Vous êtes sur la page 1sur 384

Mathmatiques

Mthodes et exercices
ECS 2e anne
Ccile Lardon
Professeur en classe prparatoire
au lyce du Parc Lyon

Jean-Marie Monier
Professeur en classe prparatoire
au lyce La Martinire-Monplaisir Lyon

Dunod, Paris, 2011


ISBN 978-2-10-058112-2

Table des matires

Remerciements
1. Rduction des endomorphismes
et des matrices carres
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

2. Algbre bilinaire
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

3. Intgrales sur un intervalle


quelconque
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

VI
1
2
4
12
15

38
39
41
47
50

Dunod. Toute reproduction non autorise est un dlit

5. Variables alatoires discrtes,


vecteurs alatoires discrets
Les mthodes retenir
noncs des exercices

6. Variables alatoires densit


Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

7. Convergences et approximations
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

8. Estimation, statistique
66
66
70
79
84

4. Fonctions numriques de plusieurs


variables relles
116
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

Du mal dmarrer ?
Corrigs des exercices

117
120
126
129

150
151
154

Les mthodes retenir


noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

9. Algorithmique
Les mthodes retenir
noncs des exercices
Du mal dmarrer ?
Corrigs des exercices

10. Problmes de rvision

161
163

180
180
183
190
193

217
217
218
224
227

243
244
245
254
257

276
276
281
290
293

312

noncs des exercices


Du mal dmarrer ?
Corrigs des exercices

313
332
338

Index

378

III

Pour bien utiliser cet ouvrage

La page dentre de chapitre


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

Les mthodes retenir


Cette rubrique constitue une synthse des principales mthodes connatre, dtailles tape
par tape, et indique les exercices auxquels elles
se rapportent.

IV

Pour bien utiliser cet ouvrage

noncs des exercices


De nombreux exercices de difficult croissante
sont proposs pour sentraner. La difficult de
chaque exercice est indique sur une chelle
de 1 4.

Du mal dmarrer ?

Dunod. Toute reproduction non autorise est un dlit

Des conseils mthodologiques sont proposs


pour bien aborder la rsolution des exercices.

Corrigs des exercices


Tous les exercices sont corrigs de faon dtaille.

Remerciements

Nous tenons ici exprimer notre gratitude aux nombreux collgues qui ont accept de rviser des parties du manuscrit :
Pascal Alessandri, Jean-Philippe Berne, Grard Bourgin, Frdrique Christin, Jean-Paul Christin, Sophie Cohlach,
Carine Courant, Sylvain Delpech, Hermin Durand, Viviane Gaggioli, Marguerite Gauthier, Andr Laont, Tewfik
Lahcne, Hadrien Larome, Ibrahim Rihaoui, Ren Roy, Marie-Dominique Sifert, Marie-Pascale Thon, Audrey Verdier.

VI

Rduction
des endomorphismes
et des matrices carres
Plan
Les mthodes retenir

noncs des exercices

Du mal dmarrer ?

12

Corrigs des exercices

15

K dsigne R ou C
Par commodit, on utilise
les abrviations suivantes :

Dunod. Toute reproduction non autorise est un dlit

ev pour : espace vectoriel


sev pour : sous-espace vectoriel
vp pour : valeur propre
SEP pour : sous-espace propre.

CHAPITRE

Thmes abords dans les exercices

Dtermination des valeurs propres et des sous-espaces propres dun endomorphisme ou dune matrice carre

tude de la diagonalisabilit dun endomorphisme ou dune matrice carre, obtention dune diagonalisation

Calcul des puissances dune matrice carre

Rsolution dquations matricielles.

Points essentiels du cours


pour la rsolution des exercices

Dfinition de : valeur propre, vecteur propre, sous-espace propre

Matrices de passage, formules de changement de base, matrices carres semblables

Dfinition de la diagonalisabilit, dune diagonalisation

CNS de diagonalisabilit faisant intervenir la somme des sous-espaces propres

CNS de diagonalisabilit faisant intervenir la somme des dimensions des sousespaces propres

Condition susante de diagonalisabilit : n valeurs propres deux deux distinctes en dimension n

Polynmes dendomorphisme, polynmes de matrice carre, polynmes annulateurs dun endomorphisme, polynmes annulateurs dune matrice carre

Toute matrice symtrique relle est diagonalisable.

Chapitre 1

Rduction des endomorphismes et des matrices carres

Les mthodes retenir


Essayer lune des trois mthodes suivantes :

calculer, pour tout K, le rang de la matrice A In en fonction


de ; est valeur propre si et seulement si rg (A In ) < n

Exercices 1.1 a), b), c), e), f), 1.4 b), 1.6 b)2), 1.10 a), 1.11 a),
1.35 b)

Pour dterminer
les valeurs propres
dun endomorphisme f
dun espace vectoriel E
ou dune matrice carre A de M n(K)

revenir la dfinition, cest--dire rsoudre lquation f (x) = x,


dinconnue K, o x E\{0}, ou lquation AX = X, dinconnue
K, o X Mn,1 (K) \ {0}

Exercices 1.26 b), 1.34

faire intervenir la notion de polynme annulateur, si f ou A satisfait


une quation assez simple.

Exercices 1.2 b), 1.5 a), 1.16 d), 1.18 a), 1.19, 1.32, 1.33 b)
Se rappeler que les valeurs propres dune matrice triangulaire se lisent
sur sa diagonale.

Exercices 1.1 d), 1.8 c), 1.13 c), 1.15 a), 1.20 a), 1.25 d)2),
1.33 a).
Appliquer la dfinition :
Pour dterminer
le sous-espace propre
associ une valeur propre 0
dun endomorphisme f
ou dune matrice carre A de M n(K)

SEP ( f, 0 ) = Ker ( f 0 IdE ) = {x E ; f (x) = 0 x},




SEP (A, 0 ) = X Mn,1 (K) ; AX = 0 X ,
cest--dire rsoudre lquation f (x) = 0 x, dinconnue x E ou
lquation AX = 0 X, dinconnue X Mn,1 (K).

Exercices 1.1, 1.5 b), 1.10 b), 1.20 a), 1.25 d)2), 1.33 a).
Essayer de :
Pour dterminer
les valeurs propres
et les vecteurs propres
dun endomorphisme f
dun espace vectoriel E
ou dune matrice carre A de M n(K)

dterminer dabord les valeurs propres de f ou de A, par une mthode vue plus haut, puis, pour chaque valeur propre, dterminer le
sous-espace propre associ par la mthode vue plus haut

Exercice 1.1

rsoudre lquation f (x) = x, dinconnues K, x E \ {0} ou


lquation AX = X, dinconnues K, X Mn,1 (K).

Exercices 1.3 b), 1.6 b)1), 1.14 b), 1.27, 1.28 b).
Dterminer les valeurs propres de A :
Pour tudier la diagonalisabilit
dune matrice carre A de M n(K) et
ventuellement pour diagonaliser A

si A admet n valeurs propres deux deux distinctes, alors, daprs le


cours, A est diagonalisable

Exercices 1.1 a), b), 1.6 c), 1.9, 1.11 a), 1.27 d)

Les mthodes retenir

si A nadmet quune seule valeur propre et si A  In , alors A


nest pas diagonalisable, comme on le montre en raisonnant par labsurde.

Exercices 1.1 d), 1.8 c), 1.9, 1.13 c)

(suite)

sinon, dterminer les sous-espaces propres de A puis les dimensions


des sous-espaces propres de A ; daprs le cours, A est diagonalisable
si et seulement si la somme des dimensions des sous-espaces propres
de A est gale n

Exercices 1.1 c), e), 1.2 c), 1.5 c), 1.8 c), 1.10 b), 1.17,
1.25 d)2), 1.26 c)

si A est diagonalisable, en notant D la matrice diagonale forme


(sur la diagonale) par les valeurs propres de A (prsentes autant de
fois que la dimension du sous-espace propre associ), et en notant
P la matrice de passage de la base canonique de Mn,1 (K) une base
de vecteurs propres de A (associs aux valeurs propres de A, dans
lordre), on obtient une diagonalisation A = PDP1 de A

se rappeler que toute matrice symtrique relle est diagonalisable.

Exercices 1.1 a), b), c)


Exercices 1.1 b), 1.2 c), 1.3 a), 1.4 a), 1.7 b), 1.12 e), 1.14 a),
1.28 a), 1.35 a) .
Dterminer les valeurs propres de f :

si f admet n valeurs propres deux deux distinctes, alors f est diagonalisable

Exercice 1.6

Dunod. Toute reproduction non autorise est un dlit

Pour tudier
la diagonalisabilit
dun endomorphisme f
dun espace vectoriel E
de dimension finie n

sinon, dterminer les sous-espaces propres de f , puis ventuellement les dimensions des sous-espaces propres de f
 f est diagonalisable si et seulement si la somme des sous-espaces
propres de f est gale E

Exercice 1.16
 f est diagonalisable si et seulement si la somme des dimensions
des sous-espaces propres de f est gale n

Exercices 1.6, 1.25

on peut essayer de se ramener ltude de la diagonalisabilit dune


matrice carre, en considrant la matrice de f dans une certaine base
de E.

Exercices 1.7, 1.8, 1.12, 1.29.

Pour calculer
les puissances
dune matrice carre

Essayer dutiliser, si possible, une diagonalisation A = PDP1 de A,


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

Chapitre 1

Rduction des endomorphismes et des matrices carres

noncs des exercices


1.1 Exemples dtude de diagonalisabilit et de diagonalisation ventuelle de matrices carres
dordre 3
Pour chacune des matrices suivantes, est-elle diagonalisable et, si oui, la diagonaliser :

4 6 3

a) A = 1 3 1

4 4 3

1 2 1

d) E = 0 1 1

00 1

0 0 1

b) B = 0 0 1

111

3 6 2

c) C = 0 1 0

4 12 3

3 1 1

e) F = 0 2 2

1 1 3

1 0 1

f) G = 0 1 2 .

1 1 1

1.2 Exemple de diagonalisation dune matrice carre dordre 4, daprs HEC 2009

1 1 1 1
1 1 1 1
de M4 (R) et on note f lendomorphisme de R4
On considre la matrice A =
1 1 1 1

1 1 1 1
reprsent par A dans la base canonique B0 = (e1 , e2 , e3 , e4 ) de R4 .

a) On note v1 = (1, 1, 0, 0), v2 = (1, 1, 1, 1), v3 = (1, 0, 1, 0).


Calculer f (vi ) pour tout i 1 ; 3.
b) Calculer A2 . Quen dduit-on pour les valeurs propres de A ?
c) Montrer que A est diagonalisable dans M4 (R) et dterminer une matrice de passage P de la
base B0 une base de vecteurs propres pour f .

1.3 Exemple de dtermination des valeurs propres et des sous-espaces propres dune matrice
carre dordre 5, daprs HEC 2006

0 1 0 0

1 0 1 0

On considre la matrice A = 0 1 0 1

0 0 1 0

0001

0 M5 (R).

a) Est-ce que A est diagonalisable ?


b) Dterminer les valeurs propres et les sous-espaces propres de A.

1.4 Exemple de calcul des puissances dune matrice carre dordre 3 laide dune diagonalisation

0 0 1

On note A = 0 1 1 M3 (R).

1 1 1/2
a) Montrer que A est diagonalisable et que A est inversible.
b) Diagonaliser A.
c) En dduire lexpression de An pour tout n Z.
4

noncs des exercices

1.5 Exemple dtude de diagonalisabilit pour un endomorphisme de M2 (R)

On note E = M2 (R) et : f : E E,


1 a+d b+c
ab


.
c d
2 b+c a+d

a) Vrifier : f L (E) et f 2 = f.
b) Dterminer les valeurs propres et les sous-espaces propres de f .
c) Est-ce que f est diagonalisable ?

1.6 lments propres dun endomorphisme dun ev de polynmes


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

1.7 Exemple de dtermination des lments propres dun endomorphisme de M2 (R)


On considre lapplication

f : M2 (R) M2 (R),


a b
d b


.
c d
c a

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


dans la base canonique de M2 (R).
b) Montrer que f est diagonalisable.

1.8 tude de diagonalisabilit pour un endomorphisme dun ev de polynmes


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

Dunod. Toute reproduction non autorise est un dlit



a) Vrifier : f L R2 [X] .
b) Former la matrice de f dans la base canonique B = (1, X, X2 ) de R2 [X].
c) Dterminer une CNS sur (a, b) pour que f soit diagonalisable.

1.9 tude de diagonalisabilit pour une matrice carre dordre 2 paramtres, daprs
EDHEC 2008
Dterminer une condition ncessaire et susante sur (x, y) R2 pour que la matrice A =


0 1
y 2x

soit diagonalisable dans M2 (R).

1.10 Exemple dtude de diagonalisabilit dune matrice carre dordre 3 paramtre, daprs
EDHEC 2008

3 a 5 + a a

On note, pour tout a R, M(a) = a a 2 a M3 (R).

5
5 2
5

Chapitre 1

Rduction des endomorphismes et des matrices carres

a) Dterminer les valeurs propres de M(a), pour tout a R.


b) Trouver lensemble des a R tels que M(a) soit diagonalisable.

1.11 tude de diagonalisabilit pour une matrice carre dordre 3 paramtre

0 0 1

a) On note J = 1 0 1 . Montrer que J est diagonalisable dans M3 (C).

010

b
a c

b) On note, pour tout (a, b, c) C3 , M(a, b, c) = b a + c b + c .

c b a+c
Montrer que, pour tout (a, b, c) C3 , M(a, b, c) est diagonalisable dans M3 (C).

1.12 Exemple dtude de diagonalisabilit pour un endomorphisme de M2 (R)


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


a) Vrifier : f L M2 (R) .

On note A =

b) Dterminer Ker ( f ) et en donner une base et la dimension.


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


10
01
00
00
,
E2 =
,
E3 =
,
E4 =
.
E1 =
00
00
10
01
e) Est-ce que f est diagonalisable ?

1.13 Exemple dendomorphisme dun espace de fonctions, daprs HEC 2010


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



est un endomorphisme du R-espace vectoriel E.

c) La matrice M est-elle inversible ? diagonalisable ?

1.14 Exemple de dtermination des valeurs propres dune matrice carre dordre n

1 si i + j est pair
Soient p N , n = 2p + 1, A = (ai j )i j Mn (R), o : ai j =

0 sinon.

a) Est-ce que A est diagonalisable ?


b) Dterminer les valeurs propres et les sous-espaces propres de A.

1.15 Exemple dtude de diagonalisabilit pour une matrice carre dordre n

1 si (i = 1 ou j = n)
Soient n N \ {0, 1}, A = (ai j )i j Mn (R) o : ai j =

0 sinon.

noncs des exercices

a) Dterminer les valeurs propres de A.


b) Calculer A2 . Est-ce que A2 = A ?
c) Montrer que A nest pas diagonalisable.

1.16 Endomorphismes f tels que ( f ae) ( f be) = 0, daprs EDHEC 2006


Soient E un K-ev de dimension finie, n = dim (E) N , e = IdE , (a, b) K2 tel que a  b,
f L (E) tel que ( f ae) ( f be) = 0.
a) Montrer :

Im ( f be) Ker ( f ae)

Im ( f ae) Ker ( f be).

et

1
1
( f be) +
( f ae) = e.
ab
ba
c) Dmontrer que les sev Ker ( f ae) et Ker ( f be) de E sont supplmentaires dans E.
b) tablir :

d) Conclure que f est diagonalisable.

1.17 Matrices A Mn(R) telles que A2 = In, daprs EDHEC 2006


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


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

Dunod. Toute reproduction non autorise est un dlit

1.18 tude dun endomorphisme nilpotent


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

1.19 Polynmes dendomorphismes, daprs HEC 2010


Soient E un espace vectoriel de dimension finie, e = IdE , f L (E) tel que :
( f e)3 ( f 2e)2 = 0
tudier la diagonalisabilit de f .

et

( f e)3 ( f 2e)  0.

1.20 Exemple de recherche des sev stables par un endomorphisme, daprs HEC 2009
Soient E un K-espace vectoriel de dimension 3, B = (e1 , e2 , e3 ) une base de E.
7

Chapitre 1

Rduction des endomorphismes et des matrices carres

0 1 0

On considre la matrice A = 0 0 1 de M3 (K) et on note f lendomorphisme reprsent par A

000
dans la base B de E.
On se propose de trouver tous les sev F de E stables par f , cest--dire les sev F de E tels que
f (F) F.
a) Dterminer les valeurs propres et les sous-espaces propres de f .
b) Soit F un sev de E stable par f .
1) Montrer que, si dim (F) = 1, alors F = Vect (e1 ).
2) Montrer que, si dim (F) = 2, alors F = Vect (e1 , e2 ).
c) Conclure.

1.21 Noyau et image de f 2 lorsque f est diagonalisable


Soient E un espace vectoriel de dimension finie, f L (E) diagonalisable. Montrer :
Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).

1.22 Racines carres dune matrice carre de Mn(C) ayant n valeurs propres
Soient n N , A Mn (C) admettant n valeurs propres deux deux distinctes, notes 1 , ..., n .
On note D = diag(i ) et P GLn (C) telle que A = PDP1 .
1in

On se propose de rsoudre lquation M 2 = A, dinconnue M Mn (C).


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


d) En dduire lensemble M Mn (C) ; M 2 = A .
Cet ensemble est-il fini ? Si oui, combien a-t-il dlments ?

1.23 Lien entre les diagonalisabilits de AB et de BA


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

1.24 f g et g f ont les mmes valeurs propres


Soient E un espace vectoriel de dimension finie, f, g L (E). Montrer que f g et g f ont les
mmes valeurs propres.

1.25 Exemple dendomorphisme dun espace de polynmes, daprs HEC 2010


On note f : R[X] R[X], P  3XP + (X2 X)P  (X3 X2 )P  .
a) Montrer que f est un endomorphisme du R-espace vectoriel R[X].
b) Calculer f (Xn ) pour tout n N.
c) Lapplication f est-elle injective ? surjective ?
8

noncs des exercices

d) 1) Montrer quil existe n N unique tel que Rn [X] soit stable par f et dterminer cet entier n.
2) On note g lendomorphisme de Rn [X] (o n a la valeur obtenue ci-dessus) induit par f .
Est-ce que g est diagonalisable ?

1.26 Exemple dtude de diagonalisabilit pour une matrice carre dordre n

2
1

Soit n N tel que n  3. On note An = ...

2
0
..
.
0
2

. . . 2 2

. . . 0 1

.. .. M (R).
n
(0) . .

. . . 0 1
... 2 2

a) Quel est le rang de An ? En dduire que 0 est valeur propre de An et dterminer la dimension
du sous-espace propre associ.
b) Dterminer les valeurs propres de An .
c) Montrer que An est diagonalisable.

1.27 tude de diagonalisabilit pour une matrice carre dordre n


Soient n N , a1 , ..., an R tels que 0 < a1 < ... < an . On note :

0 a2 a3 . . . . . . an
a 0 a . . . . . . a
3
n
1

.
.
..
a a 0 . .

1 2
Mn (R).
A = . . . .
.. .. . . . . . . . ...

. .
..

.. ..
.
0
a
n

a
a
.
.
.
.
.
.
a
0
1 2
n1

x1
n

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

i=1
xn


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


k 1 ; n, + ak  0

et

n


Dunod. Toute reproduction non autorise est un dlit

k=1

ak
= 1.
+ ak

c) Dresser le tableau des variations de la fonction f :  1 +

n

k=1

ak
.
+ ak

d) Conclure quant la diagonalisabilit de A dans Mn (R).

1.28 tude des valeurs propres dune matrice carre dordre n tridiagonale, par utilisation
dune suite rcurrente linaire

0 1 0 . . .

.
1 0 . . (0)

Soient n N , A = 0 . . . . . . . . .

.
.
.. (0) . . 0

0 ... 0 1

..
.

0 Mn (R).

1
0
9

Chapitre 1

Rduction des endomorphismes et des matrices carres

a) Montrer que A est diagonalisable dans Mn (R).



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

xn
plus x0 = 0 et xn+1 = 0.
i 0 ; n 1, xi+2 xi+1 + xi = 0.

1) Montrer :

2) tablir que lquation r2 r + 1 = 0, dinconnue r C, admet deux solutions distinctes,


notes r1 , r2 .
3) En dduire : [2 ; 2].

1.29 Somme de projecteurs


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



ui = e et (i, j) 1 ; k2 , i  j = ui u j = 0 .
i=1

a) Montrer : i 1 ; k, u2i = ui .


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

k


Im (ui ).

i=1

c) Dmontrer que tout lment de Vect (u1 , ..., uk ) est diagonalisable.

