de p,
puis une estimation de cet intervalle.
b) Calculer la longueur de lintervalle de conance obtenu
au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.02.
8.4 a) Noter n le nombre de peses effectues et X
1
, . . . , X
n
les rsultats de ces peses. Alors (X
1
, . . . , X
n
) est un n-
chantillon indpendant, identiquement distribu de la loi nor-
male desprance m et dcart-type 0.1.
En dduire, daprs le cours, un intervalle de conance de m,
b) Calculer la longueur de lintervalle de conance obtenu
au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.05.
8.5 a) Utiliser les formules du cours.
b) Immdiat.
c) Appliquer la formule du cours donnant une quation de la
droite de rgression de y en x.
d) Faire x = 7 dans lquation obtenue dans la question c).
8.6 b) Noter n = 1000 le nombre de peses effectues,
X
1
, . . . , X
n
les rsultats de ces peses. Alors (X
1
, . . . , X
n
) est un
n-chantillon indpendant, identiquement distribu de la loi
normale desprance m et dcart-type
x
= 16.
En dduire, daprs le cours, un intervalle de conance de m,
8.7 a) 1) Montrer : x R, P(M
n
x) = P(X x)
n
.
En dduire la fonction de rpartition puis une densit de M
n
.
Calculer E(M
n
) en utilisant la dnition de lesprance, E(M
2
n
)
en utilisant le thorme de transfert, puis en dduire V(M
n
).
a) 2) Vrier que E(U
n
) = a.
b) Montrer que E(V
n
) = a.
c) Comparer les risques quadratiques des deux estimateurs.
8.8 Poser y =
1
C
et dterminer la droite de rgression de y
en t.
8.9 a) Commencer par dterminer la loi de X
n
. En dduire
que la va X
n
= 5
n
X
n
m
m
suit la loi normale centre rduite.
Montrer ensuite :
P(t
X
n
) = P
_
5
n X
n
5
n + t
m
5
n X
n
5
n t
_
.
Conclure.
b) Donner une estimateur de cet intervalle de conance, avec
n = 100, = 0.05, t
0.05
= 1.96 et une ralisation de X
n
gale
12.
8.10 a) Considrer lvnement E :
La personne est daccord avec lafrmation A .
Puis utiliser la formule des probabilits totales avec comme sys-
tme complet dvnements (E, E).
b) Remarquer : S
n
B(n, ).
c) 1) Estimer laide de la ralisation de S
n
obtenue.
Pour estimer p, utiliser la relation entre p et .
c) 2) Dterminer un intervalle de conance de , puis estimer
cet intervalle.
Pour estimer p par intervalle de conance, utiliser la relation
entre p et .
8.11 a) 1) Calculer E(M
n
) puis dterminer T
n
sous la forme
aM
n
+ b de sorte que E(T
n
) = N.
a) 2) Calculer V(T
n
) puis utiliser lexercice 8.2.
b) 1) Obtenir : k N, P(S
n
k) =
_
P(Z
1
k)
_
n
.
b) 2) Utiliser la dnition de lesprance et remplacer P(Y = k)
par P(Y k) P(Y k + 1). Faire apparatre des sommes tl-
scopiques.
b) 3) Utiliser :
1
n + 1
=
N1
k=0
_ k+1
N
k
N
x
n
dx
1
N
N1
k=0
_
k
N
_
n
.
b) 4) Montrer : E(S
n
)
n
N.
8.12 a) Noter S la fonction dnie sur R
3
par :
(a, b, c) R
3
, S(a, b, c) =
7
i=1
_
y
i
(ax
2
i
+ bx
i
+ c)
_
2
.
254
Du mal dmarrer ?
Pour (a, b) R
2
x, montrer que la fonction
g : R R, c S(a, b, c)
admet un minimum global pour c = 5a b +
59
7
.
Pour a R x, montrer que la fonction
h : R R, b S
_
a, b, 5a b +
59
7
_
admet un minimum global pour b = 2a +
33
14
.
Enn, tudier les variations de la fonction
i : R R, a S
_
a, 2a +
33
14
, 3a +
85
14
_
.
Conclure.
8.13 a) Montrer : Y
k
E(1).
b) Utiliser la linarit de lesprance pour calculer E(Y
n
).
Montrer que U
n
E(n) et en dduire E(U
n
).
c) Obtenir : X
n
= + bY
n
et T
n
= + bU
n
.
d) Commencer par rsoudre le systme dinconnue (b, ) sui-
vant :
_
_
+ b = E(X
n
)
+
b
n
= E(T
n
)
.
8.14 a) Revenir la dnition dune densit.
b) Obtenir a = 3.
c) 1) Montrer : x R, P(M
n
x) =
_
F(x)
_
n
.
En dduire la fonction de rpartition et une densit de M
n
.
c) 2) Pour calculer E(M
n
), utiliser la dnition de lesprance,
puis faire le changement de variable t = 1
x
et effectuer en-
n une intgration par parties.
En dduire que lim
n
E(M
n
) = .
c) 3) Calculer E(M
2
n
) de la mme faon que prcdemment.
En dduire V(M
n
). Conclure.
c) 4) Comparer les biais et les risques quadratiques des deux
estimateurs.
d) Obtenir a
n
=
1
1 I
n
. Dterminer la limite du quotient
des deux risques quadratiques, et comparer cette limite 1.
Conclure.
8.15 a) Remarquer que, pour tout i de 1; n, la va Y
i
suit la
loi de Bernoulli de paramtre e
.
b) Obtenir : j N, (j) =
P(X
1
= 0) P(X
2
+ + X
n
= j)
P(S
n
= j)
.
Dterminer la loi de S
n
et la loi de X
2
+ + X
n
.
c) Obtenir : E
_
(S
n
)
_
= e
et V
_
(S
n
)
_
= e
2
_
e

n
1
_
.
Conclure laide de lexercice 8.2.
d) Noter respectivement r
n
() et
n
() les risques quadratiques
de Y
n
et (S
n
).
Calculer r
n
()
n
() et tudier la fonction
h : R
+
R, x
e
x
1
n
e
x
n + 1.
8.16 a) Obtenir : E(X
n
) = et r
Xn
() = V(X
n
) =
1
n
.
b) Montrer :
Y
n
n
i=1
i
= 1.
c) Pour calculer Cov(X
n
, Y
n
), utiliser la bilinarit de la cova-
riance et lindpendance des va X
1
, . . . , X
n
.
Dvelopper V(Y
n
X
n
) pour en dduire V(X
n
) V(Y
n
).
Traiter le cas dgalit.
d) Comparer les risques quadratiques des deux estimateurs.
8.17 a) 1) Remarquer que, pour tout k de 1; n, la va X
k
suit
la loi gomtrique de paramtre
m
N
.
a) 2) Considrer

N
n
= mX
n
.
a) 3) Appliquer le thorme de la limite centre.
a) 4) Noter la fonction de rpartition de la loi N (0, 1) et t
le
rel tel que (t
) = 1

2
.
En utilisant le fait que
_
N(N m) N, obtenir :
P
_

nmX
n
n + t
nmX
n
n t
_
P
_
N
n
t
_
= 1 .
a) 5) Donner une estimation de cet intervalle avec m = 800,
n = 200, une ralisation de X
n
gale
1000
200
= 5, = 0.05 et
t
0.05
= 1.96.
b) 1) Remarquer : Y
n
B
_
n,
m
N
_
.
b) 2) Utiliser les dnitions du cours.
b) 3) Utiliser le thorme de transfert et obtenir :
E
_
1
1 + Y
n
_
=
1
n + 1
N
m
_
1
_
1
m
N
_
n+1
_
.
b) 4) Utiliser un rsultat de cours.
b) 5) Donner une estimation de cet intervalle avec m = 800,
n = 1000, une ralisation de Y
n
gale 200, = 0.05 et
t
0.05
= 1.96.
8.18 a) Justier : S
n

_
1
; n
_
.
b) Utiliser le thorme de transfert pour montrer lexistence et
calculer E(
n
) puis E(
n
2
). En dduire ensuite V(
n
).
c) Utiliser les dnitions du cours et lexercice 8.2.
d) 1) Utiliser le thorme de la limite centre.
d) 2) Obtenir :
N
n
t

_
1
t
n
_
n

_
1 +
t
n
_
n
.
En dduire le rsultat demand.
e) 1) Appliquer le thorme de la bijection monotone .
e) 2) Obtenir, tout dabord, que = 2 2
_
t
k
_
, puis que
1
_
t
k
_
=
_
1
k
1
_
2
_
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
255
8.19 a) Revenir la dnition dune densit.
b) 1) Obtenir : (x
1
, . . . , x
n
, a) R
n
R
+
,
L(x
1
, . . . , x
n
, a) =
_
_
n
_
k=1
a
x
a+1
k
=
a
n
(x
1
x
n
)
a+1
si x
1
, . . . , x
n
1
0 sinon
b) 2) Commencer par tudier les variations de la fonction
g : a ln
_
h(a)
_
.
c) Obtenir : S
n

_
1
a
, n
_
.
d) Utiliser le thorme de transfert pour montrer lexistence et
calculer E(T
n
) puis E(T
2
n
). En dduire ensuite V(T
n
).
e) Utiliser les dnitions de cours.
8.20 a) Noter C =
_
(x
1
, . . . , x
n
) R
n
;
n
i=1
x
i
= 1
_
.
Montrer tout dabord que, si f possde un extremum sous la
contrainte C en un point A, alors A =
_
1
n
, . . . ,
1
n
_
.
Puis calculer, pour tout H = (h
1
, . . . , h
n
) R
n
tel que A + H C,
f(A + H) f(A).
En dduire que la fonction f possde en A un minimum global
sous la contrainte C.
b) Considrer lestimateur T
n
=
n
i=1
i
X
i
, avec (
1
, . . . ,
n
) R
n
.
Dterminer T
n
de telle sorte que :
E(T
n
) = et V(T
n
) est minimale.
de la va T.
b) 1) Utiliser le thorme de stabilit de la loi .
Montrer ensuite que E(Y
n
) =
2
.
b) 2) Utiliser le thorme de transfert.
b) 3) Dterminer
n
sous la forme a
Y
n
de telle sorte que
E(
n
) = .
c) 1) Remarquer
n
2
= a
2
Y
n
. En dduire E(
n
2
) puis V(
n
).
c) 2) Montrer que V(
n
)
n
0, puis utiliser lexercice 8.2.
256
8.1
a) La va X
n
dpend uniquement du n-chantillon (X
1
, . . . , X
n
).
Donc X
n
est bien un estimateur.
De plus, par linarit de lesprance :
E(X
n
) =
1
n
n
k=1
E(X
k
) =
1
n
(n m) = m.
Donc X
n
est un estimateur sans biais de m.
Soit > 0. Daprs lingalit de Bienaym-Tchebychev :
0 P
_
X
n
m
_
= P
_
X
n
E(X
n
)
_

V(X
n
)
2
.
Or : V(X
n
) =
1
n
2
V(X
1
+ + X
n
) =
1
n
2
n
k=1
V(X
k
)
=
1
n
2
(n
2
) =
2
n
.
On obtient alors : 0 P
_
X
n
m
_

2
n
2
.
_
X
n
m
_

n
0.
Ainsi, la suite de va (X
n
)
nN
converge en loi vers la variable
certaine gale m.
On conclut que X
n
est un estimateur convergent de m.
b) Par linarit de lesprance :
E(T
n
) =
1
n
n
k=1
E
_
(X
k
m)
2
_
=
1
n
n
k=1
V(X
k
) =
1
n
(n
2
) =
2
.
Donc T
n
2
.
c) 1) La va V
n
dpend uniquement du n-chantillon
(X
1
, . . . , X
n
). Donc V
n
est bien un estimateur.
De plus : V
n
=
1
n
n
k=1
(X
2
k
2X
n
X
k
+ X
n
2
)
=
1
n
_
n
k=1
X
2
k
2X
n
n
k=1
X
k
.,,.
=nXn
+n X
n
2
_
=
1
n
_
n
k=1
X
2
k
nX
n
2
_
=
1
n
_
n
k=1
X
2
k
_
X
n
2
.
Ainsi, par linarit de lesprance :
E(V
n
) =
1
n
_
n
k=1
E(X
2
k
)
_
E(X
n
2
).
Or : k 1 ; n, E(X
2
k
) = V(X
k
) +
_
E(X
k
)
_
2
=
2
+ m
2
,
et, daprs a) : E(X
n
2
) = V(X
n
) +
_
E(X
n
)
_
2
=
2
n
+ m
2
.
Ainsi :
E(V
n
) =
1
n

_
n(
2
+ m
2
)
_
2
n
+ m
2
_
=
_
1
1
n
_
2
.
Puisque E(V
n
)
2
, V
n
est un estimateur biais de
2
.
Son biais b
Vn
(
2
) est :
b
Vn
(
2
) = E(V
n
)
2
=
2
n
.
Enn, puisque E(V
n
) =
_
1
1
n
_
2
,
V
n
est un estimateur asymptotiquement sans biais de
2
.
c) 2) Posons V
n
=
n
n 1
V
n
=
1
n 1
n
k=1
(X
k
X
n
)
2
.
Alors : E(V
n
) =
n
n 1
E(V
n
) =
n
n 1
_
1
1
n
_
2
=
2
.
On en dduit que V
n
2
.
8.2
a) Le risque quadratique r
Tn
() de T
n
est dni par :
r
Tn
() = V(T
n
) +
_
E(T
n
) g()
_
2
= E
__
T
n
g()
_
2
_
.
Soit > 0. Par lingalit de Markov :
0 P
_
T
n
g()

_
= P
_
_
T
n
g()
_
2

2
_
E
__
T
n
g()
_
2
_
2
=
r
Tn
()
2
.
Puisque r
Tn
()
n
0, par le thorme dencadrement, on ob-
tient : P
_
T
n
g()

_

n
0.
Ainsi, la suite (T
n
)
nN
certaine gale g(), autrement dit :
T
n
b) Par dnition du biais b
Tn
() de T
n
et du risque quadratique
r
Tn
() de T
n
, on a :
r
Tn
() = V(T
n
) + b
Tn
()
2
.
257
Puisque T
n
est un estimateur asymptotiquement sans biais
de g() : b
Tn
()
n
0.
Dautre part, par hypothse : V(T
n
)
n
0.
On obtient alors r
Tn
()
n
0. Daprs a), on conclut :
T
n
Remarque : Ce rsultat est en particulier valable pour un esti-
mateur T
n
sans biais dont la variance V(T
n
) tend vers 0 lorsque
n tend vers +.
8.3 Notons p la proportion dintentions de vote en faveur
du candidat A dans la population, n = 2000 le nombre de per-
sonnes interroges et X
1
, . . . , X
n
les va dnies par :
X
k
=
_
1 si la k-ime personne choisit le candidat A
0 sinon.
Alors (X
1
, . . . , X
n
ment distribu de la loi de Bernoulli de paramtre p.
De plus, X
n
=
X
1
+ + X
n
n
reprsente la proportion dinten-
tions de vote en faveur du candidat A parmi les n personnes
interroges.
Soient [0 ; 1] et t
le rel tel que (t
) = 1

2
, o est la
fonction de rpartition de la loi normale centre rduite.
On sait daprs le cours que lintervalle
_
X
n

t
n
; X
n
+
t
n
_
est un intervalle de conance de p au niveau de conance 1.
a) On a ici n = 2000 et une ralisation de X
n
gale
1060
2000
= 0.53.
Pour = 0.1, on a 1

2
= 0.95, et on lit dans la
table de la loi normale centre rduite (1.64) = 0.9495 et
(1.65) = 0.9505, ce qui donne t
0.1
= 1.645.
Une estimation de lintervalle de conance de p 90% est alors
_
0.53
1.645
2
2000
; 0.53+
1.645
2
2000
_
, cest--dire aprs arrondis :
[0.511 ; 0.549].
Pour = 0.05, on a 1

2
= 0.975, et on lit dans la table de
la loi normale centre rduite (1.96) = 0.975, ce qui donne
t
0.05
= 1.96.
_
0.53
1.96
2
2000
; 0.53+
1.96
2
2000
_
[0.508 ; 0.552].
Pour = 0.01, on a 1

2
(2.58) = 0.9951, ce qui donne t
0.01
= 2.575.
_
0.53
2.575
2
2000
; 0.53+
2.575
2
2000
_
[0.501 ; 0.559].
Remarque : Plus le niveau de conance est lev (et donc pe-
tit), plus la longueur de lintervalle est conance est grande, ce
qui est cohrent !
b) Dans le cas gnral, la longueur de lintervalle de conance
de p au niveau de conance 1 est :
X
n
+
t
n

_
X
n

t
n
_
=
t
n
.
On cherche donc n tel que
t
n
0.02.
Pour = 0.05, on a vu plus haut : t
0.05
= 1.96.
Ainsi :
t
0.05
n
0.02

n
t
0.05
0.02
=
1.96
0.02
= 98 n 9604.
On en dduit que, si lon interroge (au moins) 9604 personnes,
lintervalle de conance de p 95% est de longueur infrieure
ou gale 0.02 (ainsi on connatra la proportion p 2% prs).
8.4
Notons n le nombre de peses eectues et X
1
, . . . , X
n
les r-
sultats de ces peses.
Alors (X
1
, . . . , X
n
) est un n-chantillon indpendant, iden-
tiquement distribu de la loi normale desprance m et
dcart-type 0.1.
De plus, X
n
=
X
1
+ + X
n
n
reprsente la moyenne des masses
obtenues.
Soient [0 ; 1] et t
le rel tel que (t
) = 1

2
, o est la
_
X
n

t
n
; X
n
+
t
n
_
est un intervalle de conance de m au niveau de conance 1.
a) On a ici n = 10 et une ralisation de X
n
gale 72.40.
Pour = 0.1, on a 1

2
(1.65) = 0.9505, ce qui donne t
0.1
= 1.645.
258
Ainsi, une estimation de lintervalle de conance de m 90%
est alors
_
72.4
1.645 0.1
10
; 72.4 +
1.645 0.1
10
_
, cest--dire
aprs arrondis : [72.347 ; 72.453].
b) Dans le cas gnral, la longueur de lintervalle de conance
de m au niveau de conance 1 est :
X
n
+
t
n

_
X
n

t
n
_
= 2
t
n
.
On cherche donc n tel que 2
t
n
0.05.
Ainsi : 2
t
0.1
n
0.05

n
2t
0.1
0.05
=
2 1.645 0.1
0.05
= 6.58 n 44.
On en dduit que, si lon eectue (au moins) 44 peses, lin-
tervalle de conance 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 :
x =
1
n
n
i=1
x
i
= 0.
La variance empirique de la srie statistique de x est donne
par : V
x
=
_
1
n
n
i=1
x
2
i
_
x
2
=
1
11
110 0
2
= 10.
Lcart-type empirique de la srie statistique de x est donn
par :
x
=
V
x
=
10 = 3.16.
De la mme faon, on obtient : y =
102
11
= 9.27,
V
y
=
1194
11

_
102
11
_
2
=
2730
121
= 22.56
et
y
=
2230
11
= 4.75.
La covariance empirique de x et y est donne par :
Cov(x, y) =
_
1
n
n
i=1
x
i
y
i
_
x y =
158
11
0 = 14.36.
Le coecient de corrlation empirique de x et y est donn par :
x,y
=
Cov(x, y)
y
=
158
10
273
= 0.96.
Remarque : Le coecient
x,y
est proche de 1, ce qui signie
que x et y sont bien corrles.
b)
c) Daprs le cours, la droite de rgression de y en x a pour
quation : y y =
Cov(x, y)
V
x
_
x x
_
cest--dire : y = f (x) = 1.44x + 9.27.
d) Pour x = 7, on a : f (x) = 19.35.
On peut estimer que, pour x = 7, on aura approximativement
y = 19.35, ou encore, si y est un entier, y = 19.
8.6
a) Compltons le tableau de lnonc en prcisant, pour chaque
classe, son centre :
Poids x
i
en g [215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[
Centre c
i
en g 220 230 240 250
Eectifs n
i
80 100 190 260
Poids x
i
en g [255 ; 265[ [265 ; 275[ [275 ; 285[
Centre c
i
en g 260 270 280
Eectifs n
i
180 130 60
Leectif total de la population est donn par :
n =
7
i=1
n
i
= 1000
La moyenne est donne par :
x =
1
n
7
i=1
n
i
c
i
= 249.9
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
259
La variance empirique est donne par :
V
x
=
_
1
n
7
i=1
n
i
c
2
i
_
x
2
= 62705 (249.9)
2
= 255.0
Lcart-type empirique est donne par :
x
=
V
x
= 16.0
b) Notons n = 1000 le nombre de peses eectues, X
1
, . . . , X
n
les rsultats de ces peses.
Alors (X
1
, . . . , X
n
ment distribu de la loi normale desprance m et dcart-type
x
= 16 (par hypothse).
De plus, X
n
=
X
1
+ + X
n
n
reprsente la moyenne des masses
obtenues.
Soient [0 ; 1] et t
le rel tel que (t
) = 1

2
, o est la
_
X
n

t
n
; X
n
+
t
n
_
est un intervalle de conance de m au niveau de conance 1
et donc au risque .
Daprs lnonc, une ralisation de X
n
est gale x = 249.9.
Enn :
pour = 0.1, on a 1

2
= 0.95 ; on lit dans la
(1.65) = 0.9505, ce qui donne t
0.1
= 1.645 ;
pour = 0.05, on a 1

2
= 0.975 ; on lit dans la table de
t
0.05
= 1.96 ;
pour = 0.01, on a 1

2
= 0.995 ; on lit dans la
(2.58) = 0.9951, ce qui donne t
0.01
= 2.575.
Une ralisation de lintervalle de conance de m
au risque 0.1 est :
_
249.9
1.64516
1000
; 249.9 +
1.64516
1000
_
= [249.06 ; 250.74],
au risque 0.05 est :
_
249.9
1.9616
1000
; 249.9 +
1.9616
1000
_
= [248.90 ; 250.90],
au risque 0.01 est :
_
249.9
2.57516
1000
; 249.9 +
2.57516
1000
_
= [248.59 ; 251.21].
8.7
a) 1) Puisque X suit la loi uniforme sur [0 ; 2a], sa fonction
de rpartition F est donne par :
x R, F(x) =
_
_
0 si x < 0
x
2a
si 0 x 2a
1 si x > 2a
et une densit f est donne par :
x R, f (x) =
_
_
1
2a
si 0 x 2a
0 sinon
.
n
de M
n
vrie :
x R, F
n
(x) = P(M
n
x) = P(X
1
x, . . . , X
n
x)
= P(X
1
x) P(X
n
=
_
P(X x)
_
n
=
_
F(x)
_
n
.
1
0 et 2a, il en est de mme, par produit, pour F
n
.
Ainsi, M
n
n
est donne
par : x R, f
n
(x) = nf (x)
_
F(x)
_
n1
=
_
_
n
(2a)
n
x
n1
si 0 x 2a
0 sinon
.
Puisque M
n
est une va borne ( valeurs dans [0 ; 2a] presque
srement), M
n
admet une esprance et une variance. Et lon a :
E(M
n
) =
_
2a
0
x f
n
(x) dx =
n
(2a)
n
_
2a
0
x
n
dx
=
n
(2a)
n

(2a)
n+1
n + 1
=
2an
n + 1
,
E(M
2
n
) =
_
2a
0
x
2
f
n
(x) dx =
n
(2a)
n
_
2a
0
x
n+1
dx
=
n
(2a)
n

(2a)
n+2
n + 2
=
4a
2
n
n + 2
,
et donc V(M
n
) = E(M
2
n
)
_
E(M
n
)
_
2
=
4a
2
n
n + 2

_
2an
n + 1
_
2
=
4a
2
n
(n + 1)
2
(n + 2)
_
(n + 1)
2
n(n + 2)
_
=
4a
2
n
(n + 1)
2
(n + 2)
.
a) 2) On a : E(U
n
) =
n + 1
2n
E(M
n
) =
n + 1
2n

2an
n + 1
= a.
On en dduit que U
n
est un estimateur sans biais de a.
E(V
n
) =
1
n
n
k=1
E(X
k
) =
1
n

_
nE(X)
_
= E(X).
260
Daprs le cours, E(X) =
0 + 2a
2
= a, donc : E(V
n
) = a.
On en dduit que V
n
est galement un estimateur sans biais
de a.
c) Puisque les deux estimateurs U
n
et V
n
sont des estimateurs
sans biais, comparons leurs risques quadratiques nots respec-
tivement r
Un
(a) et r
Vn
(a).
On a : r
Un
(a) = V(U
n
) +
_
E(U
n
) a
_
2
.,,.
=0
= V(U
n
)
=
_
n + 1
2n
_
2
V(M
n
) =
_
n + 1
2n
_
2
4a
2
n
(n + 1)
2
(n + 2)
=
a
2
n(n + 2)
.
Et : r
Vn
(a) = V(V
n
) +
_
E(V
n
) a
_
2
.,,.
=0
= V(V
n
)
=
1
n
2
V(X
1
+ + X
n
) =
1
n
2
n
k=1
V(X
k
)
=
1
n
2

_
nV(X)
_
=
V(X)
n
.
Daprs le cours, V(X) =
(2a)
2
0
2
12
=
a
2
3
;
donc : r
Vn
(a) =
a
2
3n
.
On a donc : r
Un
(a) r
Vn
(a) =
a
2
n(n + 2)

a
2
3n
=
a
2
3n(n + 2)
_
3 (n + 2)
_
=
a
2
(n 1)
3n(n + 2)
0 (car n 1).
Ainsi, le risque quadratique de U
n
est infrieur celui de V
n
.
Donc U
n
est un meilleur estimateur de a que V
n
.
8.8 On a : C =
1
at + b

1
C
= at + b.
Posons donc y =
1
C
et dterminer la droite de rgression de y
en t. On a alors la srie statistique double suivante :
t
i
1 2 3
C
i
6.25 6.71 7.04
y
i
1
6.25
= 0.160
1
6.71
= 0.149
1
7.04
= 0.142
t
i
4 5
C
i
7.75 8.33
y
i
1
7.75
= 0.129
1
8.33
= 0.120
Daprs le cours, la droite de rgression de y en t a pour qua-
tion : y y =
Cov(t, y)
V
t
(t t),
o : t =
1
5
5
i=1
t
i
= 3, y =
1
5
5
i=1
y
i
= 0.140,
Cov(t, y) =
1
5
5
i=1
t
i
y
i
t y = 0.020,
V
t
=
1
5
5
i=1
t
2
i
(t)
2
= 2.
Ainsi, la droite de rgression de y en t a pour quation :
y 0.140 =
0.020
2
(t 3),
cest--dire : y = 0.01 t + 0.17.
On obtient donc :
_
a = 0.01
b = 0.17
.
On a bien : b > 5a > 0.
8.9
a) Les va X
1
, . . . , X
n
tant mutuellement indpendantes
et suivant des lois normales, on sait, daprs le cours que
S
n
= X
1
+ + X
n
suit galement une loi normale
desprance E(S
n
) =
n
k=1
E(X
k
) = nm et de variance
V(S
n
) =
n
k=1
V(X
k
) = n
_
m
5
_
2
=
nm
2
25
.
Donc, la va X
n
=
1
n
S
n
suit aussi une loi normale desprance
E(X
n
) =
1
n
E(S
n
) = m et de variance V(X
n
) =
1
n
2
V(S
n
) =
m
2
25n
.
Enn, la va centre rduite associe X
n
, note X
n
est don-
ne par :
X
n
=
X
n
E(X
n
)
(X
n
)
=
X
n
m
m
5
n
= 5
n
X
n
m
m
.
Alors X
n
suit la loi normale centre rduite.

On obtient ainsi :
dune part :
P(t
X
n
) = (t
) (t
)
= (t
)
_
1 (t
)
_
= 2(t
) 1
= 2
_
1

2
_
1 = 1 ;
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
261
dautre part :
t
X
n
n
X
n
m
m
t
mt
n (X
n
m) mt
m(5
n t
) 5
n X
n
et 5
n X
n
m(5
n + t
n X
n
5
n + t
m
5
n X
n
5
n t
car
_
5
n + t
> 0
5
n t
> 0
.
Donc :
P(t
X
n
) = P
_
5
n X
n
5
n + t
m
5
n X
n
5
n t
_
.
On obtient alors :
P
_
5
n X
n
5
n + t
m
5
n X
n
5
n t
_
= 1 .
Ainsi lintervalle
_
5
n
X
n
5
n + t
; 5
n
X
n
5
n t
_
est un inter-
valle de conance de m au niveau de conance 1 .
b) On a ici : n = 100, une ralisation de X
n
gale 12,
= 0.05, 1

2
= 0.975, et daprs la table de la loi normale
centre rduite, (1.96) = 0.975, donc t
0.05
= 1.96.
Une estimation de lintervalle de conance de m 95% est
alors :
_
5 10 12
5 10 + 1.96
;
5 10 12
5 10 1.96
_
=
_
11.54 ; 12.49
_
.
8.10
a) Notons E lvnement :
La personne est daccord avec larmation A .
Alors, par dnition de p, on a : P(E) = p.
Les vnements E et E forment un systme complet dvne-
ments. Par la formule des probabilits totales :
P(V) = P(E) P
E
(V) + P(E) P
E
(V).
Or, sachant lvnement E, lvnement V est ralis si et
seulement si la personne tire la carte numro 1 ; puisque toutes
les cartes sont quiprobables, on a : P
E
(V) =
1
20
.
De la mme faon, P
E
(V) =
19
20
.
On obtient donc : = p
1
20
+ (1 p)
19
20
=
19
20

9 p
10
.
Do : p =
10
9
_
19
20

_
=
19
18

10
9
.
b) 1) La va S
n
est donc le nombre de ralisations de lvne-
ment V (de probabilit ) obtenues lors de n expriences ind-
pendantes.
Ainsi, la va S
n
suit la loi binomiale de paramtre (n, ).
On a donc : E(S
n
) = n et V(S
n
) = n(1 ).
b) 2) On en dduit : E
_
S
n
n
_
=
E(S
n
)
n
= .
Donc
S
n
n
est un estimateur sans biais de .
De plus : V
_
S
n
n
_
=
V(S
n
)
n
2
=
(1 )
n
.
Soit > 0. Par lingalit de Bienaym-Tchebychev, on a :
0 P
_
S
n
n

_

V(
Sn
n
)
2
=
(1 )
n
2
.
On obtient alors : lim
n
P
_
S
n
n

_
= 0.
On en dduit que
S
n
n
est un estimateur convergent de .
c) 1) Une estimation ponctuelle de est donc la ralisation
de
S
n
n
obtenue, cest--dire :
23
100
= 0.23.
Puisque p =
19
18

10
9
, une estimation ponctuelle de p est
donc :
19
18

10
23
100
9
=
4
5
= 0.8.
c) 2) Daprs le cours, on sait quun intervalle de conance
de au niveau de conance 1 est donn par :
_
S
n
n

t
n
;
S
n
n
+
t
n
_
,
o t
vrie (t
) = 1

2
.
On a ici : n = 100, 1 = 0.95, donc = 0.05 et
1

2
= 0.975, et puisque (1.96) = 0.975, on a t
0.05
= 1.96.
Ainsi, une estimation dun intervalle de conance 95% de
est :
_
0.23
1.96
2
100
; 0.23 +
1.96
2
100
_
=
_
0.132 ; 0.328
_
.
Puisque p =
19
18

10
9
, une estimation dun intervalle de
conance 95% de p est :
_
19
18

10 0.328
9
;
19
18

10 0.132
9
_
=
_
0.691 ; 0.909
_
.
8.11 Pour tout k de 1 ; n, la va Z
k
suit la loi uniforme sur
1 ; N, et donc : E(Z
k
) =
N + 1
2
et V(Z
k
) =
N
2
1
12
.
Puisque les tirages seectuent avec remise, les va Z
1
, . . . , Z
n
sont mutuellement indpendantes.
Donc (Z
1
, . . . , Z
n
) est un n-chantillon indpendant et identi-
quement distribu de la loi uniforme sur 1 ; N.
262
a) 1) Par linarit de lesprance :
E(M
n
) =
1
n
n
k=1
E(Z
k
) =
1
n

_
n
N + 1
2
_
=
N + 1
2
.
On obtient alors : N = 2E(M
n
) 1.
On en dduit que la va T
n
= 2M
n
1 est un estimateur sans
biais de N, puisque E(T
n
) = 2E(M
n
) 1 = N.
a) 2) De plus, par proprit de la variance :
V(T
n
) = V(2M
n
1) = 2
2
V(M
n
) =
4
n
2
V(Z
1
+ + Z
n
)
=
4
n
2
n
k=1
V(Z
k
) par indpendance des va
=
4
n
2
_
n
N
2
1
12
_
=
N
2
1
3n
.
Ainsi, T
n
est un estimateur sans biais de N vriant
V(T
n
)
n
0.
Daprs lexercice 8.2, on en dduit que T
n
est un estimateur
convergent de N.
b) 1) Soit k N. Alors :
P(S
n
k) = P(Z
1
k, . . . , Z
n
k) =
_
P(Z
1
k)
_
n
car les Z
k
sont mutuellement indpendantes, de mme loi.
Or : si k 1 ; N, alors P(Z
1
k) =
k
i=1
P(Z
1
= i) =
k
N
;
cette relation est encore vraie pour k = 0 ;
et si k N + 1, alors P(Z
1
k) = 1.
Ainsi : P(S
n
k) =
_
_
_
k
N
_
n
si 0 k N
1 sinon
.
b) 2) La va Y tant une va nie, Y admet une esprance, et
lon a : E(Y) =
N
k=1
kP(Y = k)
=
N
k=1
k
_
P(Y k) P(Y k + 1)
_
=
N
k=1
kP(Y k)
N
k=1
kP(Y k + 1)
=
N
k=1
kP(Y k)
N+1
k=2
(k 1)P(Y k)
=
_
N
k=1
kP(Y k)
N+1
k=2
kP(Y k)
_
+
N+1
k=2
P(Y k)
=
_
P(Y 1) (N + 1) P(Y N + 1)
.,,.
=0
_
+
_
N
k=2
P(Y k) + P(Y N + 1)
.,,.
=0
_
=
N
k=1
P(Y k).
b) 3) En appliquant le rsultat prcdent S
n
la place de Y,
on a :
E(S
n
) =
N
k=1
P(S
n
k) =
N
k=1
_
1 P(S
n
< k)
_
=
N
k=1
_
1 P(S
n
k 1)
_
=
N
k=1
_
1
_
k 1
N
_
n
_
= N
N1
k=0
_
k
N
_
n
.
Notons u
N
=
1
N
N1
k=0
_
k
N
_
n
. On a, en faisant une comparaison
entre une somme et une intgrale dune fonction croissante :
1
n + 1
=
_
1
0
x
n
dx =
Chasles
N1
k=0
_ k+1
N
k
N
x
n
.,,.
(
k
N
)
n
dx
N1
k=0
__
k
N
_
n
_
k + 1
N

k
N
__
=
N1
k=0
_
k
N
_
n
1
N
= u
N
.
On obtient alors : E(S
n
) = N N u
N
N
N
n + 1
.
b) 4) Puisque S
n
prend ses valeurs dans 1 ; N, en particulier,
on a : E(S
n
) N.
On obtient donc : N
N
n + 1
E(S
n
) N.
Par le thorme dencadrement : E(S
n
)
n
N.
On en dduit que S
n
est un estimateur asymptotiquement sans
biais de N.
8.12
a) Notons S la fonction dnie sur R
3
par : (a, b, c)
R
3
, S (a, b, c) =
7
i=1
_
y
i
(ax
2
i
+ bx
i
+ c)
_
2
.
En dveloppant, on obtient : (a, b, c) R
3
,
S (a, b, c) =
7
i=1
y
2
i
+ a
2
7
i=1
x
4
i
+ b
2
7
i=1
x
2
i
+ c
2
7
i=1
1
2a
7
i=1
x
2
i
y
i
2b
7
i=1
x
i
y
i
2c
7
i=1
y
i
+ 2ab
7
i=1
x
3
i
+ 2ac
7
i=1
x
2
i
+ 2bc
7
i=1
x
i
= 705 + 371a
2
+ 35b
2
+ 7c
2
974a 250b 118c
+ 182ab + 70ac + 14bc.
Soit (a, b) R
2
x. Considrons la fonction
g : R R, c S (a, b, c).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
263
On a : c R, g(c) = 7c
2
+ (70a + 14b 118)c
+ (705 + 371a
2
+ 35b
2
974a 250b + 182ab).
Alors g est drivable sur R et :
c R, g
(c) = 14c + (70a + 14b 118).

Notons =
70a + 14b 118
14
= 5a b +
59
7
.
On en dduit le tableau de variations de g :
c +
g
(c) 0 +
+ +
g(c) ,
Donc g atteint son minimum pour c = .
Ainsi, pour (a, b) x, S (a, b, c) est minimum pour
c = 5a b +
59
7
.
Soit a R x. Considrons maintenant la fonction
h : R R, b S
_
a, b, 5a b +
59
7
_
.
On a, aprs calculs : b R,
h(b) = 28b
2
+ (112a 132)b +
_
196a
2
384a +
1454
7
_
.
Alors h est drivable sur R et :
b R, h
(b) = 56c + (112a 132).

De la mme faon que prcdemment, h atteint son minimum
pour b =
112a 132
56
= 2a +
33
14
.
Ainsi, pour a x, S (a, b, c) est minimum pour
b = 2a +
33
14
et c = 5a b +
59
7
= 3a +
85
14
.
Considrons enn la fonction
i : R R, a S
_
a, 2a +
33
14
, 3a +
85
14
_
.
On a, aprs calculs : a R, i(a) = 84a
2
120a +
365
7
.
Alors i est drivable sur R et :
a R, i
(a) = 168a 120.

Ainsi, i atteint son minimum pour a =
120
168
=
5
7
.
On en dduit que la fonction S atteint son minimum pour :
a =
5
7
, b = 2a +
33
14
=
13
14
, c = 3a +
85
14
=
55
14
.
On conclut que la parabole, qui approche le mieux le nuage de
points au sens des moindres carrs de y en x, a pour quation :
y = f (x) =
5
7
x
2
+
13
14
x +
55
14
.
b)
8.13
a) Soit x R. Alors :
P(Y
k
x) = P(X
k
+ bx) =
_
+bx
f (t) dt.
1
er
cas : si x < 0, alors + bx < (car b > 0),
donc : P(Y
k
x) =
_
+bx
0 dt = 0.
2
e
cas : si x 0, alors + bx (car b > 0),
donc : P(Y
k
x) =
_
+bx
1
b
exp
_
t
b
_
dt
=
_
exp
_
t
b
__
+bx
= e
x
+ 1.
Ainsi, on a : x R, P(Y
k
x) =
_
0 si x < 0
1 e
x
si x 0
.
de paramtre 1. On conclut : Y
k
E (1).
E(Y
n
) =
1
n
n
k=1
E(Y
k
) =
1
n

_
nE(Y
1
)
_
= E(Y
1
) = 1.
On a : x R, P(U
n
> x) = P(Y
1
> x, . . . , Y
n
> x)
=
_
P(Y
1
> x)
_
n
car Y
1
, . . . , Y
n
sont indpendantes et ont mme loi.
Donc : x R, P(U
n
x) = 1 P(U
n
> x)
= 1
_
P(Y
1
> x)
_
n
= 1
_
1 P(Y
1
x)
_
n
=
_
0 si x < 0
1 ( e
x
)
n
si x 0
=
_
0 si x < 0
1 e
nx
si x 0
.
264
de paramtre n. On conclut : U
n
E (n).
En particulier : E(U
n
) =
1
n
.
c) Pour tout k de 1 ; n, on a : X
k
= + bY
k
.
Donc : X
n
=
1
n
_
( + bY
1
) + + ( + bY
n
)
_
=
1
n
_
n + b(Y
1
+ + Y
n
)
_
= + bY
n
.
Et : T
n
= min( + bY
1
, . . . , + bY
n
)
= + b min(Y
1
, . . . , Y
n
) car b > 0
= + bU
n
.
On en dduit :
E(X
n
) = + bE(Y
n
) = + b,
E(T
n
) = + bE(U
n
) = +
b
n
.
d) On a le systme (S ) :
_
_
+ b = E(X
n
)
+
b
n
= E(T
n
)
_
_
1
1
n
_
b = E(X
n
) E(T
n
)
(n 1) = E(X
n
) + nE(T
n
)
_
b =
n
n 1
_
E(X
n
) E(T
n
)
_
=
1
n 1
_
E(X
n
) + nE(T
n
)
_
_
b = E
_
n
n 1
_
X
n
T
n
_
_
= E
_
1
n 1
_
nT
n
X
n
_
_
.
Ainsi, la va

b
n
=
n
n 1
_
X
n
T
n
_
est un estimateur sans biais
de b et la va

n
=
1
n 1
_
nT
n
X
n
_
est un estimateur sans biais
de .
8.14
a) La fonction f est continue sur R sauf ventuellement en 0
et , et f est positive ou nulle sur R.
De plus :
_
+
f (x) dx =
_

0
2
_
1
x
_
dx
=
2
_
x
x
2
2
_
0
=
2
_

2
2
_
= 1.
Soit x [0 ; ]. Alors :
F(x) =
_
x
0
2
_
1
t
_
dt =
2
_
x
x
2
2
_
=
2x

x
2
2
.
Puisque X prend presque srement ses valeurs dans [0 ; ], on
en dduit que F vrie :
x R, F(x) =
_
_
0 si x < 0
2x

x
2
2
si 0 x
1 si x >
.
Puisque X est une va borne, X admet une esprance, une
variance et lon a :
E(X) =
_

0
x f (x) dx =
2
_

0
_
x
x
2
_
dx
=
2
_
x
2
2

x
3
3
_
0
=
2
2
2

2
3
_
=
3
,
E(X
2
) =
_

0
x
2
f (x) dx =
2
_

0
_
x
2
x
3
_
dx
=
2
_
x
3
3

x
4
4
_
0
=
2
3
3

3
4
_
=
2
6
,
donc : V(X) = E(X
2
)
_
E(X)
_
2
=
2
6

_
3
_
2
=
2
18
.
b) Par linarit de lesprance,
E(X
n
) =
1
n
n
k=1
E(X
k
) =
1
n

_
nE(X)
_
= E(X) =
3
.
Ainsi, la va T
n
= 3X
n
Son risque quadratique r
Tn
() est donn par :
r
Tn
() = V(T
n
) +
_
E(T
n
)
_
2
= V(T
n
) = V(3X
n
)
= 9V(X
n
) = 9V
_
1
n
n
k=1
X
k
_
=
9
n
2
V
_
n
k=1
X
k
_
=
9
n
2
n
k=1
V(X
k
) par indpendance des va X
1
, . . . , X
n
=
9
n
2

_
nV(X)
_
=
9
n
2

n
2
18
=
2
2n
.
c) 1) La fonction de rpartition F
n
de M
n
vrie :
x R, F
n
(x) = P(M
n
x) = P(X
1
x, . . . , X
n
x)
= P(X
1
x) P(X
n
=
_
P(X x)
_
n
=
_
F(x)
_
n
.
1
0 et , il en est de mme, par produit, pour la fonction F
n
.
Ainsi, M
n
n
est donne
par : x R, f
n
(x) = nf (x)
_
F(x)
_
n1
=
_
_
n
_
2
_
n
_
x
x
2
2
_
n1
_
1
x
_
si 0 x
0 sinon
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
265
c) 2) E(M
n
) =
_

0
n
_
2
_
n
x
_
x
x
2
2
_
n1
_
1
x
_
dx
= 2n
_

0
_
x
_
n
_
2
x
_
n1
_
1
x
_
dx
=
t=1x/
2n
_
0
1
(1 t)
n
(1 + t)
n1
t() dt
= 2n
_
1
0
(1 t)t(1 t
2
)
n1
dt.
Eectuons une IPP en posant :
_
u(t) = 1 t
v
(t) = t(1 t
2
)
n1
,
_
_
u
(t) = 1
v(t) =
1
2n
(1 t
2
)
n
do : E(M
n
) = 2n
__
1 t
2n
(1 t
2
)
n
_
1
0

1
2n
_
1
0
(1 t
2
)
n
dt
_
= 2n
_
1
2n

1
2n
I
n
_
= (1 I
n
).
Puisque I
n

n
_

4n
, on a lim
n
I
n
= 0.
Donc : lim
E(M
n
) = .
On en dduit que M
n
biais de .
c) 3) Par un calcul analogue au prcdent, on obtient :
E(M
2
n
) =
_

0
n
_
2
_
n
x
2
_
x
x
2
2
_
n1
_
1
x
_
dx
= 2n
_

0
_
x
_
n+1
_
2
x
_
n1
_
1
x
_
dx
=
t=1x/
2n
_
0
1
(1 t)
n+1
(1 + t)
n1
t() dt
=
2
_
1
0
_
(1 t)
2
__
2nt(1 t
2
)
n1
_
dt
=
2
_
_
(1 t)
2
(1 t
2
)
n
_
1
0

_
1
0
2(1 t)(1 t
2
)
n
dt
_
=
2
_
1 2
_
1
0
(1 t
2
)
n
dt
_
(1 t
2
)
n+1
n + 1
_
1
0
_
=
2
_
1 2I
n
+
1
n + 1
_
.
Donc : V(M
n
) = E(M
2
n
)
_
E(M
n
)
_
2
=
2
_
1 2I
n
+
1
n + 1
_
_
(1 I
n
)
_
2
=
2
_
1
n + 1
I
2
n
_
.
Le risque quadratique r
Mn
() de M
n
est donn par :
r
Mn
() = V(M
n
) +
_
E(M
n
)
_
2
=
2
_
1
n + 1
I
2
n
_
+
_
(1 I
n
) )
2
=
2
n + 1
.
c) 4) Puisque n + 1 < 2n, on a r
Mn
() > r
Tn
().
De plus, lestimateur M
n
est biais, alors que T
n
est sans biais.
Lestimateur T
n
est donc prfrable M
n
.
d) Puisque E(M
n
) = (1 I
n
), M
n
=
1
1 I
n
M
n
est un estima-
teur sans biais de .
M
n
() est donn par :
r
M
n
() = V(M
n
) +
_
E(M
n
)
_
2
.,,.
=0
= V(M
n
)
=
1
(1 I
n
)
2
V(M
n
) =
2
(1 I
n
)
2
_
1
n + 1
I
2
n
_
.
On a alors :
r
M
n
()
r
Tn
()
=
2n
(1 I
n
)
2
_
1
n + 1
I
2
n
_
.
Puisque lim
n
I
n
= 0, on a :
2n
(1 I
n
)
2

n
2n.
De plus :
1
n + 1
I
2
n
=
1
n + 1

4n
+ o
n
_
1
n
_
=
1
n

4n
+ o
n
_
1
n
_
.
Donc :
1
n + 1
I
2
n

n
4
n
.
On obtient :
r
M
n
()
r
Tn
()

n
2(4 ) et donc :
r
M
n
()
r
Tn
()

n
2(4 ).
Puisque 2(4 ) > 1, on en dduit que, pour n susamment
grand, r
M
n
() > r
Tn
().
Les deux estimateurs T
n
et M
n
tant sans biais, lorsque n est
grand, il est donc prfrable de choisir lestimateur T
n
.
8.15
a) 1) Soit i 1 ; n.
La va Y
i
suit la loi de Bernoulli de paramtre p, avec :
p = P(Y
i
= 1) = P(X
i
= 0) = e
0
0!
= e
.
E(Y
i
) = e
et V(Y
i
) = e
(1 e
).
Par linarit de lesprance,
E(Y
n
) =
1
n
n
k=1
E(Y
k
) =
1
n

_
nE(Y
1
)
_
= E(Y
1
) = e
.
Ainsi, la va Y
n
.
266
a) 2) On a : V(Y
n
) =
1
n
2
V
_
n
k=1
Y
k
_
=
1
n
2
n
k=1
V(Y
k
=
1
n
2