1.30 Trois endomorphismes vrifiant des galits


Soient E un espace vectoriel de dimension finie, e = IdE , f, g, h L (E) tels que :
f g = h,

g h = f,

h f = g.

a) Montrer : f 2 = g2 = h2 puis f 5 = f.
On suppose dornavant que f est bijectif et diagonalisable.
b) tablir : f 2 = e.
c) Montrer que f, g, h commutent deux deux.

1.31 CNS pour que 2 soit valeur propre de f 2


Soient E un espace vectoriel de dimension finie, R, f L (E).
Montrer : 2 est valeur propre de f 2 si et seulement si ou est valeur propre de f .

1.32 Exemple des puissances dune matrice carre non diagonalisable


Soient n N , A Mn (R) telle que :
A(A In )2 = 0,

(A In )2  0,

A(A In )  0.

a) Montrer que les valeurs propres de A sont 0 et 1.


b) tablir que A nest pas diagonalisable.
c) Exprimer, pour tout k N , Ak comme combinaison linaire de A et A2 .
d) Donner un exemple de telle matrice A pour n = 3.
10

noncs des exercices

1.33 tude de projecteur, daprs HEC 2010

0 0 1

a) La matrice A = 0 1 0 est-elle diagonalisable dans M3 (R) ?

000
b) Soient E un R-ev de dimension 3 et f L (E) tel que f 2 soit un projecteur et que rg ( f 2 ) = 1.
1) Montrer que lensemble des valeurs propres de f est {0} ou {0, 1} ou {0, 1}.
2) On suppose, de plus, que f admet 1 pour valeur propre et que f nest pas un projecteur.
Montrer quil existe une base B de E dans laquelle f est reprsent par A.

1.34 Disques de Gershgorin


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

existe i 1 ; n tel que : | aii | 
|ai j |.
1 jn, ji

1.35 Comportement asymptotique des valeurs propres dune matrice carre dordre n

1
1

On note, pour tout n N tel que n  4 : An = 1


.
.
.
1

1 1 ...
1 0 ...
.
0 0 ..
.. ..
. . (0)
0 0 ...

0 Mn (R).

..
.

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


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

Dunod. Toute reproduction non autorise est un dlit

cn > 2,

cn +,
n

cn

n,

bn 1,
n

an n.
n

1.36 galits de polynmes de matrices carres


Soient P K[X], A, B Mn (K) diagonalisables. On suppose que lapplication polynomiale
P : K K, x  P(x) est injective et que P(A) = P(B). Montrer : A = B.

11

Chapitre 1

Rduction des endomorphismes et des matrices carres

Du mal dmarrer ?
1.1

1.6

Dterminer les SEP en utilisant la dfinition.

b) 1) Rsoudre lquation f(P) = P, dinconnues C,


P C2 [X] \ {0}, en notant P = aX2 + bX + c, (a, b, c) C2 .

a) Pour dterminer les vp de A, tudier le rang de la matrice A I3 selon les valeurs du rel .

b) Remarquer que B est symtrique relle.


Pour dterminer les vp de B, tudier le rang de la matrice BI3
selon les valeurs du rel .
Dterminer les SEP en utilisant la dfinition.

c) Pour dterminer les vp de C, tudier le rang de la matrice


C I3 selon les valeurs du rel .

a) Immdiat.

b) 2) Calculer f(1), f(X), f(X2 ), en dduire la matrice de f dans


la base canonique (1, X, X2 ) de C2 [X] et dterminer les vp et
les SEP de cette matrice carre dordre 3 par la mthode habituelle.
c) Lendomorphisme f de C2 [X] admet trois vp deux deux distinctes.

Dterminer les SEP en utilisant la dfinition.

1.7

d) Pour les vp, remarquer que E est triangulaire.

Calculer les images par f des vecteurs de la base canonique


B = (E1 , E2 , E3 , E4 ) de M2 (R).

Montrer que E nest pas diagonalisable en raisonnant par labsurde.

e) Pour dterminer les vp de F, tudier le rang de la matrice


F I3 selon les valeurs du rel .
Dterminer les SEP en utilisant la dfinition.

a) La linarit de f est immdiate.

b) Remarquer que la matrice de f dans B est symtrique relle.

1.8

a) Immdiat.

b) Calculer f(1), f(X), f(X2 ).


c) Le cas a2 + b2 = 0 est dtude immdiate.

f) Pour dterminer les vp de G, tudier le rang de la matrice


G I3 selon les valeurs du rel . cet effet, tudier les variations de la fonction  3 + 2 4.

Si a2 + b2  0, raisonner par labsurde pour montrer qualors f


nest pas diagonalisable.

Montrer que G nest pas diagonalisable en raisonnant par labsurde.

1.9

1.2

a), b) Immdiats.

1.10

c) Remarquer que A est symtrique relle.


Dterminer SEP (f, 2) et, dautre part, utiliser a) pour dduire Vect (v1 , v2 , v3 ) SEP (f, 2).

1.3

a) Remarquer que A est symtrique.

b) Rsoudre lquation AX = X, dinconnues R,



x1

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

x5
en fonction de x1 .

1.4

tudier les valeurs propres de A et sparer en cas selon


le signe de y x2 .

a) Remarquer que A est symtrique relle.

a) Calculer, pour R, le rang de M(a) I3 selon les


valeurs de .
b) Dterminer les SEP de M(a) en utilisant la dfinition.

tudier la somme des dimensions des SEP de M(a).

1.11

a) Dterminer les vp de J par la mthode habituelle.

Montrer que le polynme X3 X 1 de C[X] admet trois zros


deux deux distincts.

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


I3 , J, J2 .

1.12

a) Immdiat.

Calculer le rang de A, par exemple.


x y
M2 (R).
z t


x y
M2 (R).
z t

b) Pour dterminer les vp de A, tudier le rang de la matrice


A I3 selon les valeurs du rel .

c) Calculer f(M) pour toute M =

Dterminer les SEP de A par la dfinition.

d) Calculer f(E1 ), ..., f(E4 ) en fonction de E1 , ..., E4 .

c) Utiliser la diagonalisation A = PDP


culer (PDP 1 )n = PDn P 1 .

1.5

obtenue en b) pour cal-

a) Immdiat.

b) Pour dterminer les vp, utiliser a).


Dterminer les SEP en utilisant la dfinition.

c) Calculer la somme des dimensions des SEP.

12

b) Rsoudre f(M) = 0, dinconnue M =

e) Remarquer que la matrice obtenue en d) est symtrique


relle.

1.13

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


en faisant intervenir un polynme.
b) Calculer (fi ) pour tout i 0 ; 3.
c) Montrer que M admet une valeur propre et une seule, puis
raisonner par labsurde.

Du mal dmarrer ?

1.14

b) Rsoudre lquation AX

x1

X = .. M2p+1,1 (R) \ {0}.


.

x2p+1

1.15

Utiliser : 2 = 0 = 0.

a) Remarquer que A est symtrique relle.


=

X, dinconnues

R,

a) Remarquer que A est triangulaire. b) Immdiat.

c) Pour montrer que A nest pas diagonalisable, raisonner par


labsurde et remarquer que, si D est une matrice diagonale semblable A, alors D2 = D.

1.16

a) Passer par les lments.

b) Immdiat.
c) Montrer que Ker (f ae) Ker (f be) = {0} en passant par
les lments.
Montrer E = Ker (f) + Im (f) en passant par les lments et
en utilisant a).

1.22

b) Immdiat.
c) Noter N = (xij )ij et traduire ND = DN.
d) Utiliser a), b), c). Pour dterminer le nombre dlments de
lensemble tudi, distinguer en deux cas selon que 0 est valeur
propre de A ou non.

1.23

a) Supposer A inversible et diagonaliser AB sous la forme


AB = PDP 1 .

tudier le cas o B est inversible.

b) Trouver un contrexemple, par exemple dans lequel AB = 0 et


BA  0.

1.24

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




(f g)(x) = x. Calculer (g f) g(x) et sparer en deux cas :
g(x)  0, g(x) = 0.

d) Montrer que les vp de f sont parmi a et b et utiliser c).

1.17

a) Considrer la matrice, diagonale par blocs, forme par


la rptition de la matrice dordre 2 propose.

b) 1) Appliquer lexercice 1.16, version matricielle, au couple


(a, b) = ( i , i ).
Ne pas oublier de montrer que i et i sont vp de A, en raisonnant par labsurde.

b) 2) Partir de AX = i X et conjuguer.
b) 3) Montrer que u1 , ..., ud sont dans E i et que la famille
(u1 , ..., ud ) est libre et gnratrice de E i .
b) 4) Dduire n = 2 dim (E i ), puis une contradiction.

1.18

a) Remarquer que le polynme Xp est annulateur de f.

Montrer que f nest pas bijectif.

b) Montrer que, si f est diagonalisable, alors f = 0.


Rciproque immdiate.

Dunod. Toute reproduction non autorise est un dlit

1.19

Remarquer que le polynme (X 1)3 (X 2)2 est annulateur de f et raisonner par labsurde pour montrer que f nest
pas diagonalisable.

1.20

a) Immdiat.

b) 1) Immdiat.
b) 2) Supposer quil existe v F tel que v  Vect (e1 , e2 ), noter
v = a1 e1 + a2 e2 + a3 e3 o (a1 , a2 , a3 ) R3 et a3  0, et considrer
f(v) et f 2 (v).
c) Immdiat.

1.21

Faire intervenir une base B = (e1 , ..., en ) de E dans laquelle f est reprsent par une matrice diagonale. Exprimer
Ker (f) et Im (f) laide de e1 , ..., en .

a) Remplacer M par PNP 1 .

Appliquer le rsultat de 1) (g, f) la place de (f, g).

1.25

a) b) Immdiats.

c) Considrer f(X2 ) et f(X3 ).


Remarquer : f(P)(0) = 0.

d) 1) Utiliser b).
d) 2) crire la matrice de g dans la base canonique de R3 [X],
en dduire les valeurs propres de g, puis dterminer les sousespaces propres de g.

1.26

a) Remarquer que, en notant C1 , ..., Cn les colonnes


de An , on a C1 = Cn et C2 = ... = Cn1 .
Appliquer le thorme du rang.

b) Dterminer les vp de An par ltude de lquation An X = X,


dinconnue R et o X Mn,1 (R) \ {0}.
c) tudier les dimensions des SEP de An .

1.27

a) Immdiat.

b) Supposer, par exemple, + a1 = 0, et dduire X = 0, contradiction.


Dduire S  0.

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


de f.
d) Dduire de c) que A admet n vp deux deux distinctes.

1.28

a) Remarquer que A est symtrique relle.

b) 1) Poser le systme dquations correspondant AX = X.


b) 2) Raisonner par labsurde : supposer que lquation
r2 r + 1 = 0, dinconnue r C, admet une solution double, et
amener une contradiction.

b) 3) Remarquer : r1 + r2 = , r1 r2 = 1.

13

Chapitre 1

1.29

Rduction des endomorphismes et des matrices carres

a) Pour i 1 ; k, calculer ui par ui = e ui .

b) Soit (x1 , ..., xk ) Im (u1 ) Im (uk ) tel que

k


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


termes diagonaux sont 0, 1, 1.
xi = 0. In-

i=1

troduire ti E tel que xi = ui (ti ), dduire xi = ui (xi ), puis, pour


k


j 1 ; k, calculer uj
xi .
i=1

Montrer que, pour tout x E, x se dcompose sur les


Im (ui ), 1  i  k, en partant de x = e(x).

c) Utiliser une base de E forme par la runion de bases des


Im (ui ).

1.30

a) Calculer f 2 en remplaant (une fois) f par g h et en


utilisant les hypothses.
Calculer f 5 par f 2 f f 2 (par exemple).

b) Remarquer f (f 4 e) = 0 et utiliser la bijectivit de f.


Montrer que f 2 +e est bijectif, par exemple en passant laspect
matriciel dans une base de diagonalisabilit de f.

c) Calculer g f, en utilisant les hypothses et g2 = e (par


exemple).

1.31

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


un vecteur propre x de f associ , et calculer f 2 (x).
De mme si est valeur propre de f.

2) Pour la rciproque, raisonner par contraposition. Supposer


que nest pas valeur propre de f et que nest pas valeur
propre de f. Traduire ceci par des bijectivits.

1.32

a) 1) Remarquer que le polynme X(X1)2 est annulateur

de A.

2) Supposer que 0 nest pas valeur propre de A et, en utilisant


A1 , dduire une contradiction.
Supposer que 1 nest pas valeur propre de A et, en utilisant
(A In )1 , dduire une contradiction.

b) Raisonner par labsurde : supposer A diagonalisable.


crire alors A = PDP
sible.

avec D = diag (1, ..., 1, 0, ..., 0) et P inver-

Calculer D2 puis A2 et conclure.

1.33

a) Dterminer les vp et les SEP de A.

b) 1) Remarquer que le polynme X4 X2 est annulateur de f.


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

b) 2) Montrer que f nest pas diagonalisable, en raisonnant par


labsurde.
tablir : Ker (f)  Ker (f 2 ).
Utiliser un vecteur v3 tel que v3 Ker (f 2 ) et v3  Ker (f).

1.34

Soit une vp de A dans C.



x1

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

xn
ser aux lments. Considrer un indice i 1 ; n tel que
|xi | = Max |xk |. Faire passer aii xi dans lautre membre et utiliser
1kn

lingalit triangulaire.

1.35

a) Remarquer que An est symtrique relle.



b) Montrer rg (An ) = 3 et dduire dim SEP (An , 0) = n 3  1.

c) tudier, pour R, le rang de An In et sparer en cas :


= 0,
= 1,
 0 et  1.
Montrer que Pn admet trois zros rels, deux deux distincts.

d) Calculer Pn (2).
Montrer cn3  n 2.
Montrer cn3 (n 2)cn .
n

b3n b2n
.
n2
Remarquer an bn cn = (n 2).

Montrer bn 1 =

c) Obtenir A3 = 2A2 A.
Montrer, par rcurrence, que, pour tout k N , il existe
(ak , bk ) R2 tel que : Ak = ak A + bk A2 , et obtenir des relations exprimant ak+1 et bk+1 en fonction de ak et bk .
Exprimer ak+2 en fonction de ak et ak+1 . Rsoudre cette rcurrence linaire du second ordre coefficients constants.

14

1.36

Introduire D = diag(di ), E = diag(ei ), Q, R GLn (K) telles

que :
Dduire :

1in

A = QDQ1

et

1in

B = RER1 .

(R1 Q)P(D) = P(E)(R1 Q).

Noter U = R1 Q et passer aux lments.

Corrigs des exercices


1.1
a) Dterminons les valeurs propres de A. Soit R. On a :

3
4 6

rg (A I3 ) = rg 1 3 1

4
4 3

1 3 1

3 L1 L2
= rg 4 6

4
4 3

3
1

= rg 0 6 (4 + )(3 ) 3 + (4 + )

0
4 + 4(3 )
1
L2 L2 (4 + )L1
L3 L3 + 4L1

3
1
1

8 4 1 L2 L3
= rg 0

2
0 6 + + 1 +

3
1 1

= rg 0 1 8 4 C2 C3

2
0 1 + 6 + +

3
1 1

= rg 0 1 8 4 L3 L3 + L2

2
0
0
3 + 2

3 si  1 et  1 et  2
=

2 sinon.
Ceci montre que les valeurs propres de A sont : 1, 1, 2.
Comme A est carre dordre 3 et que A admet trois valeurs
propres deux deux distinctes, daprs le cours, A est diagonalisable.
Dterminons les sous-espaces propres de A.

x

Soit X = y M3,1 (R).

z
 X SEP (A, 1) AX = X

3x + 6y 3z = 0
4x + 6y 3z = x


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

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

(x + z) + 2y = 0

x + z = 0


(x + z) + 4y = 0

y = 0.

(x + z) y = 0



1

 x

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


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

4x + 6y 3z = x
5x + 6y 3z = 0


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

4x 4y + 3z = z

4x 4y + 2z = 0

x = 2y z

z = 2y


5(2y

z)
+
6y

3z
=
0

x = 0.

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


0
 0


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




2
2y
 X SEP (A, 2) AX = 2X

6x + 6y 3z = 0
4x + 6y 3z = 2x


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

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

2(x y) z = 0

x y = 0


(x

y)

z
=
0

z = 0.

4(x y) + z = 0


1

 x

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




0
0
On conclut A = PDP1 , o, par exemple :

1 0 1

P = 0 1 1 ,

1 2 0

1 0 0

D = 0 1 0 .

0 02

b) La matrice B est symtrique relle, donc, daprs le cours, B


est diagonalisable.
Dterminons les valeurs propres de B. Soit R. On a :

rg (B I3 ) = rg 0

= rg 0

0
1

1 1

1 1 L1 L3

0
1
15

Chapitre 1

Rduction des endomorphismes et des matrices carres

= rg 0

= rg 0

1
1

2 L3 L3 + L1
1+

1 1

0 L3 L3 + L2

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

3 si  0 et  1 et  2
=

2 sinon.

Ceci montre que les valeurs propres de B sont : 0, 1, 2.


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

x

Soit X = y M3,1 (R).

z
 X SEP (B, 0) BX = 0

z = 0

x + y + z = 0

z = 0

y = x,

x
= Vect
;
x

R
donc : SEP (B, 0) =


1
1 .

0

 X SEP (B, 1) BX = X

z = x


z = y

x + y + z = z

y = x

z = x,

x
= Vect
;
x

R
donc : SEP (B, 1) =


1
1 .

1

 X SEP (B, 2) BX = 2X

z = 2x


z = 2y

x + y + z = 2z

donc : SEP (B, 2) =

x ; x R
= Vect

2x


1

1 .
2

On conclut B = PDP1, o, par exemple :

1 1 1

P = 1 1 1 ,

0 1 2
16

0 0 0

D = 0 1 0 .

0 0 2

y = x

z = 2x,

c) Dterminons les valeurs propres de C. Soit R. On a :

2
3 6

0
rg (C I3 ) = rg 0 1

4 12 3

4 12 3 L1 L3

0
= rg 0 1

3 6
2

4 12 3

0
= rg 0 1

2 L3 4L3 + ( 3)L1
0 12(1 ) 1

4 12 3

= rg 0 12(1 ) 1 L2 L3

0 1
0

3
4 12

1
= rg 0 12(1 )

=
2

12(1 )(1 + ) L3 L3 12L2

si  1 et  1
si = 1
si = 1.

Ceci montre que les valeurs propres de C sont : 1 et 1.


Dterminons les sous-espaces propres de C.

x

Soit X = y M3,1 (R).

z
X SEP (C, 1) CX = X

3x 6y 2z = x


y = y

4x 12y 3z = z


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

2x

y = 0

z = 2x

1

0 .
2

X SEP (C, 1) CX = X

3x 6y 2z = x

x = 3y + z,

y=y

4x 12y 3z = z

3y + z

y
(y,
z)
donc : SEP (C, 1) =

1
3

0
1
;
(y,
z)

R
+
z
y
= Vect
=


3
1 ,

0


1
0 .

1

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


des sous-espaces propres de C est gale 1 + 2 = 3, donc,
daprs le cours, C est diagonalisable.

Corrigs des exercices

y
= Vect
;
y

R
donc : SEP (F, 4) =

On conclut C = PDP1, o, par exemple :

1 3 1

P = 0 1 0 ,

201

1 0 0

D = 0 1 0 .

0 01

Puisque F est carre dordre 3 et que la somme des dimensions


des sous-espaces propres de F est 1 + 1 = 2, on conclut que F
nest pas diagonalisable.

d) La matrice E est triangulaire (suprieure) donc les valeurs


propres de E se lisent sur sa diagonale : E admet une valeur
propre et une seule, qui est 1.
Si E tait diagonalisable, il existerait P M3 (R) inversible telle
que E = PI3 P1 = PP1 = I3 , contradiction.
On conclut que E nest pas diagonalisable.
e) Dterminons les valeurs propres de F. Soit R. On a :

1
3 1

rg (F I3 ) = rg 0 2 2

1
1 3

1 3
1
L L3

= rg 0 2 2 1

3 1
1

3
1 1

2
= rg 0 2

0 2 6 + 10 L3 L3 + (3 )L1

1 1 3

= rg 0 2 2

0
0
L3 L3 L2
o = 2 6 + 8 = ( 2)( 4)

3
=

f) Dterminons les valeurs propres de G. Soit R. On a :

1
1 0

1 2
rg (G I3 ) = rg 0

1
1 1

1 1 L1 L3
1

1 2
= rg 0

1 0
1

1
1
1

2
= rg 0 1

2 L3 L3 + (1 + )L1
0 (1 + ) 2

1 1 1

1 C2 C3
= rg 0 2

0 2 2 1

1 1 1

= rg 0 2 1

2
0 0
L3 2L3 (2 )L2
o = 2 2 (2 2 )(1 ) = 3 + 2 4

3
=

si  0
si = 0.

si  2 et  4

Les valeurs propres de G sont donc les tels que = 0.

si = 2 ou = 4.

tudions les variations de lapplication

Ceci montre que les valeurs propres de F sont : 2 et 4.

 X SEP (F, 2) FX = 2X

3x y + z = 2x


2y + 2z = 2y

x + y + 3z = 2z


= Vect
;
x

R
x
donc : SEP (F, 2) =

P : R R,  3 + 2 4.
Lapplication P est drivable (donc continue) sur R et :

Dterminons les sous-espaces propres de F.



x

Soit X = y M3,1 (R).

z
Dunod. Toute reproduction non autorise est un dlit


0
1 .

1

R, P  () = 32 + 2 = (3 + 2).

z = 0

x = y,


1
1 .

0

 X SEP (F, 4) FX = 4X

3x y + z = 4x


2y + 2z = 4y

x + y + 3z = 4z

On forme le tableau des variations de P :

0
2/3
+

P  ()

0
+
0

+
<0
P()



4

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

x = 0
,

y = z

Ainsi, G admet une valeur propre et une seule, et cest .


Si G tait diagonalisable, il existerait P M3 (R) inversible telle
que G = P(I3 )P1 = I3 , contradiction.
On conclut que G nest pas diagonalisable.
17

Chapitre 1

Rduction des endomorphismes et des matrices carres

Montrons que (v1 , v2 , v3 ) est libre.

1.2
a) On a :

do :


1 1 2

1 1 2
= ,
1 0 0

0
1 0

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

1 1 1 1 1 = 2 ,

1
1 1 1 1
2

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

1 1 1 1 1 = 2 ,

0
1 1 1 1 0

1
1

1
1
1
1

1
1
1
1

i 1 ; 3, f (vi ) = 2vi .

On a, pour tout (a1 , a2 , a3 ) R3 :


a1 v1 + a2 v2 + a3 v3 = 0

a1 + a2 + a3 = 0

a1 a2 = 0

a2 + a3 = 0

a2 = 0

donc (v1 , v2 , v3 ) est libre.


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


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


On a donc dim SEP ( f, 2) = 3, et on obtient :

b) On calcule le produit de A par elle-mme et on obtient :


A = 4 I4 .
2

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


cours, les valeurs propres de A sont parmi les zros de ce polynme, donc les valeurs propres de A sont parmi 2 et 2. Comme
f est reprsent par A, on conclut que les valeurs propres de f
sont parmi 2 et 2.
2

c) La matrice A est symtrique relle, donc, daprs le cours,


A est diagonalisable dans M4 (R).

x
y
On a, pour tout V = M4,1 (R) :
z
t

x + y + z + t = 2x

x + y z t = 2y

AV = 2V

x y + z t = 2z

x y z + t = 2t

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

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

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

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

y = x


z = x

t = x,

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


On conclut quune matrice de passage P de la base canonique
B0 de R4 une base de vecteurs propres pour f est :

1 1 1 1
1 1 0 1
.
P =
0 1 1 1
0 1 0 1

1.3
a) La matrice A est symtrique, donc, daprs le cours, A est
diagonalisable.

x1

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

x5

x2 = x1
x2 = x1

x1 + x3 = x2
x3 = x2 x1

AX = X
x2 + x4 = x3
x4 = x3 x2

x3 + x5 = x4
x5 = x4 x3

x4 = x5
x4 = x5

x2 = x1

x3 = (2 1)x1

(S)
x4 = (3 2)x1

x5 = (4 32 + 1)x1

(3 2)x1 = (5 33 + )x1 .



donc : SEP ( f, 2) = Vect (1, 1, 1, 1) .

Si x1 = 0, alors, x2 , x3 , x4 , x5 sont tous nuls, donc X = 0, exclu.

Daprs a), 2 est valeur propre de f et v1 , v2 , v3 sont des vecteurs propres pour f associs la valeur propre 2, donc :

On a donc x1  0. Et :

Vect (v1 , v2 , v3 ) SEP ( f, 2).


18

a2 = 0


a1 = 0

a3 = 0,

3 2 = 5 33 + 5 43 + 3 = 0
(4 42 + 3) = 0 (2 1)(2 3) = 0

Corrigs des exercices

( 1)( + 1)(

3)( +

3) = 0.

Si = 0, alors :


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

1
0

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

0
1

Dunod. Toute reproduction non autorise est un dlit

Si = 1, alors :


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

1
1

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

1
1
Si = 1, alors :


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

1
1

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

1
1

Si = 3, alors :



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

1

3

donc 3 est vp de A et SEP (A, 3) = Vect 2 .



3
1

Si = 3, alors :



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

1
3

donc 3 est vp de A et SEP (A, 3) = Vect 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 1 1 1 1
0 1 1 3 3


1 , 0 , 0 , 2 , 2 .


0 1 1 3 3

1
1
1
1
1

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


cinq valeurs propres deux deux distinctes, daprs le cours, A
est diagonalisable, ce que lon avait obtenu en a) par une autre
mthode.

1.4
a) La matrice carre A est symtrique relle, donc, daprs le
cours, A est diagonalisable.
On a, par L1 L3 :

1 1 1/2
0 0 1

rg (A) = rg 0 1 1 = rg 0 1 1 = 3,

00 1
1 1 1/2
donc A est inversible.
b) Dterminons les valeurs propres de A. Soit R. On a :

1
0

1
rg (A I3 ) = rg 0 1

1
1 1/2

1 1/2
1

1
= rg 0 1
L L

1
3
0
1

1/2
1 1

1
= rg 0 1

2 L3 L3 + L1
0 1+ 2
Si  1, alors, par L3 (1 )L3 L2 :

1 1 1/2

1
rg (A I3 ) = rg 0 1

0 0

o :



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

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

Dterminons les sous-espaces propres de A.



x

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

z
19

Chapitre 1

Rduction des endomorphismes et des matrices carres

 X SEP (A, 1) AX = X

1.5

z = x

y + z = y

x + y + z = z
2

donc :

z = x

y = ,
2


2

SEP (A, 1) = Vect 1 .

2

 X SEP (A, 2) AX = 2X

z = 2x

y + z = 2y

x + y + z = 2z
2

= f (M) + f (M  ),

z = 2x

y = 2x,


1

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

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

z= x


y+z=

x + y +

donc :

donc f est linaire.


a b
M2 (R) :
c d




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


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


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

On a, pour toute M =

donc : f 2 = f.
1
y
2
1
1
z= z
2
2

1
SEP A,
= Vect
2

x = 2z

y = 2z,


2
2 .

1

On en dduit une
de A, A =

diagonalisation
1 0 0
2 1 2

exemple : P = 1 2 2 , D = 0 2 0 .

0 0 1/2
2 2 1

2 1
1
On calcule P1 et on obtient : P1 = 1 2
9
2 2

PDP1 , o, par

2 .

c) Remarquons dabord que, pour tout n Z, An et Dn existent,


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

4(1)n + 2n + 4 2n 2(1)n + 2n+1 22n 4(1)n + 2n+1 + 21n


1

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


9 4(1)n + 2n+1 + 21n 2(1)n + 2n+2 21n 4(1)n + 2n+2 + 2n

20

a)
On a, pour
tout R et pour toutes matrices
ab
a b
M=
, M  =   M2 (R) :
c d
c d


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


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




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


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

b) Puisque f 2 f = 0, le polynme X2 X est annulateur de f .


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


a b
On a, pour toute M =
M2 (R) :
c d



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

d = a
a + d = 0

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




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


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


a b
M2 (R) :
c d

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

a + d = 2a = 2d

b + c = 2b = 2c

On a, pour toute M =

b
d

d = a

c = b

Corrigs des exercices

donc 1 est valeur propre de f et :




1 0
0 1 

a b
,
.
SEP ( f, 1) =
; (a, b) R2 = Vect
01
10
ba

Donc :
f (P) = P

= 1 2i
= 1 + 2i
=1

ou

c = a
c = a
b = 0 ou

b = 2 i a
b = 2 i a
a = c

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

Ainsi, les valeurs propres de f sont 1, 1 + 2 i , 1 2 i , et les


sous-espaces propres de f sont :
SEP ( f, 1) = Vect (1 + X2 ),
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X X2 ),

1.6

SEP ( f, 1 2 i ) = Vect (1 2 i X X2 ).

a) On a, pour tout P = aX + bX + c C2 (X] :


2

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


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



= (X2 + 1)P  (2X 1)P + (X2 + 1)Q  (2X 1)Q
= f (P) + f (Q),

donc f est linaire.


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

Dunod. Toute reproduction non autorise est un dlit

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

b = (1 )a
a b = a


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

b = ( 1)c
b + c = c

c = a
=1

ou

b
=
0
b
=
(1

)a

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

(1 )2 + 4 = 0
=1

ou

b
=
0
c
=
a

b = (1 )a,
a = c

b) 2) On calcule les images par f des vecteurs de la base canonique de C2 [X] :

f (1) = (2X 1) = 1 2X

f (X) = (X2 + 1) (2X 1)X = 1 + X X2

f (X2 ) = (X2 + 1)2X (2X 1)X2 = 2X + X2 ,


do la matrice A de f dans B = (1, X, X2 ) :

1 1 0

A = 2 1 2 .

0 1 1
Dterminons les valeurs propres de A. Soit R. On a :

0
1 1

rg (A I3 ) = rg 2 1 2

0
1 1

2 1 2

0 L1 L2
= rg 1 1

0
1 1

1
2
2

= rg 0 2 + (1 ) 2(1 )

0
1
1
L2 2L2 + (1 )L1

1
2
2

1
1
= rg 0

2
0 2 + (1 ) 2(1 ) L2 L3

2 1 2

= rg 0 1 1

0
0

car, dans le second systme, si a = 0, alors c = 0, b = 0, donc


P = 0, exclu.



L3 L3 + 2 + (1 )2 L2

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


1 = 2 i ou 1 = 2 i


= 1 + 2 i ou = 1 2 i .

o :


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


= (1 ) 4 + (1 )2 ,
21

Chapitre 1

Rduction des endomorphismes et des matrices carres

et : = 0 = 1 ou = 1 + 2 i ou = 1 2 i .

1.7

Ainsi, les valeurs propres de A sont : 1, 1 + 2 i , 1 2 i .

a)
On a, pour
tout R et pour toutes matrices
ab
a b
M=
, M  =   M2 (R) :
c d
c d


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


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




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


c a
c a

Dterminons les sous-espaces propres de A.



x

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

z

1 1 0 x x

2 1 2 y = y

z
0 1 1 z

x+y = x


2x + y + 2z = y

y + z = z

y = 0

x = z,


1

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

1

x

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

z

x
1 1 0 x

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

z
0 1 1 z

x
+
y
=
(1
+
2
i
)x


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

y + z = (1 + 2 i )z

2 i x + y = 0

y = 2 i x

2x

2
i
y
+
2z
=
0

z = x,

y 2 i z = 0

1

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

1

 De mme : SEP (A, 1 2 i ) = Vect 2 i .

1
Lendomorphisme f a les mmes valeurs propres que A,
donc les valeurs propres de f sont 1, 1 + 2 i , 1 2 i . Les vecteurs propres de A nous donnent les coordonnes des vecteurs
propres de f dans la base (1, X, X2 ) de C2 [X] :

ce qui montre que f est linaire.


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


10
01
00
00
E1 =
, E2 =
, E3 =
, E4 =
.
00
00
10
01
On a :
f (E1 ) = E4 , f (E2 ) = E2 , f (E3 ) = E3 , f (E4 ) = E1 .
On en dduit la matrice A de f dans B :

0 0 0 1
0 1 0 0
.
A =
0 0 1 0
1 0 0 0
b) La matrice A est symtrique relle, donc, daprs le cours, A
est diagonalisable, puis, comme A reprsente f dans une base
de E, on conclut que f est diagonalisable.

1.8
a) Pour tout P R2 [X], on a :
P(X + a) R2 [X], P(X + b) R2 [X],
(a + b)P  (X) R1 [X] R2 [X],
donc : f (P) = P(X + a) + P(X + b) (a + b)P  [X] R2 [X].
On a, pour tous R, P, Q R2 [X] :



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


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


+ Q(X + a) + Q(X + b) (a + b)Q (X)

SEP ( f, 1) = Vect (1 + X2 ),
SEP ( f, 1 + 2 i ) = Vect (1 + 2 i X X2 ),

= f (P) + f (Q),

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


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

donc f est linaire.



On conclut : f L R2 [X] .
b) On a :
f (1) = 1 + 1 0 = 2,

Corrigs des exercices

f (X) = (X + a) + (X + b) (a + b) = 2X,

Finalement :

f (X2 ) = (X + a)2 + (X + b)2 (a + b)2X = 2X2 + (a2 + b2 ).

1.10

On en dduit la matrice M de f dans la base canonique


B = (1, X, X2 ) de R2 [X] :

2 0 a2 + b2

0 .
M = 0 2

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

1.9

Soit (x, y) R2 fix.

tudions les valeurs propres de A =


0 1
.
y 2x

a) Soit a R. Soit R. On a :

a
3 a 5 + a

a2
a
rg M(a) I3 = rg a

5
5
2

0
3 3
L1 L1 L2 .

a
= rg a a 2

5
5
2


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

1
0
1

a
rg M(a) I3 = rg a a 2

5
5
2

0
0
1

a C2 C2 + C1 .
= rg a 2

5
0
2
Si  2, alors, en divisant C2 par 2 :

0
1 0

a
rg M(a) I3 = rg a 1

5 0 2


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


Si = 2, alors : rg M(a) I3  2.

On a, pour tout R :


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


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

1 si 2x + y = 0
=
= rg
2

2 sinon.
0 2x + y

On obtient :


 2
rg M(a) I3

= 3

Il en rsulte :
vp de A 2 2x + y = 0
( x)2 + (y x2 ) = 0
Dunod. Toute reproduction non autorise est un dlit

A est diagonalisable dans M2 (R) si et seulement si y < x2 .

().

Si y x2 < 0, alors lquation () ci-dessus, dinconnue R,


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

P GL2 (R)
0 1
x0
1
telle que A = P(x I2 )P = x I2 , do
=
, contray 2x
0 x
diction (1  0).
On dduit que A nest pas diagonalisable dans M2 (R).

si = 2 ou = 3
sinon.

On conclut que les valeurs propres de M(a) sont : 2 et 3.


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

x

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

z


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

x
3 a 5 + a a x

a a 2 a y = 2 y

z
5
5 2 z

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

x = y



ax + ay + az = 0

az = 0,

5x 5y = 0
23

Chapitre 1

Rduction des endomorphismes et des matrices carres


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


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


1

1 ,
0


1 0
1 , 0 , et, si

0 1

2 si a = 0

do : dim SEP M(a), 2 =

1 si a  0.


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

x
3 a 5 + a a x

a a 2 a y = 3 y

z
5
5 2 z

ax + (a 5)y + az = 0

5x 5y 5z = 0

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

z = x

y = 0


1



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

1



do : dim SEP M(a), 3 = 1.
Il en rsulte que la somme des dimensions des sous-espaces
propres de M(a) est gale 3 si a = 0, et est gale 2 si a  0.
Comme M(a) est diagonalisable si et seulement si la somme
des dimensions de ses sous-espaces propres est gale 3, on
conclut que M(a) est diagonalisable si et seulement si a = 0.

1.11
a) Dterminons les valeurs propres de J dans C.
Soit C. On a :
rg (J I3 ) = rg

= rg

= rg

= rg

= rg

0 1
1 1

0 1

1 1

0 1 L1 L2
0 1

1 1

L2 L2 + L1
2
0 1 +
0 1

1 1

0 1
0 2 1 + L2 L3

0 1

3
0 0 + + 1 L3 + 2 L2

Les valeurs propres de J sont donc les solutions de lquation


3 1 = 0, dinconnue C.
Daprs le cours, cette quation du troisime degr admet,
dans C, trois solutions (a priori non ncessairement distinctes) ;
24

montrons que celles-ci sont deux deux distinctes. Raisonnons


par labsurde : supposons que lquation admette (au moins)
une solution (au moins) double, note . Daprs le cours,
annule le polynme considr et sa drive premire, cest-
3

1 = 0
dire :

32 1 = 0.

Ainsi, lquation 3 1 = 0, dinconnue C, admet


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

b
a c

M(a, b, c) = b a + c b + c

c b a+c

0
1 0 0

= a 0 1 0 + b 1

0
001


0 1 0 1 0

0 1 +c 0 1 1

10
101
!"

=J

et on remarque que la troisime matrice, dans cette dernire


expression, est J 2 .
Daprs a), il existe D D3 (C) et P GL3 (C) telles que
J = PDP1. On a alors J 2 = PD2 P1 , puis :
M(a, b, c) = a I3 + bJ + cJ 2
= a I3 + bPDP1 + cPD2 P1 = P(a I3 + bD + cD2 )P1 .
Comme a I3 + bD+ cD2 est diagonale, on conclut que M(a, b, c)
est diagonalisable dans M3 (C).

1.12
a) Dabord, f est bien une application de M2 (R) dans luimme.
On a, pour tout R et toutes M, N M2 (R) :
f (M + N) = A(M + N) = AM + AN = f (M) + f (N),
donc f est linaire.



On conclut : f L M2 (R) .


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

Corrigs des exercices

11 xy
00
x + z = 0

11 z t
00
y + t = 0,


 xy

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



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

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


et dim Ker ( f ) = 2.


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


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

Im ( f )




1 0
0 1 
a b
; (a, b) R2 = Vect
,
.
a b
1 0
0 1

cest--dire : x R, a0 + a1 x + a2 x2 + a3 x3 = 0.
Le polynme a0 + a1 X+ a2 X2 + a3 X3 sannule en tout rel, donc
cest le polynme nul, do a0 = a1 = a2 = a3 = 0.
Ceci montre que B est libre.
Puisque B est libre et que, par dfinition de E, B engendre E,
on conclut : B est une base de E.
Il en rsulte :

dim (E) = Card (B) = 4.

b) Il est clair que, pour toute f E, f est deux fois drivable


sur R, donc ( f ) = f  f  existe.
Calculons les images par des lments de B.
On a, pour tout x R :
( f0 )(x) = e x ,

( f1 )(x) = (1 x) e x ,

( f2 )(x) = (2x x2 ) e x ,

( f3 )(x) = (3x2 x3 ) e x ,

donc :
Dautre part, daprs le thorme du rang :






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


a b


1 0
0 1 
; (a, b) R2 = Vect
,
.
a b
1 0
0 1

Dunod. Toute reproduction non autorise est un dlit

d) On calcule les images


par f :

1
f (E1 ) = AE1 =
1

1
f (E2 ) = AE2 =
1

1
f (E3 ) = AE3 =
1

1
f (E4 ) = AE4 =
1

des lments E1 , E2 , E3 , E4 de B

1 1
1 0

1 0
1 0

1 0
1 1

1 0
1 0

0
1
=
0
1

1
0
=
0
0

0
1
=
0
1

0
0
=
1
0

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


0
= E1 + E3 ,
0

1
= E2 + E4 ,
1

0
= E1 + E3 ,
0

1
= E2 + E4 ,
1

1 0

0 1
.
1 0

01

e) La matrice F de f dans B est symtrique relle, donc,


daprs le cours, F est diagonalisable, et on conclut : f est diagonalisable.

1.13
a) Montrons que B est libre.
Soit (a0 , a1 , a2 , a3 ) R4 tel que

3


ak fk = 0. On a donc :

k=0

x R, (a0 + a1 x + a2 x2 + a3 x3 ) e x = 0,

( f0 ) = f0 ,

( f1 ) = f0 f1 ,

( f2 ) = 2 f1 f2 ,

( f3 ) = 3 f2 f3 .

Comme est linaire (par linarit de la drivation), il en rsulte :


f E, ( f ) E.
On conclut : est un endomorphisme de lespace vectoriel E.
De plus, la matrice M de dans B est :

1
0
M =
0
0

1
1
0
0

0
2
1
0

0
.
3

c) La matrice M est triangulaire (suprieure) et ses termes


diagonaux sont tous non nuls, donc M est inversible.
La matrice M est triangulaire (suprieure), donc ses valeurs
propres se lisent sur sa diagonale : M admet 1 pour valeur
propre et cest la seule.
Si M tait diagonalisable, il existerait P GL4 (R) telle que
M = P(I4 )P = I4 , contradiction. On conclut que M nest
pas diagonalisable.