_
nV(Y
1
)
_
=
V(Y
1
)
n
=
e
(1 e
)
n
.
Ainsi, Y
n
et sa variance
V(Y
n
) tend vers 0 lorsque n tend vers +.
En utilisant lexercice 8.2, on en dduit que Y
n
est un estimateur
convergent de e
.
b) Soit j N. Alors :
( j) = P
(Sn=j)
(X
1
= 0) =
P(X
1
= 0, S
n
= j)
P(S
n
= j)
=
P(X
1
= 0, X
1
+ X
2
+ + X
n
= j)
P(S
n
= j)
=
P(X
1
= 0, X
2
+ + X
n
= j)
P(S
n
= j)
=
P(X
1
= 0) P(X
2
+ + X
n
= j)
P(S
n
= j)
car les va X
1
et X
2
+ + X
n
sont indpendantes.
Puisque les va X
1
, . . . , X
n
et suivent une loi de Poisson, on sait, daprs le cours, que
S
n
= X
1
+ + X
n
suit la loi de Poisson de paramtre n.
De mme, la va X
2
+ +X
n
suit la loi de Poisson de paramtre
(n 1).
On a alors : ( j) =
e

0
0!
e
(n1)
_
(n1)
_
j
j!
e
n
(n)
j
j!
=
(n 1)
j
n
j
=
_
n 1
n
_
j
.
Remarque : Cette probabilit est indpendante de .
c) 1) La va (S
n
) =
_
n 1
n
_
Sn
est indpendante de et ne d-
pend que du n-chantillon (X
1
. . . , X
n
), donc (S
n
) est un esti-
mateur.
Par le thorme de transfert, on a :
E
_
(S
n
)
_
=
+
k=0
(k)P(S
n
= k) =
+
k=0
_
n 1
n
_
k
e
n
(n)
k
k!
= e
n
+
k=0
_
(n 1)
_
k
k!
= e
n
e
(n1)
= e
.
Ainsi, la va (S
n
) est un estimateur sans biais de e
.
c) 2) Par le mme raisonnement,
E
_
(S
n
)
2
_
=
+
k=0
(k)
2
P(S
n
= k) =
+
k=0
_
n 1
n
_
2k
e
n
(n)
k
k!
= e
n
+
k=0
_
(n1)
2
n
_
k
k!
= e
n
e
(n1)
2
n
= e
n
e
(n2+
1
n
)
= e
(2+
1
n
)
.
Donc : V
_
(S
n
)
_
= E
_
(S
n
)
2
_
_
E
_
(S
n
)
__
2
= e
(2+
1
n
)
_
e
_
2
= e
2
_
e

n
1
_
.
On a, en particulier : V
_
(S
n
)
_

n
0.
Toujours en utilisant lexercice 8.2, on en dduit que (S
n
) est
un estimateur convergent de e
.
d) Notons respectivement r
n
() et
n
() les risques quadratiques
de Y
n
et (S
n
).
Puisque les deux estimateurs sont sans biais, on a :
r
n
() = V(Y
n
) =
e
(1 e
)
n
,
n
() = V
_
(S
n
)
_
= e
2
_
e

n
1
_
.
On a alors : r
n
()
n
() = e
2
_
e
1
n
e

n
+ 1
_
.
Considrons h : R
+
R, x
e
x
1
n
e
x
n
+ 1.
Alors h est drivable sur R
+
, et, pour tout x de R
+
,
h
(x) =
e
x
n

e
x
n
n
=
1
n
_
e
x
e
x
n
_
0.
car x
x
n
(n 1) et exp est croissante sur R.
Donc h est croissante sur R
+
.
Puisque h(0) = 0, on en dduit : x R
+
, h(x) 0.
On obtient : r
n
()
n
() 0 et donc : r
n
()
n
().
On en dduit que (S
n
) est un meilleur estimateur que Y
n
.
8.16
a) Par linarit de lesprance,
E(X
n
) =
1
n
n
i=1
E(X
i
) =
1
n

_
nE(X)
_
= E(X) = .
Ainsi, la va X
n
Xn
() est donn par :
r
Xn
() = V(X
n
) +
_
E(X
n
)
.,,.
=0
_
2
= V(X
n
)
=
1
n
2
V
_
n
i=1
X
i
_
=
1
n
2
n
i=1
V(X
i
)
=
1
n
2

_
nV(X)
_
=
V(X)
n
=
1
n
.
b) Lestimateur Y
n
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
267
E(Y
n
) =
n
i=1
i
E(X
i
) =
i=1
i
=
n
i=1
i
= 1.
c) On a : Cov(X
n
, Y
n
) = Cov
_
1
n
n
i=1
X
i
,
n
j=1
j
X
j
_
=
1
n
n
i=1
n
j=1
j
Cov(X
i
, X
j
), par proprit de la covariance.
Or, puisque les va X
1
, . . . , X
n
on a :
(i, j) 1 ; n
2
, Cov(X
i
, X
j
) =
_
0 si i j
V(X
i
) si i = j
.
Ainsi : Cov(X
n
, Y
n
) =
1
n
n
i=1
i
V(X
i
)
.,,.
=1
=
1
n
n
i=1
i
.,,.
=1
=
1
n
.
On a donc : Cov(X
n
, Y
n
) = V(X
n
).
On en dduit :
V(Y
n
X
n
) = V(Y
n
) + V(X
n
) 2 Cov(X
n
, Y
n
)
= V(Y
n
) + V(X
n
) 2V(X
n
) = V(Y
n
) V(X
n
).
Puisquune variance est toujours positive ou nulle, on obtient :
V(Y
n
) V(X
n
) 0, et donc : V(X
n
) V(Y
n
).
Enn, daprs lgalit prcdente :
V(X
n
) = V(Y
n
) V(Y
n
X
n
) = 0.
Or : V(Y
n
X
n
) = V
_
n
i=1
_
i

1
n
_
X
i
_
=
n
i=1
_
i

1
n
_
2
V(X
i
=
n
i=1
_
i

1
n
_
2
.
On obtient alors : V(X
n
) = V(Y
n
)
n
i=1
_
i

1
n
_
2
.,,.
0
= 0
_
i 1 ; n,
i
=
1
n
_
Y
n
= X
n
.
d) Pour tout estimateur sans biais, le risque quadratique est gal
la variance.
On vient donc de montrer que tous les estimateurs non biai-
ss de , qui sont combinaisons linaires des X
i
, ont un risque
quadratique suprieur ou gal
1
n
, et que le seul estimateur de
risque quadratique gal
1
n
est X
n
.
8.17
a) 1) Pour tout k de 1 ; n, la va X
k
suit la loi gomtrique de
paramtre
m
N
; en particulier,
E(X
k
) =
1
m
N
=
N
m
et V(X
k
) =
1
m
N
(
m
N
)
2
=
N(N m)
m
2
.
Par linarit de lesprance,
E(X
n
) =
1
n
n
k=1
E(X
k
) =
1
n

_
nE(X
1
)
_
= E(X
1
) =
N
m
.
Par indpendance des va X
1
, . . . , X
n
,
V(X
n
) =
1
n
2
n
i=1
V(X
i
) =
1
n
2

_
nV(X
1
)
_
=
V(X
1
)
n
=
N(N m)
n m
2
.
a) 2) Notons

N
n
= m X
n
.
Dune part : E(
N
n
) = mE(X
n
) = m
N
m
= N,
donc

N
n
est un estimateur sans biais de N.
Dautre part :
V(
N
n
) = m
2
V(X
n
) = m
2
N(N m)
n m
2
=
N(N m)
n

n
0,
donc, daprs lexercice 8.2,

N
n
est un estimateur convergent.
a) 3) Notons S
n
= X
1
+ + X
n
= nX
n
et S
n
la va centre
rduite associe S
n
. Alors :
S
n
=
S
n
E(S
n
)
V(S
n
)
=
nX
n
E(nX
n
)
_
V(nX
n
)
=
nX
n
nE(X
n
)
n
_
V(X
n
)
=
X
n
E(X
n
)
_
V(X
n
)
=
X
n

N
m
_
N(Nm)
n m
2
=
n m(X
n

N
m
)
N(N m)
=
n m X
n

n N
N(N m)
= N
n
.
Les va X
k
n
)
n1
,
cest--dire la suite (N
n
)
n1
, converge en loi vers une va qui suit
la loi normale N(0, 1).
a) 4) Notons la fonction de rpartition de la loi normale cen-
tre rduite et t
le rel tel que (t
) = 1

2
.
Pour n susamment grand, on peut considrer que la va N
n
suit
la loi normale centre rduite. On a alors :
268
On a alors : P
_
N
n
t
_
= P
_
t
N
n
t
_
= (t
) (t
) = (t
)
_
1 (t
)
_
= 2(t
) 1 = 1 .
Or : N
n
t
n m X
n

n N
N(N m)
t
N(N m)

n m X
n

n N t
N(N m).
De plus :

N(N m)
N
2
= N.
Donc : N
n
t
= t
N

n m X
n

n N t
N
(
n t
)N

n m X
n
(
n + t
)N
n mX
n
n + t
n mX
n
n t
.
On a alors :
P
_

n mX
n
n + t
n mX
n
n t
_
P
_
N
n
t
_
= 1 .
Ainsi lintervalle
_

n mX
n
n + t
n mX
n
n t
_
est un intervalle de
conance de N, au niveau de conance (suprieur ou gal )
1 .
a) 5) On a ici : m = 800, n = 200 et une ralisation de X
n
gale
1000
200
= 5.
Pour = 0.05, on a 1

2
t
0.05
= 1.96.
Une estimation dun intervalle de conance de N 95% est :
_

200 800 5
200 + 1.96
;
200 800 5
200 1.96
_
=
_
3513 ; 4644
_
.
b) 1) La va Y
n
suit la loi binomiale de paramtre
_
n,
m
N
_
;
en particulier, E(Y
n
) = n
m
N
=
n m
N
et V(Y
n
) = n
m
N

_
1
m
N
_
=
n m(N m)
N
2
.
b) 2) On a : E
_
Y
n
n m
_
=
E(Y
n
)
n m
=
1
n m

n m
N
=
1
N
.
Donc
Y
n
n m
1
N
.
On a : P(Y
n
= 0) =
_
1
m
N
_
n
> 0.
Ainsi la va Y
n
sannule avec une probabilit non nulle. On ne
peut donc pas dnir la va
n m
Y
n
.
b) 3) Par le thorme de transfert, on a :
E
_
1
Y
n
+ 1
_
=
n
k=0
1
k + 1
P(Y
n
= k)
=
n
k=0
1
k + 1
_
n
k
_
_
m
N
_
k
_
1
m
N
_
nk
.
Or : k 0 ; n,
1
k + 1
_
n
k
_
=
1
n + 1
_
n + 1
k + 1
_
.
Donc : E
_
1
Y
n
+ 1
_
=
1
n + 1
n
k=0
_
n + 1
k + 1
_
_
m
N
_
k
_
1
m
N
_
nk
=
1
n + 1
n+1
k=1
_
n + 1
k
_
_
m
N
_
k1
_
1
m
N
_
n(k1)
=
1
n + 1
N
m
__
n+1
k=0
_
n + 1
k
_
_
m
N
_
k
_
1
m
N
_
n+1k
_
_
1
m
N
_
n+1
_
=
1
n + 1
N
m
__
m
N
+ 1
m
N
_
n+1
_
1
m
N
_
n+1
_
=
1
n + 1
N
m
_
1
_
1
m
N
_
n+1
_
.
Notons T
n
=
(n + 1)m
Y
n
+ 1
. On a alors :
E(T
n
) = N
_
1
_
1
m
N
_
n+1
_

n
N,
car
m
N
]0 ; 1[, donc 1
m
N
]0 ; 1[ et
_
1
m
N
_
n+1
n
0.
On en dduit que T
n
biais de N.
b) 4) Le rel p dsigne la proportion dindividus marqus sur
lle. Alors p =
m
N
.
De plus, la va
Y
n
n
reprsente la proportion dindividus marqus
parmi les n individus capturs.
En conservant les notations de la question a) 4), daprs le
cours, lintervalle
_
Y
n
n

t
n
;
Y
n
n
+
t
n
_
est un intervalle
de conance de p au niveau de conance 1 .
b) 5) On a ici : m = 800, n = 1000 et une ralisation de Y
n
gale 200.
Pour = 0.05, on a 1

2
t
0.05
= 1.96.
Une estimation dun intervalle de conance de p 95% est :
_
200
1000

1.96
2
1000
;
200
1000
+
1.96
2
1000
_
=
_
0.169 ; 0.231
_
.
Puisque N =
m
p
, une estimation dun intervalle de conance
de N 95% est :
_
800
0.231
;
800
0.169
_
=
_
3463 ; 4734
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
269
8.18
a) Puisque les va X
1
, . . . , X
n
de loi exponentielle de paramtre , on sait, daprs le cours,
que la va S
n
suit la loi
_
1
, n
_
.
Une densit f
n
de S
n
est donc donne par :
x R, f
n
(x) =
_
n
(n 1)!
x
n1
e
x
si x 0
0 si x < 0
.
b) Par le thorme de transfert,

n
admet une esprance si
et seulement si lintgrale
_
+
n
x
f
n
(x) dx =
_
+
0
n
x
f
n
(x) dx
converge absolument.
Pour tout X > 0,
_
X
0
n
x
f
n
(x)
dx =
_
X
0
n
x
f
n
(x) dx
=
_
X
0
n
n
(n 1)!
x
n2
e
x
dx =
u=x
n
(n 1)!
_
X
0
u
n2
e
u
du
X
n
(n 1)!
(n 1) =
n
(n 1)!
(n 2)! =
n
n 1
.
On en dduit que

n
admet une esprance et E(
n
) =
n
n 1
.
De la mme faon, on montre que

n
admet un moment
dordre 2 et E(
n
2
) =
n
2
2
(n 1)!
(n 2) =
n
2
2
(n 1)(n 2)
.
Donc

n
admet une variance et
V(
n
) = E(
n
2
)
_
E(
n
_
2
=
n
2
2
(n 1)(n 2)

_
n
n 1
_
2
=
n
2
2
(n 1)
2
(n 2)
_
(n 1) (n 2)
_
=
n
2
2
(n 1)
2
(n 2)
.
c) Puisque E(
n
) , lestimateur

n
est biais.
Mais, E(
n
) =
n
n 1

n
, donc lestimateur

n
est asympto-
tiquement sans biais.
Enn, puisque V(
n
) =
n
2
2
(n 1)
2
(n 2)

n
0, daprs lexer-
cice 8.2, lestimateur

n
est convergent.
d) 1) Notons S
n
la va centre rduite associe S
n
.
Puisque S
n

_
1
; n
_
, alors E(S
n
) =
n
et V(S
n
) =
n
2
.
Ainsi : S
n
=
S
n

n
_
n
2
=
S
n

n
n
=
S
n
n

n = N
n
.
Les va X
k
n
)
n1
cest--dire la suite (N
n
)
n1
, converge en loi vers une va N telle
que N N (0, 1).
d) 2) Pour n susamment grand, on peut considrer que la
va N
n
suit la loi normale centre rduite. On a alors :
P
_
N
n
t
_
= P
_
t
N
n
t
_
= (t
) (t
) = (t
)
_
1 (t
)
_
= 2(t
) 1 = 1 .
Or : N
n
t

S
n
n

n t
_
n t
_

n
S
n

_
n + t
_

n
S
n
_
1
t
n
_
n

_
1 +
t
n
_
n
.
On obtient alors :
P
_
_
1
t
n
_
n

_
1 +
t
n
_
n
_
= 1 .
On en dduit que lintervalle
__
1
t
n
_
n
;
_
1 +
t
n
_
n
_
est un
intervalle de conance de au niveau de conance 1 , et
donc au risque .
e) 1) La fonction est continue sur R, strictement crois-
sante sur R. Elle ralise donc une bijection de R sur
(R) =] lim
; lim
+
[=]0 ; 1[.
Ainsi, la fonction
1
existe et est dnie sur ]0 ; 1[.
e) 2) La longueur de lintervalle de conance au risque est
gale
2 t
n
.
Donc celle de lintervalle de conance au risque
est gale
2 t
n
. Cet intervalle est alors lintervalle
I
n
=
__
1
t
n
_
n
;
_
1 +
t
n
_
n
_
.
En eectuant les mmes calculs que prcdemment :
P
_
I
n
_
= P
_
N
n

t
k
_
= 2
_
t
k
_
1.
On obtient donc :
1 = 2
_
t
k
_
1 = 2 2
_
t
k
_
.
Montrons que 1
_
t
k
_
=
_
1
k
1
_
2
_
_
.
On a : 1
_
t
k
_
=
_
k
_
=
_
1
k
(t
)
_
.
De plus : (t
) = 1 (t
) = 1
_
1

2
_
=
2
.
Donc : t
=
1
_
2
_
.
On obtient donc : 1
_
t
k
_
=
_
1
k
1
_
2
_
_
.
270
On en dduit : = 2
_
1
k
1
_
2
_
_
.
Puisque
1
est strictement croissante sur ]0 ; 1[ (car est
strictement croissante sur R, de limite 0 en et de limite 1
en +) et que

2
<
1
2
, on a :
1
_
2
_
<
1
_ 1
2
_
= 0.
De plus, k > 1. On a alors :
1
k
1
_
2
_
>
1
_
2
_
.
Enn, puisque est strictement croissante sur R, on a :
_
1
k
1
_
2
_
_
>
_
1
_
2
_
_
=
2
.
On en dduit, en multipliant par 2 : > .
Ce rsultat est prvisible car, plus lintervalle de conance est
troit, plus le niveau de conance est faible et donc le risque
grand.
8.19
a) La fonction f est continue sur R sauf en 1, positive ou nulle
sur R.
De plus : X > 1,
_
X
1
f (x) dx =
_
X
1
ax
a1
dx
=
_
x
a
_
X
1
= X
a
+ 1
X+
1.
Ainsi lintgrale
_
+
f (x) dx =
_
+
1
f (x) dx converge et
vaut 1.
b) 1) On a : (x
1
, . . . , x
n
, a) R
n
R
+
,
sil existe i 1 ; n tel que x
i
< 1 alors :
L(x
1
, . . . , x
n
, a) = 0 ;
sinon : L(x
1
, . . . , x
n
, a) =
n
_
k=1
a
x
a+1
k
=
a
n
(x
1
x
n
)
a+1
.
b) 2) On a alors : a R
+
, h(a) =
a
n
(x
1
x
n
)
a+1
et
g(a) = ln
_
h(a)
_
= n ln(a) (a + 1) ln(x
1
x
n
)
= n ln(a) (a + 1)
n
k=1
ln(x
k
).
La fonction g est drivable sur R
+
et :
a R
+
, g
(a) =
n
a

n
k=1
ln(x
k
).
Notons a =
n
n
k=1
ln(x
k
)
. On obtient le tableau de variations de g
suivant :
a 0 a +
g
(a) + 0
g(a) ,
On en dduit que g est croissante sur ]0 ;a] et est dcroissante
sur [a ; +[.
En composant par la fonction exp qui est strictement croissante
sur R, on en dduit que la fonction h a les mmes variations
que g.
Et ainsi, h atteint son maximum ena.
c) Soit k 1 ; n. Puisque X
k
prend presque srement ses
valeurs dans [1 ; +[ (car f est nulle en dehors de [1 ; +[), la
va ln(X
k
) prend presque srement ses valeurs dans [0 ; +[.
De plus : x [0 ; +[, P
_
ln(X
k
) x
_
= P(X
k
e
x
)
=
_
e
x
1
a
t
a+1
dt =
_
1
t
a
_
e
x
1
=
1
( e
x
)
a
+ 1 = 1 e
ax
.
Ainsi, la fonction de rpartition G de ln(X
k
) vrie :
x R, G(x) =
_
1 e
ax
si x 0
0 si x < 0
.
On reconnat la fonction de rpartition dune loi exponentielle
de paramtre a.
On conclut : ln(X
k
) E (a).
Puisque les va ln(X
1
), . . . , ln(X
n
) sont mutuellement indpen-
dantes et suivent la loi E (a), daprs le cours, on sait que S
n
suit la loi
_
1
a
, n
_
.
Une densit f
n
de S
n
est donne par :
x R, f
n
(x) =
_
_
a
n
(n 1)!
x
n1
e
ax
si x 0
0 si x < 0
.
d) Puisque a =
n
n
k=1
ln(x
k
)
, on a : T
n
=
n
n
k=1
ln(X
k
)
=
n
S
n
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
271
Par le thorme de transfert, on a :
T
n
admet une esprance
lintgrale
_
+
n
x
f
n
(x) dx =
_
+
0
n
x
f
n
(x) dx converge
absolument
lintgrale
_
+
0
n
x
f
n
(x) dx converge (car lintgrande est
positive ou nulle).
On a : X > 0,
_
X
0
n
x
f
n
(x) dx
=
_
X
0
na
n
(n 1)!
x
n2
e
ax
dx =
u=ax
n a
(n 1)!
_
aX
0
u
n2
e
u
du
X
na
(n 1)!
(n 1) =
na
(n 1)!
(n 2)! =
na
n 1
.
On en dduit que T
n
admet une esprance et E(T
n
) =
n a
n 1
.
De la mme faon, on montre que T
n
admet un moment
dordre 2 et E(T
2
n
) =
n
2
a
2
(n 1)!
(n 2) =
n
2
a
2
(n 1)(n 2)
.
Donc T
n
V(T
n
) = E(T
2
n
)
_
E(T
n
_
2
=
n
2
a
2
(n 1)(n 2)

_
n a
n 1
_
2
=
n
2
a
2
(n 1)
2
(n 2)
_
(n 1) (n 2)
_
=
n
2
a
2
(n 1)
2
(n 2)
.
e) On a : E(T
n
) =
n a
n 1

n
a. Donc T
n
est un estimateur
asymptotiquement sans biais de a.
De plus, V(T
n
) =
n
2
a
2
(n 1)
2
(n 2)

n
0.
Daprs lexercice 8.2, T
n
est un estimateur convergent de a.
8.20
a) Notons g : R
n
R, (x
1
, . . . , x
n
)
n
i=1
x
i
et C =
_
(x
1
, . . . , x
n
) R
n
; g(x
1
, . . . , x
n
) = 1
_
.
Soit A = (a
1
, . . . , a
n
) C.
Si f possde un extremum sous la contrainte C en A, alors
f (A) est colinaire g = (1, . . . , 1).
Or : f (A) = (2a
1
, . . . , 2a
n
).
On en dduit que a
1
= = a
n
; et puisque A C, on a
n
i=1
a
i
= 1, donc : a
1
= = a
n
=
1
n
.
On conclut que, si f possde un extremum sous la contrainte C
en un point A, alors A =
_
1
n
, . . . ,
1
n
_
.
Notons A =
_
1
n
, . . . ,
1
n
_
.
Soit H = (h
1
, . . . , h
n
) R
n
tel que A + H C.
Alors : f (A + H) f (A) =
n
i=1
_
1
n
+ h
i
_
2
i=1
_
1
n
_
2
=
2
n
n
i=1
h
i
+
n
i=1
h
2
i
.
Puisque A + H =
_
1
n
+ h
1
, . . . ,
1
n
+ h
n
_
C,
on a :
n
i=1
_
1
n
+ h
i
_
= 1 +
n
i=1
h
i
= 1 ; do :
n
i=1
h
i
= 0.
Donc : f (A + H) f (A) =
n
i=1
h
2
i
0.
On en dduit que la fonction f possde en A un minimum glo-
bal sous la contrainte C.
b) Soit (
1
, . . . ,
n
) R
n
.
Considrons lestimateur T
n
=
n
i=1
i
X
i
.
On cherche dterminer T
n
tel que :
E(T
n
) = et V(T
n
) est minimale.
On a : E(T
n
) =
n
i=1
i
E(X
i
)
.,,.
=
=
n
i=1
i
,
donc : E(T
n
) =
n
i=1
i
= 1.
De plus, par indpendance des va X
i
,
V(T
n
) =
n
i=1
V(
i
X
i
) =
n
i=1
2
i
V(X
i
)
.,,.
=
=
n
i=1
2
i
.
Il sagit donc de minimiser (
1
, . . . ,
n
)
n
i=1
2
i
sous la
contrainte
n
i=1
i
= 1.
Daprs a), le problme admet une unique solution :
_
1
n
, . . . ,
1
n
_
.
On en dduit quil existe un unique estimateur sans biais, de
variance minimale ; il sagit de T
n
=
n
i=1
1
n
X
i
=
1
n
n
i=1
X
i
.
Cet estimateur tant non biais, sa variance est gale son
risque quadratique. Ainsi lestimateur T
n
est non biais, et de
risque quadratique minimal.
Remarque : Lestimateur T
n
correspond la moyenne empi-
rique.
272
8.21
a) Notons F
X
la fonction de rpartition de X et f
X
la densit de
X dnie par :
x R, f
X
(x) =
1
2
e
x
2
/2
2
.
Soit t R. On a : P(T t) = P(X
2
2
2
t).
1
er
cas : Si t < 0, alors P(T t) = 0.
2
e
cas : Si t 0, alors
P(T t) = P(
2t X
2t)
= F
X
(
2t) F
X
(
2t)
= F
X
(
2t)
_
1 F
X
(
2t)
_
car f est paire
= 2F
X
(
2t) 1.
T
de T vrie :
t R, F
T
(t) =
_
0 si t < 0
2F
X
(
2t) 1 si t 0
.
Puisque F
X
est C
1
sur R, la fonction F
T
est C
1
sur R
+
; ainsi F
T
est C
1
De plus : lim
0
+
F
T
= 2F
X
(0) 1 = 2
1
2
1 = 0, lim
0
F
T
= 0 et
F
T
(0) = 2F
X
(0) 1 = 0.
Ainsi F
T
est continue en 0 donc sur R.
On en dduit que T est une va densit, dont une densit f
T
est
donne par :
t R, f
T
(t) =
_
_
0 si t 0
2
2t
f
X
(
2t) si t > 0
=
_
_
0 si t 0
2
4 t
e
(
2t)
2
/2
2
si t > 0
=
_
_
0 si t 0
1
t
1/2
e
t
si t > 0
.
Puisque
_
1
2
_
=
, on obtient : T
_
1
2
_
.
b) 1) Notons, pour tout i de 1 ; n, T
i
=
X
2
i
2
2
.
Alors les va T
1
, . . . , T
n
sont mutuellement indpendantes et sui-
vant la loi
_
1
2
_
. De plus : S
n
=
n
i=1
T
i
.
Daprs le cours, on a : S
n

_
n
2
_
.
Une densit f
n
de S
n
x R, f
n
(x) =
_
_
0 si x < 0
1
_
n
2
_ x
n
2
1
e
x
si x 0
.
La va Y
n
dpend uniquement du n-chantillon (X
1
, . . . , X
n
).
Donc Y
n
est un estimateur.
De plus, on sait alors que E(S
n
) =
n
2
et puisque Y
n
=
2
2
n
S
n
,
on obtient : E(Y
n
) =
2
.
On en dduit que Y
n
2
.
b) 2) Puisque

Y
n
=
_
2S
n
n
, daprs le thorme de trans-
fert, on a :
Y
n
admet une esprance
lintgrale
_
+
_
2x
n
f
n
(x) dx =
_
+
0
_
2x
n
f
n
(x) dx
converge absolument
lintgrale
_
+
0
_
2x
n
f
n
(x) dx converge (car lint-
grande est positive ou nulle).
On a : X > 0,
_
X
0
_
2x
n
f
n
(x) dx =
(
n
2
)
_
2
n
_
X
0
x
n1
2
e
x
dx
X+
(
n
2
)
_
2
n
_
n 1
2
+ 1
_
=
(
n
2
)
_
2
n
_
n + 1
2
_
.
Ainsi

Y
n
admet une esprance et
E(
Y
n
) =
_
2
n
(
n+1
2
)
(
n
2
)
.
b) 3) On en dduit que
n
=
_
n
2
(
n
2
)
(
n+1
2
)
Y
n
est un estimateur
sans biais de .
c) 1) Puisque
n
2
=
n
2
_
(
n
2
)
(
n+1
2
)
_
2
Y
n
et que Y
n
admet une esp-
rance, la va
n
2
admet un moment dordre 2 et
E(
n
2
) =
n
2
_
(
n
2
)
(
n+1
2
)
_
2
E(Y
n
) =
n
2
_
(
n
2
)
(
n+1
2
)
_
2
2
.
Ainsi
n
2
V(
n
) = E(
n
2
)
_
E(
n
)
_
2
=
2
_
n
2
_
(
n
2
)
(
n+1
2
)
_
2
1
_
.
c) 2) Dterminons la limite de V(
n
) lorsque n tend vers +.
Distinguons deux cas :
1
er
cas : si n est pair, n = 2p, alors
(
n
2
)
(
n+1
2
)
=
(p)
(p +
1
2
)
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
273
or : (p) = (p 1)! et daprs lnonc :
_
p +
1
2
_

p
p
1
2
(p 1)!
donc :
(
n
2
)
(
n+1
2
)

n
1
p
, et :
n
2
_
(
n
2
)
(
n+1
2
)
_
2
n
n
2

1
p
= 1.
2
e
cas : si n est impair, n = 2p + 1, alors
(
n
2
)
(
n+1
2
)
=
(p +
1
2
)
(p + 1)

p
p
1
2
(p 1)!
p!
=
1
p
donc :
n
2
_
(
n
2
)
(
n+1
2
)
_
2
n
n
2

1
p

n
2p
2p
= 1.
Ainsi en groupant les deux cas, on a :
n
2
_
(
n
2
)
(
n+1
2
)
_
2
n
1.
On en dduit que V(
n
)
n
0, et en utilisant lexercice 8.2, on
conclut que
n
est un estimateur convergent de .
274
Table de la loi normale centre rduite
Par dnition, la fonction de rpartition de la loi normale centre rduite, note , est donne par :
: R R, x (x) =
1
2
_
x
t
2
2
dt =
_
x
f (t) dt,
o f : R R, t
1
2
e
t
2
2
.
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 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.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
275
Algorithmique CHAPITRE
9
9
Plan
Calculs de sommes et de produits
Calcul des termes dune suite rcurrente du type u
n+1
= f (u
n
)
Calcul dune valeur approche de la limite dune suite convergente et de la
somme dune srie convergente
Calcul dune valeur approche de la solution dune quation du type f (x) = 0
Calcul dune valeur approche dune intgrale
Simulations de variables alatoires discrtes et de variables alatoires densit
Manipulation de variables de type array[1..n] of integer ou de type
array[1..n] of real.

va.
Utilisation de linstruction conditionnelle if...then (...else), utilisation
de la boucle for...do, utilisation des boucles conditionnelles while...do,
repeat...until
criture et utilisation de procdures et de fonctions
criture et utilisation de procdures et de fonctions rcursives
Utilisation des instructions random et random(n) pour simuler des variables
alatoires suivant une loi uniforme discrte, une loi de Bernoulli, une loi bino-
miale, une loi gomtrique, une loi uniforme densit
Recherche de la valeur et dun rang des extremums dun tableau
Recherche dichotomique dun lment dans une liste ordonne.
Les mthodes retenir
Pour calculer
une somme de rels S
n
=
n
k=1
a
k
On dnit une variable S, que lon initialise 0, et laquelle on ajoute
successivement les rels a
1
, puis a
2
, ..., puis a
n
.
Pour cela, on utilise une boucle for...do.
276
Les mthodes retenir
(suite)
La squence dinstructions est donc :
S:=0;
for k:=1 to n do S:=S+{a
k
} ;
writeln(La somme est gale ,S);
la n de chaque boucle k, la variable S contient la valeur de
k
i=1
a
i
.
Exercices 9.1, 9.2, 9.12, 9.13, 9.19, 9.20.
Pour calculer
un produit de rels
P
n
=
n
k=1
a
k
On dnit une variable P, que lon initialise 1, et que lon multiplie
successivement par les rels a
1
, puis a
2
, ..., puis a
n
.
P:=1;
for k:=1 to n do P:=P*{a
k
} ;
writeln(Le produit est gal ,P);
la n de chaque boucle k, la variable P contient la valeur de
k
_
i=1
a
i
.
Exercices 9.1, 9.3, 9.4.
Pour calculer le terme dindice n
dune suite rcurrente (u
n
)
nN
dnie par
la donne de u
0
et la relation u
n+1
= f (u
n
)
Dans la mesure o seule la valeur de u
n
nous intresse, on peut se
permettre dutiliser une seule variable u qui va contenir les valeurs
successives des termes de la suite.
Plus prcisment, on initialise u u
0
, puis on calcule f(u) que lon
raecte u (u contient alors la valeur de u
1
). On eectue cette op-
ration n fois, de faon ce que u contienne la valeur de u
n
.
u:={u
0
} ;
for k:=1 to n do u:=f(u);
writeln(Le terme u(n) est gal ,u);
la n de chaque boucle k, la variable u contient la valeur de u
k
.
Exercices 9.6, 9.9.
Pour calculer
une valeur approche
de la limite L
dune suite convergente (u
n
)
nN
prs
Calculer les termes u
n
de la suite jusqu ce que u
n
L (ou tant
que u
n
L > ).
Dans ce cas, n est le plus petit entier naturel tel que u
n
soit une valeur
approche de L prs.
Pour cela, on utilise une boucle conditionnelle repeat...until
(ou while...do).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
277
Chapitre 9 Algorithmique
(suite)
u:={u
0
} ; n:=0;
repeat
begin
u:=f(u);
n:=n+1;
end;
until abs(u-L)<={}
ou u:={u
0
} ; n:=0 ;
while abs(u-L)>{} do
begin
u:=f(u);
n:=n+1;
end;
Chercher une suite (
n
)
nN
qui converge vers 0 et telle que :
n N, u
n
L
n
.
On calcule ensuite les termes u
n
de la suite jusqu ce que
n

(ou tant que
n
> ). Dans ce cas, u
n
est une valeur approche de L
prs, mais lentier n nest pas forcment le plus petit entier vriant
cette condition.
Une squence dinstruction analogue la squence prcdente permet
dobtenir cette valeur approche.
Exercices 9.12, 9.13, 9.14.
Pour calculer
le plus petit entier n
tel que u
n
A
o (u
n
)
nN
est une suite
divergeant vers +
On calcule les termes u
n
de la suite jusqu ce que u
n
A (ou tant que
u
n
< A).
(ou while...do).
u:={u
0
} ; n:=0 ;
repeat
begin
u:=f(u);
n:=n+1;
end;
until u>=A
ou u:={u
0
} ; 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
n0
u
n
prs
On calcule une valeur approche de la limite S de la suite de terme
gnral S
n
=
n
k=0
u
k
par la mthode dcrite prcdemment.
Pour calculer
une valeur approche
de la solution
dune quation du type f (x) = 0
par la mthode de dichotomie
On suppose connue une fonction f continue et strictement monotone
sur un segment [a ; b] et telle que f (a) f (b) < 0.
Dans ce cas, lquation f (x) = 0 admet une unique solution dans lin-
tervalle [a ; b], note .
278
Les mthodes retenir
(suite)
On dnit deux suites (a
n
)
nN
et (b
n
)
nN
par :
a
0
= a, b
0
= b et pour tout n de N,
si f (a
n
) f
_
a
n
+ b
n
2
_
< 0, alors
_
_
a
n+1
= a
n
b
n+1
=
a
n
+ b
n
2
si f (a
n
) f
_
a
n
+ b
n
2
_
0, alors
_
_
a
n+1
=
a
n
+ b
n
2
b
n+1
= b
n
Les deux suites (a
n
)
nN
et (b
n
)
nN
sont adjacentes et convergent vers .
On a alors :
n N,
a
n
+ b
n
2

1
2
a
n
b
n
;
autrement dit,
a
n
+ b
n
2
est une valeur approche de
1
2
a
n
b
n
prs.
On calcule alors les termes a
n
et b
n
des deux suites jusqu ce que
1
2
a
n
b
n
(ou tant que
1
2
a
n
b
n
> ).
(ou while...do).
Exercice 9.14.
Pour simuler une va X
suivant la loi uniforme discrte
sur a ; b avec (a, b) N
2
On utilise linstruction random(n) qui renvoie un entier alatoire
compris entre 0 et n 1 suivant la loi uniforme sur 0 ; n 1.
On obtient alors une simulation de X avec linstruction suivante :
x:=a+random(b-a+1);
Exercices 9.8, 9.10, 9.17, 9.18, 9.28.
suivant la loi de Bernoulli
de paramtre p avec p ]0 ; 1[
On utilise linstruction random qui renvoie un rel compris entre 0 et 1
suivant la loi uniforme sur [0 ; 1].
Ce rel a une probabilit p dtre infrieur (ou gal) p.
On obtient alors une simulation de X avec linstruction suivante :
if random<p then x:=1 else x:=0;
Remarque : Il revient au mme dcrire random<p et random<=p.
Exercices 9.7, 9.19, 9.22.
suivant la loi binomiale
de paramtre (n, p)
avec n N
et p ]0 ; 1[
En considrant que X est le nombre de succs obtenus lors de la ra-
lisation 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.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
279
suivant la loi gomtrique
de paramtre p avec p ]0 ; 1[
En considrant que X est le temps dattente du premier succs lors de
ralisations dpreuves de Bernoulli indpendantes de paramtre p, on
obtient une simulation de X avec la squence dinstructions suivante :
x:=1;
while random>p do
x:=x+1;
ou x:=0;
repeat
x:=x+1;
until random<p;
suivant la loi uniforme densit
sur [a ; b] avec (a, b) R
2
On utilise linstruction random qui simule la loi uniforme sur [0 ; 1].
On obtient une simulation de X avec linstruction suivante :
x:=a+(b-a)*random;
Exercices 9.8, 9.20, 9.21.
Pour dterminer les lments
extremums dun tableau T
de type array[1..n] of integer
ou de type array[1..n] of real
Pour dterminer le minimum min du tableau T, on initialise min
T[1], puis on compare min avec T[2] et on modie ventuellement
min, et ainsi de suite jusqu parcourir tout le tableau.
La squence dinstructions est la suivante :
min:=T[1];
for i:=2 to n do
if T[i]<min then min:=T[i];
Une squence dinstructions analogue permet dobtenir le maximum
du tableau T.
max:=T[1];
for i:=2 to n do
if T[i]>max then max:=T[i];
Exercices 9.10, 9.15, 9.26.
Pour rechercher par dichotomie
un lment x
dans un tableau T
pralablement tri
par ordre croissant
de type array[1..n] of integer
ou de type array[1..n] of real
On commence par comparer llment x la valeur mdiane du ta-
bleau [T]. Si cette valeur mdiane est suprieure x, alors on se ra-
mne la premire moiti du tableau, sinon la seconde moiti du
tableau.
Et on recommence avec la partie du tableau slectionne, et ainsi de
suite jusqu obtenir une partie du tableau de taille 1.
Il ne reste alors plus qu comparer x avec cet lment.
a:=1 ; b:=n;
while aT[c] then a:=c+1 else b:=c ;
end ;
if x=T[a]
then write(x appartient T au rang ,a)
else write(x n appartient pas T) ;
Exercice 9.25.
280
noncs des exercices
noncs des exercices
9.1 Calculs de sommes et de produit
crire un programme demandant un entier n lutilisateur et achant la valeur de :
a)
n
k=0
u
k
avec
_
_
u
0
= 1
n N, u
n+1
=
u
n
+ n
b)
n
_
k=0
u
k
avec
_
_
u
0
= 1, u
1
= 2
n N, u
n+2
= u
n+1
+ nu
n
c)
n
k=0
u
k
v
k
avec
_
_
u
0
= 1, v
0
= 2
n N, u
n+1
= 3u
n
+

v
n
, v
n+1
=
1
n + 1
u
n
+ v
n
9.2 Calcul dune valeur approche de la somme dune srie convergente, daprs ESSEC 2001
On note, pour tout n de N
, S
n
=
n
k=1
1
k
2
et S =
+
n=1
1
n
2
.
a) Montrer : k 2,
1
k

1
k + 1

1
k
2

1
k 1

1
k
.
b) En dduire, pour tout (n, p) de (N
)
2
, un encadrement de S
n+p
S
n
puis un encadrement de
S S
n
.
c) Montrer : n N
, 0 S
n
+
1
n
S
1
n
2
.
d) crire un programme en Pascal qui calcule et ache une valeur approche de S 10
6
prs.
9.3 Calcul de factorielles
crire une fonction dont len-tte est :
function fact(n:integer):integer
qui calcule n ! :
a) en utilisant la formule n! = 1 2 n b) en utilisant la rcursivit.
9.4 Calcul de puissances
crire une fonction dont len-tte est :
function puissance(x:real ; n:integer):real
qui calcule x
n
:
a) en utilisant la formule x
n
= x x
.,,.
n fois
b) en utilisant la rcursivit.
9.5 Exemple de fonction rcursive, daprs EDHEC 2008
Pour tout couple (p, q) dentiers naturels, on pose I(p, q) =
_
1
0
x
p
(1 x)
q
dx.
a) Calculer, pour tout p de N, I(p, 0).
b) Montrer : (p, q) N N
, I(p, q) =
q
p + 1
I(p + 1, q 1).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
281
c) Complter la dclaration rcursive suivante an quelle permette le calcul de I(p, q) :
function i(p,q:integer):real ;
begin
if q=0 then i:=... else ... ;
end ;
9.6 Exemple dune suite rcurrente, daprs cricome 2005
On considre la suite (u
n
)
nN
dnie par u
0
= 1 et, pour tout n de N
, u
n
=
n + u
n1
.
crire une fonction rcursive ayant pour nom suite qui calcule le terme dindice n de la suite
(u
n
)
nN
.
9.7 Simulations de lois binomiales, daprs ESSEC 2006
a) crire un programme qui simule une va X suivant la loi de Bernoulli de paramtre p, le rel
p tant entr par lutilisateur.
b) crire un programme qui simule une va X qui suit la loi binomiale de paramtre (n, p), lentier
n et le rel p tant entrs par lutilisateur.
c) Soient (p
1
, p
2
) ]0 ; 1[
2
et n N
. On eectue n preuves de Bernoulli indpendantes et de

paramtre p
1
et lon note X le nombre de succs obtenus lors de cette premire srie dpreuves.
On eectue ensuite X preuves de Bernoulli de paramtre p
2
et lon note Y le nombre de succs
obtenus lors de cette deuxime srie dpreuves.
crire un programme qui simule la va Y, lentier n et les rels p
1
et p
2
tant entrs par lutilisa-
teur.
9.8 Simulation de lois uniformes
a) Simulation dune loi discrte uniforme
On choisit un entier X au hasard compris entre 1 et 100, puis un entier Y au hasard compris entre
X et 100.
crire un programme simulant n = 1000 fois lexprience alatoire et renvoyant la moyenne des
valeurs de Y obtenues.
b) Simulation dune loi uniforme densit
On casse une baguette de bois de longueur 1 un endroit au hasard et lon note X labscisse du
point o lon brise la baguette. Puis lon casse nouveau le premier morceau de la baguette et
lon note Y labscisse du point de la brisure.
crire un programme simulant n = 1000 fois lexprience alatoire et renvoyant la moyenne des
valeurs de Y obtenues.
9.9 Exemple dune suite rcurrence
n
)
nN
dnie par :
u
0
= 1, u
1
= 2, n N, u
n+2
= u
n+1
n + 1 + min(u
n
, n).
a) crire un programme qui calcule et ache la valeur de u
n
, lentier n tant entr par lutilisa-
teur.
b) Montrer que la suite (u
n
)
nN
diverge vers +.
c) crire un programme qui calcule et ache la plus petite valeur de n telle que u
n
> A, le rel
A tant entr par lutilisateur.
282
noncs des exercices
9.10 Manipulation de tableaux
a) crire un programme qui cre un tableau de 20 entiers alatoires compris entre 0 et 100, qui
ache ce tableau ainsi que le plus petit entier, le plus grand entier de ce tableau et les rangs
auxquels ils apparaissent.
b) crire un programme qui cre un tableau de 20 entiers alatoires compris entre 0 et 10, qui
demande un entier x lutilisateur et qui ache le nombre de fois quapparat lentier x dans le
tableau.
9.11 Calcul de coecients binomiaux
a) 1) Montrer : (n, p) N
2
tel que 1 p n,
_
n
p
_
=
n
p
_
n 1
p 1
_
.
2) crire une fonction rcursive qui calcule le coecient binomial
_
n
p
_
.
b) En utilisant la formule de Pascal, crire une fonction doublement rcursive qui calcule
_
n
p
_
.
9.12 Calculs approchs dintgrales par la mthode des rectangles
Soit f : [a ; b] R une application continue. On souhaite dterminer une valeur approche de
I =
_
b
a
f (t) dt. On suppose f de classe C
1
sur [a ; b].
Soit M > 0 tel que : t [a ; b], f

(t) M.
On note, pour tout n de N
, S
n
=
b a
n
n1
k=0
f
_
a + k
b a
n
_
.
a) Montrer : n N
, S
n
I
M(b a)
2
2n
.
b) Application : Calculer une valeur approche de I =
_
1
0
e
t
2
dt 10
3
prs en utilisant la
question prcdente.
9.13 Exemple dune suite rcurrente, daprs EML 2010
On note f : R R lapplication dnie, pour tout x de R, par : f (x) = x ln(1 + x
2
).
n
)
nN
dnie par u
0
= 1 et, pour tout n de N, u
n+1
= f (u
n
).
a) tablir que la suite (u
n
)
nN
converge et dterminer sa limite.
b) crire un programme qui calcule et ache le plus petit entier n tel que u
n
10
3
.
c) 1) tablir : x [0 ; 1], f (x) x
x
2
2
.
2) En dduire : n N, u
2
n
2(u
n
u
n+1
).
3) Montrer que la srie
n0
u
2
n
converge et que lon a : n N,
+
k=n+1
u
2
k
2u
n+1
.
4) crire un programme qui ache une valeur approche de
+
n=0
u
2
n
10
4
prs.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
283
9.14 Calcul approch de la solution dune quation par la mthode de dichotomie, par la m-
thode ditrations
On considre la fonction f dnie sur R par : x R, f (x) = (x
2
+ 1) e
x
.
a) Montrer que lquation f (x)x = 0 admet une unique solution dans R, note , et que lon a :

_
1
2
; 1
_
. On pourra utiliser lingalit : 2 < e < 4.
On souhaite dterminer une valeur approche de .
b) 1re mthode : crire un programme qui calcule une valeur approche de 10
6
prs en
utilisant la mthode de dichotomie.
c) 2nde mthode : On considre la suite (u
n
)
nN
dnie par :
u
0
= 1 et n N, u
n+1
= f (u
n
).
1) Montrer : x
_
1
2
; 1
_
, f