1.14
Il sagit dune matrice forme de 0 et de 1 en damier :

1
0

A = 0
.
..

0
1
0
1
..
.
1
0

1
0
1
0
..
.
0
1

0
1
0
1
..
.
1
0

...
...
...
...
..
.
...
...

0
1
0
1
..
.
1
0

0 M

2p+1 (R).
..
.

1
25

Chapitre 1

Rduction des endomorphismes et des matrices carres

a) Daprs la dfinition de A :

qui est de dimension 1, engendr par le vecteur de coordonnes


(0, 1, 0, 1, ..., 0, 1, 0)

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

x2p+1

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

(i, j) 1 ; n2 , ai j = a ji ,
donc A est symtrique relle.
Daprs le cours, on conclut que A est diagonalisable.

x1
.
b) Soient R, X = .. M2p+1 (R) \ {0}. On a :

x2p+1

qui est de dimension 1, engendr par le vecteur de coordonnes


(1, 0, 1, 0, ..., 1, 0, 1).

x1 + x3 + + x2p+1 = x1 (1)

(2)

x2 + x4 + + x2p = x2
AX = X

..

x1 + x3 + + x2p+1 = x2p+1

Remarque : La somme des dimensions des sous-espaces


propres de A est gale 2p + 1, et on retrouve ainsi le fait
que A est diagonalisable.

1.15

(1), (2), x1 = x3 = = x2p+1 , x2 = x4 = = x2p

0

x = x3 = = x2p+1

ou
x
2 = x4 = = x2p

(p
+ 1)x1 = x1

px = x
2
2

b)

1 . . .

2
A = (0)

=0

x1 + x3 + + x2p+1 = 0

x2 + x4 + + x2p = 0

=p
= p+1

ou
ou
x1 = x3 = = x2p+1 = 0
x
=
x
=

=
x

1
3
2p+1

x2 = x4 = ... = x2p .
x2 = x4 = = x2p = 0

x1
..
.
x2p+1

M2p+1,1 (R) ;

x2p+1

M2p+1,1 (R) ;

x1 = x3 = = x2p+1 = 0 et x2 = x4 = = x2p
26

c) Nous allons montrer que A nest pas diagonalisable, en raisonnant par labsurde. Supposons que A est diagonalisable. Il
existe alors P Mn (R) inversible et D Mn (R) diagonale
telles que A = PDP1. Puisque les termes diagonaux de D sont
les valeurs propres de A, les termes diagonaux de D sont parmi
0 et 1, donc D2 = D. Do :
A2 = (PDP1 )2 = PD2 P1 = PDP1 = A.

On conclut : A nest pas diagonalisable.

qui est de dimension 2p 1 (on peut, par exemple, exprimer


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

1 1 n

1

1
.. =
. ,
.
(0) ..

1
1

Contradiction avec b).


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


SEP (A, p) =

1 1 . . .

..
. (0)

donc A2  A.

On conclut que les valeurs propres de A sont 0, p, p + 1 et que


les sous-espaces propres de A sont :


SEP (A, 0) =

. . . 1 1

. . . 0 1
. . .
(0) .. ..

... 0 1

a) Puisque la matrice A est triangulaire (suprieure), les valeurs


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

=0

x1 + x3 + + x2p+1 = 0

x2 + x4 + + x2p = 0

1
0

Il sagit de la matrice A = .
..

1.16
a) Soit y Im ( f be).
Il existe x E tel que y = ( f be)(x). On a :


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


= ( f ae) ( f be) (x) = 0,
 !"
=0

donc : y Ker ( f ae).


Ceci montre : Im ( f be) Ker ( f ae).

Corrigs des exercices

Puisque f ae et f be commutent, on a aussi :


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

1
1
( f be) ( f ae) =
=
(a b)e = e.
ab
ab
c) Soit x Ker ( f a) Ker ( f be).

Ceci montre que i est valeur propre de A.


De mme, i est valeur propre de A.
On conclut que les valeurs propres de A sont i et i .
b) 2) Soit X Mn,1 (C).
Supposons X E i .

On a alors : ( f ae)(x) = 0 et ( f be)(x) = 0,

On a alors AX = i X, donc AX = i X = i X.

cest--dire : f (x) = ax et f (x) = bx,

Mais AX = A X, comme on le voit en passant aux lments.

do : ax = bx, puis (a b) x = 0, donc x = 0.


 !"

Do : AX = i X.

On a alors : Ker ( f ae) Ker ( f be) {0}, et, comme


lautre inclusion est vidente, on obtient :

Ainsi : X E i .

0

Ker ( f ae) Ker ( f be) = {0},


Soit y E. Daprs b), on a :
1
1
( f be)(y) +
( f ae)(y),
y = e(y) =
a

b
b

a !"
 !" 
not v

not u

et :

u Im ( f be) Ker ( f ae)

v Im ( f ae) Ker ( f be)

Comme A est relle, on a A = A, do : AX = i X.


Ceci montre : X E i = X E i .
On montre de mme la rciproque.
On conclut, pour toute X Mn,1 (C) : X E i X E i .
b) 3) Le sev E i admet au moins une base (u1 , ..., ud ).
Daprs 2), puisque : k 1 ; d, uk E i ,
on a :

k 1 ; d, uk E i .

Montrons que (u1 , ..., ud ) est libre.

Ceci montre : E Ker ( f ae) + Ker ( f be), et, comme


lautre inclusion est vidente, on obtient :
E = Ker ( f ae) + Ker ( f be),

Soit (1 , ..., d ) Cd tel que

On conclut que Ker ( f ae) et Ker ( f be) sont supplmentaires


dans E.

On a alors, en conjuguant :

d) Daprs le cours, puisque (X a)(X b) est un polynme


annulateur de f , les valeurs propres de f sont parmi a et b.
Les sous-espaces propres de f sont donc Ker ( f ae) et
Ker ( f be), lorsque ceux-ci sont dirents de {0}.
Dunod. Toute reproduction non autorise est un dlit

Si i nest pas valeur propre de A, alors i est la seule valeur


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

d


k uk = 0.

k=1
d


k uk =

d


k=1

k uk = 0 = 0.

k=1

Comme (u1 , ..., ud ) est libre, il sensuit :


k 1 ; d, k = 0,
puis, en conjuguant : k 1 ; d, k = 0.

Daprs c), la somme des sous-espaces propres de f est gale


E.

Ceci montre que (u1 , ..., ud ) est libre.

On conclut, daprs le cours, que f est diagonalisable.

Soit X E i . Daprs 2), on a alors X E i . Il existe donc


d

k uk .
(1 , ..., d ) Cd tel que X =

1.17
a) On suppose ici n pair, n = 2p, p N .


0 1
1 0
2
, on a A2 =
= I2 .
Pour A2 =
1 0
0 1

Montrons que (u1 , ..., ud ) engendre E i .

k=1

Do, en conjuguant :

X=

d


k uk =

k=1

d


k uk .

k=1

La matrice A, diagonale par blocs, forme par la rptition du


bloc A2 (p fois) sur la diagonale, vrifie alors A2 = I2p , donc
A convient.

Ceci montre que (u1 , ..., ud ) engendre E i .

b) 1) On a : 0 = A2 + In = (A i In )(A + i In ),

On a donc dim (E i ) = d = dim (E i ).

donc comme i  i , daprs lexercice 1.16, A est diagonalisable dans Mn (C) et ses valeurs propres sont parmi i et i .

Do : n = dim (E) = dim (E i ) + dim (E i ) = 2 dim (E i ),

On conclut que (u1 , ..., ud ) est une base de E i .


b) 4) Daprs 1), on a : E = E i E i .

27

Chapitre 1

Rduction des endomorphismes et des matrices carres

contradiction avec n impair.


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

1.18

a) Puisque le polynme X p est annulateur de f , daprs le


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

0 est la seule valeur propre de f .

b) Si f est diagonalisable, comme f admet une seule valeur


propre, le SEP associ est de dimension n = dim(E).
Ainsi :

Ker( f ) = SEP( f, 0) = E.

Donc :

f est lapplication nulle.

On conclut, pour un endomorphisme nilpotent :

1.19

si et seulement si

f = 0.

Notons n = dim (E). Supposons f diagonalisable.

Daprs lhypothse, le polynme (X 1)3 (X 2)2 est annulateur de f .


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

q fois

p fois

q fois

= diag (0, ..., 0, 0, ..., 0) = 0,


 !"  !"
p fois

On conclut, par ce raisonnement par labsurde, que f nest pas


diagonalisable.

0 1 0

a) Puisque A = 0 0 1 est triangulaire (suprieure), les va

000
leurs propres de A se lisent sur sa diagonale, donc A admet 0

28

donc : SEP ( f, 0) = Vect (e1 ).


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


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


Comme dim (F) = 2 = dim Vect (e1 , e2 ) , il en rsulte :
F = Vect (e1 , e2 ).
c) Daprs b), si F est un sev de E stable par f et de dimension
1 ou 2, alors F = Vect (e1 ) ou F = Vect (e1 , e2 ).
Rciproquement, Vect (e1 ) et Vect (e1 , e2 ) sont stables par f ,
car f (e1 ) = 0 et f (e2 ) = e1 .
Enfin, dautre part, {0} et E sont stables par f .
On conclut que les sev de E stables par f sont :
{0}, Vect (e1 ), Vect (e1 , e2 ), E.

q fois

donc ( f e)3 ( f 2e) = 0, contradiction.

1.20

On a, pour tout v = (x1 , x2 , x3 ) R3 :

x2 = 0
f (v) = 0

x3 = 0

Il existe (a1 , a2 , a3 ) K3 tel que v = a1 e1 + a2 e2 + a3 e3 .

Rciproquement, si f = 0, alors il est clair que f est diagonalisable.

f est diagonalisable

pour valeur propre et cest la seule, et donc, comme f est reprsent par A, on conclut que f admet 0 pour valeur propre et
que cest la seule.

1.21

Puisque f est diagonalisable, il existe une base

B = (e1 , ..., en ) de E et il existe (1 , ..., n ) Rn tels que :


i 1 ; n, f (ei ) = i ei .
La matrice de f dans B est la matrice diagonale

(0)
1

.
..

(0)
n

Corrigs des exercices

On a alors :
Ker ( f ) = Vect (ei ; i = 0),

Im ( f ) = Vect (ei ; i  0)

o, par exemple, Vect (ei ; i = 0) dsigne le sev de E engendr


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


i 1 ; n, f 2 (ei ) = f f (ei ) = f (i ei ) = i f (ei ) = 2i ei ,
donc on a aussi de mme :
Ker ( f 2 ) = Vect (ei ; 2i = 0), Im ( f 2 ) = Vect (ei ; 2i  0).

i = 0 i = 0
Comme : i 1 ; n,
,

2i  0 i  0
il en rsulte : Ker ( f 2 ) = Ker ( f ) et Im ( f 2 ) = Im ( f ).

 Pour chaque u 1 ; n, lquation 2i = i , dinconnue i C admet exactement une solution si i = 0,


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


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


Card M Mn (C) ; M 2 = A

si i 1 ; n; i  0
2n
=

2n1 si i 1 ; n; i = 0 .

1.23
a) 1) Supposons A inversible.
Puisque AB est diagonalisable, il existe P Mn (R) inversible
et D Mn (R) diagonale telles que AB = PDP1 .

1.22
1

a) On a A = PDP , donc :
M 2 = A (PNP1 )2 = PDP1
PN 2 P1 = PDP1 N 2 = D.

On obtient : BA = (P1 A)1 D(P1 A),

ND = NN 2 = N 3 = N 2 N = DN.

donc BA est diagonalisable.

c) Soit N = (xi j )i j Mn (C). On a :

De plus, AB et BA ont les mmes valeurs propres.

ND = DN (i, j) 1 ; n2 , (ND)i j = (DN)i j


n
n


(i, j) 1 ; n2 ,
(N)ik (D)k j =
(D)ik (N)k j
k=1

On a alors :
BA = A1 (AB)A = A1 (PDP1)A = (A1 P)D(P1 A).
Comme (A1 P)(P1 A) = A1 (PP1)A = A1 A = In ,
la matrice P1 A est inversible et son inverse est A1 P.

b) Soit N Mn (C) telle que N 2 = D. Alors :

k=1

(i, j) 1 ; n2 , xi j j = i xi j
(i, j) 1 ; n2 , (i j )xi j = 0.

Dunod. Toute reproduction non autorise est un dlit



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

Comme 1 , ..., n sont deux deux distincts, on a donc :




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

2) Le cas o B est suppose inversible se traite de la mme


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


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


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


01
Dautre part : BA =
, qui nest pas diagonalisable. En
00
eet, BA est triangulaire (suprieure), donc les valeurs propres
de BA se lisent sur sa diagonale, BA nadmet que 0 pour valeur propre ; si BA tait diagonalisable, elle serait semblable
la matrice nulle, donc serait gale la matrice nulle, contradiction.

1.24
1) Montrons que toute valeur propre de f g est valeur propre
de g f .
Soit R une valeur propre de f g.
29

Chapitre 1

Rduction des endomorphismes et des matrices carres

Il existe x E \ {0} tel que : ( f g)(x) = x.

On a, daprs la dfinition de f :

On a alors :





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


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


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

1.25
a) Il est clair que f est une application de R[X] dans R[X].
On a, pour tout R et tous P, Q R[X] :
f (P + Q)
= 3X(P + Q) + (X2 X)(P + Q) (X3 X2 )(P + Q)
= 3X(P + Q) + (X2 X)(P  + Q ) (X3 X2 )(P  + Q )


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


+ 3XQ + (X2 X)Q (X3 X2 )Q ,

donc f est linaire.


On conclut que f est un endomorphisme du R-espace vectoriel
R[X].
b) On a, pour tout n N :
f (Xn ) = 3X Xn (X2 X)(nXn1 ) (X3 X2 )n(n 1)Xn2
= 3Xn+1 + n(Xn+1 Xn ) n(n 1)(Xn+1 Xn )
= (n2 + 2n + 3)Xn+1 + (n2 2n)Xn .

(Les critures nXn1 et n(n 1)Xn2 ne sont pas clairement dfinies lorsque n = 0 ou n = 1, mais le rsultat final est valable
aussi dans ces deux cas.)
c) Daprs b), on a, en particulier : f (X ) = 3X et
f (X3 ) = 3X3 . Ainsi, X2 et X3 sont dirents et ont la mme
image par f , donc f nest pas injective.
2

30

P R(X],


f (P) (0) = 0,

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


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

0 0 0
3 1 0
(1, X, X2 , X3 ) de R3 [X] est : A =
0 4 0
0 0 3

la base canonique

0
0
.
0

Puisque A est triangulaire (infrieure), les valeurs propres de A


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

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

0 = x

3x y = y

4y = z

3z + 3t = t

x=0


z = 4y

t = 3y,


0
1


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

3x y = 0


4y = 0

3z + 3t = 0

x=0


y=0

t = z,

Corrigs des exercices


0
0


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

x1 = xn , x2 = ... = xn1 ,
2(x1 + + xn ) = x1 , x1 + xn = x2

V SEP (A, 3) AV = 3V

0 = 3x

x=0

3x y = 3y


y=0

4y = 3z

z = 0,

3z + 3t = 3t

0
0


donc : SEP (A, 3) = Vect ( ), dim SEP (A, 3) = 1.
0
1
Puisque A est carre dordre 4 et que la somme des dimensions
des sous-espaces propres de A est 1 + 1 + 1 = 3  4, daprs le
cours, A nest pas diagonalisable dans M4 (R).
Comme A reprsente g, on conclut que g nest pas diagonalisable.

1.26
a) On remarque, en notant C1 , ..., Cn les colonnes de An :
C1 = Cn et C2 = C3 = = Cn1 ,
do : rg (An )  2.
Dautre part, (C1 , C2 ) est libre, car C2 nest pas colinaire C1 .
On conclut : rg (An ) = 2.
Comme rg (An ) = 2 < n, 0 est valeur propre de An et :


dim SEP (An , 0) = n rg (An ) = n 2.

Dunod. Toute reproduction non autorise est un dlit

n1

x1 = x2

2x2 + 2(n 2)x2 = x2


2

(1)

(2)

(3)

et :
(3)

 2
2


2 2(n 2) x2 = 0


2 4 4(n 2) = 0

(4),

car x2  0, puisque, si x2 = 0, alors on dduit x1 = 0, puis


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


donc :
(4) = 1 ou = 2 ,

2 = 2 + 2 n 1.
o :
1 = 2 2 n 1,
Il en rsulte que les valeurs propres de An sont :

0,
2 2 n 1,
2 + 2 n 1,
et ces trois valeurs propres sont bien deux deux distinctes, car
n  3.
Daprs a), dim (E0 ) = n 2.

b) On sait dj que 0 est valeur propre de An .



x1

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



xn

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


An X = X ... ... (0) ... ... ... = ...

xn1
1 0 . . . 0 1 xn1

xn
2 2 . . . 2 2 xn

2x1 + 2x2 + + 2xn1 + 2xn = x1

x1 + xn = x2

..

x1 + xn = xn1

2x + 2x + + 2x + 2x = x
2

On a :

c) Notons, pour {0, 1 , 2 }, E = SEP (An , ).

Ceci montre que 0 est valeur propre de An et :


dim SEP (An , 0) = n 2.

x1 = xn , x2 = ... = xn1 ,


2 2x1 + (n 2)x2 = x1 (1), 2x1 = x2 (2).

Daprs b), dim (E1 )  1 et dim (E2 )  1.


Dautre part, daprs le cours, la somme des dimensions des
sous-espaces propres pour A est infrieure ou gale n.
On a donc ncessairement :
dim (E0 ) = n 2, dim (E1 ) = dim (E2 ) = 1,
donc la somme des dimensions des sous-espaces propres
pour An est gale n.
On conclut, daprs le cours, que An est diagonalisable.

1.27
a) On a :

a2 x2 + + an xn = x1

a x + a3 x3 + + an xn = x2

1 1
AX = X

..

a x + + a x = x
1 1
n1 n1
n
31

Chapitre 1

Rduction des endomorphismes et des matrices carres

S a1 x1 = x1

S a2 x2 = x2

..

S a x = x
n n
n

S = ( + a1 )x1

..

S = ( + a )x .
n n

Ceci montre que A admet n valeurs propres relles deux deux


distinctes.
d) Puisque A Mn (R) et que A admet n valeurs propres deux
deux distinctes, daprs le cours, on conclut que A est diagonalisable dans Mn (R).

1.28

b) Supposons + a1 = 0.
On a alors S = ( + a1 )x1 = 0. Dautre part, comme a2 , ..., an
sont tous dirents de a1 , on a :

b) 1) On a :

+ a2  0, ... , + an  0,

0=S =

n


ak xk = a1 x1 ,

k=1

donc x1 = 0. On obtient X = 0, contradiction.


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

AX = X


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

+
ak
k=1


x1 =

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

n

k=1


k 1 ; n, + ak  0 et

k=1

c) La fonction f :  1 +

n

k=1

ak
+ ak

ak
= 1.
+ ak

ak
est dfinie sur
+ ak

n

k=1

f ()

an
||
||
||
||

n1

...
...
...

a1
||
||
||
||

n+1

n1

b) 2) Pour montrer que lquation du second degr


r2 r + 1 = 0,

k 0 ; n + 1, xk = (k + )r0k1 ,
o r0 =

(0)
...

i 0 ; n 1, xi+2 xi+1 + xi = 0.

ak
< 0.
( + ak )2

Daprs le thorme des valeurs intermdiaires et la stricte


monotonie par intervalles, f admet exactement n zros, nots
1 , ..., n et on a :
an < n < an1 < ... < a2 < 2 < a1 < 1 .
32

x2 x1 + x0 = 0

x3 x2 + x1 = 0

..

xn xn1 + xn2 = 0

x x + x = 0

0
..
.

Daprs le cours sur les suites rcurrentes linaires du second


ordre coecients constants et sans second membre, il existe
alors (, ) R2 tel que :

On en dduit le tableau des variations de f :

f  ()

x2 = x1

x1 + x3 = x2

..

xn2 + xn = xn1

x = x

dinconnue r C, admet deux solutions distinctes, il sut de


montrer que son discriminant = 2 4 est non nul. cet
eet, raisonnons par labsurde : supposons = 0.

D = R \ {a1 , ..., an }, drivable sur D, et :


D, f  () =

. . . 0

x1
.. x1

(0) . x2
x2

. . .. = ..
.
. 0 .

xn1
. . xn1
. 1
xn
xn
1 0


=1 .