(x)
1
4
et
1
2
f (x) 1.
2) Montrer : n N, u
n

_
1
4
_
n
.
3) En dduire que la suite (u
n
)
nN
converge vers .
4) crire un programme qui calcule une valeur approche de 10
6
prs.
9.15 Dtermination du plus petit des plus grands , daprs HEC 2002
Pour toute matrice A = (a
i j
) 1in
1jp
de M
n,p
(R), on note u(A) =min
1in
_
max
1jp
a
i j
_
.
On suppose que, dans le prambule dun programme crit en Turbo-Pascal, on a dni :
deux constantes entires : n et p
un type : matrice = array[1..n,1..p] of real
a) crire le corps de la fonction
function MaxLigne (A:matrice ; i:integer):real ;
cette fonction doit retourner le plus grand lment de la ligne i de la matrice A.
b) crire le corps de la fonction
function MinMax(A:matrice):real ;
cette fonction doit retourner la valeur de u(A) ; on pourra utiliser la fonction MaxLigne.
9.16 Simulation de la loi hypergomtrique
crire une fonction den-tte
function hypergeom(m,n:integer ; p:real):integer
simulant une va de loi hypergomtrique de paramtre (m, n, p) en utilisant :
a) un algorithme itratif b) un algorithme rcursif.
Lalgorithme reposera sur le fait quune loi hypergomtrique apparat lors de tirages sans re-
mise dans une urne.
9.17 Simulation de lois gomtriques, daprs ESSEC 2006
On considre une va X suivant la loi gomtrique de paramtre p.
284
noncs des exercices
a) En considrant que X est le temps dattente du premier succs dans un processus de Bernoulli,
crire un programme de simulation de X qui utilise une boucle repeat.
Quel est le nombre moyen dappels la fonction random ?
b) La mthode prcdente tant coteuse pour les petites valeurs de p, on se propose dcrire
un autre programme qui nappelle quune seule fois la fonction random.
1) Soient U une variable alatoire suivant la loi uniforme sur ]0 ; 1[ et a > 0.
Montrer que
1
a
ln(U) suit la loi exponentielle de paramtre a. En dduire un programme simu-
lant une va suivant la loi exponentielle de paramtre a.
2) Soit Y une va suivant la loi exponentielle de paramtre a, avec a > 0.
Montrer : k N
, P(k 1 Y < k) = ( e
a
)
k1
(1 e
a
).
En dduire que lon peut choisir a tel que X et Ent(Y) + 1 suivent la mme loi.
3) crire le programme correspondant qui simule la va X.
9.18 Simulation dune exprience alatoire, daprs EDHEC 2007
Soit n N
. Une urne contient une boule blanche et n 1 boules noires. Trois joueurs nots
A, B et C tirent tour de rle une boule de cette urne dans lordre suivant : A joue le premier,
B joue aprs A, C joue aprs B, puis A joue aprs C, ... Le gagnant est le premier des trois qui
extrait la boule blanche.
a) On suppose que les tirages se font avec remise de la boule tire.
On code lvnement on obtient la boule blanche par le nombre 0. Complter le programme
suivant pour quil simule lexprience alatoire dcrite prcdemment et en ache le vainqueur.
program simulation ;
var a,b,c,n:integer ;
begin
readln(n) ; randomize ;
repeat
a:=random(n) ;
if a=0 then ... else begin b:=... ;
if b=0 then ... else begin c:=... ;
if c=0 then ... ;
end ;
end ;
until (a*b*c=0) ;
end.
b) On suppose maintenant que les tirages se font sans remise de la boule tire.
Modier en consquence le programme prcdent.
9.19 Construction dintervalles de conance pour un paramtre p inconnu
On rappelle que si (X
1
, . . . , X
n
) est un n-chantillon indpendant et identiquement distribu de
la loi de Bernoulli de paramtre p, ]0 ; 1[ et t
le rel dni par (t
) = 1

2
, o est la
fonction de rpartition de la loi normale centre rduite, alors un intervalle de conance de p au
risque est :
_
X
n

t
n
; X
n
+
t
n
_
, o X
n
=
X
1
+ + X
n
n
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
285
Dans la suite, on prend n = 1000, = 0.1 et donc t
= 1.645.
a) crire une fonction qui simule la va X
n
, le paramtre p tant entr par lutilisateur.
b) crire un programme qui choisit alatoirement un paramtre p, ralise 100 simulations de
X
n
, cre les intervalles de conance de p associs, et enn qui compte le nombre dintervalles
obtenus contenant rellement le paramtre p.
9.20 Simulation de lois exponentielles, de lois Gamma et de lois de Poisson, daprs EML 2011
On considre une suite de va relles (X
k
)
kN
mutuellement indpendantes qui suivent la loi
exponentielle de paramtre gal 1.
Pour tout n N
, on note S
n
la va dnie par S
n
=
n
k=1
X
k
.
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 N
t
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 (N
t
= n) est gal lvnement
(S
n
t) (S
n+1
> t).
crire un programme simulant la va N
t
, le rel t tant entr par lutilisateur.
9.21 Simulation de la loi normale centre rduite
Soit (U
n
)
nN
une suite de va indpendantes suivant toutes la loi uniforme [0 ; 1].
Pour tout n de N
, on note X
n
=
n
k=1
U
k
et X
n
la va centre rduite associe X
n
.
a) Exprimer, pour tout n de N
, X
n
en fonction de X
n
. Justier que la suite (X
n
)
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 X
n
b) En dduire un programme simulant une va de loi normale centre rduite.
c) Soit N une va de loi normale centre rduite. Quelle est la probabilit P(N 1) ? crire un
programme simulant 1000 fois la va N et qui calcule le pourcentage de ralisations obtenues
infrieures ou gales 1.
9.22 Simulation dune exprience alatoire, daprs Ecricome 2006
On eectue une succession innie de lancers indpendants dune pice quilibre. On sint-
resse aux successions de lancers amenant un mme ct.
Pour tout n de N
, on note X
n
la va gale 1 si le n-ime lancer amne pile et 0 sinon, et N
n
le
nombre de changements de cts survenus lors des n premiers lancers.
Complter le programme informatique suivant pour que, m tant une valeur entire infrieure
100 entre par lutilisateur, il simule m va X
1
, X
2
, . . . , X
m
(dont les valeurs seront places dans
le tableau X) et dtermine les valeurs de N
1
, N
2
, . . . , N
m
(qui seront places dans le tableau N) :
286
noncs des exercices
const nmax=100 ;
type suite=array[1..nmax] of integer ;
var X,N:suite ; m,i:integer ;
begin
randomize ;
writeln(m ? ) ; readln(m) ;
X[1]:=... ; N[1]:=... ;
for i:=2 to m do
begin
X[i]:=... ;
...
end ;
...
end.
9.23 Manipulation dentiers
Soit un entier naturel donn. On calcule la somme des carrs des chires qui le composent.
On obtient un nouvel entier, pour lequel on calcule la somme des carrs des chires qui le
composent, et ainsi de suite ... On admet quau bout dun certain nombre ditrations, on obtient
toujours 1 ou 4.
Par exemple, en considrant lentier 2012, on obtient successivement :
2012 9 81 65 61 37 58 89 145 42 20 4
a) crire une fonction den-tte
function unite(n:integer):integer ;
qui renvoie le chire des units de lentier n.
b) En dduire une fonction den-tte
function somme(n:integer):integer ;
qui renvoie la somme des carrs des chires qui composent n.
c) crire un programme qui demande lutilisateur un entier naturel n et qui renvoie le nombre
ditrations ncessaires pour obtenir 1 ou 4.
9.24 Mthode de la transforme inverse pour simuler des va densit
a) On considre une va X densit. On note F sa fonction de rpartition et on suppose que F
est strictement croissante sur R.
1) Justier que F ralise une bijection de R dans ]0 ; 1[. On note G sa fonction rciproque.
2) Soit U une va suivant la loi uniforme sur ]0 ; 1[. Montrer que les va X et G(U) suivent la
mme loi.
b) Soit c > 0. On considre une va Y admettant pour densit lapplication f : R R dnie
par : x R, f (x) =
c
2
exp(cx).
1) Dterminer la fonction de rpartition F de Y. Vrier que F est strictement croissante
sur R puis dterminer la fonction G = F
1
, rciproque de F.
2) En utilisant la question a), crire un programme qui simule la va Y, le rel c tant entr par
lutilisateur.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
287
c) Mmes questions pour une va Z suivant la loi de Cauchy, cest--dire admettant pour densit
lapplication f : R R dnie par : x R, f (x) =
1
(1 + x
2
)
.
9.25 Recherche par dichotomie dun lment dans un tableau tri
On suppose connu un tableau T de type array[1..n] of integer ordonn par ordre crois-
sant, o n est une constante dnie dans le programme principal.
crire une procdure den-tte
procedure dicho(var i:integer ; T:tab ; x:integer) ;
qui recherche lentier x dans le tableau T en utilisant la recherche par dichotomie et qui donne
i un rang auquel x apparat dans T sil y apparat et 0 sinon.
9.26 Tri par slection dun tableau
Lune des mthodes pour trier un tableau est le tri par slection : le principe de ce tri consiste
raliser un premier parcours complet pour rechercher la position du plus petit lment ; ce plus
petit lment est alors chang avec le premier lment du tableau ; on recommence ensuite avec
les n 1 derniers lments du tableau, et ainsi de suite ...
On suppose connu le tableau trier T de type array[1..n] of integer, o n est une
constante dnie dans le programme principal.
crire une procdure qui trie par ordre croissant le tableau T et qui ache le tableau tri.
9.27 Manipulation dentiers
On choisit un entier de E = 1 ; 999, puis on forme le plus grand entier et le plus petit entier
possibles avec ses trois chires (par exemple, 324 donne 432 et 234, 73 donne 730 et 37, 8
donne 800 et 8, ...), on soustrait le plus petit de ces deux entiers au plus grand, puis on recom-
mence lopration. On admet que lon nit toujours par obtenir 495, sauf si lentier de dpart
est compos de trois chires identiques.
On considre le programme suivant :
program truc ;
type tab=array[1..3] of integer ;
var ...
procedure chiffres(var T:tab ; n:integer) ;
...
procedure tri(var T:tab) ;
...
function difference(n:integer):integer ;
...
function test(n:integer):boolean ;
...
{programme principal}
begin
...
end.
a) Complter la procdure chiffres de faon ce que le tableau T contienne les trois chires
de lentier n.
b) Complter la procdure tri de faon ce qu la sortie, le tableau T soit tri par ordre
croissant.
288
noncs des exercices
c) Complter la function difference de faon ce quelle renvoie la dirence entre le plus
grand entier et le plus petit entier possibles avec les trois chires de n.
d) Complter la fonction test an quelle renvoie true si lentier n vrie les conditions don-
nes dans lnonc et false sinon.
e) Enn, complter le programme principal an quil choisisse alatoirement un entier de E
satisfaisant les conditions de lnonc et ache le nombre ditrations ncessaires lobtention
de 495.
9.28 Simulation dune exprience alatoire, daprs HEC 2005
Soit n N
. On considre une urne blanche contenant n boules blanches numrotes de 1 n

et une urne noire contenant n boules noires numrotes de 1 n, dans lesquelles on eectue des
suites de tirages. chaque tirage, on tire simultanment et au hasard une boule de chaque urne.
On obtient ainsi chaque tirage, deux boules, une blanche et une noire.
On dit quon a obtenu une paire lors dun tirage, si la boule blanche et la boule noire tires
portent le mme numro.
a) Dans cette question, les tirages se font avec remise jusqu obtenir pour la premire fois une
paire.
crire une fonction dont len-tte est pgrm1(n:integer):integer qui simule le rang dappa-
rition de la premire paire.
b) Dans cette question, les tirages se font sans remise dans lurne blanche et avec remise dans
lurne noire jusqu ce que lurne blanche soit vide. On note X
n
le nombre de paires obtenues
lissue des n tirages.
1) Dnir un type tableau de n entiers not tab, puis deux variables de type tab dont les
identicateurs sont blanc et noir.
2) Soit s un tableau de type tab. crire une procdure dont len-tte est echange(var s
:tab ; i,j:integer) qui change les lments s[i] et s[j] du tableau s.
3) On considre les lignes de programme suivantes utilisant la procdure echange :
begin
for i:=1 to n do blanc[i]:=i ;
for i:=1 to n-1 do
begin
j:=random(n+1-i)+i ;
echange(blanc,i,j) ;
end ;
writeln ;
for i:=1 to n do write(blanc[i], ) ;
end.
Expliquer le fonctionnement de ce programme et son rsultat.
On prcisera ce qui se passe au premier passage puis au i-ime passage dans la deuxime boucle
for, et en particulier la raison pour laquelle on crit linstruction
j:=random(n+1-i)+i.
4) Construire une procdure qui sappelle initialise permettant de simuler le tirage sans
remise et au hasard des n boules numrotes, en mettant dans la variable s[i] le numro de la
i-ime boule tire.
5) crire un programme complet permettant de simuler lexprience lorsque n = 20, puis de
donner la valeur de X
n
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
289
Du mal dmarrer ?
9.1 Utiliser la mthode dcrite dans la rubrique les m-
thodes retenir .
9.2 a) Immdiat.
b) Sommer lingalit du a) pour k allant de n + 1 n + p, puis
passer la limite quand p tend vers +.
c) Immdiat.
d) 1re mthode : Calculer S
1000
laide dune boucle for...do
et en utilisant la mthode dcrite dans la rubrique les m-
thodes retenir .
Une valeur approche de S est S
1000
+
1
1000
.
2 mthode : Calculer la somme S
n
tant que
1
n
2
> 10
6
ou jus-
qu ce que
1
n
2
10
6
laide dune boucle while...do ou
repeat...until
9.3 a) Utiliser la mthode dcrite dans la rubrique les m-
thodes retenir pour calculer le produit 1 2 n.
b) Calculer ici n! laide des formules :
0! = 1 et n! = n (n 1)!.
thodes retenir pour calculer le produit x x x.
b) Calculer ici x
n
laide des formules :
x
0
= 1 et x
n
= x x
n1
.
9.5 a) Immdiat.
b) Effectuer une intgration par parties.
c) Utiliser les formules obtenues au a) et au b).
9.6 Utiliser lgalit de dnition de la suite.
9.7 a) b) Utiliser les mthodes dcrites dans la rubrique les
mthodes retenir .
c) Remarquer que la loi de X est la loi binomiale de paramtre
(n, p
1
) et que la loi conditionnelle de Y sachant (X = x) est la loi
binomiale de paramtre (x, p
2
).
Utiliser la mthode dcrite dans la rubrique les mthodes
retenir pour simuler une loi binomiale.
9.8 a) Remarquer que la loi de X est la loi discrte uniforme
sur 1; 100 et que la loi conditionnelle de Y sachant (X = x)
est la loi discrte uniforme sur x ; 100.
b) Remarquer que la loi de X est la loi uniforme densit sur
[0; 1] et la loi conditionnelle de Y sachant (X = x) est la loi
uniforme densit sur [0; x].
9.9 a) Utiliser une boucle for...do.
b) Montrer que la suite (u
n
)
nN
est croissante, puis :
n 2, u
n

n 1.
c) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
9.10 a) Pour crer le tableau T, utiliser une boucle for...do,
et pour tout i de 1; 20, remplir la case T[i] dun entier au
hasard de 0; 100.
Pour dterminer les extremums du tableau T, utiliser la m-
thode dcrite dans la rubrique les mthodes retenir .
b) Crer le tableau T de la mme faon quau a), puis comparer
chaque lment du tableau llment x.
9.11 a) 1) Exprimer les coefcients binomiaux laide de fac-
torielles.
a) 2) Pour crire la fonction rcursive, utiliser les formules :
_
n
0
_
= 1 et
_
n
p
_
=
n
p
_
n 1
p 1
_
.
b) Pour crire la fonction rcursive, utiliser les formules :
_
n
0
_
= 1,
_
n
p
_
= 0 si p > n
et
_
n
p
_
=
_
n 1
p
_
+
_
n 1
p 1
_
.
9.12 a) Commencer par crire :
S
n
I =
n1
k=0
_
x
k+1
x
k
_
f(x
k
) f(t)
_
dt,
puis appliquer lingalit des accroissements nis f sur linter-
valle [x
k
; t].
b) Considrer f : [0; 1] R, t e
t
2
.
Utiliser la question prcdente pour en dduire que S
n
est une
valeur approche de I
1
n
prs.
9.13 a) Montrer que la suite (u
n
)
nN
est minore par 0 et d-
croissante. 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
g : [0; 1] R, x x
x
2
2
f(x).
c) 2) Montrer que, pour tout n de N, u
n
[0; 1], puis appliquer
lingalit prcdente u
n
.
c) 3) Penser au lien suite/srie.
Utiliser la rgle de comparaison pour les sries termes posi-
tifs ou nuls pour montrer que la srie
n0
u
2
n
converge.
Ensuite sommer lingalit du c) 2) pour k allant de n + 1 +.
c) 4) Noter, pour tout n de N, S
n
=
n
k=0
u
k
et S =
+
n=0
u
n
.
Montrer que S
n
est une valeur approche (par dfaut) de S
= 2u
n+1
prs.
290
Du mal dmarrer ?
9.14 a) Montrer que lapplication g : R R, x f(x) x
est une bijection.
b) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
c) 1) Calculer puis majorer f

(x). Montrer que f est dcroissante
sur
_
1
2
; 1
_
, que f(1)
1
2
et que f
_
1
2
_
1.
c) 2) Montrer : n N, u
n

_
1
2
; 1
_
.
Appliquer lingalit des accroissements nis f pour en d-
duire : n N, u
n+1

1
4
u
n
.
Conclure.
c) 3) Immdiat.
c) 4) Utiliser la mthode dcrite dans la rubrique les mthodes
retenir .
9.15 a) Utiliser la mthode dcrite dans la rubrique les
mthodes retenir pour calculer le maximum des lments
A[i,1],...,A[i,p].
a) Utiliser la mthode dcrite dans la rubrique les m-
thodes retenir pour calculer le minimum des lments
MaxLigne(A,1),...,MaxLigne(A,n).
9.16 Considrer que si X H(m, n, p), alors X est le nombre
de boules blanches obtenues lors de n tirages sans remise dans
une urne contenant m boules dont mp boules blanches.
thodes retenir .
b) 1) Commencer par calculer la fonction de rpartition de
1
a
ln(U).
b) 2) Remarquer :
k N
, P(k 1 Y < k) = P(Y k) P(Y k 1).

Puis utiliser le fait que Y E(a).
Prendre a = ln(1 p).
b) 3) Utiliser la fonction trunc.
9.18 a) Simuler lvnement E : on obtient une boule
blanche par lvnement (random(n):=0).
b) Raisonner de la mme faon quau a) en soustrayant 1 n
lorsque lon tire une boule noire.
thodes retenir pour simuler les va X
1
, . . . , X
n
, puis en faire la
moyenne.
b) Utiliser une boucle for...do pour simuler 100 intervalles de
conance.
de Y.
b) Simuler n va de loi E(1) et en faire la somme.
c) Utiliser la boucle while...do ou repeat...until.
9.21 a) Appliquer le thorme de la limite centre.
b) Simuler la va X
n
.
c) Justier : P(N 1) = (1) = 0, 8413.
Utiliser une variable qui comptabilise le nombre de simula-
tions obtenues infrieures ou gales 1.
9.22 Remarquer que les va X
1
, . . . , X
m
suivent la loi de Ber-
noulli de paramtre
1
2
.
Pour dnir les variables N[i], utiliser le fait quil y a un chan-
gement de cots au i-ime lancer lorsque X
i
X
i1
.
9.23 a) Utiliser le fait que le chiffre c des units de n est ob-
tenu par : c = n 10Ent(n/10).
b) Commencer par dterminer tous les chiffres de lentier n,
puis calculer la somme de leurs carrs.
c) Utiliser la boucle while...do ou repeat...until.
9.24 a) 1) Appliquer le thorme de la bijection rciproque.
a) 2) Montrer que les va X et G(U) ont mme fonction de rpar-
tition.
b) 1) Montrer : x R, F(x) =
_
_
e
cx
2
si x < 0
1
e
cx
2
si x 0
.
Pour dterminer F
1
, rsoudre, pour tout y de ]0; 1[, lquation
y = F(x), dinconnue x R, en sparant les cas y
1
2
et y >
1
2
.
b) 2) Simuler une va suivant la loi uniforme sur ]0; 1[, puis utili-
ser le rsultat de la question b) 1).
c) Obtenir : x R, F(x) =
arctanx
+
1
2
.
Pour dterminer F
1
, rsoudre, pour tout y de ]0; 1[, lquation
y = F(x), dinconnue x R.
9.25 Utiliser la mthode dcrite dans la rubrique les m-
thodes retenir .
9.26 Pour tout i de 1; n 1, dterminer le minimum parmi
les lments T[i],...,T[n], puis changer cet lment avec ll-
ment T[i].
9.27 a) Utiliser par exemple la fonction div qui renvoie le quo-
tient de la division euclidienne.
b) Effectuer des comparaisons successives des trois lments du
tableau deux par deux.
c) Immdiat.
d) Utiliser linstruction conditionnelle if...then.
e) Prendre un entier n au hasard dans 1; 999 et tant que
test(n)=false en prendre un autre.
Puis avec cet entier, appliquer la fonction difference tant que
lon na pas obtenu 495.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
291
9.28 a) Utiliser linstruction random(n)+1 et une boucle
repeat...until ou while...do
b) 1) Immdiat.
b) 2) Utiliser une variable auxiliaire.
b) 3) Remarquer que linstruction j:=random(n+1-i)+i; ren-
voie un entier au hasard de i ; n.
b) 4) Utiliser les lignes du programme de la question b) 3).
b) 5) Crer les tableaux blanc et noir de faon ce que la
case blanc[i] (resp. noir[i]) contienne le numro de la boule
blanche (resp. noire) obtenue au i-ime tirage.
Puis compter le nombre dindices i tels que blanc[i]=noir[i].
292
9.1 On utilise, pour chaque question, une boucle
for...do :
a) program somme ;
var u,s:real ;
i,n:integer ;
begin
write(n ? ) ; readln(n) ;
u:=1 ; s:=1 ;
for i:=1 to n do
begin
u:=sqrt(u+i-1) ; s:=s+u ;
end ;
writeln(S(,n,) = ,s) ;
end.
la n de chaque boucle i, la variable u contient la valeur de u
i
et la variable s contient la valeur de
i
k=1
u
k
.
Exemple dexcution du programme :
n ? 10
S(10) = 2.565479E+001
b) program produit ;
var u,v,w,p:real ;
i,n:integer ;
begin
v:=1 ; u:=2 ; p:=2 ;
for i:=2 to n do
begin
w:=v ; v:=u ; u:=u+(i-2)*w ;
p:=p*u ;
end ;
writeln(P(,n,) = ,p) ;
end.
la n de chaque boucle i, la variable v contient la valeur
de u
i1
, la variable u contient la valeur de u
i
et la variable p
contient la valeur de
i
_
k=1
u
k
.
n ? 5
P(5)=2.560000E+003
c) program somme2 ;
var u,v,w,s:real ;
i,n:integer ;
begin
u:=1 ; v:=2 ; s:=2 ;
for i:=1 to n do
begin
w:=u ; u:=3*u+sqrt(v) ; v:=1/i*w+v ;
s:=s+u*v ;
end ;
writeln(S(,n,) = ,s) ;
end.
la n de chaque boucle i, la variable u contient la valeur de u
i
,
la variable v contient la valeur de v
i
et la variable s contient la
valeur de
i
k=1
u
k
v
k
.
n ? 10
S(10)=7.069198E+008
9.2
a) Soit k 2. On a : k(k 1) k
2
k(k + 1),
et donc :
1
k(k + 1)

1
k
2

1
k(k 1)
.
De plus :
1
k

1
k + 1
=
1
k(k + 1)
et
1
k 1

1
k
=
1
k(k 1)
.
On obtient alors :
1
k

1
k + 1

1
k
2

1
k 1

1
k
.
b) Soit (n, p) (N
)
2
.
En sommant lingalit prcdente pour k allant de n+1 n+p,
on obtient :
n+p
k=n+1
_
1
k

1
k + 1
_

n+p
k=n+1
1
k
2

n+p
k=n+1
_
1
k 1

1
k
_
.
293
Or :
n+p
k=n+1
_
1
k

1
k + 1
_
=
n+p
k=n+1
1
k

n+p+1
k=n+2
1
k
=
1
n + 1

1
n + p + 1
,
n+p
k=n+1
_
1
k 1

1
k
_
=
n+p1
k=n
1
k

n+p
k=n+1
1
k
=
1
n

1
n + p
,
et
n+p
k=n+1
1
k
2
=
n+p
k=1
1
k
2

n
k=1
1
k
2
= S
n+p
S
n
.
On conclut :
1
n + 1

1
n + p + 1
S
n+p
S
n

1
n

1
n + p
.
Soit n N
. En faisant tendre p vers + dans lingalit

prcdente, on obtient :
1
n + 1
S S
n

1
n
.
c) Soit n N
. Daprs b), on a :
1
n
S
n
S
1
n + 1
,
et donc : 0 S
n
+
1
n
S
1
n + 1
+
1
n
=
1
n(n + 1)

1
n
2
.
d) 1
re
mthode : utilisation dune boucle for...do.
En posant n = 1000, on a
1
n
2
= 10
6
, et donc S
n
+
1
n
est une
valeur approche (par excs) de S 10
6
prs.
Le programme suivant calcule la valeur de S
1000
puis ache la
valeur de S
1000
+
1
1000
.
program ValeurApprochee ;
var s:real ; i:integer ;
begin
s:=1 ;
for i:=2 to 1000 do s:=s+1/(i*i) ;
writeln(une valeur approchee de S
est ,s+1/1000) ;
end.
Excution du programme :
une valeur approchee de S est
1.644935E+000
2
e
mthode : utilisation dune boucle while...do ou
repeat...until.
On calcule la somme S
n
tant que
1
n
2
> 10
6
ou jusqu ce que
1
n
2
10
6
.
Le programme avec la boucle while...do est le suivant :
var s:real ; n:integer ;
begin
s:=1 ; n:=1 ;
while 1/(n*n)>exp(-6*ln(10)) do
begin
n:=n+1 ; s:=s+1/(n*n) ;
end ;
est ,s+1/n) ;
end.
Le programme avec la boucle repeat...until est le suivant :
var s:real ; n:integer ;
begin
s:=1 ; n:=1 ;
repeat
n:=n+1 ; s:=s+1/(n*n) ;
until 1/(n*n)<=exp(-6*ln(10)) ;
est ,s+1/n) ;
end.
Remarque : Lexcution des deux programmes prcdents
donne le mme rsultat que le programme utilisant une boucle
for...do
9.3
a) On calcule n! laide de la formule :
n! = 1 2 n.
function fact(n:integer):integer ;
var f,i:integer ;
begin
f:=1 ; for i:=1 to n do f:=f*i ;
fact:=f ;
end ;
la n de chaque boucle i, la variable f contient la valeur de i!.
b) On calcule ici n! laide des formules :
0! = 1 et n! = n (n 1)!.
function fact(n:integer):integer ;
begin
294
if n=0 then fact:=1
else fact:=n*fact(n-1) ;
end ;
Remarque : Voici un programme demandant un entier naturel n
lutilisateur et achant la valeur de n! en utilisant lune des
fonctions prcdentes.
program factorielle ;
var n:integer ;
begin
write( n ! = ,fact(n)) ;
end.
n ? 5
n ! = 120
9.4
a) On calcule x
n
laide de la formule :
x
n
= x x x
.,,.
n fois
.
function puissance(x:real ; n:integer) :real ;
var p:real ; i:integer ;
begin
p:=1 ; for i:=1 to n do p :=x*p ;
puissance:=p ;
end ;
la n de chaque boucle i, la variable p contient la valeur de x
i
.
b) On calcule ici x
n
laide des formules :
x
0
= 1 et x
n
= x x
n1
.
function puissance(x:real ; n:integer) :real ;
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 x
n
en uti-
lisant lune des fonctions prcdentes.
program puiss ;
var n:integer ; x:real ;
begin
write(x ? ) ; readln(x) ;
write( x puissance n = , puissance(x,n)) ;
end.
x ? 2
n ? 5
x puissance n = 32
9.5
a) Soit p N. On a :
I(p, 0) =
_
1
0
x
p
dx =
_
x
p+1
p + 1
_
1
0
=
1
p + 1
.
b) Soit (p, q) N N

_
_
u(x) = (1 x)
q
v
(x) = x
p
,
_
_
u
(x) = q(1 x)
q1
v(x) =
1
p + 1
x
p+1
1
sur le segment [0 ; 1].
On obtient : I(p, q) =
_
1
0
x
p
(1 x)
q
dx
=
_
(1 x)
q
x
p+1
p + 1
_
1
0
+
_
1
0
q
p + 1
x
p+1
(1 x)
q1
dx
=
q
p + 1
I(p + 1, q 1).
c) La fonction rcursive est la suivante :
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) ;
end ;
Remarque : Voici un programme demandant lutilisateur
deux entiers naturels p et q et achant la valeur de I(p, q) en
utilisant la fonction prcdente.
program calcul ;
var p,q:integer ;
begin
write(p ? ) ; readln(p) ;
write(q ? ) ; readln(q) ;
write(L intgrale est egale , i(p,q)) ;
end.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
295
p ? 5
q ? 3
Lintgrale est egale
1.984127E-003
Remarque : laide des rsultats de a) et b), on dduit :
(p, q) N
2
, I(p, q) =
p! q!
(p + q + 1)!
.
9.6 La fonction rcursive dcoule de la dnition de la
suite.
function suite(n:integer):real ;
begin
if n=0 then suite:=1
else suite:=sqrt(n+suite(n-1)) ;
end ;
Remarque : Voici un programme demandant lutilisateur un
entier naturel n et achant la valeur de u
n
en utilisant la fonc-
tion prcdente.
program ecricome05 ;
var n:integer ;
begin
write(u(,n,) = ,suite(n)) ;
end.
n ? 10
u(10) = 3.67597972E+000
9.7
a) Utilisons la mthode dcrite dans la rubrique les mthodes
retenir .
program bernoulli ;
var p:real ; x:integer ;
begin
randomize ;
if random<p then x:=1 else x:=0 ;
write(X = ,x) ;
end.
b) Utilisons la mthode dcrite dans la rubrique les mthodes
retenir .
program binomiale ;
var p:real ; n,x,i:integer ;
begin
randomize ;
x:=0 ;
for i:=1 to n do
if random<p then x:=x+1 ;
write(X = ,x) ;
end.
c) La loi de X est la loi binomiale de paramtre (n, p
1
) et la
loi conditionnelle de Y sachant (X = x) est la loi binomiale de
paramtre (x, p
2
).
En utilisant la mthode dcrite dans la rubrique les mthodes
retenir pour simuler une loi binomiale, on obtient le pro-
gramme suivant :
var p1,p2:real ; n,x,i,y:integer ;
begin
randomize ;
write(p1 ? ) ; readln(p1) ;
write(p2 ? ) ; readln(p2) ;
x:=0 ;
for i:=1 to n do
if random<p1 then x:=x+1 ;
y:=0 ;
for i:=1 to x do
if random<p2 then y:=y+1 ;
write(Y = ,y) ;
end.
9.8
a) La loi de X est la loi discrte uniforme sur 1 ; 100 et la loi
conditionnelle de Y sachant (X = x) est la loi discrte uniforme
sur x ; 100.
retenir pour simuler une loi discrte uniforme, on obtient le
programme suivant :
program uniforme1 ;
296
var i,x,y:integer ; som,moy:real ;
begin
randomize ; som:=0 ;
for i:=1 to 1000 do
begin
x:=random(100)+1 ;
y:=random(101-x)+x ; som:=som+y ;
end ;
moy:=som/1000 ;
write(la moyenne est ,moy) ;
end.
la moyenne est 7.594900E+001
Remarque : Une tude mathmatique nous donne
E(Y) =
301
4
= 75.25. Aprs excution du programme, la va-
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 den-
sit sur [0 ; x].
retenir pour simuler une loi uniforme densit, on obtient
le programme suivant :
program uniforme2 ;
var i:integer ; x,y,som,moy:real ;
begin
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) ;
end.
la moyenne est 2.462447E-001
Remarque : Une tude mathmatique nous donne E(Y) =
1
4
.
L encore, aprs excution du programme, la variable moy
contiendra un valeur proche de 0.25.
9.9
a) Utilisons la boucle for...do.
program suite1 ;
var i,n:integer ; u,v,aux:real ;
begin
v:=1 ; u:=2 ;
for i:=2 to n do
begin
if v<i-2 then aux:=v
else aux:=i-2 ;
v:=u ; u:=sqrt(i-1)*u+aux ;
end ;
write(u(,n,) = ,u) ;
end.
la n de chaque boucle i, la variable aux contient la valeur
de min(u
i2
, i 2), la variable v contient la valeur de u
i1
et u
celle de u
i
.
n ? 10
u(10) = 2.903617E+003
b) Il est clair que, pour tout n de N, u
n
0.
On obtient alors : n 2,
u
n
= u
n1
n 1 + min(u
n2
, n 2)
.,,.
0
u
n1
.
Puisque lon a aussi u
1
u
0
, on en dduit que la suite (u
n
)
nN
est croissante.
Ainsi : n 2, u
n
u
n1
n 1 u
0
n 1 =
n 1.
Par le thorme de minoration, on conclut que la suite (u
n
)
nN
diverge vers +.
c) Utilisons la boucle conditionnelle while...do ou
repeat...until.
Le programme avec la boucle while...do est le suivant :
program suite2 ;
var n:integer ; u,v,aux,A:real ;
begin
write(A ? ) ; readln(A) ;
v:=1 ; u:=2 ; n:=1 ;
while u<=A do
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
297
begin
n:=n+1 ;
if v<n-2 then aux:=v
else aux:=n-2 ;
v:=u ; u:=sqrt(n-1)*u+aux ;
end ;
write(n = ,n) ;
end.
A ? 100
n = 7
Le programme avec la boucle repeat...until est le suivant :
program suite3 ;
var n:integer ; u,v,aux,A:real ;
begin
write(A ? ) ; readln(A) ;
v:=1 ; u:=2 ; n:=1 ;
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.
A ? 100
n = 7
9.10
retenir .
program minmax ;
var T:array[1..20] of integer ;
i, min, rmin, max, rmax:integer ;
begin
randomize ;
{creation et affichage de tableau}
for i:=1 to 20 do
begin
T[i]:=random(101) ;
writeln(T[i], ) ;
end ;
{calcul des extremums et de leurs rangs}
min:=T[1] ; rmin:=1 ;
max:=T[1] ; rmax:=1 ;
for i:=2 to 20 do
begin
if T[i]<min then
begin
min:=T[i] ; rmin:=i ;
end ;
if T[i]>max then
begin
max:=T[i] ; rmax:=i ;
end ;
end ;
writeln() ;
writeln(le min est ,min,
et son rang est ,rmin) ;
writeln(le max est ,max,
et son rang est ,rmax) ;
end.
26 11 80 72 93 8 84 9 39 61
88 33 70 93 82 4 72 21 7 66
le min est 4 et son rang est 16
le max est 93 et son rang est 5
b) Le programme est le suivant :
program recherche ;
var T:array[1..20] of integer ;
i,x,nb:integer ;
begin
randomize ;
for i:=1 to 20 do
begin
T[i]:=random(11) ;
writeln(T[i], ) ;
end ;
writeln() ;
write(x ? ) ; readln(x) ;
nb:=0 ;
298
for i:=1 to 20 do
if T[i]=x then nb:=nb+1 ;
writeln(x, apparait ,nb, fois dans
le tableau) ;
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) N
2
tel que 1 p n.
On a :
n
p
_
n 1
p 1
_
=
n
p

(n 1)!
(p 1)!
_
(n 1) (p 1)
_
!
=
n!
p!(n p)!
=
_
n
p
_
.
a) 2) La fonction rcursive suivante repose sur les formules :
_
n
0
_
= 1 et
_
n
p
_
=
n
p
_
n 1
p 1
_
.
function C(n,p:integer):integer ;
begin
if p=0 then C:=1
else C:=n*C(n-1,p-1) div p ;
end ;
b) La fonction rcursive suivante repose sur les formules :
_
n
0
_
= 1,
_
n
p
_
= 0 si p > n
et
_
n
p
_
=
_
n 1
p
_
+
_
n 1
p 1
_
.
function C(n,p:integer):integer ;
begin
if p>n then C:=0
else begin
if p=0 then C:=1
else C:=C(n-1,p)+C(n-1,p-1) ;
end ;
end ;
Remarque : Voici un programme demandant lutilisateur
deux entiers naturels n et p et achant la valeur de
_
n
p
_
en uti-
lisant lune des deux fonctions prcdentes.
program CoefBinomial ;
var n,p:integer ;
begin
write(p, parmi ,n, = ,C(n,p)) ;
end.
n ? 5
p ? 3
3 parmi 5 = 10
9.12
a) Soit n N
.
Notons, pour tout k de 0 ; n, x
k
= a + k
b a
n
.
Par la relation de Chasles, on a :
I =
_
b
a
f (t) dt =
n1
k=0
_
x
k+1
x
k
f (t) dt.
De plus : S
n
=
b a
n
n1
k=0
f (x
k
) =
n1
k=0
_
x
k+1
x
k
f (x
k
) dt.
Ainsi : S
n
I =
n1
k=0
_
x
k+1
x
k
_
f (x
k
) f (t)
_
dt
n1
k=0
_
x
k+1
x
k
f (x
k
) f (t)
dt.
Soit k 0 ; n1 et soit t [x
k
; x
k+1
]. Appliquons lingalit
des accroissements nis f sur lintervalle [x
k
; t].
On obtient :
f (x
k
) f (t)
x
k
t max
[x
k
;t]
f

Mx
k
t = M(t x
k
).
On obtient alors :
S
n
I
n1
k=0
_
x
k+1
x
k
M(t x
k
) dt = M
n1
k=0
_
(t x
k
)
2
2
_
x
k+1
x
k
= M
n1
k=0
(x
k+1
x
k
)
2
2
= M
n1
k=0
(b a)
2
2n
2
= M
(b a)
2
2n
2
n = M
(b a)
2
2n
.
b) Notons f : [0 ; 1] R, t e
t
2
.
1
sur [0 ; 1] et :
t [0 ; 1], f

(t) = 2t e
t
2
.
Ainsi : t [0 ; 1], f

(t) = 2t e
t
2
2.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
299
Notons, pour tout n de N
, S
n
=
1
n
n1
k=0
f
_
k
n
_
.
Daprs la question prcdente, on a :
n N
, S
n
I
2(1 0)
2
2n
=
1
n
.
Pour n = 10
3
, on a
1
n
= 10
3
et donc S
n
est une valeur appro-
che de I 10
3
prs.
Calculons S
1000
en utilisant une boucle for...do.
program integrale ;
var n,k:integer ; s:real ;
function f(t:real):real ;
begin
f:=exp(-t*t) ;
end ;
begin
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.
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 + x
2
=
1 + x
2
2x
1 + x
2
=
(1 x)
2
1 + x
2
0.
On en dduit le tableau de variations suivant :
x 0 1 +
f
(x) + + 0 +
,
,
f (x) 0
,
On en dduit que lintervalle [0 ; +[ est stable par f .
On montre alors, par rcurrence sur n que :
n N, u
n
[0 ; +[.
De plus, on a : n N, u
n+1
u
n
= f (u
n
) u
n
= ln(1 + u
2
n
) 0.
Donc la suite (u
n
)
nN
est dcroissante.
La suite (u
n
)
nN
tant dcroissante et minore par 0, elle
converge vers un rel et, puisque f est continue sur R, en
particulier en , on a :
f () = ln(1 +
2
) = 0
2
= 0 = 0.
On conclut que la suite (u
n
)
nN
converge vers 0.
b) program calcul ;
var n:integer ; u:real ;
function f(x:real):real ;
begin
f:=x-ln(1+x*x) ;
end ;
begin
u:=1 ; n:=0 ;
repeat
n:=n+1 ; u:=f(u) ;
until u<=0.001 ;
writeln(n = ,n) ;
end.
n = 993
c) 1) Soit g : [0 ; 1] R, x x
x
2
2
f (x).
On a : x [0 ; 1], g(x) =
x
2
2
+ ln(1 + x
2
).
La fonction g est drivable sur [0 ; 1] et :
x [0 ; 1], g
(x) = x +
2x
1 + x
2
=
x
1 + x
2
_
(1 + x
2
) + 2
_
=
x
1 + x
2
_
1 x
2
_
0.
Donc la fonction g est croissante sur [0 ; 1].
En particulier, on a : x [0 ; 1], g(x) g(0) = 0.
On conclut : x [0 ; 1], f (x) x
x
2
2
.
c) 2) La suite (u
n
)
nN
tant dcroissante, de limite nulle, on
obtient : n N, 0 u
n
u
0
= 1.
Soit n N. En appliquant lingalit prcdente u
n
[0 ; 1],
on a : f (u
n
) = u
n+1
u
n

u
2
n
2
.
On obtient alors : u
2
n
2(u
n
u
n+1
).
300
c) 3) La srie
n0
(u
n
u
n+1
) converge car :
N 0,
N
n=0
(u
n
u
n+1
) = u
0
u
N+1

N
u
0
.
Daprs c) 2), on a : n N, 0 u
2
n
2(u
n
u
n+1
).
Daprs le thorme de majoration pour des sries termes po-
sitifs ou nuls, on en dduit que la srie
n0
u
2
n
converge.
Soit n N. En sommant lingalit u
2
k
2(u
k
u
k+1
) pour k
allant de n + 1 +, on obtient :
+
k=n+1
u
2
k
2
+
k=n+1
(u
k
u
k+1
) = 2u
n+1
.
c) 4) Notons, pour tout n de N, S
n
=
n
k=0
u
k
et S =
+
k=0
u
k
.
Daprs la question prcdente, on a :
n N, 0 S S
n
2u
n+1
.
On en dduit que, si 2u
n+1
10
4
, alors S
n
est une valeur ap-
proche (par dfaut) de S 10
4
prs.
Le programme suivant calcule la somme S
n
jusqu ce que
2u
n+1
10
4
laide dune boucle repeat...until.
var n:integer ; u,s:real ;
begin
f:=x-ln(1+x*x) ;
end ;
begin
u:=1 ; s:=1 ; n:=0 ;
repeat
n:=n+1 ; u:=f(u) ; s:=s+u*u ;
until 2*f(u)<=0.0001 ;
writeln(une valeur approchee est ,s) ;
end.
une valeur approchee
est 1.313002E+000
Remarque : Il est galement possible dutiliser une boucle
while...do.
9.14
a) Notons g : R R, x f (x) x.
On a : x R, g(x) = (x
2
+ 1) e
x
x.
La fonction g est deux fois drivable sur R et :
x R, g
(x) =
_
2x (x
2
+1)
_
e
x
1 = (2x x
2
1) e
x
et
g
(x) =
_
2 2x (2x x
2
1)
_
e
x
= (3 4x + x
2
) e
x
= (x 1)(x 3) e
x
.
On en dduit le tableau suivant :
x 1 3 +
g
(x) + 0 0 +
0 0
g
(x) , ,
On obtient : x R, g
(x) 0 et g
ne sannule quen 1.
Ainsi la fonction g est strictement dcroissante sur R. De plus
g est continue sur R. Donc g ralise une bijection de R sur
g(R) =] lim
+
g ; lim
g[ =] ; +[ = R.
On en dduit que lquation g(x) = 0 admet une unique solu-
tion sur R, note .
Enn, g
_
1
2
_
=
5
4
e
1/2
1
2
; puisque e < 4, on a
e
1/2
> 4
1/2
=
1
2
, et donc g
_
1
2
_
>
5
4
1
2

1
2
=
1
8
> 0.
Et g(1) = 2 e
1
1 ; puisque e > 2, on a e
1
< 2
1
=
1
2
, et
donc g(1) < 2
1
2
1 = 0.
On a donc g
_
1
2
_
> 0 = g() > g(1), et puisque g est strictement
dcroissante sur R, on en dduit :
1
2
< < 1.
b) Utilisons la mthode de recherche par dichotomie.
program dichotomie ;
var a,b:real ;
function g(x:real):real ;
begin
g:=(x*x+1)*exp(-x)-x ;
end ;
begin
a:=1/2 ; b:=1 ;
repeat
if g(a)*g((a+b)/2)<0
then b:=(a+b)/2
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
301
else a:=(a+b)/2 ;
until (b-a)/2<=0.000001 ;
writeln(une valeur approchee est ,(a+b)/2) ;
end.
une valeur approchee est
7.3843288421E-001
c) 1) On a :
x
_
1
2
; 1
_
, f

(x) = (2x x
2
1) e
x
= (1 x)
2
e
x
.
Ainsi :
x
_
1
2
; 1
_
, f

(x) = (1 x)
2
e
x
(1 x)
2
1
4
.
De plus, puisque f

0 sur
_
1
2
; 1
_
, la fonction f est dcrois-
sante sur
_
1
2
; 1
_
.
On en dduit : x
_
1
2
; 1
_
, f (1) f (x) f
_
1
2
_
.
Or f (1)
1
2
= 2 e
1
1
2
=
e
1
4
(4 e ) > 0 ; ainsi
1
2
f (1).
De plus f
_
1
2
_
1 =
5
4
e
1/2
1 = e
1/2
_
5
4
e
1/2
_
; puisque
e > 2 et 2 >
25
16
, on a e
1/2
>
5
4
et donc
5
4
e
1/2
0 ; ainsi
f
_
1
2
_
1.
On conclut : x
_
1
2
; 1
_
,
1
2
f (x) 1.
c) 2) De la question prcdente, on en dduit que lintervalle
_
1
2
; 1
_
est stable par f .
Puisque u
0

_
1
2
; 1
_
, on a donc par rcurrence sur n :
n N, u
n

_
1
2
; 1
_
.
Soit n N. Appliquons lingalit des accroissements nis
f sur lintervalle [u
n
; ] (ou [; u
n
]) :
f (u
n
) f () u
n
max
[un ;]
f

.
Or u
n

_
1
2
; 1
_
et
_
1
2
; 1
_
.
Donc : max
[un ;]
f

max
[1/2 ;1]
f

1
4
.
De plus, on a f (u
n
) = u
n+1
et f () = .
On obtient alors : u
n+1

1
4
u
n
.
On a alors par rcurrence sur n :
n N, u
n

_
1
4
_
n
u
0

.,,.
1
_
1
4
_
n
.
c) 3) Puisque
1
4
< 1, on a :
_
1
4
_
n
n
0.
Par le thorme dencadrement, on obtient : u
n

n
0.
On en dduit que la suite (u
n
)
nN
converge vers .
c) 4) 1
re
mthode : On calcule les termes u
n
jusqu ce que
_
1
4
_
n
10
6
en utilisant une boucle repeat...until. (Il est
galement possible dutiliser une boucle while...do).
program iteration ;
var u,x:real ; n:integer ;
begin
f:=(x*x+1)*exp(-x) ;
end ;
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) ;
end.
la n de chaque boucle, la variable u contient la valeur de u
n
et x la valeur de
_
1
4
_
n
.
7.3843240070E-001
2
e
mthode : On a, pour tout n de N :
_
1
4
_
n
10
6
n ln(4) 6 ln(10)
n
6 ln(10)
ln(4)
=
3 ln(10)
ln(2)
.
Par exemple, prenons n = Ent
_
3 ln(10)
ln(2)
_
+ 1.
Pour cette valeur de n, on a u
n
10
6
et donc u
n
est une
valeur approche de 10
6
prs.
302
Calculons alors le terme u
n
laide dune boucle for...do.
program iteration ;
var u:real ; n,i:integer ;
begin
f:=(x*x+1)*exp(-x) ;
end ;
begin
u:=1 ; n:=trunc(3*ln(10)/ln(2))+1 ;
for i:=1 to n do u:=f(u) ;
writeln(une valeur approchee est ,u) ;
end.
7.3843240070E-001
9.15
a) function MaxLigne(A:matrice ; i:integer):real ;
var x:real ; j:integer ;
begin
x:=A[i,1] ;
for j:=2 to p do
if A[i,j]>x then x:=A[i,j] ;
MaxLigne:=x ;
end ;
b) function MinMax(A:matrice):real ;
var x:real ; j:integer ;
begin
x:=MaxLigne(A,1) ;
for i:=2 to n do
if MaxLigne(A,i)<x then
x:=MaxLigne(A,i) ;
MinMax:=x ;
end ;
Remarque : Supposons entre la matrice A suivante :
A =
_
_
5 2 4 6
4 7 1 2
1 3 5 2
_
_
.
Linstruction MaxLigne(A,1) renvoie 6, linstruction
MaxLigne(A,2) renvoie 7 et linstruction MaxLigne(A,3)
renvoie 5.
Enn, linstruction MinMax(A) renvoie 5.
9.16 Soit X H (m, n, p).
On considre que X est le nombre de boules blanches obtenues
lors de n tirages sans remise dans une urne contenant m boules
dont mp boules blanches.
a) Dans la fonction itrative suivante, la variable x contient le
nombre de boules blanches obtenues, nb le nombre de boules
dans lurne et a le nombre de boules blanches.
function hypergeom(m,n:integer ; p:real)
:integer ;
var i,nb,x:integer ; a:real ;
begin
x:=0 ; nb:=m ; a:=nb*p ;
for i:=1 to n do
begin
if random<=a/nb then
begin
a:=a-1 ; x:=x+1 ;
end ;
nb:=nb-1 ;
end ;
hypergeom:=x ;
end ;
b) La fonction rcursive suivante repose sur le fait que, si une
urne contient m boules avec une proportion de boules blanches
gale p et si lon tire une boule blanche, alors la proportion
de boules blanches devient gale
mp 1
m 1
et sinon cette pro-
portion devient gale
mp
m 1
.
function H(m,n : integer ; p : real) : integer ;
begin
if n=1 then
if random<=p then H:=1 else H:=0
else
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 ;
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
303
9.17
retenir .
program geometrique ;
var p:real ; x:integer ;
begin
randomize ; x:=0 ;
repeat
x:=x+1
until random>p ;
writeln(X = ,x) ;
end.
Le nombre moyen dappels de la fonction random est gal
E(X) =
1
p
.
Remarque : Si lon avait choisi dutiliser une boucle
while...do, la squence correspondante serait la suivante :
x:=1 ;
while random>p do x:=x+1 ;
On remarquera la dirence dans linitialisation de x.
b) 1) Notons Y =
1
a
ln(U). Puisque U prend presque sre-
ment ses valeurs dans ]0 ; 1[ et que a > 0, la va Y prend presque
srement ses valeurs dans R
+
.
Ainsi : y 0, P(Y y) = 0.
De plus : y > 0, P(Y y) = P(ln(U) ay)
= P(ln(U) ay) = P(U e
ay
)
= 1 P(U < e
ay
) = 1 P(U e
ay
)
= 1 e
ay
car U U (]0 ; 1[) et e
ay
]0 ; 1[.
Y
de Y vrie :
y R, F
Y
(y) =
_
0 si y 0
1 e
ay
si y > 0
.
de paramtre a.
On conclut : Y E (a).
Un programme simulant une va Y de loi E (a) est :
program exponentielle ;
var a,y:real ;
begin
randomize ;
write(a ? ) ; readln(a) ;
y:=-1/a*ln(random) ;
writeln(Y = ,y) ;
end.
b) 2) Soit k N
. On a :
P(k 1 Y < k) = P(k 1 < Y k)
= P(Y k) P(Y k 1)
=
_
1 e
ak
_
_
1 e
a(k1)
_
= e
a(k1)
e
ak
= e
a(k1)
_
1 e
a
_
=
_
e
a
_
k1
_
1 e
a
_
.
Prenons a tel que 1 e
a
= p,
cest--dire : a = ln(1 p).
Notons Z la va Ent(Y) + 1.
La va Z prend ses valeurs dans N
et :
k N
, P(Z = k) = P
_
Ent(Y) = k 1
_
= P(k 1 Y < k) = (1 p)
k1
p = P(X = k).
On en dduit que les va X et Z ont la mme loi.
b) 3) Le programme est le suivant :
program geometrique ;
var p,y:real ; x:integer ;
begin
randomize ;
y:=-1/ln(1-p)*ln(random) ;
x:=trunc(y)+1 ;
writeln(X = ,x) ;
end.
9.18
a) Pour tout k de N
, lvnement E
k
:
on obtient une boule blanche au k-ime tirage
a une probabilit gale
1
n
. On simule cet vnement par lv-
nement (random(n):=0) qui a la mme probabilit.
Le programme complt est le suivant :
304
begin
repeat
a:=random(n) ;
if a=0 then write(A gagne)
else begin
b:=random(n) ;
if b=0 then write(B gagne)
else begin
c:=random(n) ;
if c=0 then write(C gagne) ;
end ;
end ;
until (a*b*c=0) ;
end.
b) Le principe est le mme, sauf quil faut soustraire 1 n
lorsque lon tire une boule noire.
Le programme alors complt est le suivant :
begin
repeat
a:=random(n) ;
if a=0 then write(A gagne)
else begin
n:=n-1 ; b:=random(n) ;
if b=0 then write(B gagne)
else begin
n:=n-1 ; c:=random(n) ;
if c=0 then write(C gagne) ;
else n:=n-1 ;
end ;
end ;
until (a*b*c=0) ;
end.
9.19
retenir pour simuler les va X
1
, . . . , X
n
.
program simule ;
const n=1000 ;
var i:integer ; p,x:real ;
begin
randomize ; x:=0 ;
for i:=1 to n do
x:=x/n ; writeln(Xn = ,x) ;
end.
p ? 0.3
Xn = 3.140000E-001
b) Le programme est le suivant :
program simule ;
const n=1000 ; t=1.645 ;
var k,i,nb:integer ;
p,x,a,b:real ;
begin
randomize ; p:=random ;
nb:=0 ;
for k:=1 to 100 do
begin
{simulation de Xn}
x:=0 ;
for i:=1 to n do
x:=x/n ;
{calcul des extremits de lintervalle}
a:=x-t/(2*sqrt(n)) ;
b:=x+t/(2*sqrt(n)) ;
if (a<=p) and (p<=b)
then nb:=nb+1 ;
end ;
write(Le nombre d intervalles
contenant p est ,nb) ;
end.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
305
Le nombre dintervalles contenant
p est 91
Remarque : La valeur obtenue est lgrement suprieure la
conance de lintervalle gale 1 = 0.9.
9.20
a) Puisque U prend presque srement ses valeurs dans [0 ; 1[,
Y prend presque srement ses valeurs dans R
+
.
Ainsi : 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
car U U (]0 ; 1[) et 1 e
y
[0 ; 1].
Y
de Y vrie :
y R, F
Y
(y) =
_
0 si y < 0
1 e
y
si y 0
.
de paramtre 1.
On conclut : Y E (1).
Un programme simulant la loi exponentielle de paramtre 1
est le suivant :
program exponentielle ;
var y:real ;
begin
randomize ; y:=-ln(1-random) ;
write(Y = ,y) ;
end.
b) program gamma ;
var i,n:integer ; s:real ;
begin
randomize ; s:=0 ;
for i:=1 to n do s :=s-ln(1-random) ;
write(S = ,s) ;
end.
Remarque : La va S
n
suit la loi Gamma de paramtre (1, n).
c) program poisson ;
var n:integer ; t,s:real ;
begin
write(t ? ) ; readln(t) ;
randomize ; n:=-1 ; s:=0 ;
repeat
s:=s-ln(1-random) ; n:=n+1 ;
until s>t ;
write(Nt = ,n) ;
end.
Remarque : La va N
t
9.21
a) Daprs le cours, on a :
n N
, E(U
n
) =
1
2
et V(U
n
) =
1
12
.
Soit n N
. Par linarit de lesprance, on a :

E(X
n
) =
n
k=1
E(U
k
) =
n
2
.
Par indpendance des va U
1
, . . . , U
n
, on a :
V(X
n
) =
n
k=1
V(U
k
) =
n
12
.
On en dduit :
X
n
=
X
n
E(X
n
)
V(X
n
)
=
X
n

n
2
_
n
12
=
2
n
X
n

3n.
Les va U
n
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 (X
n
)
nN
converge en
loi vers une va de loi normale centre rduite.
b) En prenant n = 48, on a : X
n
=
X
n
2
12.
On obtient une simulation de la loi normale centre rduite en
simulant la va X
n
.
program normale ;
const n=48 ;
var x:real ; i:integer ;
begin
randomize ; x:=0 ;
for i:=1 to n do x:=x+random ;
x:=x/2-12 ;
write(N = ,x) ;
end.
306
c) En notant la fonction de rpartition de la loi normale
centre rduite et en utilisant sa table, on a :
P(N 1) = (1) = 0, 8413.
program normale ;
const n=48 ;
var x,p:real ; i,k:integer ;
begin
randomize ; p:=0 ;
for k:=1 to 1000 do
begin
x:=0 ;
for i:=1 to n do x:=x+random ;
x:=x/2-12 ;
if x<=1 then p:=p+1 ;
end ;
p:=p/1000 ;
write(Le pourcentage est ,p) ;
end.
Le pourcentage est 0.839000E-001
Remarque : Le pourcentage obtenu est bien proche de (1) =
0, 8413.
9.22
Les va X
1
, . . . , X
m
suivent la loi de Bernoulli de paramtre
1
2
.
On les simule par linstruction random(2).
Pour tout i de 2 ; m, il y a un changement de cots au i-ime
lancer lorsque X
i
X
i1
.
Le programme complt alors est le suivant :
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]:=random(2) ; N[1]:=0 ;
for i:=2 to m do
begin
X[i]:=random(2) ;
if X[i]=X[i-1]
then N[i]:=N[i-1]
else N[i]:=N[i-1]+1 ;
end ;
for i:=1 to m do write( ,X[i], ) ;
for i:=1 to m do write( ,N[i], ) ;
end.
m ? 15
0 1 0 1 1 1 0 0 1 0 1 1 1 1 0
0 1 2 3 3 3 4 4 5 6 7 7 7 7 8
9.23
a) Le chire c des units de n est obtenu par :
c = n 10 Ent(n/10).
Ce qui donne la fonction suivante :
function unite(n:integer):integer ;
begin
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 ;
while n<>0 do
begin
a:=unite(n) ; s:=s+a*a ;
n:=trunc(n/10) ;
end ;
somme:=s ;
end ;
Remarque : Par exemple,
linstruction somme(54) renvoie 41,
linstruction somme(298) renvoie 149, ...
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
307
c) program exo ;
var n,nb:integer ;
function unite(n:integer):integer ; ...
function somme(n:integer):integer ; ...
begin
nb:=0 ;
while (n<>1) and (n<>4) do
begin
n:=somme(n) ; write(n, ) ;
nb:=nb+1 ;
end ;
writeln() ;
writeln(le nombre d iterations est ,nb) ;
end.
n ? 945
122 9 81 65 61 37 58 89 145 42 20 4
le nombre ditrations est 12
9.24
a) 1) La fonction F tant la fonction de rpartition dune va
densit, F est continue sur R. De plus, par hypothse, F est
strictement croissante sur R.
Donc la fonction F ralise une bijection de R dans
] lim
F ; lim
+
F[ =]0 ; 1[.
a) 2) La fonction G est dnie sur ]0 ; 1[. Donc la va G(U) est
bien dnie.
De plus : x R, P
_
G(U) x)
= P
_
U F(x)
_
car G est bijective et G
1
= F
= F(x) = P(X x)
car U U (]0 ; 1[ et F(x) ]0 ; 1[.
On en dduit que la va X et G(U) ont mme fonction de rpar-
tition, donc elles suivent la mme loi.
b) 1) On a : x R, F(x) =
_
x
f (t) dt.
1
er
cas : si x < 0, alors
F(x) =
_
x
c
2
e
ct
dt =
_
1
2
e
ct
_
x
=
e
cx
2
.
2
e
cas : si x 0, alors
F(x) =
_
0
c
2
e
ct
dt +
_
x
0
c
2
e
ct
dt
=
_
e
ct
2
_
0
+
_
e
ct
2
_
x
0
=
1
2
+
_
e
cx
2
+
1
2
_
= 1
e
cx
2
.
On a : x R
, F
(x) = f (x) > 0,

donc F est strictement croissante sur R
.
On a aussi : x R
+
, F
(x) = f (x) > 0,

donc F est strictement croissante sur R
+
.
De plus, F est continue en 0.
On conclut que F est strictement croissante sur R.
Daprs a) 1), F ralise une bijection de R dans ]0 ; 1[.
Dterminons la fonction G = F
1
, rciproque de F.
Soit y ]0 ; 1[.
Considrons lquation (E), dinconnue x R : F(x) = y.
1
er
cas : Supposons y
1
2
. Puisque F(0) =
1
2
et que F est stric-
tement croissante sur R, lquation (E) nadmet pas de solution
sur R
+
. Rsolvons (E) sur R
.
x R
, F(x) = y
e
cx
2
= y e
cx
= 2y
x =
1
c
ln(2y).
Dans ce cas : G(y) =
1
c
ln(2y).
2
e
cas : Supposons y >
1
2
. Par le mme raisonnement que pr-
cdemment, lquation (E) nadmet pas de solution sur R
. R-
solvons (E) sur R
+
.
x R
+
, F(x) = y 1
e
cx
2
= y e
cx
= 2(1 y)
x =
1
c
ln
_
2(1 y)
_
.
Dans ce cas : G(y) =
1
c
ln
_
2(1 y)
_
.
Ainsi, la fonction G vrie :
y ]0 ; 1[, G(y) =
_
_
1
c
ln(2y) si y
1
2
1
c
ln
_
2(1 y)
_
si y >
1
2
.
b) 2) Pour simuler la va Y, simulons la va G(U) avec
U U (]0 ; 1[). Ces deux va ont la mme loi.
308
program laplace ;
var c,y:real ;
function G(c,y:real):real ;
begin
if y<1/2 then G:=1/c*ln(2*y)
else G:=-1/c*ln(2*(1-y)) ;
end ;
begin
write(c ? ) ; readln(c) ;
randomize ; y:=G(c,random) ;
write(Y = ,y) ;
end.
c) 1) On a : x R, F(x) =
_
x
f (t) dt =
1
_
x
dt
1 + t
2
=
1
_
arctan t
_
x
=
1
_
arctan x +
2
_
=
arctan x
+
1
2
.
On a : x R, F(x) = f (x) > 0,
donc F est strictement croissante sur R.
Daprs a) 1), F ralise une bijection de R dans ]0 ; 1[.
Dterminons la fonction G = F
1
, rciproque de F.
Soit y ]0 ; 1[.
Considrons lquation (E), dinconnue x R : F(x) = y.
On a : x R, F(x) = y
arctan x
+
1
2
= y
arctan x =
_
y
1
2
_
= x = tan
_
_
y
1
2
_
_
.
Ainsi, la fonction G vrie :
y ]0 ; 1[, G(y) = tan
_
_
y
1
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 ;
var y:real ;
function G(y:real):real ;
begin
G:=sin(pi*(y-1/2))/cos(pi*(y-1/2)) ;
end ;
begin
randomize ; y:=G(random) ;
write(Y = ,y) ;
end.
9.25 Utilisons la mthode dcrite dans la rubrique les m-
thodes retenir .
procedure dicho(var i:integer ; T:tab ;
x:integer) ;
var a,b,c:integer ;
begin
a:=1 ; b:=n ;
while aT[c] then a:=c+1 else b:=c ;
end ;
if x=T[a] then i:=a else i:=0 ;
end ;
9.26
var i,j,rmax,aux,k:integer ;
begin
for i:=1 to n-1 do
begin
{recherche du rang du min parmi T[i],...,T[n]}
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]}
aux:=T[rmax] ; T[rmax]:=T[i] ;
T[i]:=aux ;
end ;
{affichage du tableau}
for k:=1 to n do write(T[k], ) ;
end ;
9.27
a) La procdure est la suivante :
procedure chiffres(var T:tab ; n:integer) ;
begin
{chiffre des centaines}
T[1]:=n div 100 ;
{chiffre des dizaines}
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
309
T[2]:=(n-T[1]*100) div 10 ;
{chiffre des units}
T[3]:=n-T[1]*100-T[2]*10 ;
end ;
b) La procdure est la suivante :
var aux:integer ;
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
cases}
aux:=T[2] ; T[2]:=T[3] ; T[3]:=aux ;
end ;
if T[1]>T[2] then
cases}
aux:=T[1] ; T[1]:=T[2] ; T[2]:=aux ;
end ;
end ;
c) La fonction est la suivante :
function difference(n:integer):integer ;
var T:tab ; min,max:integer ;
begin
chiffres(T,n) ;
tri(T) ;
min:=100*T[1]+10*T[2]+T[3] ;
max:=100*T[3]+10*T[2]+T[1] ;
difference:=max-min ;
end ;
d) La fonction est la suivante :
function test(n:integer):boolean ;
var T:tab ;
begin
chiffres(T,n) ;
test:=true ;
if (T[1]=T[2]) and (T[2]=T[3])
{n a trois chiffres identiques}
then test:=false ;
end ;
e) Le corps du programme principal est le suivant :
begin
randomize ; n:=random(999)+1 ;
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.
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
x:=random(n) ; y:=random(n) ;
pgrm1:=pgrm1+1 ;
end ;
end ;
b) 1) type tab=array[1..n] of integer ;
var blanc,noir:tab ;
310
b) 2) procedure echange(var s:tab ; i,j:integer) ;
var aux:integer ;
begin
aux:=s[i] ; s[i]:=s[j] ; s[j]:=aux ;
end ;
b) 3) Linstruction
for i:=1 to n do blanc[i]:=i ;
initialise chaque case du tableau blanc son rang.
Au premier passage dans la deuxime boucle for, cest--
dire pour i gal 1, la variable j contient un entier alatoire
de 1 ; n puis on change le contenu des cases blanc[1] et
blanc[j]. Ceci permet de simuler le tirage de la premire
boule et de placer son numro dans la premire case du tableau
blanc.
Plus gnralement, au i-ime passage dans cette deuxime
boucle for, la variable j contient un entier alatoire de i ; n
puis on change le contenu des cases blanc[i] et blanc[j].
Ceci permet de simuler le tirage de la i-ime boule et de placer
son numro dans la i-ime case du tableau blanc. Les cases
blanc[i+1], ..., blanc[n] contiennent alors les numros des
boules qui nont pas t encore tires.
Ce programme permet donc de simuler un tirage sans remise
de n boules.
b) 4) Utilisons des lignes du programme prcdent. La proc-
dure est alors la suivante :
procedure initialise(var s:tab) ;
var i,j:integer ;
begin
for i:=1 to n do s[i]:=i ;
for i:=1 to n-1 do
begin
j:=random(n+1-i)+1 ;
echange(s,i,j) ;
end ;
end ;
b) 5) Le programme est le suivant :
const n=20 ;
type tab=array[1..n] of integer ;
var blanc,noir:tab ;
i,x:integer ;
procedure echange(var s:tab ; i,j:integer) ;
...
procedure initialise(var s:tab) ;
...
begin
randomize ;
initialise(blanc) ;
for i:=1 to n do noir[i]:=random(n)+1 ;
x:=0 ;
for i:=1 to n do
if blanc[i]=noir[i] then x:=x+1 ;
for i:=1 to n do write(blanc[i], ) ;
writeln() ;
for i:=1 to n do write(noir[i], ) ;
writeln() ;
writeln(On a obtenu ,x, paire(s)) ;
end.
12 19 2 16 15 14 9 13 1 7
3 11 4 5 8 6 10 17 18 20
9 14 14 7 13 12 18 19 15 14
6 20 4 12 5 6 6 1 8 13
On a obtenu 2 paire(s)
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
311
Problmes de rvision CHAPITRE
10
10
10.1 10.2 10.3 10.4 10.5 10.6 10.7 10.8 10.9
Polynmes
Espaces vectoriels - Applications linaires
Matrices
Rduction des endomorphismes
Algbre bilinaire
Suites - Sries
Fonctions relles dune variable relle
(limite, continuit, drivation)

Intgration sur un segment
Intgrales impropres

Fonctions relles
de plusieurs variables relles
Espaces probabiliss
Variables alatoires discrtes
Variables alatoires densit
Convergences et approximations
Algorithmique
10.10 10.11 10.12 10.13 10.14 10.15 10.16 10.17
Polynmes
Espaces vectoriels - Applications linaires
Matrices
Rduction des endomorphismes
Algbre bilinaire
Suites - Sries
Fonctions relles dune variable relle
(limite, continuit, drivation)

Intgration sur un segment
Intgrales impropres

Fonctions relles
de plusieurs variables relles
Variables alatoires discrtes
Variables alatoires densit
Convergences et approximations
Algorithmique
Les dures indiques pour les exercices ont t estimes proportionnellement au temps accord pour lpreuve complte.
312
noncs des exercices
noncs des exercices
10.1 tude dune exprience alatoire, daprs ESC 2007
Dure : 30 minutes Dans tout lexercice, p est un rel de lintervalle ]0 ; 1[ et q = 1 p.
Sur une table sont places deux boules noires (tape 0).
Une des deux boules est choisie au hasard et limine de la table. Ensuite, on repose sur la table :
soit une boule blanche, avec la probabilit p
soit une boule noire, avec la probabilit q.
On a alors atteint ltape 1.
Cette action est rpte ainsi indniment, de sorte qu chaque tape k, deux boules sont sur la
table : soit deux boules noires (vnement not A
k
)
soit une boule noire et une boule blanche (vnement not B
k
)
soit deux boules blanches (vnement not C
k
).
chaque tape, une des deux boules est choisie au hasard puis remplace comme prcdemment
soit par une boule blanche avec la probabilit p soit par une boule noire avec la probabilit
q = 1 p.
Pour tout k de N, on note a
k
= P(A
k
), b
k
= P(B
k
), c
k
= P(C
k
), et on dnit les matrices suivantes :
M =
_
_
q q/2 0
p 1/2 q
0 p/2 p
_
_
, D =
_
_
0 0 0
0 1/2 0
0 0 1
_
_
, P =
_
_
1 q q
2
2 p q 2pq
1 p p
2
_
_
,
U
k
=
_
_
a
k
b
k
c
k
_
_
avec U
0
=
_
_
1
0
0
_
_
.
1. a) Calculer le produit PD.
b) Calculer le produit MP et, en utilisant la relation p + q = 1, vrier MP = PD.
2. a) Justier : a
1
= q, b
1
= p et c
1
= 0.
b) Soit k N
. Justier que P
A
k
(A
k+1
) = q, P
B
k
(A
k+1
) =
q
2
et P
C
k
(A
k+1
) = 0.
Donner aussi P
A
k
(B
k+1
), P
B
k
(B
k+1
), P
C
k
(B
k+1
), P
A
k
(C
k+1
), P
B
k
(C
k+1
), P
C
k
(C
k+1
).
c) Montrer, pour tout k de N
: U
k+1
= MU
k
.
d) En utilisant la question 1. b), montrer par rcurrence, pour tout k de N
:
U
k
= PD
k
_
_
p
2
2p
1
_
_
.
e) En dduire, pour tout k de N
, a
k
, b
k
, c
k
en fonction de k et montrer :
lim
k
a
k
= q
2
, lim
k
b
k
= 2pq, lim
k
c
k
= p
2
.
10.2 Drives successives et intgrales, daprs Ecricome 2004
Dure :
1 heure 30 minutes On note I =
_
0 ;

4
_
et on considre lapplication f : I R, x
1
cos x
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
313
Chapitre 10 Problmes de rvision
Partie I : tude de la bijection rciproque de f
1. Montrer que f est une bijection de I sur un intervalle J que lon prcisera.
On note f
1
la bijection rciproque.
2. Donner sur un mme graphique lallure des courbes reprsentatives de f et de f
1
.
3. Justier : x J, cos
_
f
1
(x)
_
=
1
x
et sin
_
f
1
(x)
_
=
_
1
1
x
2
.
4. Montrer que f
1
est drivable sur J \ 1 et : x J \ 1, ( f
1
)
(x) =
1
x
x
2
1
.
5. En dduire le dveloppement limit dordre 1 de f
1
en

2.
Partie II : tude des drives successives de f
1. Justier que f est de classe C
sur J.
2. Montrer que, pour tout n N, il existe P
n
R[X] unique tel que :
x I, f
(n)
(x) =
P
n
(sin x)
cos
n+1
x
et montrer : P
0
= 1 et n N, P
n+1
= (1 X
2
)P
n
+ (n + 1)XP
n
.
3. Calculer P
0
, P
1
, P
2
, P
3
.
4. Dterminer, pour tout n N, le degr et le coecient dominant de P
n
.
Partie III : tude dune suite dintgrales
On note, pour tout n N : I
n
=
_
4
0
_
f (x)
_
n
dx.
1. Justier que, pour tout n N, I
n
existe. Calculer I
0
et I
2
.
2. a) Dterminer (a, b) R
2
de faon que : t R \ 1, 1,
1
1 t
2
=
a
1 t
+
b
1 + t
.
b) laide du changement de variable t = sin x, calculer I
1
.
3. Montrer que la suite (I
n
)
nN
est croissante.
4. a) tablir : n N, I
n+2
=
(
2)
n
n + 1
+
n
n + 1
I
n
.
b) En dduire : I
n

n
+.
10.3 galit dune intgrale et dune somme de srie, daprs EML 2007
Dure :
1 heure 30 minutes
On considre lapplication f : [0 ; +[ R, x f (x) =
_
_
ln(1 + x)
x
si x > 0
1 si x = 0.
Partie I : tude de lapplication f
1. Montrer que f est continue sur [0 ; +[.
314
noncs des exercices
2. On considre lapplication A : [0 ; +[ R, x A(x) =
x
1 + x
ln(1 + x).
a) Montrer que f est de classe C
1
sur ]0 ; +[ et que : x ]0 ; +[, f

(x) =
A(x)
x
2
.
b) Montrer que f

admet
1
2
comme limite en 0 droite.
c) Dmontrer que f est de classe C
1
sur [0 ; +[ et prciser f

(0).
d) Dresser le tableau de variation de A.
En dduire que f est strictement dcroissante sur [0 ; +[.
e) Dterminer la limite de f en +.
3. On considre lapplication B : [0 ; +[ R, x B(x) =
3x
2
+ 2x
(1 + x)
2
+ 2 ln(1 + x).
a) Montrer que f est de classe C
2
sur ]0 ; +[ et que : x ]0 ; +[, f

(x) =
B(x)
x
3
.
b) Dresser le tableau de variation de B. En dduire que f est convexe sur ]0; +[.
4. Tracer lallure de la courbe reprsentative de f .
Partie II : Un dveloppement en srie
1. Montrer : N N, t [0 ; 1],
1
1 + t
=
N
k=0
(1)
k
t
k
+
(1)
N+1
t
N+1
1 + t
.
2. En dduire : N N, x [0 ; 1], ln(1 + x) =
N
k=0
(1)
k
x
k+1
k + 1
+ J
N
(x),
o on a not J
N
(x) =
_
x
0
(1)
N+1
t
N+1
1 + t
dt.
3. tablir : N N, x [0 ; 1], J
N
(x)
x
N+2
N + 2
.
4. En dduire que, pour tout x [0 ; 1], la srie
n1
(1)
n1
x
n
n
converge et que :
ln(1 + x) =
+
n=1
(1)
n1
x
n
n
.
Partie III : galit dune intgrale et dune somme de srie
1. Montrer, en utilisant le rsultat de II 3. :
N N, x [0 ; 1],
f (x)
N
k=0
(1)
k
x
k
k + 1

x
N+1
N + 2
.
2. Montrer que la srie
n1
(1)
n1
n
2
converge et que :
_
1
0
f (x) dx =
+
n=1
(1)
n1
n
2
.
3. Montrer, pour tout N N
:
2N+1
n=1
1
n
2
=
N
p=0
1
(2p + 1)
2
+
N
p=1
1
4p
2
et
2N+1
n=1
(1)
n1
n
2
=
N
p=0
1
(2p + 1)
2

N
p=1
1
4p
2
.
4. On admet que
+
n=1
1
n
2
=
2
6
. Montrer :
_
1
0
f (x) dx =
2
12
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
315
10.4 Exemple de variables alatoires densit, simulation informatique, daprs EDHEC 2010
Dure : 40 minutes Dans cet exercice, a dsigne un rel strictement positif.
On considre deux variables alatoires X et Y, dnies sur un espace probabilis (, A, P),
indpendantes, et suivant toutes deux la loi uniforme sur [0 ; a[.
On pose Z = X Y et on admet que Y, X Y et Z sont des variables alatoires densit, elles
aussi dnies sur lespace probabilis (, A, P).
1. a) Dterminer une densit de Y.
b) En dduire que X Y admet pour densit la fonction g dnie par :
x R, g(x) =
_
_
a x
a
2
si x [a ; a]
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 dnie par :
x R, h(x) =
_
_
2(a x)
a
2
si x [0 ; a]
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 M
n
(R), daprs Ecricome 2009
Dure : 1 heure Soit n N
. Pour toute matrice A = (a

i j
)
i j
M
n
(R), on appelle trace de A et on note tr (A), la
somme des lments diagonaux de A, cest--dire : tr (A) =
n
i=1
a
ii
.
Pour toute matrice A de M
n
(R), on note :
A
: M
n
(R) M
n
(R), M AM MA.
Pour toutes matrices A, B de M
n
(R), on note < A, B >= tr (
t
AB).
1. Montrer que lapplication tr : M
n
(R) R, A tr (A) est linaire et que :
(A, B)
_
M
n
(R)
_
2
, tr (AB) = tr (BA).
2. Montrer que, pour toute A M
n
(R),
A
est un endomorphisme de M
n
(R).
3. Montrer que lapplication < . , . > :
_
M
n
(R)
_
2
R, (A, B) < A, B >
316
noncs des exercices
est un produit scalaire sur M
n
(R).
On suppose dornavant que A est une matrice symtrique de M
n
(R) et on note Sp (A)
lensemble des valeurs propres de A, Sp (
A
) lensemble des valeurs propres de
A
, et
=
_
; (, )
_
Sp (A)
_
2
_
.
4. Montrer : (M, N)
_
M
n
(R)
_
2
, <
A
(M) , N >=< M ,
A
(N) > .
En dduire que
A
est diagonalisable.
5. a) Soient (, )
_
Sp (A)
_
2
, X M
n,1
(R) un vecteur propre pour A associ , Y M
n,1
(R)
un vecteur propre pour A associ . On note M
X,Y
= X
t
Y M
n
(R).
Montrer : M
X,Y
0,
t
YA =
t
Y,
A
(M
X,Y
) = ( )M
X,Y
.
b) En dduire : Sp (
A
).
6. Soient Sp (
A
), M M
n
(R) un vecteur propre pour
A
associ .
a) Montrer quil existe un vecteur propre Z
0
pour A tel que MZ
0
0. (On pourra raisonner
par labsurde.) On note la valeur propre pour A associe Z
0
.
b) Montrer que MZ
0
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 M

n,1
(R) est lapplication
(X, Y) < X , Y >=
t
XY
et que la norme euclidienne associe est lapplication X X =
_
< X , X >.
1. Dans cette question, C =
_
_
c
1
.
.
.
c
n
_
_
M
n,1
(R) \ 0.
a) Expliciter le produit matriciel C
t
C. La matrice C
t
C est-elle diagonalisable ?
b) Exprimer (C
t
C)
2
en fonction de C et de C
t
C.
c) En dduire que toute valeur propre de C
t
C est gale 0 ou C
2
.
d) Montrer que 0 est valeur propre de C
t
C et prciser le sous-espace propre pour C
t
C
associ 0.
e) Calculer C
t
CC en fonction de C, montrer que C
2
est valeur propre de C
t
C et prciser le
sous-espace propre pour C
t
C associ C
2
.
f) Montrer que lendomorphisme de M
n,1
(R) canoniquement reprsent par la matrice
1
C
2
C
t
C est un projecteur orthogonal dont on prcisera le noyau et limage.
Dornavant, A M
n
(R) est une matrice symtrique.
2. a) tablir, pour tous X, Y M
n,1
(R) : (
t
XY)
2
=
t
Y(X
t
X)Y.
b) Justier lexistence de (
1
, ...,
n
) R
n
et dune base orthonormale
B = (U
1
, ..., U
n
) de M
n,1
(R) tels que : i 1 ; n, AU
i
=
i
U
i
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
317
c) Pour tout X M
n,1
(R), exprimer X et AX dans la base B, et exprimer X
2
et AX
2
laide des produits scalaires et pour i 1 ; n, puis prouver :
< X , AX >=
n
i=1
i

2
.
d) En dduire : I
n
=
n
i=1
U
i
t
U
i
et A =
n
i=1
i
U
i
t
U
i
.
Reconnatre, pour tout i 1 ; n, lendomorphisme de M
n,1
(R) canoniquement repr-
sent par U
i
t
U
i
.
e) Dduire, pour tout X M
n,1
(R) :
_
Min
1in
i
_
X
2
< X , AX >
_
Max
1in
i
_
X
2
.
3. On note (A) = Max
1in
i
.
a) Vrier : X M
n,1
(R), AX
2
=
n
i=1
2
i

2
.
b) En dduire : X M
n,1
(R), AX (A)X.
Exhiber un vecteur X non nul ralisant lgalit dans lingalit prcdente.
c) Montrer que les deux assertions suivantes sont quivalentes :
i. Pour tout X M
n,1
(R), A
p
X
p
0 ii. (A) < 1.
10.7 Construction dune variable alatoire densit ayant une densit donne, daprs EDHEC
2009
Dure :
1 heure 30 minutes 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], simplier la somme

n
p=1
t
p1
.
b) En dduire, pour tout n de N
:
n
p=1
x
p
p
= ln(1 x)
_
x
0
t
n
1 t
dt.
c) Montrer : lim
n
_
x
0
t
n
1 t
dt = 0.
d) tablir que la srie de terme gnral
x
p
p
converge et que
+
p=1
x
p
p
= ln(1 x).
2. a) Vrier, pour tout n de N
:
1
n(n + 1)
=
1
n

1
n + 1
.
b) Montrer que la srie de terme gnral
x
n+1
n(n + 1)
est convergente et que :
+
n=1
x
n+1
n(n + 1)
= x + (1 x) ln(1 x).
Partie II :
On considre une variable alatoire X de densit f , nulle sur ] ; 0[, continue sur [0 ; +[ et
strictement positive sur [0 ; +[. On note F la fonction de rpartition de X.
318
noncs des exercices
1. Justier que, pour tout rel x, on a : 1 F(x) > 0.
On dnit alors la fonction g sur R par :
x R, g(x) =
_
_
f (x) ln
_
1 F(x)
_
si x 0
0 si x < 0
.
2. Montrer que g est une densit dune variable alatoire Y.
3. tude dun cas particulier
a) Montrer quune variable alatoire X suivant une loi exponentielle vrie les conditions
imposes dans cette partie.
b) On suppose ici que X suit la loi exponentielle de paramtre > 0. Reconnatre alors la loi
de Y puis donner son esprance et sa variance.
Partie III :
Dans cette partie, on considre une suite de variables alatoires (X
i
)
iN
toutes dnies sur le
mme espace probabilis (, A , P), mutuellement indpendantes, ayant toutes la mme loi que
X (cest--dire de densit f , nulle sur ] ; 0[, continue sur [0 ; +[ et strictement positive sur
[0 ; +[, et de fonction de rpartition F).
On se propose, partir dune suite, de construire une variable alatoire Z ayant comme densit la
fonction g, nulle sur ] ; 0[, et dnie pour tout rel x positif, par g(x) = f (x) ln
_
1 F(x)
_
.
Pour ce faire, on considre la suite (u
n
)
n1
de rels positifs dnie, pour tout n 1, par
u
n
=
1
n(n + 1)
.
1. Montrer que
+
n=1
u
n
= 1.
On considre ds lors une variable alatoire N, dnie elle-aussi sur (, A, P), indpendante
des variables X
i
, et dont la loi est donne par : n N
, P(N = n) =
1
n(n + 1)
.
On pose alors Z = Max(X
0
, X
1
, ..., X
N
) ce qui signie :
, Z() = Max
_
X
0
(), X
1
(), ..., X
N()
()
_
.
2. a) Montrer que la fonction de rpartition de Z, note F
Z
, est donne par :
x R, F
Z
(x) =
+
n=1
_
F(x)
_
n+1
n(n + 1)
.
b) Utiliser le prliminaire pour en dduire, laide de la fonction F, une expression explicite
de F
Z
sur [0 ; +[.
c) Vrier que Z est une variable alatoire densit et quelle admet bien la fonction g comme
densit.
10.8 Polynmes de Tchebychev de seconde espce, daprs EML 2005
Dure :
1 heure 30 minutes
On considre la suite (T
n
)
nN
de polynmes de R[X] dnie 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
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
319
2. a) Dmontrer que, pour tout n N, T
n
est un polynme de degr n, dont on dterminera le
coecient du terme de degr n.
b) tablir que, si n est un entier pair (resp. impair), alors T
n
est un polynme pair (resp.
impair).
3. Calculer, pour tout n N, T
n
(1) en fonction de n.
4. a) tablir : n N, ]0 ; [, T
n
(cos ) =
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.
c) tablir : n N
, T
n
= 2
n
n
_
k=1
_
X cos
k
n + 1
_
.
d) En dduire, pour tout n N
, la valeur de
n
_
k=1
sin
k
2(n + 1)
en fonction de n.
5. a) Dmontrer :
n N, ]0 ; [, sin
2
T
n
(cos ) 3 cos T
n
(cos ) + (n
2
+ 2n)T
n
(cos ) = 0.
(On pourra driver deux fois la fonction (nulle) : sin T
n
(cos ) sin(n + 1).)
b) En dduire : n N, (X
2
1)T
n
+ 3XT
n
(n
2
+ 2n)T
n
= 0.
Dans la suite du problme, n dsigne un entier x tel que n 2 et on note E = R
n
[X].
On note L lapplication qui, un polynme P de E, associe le polynme L(P) dni, par :
L(P) = (X
2
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
1
1 x
2
P(x)Q(x) dx.
1. Montrer que est un produit scalaire sur E.
2. Dmontrer : (P, Q) E
2
,
_
L(P), Q
_
=
_
P, L(Q)
_
.
Indication : On pourra, laide dune intgration par parties, montrer :
_
L(P), Q
_
=
_
1
1
(1 x
2
)
3
2
P
(x)Q
(x) dx.
3. tablir que (T
k
)
0kn
est une base orthogonale de E.
320
noncs des exercices
10.9 Existence et calcul dune intgrale impropre, daprs EML 2009
Dure : 1 heure Soit (a, b) ]0 ; +[
2
.
1. Montrer que lintgrale impropre
_
+
0
e
ax
e
bx
x
dx converge.
2. a) tablir, en utilisant des changements de variable, pour tout (, X) ]0 ; +[
2
tel que X :
_
X
e
ax
x
dx =
_
aX
a
e
y
y
dy et
_
X
e
bx
x
dx =
_
bX
b
e
y
y
dy.
b) En dduire, pour tout (, X) ]0 ; +[
2
tel que X :
_
X
e
ax
e
bx
x
dx =
_
b
a
e
y
y
dy
_
bX
aX
e
y
y
dy.
3. a) Montrer que lapplication
h : [0 ; +[ R, y h(y) =
_
_
1 e
y
y
si y 0
1 si y = 0
b) En dduire :
_
b
a
e
y
y
dy
0
ln
b
a
.
c) tablir : X ]0 ; +[,
_
X
0
e
ax
e
bx
x
dx = ln
b
a

_
bX
aX
e
y
y
dy.
d) En dduire :
_
+
0
e
ax
e
bx
x
dx = ln
b
a
.
10.10 tude de deux variables alatoires densit, daprs cricome 2011
Dure : 1 heure Pour toute variable alatoire relle X, on note F
X
sa fonction de rpartition dnie par :
t R, F
X
(t) = P(X t).
n
)
nN
de variables alatoires mutuellement indpendantes suivant la
mme loi exponentielle de paramtre 1. Pour tout entier naturel n non nul, on note Y
n
et Z
n
les
deux variables alatoires dnies par :
Y
n
= max(X
1
, X
2
, . . . , X
n
) =max
1in
X
i
et Z
n
=
X
1
1
+
X
2
2
+ +
X
n
n
=
n
i=1
X
i
i
.
Pour nir, on dsigne par f
n
la fonction dnie sur R par :
t R, f
n
(t) =
_
0 si t < 0
n exp(t)
_
1 exp(t)
_
n1
si t 0.
1. On considre un tableau X de nombres rels de taille 2011 (cest--dire X=array[1..2011]
of real pralablement rempli.
a) crire un programme en Pascal calculant et achant les rels :
max(X[1], X[2]) et max(X[1], X[2], X[3]).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
321
b) crire un programme en Pascal calculant et achant le rel :
max(X[1], X[2], ..., X[2011]).
2. Soit n un entier naturel non nul.
a) Pour tout rel t, exprimer le rel F
Yn
(t) laide des rels F
X
1
(t), . . . , F
Xn
(t).
b) Pour tout rel t, donner alors lexpression de F
Yn
(t) en fonction de n et t, en distinguant le
cas t < 0 et le cas t 0.
c) Vrier alors que la fonction f
n
est une densit de Y
n
.
3. Soit n un entier naturel non nul.
a) Prciser la fonction de rpartition de la variable alatoire
X
n+1
n + 1
.
b) Dmontrer que
X
n+1
n + 1
est une variable alatoire densit et en proposer une densit d
n+1
.
4. Pour tout x de R et tout n de N
, vrier :
_
x
0
n exp(nt)
_
1 exp(t)
_
n1
dt =
_
exp(x) 1
_
n
.
5. Montrer par rcurrence que, pour tout entier naturel n non nul, Z
n
est une variable alatoire
densit dont f
n
est une densit.
Indication : Pour lhrdit, on remarquera que Z
n+1
= Z
n
+
X
n+1
n + 1
.
10.11 Matrice compagnon dun polynme, daprs EML 2006
Dure :
1 heure 30 minutes
Soit n N tel que n 2. On considre un n-uplet (a
0
, a
1
, ..., a
n1
) de C
n
et le polynme
P = X
n
+ a
n1
X
n1
+ + a
1
X+ a
0
. On note :
C =
_
_
0 . . . . . . . . . 0 a
0
1
.
.
.
(0)
.
.
. a
1
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. (0)
.
.
.
.
.
.
0 a
n2
0 . . . . . . 0 1 a
n1
_
_
M
n
(C).
On dit que C est la matrice compagnon du polynme P.
On note B = (e
1
, ..., e
n
) la base canonique de C
n
.
On note e = Id
C
n et f lendomorphisme de C
n
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 (e
i
) en fonction de e
i+1
.
b) En dduire : j 1 ; n 1, f
j
(e
1
) = e
j+1
et f
n
(e
1
) = (a
0
e
1
+ + a
n1
e
n
).
2. On note g = f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e.
a) Vrier : g(e
1
) = 0.
b) Montrer : i N, g f
i
= f
i
g.
322
noncs des exercices
c) En dduire : i 1 ; n, g(e
i
) = 0.
d) Montrer que P est annulateur de f .
Application 1 : Dterminer une matrice A de M
5
(C) telle que : A
5
= A
3
+ 2A
2
+ I
5
.
e) tablir que les valeurs propres de C sont des racines du polynme P.
3. a) Soit Q =
0
+
1
X + +
n1
X
n1
un polynme non nul et de degr infrieur ou gal
n 1. Calculer Q( f )(e
1
).
b) En dduire quil nexiste pas de polynme non nul, de degr infrieur ou gal n 1, et
annulateur de f .
c) Soit une racine de P. Il existe donc un polynme R de C[X] et un seul tel que P = (X)R.
Vrier : ( f e) R( f ) = 0.
d) Conclure que toutes les racines de P sont des valeurs propres de f .
4. a) Montrer : x C, rg (C x I
n
) n 1.
En dduire que chaque sous-espace propre de C est de dimension 1.
b) tablir que C est diagonalisable si et seulement si P admet n racines deux deux distinctes.
5. a) Application 2 : Montrer que la matrice A
1
=
_
_
0 0 0 1
1 0 0 0
0 1 0 0
0 0 1 0
_
_
de M
4
(C) est diagonalisable.
b) Application 3 : Montrer que la matrice A
2
=
_
_
0 0 0 4
1 0 0 8
0 1 0 3
0 0 1 2
_
_
de M
4
(C) nest pas diagonali-
sable.
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).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
323
3. Vrier que P(Y = b + 1) =
b!
N
b
, et pour tout entier k 1 ; b :
P(Y = k) =
b!
(b (k 1))! N
k1

b!
(b k)! N
k
.
4. Soient M un entier naturel non nul et a
0
, a
1
, , a
M
une famille de rels. tablir :
M
k=1
k(a
k1
a
k
) =
_
M1
k=0
a
k
_
Ma
M
.
5. En dduire : E(Y) =
b
k=0
b!
(b k)! N
k
.
PARTIE II :
Dans cette partie, on note :
pour tout n de N
, q
n
la probabilit de lvnement, not N
n
:
la n-ime boule tire est noire
pour tout n de N, X
n
le nombre de boules noires obtenues au cours des n premiers tirages, avec
par convention X
0
= 0,
pour tous n et k de N, p
n,k
la probabilit de lvnement :
au cours des n premiers tirages, on a obtenu exactement k boules noires .
On remarquera que p
0,0
= 1 et que p
n,k
= 0 si k > n ou si k > b.
1. Soit n N. Calculer p
n,0
puis p
n,n
. Que vaut la somme
n
k=0
p
n,k
?
2. Dmontrer, pour tous n et k de N
:
(A) : N p
n,k
= (a + k)p
n1,k
+ (b + 1 k)p
n1,k1
.
3. Calcul de lesprance de X
n
:
a) laide de la formule (A) obtenue dans la question II.2), dmontrer pour tout n de N
:
N E(X
n
) =
n1
k=0
_
b + k(N 1)
_
p
n1,k
et E(X
n
) =
_
1
1
N
_
E(X
n1
) +
b
N
.
b) laide de la formule ci-dessus, crire une fonction en Pascal fournissant le calcul de
E(X
2009
) lorsque b = 10 et N = 100.
c) En utilisant la dernire formule tablie la question II.3) a), prouver, pour tout n de N
:
E(X
n
) = b
_
1
_
1
1
N
_
n
_
.
4. Calcul de q
n
:
a) En utilisant la formule des probabilits totales, tablir, pour tout n de N :
N q
n+1
=
n
k=0
(b k)p
n,k
.
b) Pour tout n de N, exprimer alors q
n+1
en fonction de E(X
n
) et en dduire lexpression de
q
n+1
en fonction de n, b, N.
5. Calcul de la variance de X
n
:
On introduit la suite (u
n
)
n0
dnie pour tout n de N par : u
n
= E
_
X
n
(X
n
1)
_
.
324
noncs des exercices
a) laide de la formule (A) au II.2), montrer, pour tout n de N
:
N u
n
=
n1
k=1
_
k(k 1)(a + b 2) + 2(b 1)k
_
p
n1,k
.
b) En dduire que la suite (u
n
)
n0
satisfait la relation de rcurrence :
n N
, u
n
=
_
1
2
N
_
u
n1
+
2b(b 1)
N
_
1
_
1
1
N
_
n1
_
.
c) laide dune rcurrence, dmontrer, pour tout n de N :
u
n
= b(b 1)
_
1 +
_
1
2
N
_
n
2
_
1
1
N
_
n
_
.
d) Donner alors la valeur de V(X
n
) puis prciser sa limite lorsque lentier n tend vers +.
10.13 Polynmes de Laguerre, produit scalaire, daprs EML 2011
Dure : 2 heures Partie I : Polynmes de Laguerre
On considre, pour tout n N, les applications
f
n
: R R, x
x
n
e
x
n!
, L
n
: R R, x e
x
f
(n)
n
(x),
o f
(n)
n
dsigne la drive n-ime de f
n
.
1. Calculer, pour tout x R, L
0
(x), L
1
(x), L
2
(x).
2. Montrer : n N, x R, L
n
(x) =
n
k=0
(1)
k
k!
_
n
k
_
x
k
.
3. En dduire que, pour tout n N, L
n
est une fonction polynomiale dont on prcisera le degr
et le coecient du terme de plus haut degr.
4. Montrer : n N, x R, f