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


seulement si :
n


0
..
.
..
.
..
.
0

AX = X 0

.
..

do : x2 = ... = xn = 0.
Ensuite :

a) La matrice carre A est symtrique relle, donc, daprs le


cours, A est diagonalisable dans Mn (R).

est la racine double du trinme.


2

On a :

x0 = 0

xn+1 = 0

= 0


(n + 1) + r0n = 0

= 0

= 0 ou r0 = 0.

Si = = 0, alors tous les xk sont nuls, X = 0, exclu.

Corrigs des exercices

Si r0 = 0, alors = 2r0 = 0, = 2 4 = 4  0, contradiction.


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

Do :

On conclut que les sev Im (ui ), i 1 ; k, sont en somme


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

De plus, puisquil sagit dune quation coecients rels,


on a r2 = r1 , donc |r2 | = |r1 |, puis : |r1 |2 = 1, |r1 | = 1 = |r2 |.
|| = |r1 + r2 |  |r1 | + |r2 |  2.

Ensuite :

Comme lautre inclusion est vidente, on a lgalit.

Soit x B1 . Il existe alors t E tel que x = u1 (t), do :


k


i ui (x) =

i=1

1.29

k

i=1

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


 !"
= 0 si i1

De mme :

a) Soit i 1 ; k. On a :
ui = e ui =

k


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

k


u j ui =
(u j ui ).

j=1

j=1

On a donc :
Daprs lhypothse, u j ui est nul lorsque j  i, donc :
k


u j ui = ui ui =

(0)
1 In1

,
..
MatB ( f ) =

(0)
k Ink



o, pour chaque i 1 ; k, on a not ni = dim Im (ui ) .

u2i

On conclut que f est diagonalisable.

j=1

1.30

et on conclut : u2i = ui .
b) Soit (x1 , ..., xk ) Im (u1 ) Im (uk ) tel que

k


xi = 0.

i=1

2
2

f = (g h) f = g (h f ) = g g = g
a) On a :

g2 = (h f ) g = h ( f g) = h h = h2 .

Pour tout i 1 ; n, il existe ti E tel que xi = ui (ti ), donc :




xi = ui (ti ) = u2i (ti ) = ui ui (ti ) = ui (xi ).

Puis :

Soit j 1 ; n fix. On a donc :

f 5 = f 2 f f 2 = h2 f h2 = h (h f ) h2 = h g h2

0 = uj

k


xi = u j

i=1

 !"
Dunod. Toute reproduction non autorise est un dlit

i ui .

i=1

f (x) =

On conclut : [2 ; 2].

k



k

ui (xi )

= h (g h) h = h f h = (h f ) h = g h = f.

b) On a :

i=1

Comme f est suppos bijectif, on dduit : f 4 e = 0.

=0

k

i=1

Ceci montre que la somme

u j ui (xi ) = u2j (x j ) = u j (x j ) = x j .
 !"

= 0 si i j

k


Dautre part :
Ainsi :

Im (ui ) est directe.

i=1

k
k
k




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

i=1

k

i=1

f 4 e = ( f 2 + e) ( f 2 e).
( f 2 + e) ( f 2 e) = 0.

Montrons que f 2 + e est bijectif.


Puisque f est suppos diagonalisable, il existe une base B
de E telle que la matrice de f dans B soit diagonale :

Soit x E. On a :

Ceci montre :

f ( f 4 e) = f 5 f = 0.

Im (ui )

i=1

MatB ( f ) = diag (1 , ..., n ).


On a alors : MatB ( f 2 + e) = diag (21 + 1, ..., 2n + 1).
Comme :

i 1 ; n, 2i + 1  0,

la matrice diag (21 + 1, ..., 2n + 1) est inversible,


Im (ui ).

donc f 2 + e est bijectif.


33

Chapitre 1

Rduction des endomorphismes et des matrices carres

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


dduit f 2 e = 0, et on conclut : f 2 = e.

donc :

c) On a :

On conclut : A nest pas diagonalisable.

g f = g (g h) = g2 h = f 2 h = e h = h = f g.
Comme les hypothses de lnonc sont invariantes en permutant circulairement ( f, g, h), on a aussi :
h g = g h et f h = h f.
Finalement, f, g, h commutent deux deux.

1.31
1) Supposons que est valeur propre de f . Il existe x E\{0}
tel que f (x) = x. On a alors :


f 2 (x) = f f (x) = f (x) = f (x) = (x) = 2 x,
donc 2 est valeur propre de f 2 .

c) De A(A In )2 = 0, on dduit : A3 2A2 + A = 0, donc :


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

Supposons que est valeur propre de f . Daprs le rsultat


prcdent ()2 est valeur propre de f 2 , cest--dire que 2 est
valeur propre de f 2 .

convient.

2) Pour la rciproque, raisonnons par contraposition.

On a alors, pour tout k N :

Supposons que et ne sont pas valeurs propres de f .


Alors, en notant e = IdE , les endomorphismes f e et
f + e sont bijectifs. Par composition, il en rsulte que f 2 2 e
= ( f e) ( f + e) est bijectif, donc 2 nest pas valeur propre
de f 2 .
Finalement, 2 est valeur propre de f 2 si et seulement si ou
est valeur propre de f .

1.32
a) 1) Puisque A(A In )2 = 0, le polynme X(X 1)2 est annulateur de A, donc, daprs le cours, les valeurs propres de A
sont parmi 0 et 1.

k N ,

ak+1 = bk ,

bk+1 = ak + 2bk

ak+2 = bk+1 = (ak + 2bk ) = ak 2(ak+1 ) = 2ak+1 ak .

La suite (ak )kN est donc une suite rcurrente linaire du second ordre coecients constants. Lquation caractristique
r2 2r + 1 = 0 admet une racine double gale 1. Daprs le
cours, il existe (, ) R2 tel que :
k N , ak = (k + )1k = k + .

= 1
+ = 1
a1 = 1

On a :

= 2.
2 + = 0
a2 = 0
k N , ak = k + 2,


puis : k N , bk = ak+1 = (k + 1) + 2 = k 1.

On obtient :

2) Supposons que 0 nest pas valeur propre de A. Alors, A est


inversible. Comme A(A In )2 = 0, en multipliant par A1 , on
dduit A1 A(A In )2 = 0, (A In )2 = 0, exclu.

Remarque :

Ceci montre que 0 est valeur propre de A.

On peut contrler ce rsultat pour k = 1, k = 2, k = 3 :

Supposons que 1 nest pas valeur propre de A. Alors, A In


est inversible. Comme A(A In )2 = 0, on dduit
A(A In )2 (A In )1 = 0, A(A In ) = 0, exclu.
Ceci montre que 1 est valeur propre de A.
On conclut : les valeurs propres de A sont 0 et 1.
b) Raisonnons par labsurde : supposons A diagonalisable.
Il existe P Mn (R) inversible, D = diag (1, ..., 1, 0, ..., 0) telles
que A = PDP1.
On a alors D2 = D, puis :
A2 = (PDP1)2 = PD2 P1 = PDP1 = A,
34

A(A In ) = A(A2 + 2A In )
= A(A In )2 = 0, exclu.

On conclut : k N , Ak = (2 k)A + (k 1)A2 .

A = 1 A + 0 A2 , A2 = 0 A + 1 A2 , A3 = A + 2A2 .

0 0 0

d) La matrice A = 0 1 1 convient.

001

1.33

0 0 1

a) La matrice A = 0 1 0 est triangulaire (suprieure), donc

000
les valeurs propres de A se lisent sur sa diagonale : les valeurs
propres de A sont 0 et 1.

Corrigs des exercices

Dterminons les sous-espaces propres de A.



x

Soit X = y M3,1 (R).

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

1



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

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

0



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

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

Dunod. Toute reproduction non autorise est un dlit

Si 1 et 1 sont valeurs propres de f , alors f admet trois


valeurs propres, qui sont 0, 1, 1, donc, puisque E est de dimension 3, f est diagonalisable et il existe une base B1 de E
telle que la matrice
de f dans B1 soit la matrice diagonale

0 0 0

D = 0 1 0 et alors f 2 est reprsent, dans B1 , par la ma

0 0 1

0 0 0

trice diagonale D2 = 0 1 0 , do rg ( f 2 ) = rg (D2 ) = 2,

001
contradiction avec lhypothse rg ( f 2 ) = 1.
On conclut que lensemble des valeurs propres de f est {0} ou
{0, 1} ou {0, 1}.
b) 2) Daprs lhypothse et 1), lensemble des valeurs propres
de f est {0, 1}.
Montrons que f nest pas diagonalisable.
Raisonnons par labsurde : supposons f diagonalisable.

Comme f admet 0 et 1 pour valeurs propres, que f nest pas


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




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




En particulier : dim Ker ( f ) = dim SEP ( f, 0) = 1.
Ker ( f ) Ker ( f 2 ).

Remarquons :

Dautre part, par hypothse : rg ( f 2 ) = 1, donc, daprs le tho



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

dans B est 0

=
0
1
0

0, f (v2 ) = v2 , f (v3 ) = v1 , la matrice de f


1

0 cest--dire A.

Soit une valeur propre de A dans C.



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

xn


x1
a11 . . . a1n x1

.. .. = ..
AX = X ..

. .


an1 . . . ann xn
xn

a11 x1 + + a1n xn = x1

..

a x + + a x = x .
n1 1
nn n
n

1.34

Il existe alors une base B2 de E telle que f soit reprsent


dans B2 par une matrice diagonale D dont les termes diagonaux sont parmi 0 et 1. Comme alors D2 = D, on a f 2 = f,
donc f est un projecteur, exclu.

Il existe i 1 ; n tel que : |xi | = Max |xk |. On a alors, en

Ce raisonnement par labsurde montre que f nest pas diagonalisable.

do, en faisant passer aii xi dans lautre membre :



( aii )xi =
ai j x j ,

1kn

prenant la ligne numro i du systme dquations prcdent :


ai1 x1 + + ain xn = xi ,

1 jn, ji

35

Chapitre 1

Rduction des endomorphismes et des matrices carres

puis, en prenant les modules et en utilisant lingalit triangulaire :


##
## 
ai j x j ##
| aii | |xi | = ##
1 jn, ji

|ai j | |x j | 

1 jn, ji

 Si = 1, alors :

0 1 1 . . . 1
1 0 0 . . . 0

rg (A In ) = rg 1 0 1 (0) ..
. .

..
. .

. . (0) . 0
1 0 . . . 0 1

1 1 . . . 1 0
0 0 . . . 0 1

= rg 0 1 (0) .. 1

.
..
. .
.
. (0) . 0 .
0 . . . 0 1 1


|ai j | |xi |.

1 jn, ji

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


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

|ai j |.
| aii | 
1 jn, ji

Gomtriquement, dans le plan complexe,


est dans le disque

ferm de centre aii et de rayon
|ai j |.
1 jn, ji

Remarque :
En appliquant ce rsultat la matrice A de lexercice 1.28, on
retrouve le fait que les valeurs propres de A (qui sont alors
toutes relles car A est symtrique relle) sont dans [2 ; 2].

1.35
a) La matrice carre An est symtrique relle, donc, daprs le
cours, An est diagonalisable dans Mn (R).
b) En notant C1 , ..., Cn les colonnes de An , on remarque que
C3 = ... = Cn , donc :
rg (An ) = rg (C1 , C2 , C3 )

1
1

= rg 1
..
.

1
1
0
..
.
0

0
..
.
0

C1 C3

1
0

rg 0
..
.

1
1
0
..
.
0

1 = 3 < n.
..
.
1

Il en rsulte que 0 est valeur propre de A et, en utilisant le thorme du rang :

par change successifs des colonnes C1 , ..., Cn pour amener C1


en dernire colonne

1 1 . . . 1 0

.
0 1 (0) .. 0

..
= rg ..
. (0) . 0 0

0 . . . 0 1 1
0 0 ... 0 1
par change successifs des lignes L2 , ..., Ln pour amener L2 en
dernire ligne
donc :

 Si  0 et  1, alors, en mettant 1 en facteur


dans L2 et en facteur dans L3 , ..., Ln , puis en eectuant
L1 L1 + (L2 + + Ln ), on a :

1 1 1 . . . 1
1 1 0 . . . 0
1

1
0 1 (0) 0
rg (An In ) = rg

..
.
..

. (0) . . 0
.
1
0 . . . 0 1


1
1
1
= rg
..
.
1



dim SEP (An , 0) = n rg (An ) = n 3  1.
c) Dterminons les valeurs propres (relles) de An .
Soit R. On a :

1 1
1 1

0
rg (An In ) = rg 1
.
..
.
.
.
1
0
 Le cas = 0 a t vu en b).
36

1 . . . 1

0 . . . 0
.
(0) .. .

.
(0) . . 0

. . . 0

rg (A In ) = n.

o :

0 ...
0 ...
1 (0)
.
(0) . .
... 0

1
1
= 1+
+ (n 2) .
1

0
1
0
..
.
0

0
1
0
0
0

On obtient :

3 si = 0

rg (A In ) =
n 1 si  0,  1, = 0

n si = 1 ou  0,  1,  0 .

Il en rsulte que les valeurs propres de An sont 0 et les solutions


en de lquation = 0, o  0 et  1.

Corrigs des exercices

Et :
= 0 (1 )( 1) + + (n 2)( 1) = 0
3 + 22 + (n 2) (n 2) = 0
3 22 (n 2) + (n 2) = 0
Pn () = 0,

1.36
Puisque A et B sont diagonalisables dans Mn (K), il existe
D, E Mn (K) diagonales, Q, R GLn (K), telles que :
A = QDQ1 et B = RER1 .
Notons D = diag(di ), E = diag(ei ). On a alors :

en utilisant la notation Pn de lnonc.

1in

tudions les zros de Pn .


Puisque Pn est un polynme de R3 [X], Pn admet au plus trois
zros rels.
On a :

n2
an
n.
n
n n

do :

Pn ()

Pn ()

On conclut que Pn admet exactement trois zros rels, nots


an , bn , cn , deux deux distincts, et :
an < 0 < bn < 1 < cn .

donc : cn > 2.
=

c2n

 !"

+(n 2)(cn 1)  n 2,
 !"
1

0

P(A) = P(B) Q P(D)Q1 = R P(E)R1


(R1 Q)P(D) = P(E)(R1 Q).
Notons U = R1 Q. On a donc :
UP(D) = P(E)U.
Passons aux lments des matrices dans lgalit ci-dessus.
Notons U = (ui j )i j .

d) On a, pour tout n  4 : Pn (2) = (n 2) < 0,


On a, pour tout n  4 :

do :

+,

donc, daprs le thorme des valeurs intermdiaires, Pn admet


au moins trois zros rels.

c3n

P(A) = Q P(D)Q1 et P(B) = R P(E)R1 ,

Pn (0) = n 2 > 0,

Pn (1) = 1 < 0,

donc cn  (n 2) , do : cn +.
1/3

En

utilisant
le

1 si k = j

k j =

0 si k  j

UP(D)


ij

n


symbole

de

passant aux quivalents : c3n (n 2)cn , do, puisque les cn

P(E)U


ij

Kronecker,

n


k=1



P(ei )ik uk j = P(ei )ui j .
P(E) ik uk j =
n

k=1

k=1

Ainsi :

On a, pour tout n  4 : b3n b2n = (n 2)(bn 1),



Soit j 1 ; n. On a : ui j P(d j ) P(ei ) = 0,

b3n b2n
0,
n 2 n
Il en rsulte : bn 1.
donc :

bn 1 =

car (bn )n est borne.

par




uik P(D) k j =
uik P(d j )k j = ui j P(d j ),

sont tous  0 : c2n n 2 n, puis, comme les cn sont tous


n
n

> 0 : cn n.
n

dfini

, on a, pour tout (i, j) 1 ; n2 :

k=1

Puisque c3n c2n = (n 2)(cn 1) et que cn +, on a, en

Dunod. Toute reproduction non autorise est un dlit

1in

(i, j) 1 ; n2 , ui j P(d j ) = P(ei )ui j .

Soit i 1 ; n fix.

donc : ui j = 0 ou P(d j ) = P(ei ).


Comme P est injectif, il sensuit : ui j = 0 ou d j = ei .
Dans chacun de ces deux cas, on a ncessairement :

Comme
Pn = (X an )(X bn )(X cn )
= X3 2X2 (n 2)X + (n 2),
on dduit, en remplaant X par 0 : an bn cn = (n 2).

Dautre part :
an bn cn an 1 n,
n

ui j (d j ei ) = 0.
Par un calcul analogue celui du deuxime point ci-dessus et
plus simple, il en rsulte UD = EU.
Puis, par un calcul analogue celui du premier point ci-dessus
et plus simple, on conclut A = B.

37

Algbre bilinaire

Plan
Les mthodes retenir

39

noncs des exercices

41

Du mal dmarrer ?

47

Corrigs des exercices

50

On abrge espace vectoriel en ev,


sous-espace vectoriel en sev.

38

CHAPITRE

Thmes abords dans les exercices

Montrer quune certaine application est un produit scalaire

Trouver une base orthogonale, trouver une base orthonormale dun espace vectoriel euclidien

Obtenir des ingalits par utilisation de lingalit de Cauchy-Schwarz ou de


lingalit triangulaire

tude de sous-espaces vectoriels orthogonaux, dtermination du supplmentaire


orthogonal dun sous-espace vectoriel, dtermination dun projet orthogonal,
calcul de la distance dun vecteur un sous-espace vectoriel

Montrer ou utiliser quun endomorphisme est symtrique

tudier des matrices symtriques relles

tudier le signe dune forme quadratique.

Points essentiels du cours


pour la rsolution des exercices

Dfinitions de : forme bilinaire symtrique, produit scalaire, vecteurs orthogonaux entre eux, famille orthogonale, famille orthonormale, sous-espaces vectoriels orthogonaux entre eux, supplmentaire orthogonal dun sous-espace vectoriel

Expression matricielle du produit scalaire et de la norme euclidienne en base


orthonormale, coordonnes et norme dun vecteur dans une base orthonormale

Changement de base orthonormale

Projecteur orthogonal sur un sous-espace vectoriel

Dfinition et proprits des endomorphismes symtriques

Thorme spectral : tout endomorphisme symtrique est diagonalisable et ses


sous-espaces propres sont deux deux orthogonaux

Expression matricielle du thorme spectral : pour toute matrice symtrique


relle S , il existe une matrice orthogonale P et une matrice diagonale D telles
que S = PDP1

tude du signe dune forme quadratique sur Rn , associe une endomorphisme


ou une matrice symtrique relle.

Les mthodes retenir

Les mthodes retenir


Pour montrer
quune application E E R
est une forme bilinaire symtrique

Pour montrer
quune application : E E R
est un produit scalaire sur un R-ev E

Pour obtenir une ingalit


faisant intervenir des racines carres,
ou des carrs, ou des carrs
de normes, ou des produits scalaires

Revenir la dfinition dune forme bilinaire symtrique.

Exercice 2.5 a).

Revenir la dfinition dune produit scalaire sur un R-ev.

Exercices 2.1, 2.10 b), 2.16 a), 2.19 c)1), 2.20 c)2).

Essayer dutiliser lingalit de Cauchy-Schwarz.

Exercice 2.11 d)4).

Essayer de :
Pour montrer quun vecteur x
dun espace vectoriel euclidien


E, (. | .)
muni de la norme associe ||.||,
est le vecteur nul

montrer : ||x||2 = 0

Exercice 2.1

montrer : y E, (x | y) = 0.

Exercice 2.7.

Essayer de :

utiliser la dfinition de lorthogonal F dun sev F de E :

Dunod. Toute reproduction non autorise est un dlit



F = x E ; y F, (x | y) = 0
Pour manipuler
des orthogonaux de sev
dun espace vectoriel euclidien E

Exercice 2.6

utiliser la formule sur la dimension de lorthogonal F dun sev F


de E :
dim (F ) = dim (E) dim (F).

Exercice 2.6.

Pour montrer que deux sev F, G


dun espace vectoriel euclidien


E, (. | .)
sont orthogonaux

Revenir la dfinition, cest--dire montrer :


x F, y G, (x | y) = 0.

Exercice 2.22.
39

Chapitre 2

Algbre bilinaire

Montrer que F est orthogonale et que F est une base de E.