n+1
(x) = f
n
(x) f
n+1
(x).
5. En dduire : n N, x R, L
n+1
(x) = L
n
(x) L
n
(x).
6. Montrer : n N, x R, f
n+1
(x) =
x
n + 1
f
n
(x).
7. En dduire : n N, x R, (n + 1)L
n+1
(x) = xL
n
(x) + (n + 1 x)L
n
(x).
8. tablir : n N, x R, xL
n
(x) (x 1)L
n
(x) + nL
n
(x) = 0.
Partie II : Produit scalaire, orthogonalit, endomorphisme
On note E le R-espace vectoriel des applications polynomiales de R dans R.
Soit N N x. On note E
N
le sous-espace vectoriel de E form des applications polynomiales
de R dans R de degr infrieur ou gal N.
1. Montrer que, pour tout A E, lintgrale impropre
_
+
0
A(x) e
x
dx converge.
On considre lapplication
< . , . > : E E R, (P, Q) < P, Q >=
_
+
0
P(x)Q(x) e
x
dx.
2. Montrer que < . , . > est un produit scalaire sur E.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
325
On considre, pour tout P E, lapplication T(P) : R R dnie par :
x R, T(P)(x) = xP
(x) (x 1)P
(x).
3. Vrier que T est un endomorphisme du R-espace vectoriel E.
4. Montrer que, pour tout P E, lapplication de R dans R : x T(P)(x) e
x
est la drive
de lapplication de R dans R : x xP
(x) e
x
.
5. En dduire : (P, Q) E E, < T(P) , Q >=
_
+
0
xP
(x)Q
(x) e
x
dx.
6. tablir : (P, Q) E E, < T(P) , Q >=< P, T(Q) > .
7. En utilisant le rsultat de la question I 8., calculer, pour tout n N, T(L
n
).
8. En dduire que la famille (L
0
, ..., L
N
) est orthogonale.
9. Montrer : P E
N
, T(P) E
N
.
On note T
N
lendomorphisme induit par T sur E
N
, cest--dire lendomorphisme T
N
de E
N
dni par : P E
N
, T
N
(P) = T(P).
10. Montrer que (L
0
, ..., L
N
) est une base de E
N
.
11. Donner la matrice de T
N
dans la base (L
0
, ..., L
N
) de E
N
.
12. Est-ce que T
N
est diagonalisable ? Est-ce que T
N
est bijectif ?
10.14 Rarrangement de n variables alatoires densit indpendantes, daprs CCIP 2011
Dure : 2 heures Dans tout le problme, on considre une variable alatoire X de fonction de rpartition F
X
et
admettant une densit f
X
.
Soit n N
1
, X
2
, . . . , X
n
) i.i.d. (indpendant, identiquement
distribu) de la loi de X et on dnit la variable alatoire : X
n
=
1
n
n
k=1
X
k
, qui est la moyenne
empirique de lchantillon (X
1
, X
2
, . . . , X
n
).
On admet lexistence de variables alatoires densit Y
1
, Y
2
, . . . , Y
n
telles que, pour tout de
, les rels Y
1
(), Y
2
(), . . . , Y
n
() constituent un rarrangement par ordre croissant des rels
X
1
(), X
2
(), . . . , X
n
(), de telle sorte que, pour tout de :
Y
1
() Y
2
() Y
n
().
En particulier, Y
1
= min(X
1
, X
2
, . . . , X
n
) et Y
n
= max(X
1
, X
2
, . . . , X
n
).
Pour tout rel x et tout entier k de 1 ; n, on note J
k
(x) la variable alatoire dnie par :
J
k
(x) =
_
1 si (X
k
x) est ralis
0 si (X
k
> x) est ralis
et on pose : S
n
(x) =
n
k=1
J
k
(x).
1. a) Montrer que les fonctions f
Y
1
et f
Yn
dnies pour tout x rel par :
f
Y
1
(x) = n(1 F
X
(x))
n1
f
X
(x) et f
Yn
(x) = n(F
X
(x))
n1
f
X
(x)
sont des densits de Y
1
et Y
n
respectivement.
b) Pour tout rel x, quelle est la loi de probabilit de la variable alatoire S
n
(x) ?
c) Soient k 1 ; n et x R. Justier lgalit entre vnements suivante :
(Y
k
x) = (S
n
(x) k).
326
noncs des exercices
d) Soit k 1 ; n. tablir : x R, F
Y
k
(x) =
n
j=k
_
n
j
_
(F
X
(x))
j
_
1 F
X
(x)
_
nj
.
e) En dduire que, pour tout k de 1 ; n, la fonction f
Y
k
dnie, pour tout x rel, par :
f
Y
k
(x) = k
_
n
k
_
(F
X
(x))
k1
(1 F
X
(x))
nk
f
X
(x)
est une densit de Y
k
.
f) Montrer que si X admet un moment dordre r (r N
), alors, pour tout k de 1 ; n, Y

k
admet un moment dordre r.
Dans la suite du problme, on suppose que la fonction de rpartition F
X
est donne par :
F
X
(x) =
_
_
1
1
x
si x 1
0 si x < 1
.
2. a) Tracer la courbe reprsentative de F
X
dans le plan rapport un repre orthonorm.
Prciser la demi-tangente droite au point dabscisse x = 1.
Justier que X est une variable alatoire densit et prciser une densit f
X
de X.
b) Montrer que X nadmet aucun moment.
c) Expliciter, pour tout k de 1 ; n et pour tout x rel, lexpression f
Y
k
(x) dune densit de Y
k
.
En dduire un quivalent de f
Y
k
(x) lorsque x tend vers +, lentier k tant x.
3. On suppose dans cette question que n 3.
a) Montrer que, pour tout k de 1 ; n 2, Y
k
admet une esprance.
b) En justiant lemploi du changement de variable t =
1
x
, tablir, pour tout k de 1 ; n2,
la formule : E(Y
k
) = k
_
n
k
_ _
1
0
t
nk2
(1 t)
k1
dt.
c) Pour tout couple (r, s) de (N
)
2
, on pose : I
r,s
=
_
1
0
t
r1
(1 t)
s1
dt.
Montrer que, pour tout couple (r, s) de (N
)
2
, on a : I
r,s
=
(r 1)!(s 1)!
(r + s 1)!
.
d) En dduire lexpression de E(Y
k
) pour tout k de 1 ; n 2.
4. On pose, pour tout n de N
: Z
n
=
1
n
2
max(X
1
, X
2
, . . . , X
n
) =
Y
n
n
2
.
a) Calculer, pour tout x rel, F
Zn
(x).
b) On dnit la fonction
Z
par : x R,
Z
(x) =
_
_
exp
_
x
_
si x > 0
0 si x 0
.
Montrer que
Z
est la fonction de rpartition dune variable alatoire Z densit.
c) Montrer que la suite de variables alatoires (Z
n
)
nN
converge en loi vers Z.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
327
10.15 Matrices productives, daprs EML 2004
Dure :
1 heure 30 minutes
Dans tout le problme, n dsigne un entier suprieur ou gal 2.
Une matrice M de M
n
(R) ou de M
n,1
(R) est dite positive si et seulement si tous les coecients
de M sont positifs ou nuls. On notera alors M 0.
Une matrice M de M
n
(R) ou de M
n,1
(R) est dite strictement positive si et seulement si tous les
coecients de M sont strictement positifs. On notera alors M > 0.
Si M et N sont deux matrices de M
n
(R) ou deux matrices de M
n,1
(R), la notation M N (resp.
M > N) signie que M N 0 (resp. M N > 0).
Une matrice M de M
n
(R) est dite productive si et seulement si :
M 0 et il existe une matrice positive P de M
n,1
(R) telle que P MP > 0.
Partie I : tude dexemples
1. En considrant U =
_
_
1
1
1
_
_
, montrer que la matrice A =
1
3
_
_
0 1 1
1 0 1
1 1 0
_
_
est productive.
2. Montrer que la matrice B =
_
_
1 4 1
2 1 3
0 0 1
_
_
nest pas productive.
Partie II : Caractrisation des matrices positives
Soit M M
n
(R).
1. Montrer que, si M est positive, alors, pour toute matrice positive X de M
n,1
(R), le produit MX
est une matrice positive.
2. Rciproquement, montrer que, si, pour toute matrice positive X de M
n,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 M
n
(R) et P une matrice positive de M
n,1
(R) telle que
P AP > 0.
On note, pour tout (i, j) 1 ; n
2
, a
i j
le coecient de A situ la ligne i et la colonne j.
On note, pour tout i 1 ; n, p
i
le coecient de P situ la ligne i.
a) Montrer : P > 0.
b) Soit X M
n,1
(R) tel que X AX. On note, pour tout i 1 ; n, x
i
le coecient de X situ
la ligne i. On note c = Min
1jn
x
j
p
j
et k 1 ; n un indice tel que c =
x
k
p
k
.
tablir : c
_
p
k

n
j=1
a
k j
p
j
_
0 et dduire c 0, puis X 0.
c) Soit X M
n,1
(R) telle que X = AX. En remarquant que X A(X), montrer que X est
nulle. En dduire que I
n
A est inversible.
d) Montrer que, pour toute matrice positive X de M
n,1
(R), la matrice Y = (I
n
A)
1
X est positive
(on pourra utiliser 1. b)). En dduire que (I
n
A)
1
est positive.
328
noncs des exercices
2. Dans cette question, on considre une matrice positive B de M
n
(R) telle que I
n
B soit
inversible et telle que (I
n
B)
1
soit positive. On note U la matrice de M
n,1
(R) dont tous les
coecients son gaux 1, et V = (I
n
B)
1
U. Montrer : V BV > 0. Conclure.
3. Donner une caractrisation des matrices productives.
4. Application : Soit M une matrice positive de M
n
(R) telle que 2M
2
= M.
Vrier que (I
n
M)(I
n
+ 2M) = I
n
et en dduire que M est productive.
10.16 tude de convergence en loi, daprs EDHEC 2011
Dure : 2 heures Toutes les variables alatoires intervenant dans ce problme sont dnies sur le mme espace
probabilis (, A, P).
n
)
nN
de variables alatoires indpendantes et identiquement distri-
bues. On considre aussi, pour tout entier naturel n non nul, la variable alatoire M
n
dnie
par : M
n
= max(X
1
, X
2
, . . . , X
n
), cest--dire :
pour tout de , M
n
() = max
_
X
1
(), X
2
(), . . . , X
n
()
_
.
On cherche alors des suites relles (a
n
)
nN
et (b
n
)
nN
, o la suite (a
n
)
nN
est termes stricte-
ment positifs, telles que la suite
_
M
n
b
n
a
n
_
nN
converge en loi vers une variable alatoire non

constante.
Partie I : La loi exponentielle
On suppose dans cette partie que la loi commune des X
k
est la loi exponentielle de paramtre ,
o est un rel strictement positif x.
1. Soit g la fonction dnie sur R par : x R, g(x) = e
x
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 F
G
, de la variable alatoire G.
2. a) Donner, pour tout n de N
, la fonction de rpartition de la variable alatoire M

n
.
b) Pour tout n de N
, on pose U
n
= M
n
ln(n). Montrer que la suite (U
n
)
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 X
k
est la loi normale centre rduite. On
note une densit de X
1
.
1. a) Montrer que, pour tout x > 0, lintgrale
_
+
x
(u)
u
2
du est convergente et, laide dune
intgration par parties, montrer :
P(X
1
> x) =
(x)
x

_
+
x
(u)
u
2
du.
b) En dduire, pour tout x > 0 :
(x)
x

P(X
1
> x)
x
2
P(X
1
> x)
(x)
x
,
puis : P(X
1
> x)
(x)
x
P(X
1
> x)
_
1 +
1
x
2
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
329
2. Soit c un rel strictement positif x. Montrer que, pour tout entier naturel n non nul, lqua-
tion
(x)
x
=
c
n
admet sur une unique solution sur ]0 ; +[ que lon notera x
n
.
3. Montrer : lim
n+
x
n
= +.
4. Montrer, pour tout n de N
: x
2
n
+ 2 ln x
n
= 2 ln n ln(2c
2
).
5. En prenant un quivalent de chaque membre de lquation 4), montrer :
x
n

n+
2 ln n.
En dduire que lon peut crire pour n 2,
x
n
=
2 ln n +
1
(n) o lim
n+
1
(n)
2 ln n
= 0.
6. a) En utilisant la question 4), montrer, pour tout entier n 2 :
2
_
2 ln n
_
1
(n) +
_
1
(n)
_
2
+ 2 ln
_
1 +
1
(n)
2 ln n
_
= ln(ln n) ln(4c
2
).
b) En prenant un quivalent de chaque membre de lquation du a), montrer :
2
1
(n)
2 ln n
n+
ln(ln n).
En dduire :
1
(n) =
ln(ln n)
2
2 ln n
+
2
(n) o lim
n+
2
(n)
_
2
2 ln n
ln(ln n)
_
= 0.
On admet alors que, en poursuivant le dveloppement asymptotique, on peut crire pour tout
entier n 2 :
x
n
=
2 ln n
ln(ln n)
2
2 ln n
ln(4)
2
2 ln n
ln c
2 ln n
+ (n)
avec lim
n+
(n)
2 ln n = 0.
7. On pose, pour n 2 : a
n
=
1
2 ln n
et b
n
=
2 ln n
ln(ln n)
2
2 ln n
ln(4)
2
2 ln n
.
a) Montrer laide des questions prcdentes, que pour tout rel x, et pour tout entier n 2,
en posant c = e
x
:
a
n
x + b
n
= x
n
(n) puis :
(a
n
x + b
n
)
a
n
x + b
n
n+
e
x
n
.
b) En dduire, en utilisant la question 1) b), que
(a
n
x + b
n
)
a
n
x + b
n
n+
P(X
1
> a
n
+ b
n
) puis
montrer que la suite
_
M
n
b
n
a
n
_
n1
converge en loi vers la variable alatoire G.
10.17 Projection sur un convexe ferm, daprs HEC 2010
Dure :
1 heure 30 minutes
Soit n N tel que n 2.
Le produit scalaire canonique sur R
n
est not < . , . > et la norme euclidienne associe est note
..
Pour tous x = (x
1
, ..., x
n
) et y = (y
1
, ..., y
n
) de R
n
, on note x y si et seulement si :
i 1 ; n, x
i
y
i
.
330
noncs des exercices
Une partie K non vide de R
n
est dite convexe si et seulement si :
t [0 ; 1], (u, v) K
2
, tu + (1 t)v K.
On admet que limage rciproque par une application continue de R
n
dans R dun intervalle
ferm de R est un ferm de R
n
.
Si K est une partie convexe et non vide de R
n
et si x R
n
, on appelle projet de x sur K et on
note p(x), sil existe, tout lment y de K tel que : x y = Min
zK
x z.
1. Exemple 1 :
On prend ici n = 2, K =
_
(z
1
, z
2
) R
2
; z
1
1 et z
2
1
_
, x = (x
1
, x
2
) R
2
\ K
tel que x
1
> 0 et x
2
> 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 = (x
1
, x
2
) R
2
\ K tel que x
1
> 0 et x
2
> 0, associe le rel x p(x).
2. Exemple 2 :
On prend ici n = 4, K =
_
(z
1
, z
2
, z
3
, z
4
) R
4
; z
1
+ z
2
z
3
z
4
= 0
_
,
x = (x
1
, x
2
, x
3
, x
4
) R
4
\ K.
a) Vrier 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 R
n
, et x R
n
\ K.
3. On note f : K R, z f (z) = x z.
a) Montrer que f est continue sur K.
b) Soit z
0
K. On note B
0
=
_
z R
n
; z x z
0
x
_
et K
= B
0
K.
Montrer que K
est une partie ferme borne non vide de R

n
.
c) En dduire que f admet un minimum sur K
.
Ainsi, il existez K
tel que : f (z) = Min

zK
f (z).
d) Montrer : z K, x z x z.
e) Conclure.
4. a) Vrier : (a, b) (R
n
)
2
,
x
a + b
2
2
+
1
4
a b
2
=
1
2
x a
2
+
1
2
x b
2
.
b) On note d = Min
zK
x z. Soient u, v K tels que d = x u = x v.
laide de la question prcdente, montrer u = v. Conclure.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
331
5. a) tablir : z K, t [0 ; 1], x p(x)
x
_
tz + (1 t)p(x)
_
.
b) En dduire : z K, < z p(x) , x p(x) > 0.
c) Rciproquement, on suppose quil existe y K tel que :
z K, < z y , x y > 0.
Montrer y = p(x). Conclure.
6. a) tablir : < x p(x) , p(x) > < < x p(x) , x > .
b) En dduire quil existe c R tel que :
z K, < x p(x) , z > < c < < x p(x) , x > .
Du mal dmarrer ?
10.1 1. Immdiat.
2. a), b) Immdiat.
2. c) Utiliser la formule des probabilits totales.
2. d) Immdiat.
2. e) Utiliser la dnition de U
k
et la question 2. d).
10.2 Partie I : 1.1 Appliquer le thorme de la bijection rci-
proque.
2.1 La courbe reprsentative de f
1
se dduit de celle de f par
la symtrie par rapport la premire bissectrice.
3.1 Pour x J, noter y = f
1
(x) et utiliser x = f(y).
4. Appliquer le thorme du cours sur la drivabilit dune
fonction rciproque.
5. Faire le lien entre la drivabilit de f
1
en

2 et le dvelop-
pement limit de f
1
dordre 1 en

2.
Partie II : 1. Appliquer un thorme du cours concernant les
oprations sur les fonctions de classe C
.
2. Existence : Rcurrence sur n.
Unicit : Utiliser une proprit des polynmes.
3. Immdiat, en utilisant la formule obtenue en 2).
4. Montrer, par rcurrence sur n, que, pour tout n N, P
n
est de
degr n et de coefcient dominant gal 1.
Partie III : 1. Lintgrale envisage nest pas impropre.
Les calculs de I
0
et I
2
sont immdiats.
2. a) Rduire le second membre au mme dnominateur.
2. b) Effectuer le changement de variable t = sinx, en faisant
apparatre, dans I
1
, cos x dx qui est gal dt, et cos
2
x qui est
gal 1 t
2
. Utiliser a ).
3. Calculer, pour tout n N, I
n+1
I
n
.
4) a) Effectuer une intgration par parties, en prenant :
u =
1
cos
n+1
x
, v
= cos x.
4. b) Utiliser a) et une prpondrance classique.
10.3 Partie I : 1. Sur ]0; +[, appliquer les thormes gn-
raux.
tudier la limite de f(x) lorsque x tend vers 0.
2. a) Immdiat.
2. b) Former le dveloppement limit dordre 2 de A en 0, puis
le dveloppement limit dordre 0 de f

en 0, et conclure.
2. c) Appliquer le thorme limite de la drive.
2. d) Immdiat.
2. e) Mettre x en facteur lintrieur de ln(1 + x) :
ln(1 + x) = lnx + ln
_
1 +
1
x
_
puis tudier le comportement lorsque x tend vers +.
3) a), b), 4. Immdiat.
Partie II : 1. Utiliser la formule sur une sommation gomtrique.
2. Intgrer de 0 x dans le rsultat prcdent.
3. Utiliser 2. et majorer convenablement.
4. Dduire de 3. que lon a : J
N
(x)
N
0, puis utiliser 2.
Effectuer un dcalage dindice pour aboutir prcisment la
formule demande.
Partie III : 1. Si x 0, utiliser II 2. et II 3.
Traiter, part, le cas x = 0.
2. Utiliser labsolue convergence et lexemple de Riemann.
332
Du mal dmarrer ?
Majorer

_
1
0
f(x) dx
N+1
n=1
(1)
n1
n
2
convenablement et utiliser 1.
3. Dans les sommations
2N+1
n=1
1
n
2
et
2N+1
n=1
(1)
n+1
n
2
, sparer les
termes dindices pairs et les termes dindices impairs.
4. Utiliser 3. et faire tendre lentier N vers linni.
10.4 1) a) Commencer par dterminer la fonction de rparti-
tion de la variable alatoire Y.
1. b) crire : X Y = X + (Y). Puis utiliser la formule donnant
une densit dune somme de variables alatoires densit in-
dpendantes.
2. a) Obtenir : x R, H(x) =
_
_
0 si x < 0
G(x) G(x) si x 0
.
2. b) Montrer que Z est une variable alatoire densit. Une
densit de Z sobtient en drivant sa fonction de rpartition
sauf en un nombre ni de points o le choix est arbitraire.
3. Utiliser les rsultats de cours.
4. Immdiat.
10.5 1. Calculer tr (A + B), pour R et A, B M
n
(R), en
utilisant la dnition de la trace dune matrice carre.
Il peut tre commode de noter (A)
ij
le coefcient situ la ligne
i et la colonne j de la matrice A.
De mme, calculer tr (AB) sous forme dune double somma-
tion et permuter les deux symboles de sommation.
2. Immdiat.
3. Revenir la dnition dun produit scalaire.
Pour montrer limplication < A, A > = 0 = A = 0, passer par
les coefcients de A, en exprimant < A, A > sous forme dune
double sommation.
4. Partir, par exemple, de <
A
(M) , N > et utiliser les propri-
ts de la trace et de la transposition, pour aboutir en quelques
lignes de calcul < M,
A
(N) >.
Appliquer le thorme spectral.
5. a) 1re mthode : Examen des coefcients de X
t
Y :
Exprimer les coefcients de X
t
Y et montrer quau moins un des
coefcients de M
X,Y
nest pas nul.
2 mthode : Utilisation du produit scalaire canonique
sur M
n,1
(R) :
Raisonner par labsurde : supposer M
X,Y
= 0 et dduire X
t
YY
= 0, puis Y = 0.
Pour obtenir
t
YA =
t
Y, transposer.
Calculer
A
(M
X,Y
).
5. b) Utiliser (a) et la dnition dun vecteur propre.
6. a) Raisonner par labsurde : supposer que, pour tout vecteur
propre Z
0
de A, on ait MZ
0
= 0. Utiliser le thorme spectral et
dduire M = 0, contradiction.
6. b) Calculer AMZ
0
en utilisant AM MA = M et AZ
0
= Z
0
.
7. Immdiat.
10.6 1. a) Immdiat. La matrice C
t
C est carre dordre n.
Appliquer le thorme spectral.
1. b) Calculer (C
t
C)
2
en dplaant correctement des paren-
thses et en remarquant :
t
CC = C
2
R.
1. c) Remarquer que, daprs b), un certain polynme est annu-
lateur de C
t
C.
1. d) Rsoudre lquation (C
t
C)X = 0, dinconnue X M
n,1
(R).
1. e) Obtenir (C
t
C)C = C
2
C et interprter cette galit en
termes de valeurs propres et de vecteurs propres.
tudier la rciproque.
1. f) Noter par exemple M =
1
C
2
C
t
C et calculer M
2
.
Reconnatre un projecteur.
2. a) Immdiat.
2. b) Utiliser le thorme spectral.
2. c) Pour exprimer X et AX sur la base B = (U
1
, ..., U
n
), ap-
pliquer la formule du cours donnant la dcomposition dune
vecteur sur une base orthonormale.
2. d) Obtenir :
X M
n,1
(R), < X , X > = < X ,
_
n
i=1
U
i
t
U
i
_
X >,
et dduire I
n
=
n
i=1
U
i
t
U
i
.
Calcul analogue pour la deuxime formule demande.
Utiliser 1. f).
2. e) Utiliser lexpression de < X , AX > en fonction des
i
et des
 .
3. a) Exprimer AX sur B, puis calculer AX
2
.
3. b) Utiliser a) et la dnition de (A).
3. c) Supposer (A) 1. Faire intervenir un indice k 1; n
tel que (A) =
k
. Calculer A
p
U
k
pour tout p N
et conclure.
Supposer (A) < 1. Montrer, par rcurrence sur p :
p N
, X M
n,1
(R), A
p
X
_
(A)
_
p
X,
et conclure.
10.7 Partie I : 1) a) Utiliser la formule sur la somme des termes
dune suite gomtrique.
1. b) Intgrer lgalit prcdente entre 0 et x.
1. c) Commencer par crire :
n N
, t [0; x], 0
t
n
1 t

t
n
1 x
.
1. d) Utiliser les questions 1) b) et 1) c).
2. a) Immdiat.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
333
2. b) Calculer les sommes partielles associes la srie et faire
apparatre une somme tlescopique.
Partie II : 1. Sparer les cas x 0 et x > 0.
2. Utiliser la dnition dune densit.
3. a) Immdiat.
3. b) Obtenir : Y
_
1
, 2
_
.
Partie III : 1. Faire apparatre une somme tlescopique.
2. a) Commencer par utiliser la formule des probabilits totales,
avec comme systme complet dvnements
_
(N = n) ; n N
_
.
2. b) Appliquer lgalit du I.2) b) F(x).
Obtenir : x [0; +[, F
Z
(x) = F(x) +
_
1 F(x)
_
ln
_
1 F(x)
_
.
2. c) Montrer que F
Z
est continue sur R, de classe C
1
sur R priv
10.8 Partie I : 1. Immdiat.
2. a) b), 3., 4. a) Rcurrence deux pas sur n.
4. b) Rsoudre lquation sin
_
(n+1)
_
= 0, dinconnue ]0; [.
Montrer que lon a bien ainsi toutes les racines de T
n
.
4. c) Utiliser 2. a) et 4. b).
4. d) Remplacer X par 1 dans le rsultat prcdent et utiliser 3.
5. a) Partir de ]0; [, sinT
n
(cos ) sin
_
(n + 1)
_
= 0,
driver deux fois, puis combiner les galits pour faire dispa-
ratre les termes en sin
_
(n + 1)
_
.
5. b) Remarquer que lapplication cos est une surjection
de ]0; [ sur ] 1; 1[, puis utiliser une proprit des polynmes.
Partie II : 1. Examiner le degr de L(P).
La linarit de L est immdiate.
2. a) Utiliser I 5. b).
2. b) Utiliser 2. a) et montrer que les k
2
+ 2k sont deux deux
distincts lorsque k dcrit 0; n.
Partie III : 1. Sassurer dabord de lexistence de lintgrale.
La symtrie, la linarit par rapport une place, la positivit
sont immdiates.
Pour montrer limplication (P, P) = 0 = P = 0, utiliser un
thorme sur les intgrales et une proprit des polynmes.
2. Effectuer une intgration par parties, avec :
u = (1 x
2
)
3
2
P
(x), v
= Q
(x).
3. Utiliser III 2., II 2. b) et le thorme spectral.
10.9 1. Vrier que f : x
e
ax
e
bx
x
est continue
sur ]0; +[.
tude en 0 : Utiliser des dveloppements limits.
tude en + :
1re mthode : Comparaison des exponentielles :
Majorer f(x) convenablement et utiliser le cours sur les int-
grales impropres
_
+
1
e
ax
dx pour a > 0 x.
2 mthode : Comparaison lexemple de Riemann :
Montrer : x
2
f(x)
x +
0.
2. a) Pour (, X) ]0; +[
2
tel que X, effectuer le chan-
gement de variable y = ax dans lintgrale
_
X
e
ax
x
dx et le
changement de variable y = bx dans lintgrale
_
X
e
bx
x
dx.
2. b) Utiliser la linarit de lintgration, le rsultat de a) et la
relation de Chasles.
3. a) Vrier que h est continue sur ]0; +[.
Pour ltude en 0, utiliser un quivalent classique ou un dve-
loppement limit.
3. b) Remplacer e
y
par ( e
y
1) + 1 et utiliser a).
3. c) Faire tendre vers 0 dans le rsultat de 2. b) et utiliser 3. b).
3. d) Montrer
_
bX
aX
e
y
y
dy
X +
0 et conclure.
10.10 1. a) Utiliser linstruction conditionnelle if ... then.
1. b) Utiliser une boucle for ... do et linstruction condition-
nelle if ... then ... else.
2. a) Remarquer : t R, P(Y
n
t) = P(X
1
t) P(X
n
t).
2. b) Utiliser le cours pour connatre la fonction de rpartition
de X
1
, . . . , X
n
.
2. c) Montrer que Y
n
est une variable alatoire densit, puis
calculer F
Yn
sur R
+
et R
.
3. a) Immdiat.
3. b) Pour obtenir une densit de
X
n+1
n + 1
, driver sa fonction de
rpartition sauf en un nombre ni de points o le choix est
arbitraire.
4. Commencer par transformer exp(nt) en
_
exp(t)
_
n
.
5. Pour lhrdit, utiliser la formule donnant une densit
dune somme de deux variables alatoires densit et ind-
pendantes.
10.11 1. a) Lire la matrice C.
1. b) Rcurrence sur n.
Calculer f
n
(e
1
) en utilisant f
n1
(e
1
).
2. a) Utiliser 1. b).
2. b) Rcurrence sur n.
2. c) Calculer g(e
i
) pour tout i 2; n.
2. d) Montrer g = 0.
Application 1 : Chercher A comme matrice compagnon dun
certain polynme.
2. e) Utiliser d) et faire le lien entre les valeurs propres de C et
les valeurs propres de f.
334
Du mal dmarrer ?
3. a) Utiliser 1. b).
3. b) Raisonner par labsurde : supposer quil existe un poly-
nme Q non nul, annulateur de f, tel que deg(Q) n1. Noter
Q =
0
+
1
X + +
n1
X
n1
. Appliquer a).
3. c) Manipuler des polynmes dendomorphismes.
3. d) Raisonner par labsurde : supposer que ne soit pas va-
leur propre de f. Alors, f e est bijectif. Dduire R(f) = 0 et
utiliser b).
4. a) Soit x C. Noter, par exemple, C
1
, ..., C
n1
, C
n
les colonnes
de la matrice carre C x I
n
. Comparer les rangs de C x I
n
et de
(C
1
, ..., C
n1
). Noter, par exemple, L
1
, ..., L
n
les lignes de la ma-
trice rectangulaire forme par C
1
, ..., C
n1
. Comparer les rangs
de (C
1
, ..., C
n1
) et (L
2
, ..., L
n
).
Soit une valeur propre de C. Utiliser le thorme du rang et
le rsultat prcdent.
4. b) Noter, par exemple, p le nombre de racines de P, et
1
, ...,
p
les racines de P. Utiliser 2. e), 3. d) et la caractrisa-
tion de la diagonalisabilit faisant intervenir les dimensions des
sous-espaces propres.
5. a) Application 2 : Remarquer que A
1
est la matrice compa-
gnon dun certain polynme P et que ce polynme P admet
quatre racines deux deux distinctes.
5. b) Application 3 : Remarquer que A
2
est la matrice compa-
gnon dun certain polynme P et que ce polynme P admet
une racine double.
10.12 PARTIE I : 1. Obtenir : Y() = 1; b + 1.
2. Utiliser la formule des probabilits composes.
3. Immdiat.
4. Sparer la premire somme en deux sommes, puis faire ap-
paratre un tlescopage.
5. Appliquer lgalit prcdente avec a
k
=
b!
(b k)! N
k
.
PARTIE II : 1. Obtenir : p
n,n
=
_
_
b!
(b n)! N
n
si n b
0 si n > b
.
Utiliser un systme complet dvnements pour montrer :
n
k=0
p
n,k
= 1.
2. Exprimer lvnement E
n,k
en fonction des vnements E
n1,k
et E
n1,k1
.
3. a) Utiliser la dnition de lesprance puis remplacer p
n,k
par
son expression en fonction de p
n1,k
et p
n1,k1
.
3. b) Utiliser une boucle for ... do.
3. c) Remarquer que la suite (
_
E(X
n
)
_
nN
est une suite
arithmtico-gomtrique.
4. a) Utiliser la formule des probabilits totales, avec comme
systme complet dvnements
_
E
n,0
, . . . , E
n,n
_
.
4. b) Utiliser :
n
k=0
p
n,k
= 1 et
n
k=0
kp
n,k
= E(X
n
).
5. a) Raisonner de la mme faon quau II.3) a).
5. b) Dvelopper la somme prcdente, simplier et utiliser lex-
pression de E(X
n1
).
5. c) Immdiat.
5. d) Justier : V(X
n
) = u
n
+ E(X
n
)
_
E(X
n
)
_
2
.
10.13 Partie I : 1. Immdiat. Veiller ne pas se tromper dans les
calculs de drives.
2. Utiliser la formule de Leibniz.
3. Immdiat.
4. Calculer f

n+1
(x) et faire apparatre f
n
(x) et f
n+1
(x).
5. Driver n fois partir de lgalit de 4.
Dautre part, exprimer L
n+1
(x), puis L
n
(x) par dcalage de lin-
dice.
6. Immdiat.
7. Driver n+1 fois partir de 6. et utiliser la formule de Leibniz.
8. Driver partir de 7. et utiliser 5.
Partie II : 1. 1re mthode : Utilisation de la fonction dEuler :
Montrer que lon se ramne une combinaison linaire de va-
leurs de .
Soit A E. Vrier que lapplication x A(x) e
x
est continue
sur [0; +[.
Pour ltude en +, remarquer : x
2
_
A(x) e
x
_

x +
0.
2. Sassurer dabord que < . , . > existe.
La symtrie, la linarit par rapport une place, la positivit
sont immdiates.
Pour montrer limplication = 0 = P = 0, utiliser un
rsultat du cours sur les intgrales et une proprit des poly-
nmes.
3. Il est immdiat que : P E, T(P) E.
Il nest pas ncessaire ici dexaminer les degrs.
La linarit de T est immdiate.
4. Immdiat.
5. Procder une intgration par parties sur [0; X], puis faire
tendre X vers +.
6. Remarquer que, dans le rsultat de 5., P et Q ont des rles
symtriques.
7. Immdiat daprs I 8.
8. Soit (n, p) 0; N
2
tel que n < p. Utiliser 6. et 7. pour d-
duire < L
n
, L
p
> = 0.
9. Soit P E
N
. Utiliser 3. et examiner le degr de T(P).
10. Utiliser 8. et un rsultat du cours sur une famille orthogo-
nale de vecteurs tous non nuls.
Utiliser un argument de dimension.
11. Immdiat. La matrice obtenue est diagonale.
12. Immdiat.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
335
10.14 1) a) Commencer par dterminer les fonctions de rpar-
tition de Y
1
et de Y
n
.
1. b) Reconnatre une situation type.
1. c) Immdiat.
1. d) Utiliser les questions prcdentes.
1. e) Driver F
Y
k
en tout point de R o elle est drivable.
1. f) Utiliser le thorme de tranfert, puis montrer :
x R, x
r
f
Y
k
(x) k
_
n
k
_
x
r
f
X
(x).
Conclure en utilisant le thorme de majoration des fonctions
positives ou nulles.
2. a) Montrer que F
X
1
sur R priv
2. b) Utiliser lexemple de Riemann en +.
2. c) Obtenir : f
Y
k
(x)
x+
1
2
k
_
n
k
_
1
x
nk+3
2
.
3. a) Utiliser le thorme dquivalence pour les fonctions posi-
tives ou nulles et lexemple de Riemann en +.
3. b) Faire le changement de variable donn par lnonc sur
_
A
1
xf
Y
k
(x) dx puis faire tendre A vers +.
3. c) Faire une intgration par parties.
3. d) Obtenir : E(Y
k
) =
n(n 1)
(n k)(n k 1)
.
4. a) Obtenir : x R, F
Zn
(x) =
_
F
X
(n
2
x)
_
n
.
4. b) Montrer que
Z
1
sur R priv
4. c) Calculer, pour tout x de R, la limite de F
Zn
(x) lorsque lentier
n tend vers +, en sparant les cas x 0 et x > 0.
10.15 Partie I : 1. Vrier A 0. Calculer U AU.
2. Soit P =
_
_
x
y
z
_
_
une matrice positive quelconque de M
3,1
(R). Cal-
culer P BP et remarquer que le troisime lment de cette
colonne est nul.
Partie II : 1. Exprimer les coefcients dun produit de deux ma-
trices.
2. Rciproquement, supposer que, pour toute matrice positive
X de M
n,1
(R), le produit MX soit une matrice positive. Soit
(i, j) 1; n
2
. Considrer la matrice X
j
de M
n,1
(R) dont tous
les coefcients sont nuls sauf celui situ la ligne j et qui est
gal 0.
Partie III : 1. a) Montrer que AP est positive, puis calculer (P)
i
pour tout i 1; n, en faisant intervenir P AP et AP.
1. b) Remarquer : (X AX)
k
0.
Dautre part, calculer (X AX)
k
en faisant intervenir c, p
k
et les
a
kj
et x
j
.
1. c) Remarquer X AX et utiliser b).
Mais aussi : X A(X).
1. d) Montrer X = Y AY et appliquer 1. b) et II 2.
2. Montrer que V = (I
n
B)
1
U est une matrice positive de
M
n,1
(R). Obtenir : V BV = U.
3. Immdiat daprs 1. et 2.
4. Obtenir : (I
n
M)(I
n
+ 2M) = I
n
.
Utiliser 3.
Remarquer : (I
n
M)
1
= I
n
+ 2M.
10.16 Partie I : 1) a) Utiliser la dnition dune densit.
1. b) Utiliser : x R, F
G
(x) =
_
x
g(u) du.
2. a) Montrer, dans un premier temps :
x R, P(M
n
(x) x) =
_
P(X
1
x)
_
n
.
2. b) Calculer, pour tout x de R et pour tout n de N
, P(U
n
x).
En dduire, pour tout x de R, lim
n
P(U
n
x).
Partie II : 1) a) Pour tout A > x, faire une intgration par parties
sur lintgrale
_
A
x
(u) du en drivant u
1
u
et en intgrant
u u e
u
2
2
. Puis passer la limite lorsque A tend vers +.
1. b) Commencer par justier :
0
_
+
x
(u)
u
2
du
1
x
2
P(X
1
> x).
Puis utiliser lgalit obtenue au 1) a).
2. tudier la fonction H : x
(x)
x
, pour en dduire que H est
une bijection de R
+
dans R
+
.
3. Dterminer la limite de H
1
en 0 puis utiliser lgalit :
x
n
= H
1
_
c
n
_
.
4. Partir de lgalit
(x
n
)
x
n
=
c
n
.
5. Montrer, tout dabord : x
2
n
+ 2lnx
n

n
x
2
n
.
Puis utiliser lgalit obtenue au 4).
Enn, utiliser la dnition de deux suites quivalentes.
6. a) Remplacer x
n
par

2lnn +
1
(n) dans lgalit de la ques-
tion 4), puis simplier.
6. b) Dterminer un quivalent simple des deux membres de
lgalit obtenue au 5), puis conclure.
7. a) Lgalit b
n
+ a
n
x = x
n
(n) est immdiate.
Pour montrer
(a
n
x + b
n
)
a
n
x + b
n
n
e
x
n
, commencer par montrer
(x
n
)
n
(a
n
x + b
n
), puis utiliser le fait que
(x
n
)
x
n
=
c
n
=
e
x
n
.
7. b) Pour montrer
(a
n
x + b
n
)
a
n
x + b
n
n
P(X
1
> a
n
x + b
n
), faire le
quotient et montrer quil tend vers 1.
En dduire : x R, P
_
M
n
b
n
a
n
x
_

n
F
G
(x). Conclure.
336
Du mal dmarrer ?
10.17 1. a) Pour montrer que K est convexe, revenir la dni-
tion dune partie convexe.
Pour montrer que K est ferm, utiliser le rsultat admis dans
lnonc et le rsultat du cours sur lintersection de deux fer-
ms.
Remarquer que K nest pas born.
1. b) c) Immdiat.
1. d) Utiliser linstruction if then ... else ....
2. a) Remarquer que K est un sous-espace vectoriel de R
4
.
2. b) Utiliser le thorme de projection orthogonale dans un es-
pace euclidien et exprimer p(x) laide dune formule du cours.
3. a) Prsenter f comme compose de deux applications conti-
nues.
3. b) Immdiat.
3. c) Utiliser un thorme du cours sur les applications continues
sur une partie ferme borne non vide.
3. d) Sparer en deux cas : z B
0
, z B
0
.
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,
on a :
u + v
2
K.
5. a) Remarquer : tz + (1 t)p(x) K et appliquer la dnition
de d.
5. b) Soit z K. Appliquer le rsultat de a), lever au carr,
simplier par t, puis faire tendre t vers 0
+
.
5. c) Remplacer z par p(x) dans lhypothse et, dautre part, d-
velopper p(x) y
2
. Dduire p(x) y = 0 et utiliser 5. a) et b).
6. a) Dvelopper < x p(x) , p(x) > .
6. b) Dvelopper < x p(x) , z >.
Montrer que, par exemple,
c =
1
2
_
< x p(x) , p(x) > + < x p(x) , x >
_
convient.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
337
10.1
1. a) PD =
_
_
1 q q
2
2 p q 2pq
1 p p
2
_
_
_
_
0 0 0
0 1/2 0
0 0 1
_
_
PD =
_
_
0 q/2 q
2
0 (p q)/2 2pq
0 p/2 p
2
_
_
1. b) MP =
_
_
q q/2 0
p 1/2 q
0 p/2 p
_
_
_
_
1 q q
2
2 p q 2pq
1 p p
2
_
_
=
_
_
0 q
2
+
q
2
(p q) q
3
+ pq
2
p 1 + q
1
2
(p q) pq
2
+ pq + p
2
q
0
p
2
(p q) p
2
p
2
q + p
3
_
_
=
_
_
0
q
2
(p + q) q
2
(p + q)
p + q 1
1
2
(p q) pq(1 + p + q)
0
p
2
(p + q) p
2
(p + q)
_
_
.
Puisque p + q = 1, on obtient :
MP =
_
_
0 q/2 q
2
0 (p q)/2 2pq
0 p/2 p
2
_
_
= PD
2. a) Lvnement A
1
est ralis si et seulement si on remplace
la boule choisie (qui est ncessairement noire) par une boule
noire ; ainsi : a
1
= P(A
1
) = q.
De mme, lvnement B
1
est ralis si et seulement si on rem-
place la boule choisie (qui est ncessairement noire) par une
boule blanche ; ainsi : b
1
= P(B
1
) = p.
Enn, lvnement C
1
est impossible ;
ainsi : c
1
= P(C
1
) = 0.
On conclut : a
1
= q, b
1
= p, c
1
= 0
2. b) Sachant lvnement A
k
, il y a sur la table, lissue de
ltape k, deux boules noires ; lvnement A
k+1
est ralis si et
seulement si on remplace la boule choisie (qui est ncessaire-
ment noire) par une boule noire ;
ainsi : P
A
k
(A
k+1
) = q.
Sachant lvnement B
k
, il y a sur la table, lissue de ltape k,
une boule noire et une boule blanche ; lvnement A
k+1
est
ralis si et seulement si on choisit la boule blanche que lon
remplace par une boule noire ;
ainsi : P
B
k
(A
k+1
) =
1
2
q =
q
2
.
Sachant lvnement C
k
, il y a sur la table, lissue de ltape k,
deux boules blanches ; lvnement A
k+1
est alors impossible ;
ainsi : P
C
k
(A
k+1
) = 0.
Par le mme raisonnement, on obtient : P
A
k
(B
k+1
) = p,
P
B
k
(B
k+1
) =
1
2
q +
1
2
p =
1
2
, P
C
k
(B
k+1
) = q,
P
A
k
(C
k+1
) = 0, P
B
k
(C
k+1
) =
1
2
p =
p
2
, P
C
k
(C
k+1
) = p.
On conclut :
P
A
k
(A
k+1
) = q P
B
k
(A
k+1
) =
q
2
P
C
k
(A
k+1
) = 0
P
A
k
(B
k+1
) = p P
B
k
(B
k+1
) =
1
2
P
C
k
(B
k+1
) = q
P
A
k
(C
k+1
) = 0 P
B
k
(C
k+1
) =
p
2
P
C
k
(C
k+1
) = p
2. c) Soit k N
.
Les vnements A
k
, B
k
, C
k
forment un systme complet dv-
nements. Par la formule des probabilits totales, on a :
a
k+1
= P(A
k+1
)
= P(A
k
)P
A
k
(A
k+1
) + P(B
k
)P
B
k
(A
k+1
) + P(C
k
)P
C
k
(A
k+1
)
= q P(A
k
) +
q
2
P(B
k
) = q a
k
+
q
2
b
k
b
k+1
= P(B
k+1
)
= P(A
k
)P
A
k
(B
k+1
) + P(B
k
)P
B
k
(B
k+1
) + P(C
k
)P
C
k
(B
k+1
)
= p P(A
k
) +
1
2
P(B
k
) + q P(C
k
) = p a
k
+
1
2
b
k
+ q c
k
c
k+1
= P(C
k+1
)
= P(A
k
)P
A
k
(C
k+1
) + P(B
k
)P
B
k
(C
k+1
) + P(C
k
)P
C
k
(C
k+1
)
=
p
2
P(B
k
) + p P(C
k
) =
p
2
b
k
+ p c
k
.
Et : MU
k
=
_
_
q
q
2
0
p
1
2
q
0
p
2
p
_
_
_
_
a
k
b
k
c
k
_
_
=
_
_
q a
k
+
q
2
b
k
p a
k
+
1
2
b
k
+ q c
k
p
2
b
k
+ p c
k
_
_
=
_
_
a
k+1
b
k+1
c
k+1
_
_
= U
k+1
.
On conclut : k N
, U
k+1
= MU
k
338
2. d) Notons, pour tout k de N
, P(k) la proprit :
U
k
= PD
k
_
_
p
2
2p
1
_
_
.
Initialisation : On a,
PD
_
_
p
2
2p
1
_
_
= P
_
_
0
p
1
_
_
=
_
_
pq + q
2
p
2
+ pq
0
_
_
=
_
_
q
p
0
_
_
= U
1
.
Do la proprit P(1).
Hrdit : Soit k N
. Supposons P(k) et montrons

P(k + 1). On a : U
k+1
= MU
k
= MP
.,,.
=PD
D
k
_
_
p
2
2p
1
_
_
= PDD
k
_
_
p
2
2p
1
_
_
= PD
k+1
_
_
p
2
2p
1
_
_
.
Do la proprit P(k + 1).
On conclut : k N
, U
k
= PD
k
_
_
p
2
2p
1
_
_
2. e) On obtient alors : k N
,
_
_
a
k
b
k
c
k
_
_
= U
k
= PD
k
_
_
p
2
2p
1
_
_
= P
_
_
0 0 0
0 1/2
k
0
0 0 1
_
_
_
_
p
2
2p
1
_
_
=
_
_
1 q q
2
2 p q 2pq
1 p p
2
_
_
_
_
0
p/2
k1
1
_
_
=
_
_
pq
2
k1
+ q
2
p
2
k1
(p q) + 2pq
p
2
2
k1
+ p
2
_
_
.
On en dduit : k N
,
a
k
= q
2
+
pq
2
k1
, b
k
= 2pq +
p(p q)
2
k1
, c
k
= p
2
p
2
2
k1
Remarque : On a bien, pour tout k de N
:
a
k
+ b
k
+ c
k
=
_
q
2
+ 2pq + p
2
_
+
1
2
k1
_
pq + p(p q) p
2
_
= (p + q)
2
+
1
2
k1
0 = 1.
Puisque
1
2
< 1, on a :
1
2
k1

k
0,
do : lim
k
a
k
= q
2
, lim
k
b
k
= 2pq, lim
k
c
k
= p
2
10.2
Partie I : 1. Lapplication
f : I =
_
0 ;

4
_
R, x
1
cos x
est drivable (donc continue) sur I et :
x I, f

(x) =
sin x
cos
2
x
.
Puisque f est drivable sur I et que :
x I \ 0, f

(x) > 0,
f est strictement croissante sur I.
On a : f (0) = 1, f
_
4
_
=
2.
Daprs le thorme de la bijection rciproque, on conclut :
f est une bijection de I sur J = [1 ;

2]
2.
3. Soit x J. Notons y = f
1
(x).
On a donc : x = f (y) =
1
cos y
, do cos y =
1
x
.
Comme y I [0 ; ], on a sin y 0,
do : sin y =
_
1 cos
2
y =
_
1
1
x
2
.
On conclut :
x J, cos
_
f
1
(x)
_
=
1
x
et sin
_
f
1
(x)
_
=
_
1
1
x
2
4. Puisque f est drivable sur I et que f

ne sannule quen 0,
daprs un thorme du cours, f
1
est drivable sur J \ f (0) =
J \ 1 =]1 ;

2] et :
x J \ 1, ( f
1
)
(x) =
1
f

_
f
1
(x)
_
=
cos
2
_
f
1
(x)
_
sin
_
f
1
(x)
_ =
1
x
2
_
1
1
x
2
=
1
x
x
2
1
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
339
On conclut :
f
1
est drivable sur J \ 1 et :
x J \ 1, ( f
1
)
(x) =
1
x
x
2
1
5. Puisque f
1
est drivable en

2, f
1
admet un dveloppe-
ment limit dordre 1 en

2 et :
f
1
(x) = f
1
(
2) + (x
2)( f
1
)
2) + o
x

2
(x
2).
On a :
f
1
(
2) =
4
et ( f
1
)
2) =
1
2 1
=
1
2
.
On conclut :
Le dveloppement limit dordre 1 de f
1
en

2 est :
f
1
(x) =
4
+
1
2
(x
2) + o
x

2
(x
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
2. Existence :
Raisonnons par rcurrence sur n.
Pour n = 0, on a : x I, f
(0)
(x) = f (x) =
1
cos x
, donc
P
0
= 1 convient.
Supposons que, pour un n N x, il existe P
n
R[X] tel
que : x I, f
(n)
(x) =
P
n
(sin x)
cos
n+1
x
.
On dduit, en drivant :
x I, f
(n+1)
(x) =
_
f
(n)
_
(x)
=
P
n
(sin x) cos x cos
n+1
x + P
n
(sin x)(n + 1) cos
n
x sin x
cos
2n+2
x
=
P
n
(sin x) cos
2
x + (n + 1)P
n
(sin x) sin x
cos
n+2
x
=
(1 sin
2
x)P
n
(sin x) + (n + 1) sin xP
n
(sin x)
cos
n+2
x
.
En notant P
n+1
= (1 X
2
)P
n
+ (n + 1)XP
n
,
on a P
n+1
R[X] et : x I, f
(n+1)
(x) =
P
n+1
(sin x)
cos
n+2
x
.
Ceci montre, par rcurrence sur n, que, pour tout n N, il existe
P
n
R[X] convenant.
Unicit :
Soient n N, P
n
, Q
n
R[X] tels que :
x I, f
(n)
(x) =
P
n
(sin x)
cos
n+1
x
et f
(n)
(x) =
Q
n
(sin x)
cos
n+1
x
.
On a alors : x I, P
n
(sin x) = Q
n
(sin x),
donc : t
_
0 ;
1
2
_
, P
n
(t) = Q
n
(t).
Ainsi, les polynmes P
n
et Q
n
concident en une innit de
points de R, donc P
n
= Q
n
.
On conclut :
Pour tout n N, il existe P
n
R[X] unique tel que :
x I, f
(n)
(x) =
P
n
(sin x)
cos
n+1
x
De plus :
P
0
= 1 et n N, P
n+1
= (1 X
2
)P
n
+ (n + 1)XP
n
3. On a P
0
= 1 et on calcule les P
n
de proche en proche grce
la formule prcdente :
P
1
= (1 X
2
)P
0
+ XP
0
= X,
P
2
= (1 X
2
)P
1
+ 2XP
1
= (1 X
2
) + 2X
2
= X
2
+ 1
P
3
= (1 X
2
)P
2
+ 3XP
2
= (1 X
2
)2X+ 3X(X
2
+ 1)
= X
3
+ 5X.
P
0
= 1, P
1
= X, P
2
= X
2
+ 1, P
3
= X
3
+ 5X
4. Montrons, par rcurrence sur n, que, pour tout n N, P
n
est
de degr n et de coecient dominant gal 1.
Lassertion est vraie pour n = 0, car P
0
= 1.
Supposons, pour un n N x, que P
n
est de degr n et de
coecient dominant gal 1.
Il existe donc R
n
R[X] tel que :
P
n
= X
n
+ R
n
et deg (R
n
) n 1.
On a alors :
P
n+1
= (1 X
2
)P
n
+ (n + 1)XP
n
= (1 X
2
)(nX
n1
+ R
n
) + (n + 1)X(X
n
+ R
n
)
= X
n+1
+
_
(1 X
2
)R
n
+ nX
n1
+ (n + 1)XR
n
.,,.
de degr n
_
,
donc P
n+1
est de degr n+1 et de coecient dominant gal 1,
ce qui montre que lassertion est vraie pour n + 1.
340
Ceci montre, par rcurrence sur n :
Pour tout n N, P
n
est de degr n
et de coecient dominant gal 1
Partie III : 1. Dabord, pour tout n N, lintgrale
I
n
=
_
4
0
_
f (x)
_
n
dx existe comme intgrale dune application
continue sur un segment.
I
0
=
_
4
0
1 dx =
4
, I
2
=
_
4
0
1
cos
2
x
dx = [tan x]
4
0
= 1.
I
0
=
4
, I
2
= 1
2) a) On a, pour tout (a, b) R
2
:
t R \ 1, 1,
1
1 t
2
=
a
1 t
+
b
1 + t
t R \ 1, 1, 1 = a(1 + t) + b(1 t)
t R \ 1, 1, (a b)t + (a + b 1) = 0
=
_
_
a b = 0
a + b 1 = 0
a = b =
1
2
Ainsi : Le couple (a, b) =
_
1
2
,
1
2
_
convient
2. b) On a, par le changement de variable t = sin x, puis en
utilisant a) :
I
1
=
_
4
0
1
cos x
dx =
_
4
0
cos x
cos
2
x
dx
=
_ 1
2
0
1
1 t
2
dt =
_ 1
2
0
1
2
_
1
1 t
+
1
1 + t
_
dt
=
1
2
_
ln(1 t) + ln(1 + t)
_
1
2
0
=
1
2
_
ln
_
1
1
2
_
+ ln
_
1 +
1
2
__
=
1
2
ln
1 +
1
2
1
1
2
=
1
2
ln
2 + 1
2 1
=
1
2
ln
_
(
2 + 1)
2
_
= ln(
2 + 1).
On conclut : I
1
= ln(
2 + 1)
3. On a :
n N, I
n+1
I
n
=
_
4
0
_
1
cos
n+1
x

1
cos
n
x
_
dx
=
_
4
0
1 cos x
cos
n+1
x
.,,.
0
dx 0,
donc : La suite (I
n
)
nN
est croissante
4. a) Soit n N.
On a : I
n
=
_
4
0
1
cos
n
x
dx =
_
4
0
cos x
cos
n+1
x
dx.
Eectuons une intgration par parties avec :
_
_
u =
1
cos
n+1
x
v
= cos x
_
_
u
=
(n + 1) sin x
cos
n+2
x
v = sin x
1
sur le segment
_
0 ;

4
_
:
I
n
=
_
sin x
cos
n+1
x
_
4
0

_
4
0
(n + 1) sin
2
x
cos
n+2
x
dx
=
1
2
_
1
2
_
n+1
(n + 1)
_
4
0
1 cos
2
x
cos
n+2
x
dx
= (
2)
n
(n + 1)(I
n+2
I
n
),
do : (n + 1)I
n+2
= (
2)
n
+ nI
n
.
On conclut : n N, I
n+2
=
(
2)
n
n + 1
+
n
n + 1
I
n
4. b) Daprs a) :
n N, I
n+2
=
(
2)
n
n + 1
+
n
n + 1
I
n
.,,.
0
2)
n
n + 1
.
Puisque

2 > 1, par prpondrance de lexponentielle sur la
puissance, on a :
(
2)
n
n + 1

n
+.
Par thorme de minoration, on conclut : I
n

n
+
10.3
Partie I : 1. Par oprations , lapplication f est continue sur
]0 ; +[.
Dautre part :
ln(1 + x)
x

x 0
1 = f (0),
donc f est continue en 0.
On conclut : f est continue sur [0 ; +[
2. a) Par oprations, f est de classe C
1
sur ]0 ; +[ et :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
341
x ]0 ; +[, f

(x) =
1
1 + x
x ln(1 + x)
x
2
=
A(x)
x
2
2. b) On a, par dveloppements limits en 0 :
A(x) =
x
1 + x
ln(1 + x)
= x
_
1 x + o(x)
_
_
x
x
2
2
+ o(x
2
)
_
=
x
2
2
+ o(x
2
),
donc : f

(x) =
A(x)
x
2
=
1
2
+ o(1)
x 0
1
2
.
On conclut : f

admet
1
2
comme limite en 0 droite
2. c) Par oprations, f est de classe C
1
sur ]0 ; +[.
On a vu en 1. que f est continue sur [0 ; +[.
Daprs b), f

Daprs le thorme limite de la drive, on conclut :
f est de classe C
1
sur [0 ; +[ et f

(0) =
1
2
2. d) Lapplication A est drivable sur [0 ; +[ et :
x [0 ; +[, A
(x) =
1
(1 + x)
2

1
1 + x
=
x
(1 + x)
2
.
On dresse le tableau de variation de A :
x 0 +
A
(x) 0
0
A(x)
Il sensuit : x ]0 ; +[, A
(x) < 0,
donc, daprs a) : x ]0 ; +[, f

(x) < 0.
Comme de plus, daprs c), f

(0) =
1
2
< 0, on obtient :
x [0 ; +[, f

(x) < 0,
donc : f est strictement dcroissante sur [0 ; +[
2. e) On a :
x ]0 ; +[, f (x) =
ln(1 + x)
x
=
ln x
x
+
ln
_
1 +
1
x
_
x
.
Dune part, par prpondrance de la puissance sur le loga-
rithme :
ln x
x

x +
0.
Dautre part :
ln
_
1 +
1
x
_
x

x +
0.
On conclut : f (x)
x +
0
3. a) Daprs 2.a. et puisque A est de classe C
1
sur ]0 ; +[,
f

est de classe C
1
sur ]0 ; +[, donc f est de classe C
2
sur
]0 ; +[ et, pour tout x ]0 ; +[ :
f

(x) =
xA
(x) 2A(x)
x
3
=
1
x
3
_
x
_
x
(1 + x)
2
_
2
_
x
1 + x
ln(1 + x)
__
=
1
x
3
_
x
2
2x(1 + x)
(1 + x)
2
+ 2 ln(1 + x)
_
=
B(x)
x
3
.
On conclut : x ]0 ; +[, f

(x) =
B(x)
x
3
.
b) Lapplication B est drivable sur [0 ; +[ et, pour tout
x [0 ; +[ :
B
(x) =
(6x + 2)(1 + x)
2
(3x
2
+ 2x)2(1 + x)
(1 + x)
4
+
2
1 + x
=
(6x + 2)(1 + x) + 2(3x
2
+ 2x) + 2(1 + x)
2
(1 + x)
3
=
2x
2
(1 + x)
3
0.
On dresse le tableau de variation de B :
x 0 +
B
(x) 0 +
B(x) ,
0
Il sensuit : x [0 ; +[, B(x) 0,
donc : x ]0 ; +[, f

(x) =
B(x)
x
3
0
et on conclut : f est convexe sur ]0 ; +[
4.
Partie II : 1. Par sommation gomtrique, on a, pour tous
N N, t [0 ; 1] :
N
k=0
(1)
k
t
k
=
N
k=0
(t)
k
=
1 (t)
N+1
1 (t)
=
1
1 + t

(1)
N+1
t
N+1
1 + t
,
342
donc :
N N, t [0 ; 1],
1
1 + t
=
N
k=0
(1)
k
t
k
+
(1)
N+1
t
N+1
1 + t
2. Pour tous N N, x [0 ; 1], en intgrant de 0 x :
ln(1 + x) =
_
x
0
1
1 + t
dt
=
_
x
0
N
k=0
(1)
k
t
k
dt +
_
x
0
(1)
N+1
t
N+1
1 + t
dt
.,,.
not J
N
(x)
=
N
k=0
(1)
k
_
x
0
t
k
dt + J
N
(x) =
N
k=0
(1)
k
x
k+1
k + 1
+ J
N
(x).
On conclut :
N N, x [0 ; 1],
ln(1 + x) =
N
k=0
(1)
k
x
k+1
k + 1
+ J
N
(x).
3. On a, pour tous N N, x [0 ; 1] :
J
N
(x) =
_
x
0
(1)
N+1
t
N+1
1 + t
dt

_
x
0
(1)
N+1
t
N+1
1 + t
dt
=
_
x
0
t
N+1
1 + t
dt
_
x
0
t
N+1
dt =
_
t
N+2
N + 2
_
x
0
=
x
N+2
N + 2
.
On conclut : N N, x [0 ; 1], J
N
(x)
x
N+2
N + 2
4. Soit x [0 ; 1]. On a, daprs 3.a. :
N N, J
N
(x)
x
N+2
N + 2

1
N + 2
.
Comme
1
N + 2

N
0, on dduit : J
N
(x)
N
0,
donc, daprs 2. :
N
k=0
(1)
k
x
k+1
k + 1

N
ln(1 + x).
Ceci montre que la srie
k0
(1)
k
x
k+1
k + 1
converge et que :
ln(1 + x) =
+
k=0
(1)
k
x
k+1
k + 1
.
Par dcalage dindice (n = k + 1), on conclut :
Pour tout x [0 ; 1], la srie
n1
(1)
n1
x
n
n
converge et :
ln(1 + x) =
+
n=1
(1)
n1
x
n
n
Partie III : 1. Soient N N, x [0 ; 1].
Si x 0, daprs II 2., en divisant par x, et daprs II 3., on a :
f (x)
N
k=0
(1)
k
x
k
k + 1
=
1
x
ln(1 + x)
N
k=0
(1)
k
x
k+1
k + 1
=
1
x
J
N
(x)
1
x
x
N+2
N + 2
=
x
N+1
N + 2
.
Dautre part, pour x = 0 :
f (x)
N
k=0
(1)
k
x
k
k + 1
= f (0) 1 = 0
0
N+1
n + 2
.
On conclut, en regroupant les deux cas :
N N, x [0 ; 1],
f (x)
N
k=0
(1)
k
x
k
k + 1

x
N+1
N + 2
2. Daprs lexemple de Riemann (2 > 1), la srie
n1
1
n
2
converge, donc la srie
n1
(1)
n1
n
2
est absolument conver-
gente, donc convergente.
On a, pour tout N N, daprs 1. , en intgrant de 0 1 :
_
1
0
f (x)
N
k=0
(1)
k
x
k
k + 1
dx
_
1
0
x
N+1
N + 2
dx
=
_
x
N+2
(N + 2)
2
_
1
0
=
1
(N + 2)
2
.
Dautre part :
_
1
0
_
f (x)
N
k=0
(1)
k
x
k
k + 1
_
dx

_
1
0
f (x)
N
k=0
(1)
k
x
k
k + 1
dx.
Enn :
_
1
0
_
f (x)
N
k=0
(1)
k
x
k
k + 1
_
dx
=
_
1
0
f (x) dx
N
k=0
(1)
k
_
1
0
x
k
k + 1
dx
=
_
1
0
f (x) dx
N
k=0
(1)
k
(k + 1)
2
=
n=k+1
_
1
0
f (x) dx
N+1
n=1
(1)
n1
n
2
.
On obtient :
_
1
0
f (x) dx
N+1
n=1
(1)
n1
n
2

1
(N + 2)
2
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
343
Comme
1
(N + 2)
2

N
0,
on dduit :
N+1
n=1
(1)
n1
n
2

N
_
1
0
f (x) dx.
On conclut :
La srie
n1
(1)
n1
n
2
converge et :
_
1
0
f (x) dx =
+
n=1
(1)
n1
n
2
3. Soit N N
. En sparant les termes dindices pairs et les

termes dindices impairs, on a :
2N+1
n=1
1
n
2
=
N
p=0
1
(2p + 1)
2
+
N
p=1
1
(2p)
2
et :
2N+1
n=1
(1)
n1
n
2
=
N
p=0
(1)
2p
(2p + 1)
2
+
N
p=1
(1)
2p1
(2p)
2
=
N
p=0
1
(2p + 1)
2

N
p=1
1
(2p)
2
.
On conclut :
2N+1
n=1
1
n
2
=
N
p=0
1
(2p + 1)
2
+
N
p=1
1
4p
2
2N+1
n=1
(1)
n1
n
2
=
N
p=0
1
(2p + 1)
2

N
p=1
1
4p
2
4. En soustrayant, on obtient, pour tout N N
:
2N+1
n=1
1
n
2

2N+1
n=1
(1)
n1
n
2
= 2
N
p=1
1
4p
2
=
1
2
N
p=1
1
p
2
,
do, en faisant tendre lentier N vers linni :
+
n=1
1
n
2

+
n=1
(1)
n1
n
2
=
1
2
+
n=1
1
n
2
,
donc :
+
n=1
(1)
n1
n
2
=
1
2
+
p=1
1
p
2
=
1
2
2
6
=
2
12
.
On conclut :
_
1
0
f (x) dx =
2
12
10.4 Daprs le cours,
une densit f de X et de Y est donne par :
x R, f (x) =
_
_
1
a
si 0 x < a
0 sinon
la fonction de rpartition F de X et de Y est donne par :
x R, F(x) =
_
_
0 si x < 0
x
a
si 0 x < a
1 si x a
.
1. a) On a :
x R, P(Y x) = P(Y x)
= P(Y > x) car Y est une va densit
= 1 P(Y x) = 1 F(x).
Y
de Y vrie :
x R, F
Y
(x) =
_
_
0 si x < a
x + a
a
si a < x 0
1 si x > 0
.
On reconnat la fonction de rpartition dune variable alatoire
qui suit la loi uniforme sur ] a ; 0].
On en dduit que Y U (] a ; 0]).
Ainsi, une densit f
Y
de Y est donne par :
x R, f
Y
(x) =
_
_
1
a
si a < x 0
0 sinon
1. b) Les variables alatoires X et Y sont deux variables ala-
toires densit indpendantes.
Daprs le cours, on sait quune densit g de X + (Y) est don-
ne par le produit de convolution de f et f
Y
.
Ainsi, on a : x R, g(x) =
_
+
f (t) f
Y
(x t) dt.
Or : f (t) f
Y
(x t) 0 0 t < a et a < x t 0
0 t < a et x t < x + a.
Soit x R.
1
er
cas : si x [0 ; a], alors :
f (t) f
Y
(x t) 0 x t < a
ainsi : g(x) =
_
a
x
1
a

1
a
dt =
a x
a
2
.
2
e
cas : si x [a ; 0[, alors :
f (t) f
Y
(x t) 0 0 t < x + a
344
ainsi : g(x) =
_
x+a
0
1
a

1
a
dt =
a + x
a
2
.
3
e
cas : si x < a ou si x > a, alors les conditions 0 t < a
et x t < x + a ne peuvent se raliser simultanment ; on en
dduit : t R, f (t) f
Y
(x t) = 0 ; et ainsi g(x) = 0.
On conclut que la fonction g vrie :
x R, g(x) =
_
_
a x
a
2
si x [a ; a]
0 sinon
2. a) Puisque Z = X Y, Z prend ses valeurs dans R
+
.
Ainsi : x R
, H(x) = P(Z x) = 0.
De plus : x R
+
, H(x) = P(Z x) = P(X Y x)
= P(x X Y x)
= P(x < X Y x) = G(x) G(x).
Ainsi, la fonction H vrie :
x R, H(x) =
_
_
0 si x < 0
G(x) G(x) si x 0
2. b) Notons que la fonction g est continue sur R. Alors la fonc-
tion 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.
Ainsi H est de classe C
1
sur ]0 ; +[. De plus, H est de classe
C
1
sur ] ; 0[. Donc H est de classe C
1
sur R priv ventuel-
lement de 0.
De plus, puisque G est continue en 0 (car continue sur R), on
a : lim
0
+
H = H(0) = G(0) G(0) = 0 = lim
0
H.
Ainsi H est continue en 0 et donc sur R.
On en dduit que Z est une variable alatoire densit, dont
une densit h sobtient en drivant H sauf en un nombre ni de
Or : x < 0, H
(x) = 0,
et : x > 0, H
(x) = G

(x) + G
(x) = g(x) + g(x)

= 2g(x) car g est paire
=
2(a x)
a
2
car x > 0.
On conclut que la fonction h est (par exemple) donne par :
x R, h(x) =
_
_
2(a x)
a
2
si x [0 ; a]
0 sinon
3. La fonction x x h(x) est nulle en dehors de [0 ; a] et
continue sur [0 ; a].
_
+
x h(x) dx =
_
a
0
x h(x) dx
converge.
Ainsi Z admet une esprance et lon a :
E(Z) =
_
+
x h(x) dx =
_
a
0
x h(x) dx =
2
a
2
_
a
0
(ax x
2
) dx
=
2
a
2
_
ax
2
2

x
3
3
_
a
0
=
2
a
2
_
a
3
2

a
3
3
_
=
a
3
.
La fonction x x
2
h(x) est nulle en dehors de [0 ; a] et
continue sur [0 ; a].
_
+
x
2
h(x) dx =
_
a
0
x
2
h(x) dx
converge.
Ainsi, daprs le thorme de transfert, Z
2
admet une esprance
et lon a :
E(Z
2
) =
_
+
x
2
h(x) dx =
_
a
0
x
2
h(x) dx
=
2
a
2
_
a
0
(ax
2
x
3
) dx =
2
a
2
_
ax
3
3

x
4
4
_
a
0
=
2
a
2
_
a
4
3

a
4
4
_
=
a
2
6
.
On en dduit que Z admet une variance et lon a :
V(Z) = E(Z
2
)
_
E(Z)
_
2
=
a
2
6

_
a
3
_
2
=
a
2
18
.
On conclut :
Z admet une esprance et une variance, et :
E(Z) =
a
3
, V(Z) =
a
2
18
4. On obtient la fonction suivante :
function z(a:real):real ;
var x,y:real ;
begin
x:=a*random ; y:=a*random ;
z:=abs(x-y) ;
end ;
10.5
1. Soient R, A, B M
n
(R). On a :
tr (A + B) =
n
i=1
(A + B)
ii
=
n
i=1
_
(A)
ii
+ (B)
ii
_
=
n
i=1
(A)
ii
+
n
i=1
(B)
ii
= tr (A) + tr (B).
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
345
Ceci montre : tr est linaire
Soient A, B M
n
(R). On a :
tr (AB) =
n
i=1
(AB)
ii
=
n
i=1
n
j=1
(A)
i j
(B)
ji
=
n
j=1
n
i=1
(B)
ji
(A)
i j
=
n
j=1
(BA)
j j
= tr (BA).
On conclut : (A, B)
_
M
n
(R)
_
2
, tr (AB) = tr (BA)
2. Soit A M
n
(R).
Il est clair que
A
: M AM MA est une application de
M
n
(R) dans M
n
(R).
On a, pour tous R, M, N , M
n
(R) :
A
(M + N) = A(M + N) (M + N)A
= AM + AN MA NA
= (AM MA) + (AN NA) =
A
(M) +
A
(N),
donc
A
est linaire.
On conclut :
A
est un endomorphisme de lespace vectoriel M
n
(R)
3. On a, pour toutes A, B M
n
(R), puisquune matrice carre
et sa transpose ont la mme trace :
< B, A > = tr (
t
BA) = tr
_
t
(
t
BA)
_
= tr (
t
AB) = < A, B >,
donc < . , . > est symtrique.
On a, pour tous R, A, B, C M
n
(R) :
< A, B + C > = tr
_
t
A(B + C
_
= tr (
t
AB +
t
AC)
= tr (
t
AB) + tr (
t
AC) = < A, B > + < A, C >,
donc < . , . > est linaire par rapport la seconde place.
Puisque < . , . > est linaire par rapport la seconde place et
est symtrique, < . , . > est bilinaire.
On a, pour toute A = (a
i j
)
i j
M
n
(R) :
< A, A > = tr (
t
AA) =
n
i=1
(
t
AA)
ii
=
n
i=1
n
j=1
(
t
A)
i j
(A)
ji
=
n
i=1
n
j=1
_
(A)
ji
_
2
0.
Soit A M
n
(R) telle que < A, A > = 0.
On a, avec les notations prcdentes :
n
i=1
n
j=1
_
(A)
ji
_
2
.,,.
0
= 0,
donc : (i, j) 1 ; n
2
, (A)
ji
= 0, do A = 0.
On conclut :
< . , . > est un produit scalaire sur M
n
(R)
4. On a, pour tout (M, N)
_
M
n
(R)
_
2
:
<
A
(M) , N > = < AM MA, N >
= tr
_
t
(AM MA)N
_
= tr
_
(
t
M
t
A
t
A
t
M)N
_
= tr
_
(
t
MA A
t
M)N
_
= tr (
t
MAN) tr
_
A(
t
MN)
_
= tr (
t
MAN) tr
_
(
t
MN)A
_
= tr (
t
MAN
t
MNA)
= tr
_
t
M(AN NA)
_
= < M , AN NA >
= < M ,
A
(N) > .
On conclut :
(M, N)
_
M
n
(R)
_
2
, <
A
(M) , N > = < M,
A
(N) >
Ceci montre que
A
est un endomorphisme symtrique de
lespace euclidien M
n
(R) muni de < . , . >.
Daprs le cours, on conclut :
A
est diagonalisable
5. a) 1
re
mthode : Examen des coecients de X
t
Y :
Puisque X =
_
_
x
1
.
.
.
x
n
_
_
0 et Y =
_
_
y
1
.
.
.
y
n
_
_
0, il existe
i 1 ; n tel que x
i
0 et il existe j 1 ; n tel que y
j
0.
On a :
M
X,Y
= X
t
Y =
_
_
x
1
.
.
.
x
n
_
_
_
y
1
. . . y
n
_
=
_
_
x
1
y
1
. . . x
1
y
n
.
.
.
.
.
.
x
n
y
1
. . . x
n
y
n
_
_
et x
i
y
j
0, donc le coecient de M
X,Y
situ la ligne i et la
colonne j nest pas nul, do : M
X,Y
0.
2
e
mthode : Utilisation du produit scalaire canonique sur
M
n,1
(R) :
Raisonnons par labsurde : supposons M
X,Y
= 0, cest--dire
X
t
Y = 0. On a alors X
t
YY = 0Y = 0. Mais
t
YY = Y
2
R,
donc Y
2
X = 0. Comme X 0, on dduit Y
2
= 0, donc
Y = 0, contradiction.
346
On a AY = Y, donc, en transposant :
t
(AY) =
t
Y,
cest--dire
t
YA =
t
Y car A est symtrique.
On a :
A
(M
X,Y
) = AM
X,Y
M
X,Y
A
= A(X
t
Y) (X
t
Y)A = (AX)
t
Y X(
t
YA)
= (X)
t
Y X(
t
Y) = ( )X
t
Y = ( )M
X,Y
.
On conclut :
M
X,Y
0,
t
YA =
t
Y,
A
(M
X,Y
) = ( )M
X,Y
5. b) Soit (, )
_
Sp (A)
_
2
.
Daprs a), il existe M
X,Y
M
n
(R) \ 0 telle que
A
(M
X,Y
) =
( )M
X,Y
, donc est valeur propre de
A
. On conclut :
Sp (
A
)
6. a) Raisonnons par labsurde : supposons que, pour tout vec-
teur propre Z
0
pour A, on ait MZ
0
= 0.
Puisque A est symtrique relle, A est diagonalisable. Il existe
donc une base (U
1
, ..., U
n
) de M
n,1
(R) forme de vecteurs
propres pour A. On a alors MU
1
= 0, ... , MU
n
= 0.
Soit Z M
n,1
(R) quelconque.
Il existe (z
1
, ..., z
n
) R
n
tel que Z =
n
i=1
z
i
U
i
.
On a alors : MZ = M
n
i=1
z
i
U
i
=
n
i=1
z
i
MU
i
.,,.
=0
= 0.
Il en rsulte M = 0, contradiction avec M vecteur propre
pour
A
.
Ce raisonnement par labsurde montre :
Il existe un vecteur propre Z
0
pour A tel que MZ
0
0
6. b) Par hypothse,
A
(M) = M,
cest--dire : AM MA = M.
En multipliant droite par Z
0
, on dduit :
AMZ
0
MAZ
0
= MZ
0
,
donc :
A(MZ
0
) = M(AZ
0
) + MZ
0
= M(Z
0
) + MZ
0
= ( + )MZ
0
.
On conclut :
+ est valeur propre de A
et MZ
0
est un vecteur propre pour A
associ cette valeur propre
Il existe donc Sp (A) tel que + = ,
do = , avec (, )
_
Sp (A)
_
2
, donc .
7. De 5. et 6., on conclut : Sp (
A
) =
10.6
1. a) On a :
C
t
C =
_
_
c
1
.
.
.
c
n
_
_
_
c
1
. . . c
n
_
=
_
_
c
2
1
. . . c
1
c
n
.
.
.
.
.
.
c
n
c
1
. . . c
2
n
_
_
.
Pour tout (i, j) 1 ; n
2
, le coecient de C
t
C situ la ligne i
et la colonne j est c
i
c
j
.
On a :
t
(C
t
C) =
t
(
t
C)
t
C = C
t
C,
donc C
t
C est symtrique relle.
Daprs le cours, on dduit : C
t
C est diagonalisable
1. b) On a :
(C
t
C)
2
= (C
t
C)(C
t
C) = C(
t
CC)
t
C = CC
2 t
C = C
2
C
t
C.
(C
t
C)
2
= C
2
C
t
C
1. c) Daprs b), le polynme
P = X
2
C
2
X = X(X C
2
)
est annulateur de C
t
C.
Daprs le cours, toute valeur propre de C
t
C est racine de P,
donc :
Toute valeur propre de C
t
C est gale 0 ou C
2
1. d) On a, pour tout X M
n,1
(R) :
(C
t
C)X = 0 C(
t
CX
.,,.
R
) = 0 < C , X > C
.,,.
0
= 0
< C , X > = 0 X
_
Vect (C)
_
.
Comme C 0 et dimM
n,1
(R) = n 2, on a :
dim
_
Vect (C)
_
= n 1 1, donc
_
Vect (C)
_
0, do :
0 est valeur propre de C
t
C
et SEP(C
t
C, 0) =
_
Vect (C)
_
1. e) On a : (C
t
C)C = C(
t
CC
.,,.
R
) = C
2
C.
Comme C 0, ceci montre que C
2
t
C
et que C est un vecteur propre de C
t
C associ cette valeur
propre.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
347
Rciproquement, soit X SEP(C
t
C, C
2
). On a alors
(C
t
C)X = C
2
X, cest--dire C(
t
CX
.,,.
R
) = C
2
X, donc :
X =
< C , X >
C
2
C Vect (C).
On conclut :
C
2
t
C
et SEP(C
t
C, C
2
) = Vect (C)
Remarques :
Les deux sous-espaces propres de C
t
C sont orthogonaux
entre eux, ce qui est cohrent avec le fait que C
t
C est sym-
trique relle.
On a :
dimSEP(C
t
C, 0) + dimSEP(C
t
C, C
2
)
= (n 1) + 1 = n = dimM
n,1
(R),
ce qui est cohrent avec le fait que C
t
C est diagonalisable.
1. f) Notons M =
1
C
2
C
t
C et p lendomorphisme canonique-
ment reprsent par M.
On a :
M
2
=
1
C
4
(C
t
C)
2
=
1
C
4
C
2
C
t
C =
1
C
2
C
t
C = M,
donc p est un projecteur.
De plus :
Ker (p) = SEP(M, 0) = SEP(C
t
C, 0) =
_
Vect (C)
_
,
Im(p) = SEP(M, 1) = SEP(C
t
C, C
2
) = Vect (C),
donc les sous-espaces vectoriels Ker (p) et Im(p) sont orthogo-
naux entre eux.
On conclut :
Lendomorphisme de M
n,1
(R) canoniquement
reprsent par la matrice
1
C
2
C
t
C
est le projecteur orthogonal sur Vect (C)
2. a) On a, pour tous X, Y M
n,1
(R) :
(
t
XY)
2
= (
t
XY)(
t
XY) = (
t
YX)(
t
XY) =
t
Y(X
t
X)Y.
2. b) Puisque A est symtrique relle, daprs le cours, A
est diagonalisable dans une base orthonormale, donc il existe
(
1
, ...,
n
) R
n
et une base orthonormale B = (U
1
, ..., U
n
) de
M
n,1
(R) tels que : i 1 ; n, AU
i
=
i
U
i
.
2. c) Soit X M
n,1
(R).
Puisque B est une base orthonormale de M
n,1
(R), daprs le
cours :
X =
n
i=1
 U
i
et AX =
n
i=1
 U
i
.
Do, puisque B = (U
1
, ..., U
n
) est une base orthonormale de
M
n,1
(R) :
X
2
=
n
i=1

2
, AX
2
=
n
i=1

2
< X , AX > =
n
i=1

=
n
i=1
< AU
i
, X >
=
n
i=1
 =
n
i=1
i

2
.
2. d) Daprs a), on a, pour tout X M
n,1
(R) :
i 1 ; n, 
2
= (
t
U
i
X)
2
=
t
X(U
i
t
U
i
)X = < X , U
i
t
U
i
X > .
Do, pour tout X M
n,1
(R) :
< X , X > = X
2
=
n
i=1

2
=
n
i=1
< X , U
i
t
U
i
X > = < X ,
_
n
i=1
U
i
t
U
i
_
X > .
Comme I
n
et
n
i=1
U
i
t
U
i
sont symtriques, il en rsulte :
I
n
=
n
i=1
U
i
t
U
i
.
De mme, pour tout X M
n,1
(R) :
< X , AX > =
n
i=1
i

2
=
n
i=1
i
t
X(U
i
t
U
i
)X
=
t
X
_
n
i=1
i
U
i
t
U
i
_
X = < X ,
_
n
i=1
i
U
i
t
U
i
_
X > .
Comme A et
n
i=1
i
U
i
t
U
i
sont symtriques, il en rsulte :
A =
n
i=1
i
U
i
t
U
i
.
On conclut : I
n
=
n
i=1
U
i
t
U
i
et A =
n
i=1
i
U
i
t
U
i
348
Daprs 1. f), pour tout i 1 ; n, lendomorphisme de
M
n,1
(R) canoniquement reprsent par U
i
t
U
i
est le projecteur
orthogonal sur Vect (U
i
).
2. e) On a, pour tout X M
n,1
(R), daprs c) :
< X , AX > =
n
i=1
i

2
_
_
Max
1in
i
_
n
i=1

2
=
_
Max
1in
i
_
X
2
_
Min
1in
i
_
n
i=1

2
=
_
Min
1in
i
_
X
2
.
On conclut :
X M
n,1
(R),
_
Min
1in
i
_
X
2
< X , AX >
_
Max
1in
i
_
X
2
3. a) Puisque AX =
n
i=1
i
 U
i
et que Best une base
orthonormale, on a :
AX
2
=
n
i=1
2
i

2
3. b) Daprs a), on a :
AX
2
=
n
i=1
2
i

2
i=1
_
(A)
_
2

2
=
_
(A)
_
2
n
i=1

2
=
_
(A)
_
2
X
2
,
donc : AX (A)X
Il existe k 1 ; n tel que (A) =
k
.
On a alors : AU
k
=
k
U
k
=
k
U
k
= (A)U
k
.
Le vecteur X = U
k
ralise donc lgalit dans lingalit prc-
dente.
3. c) Supposons (A) 1.
Il existe k 1 ; n tel que (A) =
k
.
On a AU
k
=
k
U
k
, donc, par une rcurrence immdiate, pour
tout p N
: A
p
U
k
=
p
k
U
k
,
puis : A
p
U
k
=
p
k
U
k
=
k
p
=
_
(A)
_
p
.
Comme (A) 1,
_
(A)
_
p
ne tend pas vers 0 lorsque lentier p
tend vers linni.
Ceci montre que, si (A) 1, alors il existe X M
n,1
(R) tel que
A
p
X ne tende pas vers 0 lorsque lentier p tend vers linni.
Par contraposition, on a donc : i. = ii.
Supposons (A) < 1.
Montrons, par rcurrence sur p :
p N
, X M
n,1
(R), A
p
X
_
(A)
_
p
X.
Lassertion est vraie pour p = 1, daprs b).
Si elle est vraie pour un p N
, alors, en appliquant lhy-

pothse de rcurrence AX la place de X, on a, pour tout
X M
n,1
(R) :
A
p+1
X = A
p
(AX)
_
(A)
_
p
AX
_
(A)
_
p
_
(A)X
_
=
_
(A)
_
p+1
X,
donc lassertion est vraie pour p + 1.
Ceci montre, par rcurrence sur p :
p N
, X M
n,1
(R), A
p
X
_
(A)
_
p
X.
Soit X M
n,1
(R) x.
Comme 0 (A) < 1, on a
_
(A)
_
p
p
0,
donc, par thorme dencadrement : A
p
X
p
0.
Ceci montre : ii. = i.
On conclut : i. ii.
10.7
Partie I : 1. a) Soient n N
et t [0 ; x].
Puisque t 1, on a :
n
p=1
t
p1
=
n1
p=0
t
p
=
1 t
n
1 t
1. b) Soit n N
. En intgrant lgalit prcdente, on obtient :

_
x
0
_
n
p=1
t
p1
_
dt =
_
x
0
1 t
n
1 t
dt.
Or :
_
x
0
_
n
p=1
t
p1
_
dt =
n
p=1
_
x
0
t
p1
dt =
n
p=1
x
p
p
,
et :
_
x
0
1 t
n
1 t
dt =
_
x
0
1
1 t
dt
_
x
0
t
n
1 t
dt
=
_
ln 1 t
_
x
0

_
x
0
t
n
1 t
dt = ln(1 x)
_
x
0
t
n
1 t
dt.
On conclut :
n
p=1
x
p
p
= ln(1 x)
_
x
0
t
n
1 t
dt
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
349
1. c) On a : n N
, t [0 ; x], 0
t
n
1 t

t
n
1 x
.
Ainsi : n N
, 0
_
x
0
t
n
1 t
dt
_
x
0
t
n
1 x
dt
et :
_
x
0
t
n
1 x
dt =
x
n+1
(1 x)(n + 1)

1
(1 x)(n + 1)
.
En faisant tendre n vers linni, par le thorme dencadrement,
on obtient : lim
n
_
x
0
t
n
1 t
dt = 0
1. d) En faisant tendre n vers linni dans lgalit du 1. b), on
obtient :
n
p=1
x
p
p

n
ln(1 x) 0 = ln(1 x).
On conclut : La srie
p1
x
p
p
converge et on a :
+
p=1
x
p
p
= ln(1 x)
2. a) On a : n N
,
1
n

1
n + 1
=
n + 1 n
n(n + 1)
=
1
n(n + 1)
.
On en dduit : n N
,
1
n(n + 1)
=
1
n

1
n + 1
2. b) On a : N N
,
N
n=1
x
n+1
n(n + 1)
=
N
n=1
_
x
n+1
n

x
n+1
n + 1
_
= x
N
n=1
x
n
n

N
n=1
x
n+1
n + 1
= x
N
n=1
x
n
n

_
x
1
+
N+1
n=1
x
n
n
_
N
x
_
ln(1 x)
_
_
x ln(1 x)
_
= x + (1 x) ln(1 x).
On conclut : La srie
n1
x
n+1
n(n + 1)
converge et on a :
+
n=1
x
n+1
n(n + 1)
= x + (1 x) ln(1 x)
Partie II : 1) Soit x R. On a :
1 F(x) = 1 P(X x) = P(X > x) =
_
+
x
f (t) dt.
1
er
cas : Si x 0, alors
1 F(x) =
_
0
x
f (t) dt +
_
+
0
f (t) dt.
Or f est nulle sur ] ; 0[, donc
_
0
x
f (t) dt = 0 ;
puisque f est une densit,
_
+
0
f (t) dt =
_
+
f (t) dt = 1 ;
ainsi : 1 F(x) = 1 > 0.
2
e
cas : Si x > 0, alors
1 F(x) =
_
+
x
f (t) dt
_
x+1
x
f (t) dt.
Puisque f est continue et valeurs > 0 sur [x ; x + 1] avec
x < x + 1, on a :
_
x+1
x
f (t) dt > 0 ;
ainsi : 1 F(x) > 0.
On conclut : x R, 1 F(x) > 0
2. Remarquons que, daprs 1., la fonction g est bien dnie
sur R.
Soit x R.
On a : F(x) 0, donc 1 F(x) 1, do ln
_
1 F(x)
_
0.
De plus, par dnition dune densit, f (x) 0.
On obtient : g(x) = f (x) ln
_
1 F(x)
_
0.
On conclut que g est positive sur R.
La fonction F tant une fonction de rpartition dune va
densit, elle est continue sur R, et par opration sur les fonc-
tions continues, la fonction x ln
_
1 F(x)
_
est continue
sur R.
Par hypothse, la fonction f est continue sur ] ; 0[
et ]0 ; +[.
Par opration sur les fonctions continues, la fonction g est, elle
aussi, continue sur ] ; 0[ et ]0 ; +[.
La fonction x g(x) est continue sur [0 ; +[.
Soit A > 0. On a :
_
A
0
g(x) dx =
_
A
0
f (x) ln
_
1 F(x)
_
dx.
Eectuons une IPP en posant :
_
_
u(x) = ln
_
1 F(x)
_
v
(x) = f (x)
,
_
_
u
(x) =
f (x)
1 F(x)
v(x) = 1 F(x)
o u et v sont bien de classe C
1
sur [0 ; A].
On obtient :
_
A
0
g(x) dx
=
_
_
1 F(x)
_
ln
_
1 F(x)
_
_
A
0
+
_
A
0
f (x) dx
350
=
_
1 F(A)
_
ln
_
1 F(A)
_
+
_
A
0
f (x) dx
car F(0) =
_
0
f (x) dx =
_
0
0 dx = 0.
Or : lim
+
F = 1, donc
lim
A+
_
1 F(A)
_
ln
_
1 F(A)
_
= lim
B0
Bln(B) = 0,
daprs les croissances compares
_
A
0
f (x) dx
A+
_
+
0
f (x) dx = 1 car f est une
densit, nulle sur ] ; 0[.
Ainsi :
_
A
0
g(x) dx
A+
1.
_
+
0
g(x) dx converge et que
_
+
0
g(x) dx = 1.
Puisque g est nulle sur ] , ; 0[, lintgrale
_
+
g(x) dx
converge et
_
+
g(x) dx =
_
+
0
g(x) dx = 1.
On conclut : La fonction g est une densit
3. a) Soit X une variable alatoire suivant la loi exponentielle
de paramtre , avec > 0.
Alors, daprs le cours, une densit f de X est donne par :
x R, f (x) =
_
_
0 si x < 0
e
x
si x 0
.
Cette fonction f est bien nulle sur ] ; 0[, continue sur
[0 ; +[ et strictement positive sur [0 ; +[.
Ainsi : X vrie bien les conditions imposes
3. b) Daprs le cours, la fonction de rpartition F de X est
donne par :
x R, F(x) =
_
_
0 si x < 0
1 e
x
si x 0
.
Ainsi : x 0, g(x) = e
x
ln
_
1 (1 e
x
)
_
= e
x
ln( e
x
) =
2
x e
x
.
On obtient alors :
x R, g(x) =
_
2
x e
x
si x 0
0 si x < 0
.
On reconnat une densit de la loi Gamma de paramtre
_
1
, 2
_
.
On en dduit : Y
_
1
, 2
_
Daprs le cours : E(Y) =
2
et V(Y) =
2
2
Partie III : 1. On a : N N
,
N
n=1
1
n(n + 1)
=
N
n=1
_
1
n

1
n + 1
_
=
N
n=1
1
n

N+1
n=2
1
n
= 1
1
N + 1

N
1.
On en dduit :
n1
u
n
converge et
+
n=1
u
n
= 1
2. a) Soit x R.
Les vnements (N = n) pour n N
forment une systme

complet dvnements.
On a, par la formule des probabilits totales :
F
Z
(x) = P(Z x) =
+
n=1
P(N = n, Z x)
=
+
n=1
P
_
N = n, Max(X
0
, X
1
, ...X
n
) x
_
=
+
n=1
P
_
N = n, X
0
x, X
1
x, ...X
n
x
_
=
+
n=1
P(N = n)P(X
0
x)P(X
1
x) P(X
n
x)
puisque N, X
0
, X
1
, ..., X
n
=
+
n=1
P(N = n)
_
F(x)
_
n+1
=
+
n=1
_
F(x)
_
n+1
n(n + 1)
.
On conclut : x R, F
Z
(x) =
+
n=1
_
F(x)
_
n+1
n(n + 1)
2. b) Puisque f est continue sur [0 ; +[, F est de classe C
1
sur
[0 ; +[ et lon a : x [0 ; +[, F
(x) = f (x).
On obtient alors que F
est strictement positive sur [0 ; +[ et

donc F est strictement croissante sur [0 ; +[.
En particulier, on a : x [0 ; +[, F(x) < lim
+
F = 1.
Ainsi : x [0 ; +[, F(x) [0 ; 1[.
On peut donc appliquer lgalit du I.2.b) F(x), et obtenir :
x [0 ; +[,
+
n=1
_
F(x)
_
n+1
n(n + 1)
= F(x) +
_
1 F(x)
_
ln
_
1 F(x)
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
351
On conclut :
x [0 ; +[, F
Z
(x) = F(x) +
_
1 F(x)
_
ln
_
1 F(x)
_
2. c) Puisque F est nulle sur ] ; 0[, on a :
x ] ; 0[, F
Z
(x) = 0.
Ainsi, la fonction F
Z
est donne par : x R,
F
Z
(x) =
_
_
0 si x < 0
F(x) +
_
1 F(x)
_
ln
_
1 F(x)
_
si x 0
.
Puisque F est de classe C
1
sur [0 ; +[, par opration sur les
fonctions de classe C
1
, F
Z
est de classe C
1
sur [0 ; +[. De
plus, F
Z
est de classe C
1
sur ] ; 0[ (car F
Z
y est nulle).
Puisque F est nulle sur ] ; 0[ et que F est continue en 0, on
a F(0) = 0.
Donc : lim
0
+
F
Z
= F
Z
(0)
= F(0) +
_
1 F(0)
_
ln
_
1 F(0)
_
= 0 = lim
0
F
Z
.
Ainsi F
Z
est continue en 0 et donc sur R.
On en dduit que Z est une variable alatoire densit, dont
une densit sobtient en drivant F
Z
Or : x ] ; 0[, F
Z