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


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


dun espace vectoriel euclidien


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

Pour faire disparatre


tous les termes sauf lun deux
dans une combinaison linaire
de vecteurs
dun espace vectoriel euclidien

Pour calculer
le projet orthogonal pF (x)
dun vecteur x
dun espace vectoriel euclidien


E, (. | .)
sur un sev F de E

Penser dcomposer x sur B, sous la forme x =

Pour montrer
quune matrice A de M n(R)
est symtrique
40

xi ei , o

i=1

(x1 , ..., xn ) Rn , ou plus prcisment, daprs le cours, sous la forme


n

(ei | x)ei .
x=
i=1

Exercice 2.15.
Essayer de faire le produit de cette combinaison linaire avec un vecteur orthogonal presque tous les termes de cette combinaison linaire.

Exercice 2.22.

Si on connat le supplmentaire orthogonal G = F de F dans E,


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

( fk | x) fk .
formule du cours : pF (x) =
k=1

Exercices 2.3, 2.12 a).

Pour montrer
quun endomorphisme f
dun espace vectoriel euclidien


E, (. | .)
est symtrique

n


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


et seulement si :
# #


(x, y) E 2 , f (x) ##y = x ## f (y)

Exercice 2.11 c)

Montrer quil existe une base orthonormale B de E telle que la matrice de f dans B soit symtrique.

Revenir la dfinition, cest--dire montrer : t A = A.

Exercice 2.8 .

noncs des exercices

Essayer de revenir la dfinition, cest--dire montrer :

x E, q(x)  0

x E, q(x) = 0 = x = 0

Si E = R , essayer de montrer que les valeurs propres de la matrice


de q dans la base canonique sont toutes strictement positives.

Pour dcider
si une forme quadratique q : E R
est dfinie-positive

Exercices 2.8 c), 2.23


n

Exercices 2.5 d), 2.10 b)2).


Utiliser :
Pour rsoudre une question
faisant intervenir
une (seule) matrice symtrique
relle S

la dfinition : t S = S

le thorme spectral sous sa forme matricielle : il existe une matrice


orthogonale P et une matrice diagonale D telles que : S = PDP1 .
On est ainsi ramen ltude dune matrice diagonale, pour laquelle
on pourra passer aux coecients des matrices.

Exercices 2.13, 2.14, 2.21 b), 2.24.

noncs des exercices


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

Montrer que E est un espace vectoriel et que est un produit scalaire sur E.

Dunod. Toute reproduction non autorise est un dlit

2.2 Exemple dingalit plusieurs variables relles


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

n


ak

k=1

2

n

n


a2k .

k=1

2.3 Exemple de dtermination dun projet orthogonal


Dterminer, dans R4 muni de son produit scalaire canonique, le projet orthogonal de
u = (1, 1, 1, 1) sur le sous-espace vectoriel

x1 + 2x2 + 3x3 + 4x4 = 0 


4
F = (x1 , x2 , x3 , x4 ) R ;
.

x1 + 3x2 + 5x3 + 7x4 = 0

2.4 Exemple dendomorphisme sur un espace de fonctions, daprs EML 2011


On note E = C ([0 ; 1] ; R), muni du produit scalaire (. | .) dfini par :
$ 1
f, g E, ( f | g) =
f (x)g(x) dx
0

41

Chapitre 2

Algbre bilinaire

et, pour toute f E :

T ( f ) : [0 ; 1] R, x  (x2 x) f  (x) + (2x 1) f  (x).

Montrer que T est un endomorphisme de E et que :


f, g E,




T ( f ) | g = f | T (g) .

2.5 Exemple de produit scalaire en dimension 3, daprs ESC 2005


Soit a R.

2 a 1

2

On note Ma = a 3 a M3 (R) et a : M3,1 (R) R, (X, Y)  t XMa Y.

1a2
a) Vrifier que, pour tout a R, a est une forme bilinaire symtrique sur M3,1 (R).

1
1
1

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

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

2.6 tude dorthogonaux de sous-espaces vectoriels



Soient E, (. | .) un espace vectoriel euclidien, F, G deux sous-espaces vectoriels de E, supplmentaires dans E. Montrer que F et G sont supplmentaires dans E.

2.7 Linarit dapplications associes via un produit scalaire


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

#

telles que : (x, y) E 2 , f (x) ## y = x ## g(y) .
Dmontrer que f et g sont linaires.

2.8 Exemple de matrice symtrique dfinie-positive


Soit n N .

1
1
(1)

.
..
a) On note T =

1
(0)

Mn (R). Est-ce que T est inversible ?

b) Calculer le produit t T T .


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

2.9 Noyaux, images, rangs de matrices


Soient n, p N , A Mn,p (R). Montrer : Ker (A) = Ker ( t AA).
42

noncs des exercices

2.10 Exemple de produit scalaire sur R3 , daprs ESC 2009


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

(a, b) ]0 ; +[2 , M(a)M(b) = M(ab).


1 


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

a ]0 ; +[, M(a) = t M( a) M( a).

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



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

x





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

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

3
1 2

1
3 2 .


2 2 2

1) Vrifier H 2 = H et expliciter la matrice M(4).

1 1
 2
1 1
2 
2
2
, w= , ,
.
2) On note : u =
,
,0, v= , ,
2
2
2 2
2
2 2 2
Montrer que B = (u, v, w) est une base de R3 , orthonorme pour le produit scalaire canonique
et orthogonale pour le produit scalaire .

Dunod. Toute reproduction non autorise est un dlit

2.11 Exemple dendomorphisme symtrique de R3 , daprs ESC 2008


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


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


3) On note B  = ||u2 ||u1 ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2 .
43

Chapitre 2

Algbre bilinaire

Vrifier que B  est une base orthogonale de H et former la matrice de g dans B  .


4) En utilisant lingalit de Cauchy-Schwarz, montrer que f admet une valeur propre 1 < 0,
la valeur propre 0, une valeur propre 2 > 0.

2.12 tude dune matrice antisymtrique dordre 3, daprs Ecricome 2008


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



canonique B = ( i , j , k ). On note e = IdR3 .
u = (a, b, c) R3 tel que a2 + b2 + c2 = 1.
Soit
u ) et p le projecteur orthogonal sur D.
On note D = Vect (
v ) laide de <
v ,
u > et de
u .
v R3 , p(
a) Exprimer, pour tout

Calculer p( i ), p( j ), p( k ).
En dduire la matrice P de p dans la base B.

0 c b

On note M = c 0 a et f lendomorphisme de R3 reprsent par M dans la base B.

b a 0
b) 1) Montrer : M 2 = P I3 .
2) Montrer : Ker ( f ) = D et Im ( f ) = D .
c) 1) tablir : f 3 + f = 0.
2) Quelles sont les valeurs propres de f ?
3) Est-ce que f est diagonalisable ?
d) On note, pour tout t R : gt = e + (sin t) f + (1 cos t) f 2 .
1) Calculer la compose gt gt pour tout (t, t ) R2 et montrer quelle se met sous la forme
g o t R est calculer.
t

2) En dduire que, pour tout t R, gt est bijectif et exprimer (gt )1 .

2.13 Valeurs propres extrmes dune matrice symtrique relle, daprs HEC 2006
Soient n N , S Mn (R) symtrique. On note la plus petite valeur propre de S , et la plus
grande valeur propre de S . On munit Mn,1 (R) de son produit scalaire canonique et de la norme
associe ||.||.
Montrer :

X Mn,1 (R), ||X||2  t XS X  ||X||2 .

2.14 Existence dune racine carre symtrique positive dune matrice symtrique positive,
daprs EML 2009
On note Sn (R) lensemble des matrices symtriques de Mn (R), et S+n lensemble des matrices
symtriques positives de Mn (R). Soit S S+n .
a) Montrer que toutes les valeurs propres de S sont  0.
b) Justifier lexistence dune matrice orthogonale P de Mn (R) telle que la matrice
D = P1 S P soit diagonale.
c) Trouver une matrice R de S+n telle que R2 = S .
44

noncs des exercices

2.15 Diverses CNS pour une base orthonormale


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





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



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

et

n



x E,
(ei | x)2 = ||x||2 .
i=1

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

P(k) (0)Q(k) (0).
(P, Q) E E, (P, Q) =
k=0

a) Vrifier que est un produit scalaire sur E.


b) 1) Calculer, pour tout (i, j) 0 ; n2 , (Xi , X j ).
2) En dduire une base orthonormale de (E, ).

2.17 tude de lapplication x 

p


(ei | x)ei

i=1



Soient E, (. | .) un espace vectoriel euclidien, p N , F = (e1 , ..., e p ) E p .
On considre lapplication

f : E E, x  f (x) =

p


(ei | x)ei .

i=1

a) Vrifier que f est un endomorphisme de lespace vectoriel E.


b) Montrer : Ker ( f ) = F et Im ( f ) = Vect (F ).
c) tablir que f est bijective si et seulement si F engendre E.

Dunod. Toute reproduction non autorise est un dlit

2.18 Somme dune matrice symtrique dfinie-positive et dune matrice antisymtrique


Soient n N , S Mn (R) symtrique dfinie-positive, A Mn (R) antisymtrique, cest--dire
telle que t A = A.
Dmontrer que S + A est inversible.

2.19 Exemple de produit scalaire dfini par une intgrale sur un intervalle quelconque, daprs
EML 2009
On note E lensemble des applications f : [0 ; +[ R bornes, de classe C 1 , telles que
f (0) = 0.
a) Dmontrer que E est un sous-espace vectoriel de lespace vectoriel rel des applications de
[0 ; +[ dans R.
f (x)
f  (0).
x x 0
$ +
f (x)g(x)
dx converge.
2) Dmontrer que, pour tout ( f, g) E 2 , lintgrale
x2
0

b) 1) Montrer :

f E,

45

Chapitre 2

Algbre bilinaire

$
On note :

< . , . > : E 2 R, ( f, g)  < f , g > =


0

f (x)g(x)
dx.
x2

c) 1) Montrer que < . , . > est un produit scalaire sur E.


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

d) Dmontrer, pour tout ( f, g) E : < f , g > =

f  (x)g(x) + f (x)g (x)


dx.
x

cet eet, on pourra commencer par eectuer une intgration par parties sur un segment.

2.20 Exemple de produit scalaire dfini par une intgrale sur un intervalle quelconque, daprs
EML 2008
On
note E lensemble des applications u : R R continues sur R et telles que lintgrale
$ +

2
2
u(x) e x dx converge, et on note F le R-espace vectoriel des applications polynomiales

de R dans R.
1 2
( + 2 ).
2
$ +
2
b) En dduire que, pour tout (u, v) E 2 , lintgrale
u(x)v(x) e x dx converge.

a) tablir :

(, ) [0 ; +[2 , 

c) 1) Dmontrer que E est un R-espace vectoriel.


2) Montrer que lapplication (. | .) : E E R, (u, v) 

u(x)v(x) e x dx

est un produit scalaire sur E.


d) Dmontrer : F E.

2.21 Exemple dquation matricielle deux inconnues


Soient n N , X, Y Mn (R) telles que : X t XY = In et Y t Y X = In .
a) Montrer que X et Y sont symtriques.
b) En dduire : X = Y = In .

2.22 Diverses caractrisations des projecteurs orthogonaux parmi les projecteurs



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

(3) x E, x ## p(x)  0
(4) x E, ||p(x)||  ||x||.

46

Du mal dmarrer ?

2.23 Matrice de Hilbert


Soit n N . On note Hn =


1
Mn (R).
i + j 1 1i, jn

Dmontrer que la forme quadratique sur Rn canoniquement associe Hn est dfinie-positive.

2.24 Matrices symtriques relles coecients > 0, daprs HEC 2006


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


x1
|x1 |
.

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


xn
|xn |
1) Montrer t X0 S X0  t |X0 | S |X0 | et en dduire : |X0 | V.
2) Montrer que les coordonnes de S |X0 | sont toutes strictement positives et en dduire que
X0 na aucune coordonne nulle.
3) Montrer :
mme signe.

X0 S X0 = t |X0 | S |X0 | et en dduire que les coordonnes de X0 sont toutes de

b) 1) En dduire quil nexiste pas deux vecteurs de V \ {0} orthogonaux entre eux.
2) Conclure : dim (V) = 1.

Dunod. Toute reproduction non autorise est un dlit

Du mal dmarrer ?
2.1

Revenir la dfinition dun espace vectoriel et la dfinition dun produit scalaire.

x
 (x2 x)f  (x) + (2x 1)f  (x) est la drive de lapplication
x  (x2 x)f  (x).

2.2

2.5

Appliquer lingalit de Cauchy et Schwarz dans Rn muni


de son produit scalaire canonique.

2.3

Dterminer une base de F, puis une base orthonormale (u1 , u2 ) de F laide du procd dorthonormalisation de
Schmidt.

a) Revenir la dfinition dune forme bilinaire symtrique.

b) Immdiat.
c) Interprter les rsultats obtenus en b).
d) Utiliser le rsultat du cours faisant intervenir les valeurs
propres de Ma .

Appliquer la formule du cours donnant le projet orthogonal dun vecteur u de E sur F, laide de la base orthonormale (u1 , u2 ) de F.

2.6

2.4

2) Considrer les dimensions.

1) Vrifier que, pour toute f E, T (f) existe et T (f) E.

2) Vrifier que T est linaire.

#

3) Pour tout (f, g) E2 , calculer T (f) ## g laide dune
intgration par parties, en remarquant que lapplication

1) Pour montrer F G = {0}, considrer x F G ,


puis dcomposer x en x = u + v, o u F et v G.

2.7

Soient R, y, z E.

Montrer que le vecteur g(y + z) g(y) g(z) est orthogonal


tout vecteur de E.

47

Chapitre 2

Algbre bilinaire

2.8

a) Remarquer que T est triangulaire (suprieure) et que


ses termes diagonaux sont tous non nuls.
b) Immdiat.
c) Remarquer M = t TT et calculer le produit t XMX pout tout
X Mn,1 (R).

2.9

Se rappeler la dfinition du noyau dune matrice :




Ker (A) = X Mp,1 (R) ; AX = 0 .

 Rciproquement, pour v Ker (f), en notant V la ma

trice de v dans B, calculer MV, M2 V et obtenir PV = V.

 Soit w Im (f). Calculer < w , u > et dduire w D ,


do une inclusion.
 Pour obtenir lgalit, raisonner sur les dimensions.

c) 1) Calculer M3 + M en utilisant M2 = P I3 .
c) 2) Remarquer que, daprs 1), on dispose dun polynme annulateur de f.

Montrer dabord : Ker (A) Ker ( t AA).

c) 3) Raisonner par labsurde, pour montrer que f nest pas diagonalisable.

Pour lautre inclusion, faire intervenir le produit scalaire canonique sur Mn,1 (R).

d) 1) Calculer gt gt en remplaant gt et gt par leurs expressions en fonction de t, t , e, f, et obtenir : gt gt = gt+t .

2.10

a) 1) et 2) Immdiats.
1
1
a) 3) Calculer M(a)M
et M
M(a).
a
a
a) 4) Immdiat.
b) 1) Immdiat.

b) 2) Utiliser le rsultat du cours faisant intervenir les valeurs


propres de M(a).
c) 1) Immdiat.

Utiliser le thorme spectral, do S = PDP 1 , o P est


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

y1

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

yn

2.13

2.14

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


En notant U, V, W les matrices-colonnes de u, v, w dans
la base canonique de R3 , calculer M(4)V et M(4)W, puis
t
UM(4)V, t UM(4)W, t VM(4)W.

2.11

d) 2) Exprimer gt gt et gt gt en utilisant 1).

a) Immdiat.

a) Soit une valeur propre de S. Faire intervenir un vecteur propre X associ la valeur propre et calculer t XSX.

b) Citer le thorme spectral.


c) En notant D = diag(1 , ..., n ), considrer la matrice diagonale = diag ( 1 , ..., n ), et montrer que R = PP 1 convient.

2.15

b) 1) Montrer, pour tout u R3 : u Ker (f) u H .

(i) = (ii) :

Pour (x, y) E2 . calculer (x | y) en utilisant

b) 2) Montrer : Im (f) H.
Raisonner sur les dimensions pour obtenir lgalit.

x=

c) Revenir la dfinition dun endomorphisme symtrique.

n
n


(ei | x)ei , y =
(ej | y)ej .
i=1

j=1

d) 1) et 2) Immdiats.
d) 3) Noter v1 = ||u2 ||u1 ||u1 ||u2 , v2 = ||u2 ||u1 + ||u1 ||u2 ,

(ii) = (iii) :

et calculer < v1 , v2 >.

Immdiat.

Calculer g(v1 ) et g(v2 ).

d) 4) Utiliser lingalit de Cauchy-Schwarz et ltude du cas


dgalit dans lingalit de Cauchy-Schwarz pour obtenir :

(iii) = (i) :

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

< u1 , u2 > < ||u1 || ||u2 ||.


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

2.12

a) Immdiat.

b) 1) Immdiat.


a

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

c

48

Pour x E, noter u =

n

(ei | x)ei , calculer ||xu||2 , en montrant
i=1

(u | x) = ||x||2 et ||u||2 = ||x||2 , et dduire x = u.

2.16

a) Revenir la dfinition dun produit scalaire.

b) 1) Soit (i, j) 1 ; n2 . Calculer (Xi )(k) pour tout k 0 ; n, en


dduire (Xi )(k) (0), puis (Xi , Xj ).
b) 2) Immdiat.

Du mal dmarrer ?

2.17

b)  Montrer : F Ker (f).


 Pour x

n


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


puis que Y est symtrique.

2.21

a) Immdiat.

Ker (f), calculer

f(x) | x

pour obtenir

(ei | x)2 = 0, et en dduire x F .

i=1

 Montrer Im (f) Vect (F ).


 Pour obtenir lgalit, considrer les dimensions.

c) Utiliser b).

2.18

Soit X Mn,1 (R) tel que (S + A)X = 0. Montrer t XAX = 0,


dduire t XSX = 0, puis X = 0.

2.19

b) Obtenir : X 3 = In .
Utiliser le thorme spectral pour dduire X = In .

2.22

Montrer (par exemple) :

(1) = (2),

(2) = (3),

(2) = (4),

(3) = (2),

(4) = (2),

(2) = (1).

Pour montrer (3) = (2), pour tous y Im (p) et z Ker (p),


appliquer lhypothse x = y + z pour tout R.
Pour montrer (4) = (2), pour tout y Im (p) et z Ker (p),
appliquer lhypothse x = y + z pour tout R.

a) Revenir la dfinition dun sous-espace vectoriel.

b) 1) Utiliser la dfinition de la drive de f en 0.


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

2.23

Dcomposer linairement ga sur f et sur lapplication


k : [0 ; +[, x  x2 e x ,

1
=
k

k N ,

tk1 dt.
0


x1

En dduire, pour tout X = .. Mn,1 (R) :
.
xn
$
t

c) 1) Revenir la dfinition dun produit scalaire.


c) 2) Pour montrer que f est borne, tudier (par exemple) les
variations de f.

Remarquer :

XHn X =

n


2.24

ti1 xi

2

dt.

i=1

a) 1) Dvelopper t X0 SX0 .

Utiliser le thorme spectral : il existe une base orthonormale


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

et montrer que k est borne.


Calculer < f , ga >, par exemple en faisant intervenir la
fonction dEuler.

d) Utiliser une intgration par parties sur un segment [ ; X]


puis faire tendre vers 0 et X vers +.
1 2
( + 2 ) .
2
b) Utiliser a), le thorme de majoration pour des fonctions
valeurs positives ou nulles, et le lien entre absolue convergence
et convergence.

Dunod. Toute reproduction non autorise est un dlit

2.20

a) Calculer

c) 1) Revenir la dfinition dun produit scalaire.

1  ...  k < k+1 = ... = n = .


Dcomposer |X0 | sur (X1 , ..., Xn ) et calculer t X0 SX0 et t |X0 | S |X0 |.

a) 2) tudier les sommes

n


aij |xj |.

j=1

Remarquer que, daprs 1) : S|X0 | = |X0 |.

a) 3) Utiliser X0 V et |X0 | V pour calculer les produits


t
X0 SX0 et t |X0 | S |X0 |.
Dvelopper t |X0 | S |X0 | t X0 SX0 .

c) 2) Revenir la dfinition de E.

b) 1) Soient X, X  V \ {0}. Raisonner sur les signes des coordonnes de X et X  pour montrer : t XX   0.

d) Utiliser la comparaison lexemple de Riemann en +.

b) 2) Raisonner par labsurde et utiliser 1).

49

Corrigs des exercices


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

existe, car 2 f  g + 2 f g + 3 f  g est continue sur le segment [0 ; 1].


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

On a, pour toute f E :
$ 1
2

2


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

2
2
f  0.
donc :
q( f ) = 2 f (1) +
0

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

0
2

= 0, puis f  = 0. Ainsi, f est constante.