(x) = 0,
et : x ]0 ; +[, F
Z

(x)
= F

(x) F

(x) ln
_
1 F(x)
_
+
_
1 F(x)
_ F

(x)
1 F(x)
= F

(x) ln
_
1 F(x)
_
= f (x) ln
_
1 F(x)
_
.
On conclut : Z admet la fonction g comme densit
10.8 PARTIE I : 1. On a :
T
2
= 2XT
1
T
0
= 2X(2X) 1 = 4X
2
1,
T
3
= 2XT
2
T
1
= 2X(4X
2
1) 2X = 8X
3
4X.
T
0
= 1, T
1
= X, T
2
= 4X
2
1, T
3
= 8X
3
4X
2. a. Montrons, par rcurrence deux pas sur n, que, pour tout
n N, T
n
est un polynme de degr n et de coecient dominant
2
n
.
Lassertion est vraie pour n = 0 et pour n = 1, car T
0
= 1 et
T
1
= X.
Supposons lassertion vraie pour n 2 et n 1, o n N est
x tel que n 2.
Alors, 2XT
n1
est de degr n et T
n2
est de degr n 2, donc
T
n
= 2XT
n1
T
n2
est de degr n et son coecient dominant
est celui de 2XT
n1
, cest--dire 2 2
n
= 2
n+1
, ce qui montre
que lassertion est vraie pour n.
On conclut, par rcurrence deux pas sur n :
Pour tout n N, T
n
est un polynme
de degr n et de coecient dominant 2
n
2. b. Montrons, par rcurrence deux pas sur n :
n N, T
n
(X) = (1)
n
T
n
(X).
0
= 1 et
T
1
= X.
x tel que n 2.
Alors :
T
n
(X) = 2(X)T
n1
(X) T
n2
(X)
= 2(X)(1)
n1
T
n1
(X) (1)
n2
T
n2
(X)
= (1)
n
_
2XT
n1
(X) T
n2
(X)
_
= (1)
n
T
n
(X),
donc lassertion est vraie pour n.
Ceci montre, par rcurrence deux pas sur n :
n N, T
n
(X) = (1)
n
T
n
(X).
Si n est pair, alors (1)
n
= 1, donc T
n
est pair.
Si n est impair, alors (1)
n
= 1, donc T
n
est impair.
On conclut :
Si n est un entier pair (resp. impair), alors
T
n
est un polynme pair (resp. impair)
3. Daprs 1., on a :
T
0
(1) = 1, T
1
(1) = 2, T
2
(1) = 3, T
3
(1) = 4.
Montrons, par rcurrence deux pas sur n :
n N, T
n
(1) = n + 1.
0
= 1 et
T
1
= X.
x tel que n 2.
Alors : T
n
(1) = 2T
n1
(1) T
n2
(1) = 2n (n 1) = n + 1,
On conclut, par rcurrence deux pas sur n :
n N, T
n
(1) = n + 1
4. a. Raisonnons par rcurrence deux pas sur n.
352
Lassertion est vraie pour n = 0, car :
]0 ; [, T
0
(cos ) = 1 =
sin
sin
et lassertion est vraie pour n = 1 car :
]0 ; [, T
1
(cos ) = 2 cos =
2 sin cos
sin
=
sin 2
sin
.
x tel que n 2.
On a alors, pour tout ]0 ; [ :
T
n
(cos ) = 2 cos T
n1
(cos ) T
n2
(cos )
= 2 cos
sin(n)
sin

sin
_
(n 1)
_
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
,
On conclut :
n N, ]0 ; [, T
n
(cos ) =
sin
_
(n + 1)
_
sin
4. b. Soit n N
. On a, pour tout ]0 ; [ :
T
n
(cos ) = 0 sin
_
(n + 1)
_
= 0 (n + 1) 0 []
0
_

n + 1
_

_
k 1 ; n, =
k
n + 1
_
.
Comme cos est strictement dcroissante sur ]0 ; [, les
rels x
k
, k 1 ; n, dnis par x
k
= cos
k
n + 1
sont deux
deux distincts.
Ceci montre que T
n
admet (au moins) les x
k
, k 1 ; n, pour
racines.
Comme dautre part, deg (T
n
) = n, T
n
admet au plus n racines.
On conclut :
Pour tout n N
, T
n
admet n racines relles,
toutes situes dans lintervalle ] 1 ; 1[, qui sont les
cos
k
n + 1
, k 1 ; n
4. c. Puisque T
n
est de degr n, de coecient dominant gal
2
n
, et que T
n
admet pour racines les cos
k
n + 1
, k 1 ; n,
on conclut : T
n
= 2
n
n
_
k=1
_
X cos
k
n + 1
_
4. d. En particulier, en remplaant X par 1 et en utilisant 3. :
n +1 = T
n
(1) = 2
n
n
_
k=1
_
1 cos
k
n + 1
_
= 2
n
n
_
k=1
2 sin
2
k
2(n + 1)
,
donc :
_
n
_
k=1
sin
k
2(n + 1)
_
2
= (n + 1)2
2n
.
Comme de plus, chaque sin
k
2(n + 1)
est positif ou nul, on
conclut, en prenant la racine carre :
n
_
k=1
sin
k
2(n + 1)
=
n + 1 2
n
5. a. On a, pour tout ]0 ; [ :
sin T
n
(cos ) sin
_
(n + 1)
_
= 0,
donc, en drivant, pour tout ]0 ; [ :
sin
2
T

n
(cos ) + cos T
n
(cos )
(n + 1) cos
_
(n + 1)
_
= 0,
puis, en drivant encore, pour tout ]0 ; [ :
sin
3
T

n
(cos ) 2 sin cos T

n
(cos ) sin cos T

n
(cos )
sin T
n
(cos ) + (n + 1)
2
sin
_
(n + 1)
_
= 0.
En combinant la premire galit et la troisime galit pour
faire disparatre les termes en sin
_
(n + 1)
_
, on dduit :
sin
3
T

n
(cos ) 3 sin cos T

n
(cos )
+
_
(n + 1)
2
1
_
sin T
n
(cos ) = 0,
puis, en simpliant par sin , on conclut :
]0 ; [,
sin
2
T

n
(cos ) 3 cos T

n
(cos ) + (n
2
+ 2n) T
n
(cos ) = 0
5. b. Soit n N. Daprs a), on a :
]0 ; [, sin
2
T

n
(cos )
3 cos T

n
(cos ) + (n
2
+ 2n) T
n
(cos ) = 0.
Comme lapplication cos est une surjection de ]0 ; [
sur ] 1 ; 1[, on a donc :
x ] 1 ; 1[, (1 x
2
)T
n
(x) 3xT
n
(x) + (n
2
+ 2n)T
n
(x) = 0.
En prenant loppos, il en rsulte que le polynme
(X
2
1)T
n
+ 3XT
n
(n
2
+ 2n)T
n
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
353
sannule en une innit de points (les lments de ] 1 ; 1[),
donc, daprs le cours, cest le polynme nul.
On conclut :
n N, (X
2
1)T
n
+ 3XT
n
(n
2
+ 2n)T
n
= 0
PARTIE II : 1. Il est clair que, pour tout P E, L(P) est un
polynme de R(X].
De plus :
deg
_
L(P)
_
= deg
_
(X
2
1)P
+ 3XP
_
Max
_
deg
_
(X
2
1)P
_
, deg (3XP
)
_
deg (P),
donc : L(P) E.
On a, pour tous R, P, Q E :
L(P + Q) = (X
2
1)(P + Q)
+ 3X(P + Q)
= (X
2
1)(P
+ Q
) + 3X(P
+ Q
)
= (X
2
1)P
+ (X
2
1)Q
+ 3XP
+ 3XQ
=
_
(X
2
1)P
+ 3XP
_
+
_
(X
2
1)Q
+ 3XQ
_
= L(P) + L(Q),
donc L est linaire.
On conclut :
L est un endomorphisme de lespace vectoriel E
2. a. On a, pour tout k 0 ; n, en utilisant I 5. b. :
L(T
k
) = (X
2
1)T
k
+ 3XT
k
= (k
2
+ 2k)T
k
.
k 0 ; n, L(T
k
) = (k
2
+ 2k)T
k
2. b. Puisque, pour tout k 0 ; n, T
k
0, daprs a., k
2
+2k
est valeur propre de L et T
k
est un vecteur propre associ.
Lapplication k k
2
+ 2k = (k + 1)
2
1 est strictement
croissante sur [0 ; n, donc les k
2
+ 2k, lorsque k dcrit 0 ; n,
sont deux deux distincts.
Ceci montre que L admet (au moins) n+1 valeurs propres deux
deux distinctes.
De plus : dim(E) = n + 1.
On a donc ici toutes les valeurs propres de L.
On conclut :
Les valeurs propres de L sont les k
2
+ 2k, k 0 ; n,
et, pour chaque k 0 ; n, le sous-espace propre
pour L associ la valeur propre k
2
+ 2k est Vect (T
k
),
de dimension 1
PARTIE III : 1. Dabord, pour tout (P, Q) E
2
, lint-
grale (P, Q) =
_
1
1
1 x
2
P(x)Q(x) dx existe comme int-
grale dune application continue sur un segment.
On a, pour tout (P, Q) E
2
:
(Q, P) =
_
1
1
1 x
2
Q(x)P(x) dx
=
_
1
1
1 x
2
P(x)Q(x) dx = (P, Q),
donc est symtrique.
On a, pour tous R, P, Q, R E :
(P, Q + R) =
_
1
1
1 x
2
P(x)
_
Q(x) + R(x)
_
dx
=
_
1
1
1 x
2
P(x)Q(x) dx +
_
1
1
1 x
2
P(x)R(x) dx
= (P, Q) + (P, R),
donc est linaire par rapport la seconde place.
Puisque est symtrique et linaire par rapport la seconde
place, est bilinaire.
On a, pour tout P E :
(P, P) =
_
1
1
1 x
2
_
P(x)
_
2
.,,.
0
dx 0.
Soit P E tel que (P, P) = 0. Comme lapplication
x
1 x
2
_
P(x)
_
2
est continue et valeurs positives ou
nulles, il sensuit : x [1 ; 1],
1 x
2
_
P(x)
_
2
= 0,
puis : x ] 1 ; 1[, P(x) = 0.
Ainsi, le polynme P sannule en une innit de points de R
(les lments de ] 1 ; 1[), donc P = 0.
On conclut : est un produit scalaire sur E
2. Soit (P, Q) E
2
.
Calculons lintgrale
_
1
1
(1 x
2
)
3
2
P
(x)Q
(x) dx laide
dune intgration par parties avec :
_
_
u = (1 x
2
)
3
2
P
(x)
v
= Q
(x)
_
_
u
= (1 x
2
)
3
2
P
(x) +
3
2
(1 x
2
)
1
2
(2x)P
(x)
v = Q(x)
354
1
sur le segment [1 ; 1] :
_
1
1
(1 x
2
)
3
2
P
(x)Q
(x) dx =
_
(1 x
2
)
3
2
P
(x)Q(x)
_
1
1
.,,.
=0
_
1
1
_
(1 x
2
)
3
2
P
(x) 3x(1 x
2
)
1
2
P
(x)
_
Q(x) dx
=
_
1
1
1 x
2
_
(x
2
1)P
(x) + 3xP
(x)
_
Q(x) dx
=
_
1
1
1 x
2
L(P)(x)Q(x) dx =
_
L(P), Q
_
.
Comme, dans la premire intgrale du calcul, P et Q ont des
rles symtriques, on conclut :
(P, Q) E
2
,
_
L(P), Q
_
=
_
P, L(Q)
_
3. Daprs III 2., L est un endomorphisme symtrique de les-
pace euclidien E.
Daprs II 2. b., (T
0
, ..., T
n
) est une base de E forme de vec-
teurs propres pour L associs des valeurs propres deux deux
distinctes.
Daprs le cours, on conclut :
(T
k
)
0kn
est une base orthogonale de E
10.9
1. Lapplication f : x
e
ax
e
bx
x
est continue
sur ]0 ; +[.
tude en 0 :
On a, en utilisant des dveloppements limits lorsque x tend
vers 0 :
f (x) =
e
ax
e
bx
x
=
_
1 ax + o(x)
_
_
1 bx + o(x)
_
x
=
(b a)x + o(x)
x
= b a + o(1)
x 0
b a.
Ainsi, f admet en 0 une limite nie, donc lintgrale impropre
_
1
0
f (x) dx converge.
tude en +:
1
re
mthode : Comparaison des exponentielles
f (x) =
e
ax
e
bx
x
e
ax
e
bx
e
ax
+ e
bx
.
Puisque a > 0 et b > 0, daprs le cours, les intgrales im-
propres
_
+
1
e
ax
dx et
_
+
1
e
bx
dx convergent.
Par addition, lintgrale impropre
_
+
1
( e
ax
+ e
bx
) dx
converge.
Daprs le thorme de majoration pour des fonctions va-
leurs 0, il en rsulte que lintgrale impropre
_
+
1
f (x) dx
converge.
Ainsi, lintgrale impropre
_
+
1
f (x) dx est absolument
convergente, donc convergente.
Puisque les deux intgrales impropres
_
1
0
f (x) dx et
_
+
1
f (x) dx convergent, par dnition, on conclut :
Lintgrale impropre
_
+
0
e
ax
e
bx
x
dx converge
2
e
mthode : Comparaison lexemple de Riemann :
Puisque a > 0 et b > 0, par prpondrance des exponentielles
sur la puissance, on a :
x
2
f (x) = x( e
ax
e
bx
)
x +
0.
Il existe donc c ]0 ; +[ tel que :
x [c ; +[, x
2
f (x) 1,
do : x [c ; +[, f (x)
1
x
2
.
Daprs lexemple de Riemann en + (2 > 1), lintgrale im-
propre
_
+
c
1
x
2
dx converge.
Par thorme de majoration pour des fonctions valeurs 0, il
en rsulte que lintgrale impropre
_
+
c
f (x) dx converge.
On termine comme dans la 1re mthode.
2. a) Soit (, X) ]0 ; +[
2
tel que X.
On a, par le changement de variable y = ax :
_
X
e
ax
x
dx =
_
aX
a
e
y
y
a
1
a
dy =
_
aX
a
e
y
y
dy
et, par le changement de variable y = bx :
_
X
e
bx
x
dx =
_
bX
b
e
y
y
b
1
b
dy =
_
bX
b
e
y
y
dy.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
355
2. b) On a, pour tout (, X) ]0 ; +[
2
tel que X, par lina-
rit de lintgration, utilisation de a), puis relation de Chasles :
_
X
e
ax
e
bx
x
dx
=
_
X
e
ax
x
dx
_
X
e
bx
x
dx
=
_
aX
a
e
y
y
dy
_
bX
b
e
y
y
dy
=
_
_
b
a
e
y
y
dy +
_
bX
b
e
y
y
dy +
_
aX
bX
e
y
y
dy
_
_
bX
b
e
y
y
dy
=
_
b
a
e
y
y
dy
_
bX
aX
e
y
y
dy.
3. a) Par thormes gnraux, h est continue sur ]0 ; +[.
On a : h(y) =
1 e
y
y

y 0
+
(y)
y
= 1,
donc : h(y)
y 0
+
1 = h(0),
ce qui montre que h est continue en 0.
On conclut : h est continue sur [0 ; +[
3. b) On a :
_
b
a
e
y
y
dy =
_
b
a
( e
y
1) + 1
y
dy
=
_
b
a
1
y
dy
_
b
a
1 e
y
y
dy
= [ln y]
b
a

_
b
a
h(y) dy = ln
b
a

_
b
a
h(y) dy.
Puisque h est continue sur [0 ; +[, lintgrale impropre (pour
la borne 0)
_
1
0
h(y) dy converge, donc :
_
b
a
h(y) dy =
_
b
1
h(y) dy
_
a
1
h(y) dy
h 0
_
0
1
h(y) dy
_
0
1
h(y) d = 0.
On conclut :
_
b
a
e
y
y
dy
h 0
ln
b
a
3. c) Daprs 2.b) et 3.b), on a, en faisant tendre vers 0 :
X ]0 ; +[,
_
X
0
e
ax
e
bx
x
dx = ln
b
a

_
bX
aX
e
y
y
dy
3. d) Comme en 1., lintgrale impropre
_
+
1
e
y
y
dy
converge.
On a donc, en utilisant la relation de Chasles :
_
bX
aX
e
y
y
dy =
_
bX
1
e
y
y
dy
_
aX
1
e
y
y
dy
X +
_
+
1
e
y
y
dy
_
+
1
e
y
y
dy = 0.
On dduit de c), en faisant tendre X vers +:
_
+
0
e
ax
e
bx
x
dx = ln
b
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
readln(X[1], X[2]) ;
m:=X[1] ;
if m<X[2] then m:=X[2] ;
writeln(le maximum est ,m) ; readln ;
end.
Un programme pour dterminer max(X[1], X[2], X[3]) est le
suivant :
program ecricome2 ;
begin
readln(X[1], X[2], X[3]) ;
m:=X[1] ;
end.
1. b) Un programme pour dterminer
max(X[1], X[2], ..., X[2011]) est le suivant :
program ecricome3 ;
356
begin
for i:=1 to 2011 do readln(X[i]) ;
m:=X[1] ;
for i:=2 to 2011 do
begin
if m<X[i] then m:=X[i] ;
end ;
end.
2. a) On a : t R,
F
Yn
(t) = P(Y
n
t) = P(X
1
t, . . . , X
n
t)
= P(X
1
t) P(X
n
t)
car les va sont indpendantes.
On conclut : t R, F
Yn
(t) = F
X
1
(t) . . . F
Xn
(t)
2. b) En notant F la fonction de rpartition des va X
n
, on a,
daprs le cours :
t R, F(t) =
_
_
0 si t < 0
1 e
t
si t 0
.
On en dduit :
t R, F
Yn
(t) =
_
_
0 si t < 0
_
1 e
t
_
n
si t 0
2. c) La fonction F
Yn
est de classe C
1
sur R, priv ventuelle-
ment de 0.
De plus, lim
0
+
F
Yn
= F
Yn
(0) = 1 e
0
= 0 = lim
0
F
Yn
.
Ainsi F
Yn
est continue en 0 et donc continue sur R.
On en dduit que Y
n
est une variable alatoire densit, dont
une densit sobtient en drivant F
Yn
On a : t < 0, F
Yn
(t) = 0 = f
n
(t),
et : t > 0, F
Yn
(t) = n e
t
_
1 e
t
_
n1
= f
n
(t).
On conclut : La fonction f
n
est une densit de Y
n
3. a) Notons G
n+1
la fonction de rpartition de
X
n+1
n + 1
.
On a : t R, G
n+1
(t) = P
_
X
n+1
n + 1
t
_
= P
_
X
n+1
(n + 1)t
_
= F
_
(n + 1)t
_
,
o F dsigne la fonction de rpartition de X
n+1
.
On obtient alors :
t R, G
n+1
(t) =
_
_
0 si t < 0
1 e
(n+1)t
si t 0
3. b) La fonction G
n+1
est de classe C
1
sur R, priv ventuelle-
ment de 0.
De plus, lim
0
+
G
n+1
= G
n+1
(0) = 1 e
0
= 0 = lim
0
G
n+1
.
Ainsi G
n+1
est continue en 0 et donc continue sur R.
On en dduit que
X
n+1
n + 1
est une va densit, dont une densit
d
n+1
sobtient en drivant G
n+1
sauf en un nombre ni de points
o le choix est arbitraire.
On obtient alors :
t R, d
n+1
(t) =
_
_
0 si t < 0
(n + 1) e
(n+1)t
si t 0
4. Soient x R et n N
. On a :
_
x
0
n exp(nt)
_
1 exp(t)
_
n1
dt
=
_
x
0
n exp(t)
_
exp(t)
_
n1
_
1 exp(t)
_
n1
dt
=
_
x
0
n exp(t)
_
exp(t) 1
_
n1
dt
=
_
_
exp(t) 1
_
n
_
x
0
=
_
exp(x) 1
_
n
0 =
_
exp(x) 1
_
n
.
On conclut :
_
x
0
n exp(nt)
_
1 exp(t)
_
n1
dt =
_
exp(x) 1
_
n
5. Notons, pour tout n de N
, P(n) la proprit :
Z
n
est une va densit, de densit f
n
.
Initialisation : On a Z
1
= X
1
E (1).
Donc une densit i
1
de Z
1
est donne par :
x R, i
1
(x) =
_
_
0 si x < 0
e
x
si x 0
= f
1
(x).
Do la proprit P(1).
Hrdit : Soit n N
.
On a Z
n+1
= Z
n
+
X
n+1
n + 1
, et les va Z
n
et
X
n+1
n + 1
sont densit et
sont indpendantes.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
357
Daprs le cours, on sait quune densit i
n+1
de Z
n+1
sobtient en
faisant le produit de convolution dune densit de Z
n
et dune
densit de
X
n+1
n + 1
.
On a alors : x R, i
n+1
(x) =
_
+
f
n
(t)d
n+1
(x t) dt.
Or : f
n
(t)d
n+1
(x t) 0 (t 0 et x t 0)
0 t x.
Ainsi, pour tout x < 0, on a : t R, f
n
(t)d
n+1
(x t) = 0,
donc i
n+1
(x) = 0 = f
n+1
(x).
Et, pour tout x 0, on a :
i
n+1
(x) =
_
x
0
f
n
(t)d
n+1
(x t) dt
=
_
x
0
n e
t
_
1 e
t
_
n1
(n + 1) e
(n+1)(xt)
dt
= (n + 1) e
(n+1)x
_
x
0
n e
nt
_
1 e
t
_
n1
dt
= (n + 1) e
(n+1)x
_
e
x
1
_
n
daprs 4.
= (n + 1) e
x
_
e
x
( e
x
1)
_
n
= (n + 1) e
x
_
1 e
x
_
n
= f
n+1
(x).
On obtient alors : x R, i
n+1
(x) = f
n+1
(x).
On conclut :
Pour tout n de N
, Z
n
admet f
n
pour densit
10.11
1. a) Par lecture de la matrice C, on a :
i 1 ; n 1, f (e
i
) = e
i+1
)
1. b) Montrons, par rcurrence sur j (limite j n 1) :
j 1 ; n 1, f
j
(e
1
) = e
j+1
.
Pour j = 1, on a : f
j
(e
1
) = f (e
1
) = e
2
.
Si, pour un j x tel que 1 j n 2, f
j
(e
1
) = e
j+1
, alors :
f
j+1
(e
1
) = f
_
f
j
(e
1
)
_
= f (e
j+1
) = e
j+2
.
Ceci montre, par rcurrence sur j :
j 1 ; n 1, f
j
(e
1
) = e
j+1
Puis :
f
n
(e
1
) = f
_
f
n1
(e
1
)
_
= f (e
n
) = a
0
e
1
a
n1
e
n
.
f
n
(e
1
) = (a
0
e
1
+ + a
n1
e
n
)
2. a) On a :
g(e
1
) = ( f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e)(e
1
)
= f
n
(e
1
) + a
n1
f
n1
(e
1
) + + a
1
f (e
1
) + a
0
e
1
= (a
0
e
1
+ + a
n1
e
n
) + a
n1
e
n
+ + a
0
e
1
= 0.
g(e
1
) = 0
2. b) Montrons, par rcurrence sur i : i N, g f
i
= f
i
g.
La formule est vraie pour i = 0, car f
0
= e commute avec
tout endomorphisme de C
n
.
Supposons, pour un i N x : g f
i
= f
i
g. On a alors :
g f
i+1
= g ( f
i
f ) = (g f
i
) f = ( f
i
g) f = f
i
(g f ).
Mais :
g f = ( f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e) f
= f
n+1
+ a
n1
f
n
+ + a
1
f
2
+ a
0
f
= f ( f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e) = f g.
Do : g f
i+1
= f
i
( f g) = ( f
i
f ) g = f
i+1
g.
Ceci montre que la formule est vraie pour i + 1.
On a montr, par rcurrence sur i :
i N, g f
i
= f
i
g
2. c) On a g(e
1
) = 0 daprs a), et, pour tout i 2 ; n :
g(e
i
) = g
_
f
i1
(e
1
)
_
= (g f
i1
)(e
1
)
= ( f
i1
g)(e
1
) = f
i1
_
g(e
1
)
_
= f
i1
(0) = 0.
On conclut : i 1 ; n, g(e
i
) = 0
2. d) Puisque B = (e
1
, ..., e
n
) est une base de C
n
et que lappli-
cation g est linaire et sannule en e
1
, ..., e
n
, on a g = 0, donc :
f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e = 0.
Do :
P( f ) = (X
n
+ a
n1
X
n1
+ + a
1
X + a
0
)( f )
= f
n
+ a
n1
f
n1
+ + a
1
f + a
0
e = 0.
On conclut : P est annulateur de f
Application 1 :
On cherche A M
5
(C) telle que A
5
= A
3
+2A
2
+I
5
, cest--dire
telle que le polynme P = X
5
X
3
2X
2
1 soit annulateur
de A. Daprs d) :
358
La matrice A =
_
_
0 0 0 0 1
1 0 0 0 0
0 1 0 0 2
0 0 1 0 1
0 0 0 1 0
_
_
convient
2. e) Puisque C reprsente f , les valeurs propres de C sont les
valeurs propres de f . Daprs d) et le cours, les valeurs de f
sont des racines de P.
On conclut :
Les valeurs propres de C sont des racines de P
3. a) On a :
Q( f )(e
1
) = (
0
+
1
X+ +
n1
X
n1
)( f )(e
1
)
= (
0
e +
1
f + +
n1
f
n1
)(e
1
)
=
0
e
1
+
1
f (e
1
) + +
n1
f
n1
(e
1
)
=
0
e
1
+
1
e
2
+ +
n1
e
n
.
On conclut : Q( f )(e
1
) =
0
e
1
+
1
e
2
+ +
n1
e
n
3. b) Supposons quil existe un polynme Q non nul, annula-
teur de f , tel que deg (Q) n 1.
Il existe (
0
, ...,
n1
) C
n
\ 0 tel que
Q =
0
+
1
X + +
n1
X
n1
.
Daprs a), on a :
0
e
1
+
1
e
2
+ +
n1
e
n
= 0.
Comme (e
1
, ..., e
n
) est libre, on a :
0
= 0, ...,
n1
= 0,
donc Q = 0, contradiction.
On conclut :
Il nexiste pas de polynme non nul,
de degr infrieur ou gal n 1,
et annulateur de f
3. c) On a : ( f e) R( f ) =
_
(X )R
_
( f ) = P( f ) = 0.
3. d) Soit une racine de P. Il existe donc R C[X] tel que
P = (X )R. Daprs c), on a : ( f e) R( f ) = 0.
Raisonnons par labsurde : supposons que ne soit pas valeur
propre de f . Alors, f e est bijectif, donc, en composant
gauche par ( f e)
1
, on dduit R( f ) = 0, contradiction avec b).
Ce raisonnement par labsurde montre que est valeur propre
de f .
On conclut :
Toutes les racines de P sont des valeurs propres de f
4. a) Soit x C. Notons C
1
, ..., C
n1
, C
n
les colonnes de la
matrice carre C x I
n
.
On a : rg (C x I
n
) = rg (C
1
, ..., C
n
) rg (C
1
, ..., C
n1
).
Notons L
1
, L
2
, ..., L
n
les lignes de la matrice rectangulaire n
lignes et n 1 colonnes forme par C
1
, ..., C
n1
.
On a : rg (C
1
, ..., C
n1
) = rg (L
1
, ..., L
n
) rg (L
2
, ..., L
n
).
Comme la matrice carre form par L
2
, ..., L
n
est triangulaire
(suprieure) termes diagonaux tous non nuls (car gaux 1),
cette matrice carre est inversible, donc de rang n 1.
On conclut : x C, rg (C x I
n
) n 1
Soit une valeur propre de C.
Daprs le thorme du rang :
dimKer (C I
n
) = n rg (C I
n
) n (n 1) = 1.
Dautre part, puisque est valeur propre de C, on a :
Ker (C I
n
) 0, donc : dimKer (C I
n
) 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 ra-
cines de P.
Daprs 2.e) et 3.d),
1
, ...,
p
sont les valeurs propres de C.
Daprs a) : k 1 ; p, dimSEP(C,
k
) = 1,
donc :
p
k=1
dimSEP(C,
k
) = p.
Daprs le cours, C est diagonalisable si et seulement si :
p
k=1
dimSEP(C,
k
) = n,
donc si et seulement si p = n.
Ainsi, C est diagonalisable si et seulement si P admet n racines.
Comme deg (P) = n, ceci revient ce que P admette n racines
deux deux distinctes.
On conclut :
C est diagonalisable si et seulement si
P admet n racines deux deux distinctes
5. a) Application 2 :
La matrice A
1
est la matrice compagnon du polynme
P = X
4
1.
Comme
P = X
4
1 = (X
2
1)(X
2
+ 1)
= (X 1)(X + 1)(X i )(X + i ),
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
359
le polynme P admet quatre racines deux deux distinctes, qui
sont 1, 1, i , i .
Daprs 4.b), on dduit : A
1
est diagonalisable
5. b) Application 3 :
La matrice A
2
est la matrice compagnon du polynme
P = X
4
2X
3
3X
2
+ 8X 4.
Essayons de factoriser P.
On remarque que 1 est racine vidente de P. Do
P = (X 1)(X
3
X
2
4X + 4)
= (X 1)
_
X
2
(X 1) 4(X 1)
_
= (X 1)
2
(X
2
4).
Ainsi, P admet 1 pour racine double, donc P nadmet pas quatre
racines deux deux distinctes.
On conclut, daprs 4.b) : A
2
nest pas diagonalisable
10.12
PARTIE I :
1. La plus petite valeur que peut prendre Y est 1.
Puisqu chaque tirage dune boule noire, celle-ci est rempla-
ce 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.
Soit k 1 ; b + 1.
Si k = 1, lobtention dune boule blanche au premier tirage
ralise lvnement (Y = k).
Si k 2, puisque k 1 b, lobtention de (k 1) boules noires
puis dune boule blanche ralise lvnement (Y = k).
Donc k Y().
On conclut : Y() = 1 ; b + 1
2. Pour tout i de N
, notons B
i
(resp. N
i
) lvnement :
on obtient une boule blanche (resp. noire) au i-ime tirage .
Soit k 1 ; b + 1.
Si k = 1, alors P(Y = 1) = P(B
1
) =
a
N
.
Si k 2, alors lvnement (Y = k) scrit :
(Y = k) =
_
k1
_
i=1
N
i
_
B
k
.
Par la formule des probabilits composes, on obtient :
P(Y = k) = P(N
1
)P
N
1
(N
2
) P
N
1
N
2
N
k2
(N
k1
)
P
N
1
N
2
N
k1
(B
k
)
=
b
N

b 1
N

b (k 2)
N

a + (k 1)
N
=
b(b 1) (b k + 2)(a + k 1)
N
k
=
b! (a + k 1)
(b k + 1)! N
k
.
Cette formule est aussi vraie pour k = 1.
On conclut :
k 1 ; b + 1, P(Y = k) =
b! (a + k 1)
(b k + 1)! N
k
3. Daprs la question 2), on a :
P(Y = b + 1) =
b! (a + b)
0! N
b+1
=
b!
N
b
Soit k 1 ; b. On a :
b!
(b (k 1))! N
k1

b!
(b k)! N
k
=
b!
(b k + 1)! N
k
_
N (b k + 1)
_
=
b!(N b + k 1)
(b k + 1)! N
k
=
b!(a + k 1)
(b k + 1)! N
k
.
On obtient alors :
P(Y = k) =
b!
(b (k 1))!N
k1

b!
(b k)!N
k
4. On a :
M
k=1
k(a
k1
a
k
) =
M
k=1
ka
k1

M
k=1
ka
k
=
M1
k=0
(k + 1)a
k

M
k=1
ka
k
=
M1
k=0
ka
k
+
M1
k=0
a
k

M
k=1
ka
k
=
_
M1
k=0
a
k
_
+ 0 a
0
Ma
M
=
_
M1
k=0
a
k
_
Ma
M
.
On conclut :
M
k=1
k(a
k1
a
k
) =
_
M1
k=0
a
k
_
Ma
M
5. Notons, pour tout k de N, a
k
=
b!
(b k)! N
k
.
Puisque Y prend un nombre ni de valeurs, Y admet une esp-
rance et lon a :
360
E(Y) =
b+1
k=1
kP(Y = k)
=
_
b
k=1
k
_
b!
(b (k 1))! N
k1

b!
(b k)! N
k
__
+ (b + 1)
b!
N
b
=
_
b
k=1
k
_
a
k1
a
k
_
_
+ (b + 1)
b!
N
b
=
__
b1
k=0
a
k
_
ba
b
_
+ (b + 1)
b!
N
b
=
_
b1
k=0
b!
(b k)! N
k
_
b
b!
N
b
+ (b + 1)
b!
N
b
=
_
b1
k=0
b!
(b k)! N
k
_
+
b!
N
b
=
b
k=0
b!
(b k)!N
k
.
On conclut : E(Y) =
b
k=0
b!
(b k)!N
k
PARTIE II :
Notons, pour tout entier n N
, B
n
lvnement :
la n-ime boule tire est blanche ;
ainsi B
n
= N
n
.
Notons galement, pour tous n et k de N, E
n,k
lvnement :
au cours des n premiers tirages, on a obtenu exactement k
boules noires .
1. Lvnement E
n,0
scrit :
E
n,0
= B
1
B
n
.
En utilisant la formule des probabilits composes, on a :
p
n,0
= P(E
n,0
) = P(B
1
)P
B
1
(B
2
) P
B
1
...B
n1
(B
n
)
=
a
N
a
N

a
N
=
_
a
N
_
n
Si n > b, alors lvnement E
n,n
est impossible ;
donc p
n,n
= P(E
n,n
) = 0.
Si n b, alors lvnement E
n,n
scrit :
E
n,n
= N
1
N
n
.
En utilisant la formule des probabilits composes, on a :
p
n,n
= P(E
n,n
) = P(N
1
)P
N
1
(N
2
) P
N
1
...N
n1
(N
n
)
=
b
N
b 1
N

b (n 1)
N
=
b!
(b n)! N
n
.
On conclut : p
n,n
=
_
_
b!
(b n)! N
n
si n b
0 si n > b
Les vnements E
n,0
, . . . , E
n,n
forment un systme complet
dvnements.
n
k=0
p
n,k
=
n
k=0
P(E
n,k
) = 1
2. Soient n et k deux entiers de N
.
Lvnement E
n,k
peut se composer de la faon suivante :
E
n,k
=
_
E
n1,k
B
n
_
_
E
n1,k1
N
n
_
.
On en dduit : p
n,k
= P(E
n,k
)
= P
_
_
E
n1,k
B
n
_
_
E
n1,k1
N
n
_
_
= P
_
E
n1,k
B
n
_
+ P
_
E
n1,k1
N
n
_
= P(E
n1,k
)P
E
n1,k
(B
n
) + P(E
n1,k1
)P
E
n1,k1
(N
n
)
= p
n1,k
a + k
N
+ p
n1,k1
b (k 1)
N
.
On en dduit : n N
, k N
,
N p
n,k
= (a + k)p
n1,k
+ (b + 1 k)p
n1,k1
3. a) Soit n N
.
Puisque X
n
prend ses valeurs dans 0 ; n, X
n
admet une es-
prance et lon a :
E(X
n
) =
n
k=0
k P(X
n
= k) =
n
k=0
k p
n,k
.
On obtient alors :
N E(X
n
) =
n
k=0
k Np
n,k
=
n
k=1
k Np
n,k
=
n
k=1
k
_
(a + k)p
n1,k
+ (b + 1 k)p
n1,k1
_
=
n
k=1
k(a + k)p
n1,k
+
n
k=1
k(b + 1 k)p
n1,k1
=
n
k=1
k(a + k)p
n1,k
+
n1
k=0
(k + 1)(b k)p
n1,k
= n(a + n) p
n1,n
.,,.
=0
+bp
n1,0
+
n1
k=1
_
k(a + k) + (k + 1)(b k)
_
p
n1,k
= bp
n1,0
+
n1
k=1
_
b + k(a + b 1)
_
p
n1,k
= bp
n1,0
+
n1
k=1
_
b + k(N 1)
_
p
n1,k
=
n1
k=0
_
b + k(N 1)
_
p
n1,k
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
361
On conclut : N E(X
n
) =
n1
k=0
_
b + k(N 1)
_
p
n1,k
En dveloppant la somme prcdente, on obtient :
N E(X
n
) = b
n1
k=0
p
n1,k
.,,.
=1
+(N 1)
n1
k=0
kp
n1,k
.,,.
=E(X
n1
)
= b + (N 1)E(X
n1
).
On conclut :
E(X
n
) =
N 1
N
E(X
n1
) +
b
N
=
_
1
1
N
_
E(X
n1
) +
b
N
3. b) La suite
_
E(X
n
)
_
n0
est dnie par :
E(X
0
) = 0 et n 1, E(X
n
) =
_
1
1
N
_
E(X
n1
) +
b
N
.
Voici une fonction qui calcule E(X
2009
) lorsque b = 10 et
N = 100.
function esperance:real ;
var i:integer ;
begin
esperance:=0 ;
for i:=1 to 2009 do
esperance:=(1-1/100)*esperance +10/100 ;
end ;
3. c) La suite (
_
E(X
n
)
_
nN
est une suite arithmtico-
gomtrique.
Cherchons R pour que =
_
1
1
N
_
+
b
N
.
On a : =
_
1
1
N
_
+
b
N

N
=
b
N
= b.
Ainsi la suite
_
E(X
n
)b
_
nN
est une suite gomtrique de raison
_
1
1
N
_
et de premier terme E(X
0
) b = b.
Donc : n N, E(X
n
) b = b
_
1
1
N
_
n
.
On en dduit : n N, E(X
n
) = b
_
1
_
1
1
N
_
n
_
4. a) Soit n N. Les vnements E
n,0
, . . . , E
n,n
forment un sys-
tme complet dvnements.
Par la formule des probabilits totales, on a :
P(N
n+1
) =
n
k=0
P(E
n,k
)P
E
n,k
(N
n+1
) =
n
k=0
p
n,k
b k
N
.
On en dduit : N q
n+1
=
n
k=0
(b k)p
n,k
4. b) Soit n N.
N q
n+1
= b
n
k=0
p
n,k
.,,.
=1
k=0
kp
n,k
.,,.
=E(Xn)
= b E(X
n
).
On en dduit : q
n+1
=
b
N

1
N
E(X
n
)
On obtient alors :
q
n+1
=
b
N

b
N
_
1
_
1
1
N
_
n
_
=
b
N
_
1
1
N
_
n
5. a) Soit n N
. Daprs le thorme de transfert, on a :

u
n
= E
_
X
n
(X
n
1)
_
=
n
k=0
k(k 1)p
n,k
=
n
k=1
k(k 1)p
n,k
=
1
N
n
k=1
k(k 1)
_
(a + k)p
n1,k
+ (b + 1 k)p
n1,k1
_
=
1
N
n
k=1
k(k 1)(a + k)p
n1,k
+
1
N
n
k=1
k(k 1)(b + 1 k)p
n1,k1
=
1
N
n
k=1
k(k 1)(a + k)p
n1,k
+
1
N
n1
k=0
(k + 1)k(b k)p
n1,k
=
n(n 1)(a + n)
N
p
n1,n
.,,.
=0
+0
+
1
N
n1
k=1
k
_
(k 1)(a + k) + (k + 1)(b k)
_
p
n1,k
=
1
N
n1
k=1
k
_
(k 1)(a + k) + (k + 1)(b k)
_
p
n1,k
.
Or : k 1 ; n 1, (k 1)(a + k) + (k + 1)(b k)
= k(a + b 2) a + b,
et : (k 1)(a + b 2) + 2(b 1)
= k(a + b 2) + (a b + 2 + 2b 2)
= k(a + b 2) a + b.
On obtient alors :
u
n
=
1
N
n1
k=1
k
_
(k 1)(a + b 2) + 2(b 1)
_
p
n1,k
=
1
N
n1
k=1
_
k(k 1)(a + b 2) + 2(b 1)k
_
p
n1,k
.
362
On conclut :
N u
n
=
n1
k=1
_
k(k 1)(a + b 2) + 2(b 1)k
_
p
n1,k
5. b) Soit n N
.
N u
n
= (a + b 2)
n1
k=1
k(k 1)p
n1,k
+ 2(b 1)
n1
k=1
kp
n1,k
= (a + b 2)E
_
X
n1
(X
n1
1)
_
+ 2(b 1)E(X
n1
)
= (N 2)u
n1
+ 2(b 1)E(X
n1
).
Ainsi : u
n
=
N 2
N
u
n1
+
2(b 1)
N
b
_
1
_
1
1
N
_
n1
_
.
On conclut : ,
u
n
=
_
1
2
N
_
u
n1
+
2b(b 1)
N
_
1
_
1
1
N
_
n1
_
5. c) Notons, pour tout n de N, P(n) la proprit :
u
n
= b(b 1)
_
1 +
_
1
2
N
_
n
2
_
1
1
N
_
n
_
.
Initialisation : On a X
0
= 0 et donc X
0
(X
0
1) = 0.
Par consquent : u
0
= E
_
X
0
(X
0
1)
_
= 0.
De plus : b(b 1)
_
1 +
_
1
2
N
_
0
2
_
1
1
N
_
0
_
= b(b 1)
_
1 + 1 2
_
= 0.
Do la proprit P(0).
Hrdit : Soit n N.
Daprs la question II.5. b), on a :
u
n+1
=
_
1
2
N
_
u
n
+
2b(b 1)
N
_
1
_
1
1
N
_
n
_
=
_
1
2
N
_
b(b 1)
_
1 +
_
1
2
N
_
n
2
_
1
1
N
_
n
_
+
2b(b 1)
N
_
1
_
1
1
N
_
n
_
= b(b 1)
__
1
2
N
_
+
_
1
2
N
_
n+1
2
_
1
2
N
__
1
1
N
_
n
+
2
N

2
N
_
1
1
N
_
n
_
= b(b 1)
_
1
2
N
+
_
1
2
N
_
n+1
2
_
1
1
N
_
n
_
1
2
N
+
1
N
_
+
2
N
__
= b(b 1)
_
1 +
_
1
2
N
_
n+1
2
_
1
1
N
_
n+1
_
.
Conclusion : On en dduit, pour tout n de N :
u
n
= b(b 1)
_
1 +
_
1
2
N
_
n
2
_
1
1
N
_
n
_
5. d) Soit n N.
Puisque X
n
prend ses valeurs dans 0 ; n, X
n
admet une va-
riance et lon a :
V(X
n
) = E(X
2
n
)
_
E(X
n
)
_
2
= E
_
X
n
(X
n
1)
_
+ E(X
n
)
_
E(X
n
)
_
2
= b(b 1)
_
1 +
_
1
2
N
_
n
2
_
1
1
N
_
n
_
+ b
_
1
_
1
1
N
_
n
_
b
2
_
1
_
1
1
N
_
n
_
2
=
_
b(b 1) + b b
2
_
+ b(b 1)
_
1
2
N
_
n
+
_
1
1
N
_
n_
2b(b 1) b + 2b
2
_
b
2
_
1
1
N
_
2n
= b(b 1)
_
1
2
N
_
n
+ b
_
1
1
N
_
n
b
2
_
1
1
N
_
2n
Puisque
1
2
N
< 1 et
1
1
N
< 1, on a :
lim
n
_
1
2
N
_
n
= 0, lim
n
_
1
1
N
_
n
= 0 et lim
n
_
1
1
N
_
2n
= 0.
On conclut : lim
n
V(X
n
) = 0
10.13
Partie I : 1. On a, pour tout x R :
f
0
(x) = e
x
, L
0
(x) = e
x
e
x
= 1,
f
1
(x) = x e
x
, f

1
(x) = (x + 1) e
x
,
L
1
(x) = e
x
f
1
(x) = x + 1,
f
2
(x) =
1
2
x
2
e
x
, f

2
(x) =
1
2
(x
2
+ 2x) e
x
,
f

2
(x) =
1
2
_
(x
2
+ 2x) + (2x + 2)
_
e
x
=
1
2
(x
2
4x + 2) e
x
,
L
2
(x) = e
x
f
2
(x) =
1
2
(x
2
4x + 2).
Pour tout x R :
L
0
(x) = 1, L
1
(x) = x + 1, L
2
(x) =
1
2
(x
2
4x + 2)
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
363
2. Soit n N. Utilisons la formule de Leibniz pour des fonc-
tions de classe C
, avec des notations classiques abusives pour

indiquer les drives successives par rapport x :
x R, f
(n)
n
(x) =
1
n!
n
k=0
_
n
k
_
(x
n
)
(nk)
( e
x
)
(k)
=
1
n!
n
k=0
_
n
k
_
_
n(n 1) (k + 1)
_
x
k
__
(1)
k
e
x
_
=
1
n!
n
k=0
_
n
k
_
n!
k!
x
k
(1)
k
e
x
=
_
n
k=0
(1)
k
k!
_
n
k
_
x
k
_
e
x
et on conclut :
n N, x R, L
n
(x) =
n
k=0
(1)
k
k!
_
n
k
_
x
k
Remarque :
On peut contrler la cohrence des rsultats de 1. et 2. :
L
0
(x) =
0
k=0
(1)
k
k!
_
0
k
_
x
k
= 1,
L
1
(x) =
1
k=0
(1)
k
k!
_
1
k
_
x
k
= 1 x,
L
2
(x) =
2
k=0
(1)
k
k!
_
2
k
_
x
k
= 1 2x +
1
2
x
2
=
1
2
(2 4x + x
2
).
3. Daprs 2., il est clair que L
n
est une fonction polynomiale
de degr infrieur ou gal n.
De plus, le coecient du terme de degr n est
(1)
n
n!
, qui est
non nul, donc deg (L
n
) = n.
Pour tout n N, L
n
est une fonction polynomiale de degr n
et dont le coecient du terme de degr n est
(1)
n
n!
4. On a, pour tout n N et tout x R, par drivation dun
produit :
f

n+1
(x) =
1
(n + 1)!
_
(n + 1)x
n
e
x
x
n+1
e
x
_
=
x
n
e
x
n!

x
n+1
e
x
(n + 1)!
= f
n
(x) f
n+1
(x).
n N, x R, f

n+1
(x) = f
n
(x) f
n+1
(x)
5. On a, pour tout n N et tout x R, en drivant n + 1 fois
partir de lgalit de 4. :
f
(n+2)
n+1
(x) = f
(n+1)
n
(x) f
(n+1)
n+1
(x).
Dautre part :
L
n+1
(x) =
_
e
x
f
(n+1)
n+1
(x)
_
= e
x
f
(n+2)
n+1
(x) + e
x
f
(n+1)
n+1
(x)
et, par dcalage de lindice :
L
n
(x) = e
x
f
(n+1)
n
(x) + e
x
f
(n)
n
(x) = e
x
f
(n+1)
n
(x) + L
n
(x).
Do :
L
n+1
(x) = e
x
f
(n+2)
n+1
(x) + e
x
f
(n+1)
n+1
(x)
= e
x
_
f
(n+1)
n
(x) f
(n+1)
n+1
(x)
_
+ e
x
f
(n+1)
n+1
(x)
= e
x
f
(n+1)
n
(x) = L
n
(x) L
n
(x).
On conclut :
n N, x R, L
n+1
(x) = L
n
(x) L
n
(x)
6. On a, pour tout n N et tout x R :
f
n+1
(x) =
x x
n
e
x
(n + 1) n!
=
x
n + 1
f
n
(x).
n N, x R, f
n+1
(x) =
x
n + 1
f
n
(x)
7. Soit n N. On a, daprs 5. :
x R, (n + 1) f
n+1
(x) = x f
n
(x).
Drivons n + 1 fois, en utilisant la formule de Leibniz :
x R, (n + 1) f
(n+1)
n+1
(x)
=
n+1
k=0
_
n + 1
k
_
x
(k)
f
(n+1k)
n
(x)
= x f
(n+1)
n
(x) + (n + 1) 1 f
(n)
n
(x).
En multipliant par e
x
, on dduit :
x R, (n + 1)L
n+1
(x) = x e
x
f
(n+1)
n
(x) + (n + 1)L
n
(x).
On a vu dans la solution de 6. :
x R, e
x
f
(n+1)
n
(x) = L
n
(x) L
n
(x).
Do :
x R, (n + 1)L
n+1
(x)
= x
_
L
n
(x) L
n
(x)
_
+ (n + 1)L
n
(x)
= xL
n
(x) + (n + 1 x)L
n
(x).
On conclut :
n N, x R, (n + 1)L
n+1
(x) = xL
n
(x) + (n + 1 x)L
n
(x)
8. Soit n N. En drivant partir du rsultat prcdent, on a :
x R,
364
(n + 1)L
n+1
(x) = xL
n
(x) + L
n
(x) L
n
(x) + (n + 1 x)L
n
(x)
= xL
n
(x) + (n + 2 x)L
n
(x) L
n
(x).
Dautre part, daprs 5. :
x R, (n + 1)L
n+1
(x) = (n + 1)L
n
(x) (n + 1)L
n
(x).
On dduit :
x R, xL
n
(x) + (n + 2 x)L
n
(x) L
n
(x)
= (n + 1)L
n
(x) (n + 1)L
n
(x).
et on conclut :
n N, x R, xL
n
(x) (x 1)L
n
(x) + nL
n
(x) = 0
Partie II : 1. 1re mthode : Utilisation de la fonction dEu-
ler :
Daprs le cours sur la fonction Gamma dEuler, pour tout
s ]0 ; +[, lintgrale impropre
_
+
0
x
s1
e
x
dx converge.
En particulier, pour tout k N, lintgrale impropre
_
+
0
x
k
e
x
d x converge.
Soit A E. Il existe n N, (a
0
, ..., a
n
) R
n+1
tel que
A =
n
k=0
a
k
X
k
.
On a donc : x [0 ; +[, A(x) e
x
=
n
k=0
a
k
x
k
e
x
.
Comme chaque intgrale impropre
_
+
0
x
k
e
x
dx
converge, par combinaison linaire, lintgrale impropre
_
+
0
A(x) e
x
dx converge.
On conclut :
Pour tout A E,
lintgrale impropre
_
+
0
A(x) e
x
dx converge
Soit A E.
Lapplication x A(x) e
x
est continue sur [0 ; +[, donc il
ny a de problme quen +.
x
2
A(x) e
x
x +
0.
Il existe donc c ]0 ; +[ tel que :
x [c ; +[,
x
2
A(x) e
x
1,
do : x [c ; +[, A(x) e
x

1
x
2
.
Daprs lexemple de Riemann en + (2 > 1), lintgrale im-
propre
_
+
c
1
x
2
dx converge.
Par thorme de majoration pour des fonctions valeurs
0, lintgrale impropre
_
+
c
A(x) e
x
dx converge.
Ainsi, lintgrale impropre
_
+
c
A(x) e
x
dx est absolument
convergente, donc convergente.
On conclut que lintgrale impropre
_
+
0
A(x) e
x
dx
converge.
2. Dabord, lapplication < . , . > est correctement dnie
car, pour tout (P, Q) E
2
, daprs 1., lintgrale impropre
_
+
0
P(x)Q(x) e
x
dx converge.
On a, pour tout (P, Q) E
2
:
< Q, P > =
_
+
0
Q(x)P(x) e
x
dx
=
_
+
0
P(x)Q(x) e
x
dx = < P, Q >,
donc < . , . > est symtrique.
On a, pour tous R, P, Q, R E :
< P, Q + R > =
_
+
0
P(x)
_
Q(x) + R(x)
_
e
x
dx
=
_
+
0
P(x)Q(x) e
x
dx +
_
+
0
P(x)R(x) e
x
dx
= < P, Q > + < P, R >,
donc < . , . > est linaire par rapport la seconde place.
Puisque < . , . > est symtrique et linaire par rapport la se-
conde place, < . , . > est bilinaire.
On a, pour tout P E :
< P, P > =
_
+
0
_
P(x)
_
2
e
x
.,,.
0
dx 0.
Soit P E tel que < P, P > = 0.
On a alors
_
+
0
_
P(x)
_
2
e
x
dx = 0. Comme lapplication
[0 ; +[ R, x
_
P(x)
_
2
e
x
est continue et valeurs
0, daprs le cours, il en rsulte :
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
365
x [0 ; +[,
_
P(x)
_
2
e
x
= 0,
donc : x [0 ; +[, P(x) = 0.
Ceci montre que le polynme P sannule en une innit de
points (les lments de [0 ; +[), donc P = 0.
On conclut : < . , . > est un produit scalaire sur E
3. Soit P E. On a, par dnition :
x R, T(P)(x) = xP
(x) (x 1)P
(x).
Comme P est une fonction polynomiale de R dans R, par d-
rivation premire et seconde, par produit de fonctions polyno-
miales, 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)
= x(P + Q)
(x) (x 1)(P + Q)
(x)
= x
_
P
(x) + Q
(x)
_
(x 1)
_
P
(x) + Q
(x)
_
=
_
xP
(x) (x 1)P
(x)
_
+
_
xQ
(x) (x 1)Q
(x)
_
= T(P)(x) + T(Q)(x) =
_
T(P) + T(Q)
_
(x),
donc : T(P + Q) = T(P) + T(Q),
ce qui montre que T est linaire.
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 :
La drive de x xP
(x) e
x
est x T(P)(x) e
x
5. Soit (P, Q) E
2
. Nous allons procder une intgration
par parties sur un segment, puis faire tendre la borne den haut
vers +.
Soit X [0 ; +[.
Avec :
_
_
u
= T(P)(x) e
x
v = Q(x)
_
_
u = xP
(x) e
x
v
= Q
(x)
1
sur le segment [0 ; X], on a :
_
X
0
T(P)(x)Q(x) e
x
dx =
_
X
0
_
T(P)(x) e
x
_
Q(x) dx
=
_
xP
(x) e
x
Q(x)
_
X
0

_
X
0
_
xP
(x) e
x
_
Q
(x) dx
= XP
(X)Q(X) e
X
_
X
0
xP
(x)Q
(x) e
x
dx.
Par prpondrance de lexponentielle sur les polynmes, on a :
XP
(X)Q(X) e
X
X +
0.
On dduit, en faisant tendre X vers +:
(P, Q) E E, < T(P) , Q > =
_
+
0
xP
(x)Q
(x) e
x
dx
6. On a, pour tout (P, Q) E E :
< T(P) , Q > =
_
+
0
xP
(x)Q
(x) e
x
dx
=
_
+
0
xQ
(x)P
(x) e
x
dx = < T(Q) , P > = < P, T(Q > .
On conclut :
(P, Q) E E, < T(P) , Q > = < P, T(Q) >
7. On a, daprs I 8. :
n N, T(L
n
) = XL
n
(X 1)L
n
= nL
n
.
n N, T(L
n
) = nL
n
8. Soit (n, p) 0 ; N
2
tel que n p.
On a, daprs 6. : < T(L
n
) , L
p
> = < L
n
, T(L
p
) >,
do, daprs 7. : < nL
n
, L
p
> = < L
n
, pL
p
>,
donc : (p n)
.,,.
0
< L
n
, L
p
>= 0, puis : < L
n
, L
p
> = 0.
On conclut : La famille (L
0
, ..., L
N
) est orthogonale
9. Soit P E
N
. On a dj, daprs 3. : T(P) E. De plus :
deg
_
T(P)
_
= deg
_
XP
(X 1)P
_
Max
_
deg (XP
), deg
_
(X 1)P
__
N,
donc : T(P) E
N
.
On conclut : P E
N
, T(P) E
N
10. Daprs 8., la famille (L
0
, ..., L
N
) est orthogonale.
De plus, daprs 3. : n 0 ; N, L
n
0.
Il sensuit, daprs le cours, que la famille (L
0
, ..., L
N
) est libre.
La famille (L
0
, ..., L
N
) est libre et a N + 1 lments, dans E
N
qui est de dimension N + 1.
On conclut : (L
0
, ..., L
N
) est une base de E
N
366
11. Daprs 7. :
La matrice de T
N
dans la base (L
0
, ..., L
N
) de E
N
est la matrice diagonale
_
_
0
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 L
0
0 et T
N
(L
0
) = 0, donc T
N
nest pas bijectif
10.14
1. a) On a :
x R, F
Yn
(x) = P(Y
n
x) = P(X
1
x, . . . , X
n
x)
= P(X
1
x) P(X
n
=
_
F
X
(x)
_
n
.
Puisque F
X
est la fonction de rpartition dune va densit, F
X
est continue sur R et de classe C
1
sur R priv dun ensemble
ni de points.
Par opration, il en est de mme pour F
Yn
.
On en dduit que Y
n
est une va densit.
De plus, en tout point x de R o F
X
est drivable, la fonc-
tion F
Yn
est drivable et lon a :
F
Yn
(x) = nF
X
(x)
_
F
X
(x)
_
n1
= nf
X
(x)
_
F
X
(x)
_
n1
On en dduit quune densit f
Yn
de Y
n
est donne par :
x R, f
Yn
(x) = nf
X
(x)
_
F
X
(x)
_
n1
On a galement :
x R, P(Y
1
> x) = P(X
1
> x, . . . , X
n
> x)
= P(X
1
> x) P(X
n
=
_
1 F
X
(x)
_
n
.
Donc : x R, F
Y
1
(x) = 1 P(Y
1
> x) = 1
_
1 F
X
(x)
_
n
.
Comme prcdemment, on montre que Y
1
est une va densit.
De plus, en tout point x de R o F
X
est drivable, la fonction
F
Y
1
F
Y
1
(x) = n(F
X
(x))
_
1 F
X
(x)
_
n1
= nf
X
(x)
_
1 F
X
(x)
_
n1
.
Y
1
de Y
1
est donne par :
x R, f
Y
1
(x) = nf
X
(x)
_
1 F
X
(x)
_
n1
1. b) Soit x R. Les va J
1
(x), . . . , J
n
(x) suivent toutes la loi de
Bernoulli de paramtre p = P(X
k
x) = F
X
(x).
De plus, puisque les va X
1
, . . . , X
n
sont mutuellement indpen-
dantes, les va J
1
(x), . . . , J
n
(x) le sont aussi.
Ainsi, daprs le cours, on sait que S
n
(x) =
n
k=1
J
k
(x) suit la loi
binomiale de paramtre (n, p) =
_
n, F
X
(x)
_
.
On a alors : S
n
(x) prend ses valeurs dans 0 ; n
et, pour tout k 0 ; n,
P(S
n
(x) = k) =
_
n
k
_
_
F
X
(x)
_
k
_
1 F
X
(x)
_
nk
.
On conclut : S
n
(x) B
_
n, F
X
(x)
_
1. c) La variable alatoire S
n
(x) comptabilise le nombre de va-
riables alatoires X
i
, pour i 1 ; n, qui sont infrieures ou
gales x.
De plus, lvnement (Y
k
x) est ralis si et seulement si au
moins k des variables alatoires X
i
sont infrieures ou gales
x.
On obtient alors lgalit : (Y
k
x) = (S
n
(x) k)
1. d) On obtient alors :
x R, F
Y
k
(x) = P(Y
k
x) = P(S
n
(x) k)
=
n
j=k
P(S
n
(x) = j) =
n
j=k
_
n
j
_
(F
X
(x))
j
_
1 F
X
(x)
_
nj
1. e) Puisque F
X
1
sur R priv
dun ensemble ni de points, par oprations sur les fonctions,
il est en de mme pour F
Y
k
.
De plus, en tout point x de Ro F
X
est drivable, la fonction F
Y
k
F
Y
k
(x) =
n
j=k
_
n
j
_
_
j f
X
(x)
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
(n j) f
X
(x)
_
F
X
(x)
_
j
_
1 F
X
(x)
_
nj1
_
= f
X
(x)
n
j=k
j
_
n
j
_
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
f
X
(x)
n
j=k
(n j)
_
n
j
_
_
F
X
(x)
_
j
_
1 F
X
(x)
_
nj1
.
Or : j k ; n, (n j)
_
n
j
_
= (n j)
n!
j!(n j)!
=
n!
j!(n j 1)!
= ( j + 1)
n!
( j + 1)!(n ( j + 1))!
= ( j + 1)
_
n
j + 1
_
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
367
Ainsi :
n
j=k
(n j)
_
n
j
_
_
F
X
(x)
_
j
_
1 F
X
(x)
_
nj1
=
n
j=k
( j + 1)
_
n
j + 1
_
_
F
X
(x)
_
j
_
1 F
X
(x)
_
nj1
=
n+1
j=k+1
j
_
n
j
_
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
=
n
j=k+1
j
_
n
j
_
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
car
_
n
n + 1
_
= 0.
On obtient alors :
F
Y
k
(x) = f
X
(x)
n
j=k
j
_
n
j
_
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
f
X
(x)
n
j=k+1
j
_
n
j
_
_
F
X
(x)
_
j1
_
1 F
X
(x)
_
nj
= f
X
(x)k
_
n
k
_
_
F
X
(x)
_
k1
_
1 F
X
(x)
_
nk
.
Y
k
de Y
k
est donne par :
x R, f
Y
k
(x) = k
_
n
k
_
_
F
X
(x)
_
k1
_
1 F
X
(x)
_
nk
f
X
(x)
1. f) Soit r N
. Supposons que X admette un moment

dordre r. Soit k 1 ; n.
Daprs le thorme de transfert, Y
k
admet un moment dordre r
si et seulement si lintgrale
_
+
x
r
f
Y
k
(x) dx converge absolu-
ment.
Or : x R, x
r
f
Y
k
(x)
= k
_
n
k
_
_
F
X
(x)
_
k1
.,,.
1
_
1 F
X
(x)
_
nk
.,,.
1
x
r
f
X
(x)
k
_
n
k
_
x
r
f
X
(x).
Puisque X admet un moment dordre r, lintgrale
_
+
x
r
f
X
(x) dx converge absolument, autrement dit
_
+
x
r
f
X
(x) dx converge.
Par multiplication par une constante, lintgrale
_
+
k
_
n
k
_
x
r
f
X
(x) dx converge.
Par le thorme de majoration des fonctions positives ou nulles,
on en dduit que
_
+
x
r
f
Y
k
(x) dx converge, autrement dit que
_
+
x
r
f
Y
k
(x) dx converge absolument.
On conclut : Y
k
admet un moment dordre r
2. a)
La restriction G
X
de F
X
[1 ; +[ est drivable sur [1 ; +[,
et : x [1 ; +[, G
X
(x) =
1
2
x
3/2
=
1
2x
x
.
Ainsi F
X
est drivable droite en 1 et le nombre driv est gal
1
2
.
On en dduit que la demi-tangente droite au point
dabscisse 1 a pour quation : y =
1
2
(x 1)
La fonction F
X
est de classe C
1
sur R priv ventuellement
de 1.
De plus : lim
1
+
F
X
= F
X
(1) = 0 = lim
1
F
X
.
Ainsi F
X
On en dduit : X est une variable alatoire densit
Une densit sobtient en drivant F
X
Une densit f
X
de X est alors donne par :
x R, f
X
(x) =
_
_
1
2x
x
si x 1
0 si x < 1
2. b) Soit r N
.
On a : x 1, x
r
f
X
(x) =
1
2
1
x
3/2r
.
Puisque r 1, on a
3
2
r
1
2
< 1. Daprs lexemple de
Riemann en +,
_
+
1
x
r
f
X
(x) dx =
_
+
1
x
r
f
X
(x) dx diverge
et, par consquent, lintgrale
_
+
x
r
f
X
(x) dx diverge.
On en dduit : X nadmet pas de moment dordre r
2. c) Soit k 1 ; n. On a : x < 1, f
Y
k
(x) = 0,
et : x 1, f
Y
k
(x) = k
_
n
k
_
_
1
1
x
_
k1
_
1
x
_
nk 1
2x
x
=
1
2
k
_
n
k
_
_
1
1
x
_
k1 1
x
3+nk
2
.
368
Ainsi : x R,
f
Y
k
(x) =
_
_
0 si x < 1
1
2
k
_
n
k
_
_
1
1
x
_
k1 1
x
3+nk
2
si x 1
On a :
_
1
1
x
_
k1
x+
1.
Ainsi : f
Y
k
(x)
x+
1
2
k
_
n
k
_
1
x
nk+3
2
3. a) Soit k 1 ; n 2. La va Y
k
admet une esprance
lintgrale
_
+
x f
Y
k
(x) dx converge
lintgrale
_
+
1
x f
Y
k
(x) dx converge
car f
Y
k
est nulle sur ] ; 1[.
La fonction x x f
Y
k
(x) est continue sur [1 ; +[.
De plus : x f
Y
k
(x)
x+
1
2
k
_
n
k
_
1
x
nk+1
2
.
Puisque k n 2, on a :
n k + 1
2

3
2
> 1.
_
+
1
1
x
nk+1
3
dx converge.
On en dduit, daprs le thorme dquivalence pour des
fonctions positives ou nulles, que lintgrale
_
+
1
x f
Y
k
(x) dx
converge.
On conclut : Y
k
admet une esprance
3. b) Soit k 1 ; 2. Le changement de variable t =
1
x
est de
classe C
1
sur [1 ; +[.
On a alors : x =
1
t
2
, dx = 2t
3
dt.
Do : A > 1,
_
A
1
x f
Y
k
(x) dx
=
1
2
k
_
n
k
_ _
A
1
1
2
k
_
n
k
_
_
1
1
x
_
k1 1
x
nk+1
2
dx
=
1
2
k
_
n
k
_ _
1/
A
1
(1 t)
k1
t
nk+1
(2t
3
dt)
= k
_
n
k
_ _
1
1/
A
(1 t)
k1
t
nk2
dt.
En passant la limite lorsque A tend vers linni, on obtient :
E(Y
k
) =
_
+
1
x f
Y
k
(x) dx = k
_
n
k
_ _
1
0
(1 t)
k1
t
nk2
dt
3. c) Soit (r, s) (N
)
2
_
_
u(t) = (1 t)
s1
v
(t) = t
r1
,
_
_
u
(t) = (s 1)(1 t)
s2
v(t) =
1
r
t
r
1
sur le segment [0 ; 1].
On obtient : I
r,s
=
_
1
0
t
r1
(1 t)
s1
dt
=
_
(1 t)
s1
t
r
r
_
1
0
+
_
1
0
s 1
r
t
r
(1 t)
s2
dx
=
s 1
r
I
r+1,s1
.
De proche en proche, on obtient :
I
r,s
=
s 1
r
I
r+1,s1
=
s 1
r
s 2
r + 1
I
r+2,s2
= =
s 1
r
s 2
r + 1

1
r + s 2
I
r+s1,1
.
Or : I
r+s1,1
=
_
1
0
t
r+s2
dt =
_
t
r+s1
r + s 1
_
1
0
=
1
r + s 1
.
Ainsi : I
r,s
=
s 1
r
s 2
r + 1

1
r + s 2
1
r + s 1
.
On conclut : (r, s) (N
)
2
, I
r,s
=
(s 1)! (r 1)!
(r + s 1)!
3. d) Soit k 1 ; n 2. On a, daprs b) et c) :
E(Y
k
) = k
_
n
k
_
(n k 2)! (k 1)!
(n k 1 + k 1)!
= k
n!
k! (n k)!
(n k 2)! (k 1)!
(n 2)!
=
n(n 1)
(n k)(n k 1)
.
On conclut : k 1 ; n 2, E(Y
k
) =
n(n 1)
(n k)(n k 1)
4. a) On a : x R, F
Zn
(x) = P(Z
n
x) = P(Y
n
n
2
x)
= F
Yn
(n
2
x) =
_
F
X
(n
2
x)
_
n
daprs la question 1) a)
=
_
_
_
1
1
n
x
_
n
si n
2
x 1
0 si n
2
x < 1
=
_
_
_
1
1
n
x
_
n
si x
1
n
2
0 si x <
1
n
2
4. b) La fonction
Z
est de classe C
1
ment de 0.
De plus : lim
0
+
Z
= lim
exp = 0 =
Z
(0) = lim
0

Z
.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
369
Ainsi
Z
On a : lim
Z
= 0 et lim
+
Z
= exp(0) = 1.
Enn, on a : x > 0,
Z
(x) =
1
2x
x
exp
_
x
_
> 0.
Donc
Z
est croissante sur [0 ; +[ et puisque
Z
est nulle sur
] ; 0], on en dduit que
Z
est croissante sur R.
On conclut :

Z
est la fonction de rpartition
dune variable alatoire Z densit
4. c) Soit x R.
1
er
cas : Si x 0, alors : n 0, x <
1
n
2
et donc : F
Zn
(x) = 0
n
0.
2
e
cas : Si x > 0, alors : n
_
1
x
, x
1
n
2
et donc : F
Zn
(x) =
_
1
1
n
x
_
n
= exp
_
n ln
_
1
1
n
x
_
_
.
Or : n ln
_
1
1
n
x
_

n
n
_
1
n
x
_
=
1
x

n
x
.
Par consquent : F
Zn
(x)
n
exp
_
x
_
.
On obtient alors : x R, F
Zn
(x)
n
Z
(x).
On conclut : La suite (Z
n
)
nN
converge en loi vers Z
10.15
Partie I : 1. Les coecients de la matrice carre
A =
1
3
_
_
0 1 1
1 0 1
1 1 0
_
_
sont tous 0, donc A 0.
Les coecients de la matrice colonne U =
_
_
1
1
1
_
_
sont tous 0,
donc U 0.
On a : U AU =
_
_
1
1
1
_
1
3
_
_
0 1 1
1 0 1
1 1 0
_
_
_
_
1
1
1
_
_
=
1
3
_
_
1
1
1
_
_
.
Les coecients de U AU sont tous > 0, donc U AU > 0.
Ainsi, il existe une matrice positive U de M
3,1
(R) telle que
U AU > 0.
On conclut, daprs la dnition dune matrice productive :
La matrice A est productive
2. Soit P =
_
_
x
y
z
_
_
une matrice positive quelconque de M
3,1
(R).
On a :
P BP =
_
_
x
y
z
_
_
1 4 1
2 1 3
0 0 1
_
_
_
_
x
y
z
_
_
=
_
_
4y z
2x 3z
0
_
_
.
Comme le coecient de la troisime ligne de P BP est nul,
la matrice P BP nest pas strictement positive.
On conclut, daprs la dnition dune matrice productive :
La matrice B nest pas productive
Partie II : 1. On suppose M positive.
Soit X une matrice positive de M
n,1
(R).
On a, par produit matriciel :
i 1 ; n, (MX)
i
=
n
j=1
(M)
i j
.,,.
0
(X)
j
.,,.
0
0,
donc MX est positive.
Si M est positive, alors, pour toute matrice positive
X de M
n,1
(R), le produit MX est une matrice positive
2. Rciproquement, supposons que, pour toute matrice positive
X de M
n,1
(R), le produit MX soit une matrice positive.
Soit (i, j) 1 ; n
2
. Notons X
j
la matrice de M
n,1
(R) dont tous
les coecients sont nuls, sauf celui situ la ligne j et qui est
gal 1.
Il est clair que X
j
est positive.
Par hypothse, MX
j
est donc positive.
Mais le coecient de MX
j
situ la ligne i est (M)
i j
.
On a donc : (M)
i j
0.
Ceci montre que M est positive.
Si, pour toute matrice positive X de M
n,1
(R),
le produit MX est une matrice positive,
alors la matrice M est positive
Partie III : 1. a) Puisque A est productive, A est une matrice
positive.
Puisque A est une matrice positive de M
n
(R) et P une matrice
positive de M
n,1
(R), daprs II 1., la matrice AP est positive.
On a, pour tout i 1 ; n :
(P)
i
=
_
(P AP) + AP
_
i
= (P AP)
i
.,,.
>0
+ (AP)
i
.,,.
0
> 0,
370
donc : P > 0
1. b) Puisque X AX, on a : (X AX)
k
0.
Mais :
(X AX)
k
= (X)
k
(AX)
k
= x
k

n
j=1
a
k j
x
j
= cp
k

n
j=1
a
k j
x
j
.
Par dnition de c, on a : j 1 ; n, c
x
j
p
j
,
donc : j 1 ; n, x
j
cp
j
.
Do : (X AX)
k
cp
k

n
j=1
a
k j
cp
j
= c
_
x
k

n
j=1
a
k j
p
j
_
.
On conclut : c
_
p
k

n
j=1
a
k j
p
j
_
0
On a : p
k

n
j=1
a
k j
p
j
= (P)
k
(AP)
k
= (P AP)
k
> 0
do : c 0
On a, par dnition de c et daprs le rsultat prcdent :
j 1 ; n,
x
j
p
j
c
j
0,
donc : j 1 ; n, x
j
0, car : j 1 ; n, p
j
> 0.
On conclut : X 0
1. c) Soit X M
n,1
(R) telle que X = AX.
Puisque X = AX, on a X AX, donc, daprs b) : X 0.
Mais on a aussi X = AX = A(X), donc X A(X), do,
daprs b) : X 0.
Ainsi, chaque coecient de X est 0 et est 0, donc est nul,
do X = 0
On vient de montrer :
X M
n,1
(R),
_
(I
n
A)X = 0 = X = 0
_
.
Daprs le cours, on conclut : I
n
A est inversible
1. d) Soit X une matrice positive de M
n,1
(R).
Puisque Y = (I
n
A)
1
X, on a : X = (I
n
A)Y = Y AY.
Comme X 0, il sensuit Y AY 0, cest--dire Y AY.
Daprs 1. b), on dduit : Y 0.
Daprs II 2., on conclut :
(I
n
A)
1
est une matrice positive
Daprs c) et d), on a montr que, si une matrice A de M
n
(R)
est productive, alors :
A 0, I
n
A est inversible, (I
n
A)
1
0.
2. Soit B M
n
(R) telle que :
B 0, I
n
B est inversible, (I
n
B)
1
0.
Puisque (I
n
B)
1
est une matrice positive de M
n
(R) et que
U est une matrice positive de M
n,1
(R), daprs II 1.,
V = (I
n
B)
1
U est une matrice positive de M
n,1
(R).
On a :
V BV = (I
n
B)V = (I
n
B)(I
n
B)
1
U = U,
et il est clair que U > 0.
Ainsi, il existe une matrice positive V de M
n,1
(R) telle que :
V BV > 0.
On conclut : B est productive
3. Daprs 1. et 2., on conclut :
Une matrice M de M
n
(R) est productive
si et seulement si :
M 0, I
n
M est inversible, (I
n
M)
1
0
4. On a : (I
n
M)(I
n
+ 2M) = I
n
+ M 2M
2
= I
n
.
Par hypothse, M est positive.
Daprs le rsultat prcdent, I
n
M est inversible et
(I
n
M)
1
= I
n
+ 2M.
Puisque I
n
et 2M sont positives, par addition, il est clair que
I
n
+ 2M est positive, donc : (I
n
M)
1
0.
Daprs 3., on conclut : M est productive
10.16
Partie I : La loi exponentielle
1. a) La fonction g est continue sur R, positive ou nulle sur R
et : (A, B) R
2
,
_
B
A
g(x) dx =
_
B
A
e
x
exp(e
x
) dx
=
_
exp
_
e
x
_
_
B
A
= exp
_
e
B
_
exp
_
e
A
_
A, B+
exp(0) 0 = 1.
Ainsi lintgrale
_
+
g(x) dx converge et
_
+
g(x) dx = 1.
On conclut : g est une densit
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
371
1. b) On a : x R, F
G
(x) = P(G x) =
_
x
g(u) du
=
_
exp
_
e
u
_
_
x
= exp(e
x
) 0 = exp(e
x
).
On conclut : x R, F
G
(x) = exp(e
x
)
2. a) Soit n N
.
On note F
Mn
la fonction de rpartition de M
n
.
On a : x R, F
Mn
(x) = P(M
n
(x) x)
= P
_
(X
1
x) (X
2
x) . . . (X
n
x)
_
=
n
_
k=1
P(X
k
x) car X
1
, . . . , X
n
sont indpendantes.
La loi commune des X
k
est la loi exponentielle de paramtre ,
donc :
x R, P(X
k
x) =
_
0 si x < 0
1 e
x
si x 0
.
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 F
Un
la fonction de rpartition de U
n
.
On a : x R, F
Un
(x) = P(U
n
x) = P
_
M
n
x + ln(n)
_
= P
_
M
n

x + ln(n)
_
car > 0
= F
Mn
_
x + ln(n)
_
=
_
0 si x < ln(n)
_
1 e
xln n
_
n
si x ln(n)
=
_
_
0 si x < ln(n)
_
1
e
x
n
_
n
si x ln(n)
.
On en dduit : x R, n e
x
,
F
Un
(x) =
_
1
e
x
n
_
n
= exp
_
n ln
_
1
e
x
n
_
_
,
or : n ln
_
1
e
x
n
_

n
n
_
e
x
n
_
= e
x
n
e
x
,
donc : F
Un
(x)
n
exp
_
e
x
_
= F
G
(x).
Ainsi, pour tout x R, lim
n
F
Un
(x) = F
G
(x).
On conclut : La suite (U
n
)
n1
converge en loi vers G
Partie II : La loi normale
Daprs le cours, on a :
x R, (x) =
1
2
e
x
2
2
.
1. a) Soit x > 0. La fonction u
(u)
u
2
est dnie, continue
et positive sur [x ; +[.
De plus : u [x ; +[, 0
(u)
u
2

1
x
2
(u).
Puisque lintgrale
_
+
x
(u) du converge (car est une den-
sit), par le thorme de majoration des fonctions positives,
lintgrale
_
+
x
(u)
u
2
du converge
Soit A > x. On a :
_
A
x
(u) du =
1
2
_
A
x
e
u
2
2
du =
1
2
_
A
x
1
u
u e
u
2
2
du.
Eectuons une intgration par parties, en posant :
_
_
f (u) =
1
u
g
(u) =
u e
u
2
2
2
,
_
_
f

(u) =
1
u
2
g(u) =
e
u
2
2
2
= (u)
,
les fonctions f et g tant de classe C
1
sur le segment [x ; A].
On obtient :
_
A
x
(u) du =
_
(u)
u
_
A
x

_
A
x
(u)
u
2
du
=
(x)
x

(A)
A

_
A
x
(u)
u
2
du.
Or : u R, 0 (u)
1
2
,
donc : u R
+
, 0
(u)
u

1
u
2
.
Par le thorme dencadrement, on a : lim
u+
(u)
u
= 0.
Ainsi, en passant la limite lorsque A tend vers +, on obtient :
_
+
x
(u) du =
(x)
x

_
+
x
(u)
u
2
du.
Enn : P(X
1
> x) =
_
+
x
(u) du.
Do : P(X
1
> x) =
(x)
x

_
+
x
(u)
u
2
du
1. b) Soit x > 0.
Pour tout u x, 0
(u)
u
2

1
x
2
(u).
Puisque lintgrale
_
+
x
(u) du converge et est gale
P(X
1
> x), on obtient, en intgrant :
372
0
_
+
x
(u)
u
2
du
1
x
2
P(X
1
> x).
Puisque P(X
1
> x) =
(x)
x

_
+
x
(u)
u
2
du, on en dduit :
(x)
x

P(X
1
> x)
x
2
P(X
1
> x)
(x)
x
On obtient alors :
dune part : P(X
1
> x)
(x)
x
,
dautre part :
(x)
x

P(X
1
> x)
x
2
P(X
1
> x)
donc :
(x)
x
P(X
1
> x)
_
1 +
1
x
2
_
.
On en dduit :
P(X
1
> x)
(x)
x
P(X
1
> x)
_
1 +
1
x
2
_
2. On a :
x R,
(x) =
1
2
x e
x
2
2
= x(x).
La fonction H : x
(x)
x
est de classe C
1
sur ]0 ; +[ et :
x > 0, H
(x) =
x
(x) (x)
x
2
=
1 + x
2
x
2
(x) < 0.
Donc H est strictement dcroissante sur ]0 ; +[.
Ainsi, la fonction H est continue, strictement dcroissante
sur ]0 ; +[. Donc H tablit une bijection de ]0 ; +[ sur
] lim
+
H ; lim
0
H[ =]0 ; +[.
Pour tout n N
,
c
n
]0 ; +[, donc il existe un unique
x
n
]0 ; +[ tel que H(x
n
) =
c
n
.
On en dduit que lquation
(x)
x
=
c
n
admet sur une unique solution sur ]0 ; +[
3. La fonction H
1
est strictement dcroissante sur ]0 ; +[ et
lim
0
H
1
= +(car lim
+
H = 0).
Or : x
n
= H
1
_
c
n
_
et lim
n
c
n
= 0, donc : lim
n
x
n
= +
4. Soit n N
. On a :
H(x
n
) =
(x
n
)
x
n
=
c
n
e
x
2
n
2
=
2
c
n
x
n

x
2
n
2
= ln
_
2
c
n
x
n
_
car ln est bijective.
Donc : x
2
n
= 2 ln x
n
+ ln(2c
2
) 2 ln(n)
ou encore : x
2
n
+ 2 ln x
n
= 2 ln(n) ln(2c
2
)
5. Sachant que lim
n
x
n
= +, on a, daprs les croissances
compares : lim
n
ln x
n
x
2
n
= 0.
Donc : x
2
n
+ 2 ln x
n

n
x
2
n
.
De plus : 2 ln(n) ln(2c
2
)
n
2 ln n.
On obtient alors : x
2
n

n
2 ln n,
ou encore : x
n

n
2 ln n car x
n
> 0.
Pour tout n 2, on note
1
(n) = x
n

2 ln n.
Alors :

1
(n)
2 ln n
=
x
n
2 ln n
1
n
0,
donc : x
n
=
2 ln n +
1
(n) avec lim
n
1
(n)
2 ln n
= 0
6. a) En utilisant la relation de la question 4), on obtient :
x
2
n
+ 2 ln x
n
=
_
2 ln n +
1
(n)
_
2
+ 2 ln
_
2 ln n +
1
(n)
_
= 2 ln n + 2
2 ln n
1
(n) +
2
1
(n) + ln 2 + ln(ln n)
+ 2 ln
_
1 +
1
(n)
2 ln n
_
.
Or : x
2
n
+ 2 ln x
n
= 2 ln(n) ln(2c
2
),
donc : 2 ln n + 2
2 ln n
1
(n) +
2
1
(n) + ln 2 + ln(ln n)
+ 2 ln
_
1 +
1
(n)
2 ln n
_
= 2 ln(n) ln(2c
2
).
On obtient : 2
2 ln n
1
(n) +
2
1
(n) + 2 ln
_
1 +
1
(n)
2 ln n
_
= ln 2 ln(ln n) ln(2c
2
)
= ln(ln n) ln(4c
2
).
On conclut :
2
2 ln n
1
(n) +
2
1
(n) + 2 ln
_
1 +
1
(n)
2 ln n
_
= ln(ln n) ln(4c
2
)
6. b) Puisque lim
n+
1
(n)
2 ln n
= 0,
on a : ln
_
1 +
1
(n)
2 ln n
_

n
1
(n)
2 ln n
,
do :
1
1
(n)
2 ln n
ln
_
1 +
1
(n)
2 ln n
_

n+
1
2 ln n
,
et donc : lim
n+
1
1
(n)
2 ln n
ln
_
1 +
1
(n)
2 ln n
_
= 0.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
373
Ainsi :
2
2 ln n
1
(n) +
2
1
(n) + 2 ln
_
1 +
1
(n)
2 ln n
_
2
2 ln n
1
(n)
= 1 +
1
(n)
2
2 ln n
+
1
1
(n)
2 ln n
ln
_
1 +
1
(n)
2 ln n
_

n
1.
Do : 2
2 ln n
1
(n) +
2
1
(n) + 2 ln
_
1 +
1
(n)
2 ln n
_
n
2
2 ln n
1
(n).
De plus : ln(ln n) ln(4c
2
)
n
ln(ln n).
En utilisant lgalit obtenue au 6) a), on obtient :
2
2 ln n
1
(n)
n
ln(ln n)
On note, pour tout n 2,
2
(n) =
1
(n) +
ln(ln n)
2
2 ln n
.
Alors :
2
(n)
2
2 ln n
ln(ln n)
=
2
1
(n)
2 ln n
ln(ln n)
+ 1
n
0
car 2
2 ln n
1
(n)
n+
ln(ln n).
On conclut :
1
(n) =
ln(ln n)
2
2 ln n
+
2
(n)
avec lim
n+
2
(n)
_
2
2 ln n
ln(ln n)
_
= 0
7. a) Soit x R et soit n 2. On a :
x
n
(n) =
2 ln n
ln(ln n)
2
2 ln n
ln(4)
2
2 ln n
ln( e
x
)
2 ln n
=
_
2 ln n
ln(ln n)
2
2 ln n
ln(4)
2
2 ln n
_
+
x
2 ln n
= b
n
+ a
n
x.
On en dduit : a
n
x + b
n
= x
n
(n)
On a : (x
n
) =
1
2
e
x
2
n
2
=
1
2
e
(an x+bn+(n))
2
2
=
1
2
e
(an x+bn)
2
2
e
(n)
,
o (n) = (a
n
x + b
n
)(n) +
2
(n)
2
= (n)
2 ln n
_
a
n
2 ln n
x +
b
n
2 ln n
+
(n)
2
2 ln n
_
).
Or : (n)
2 ln n
n
0,
a
n
2 ln n
=
1
2 ln n

n
0,
b
n
2 ln n
2 ln n
2 ln n
= 1
n
1
(n)
2
2 ln n
n
0 car (n)
n
0.
Ainsi : (n)
n+
0, et donc : e
(n)
n
1.
On en dduit que (x
n
)
n
1
2
e
(anx+bn)
2
2
= (a
n
x + b
n
).
De plus : x
n
(n)
n
x
n
car x
n

n
+et (n)
n
0.
On obtient alors :
(x
n
)
x
n
n
(a
n
x + b
n
)
a
n
x + b
n
.
Daprs la question 2),
(x
n
)
x
n
=
c
n
=
e
x
n
.
On conclut :
(a
n
x + b
n
)
a
n
x + b
n
n
e
x
n
7. b) En utilisant la question 1) b), on a :
P(X
1
> a
n
x + b
n
)
(a
n
x + b
n
)
a
n
x + b
n
P(X
1
> a
n
x + b
n
)
_
1 +
1
(a
n
x + b
n
)
2
_
,
et donc : 1
(anx+bn)
an x+bn
P(X
1
> a
n
x + b
n
)
1 +
1
(a
n
x + b
n
)
2
.
Or : a
n
x + b
n

n
+ (car a
n

n
0 et b
n

n
+),
donc : 1 +
1
(a
n
x + b
n
)
2

n
1.
Par le thorme dencadrement, on obtient :
(an x+bn)
an x+bn
P(X
1
> a
n
x + b
n
)

n
1,
autrement dit :
(a
n
x + b
n
)
a
n
x + b
n
n
P(X
1
> a
n
x + b
n
)
On a alors : x R, P
_
M
n
b
n
a
n
x
_
= P(M
n
a
n
x + b
n
) =
_
P(X
1
a
n
x + b
n
)
_
n
= (1
n
)
n
en notant
n
= P(X
1
> a
n
x + b
n
).
Puisque
n

n
e
x
n
, on a lim
n
n
= 0,
et donc : n ln(1
n
)
n
n(
n
) = e
x
n
e
x
Ainsi : (1
n
)
n
= exp
_
n ln(1
n
)
_

n
exp
_
e
x
_
.
On obtient donc :
x R, P
_
M
n
b
n
a
n
x
_

n
exp
_
e
x
_
= F
G
(x).
On conclut que la suite
_
M
n
b
n
a
n
_
n1
converge en loi vers la variable G
374
10.17
1. a) Soient t [0 ; 1], u = (u
1
, u
2
), v = (v
1
, v
2
) K.
On a : tu + (1 t)v =
_
tu
1
+ (1 t)v
1
, tu
2
+ (1 t)v
2
_
et : tu
1
+ (1 t)v
1
t 1 + (1 t) 1 = 1,
tu
2
+ (1 t)v
2
t 1 + (1 t) 1 = 1,
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.
Les deux applications (z
1
, z
2
) z
1
et (z
1
, z
2
) z
2
, de R
2
dans R, sont continues et ] ; 1] est un intervalle ferm de R,
donc, daprs le rsultat admis par lnonc, les images rci-
proques de ] ; 1] par ces deux applications sont des ferms
de R
2
. Ainsi,
_
(z
1
, z
2
) R
2
; z
1
1
_
et
_
(z
1
, z
2
) R
2
; z
2
1
_
sont des ferms de R
2
.
Par intersection de deux ferms, on dduit que K est ferm.
Pour tout z
1
] ; 1], le point (z
1
, 1) est dans K, donc K
nest pas born, ce qui est dailleurs visible sur le schma de la
question c), K est un quart de plan ferm.
On conclut : K est convexe, ferm, non born
1. b) Il est clair que p(x) existe et est unique, et que :
p(x) =
_
_
(x
1
, 1) si x
1
1
(1, 1) si x
1
> 1 et x
2
> 1
(1, x
2
) si x
2
1
1. c)
1. d) On a donc :
x p(x) =
_
_
(x
1
, x
2
) (x
1
, 1) = x
2
1
si x
1
1
(x
1
, x
2
) (1, 1) =
_
(x
1
1)
2
+ (x
2
1)
2
si x
1
> 1 et x
2
> 1
(x
1
, x
2
) (1, x
2
) = x
1
1
si x
2
1.
On en dduit une fonction en Pascal, donnant la distance de x
K :
function distance(x1,x2:real):real ;
begin
if x1<=1 then distance:= abs(x2-1)
else
if x2<=1 then distance:= abs(x1-1)
else distance:=sqrt((x1-1)*(x1-1)
+(x2-1)*(x2-1)) ;
end ;
2. a) Soient t [0 ; 1], u, v K.
Il est clair que K est un sous-espace vectoriel de R
4
.
Donc, par combinaison linaire : tu + (1 t)v K.
On conclut : K est convexe
2. b) Puisque K est un sous-espace vectoriel de R
4
, daprs le
thorme de projection orthogonale sur un sous-espace vecto-
riel dun espace euclidien, il y a existence et unicit du projet
orthogonal p(x) de x sur K.
Dautre part, K =
_
Vect (u)
_
, o u = (1, 1, 1, 1).
Daprs le cours, le projet orthogonal q(x) de x sur Vect (u) est
donn par :
q(x) = < x ,
u
u
>
u
u
=
1
u
2
< x , u > u =
1
4
(x
1
+ x
2
x
3
x
4
)u.
Do :
p(x) = x q(x)
= (x
1
, x
2
, x
3
, x
4
)
1
4
(x
1
+ x
2
x
3
x
4
)(1, 1, 1, 1)
=
1
4
(3x
1
x
2
+ x
3
+ x
4
, x
1
+ 3x
2
+ x
3
+ x
4
, x
1
+ x
2
+ 3x
3
x
4
, x
1
+ x
2
x
3
+ 3x
4
)
et :
x p(x) = q(x) =
1
4
x
1
+ x
2
x
3
x
4
4
=
1
2
x
1
+ x
2
x
3
x
4
.
3. a) Lapplication z x z est ane, donc continue.
Daprs le cours, lapplication u u est continue.
Par composition, on conclut : f est continue sur K
3. b) Puisque B
0
est ferme et que K est ferm, par intersec-
tion, K
= B
0
K est ferm.
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
375
Puisque K
B
0
et que B
0
est borne, K
est borne.
On a : z
0
B
0
et z
0
K, donc z
0
K
, do K
.
On conclut :
K
est une partie ferme borne non vide de R

n
3. c) Puisque f est continue sur K
et que K
est une partie

ferme borne et non vide de R
n
, on conclut, daprs le cours :
f admet un minimum sur K
3. d) Soit z K.
Si z B
0
, alors z K
, donc, par dnition dez, on a :

x z = f (z) f (z) = x z.
Si z B
0
, alors z x > z
0
x et, comme z
0
K
, on a
z
0
x x z, do : x z x z.
On conclut : z K, x z x z
3. e) On conclut : Il y a existence du projet de x sur K
4. a) On a, pour tout (a, b) (R
n
)
2
:
x
a + b
2
2
+
1
4
a b
2
=
1
4
_
(x a) + (x b)
2
+ (x a) (x b)
2
_
=
1
4
__
x a
2
+ 2 < x a , x b > +x b
2
_
+
_
x a
2
2 < x a , x b > +x b
2
__
=
1
2
x a
2
+
1
2
x b
2
.
4. b) Daprs a), on a :
x
u + v
2
2
+
1
4
u v
2
=
1
2
x u
2
+
1
2
x v
2
=
1
2
d
2
+
1
2
d
2
= d
2
.
Mais, puisque (u, v) K
2
et que K est convexe, on a :
u + v
2
=
1
2
u +
_
1
1
2
_
v K,
donc, par dnition de d :
x
u + v
2
d.
Il sensuit : u v
2
0, donc u = v.
On conclut : Il y a unicit du projet de x sur K
5. a) Soient z K, t [0 ; 1].
On a : z K et p(x) K,
donc, puisque K est convexe : tz + (1 t)p(x) K.
Par dnition de d, on a alors :
x p(x) = d
x
_
tz + (1 t)p(x)
_
5. b) Soit z K. On a, daprs a), en levant au carr :

t ]0 ; 1], x p(x)
2
_
x p(x)
_
t
_
z p(x)
_
2
.
Do, en dveloppant :
t [0 ; 1], x p(x)
2
x p(x)
2
2 < x p(x) , z p(x) > t + z p(x)
2
t
2
,
cest--dire :
t [0 ; 1], z p(x)
2
t
2
2 < x p(x) z p(x) > t 0.
En divisant par t, on obtient :
t ]0 ; 1], z p(x)
2
t 2 < x p(x) z p(x) > 0,
puis, en faisant tendre t vers 0
+
:
2 < x p(x) z p(x) > 0.
On conclut : z K, < x p(x) , z p(x) > 0
Remarque : Ceci signie que langle entre les vecteurs xp(x)
et z p(x) est obtus.
5. c) Par hypothse, en remplaant z par p(x) (qui est dans K),
on a : < p(x) y , x y > 0.
Puis :
p(x) y
2
= < p(x) y , p(x) y >
= < p(x) y ,
_
p(x) x
_
+
_
x y
_
>
= < p(x) y , p(x) x > + < p(x) y , x y >
= < y p(x) , x p(x) >
.,,.
0
+ < p(x) y , x y >
.,,.
0
0,
376
do p(x) y = 0, p(x) = y.
Daprs 5. a) et b), on conclut :
Il existe y K unique tel que :
z K, < z y , x y > 0,
et on a y = p(x)
6. a) On a :
< x p(x) , p(x) > = < x p(x) ,
_
p(x) x
_
+ x >
= x p(x)
2
.,,.
<0
+ < x p(x) , x > < < x p(x) , x > .
On conclut : < x p(x) , p(x) > < < x p(x) , x >
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) >
.,,.
0
+ < x p(x) , p(x) >
< x p(x) , p(x) > .
En notant , par exemple,
c =
1
2
_
< x p(x) , p(x) > + < x p(x) , x >
_
,
on a : < x p(x) , p(x) > < c < < x p(x) , x >
et on conclut :
Il existe c R tel que :
z K, < x p(x) , z > < c < < x p(x) , x >
D
u
n
o
d
.
T
o
u
t
e
r
e
p
r
o
d
u
c
t
i
o
n
n
o
n
a
u
t
o
r
i
s
e
e
s
t
u
n
d
l
i
t
377
Index
A
approximation dune probabilit, 218
array[1..n] of integer, 280
array[1..n] of real, 280
asymptotiquement sans biais, 244
B
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
dnie-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
forme
bilinaire symtrique, 39
quadratique, 41
formule des probabilits totales, 151
H
hessienne, 118
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 conance
au niveau de conance, 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
378

Mathématiques - Methodes Et Exercices ECS 2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mathématiques - Methodes Et Exercices ECS 2

Uploaded by

Copyright:

Available Formats

Mathmatiques

. Le but de lexercice est dtudier lexistence de matrices A M

unique tel que R

3 et que les sous-espaces propres de A sont

x quelconque, quil existe

On abrge espace vectoriel en ev,

muni de la norme associe ||.||,

Montrer que F est orthogonale et que F est une base de E.

muni dune base orthonormale

([0 ; 1] ; R), muni du produit scalaire (. .) dni par :

sont supplmentaires dans E.

est une base orthogonale de H et former la matrice de g dans B

et Im( f ) = Vect (F).

obtenue en d)3) et utiliser b).

V \ 0. Raisonner sur les signes des coordon-

est continue sur le seg-

, on obtient une base ortho-

(x) + (2x 1)g

2 sont des valeurs

2 > 0, ce qui revient :

sont des sous-

sont supplmentaires dans E.

g(y + z) g(y) g(z)

a) est inversible (cf. a)3)), on a :

est une famille orthogonale vecteurs tous non

est une famille libre deux lments dans un espace

est une base de H.

est une base orthogonale de H.

, qui est diagonale daprs 3), admet

0, le rel 0 est valeur propre

sin t(1 cos t

(1 cos t)(1 cos t

f (x) dx est absolument convergente,

ne sont pas orthogonaux entre eux.

f (x) dx) pour tout X [a ; b[ (resp. pour tout ]a ; b]),

, sous rserve dexistence : I

R, sous rserve dexistence : u

, sous rserve dexistence : I

et dun rel indpendant de x

est drivable sur ]0 ; +[ et que :

x, situer limproprit et indiquer sur

et faire intervenir labsolue convergence.

, situer limproprit, indiquer sur quel intervalle

, situer les improprits et indiquer sur quel inter-

x, situer limproprit, indiquer

x et X [0; +[, effectuer une intgration

, situer limproprit et indiquer sur quel

(t) dt et dduire que f

considre est continue.

f (x) dx converge, et on conclut que lintgrale

e dx diverge, car e est une constante non

f (x) dx diverge et on conclut que lintgrale

dx soit convergente, et notons I =

dx est absolument convergente,

dx est de mme nature que lintgrale

dt. Daprs le point prcdent, cette dernire

dx nest pas absolu-

dx est convergente et non

, puis par thorme dquivalence

dx converge, donc lintgrale

dx converge, donc lintgrale

R. Nous allons utiliser une intgration par

(t) dt converge si et seulement si < 1.

dt converge, donc, par thorme dquivalence