Comme de plus f (0) = 0, on dduit : f = 0.


On conclut : est un produit scalaire sur E.

cet eet, commenons par remplacer le systme dquations


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

x1 + 2x2 + 3x3 + 4x4 = 0 L1


x F

x1 + 3x2 + 5x3 + 7x4 = 0 L2

L1 3L1 2L2

x1 x3 2x4 = 0

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

x1 = x3 + 2x4

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

#
v v (v | v ) = 0 v ## v + v = 0
3

k=1

||u||2 =

n


k=1

12 = n,

k=1

do :

n

k=1

ak

2

n

||v||2 =

n


u2k ,

a2k .

2.3
Dterminons une base orthonormale de F, en utilisant le procd dorthonormalisation de Schmidt.
50

1
u2 = (2, 1, 4, 3).
30

Daprs le cours, le projet orthogonal pF (u) de u sur F est


donn par la formule : pF (u) = (u1 | u)u1 + (u2 | u)u2 .
Ici :

k=1

1
u1 = (1, 2, 1, 0),
6

4
1
(u1 | u) = (1 + 2 + 1 + 0) = ,
6
6
4
1
(u2 | u) = (2 + 1 4 3) = ,
30
30

k=1
n


4
||v1 ||2 + (v1 | v2 ) = 0 6 + 8 = 0 = .
3
Considrons donc v3 dfini par :
v3 = v1 + v2
1
4
= (1, 2, 1, 0) + (2, 3, 0, 1) = (2, 1, 4, 3).
3
3
v1
v3
En notant u1 =
et u2 =
, on obtient une base ortho||v1 ||
||v3 ||
normale (u1 , u2 ) de F :

2.2

Appliquons
lingalit
de
Cauchy-Schwarz
(u | v)2  ||u||2 ||v||2 dans Rn muni de son produit scalaire canonique, aux vecteurs u = (1, ..., 1) et v = (a1 , ..., an ) :
2 n


 2
(u | v)2 = 1 uk = uk ,

v2 = (2, 3, 0, 1).

donc :
4 1
4 1
pF (u) = (1, 2, 1, 0) +
(2, 1, 4, 3)
6 6
30 30
2
1
2
= (1, 2, 1, 0) (2, 1, 4, 3) = (2, 6, 6, 2).
3
15
5

Corrigs des exercices

2.4

car t Y Ma X R et Ma est symtrique.

1) Dabord, il est clair que, pour toute f E, T ( f ) existe et


T ( f ) E.

Ainsi, a est symtrique.

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




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




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


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


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

donc :

T ( f + g) = T ( f ) + T (g).

Ceci montre que T est linaire.


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

(x x) f  (x) + (2x 1) f  (x) g(x) dx.
T ( f ) ## g =

On a, pour tout R et tous X, X  , Y M3,1 (R) :


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

2 a 1 1 1

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

1
1a2 1


2 a 1 1
1

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


1a2 1
1

On remarque que lapplication


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




u = g (x)
u = g(x)

v = (x2 x) f  (x)
v = (x2 x) f  (x) + (2x 1) f  (x)
o u, v sont de classe C 1 sur le segment [0 ; 1] :

Dunod. Toute reproduction non autorise est un dlit

$ 1
# %
&1
g (x)(x2 x) f  (x) dx.
T ( f ) ## g = (x2 x) f  (x)g(x) 0
 !"
0
=0

Dans cette dernire expression, f et g ont des rles symtriques, donc, en appliquant le rsultat ci-dessus au couple
(g, f ) la place du couple ( f, g), on obtient :
$ 1
# #
#



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

2.5


2
a) Dabord, a est bien une application de M3,1 (R) dans R.

On a, pour tous X, Y M3,1 (R) :


a (Y, X) = t Y Ma X = t ( t Y Ma X)
= t X t Ma Y = t XMa Y = a (X, Y),

2 a 1 1
1

Ma U3 = a 3 a 2 = (3 a 2) 2 = (3 a 2)U3 .

1a2
1
1

c) Daprs b), les rels 1, 3 + a 2, 3 a 2 sont des valeurs


propres de Ma , et U1 , U2 , U3 sont des vecteurs propres pour
Ma respectivement associs aux valeurs propres considres.

0
0
1

0 qui est diagonale, et


Notons Da = 0 3 + a 2

0
0
3a 2

1
1 1

P = 0
2 2 .

1 1
1
La matrice P est inversible car cest la matrice de la famille
(U1 , U2 , U3 ) dans la base canonique de M3,1 (R) et ces trois
vecteurs sont des vecteurs propres pour Ma associs des valeurs propres deux deux distinctes, en choisissant par exemple
a = 1 et en remarquant que P ne dpend pas de a. On peut aussi
remarquer que P est inversible par une mthode usuelle.
Puisque (U1 , U2 , U3 ) est une base de vecteurs propres pour Ma ,
on a : Ma = PDa P1 .
d) Lapplication a est un produit scalaire sur M3,1 (R) si et
poseulement si les valeurs propres de Ma sont strictement

sitives, cest--dire si et seulement si 3 + a 2 > 0 et

3
3
3 a 2 > 0, ce qui revient : < a < .
2
2
51

Chapitre 2

Algbre bilinaire

Dabord, daprs le cours, F et G sont des sousespaces vectoriels de E.

2.6

b) On calcule le produit t T T :
T

1) Montrons : F G = {0}.
Soit x F G .
Puisque F + G = E, il existe u F, v G tel que : x = u + v.
On a alors :

(x | x) = (x | u + v) = (x | u) + (x | v).

1
1
(0)

..

(1)
1

1
 !"

Mais : (x | u) = 0 car x F et u F,
et

(x | v) = 0 car x G et v G.

On a donc : (x | x) = 0 + 0 = 0, do : x = 0.
Ceci montre : F G = {0}.

tT

Ainsi, la somme F + G est directe.


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



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


= 2 dim (E) dim (F) + dim (G)
= 2 dim (E) dim (F G)
= 2 dim (E) dim (E) = dim (E).
On conclut : F G = E,
cest--dire que F et G sont supplmentaires dans E.

2.7

Soient R, y, z E.

Nous allons montrer que le vecteur g(y + z) g(y) g(z) est


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

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

#
#

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



= f (x) ## y + z f (x) ## y f (x) ## z
#
# &
#
#
%
= f (x) ## y + f (x) ## z f (x) ## y f (x) ## z
= 0.
Ceci montre que le vecteur g(y+z)g(y)g(z) est orthogonal
tout vecteur x de E, donc est nul, cest--dire :
g(y + z) = g(y) + g(z).
On conclut que g est linaire.
Par rles symtriques, f est linaire.

2.8
a) Puisque T est triangulaire (suprieure) termes diagonaux
tous non nuls, T est inversible.
52

!"

1
1
(1)

..

(0)
1

1 .
1

2
2

..

.
.

12
n
 !"
tT T

c) Daprs b) et la dfinition de M, on a : M = t T T.
Do, pour tout X Mn,1 (R) :
t

XMX = t X( t T T )X = ( t X t T )(T X) = t (T X)(T X) = ||T X||2  0,

et :
t

XMX = 0 ||T X||2 = 0 T X = 0 X = 0,

puisque T est inversible.


On conclut que la forme quadratique canoniquement associe
M est dfinie-positive.

2.9

Rappelons la notion de noyau dune matrice, dfinie,


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


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

( t AA)X = t A(AX) = t A0 = 0,

donc : X Ker ( t AA).


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

Ker (A) = Ker ( t AA).

Corrigs des exercices

Daprs le cours, il en rsulte que est un produit scalaire sur


R3 .

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



t
M(a) = t aI + (1 a)H

c) 1) On eectue le produit de H par H :

= aI + (1 a) H = aI + (1 a)H = M(a),
t

1
H2 =
16

donc M(a) est symtrique.


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


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


2
= abI + a(1 b)+(1 a)b H +(1a)(1b) H!"
= abI + (a + b 2ab)H + (1 a b + ab)H
= abI + (1 ab)H = M(ab).

=H

1
M(4) = 4I 3H =
4

a) 3) On dduit de 2) :

1
 1

M(a)M
=
M
a = M(1) = I

a
a

a ]0 ; +[,

1 
1

M
M(a) = M a = M(1) = I.
a
a


M(a) GL3 (R) et

M(a)

=M

 1 
.
a

< u , u > = 1, < u , v > = 0, < u , w > = 0,


< v , v > = 1, < v , w > = 0, < w , w > = 1.
Ainsi, B = (u, v, w) est une famille orthonormale de R3 pour
le produit scalaire canonique.

a) 4) On a, pour tout a ]0 ; +[ :

2
M(a) = M ( a)2 = M( a) = t M( a) M( a),

puisque M( a) est symtrique.

Puisque B est orthogonale et forme de vecteurs tous non nuls,


daprs le cours, B est libre.

b) 1) On a :



t
M( a)X M( a)x = t X t M( a) M( a) X

Ainsi, B est une base orthonormale de R3 pour le produit scalaire canonique.

= t XM(a)X = t XX = t XX.
Dunod. Toute reproduction non autorise est un dlit

7
3 3 2


3
7 3 2 .

3 2 3 2 10

c) 2) On calcule les produits scalaires de u, v, w entre eux


(pour le produit scalaire canonique), et on obtient :

Ceci montre :
a ]0 ; +[,

3
1 2
1 2 3

1
3 2 1
3 2


2 2 2
2 2 2

12
4 4 2
1

=
4
12 4 2
16

4 2 4 2 8

3
1 2
1

= 1
3 2 = H.
4

2 2 2

Puisque X  0, on a t XX = ||X||2 > 0.

Puisque X  0 et que M( a) est inversible (cf. a)3)), on a :

M( a)X  0,




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



t
M( a)X M( a)X
> 0.
On dduit : =
t XX

Puisque B est libre et a trois lments dans R3 qui est de dimension 3, B est une base de R3 .

Notons U, V, W les matrices-colonnes de u, v, w dans la base


canonique de R3 , cest--dire :

2/2

U = 2/2 ,

1/2
1/2
W = .

2/2

On a :
1
M(4)V =
4

7
3 3 2 1/2
2
1

= 2 = V,

3
7 3 2 1/2

2 2
3 2 3 2 10 2/2

b) 2) Puisque M(a) est symtrique, lapplication est une


forme bilinaire symtrique sur R3 .
De plus, daprs b)1), les valeurs propres de M(a) sont
toutes > 0.

1/2
1/2
V = ,

2/2

1
M(4)W =
4

7
3 3 2 1/2
8
1

8 = 4W.

3
7 3 2 1/2 =

8 2
2/2
3 2 3 2 10
53

Chapitre 2

Do :

Algbre bilinaire

U M(4)V = 4 t UV = 0

t
U M(4)W = 4 t UW = 0

t V M(4)W = 4 t VW = 0,

c) On a, pour tout (u, v) (R3 )2 :


(
'
< f (u) , v > = < u1 , u > u2 + < u2 , u > u1 , v
= < u1 , u >< u2 , v > + < u2 , u >< u1 , v >
= < u1 , v >< u2 , u > + < u2 , v >< u1 , u >
'
(
= < u1 , v > u2 + < u2 , v > u1 , u

cest--dire : (u, v) = (u, w) = (v, w) = 0.


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

= < f (v) , u > = < u , f (v) >,


donc f est un endomorphisme symtrique de R3 pour le produit
scalaire canonique < . , . >.

2.11
a) Il est clair que

x H, f (x) Im ( f ) H,

d) 1) On a :

f : u  < u1 , u > u2 + < u2 , u > u1


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


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


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


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


+ < u1 , v > u2 + < u2 , v > u1
= f (u) + f (v),

donc H est stable par f .


On peut donc considrer lendomorphisme g induit par f
sur H :
g : H H, x  f (x).
d) 2) On a :

g(u1 ) = < u1 , u1 > u2 + < u2 , u1 > u1 ,


g(u2 ) = < u1 , u2 > u2 + < u2 , u2 > u1 ,

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


< u2 , u1 > < u2 , u2 >


.
G=
< u1 , u1 > < u1 , u2 >
d) 3) Notons
v1 = ||u2 ||u1 ||u1 ||u2 ,

v2 = ||u2 ||u1 + ||u1 ||u2 ,

donc f est linaire.


On conclut : f L (R3 ).

de sorte quavec les notations de lnonc : B  = (v1 , v2 ).

b) 1) On a, pour tout u R3 :

On a :

u Ker ( f )

f (u) = 0

(
'
< v1 , v2 > = ||u2 ||u1 ||u1 ||u2 , ||u2 ||u1 + ||u1 ||u2
= ||u2 ||2 < u1 , u1 > +||u2 || ||u1 || < u1 , u2 >

< u1 , u > u2 + < u2 , u > u1 = 0


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


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

dim Im ( f ) = 3 dim Ker ( f ) = 3 dim (H ) = dim (H).


Comme : Im ( f ) H et dim Im ( f ) = dim (H),

54

= ||u2 ||2 ||u1 ||2 ||u1 ||2 ||u2 ||2 = 0,


donc : v1 v2 .
Dautre part :
v1 = 0 ||u2 ||u1 ||u1 ||u2 = 0
||u2 || = ||u1 || = 0 car (u1 , u2 ) est libre
u1 = u2 = 0,
contradiction avec (u1 , u2 ) libre.

Daprs le thorme du rang et le thorme sur la dimension


de lorthogonal dun sous-espace vectoriel, on a :

on conclut :

||u1 || ||u2 || < u2 , u1 > ||u1 ||2 < u2 , u2 >

Im ( f ) = H.

Il en rsulte v1  0, et de mme v2  0.
Comme B  est une famille orthogonale vecteurs tous non
nuls, daprs le cours, B  est libre.
Ainsi B  est une famille libre deux lments dans un espace
vectoriel H qui est de dimension 2, donc B  est une base de H.
On conclut que B  est une base orthogonale de H.

Corrigs des exercices

On a :

Enfin, comme R3 est de dimension 3 et que f est un endomorphisme de R3 , f admet au plus trois valeurs propres.

g(v1 ) = f (v1 )
= f (||u2 ||u1 ||u1 ||u2 )
= ||u2 || f (u1 ) ||u1 || f (u2 )


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


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


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


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



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


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


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


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


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


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



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


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

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

Dunod. Toute reproduction non autorise est un dlit

| < u1 , u2 > |  ||u1 || ||u2 ||.


De plus, comme (u1 , u2 ) est libre, daprs ltude du cas dgalit dans lingalit de Cauchy-Schwarz :

Finalement, f admet une valeur propre 1 < 0, la valeur propre


0, une valeur propre 2 > 0.

2.12

u ) est une base orthonormale de


a) Daprs le cours, puisque (

u |
v >
u .

3
D, on a : v R , p( v ) = <
En particulier :


u |
u
p( i ) = <
i > u = a

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


u |
u
p( j ) = <
j > u = b

= b(a i + b j + c k ) = ba i + b2 j + bc k ,


u |
u
p( k ) = <
k > u = c

= c(a i + b j + c k ) = ca i + cb j + c2 k .



La matrice P de p dans B = ( i , j , k ) est donc :

2
a ab ac

P = ba b2 bc .

2
ca cb c
b) 1) On a :

0 c b 0 c b

M 2 = c 0 a c 0 a

b a 0 b a 0
2

ab
ac
b c2

2
2

bc
a c
= ab

2
2
ac
bc
a b

ab
ac
1 + a2

2
bc = P I3 .
= ab 1 + b

2
ac
bc 1 + c
b) 2)  On a :


a 0 c b a 0


M b = c 0 a b = 0 ,


0
b a 0 c
c

| < u1 , u2 > |  ||u1 || ||u2 ||.


On a donc :

| < u1 , u2 > | < ||u1 || ||u2 ||.

La matrice de g dans B  , qui est diagonale daprs 3), admet


deux valeurs propres qui sont
1 = < u1 , u2 > ||u1 || ||u2 || < 0,

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


donc
v Ker ( f ).
 Rciproquement, soit
v dans B, on a : MV = 0, donc :
En notant V la matrice de

2 = < u1 , u2 > +||u1 || ||u2 || > 0.


Comme g est lendomorphisme induit par f sur H, les deux
rels 1 et 2 sont aussi valeurs propres de f .
De plus, comme Ker ( f ) = H  {0}, le rel 0 est valeur propre
de f .

M 2 V = M(MV) = M0 = 0,
puis :

PV = (M 2 + I3 )V = M 2 V + V = V,

v Im (p) = D.
donc
Il en rsulte : Ker ( f ) D.
55

Chapitre 2

Algbre bilinaire

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




+ sin t(1 cos t ) + sin t (1 cos t) f 3
 !"

Ceci montre : Ker ( f ) = D.

 Soit
w Im ( f ).

=f

v ).
v R3 tel que
w = f (
Il existe

+ (1 cos t)(1 cos t ) f 4


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


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

u dans B et V la matrice de
v dans
Notons U la matrice de
B. On a :

u > = < f (
v ) ,
u > = t (MV)U
<
w ,
= t V t MU = t V(M)U = t V(MU
!") = 0,

donc
w D .

=0

d) 2) Daprs 1), en remplaant t par t, on a :

Ainsi : Im ( f ) D .

t R,

 Daprs le thorme du rang et le thorme sur la dimension du supplmentaire orthogonal dun sous-espace vectoriel,
on a :
dim Im ( f ) = 3 dim Ker ( f ) = 3 dim (D) = dim (D ).

Ainsi, Im ( f ) D et dim Im ( f ) = dim (D ), donc, daprs le


cours :
Im ( f ) = D .


gt gt = g0 = e et gt gt = g0 = e .

Il en rsulte que, pour tout t R, gt est bijectif et que :


(gt )1 = gt .

2.13

Puisque S est symtrique relle, daprs le thorme


spectral, il existe D = diag (1 , ..., n ) Dn (R) et P orthogonale telles que : S = PDP1.
Soit X Mn,1 (R).

c) 1) On a :
M 3 + M = MM 2 + M = M(P I3 ) + M = MP

ab
ac
0 c b 1 + a2

bc = 0,
= c 0 a ab 1 + b2

2
b a 0
ac
bc 1 + c
donc :

f 3 + f = 0.

On peut aussi remarquer P = U t U, donc :


t
MP = M(U t U) = (MU
!") U = 0.
=0

c) 2) Daprs 1), le polynme X +X = X(X2 +1) est annulateur


de f , donc les valeurs propres de f sont parmi les zros (rels)
de ce polynme, donc la seule valeur propre possible pour f
est 0.

On a, en utilisant t P = P1 :
t

XS X = t X(PDP1)X = ( t XP)D(P1 X)

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



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

yn

(0) y1
1
n



t
..
.. =
XS X = t Y DY = y1 . . . yn
i y2i .
.
. i=1

(0)
n yn

Dautre part, comme Ker ( f ) = D  {0}, 0 est valeur propre


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


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


e + (sin t ) f + (1 cos t ) f 2
56

Comme : i 1 ; n,  i  ,
et que les y2i sont tous  0, on dduit :
n
n
n



y2i 
i y2i 
y2i .

i=1

i=1

i=1

Et :
||X||2 = t XX = t (PY)(PY) = t Y t PPY
= t Y(P1 P)Y = t YY = ||Y||2 =

n

i=1

On conclut :

||X||  XS X  ||X|| .
2

2.14
a) Soit une valeur propre de S .
Il existe X Mn,1 (R) tel que : S X = X et X  0.

y2i .

Corrigs des exercices

Puisque S S+n , on a : t XS X  0.
Et :

On suppose que (e1 , ..., en ) est une base orthonormale de E.

XS X = X(X) = ( XX) = ||X|| .


 !"
t

Do :

XS X
 0.
||X||2

>0

On conclut : toutes les valeurs propres de S sont  0.


b) Puisque S Sn (R), daprs le thorme spectral, il existe
une matrice orthogonale P de Mn (R) et une matrice diagonale
D de Mn (R) telles que S = PDP1 , do D = P1 S P.

De plus, daprs le cours, pour tout (x, y) E 2 , on a :


n
n


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

(x | y) =

n


n
## 

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

i=1

j=1

D = diag (1 , ..., n ).

Considrons la matrice diagonale = diag ( 1 , ..., n ) et la


matrice R = PP1 .

On a :

R2 = (PP1)2 = P2 P1 = PDP1 = S .

On a :

R = t (PP1) = t P1 t t P = PP1 = R,

car P est orthogonale et est diagonale.

Soit X Mn,1 (R) quelconque. On a :


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

y1

1
Notons P X = ... .

yn

Dunod. Toute reproduction non autorise est un dlit

= i j

(ei | x)(ei | y).

vident : il sut dappliquer (ii) (x, x) la place de (x, y).


Montrons (iii) = (i) :

i 1 ; n, ||ei || = 1

n

On suppose :

(ei | x)2 = ||x||2 .


x

E,

En isolant le terme dindice k dans la sommation prcdente :


n


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

=1

i, ik


i, ik

XRX = YY =
t

n

)

Il en rsulte :
k y2k

 0.

On conclut : R S+n .
2e mthode :

Considrons la matrice diagonale U = diag ( 4 1 , ..., 4 n ) de


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

2.15

i=1

Montrons (ii) = (iii) :

On dduit :

k=1

i=1

i=1

XRX = t XPP1 X

On a alors :

n


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


 !"
j=1

En appliquant lhypothse ek pour k 1 ; n fix, on a :


n

(ei | ek )2 = ||ek ||2 = 1.

1re mthode :

n
n 


i=1

Montrons S+n .

j=1

do :

c) Notons 1 , ..., n les lments diagonaux de D :


Daprs a) : k 1 ; n, k  0.

i 1 ; n, ||ei || = 1.

Il est clair qualors :

Montrons (i) = (ii) :

(ei | ek )2 = 0.
 !"
0

i  k, (ei | ek ) = 0.

Ceci montre que la famille (e1 , ..., en ) est orthogonale.


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

n


(ei | x)ei .

i=1

Nous allons montrer x = u, en calculant ||x u||2 .


||x u||2 = ||x||2 2(x | u) + ||u||2 .

On a :
Mais :
(u | x) =

n

i=1

n
n
##  

(ei | x)ei ## x =
(ei | x)(ei | x) =
(ei | x)2 = ||x||2
i=1

i=1

57

Chapitre 2

Algbre bilinaire

et, puisque (e1 , ..., en ) est une famille orthonormale :


n
n
####2 
#### 
(ei | x)2 = ||x||2 .
||u||2 = #### (ei | x)ei #### =
i=1

i=1

||x u||2 = ||x||2 2||x||2 + ||x||2 = 0,

On obtient :

donc x u = 0, x = u =

n


b) 1) Soit (i, j) 0 ; n2 . On a, pour tout k 0 ; n :

i(i 1) (i k + 1)Xik
si k < i

i (k)
(X ) =
i!
si k = i

0
si k > i

0
(Xi )(k) (0) =

i!

donc :

(ei | x)ei .

i=1

Ceci montre que la famille (e1 , ..., en ) engendre E.


Finalement, (e1 , ..., en ) est une base orthonormale de E.

si k = i.

Il en rsulte :

0
(Xi , X j ) =
(Xi )(k) (0)(X j )(k) (0) =

(i!)2
k=0
n


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


n


si i  j
si i = j.

donc est symtrique.

b) 2) Daprs 1), (Xi )0in est une famille orthogonale pour ,


forme de vecteurs tous non nuls, donc cette famille est libre.
Comme dim (E) = n + 1, cette famille libre de n + 1 lments
est une base de E.

On a, pour tout R et tous P, Q, R E :

De plus : i 0 ; n, (Xi , Xi ) = (i!)2 .

(Q, P) =

Q(k) (0)P(k) (0) =

k=0

P(k) (0)Q(k) (0) = (P, Q),

k=0

(P, Q + R) =

n


On conclut que

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

(k)

k=

n


 Xi 
i!

2.17



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

n


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

n


k=0

a) Soient R, x, y E. On a :
f (x + y) =

P(k) (0)R(k) (0)

donc est linaire par rapport la seconde place.

n


P(k) (0)

 0.

k=0

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


n


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

!"
k=0

p


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

p


(ei | x)ei +

i=1

p


donc f est linaire.


On conclut que f est un endomorphisme de lespace vectoriel E.
b)  Soit x F .

(k)

k 0 ; n, P(k) (0) = 0.

(ei | y)ei

i=1

= f (x) + f (y),

On a alors :

i 1 ; p, (ei | x) = 0,

donc :

f (x) =

0

donc :

(ei | x + y)ei

i=1

Puisque est symtrique et linaire par rapport la seconde


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

p

i=1

k=0

= (P, Q) + (P, R),

On a, pour tout P E :

est une base orthonormale de (E, ).

0in

k=0

58

si k  i

p

i=1

(ei | x) ei = 0,
 !"

Si P  0, en notant k = deg (P), on a k 0 ; n et P(k) est une


constante non nulle, contradiction avec le rsultat prcdent.

do : x Ker ( f ).

Il en rsulte : P = 0.

Ceci montre : F Ker ( f ).

On conclut que est un produit scalaire sur E.

 Soit x Ker ( f ).

=0

Corrigs des exercices


p


f (x) =

On a donc :

et on conclut : S + A est inversible.

(ei | x)ei = 0,

i=1

2.19

do, en faisant le produit scalaire avec x :



(ei | x)ei
0 = (0 | x) = f (x) | x =
p

a) On a E R[0 ; +[ et 0 E.

## 
## x

Soient R, f, g E.

i=1
p
p


(ei | x)(ei | x) =
(ei | x)2 .
=
 !"
i=1

i=1

0

i 1 ; p, (ei | x) = 0,

Il en rsulte :

 Puisque f et g sont
bornes, il existe M f , Mg R+ tels que :

x [0 ; +[, | f (x)|  M f

x [0 ; +[, |g(x)|  M .

On a alors :

et donc : x F .

#
#
x R, ## f (x) + g(x)##  || | f (x)| + |g(x)|  ||M f + Mg ,

Ceci montre : Ker ( f ) F .


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

p

x E, f (x) =
(ei | x)ei Vect (F ),
i=1

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


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

Dunod. Toute reproduction non autorise est un dlit

2.18

On a alors : t X(S + A)X = 0.


t

Mais :

X(S + A)X = t XS X + t XAX.

Comme A = A et que XAX est une matrice carre une seul


lment, on a :
t

XAX = t ( t XAX) = t X t AX = t X(A)X = t XAX,

donc f + g est borne.


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

( f + g)(0) = f (0) + g(0) = 0.


 !"  !"
=0

=0

On dduit : f + g E.
On conclut : E est un sous-espace vectoriel de lespace vectoriel rel des applications de [0 ; +[ dans R.
b) 1) Soit f E. Puisque f (0) = 0 et que f est drivable en 0,
f (x)
f (x) f (0)
=
f  (0).
x 0
x
x0

on a :

b) 2) Soit ( f, g) E 2 .
Lapplication h : x 
On a, daprs 1) :

f (x)g(x)
est continue sur ]0 ; +[.
x2

h(x) =

f (x) g(x)
f  (0)g (0).
x
x x 0

Ainsi, lapplication h admet une limite finie en 0, donc lint$ 1


grale
h(x) dx converge (intgrale faussement impropre).
0

Puisque f et g sont
bornes, il existe M f , Mg R+ tels que :

x [0 ; +[, | f (x)|  M f

x [0 ; +[, |g(x)|  M .

M f Mg
| f (x)| |g(x)|

.
x2
x2

donc 2 t XAX = 0, do t XAX = 0.

On a : x [1 ; +[, |h(x)| =

On obtient alors t XS X = 0.

Daprs
lexemple de Riemann en + (2 $ > 1), lint$ +
+
M f Mg
1
dx converge, donc lintgrale
dx
grale
2
x
x2
1
1
converge.

Comme S est symtrique dfinie-positive, la forme quadratique


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


(S + A)X = 0 = X = 0 ,

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
|h(x)| dx converge.
1

59

Chapitre 2

Algbre bilinaire

Ainsi, lintgrale

h(x) dx est absolument convergente,


1

donc convergente.

1re mthode : utilisation des variations de la fonction f :


$

Puisque les deux intgrales

h(x) dx et
h(x) dx
1
$ +
h(x) dx converge.
convergent, par dfinition, lintgrale
0

On
$ +conclut que, pour tout ( f, g)
f (x)g(x)
dx converge.
x2
0

E 2 , lintgrale

On a :

x [0 ; +[, f  (x) = (1 x) e x ,

do le tableau des variations de f :


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

0

c) 1) La symtrie est vidente.

On a donc :

La linarit par rapport la premire place est immdiate, par


linarit de lintgration.

Il en rsulte que f est borne.

Puisque < . , . > est linaire par rapport la seconde place et


est symtrique, < . , . > est bilinaire.
$
On a :

f E, < f | f > =

f (x)
x2

2
dx  0.

Soit f E telle que < f | f > = 0, cest--dire telle


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

!" 
!"
0

donc :
0

f (x)
x2

0

Lapplication

dx = 0 et
1

H : X 
1

f (x)
x2

f (x)
x2

2
dx = 0.

2
dx

est croissante sur [1 ; +[, car elle est de classe C 1 et sa drive



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

2
f (X)
puis, en drivant : X [1 ; +[,
= 0,
X2

Il en rsulte :

donc :

X [1 ; +[, f (X) = 0.

On montre de mme :

X ]0 ; 1], f (X) = 0.

On obtient donc : f = 0.
On conclut que < . . . > est un produit scalaire sur E.
c) 2) Lapplication f : [0 ; +[ R, x  x e x est de
classe C 1 et f (0) = 0.
60

Nous allons maintenant montrer que f est borne.


0

x [0 ; +[, 0  f (x)  e 1 .

2e mthode : utilisation du comportement linfini et de la


continuit sur un segment :
On a, par prpondrance de lexponentielle sur les puissances :
f (x) 0.
x +

Il existe donc [0 ; +[ tel que :


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

x [0 ; +[, | f (x)|  Max (1, M),

ce qui montre que f est borne.


On conclut : f E.
Soit a R.
Lapplication

ga : [0 ; +[ R, x  x(x a) e x

est de classe C 1 et ga (0) = 0.


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


$ +
(x e x ) x(x a) e x
dx
=
x2
0

Corrigs des exercices

=
$

0
+

t=2x

1
4

Lapplication f : x  u(x)v(x) e x est continue sur R


2

(x a) e 2x dx

et, daprs a), pour tout x R :

t


1
a e t dt
2
2

(t 2a) e t dt

$
$ +

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

1
(2) 2a(1)
=
4
1
1
= (1! 2a 0!) = (1 2a).
4
4
=

On conclut : lensemble des a R tels que f ga est

1
2

d) Soit ( f, g) E .

Comme les deux

$ +

2 x2
v(x) e dx convergent, par combinaison linaire,

$ + 
1
2
2
1
2
2
u(x) e x + v(x) e x dx converge,
lintgrale
2
2

puis, par$thorme de majoration pour des fonctions  0, lin+


| f (x)| dx converge.
tgrale

donc convergente.

On a, par intgration par parties avec




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


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

v = 1
v = 1

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

* f (x)g(x) +X $ X f  (x)g(x) + f (x)g (x)


dx.
=
+

x
x

Comme f et g sont bornes, on a :

f (X)g(X)
X

X +

0.

Dunod. Toute reproduction non autorise est un dlit

Dautre part, daprs b)1) appliqu f et puisque g est continue


f ()
f ()g()
=
g() f  (0) g(0) = 0.
en 0 :
0
 !"

=0

Il en rsulte que lintgrale


0

converge et que :
$

< f , g >=
0

f (x)g(x) + f (x)g (x)


dx
x

f  (x)g(x) + f (x)g (x)


dx.
x

2.20
a) On a, pour tout (, ) [0 ; +[2 :
2 + 2 2 ( )2
1 2
( + 2 ) =
=
 0,
2
2
2

b) Soit (u, v) E 2 .

f (x) dx est absolument convergente,

Ainsi, lintgrale

Soit (, X) ]0 ; +[2 tel que < X.

donc :

1

2
u(x)2 + v(x)2 e x
2
2
2
1
1
2
2
= u(x) e x + v(x) e x .
2
2
$ +

2
2
u(x) e x dx et
intgrales

| f (x)| = |u(x)| |v(x)| e x 

1 2
( + 2 ).
2

On conclut : lintgrale

u(x)v(x) e x dx converge.

c) 1) Il est clair que E RR et que, en notant 0 la fonction


constante nulle, 0 E.
Soient u, v E. On a, pour tout x R :

2
2
u(x) + v(x) e x

2

2
2
2
2
= u(x) e x + 2u(x)v(x) e x + v(x) e x .
$ +

2
2
u(x) e x dx et
Puisque u, v E, les deux intgrales

$ +

2
2
v(x) e x dx convergent.

Daprs b), lintgrale

u(x)v(x) e x dx converge.
2

Par combinaison linaire, on dduit que lintgrale


$
+

2
2
u(x) + v(x) e x dx converge, donc u + v E.

Soient R, u E.
$ +

2
2
Puisque lintgrale
u(x) e x dx converge, par multi
$ +

2
2
plication par la constante 2 , lintgrale
u(x) e x dx
converge, donc u E.

Ceci montre que E est un sous-espace vectoriel de RR .


On conclut : E est un R-espace vectoriel.
c)
Daprs b), pour tout (u, v) E 2 , lintgrale
$ 2)
+
2
u(x)v(x) e x dx converge, donc (u | v) existe.

61

Chapitre 2

Algbre bilinaire

La symtrie est vidente.


La linarit par rapport la premire place rsulte de la linarit de lintgration.
$
On a :

u E, (u | u) =

u(x)

0

$
=

u(x)

e x dx = 0 et
2

u(x)

Lapplication F : [0 ; +[

u(x)

e x dx = 0.
2

X [0 ; +[, F(X) = 0,
u(X)

X [0 ; +[, u(X) = 0.

De mme :

X ] ; 0], u(X) = 0.

X 2

= 0,

On conclut : (. | .) est un produit scalaire sur E.

Il est clair qualors P est continue sur R.



2
2
Lapplication x  P(x) e x est continue sur R et, par prpondrance de lexponentielle sur les puissances :


2
2
0.
x2 P(x) e x
x +

Il existe donc a > 0 tel que :

do :

x2

$ 0

2
2
P(x) e x dx et
Puisque les deux intgrales

$ +

2
2
P(x) e x dx convergent, par dfinition, lintgrale
$0 +

2
2
P(x) e x dx converge, et on conclut : P E.

2.21
a) Puisque (X t X)Y = In , la matrice Y est inversible et on a :
Y 1 = X t X.
On a alors :

(Y 1 ) = t (X t X) = X t X = Y 1 ,

donc Y 1 est symtrique, puis Y = (Y 1)1 est symtrique.


Comme X et Y ont des rles symtriques dans les hypothses,
on conclut que X est aussi symtrique.
b) Puisque t X = X et t Y = Y, on a : X 2 Y = In donc Y = X 2
puis : In = Y 2 X = (X 2 )2 X = X 3 ,

1re mthode :
D3 = (P1 XP)3 = P1 X 3 P = P1 In P = In .

Mais, en notant D = diag (1 , ..., n ), o (1 , ..., n ) Rn , on a


D3 = diag (31 , ..., 3n ). do : k 1 ; n, 3k = 1,
k 1 ; n, k = 1,

puis, comme les k sont rels :


donc D = In , puis : X = PDP

= PIn P1 = In .

Enfin : Y = X 2 = I2
n = In .
2e mthode :

 1,


2
1
2
x [a ; +[, 0  P(x) e x  2 .
x

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
62

On a :

d) Soit P F.

Puisque X est symtrique relle, daprs le thorme spectral,


il existe une matrice orthogonale P et une matrice diagonale D
telles que : X = PDP1 .

On dduit : u = 0.

x [a ; +[, x2 P(x)

e x dx converge.

donc : X 3 = In .

puis :

est croissante, valeurs  0 et de limite 0 en +, donc :

puis, par drivation : X [0 ; +[,

P(x)

Finalement : F E.
e x dx = 0,


2
2
u(x) e x dx

De mme, lintgrale

Chasles :
$ 0
$ +

2

2
2
2
u(x) e x dx +
u(x) e x dx

0
 !"  !"

do :
$ 0

e x dx  0.

Soit
u E telle que (u | u) = 0, cest--dire telle
$ +

2
2
que
u(x) e x dx = 0. On a alors, par la relation de

0

Par thorme
$ +de majoration pour des fonctions  0,

2
2
P(x) e x dx converge, donc lintgrale
lintgrale
a
$ +


2
P(x) 2 e x dx converge.

Comme X 3 = In , daprs le cours, les valeurs propres de X sont


parmi les racines du polynme X3 1, donc X nadmet que 1
pour valeur propre, do D = In , X = PIn P1 = In .,

2.22
Montrons (1) = (2) :

Corrigs des exercices

On suppose que p est symtrique.

En appliquant lhypothse x = y + z, pour tout R, on a :

Soient y Im (p), z Ker (p).

||y||2 = ||p(x)||2  ||x||2 = ||y + z||2


= ||y||2 + 2(y | z) + 2 ||z||2 ,

Il existe x E tel que y = p(x), donc :




p(y) = p p(x) = p2 (x) = p(x) = y.
# #


(y | z) = p(y) ## z = y ## p(z ) = 0.
 !"

On a :

=0

cest--dire :

||z||2 2 + 2(y | z)  0.

Par le mme raisonnement que pour limplication prcdente,


on dduit (y | z) = 0 et on conclut : Im (p) Ker (p).

Ceci montre : Im (p) Ker (p).

Montrons (2) = (1) :

Montrons (2) = (3) :

On suppose : Im (p) Ker (p).

On suppose : Im (p) Ker (p).

Soit (x, u) E 2 .

Soit x E. Puisque p est un projecteur, daprs le cours :

Puisque p est un projecteur, daprs le cours :




x = p(x) + x p(x) , y Im (p), z Ker (p).
 !"  !"



x = p(x) + x p(x) , y Im (p), z Ker (p).
 !"  !"
not y

not y

not z

not z

On a alors :
##

x # p(x) = (y + z | y) = (y | y) + (z | y) = ||y||2  0.
 !"

On a :
#
#

##

#
#

x # p(u) = y + z ## p(u) = y ## p(u) + z ## p(u) = p(x) ## p(u) .
 !"

Montrons (2) = (4) :

En appliquant ce rsultat (u, x) la place de (x, u), on a aussi :


#
#
##



u # p(x) = p(u) ## p(x) = p(x) ## p(u) .

=0

=0

On suppose : Im (p) Ker (p).


Soit x E.

Do :

Avec les mmes notations que ci-dessus, on a :


||x||2 = ||y + z||2 = ||y||2 + 2 (y | z) + ||z||2  ||y||2 = ||p(x)||2 ,
 !"  !"
=0

0

donc : ||p(x)||  ||x||.

Dunod. Toute reproduction non autorise est un dlit

Montrons (3) = (2) :


#

On suppose : x E, x ## p(x)  0.
Soient y Im (p), z Ker (p).
En appliquant lhypothse x = y + z, pour tout R, on a :
#

0  x ## p(x) = (y + z | y) = ||y||2 2 + (y | z).
Ainsi, le trinme  ||y|| + (y | z) est positif ou nul sur
tous les rels, donc son discriminant est ngatif ou nul, do
(y | z)2  0, puis (y | z) = 0.
2 2

#
##
#

x # p(u) = u ## p(x) = p(x) ## u .

On conclut que p est symtrique.

2.23

Dabord, il est clair que Hn est symtrique.


$ 1
1
=
tk1 dt.
Remarquons : k N ,
k
0

x1

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

xn
t

XHn X =
=

1
xj
i+ j1

 $

1i, jn

ti1 xi

n
 

i=1
1


ti+ j2 xi x j dt

1i, jn

=
$

ti+ j2 xi x j dt
0

 

On suppose : x E, ||p(x)||  ||x||.


Soient y Im (p), z Ker (p).

xi

1i, jn

Ceci montre : Im (p) Ker (p).


Montrons (4) = (2) :

n



t j1 x j dt

j=1

2

ti1 xi dt  0.

i=1

63

Chapitre 2

Algbre bilinaire


x1
.
Soit X = .. Mn,1 (R) tel que t XHn X = 0.

xn

1
0

n


i1

2

n


u2i = || |X0 | ||2 = ||X0 ||2

i=1

xi dt = 0.

i=1
n


t [0 ; 1],

= t X0 S X0  t |X0 | S |X0 | =
ti1 xi

2

n


n


Do :

n


k


i1

(i )u2i  0.
 !"
i=1

xi sannule en une

<0

i=1

infinit de points (les lments de [0 ; 1]), donc cest le polynme nul, do : i 1 ; n, xi = 0, puis : X = 0.

Il en rsulte :

On conclut que la forme quadratique canoniquement associe


Hn est dfinie-positive.

donc :

i 1 ; k, ui = 0,

|X0 | =

n


ui Xi Vect (Xk+1 , ..., Xn ) = V.

i=k+1

a) 2) Les coordonnes de S |X0| sont les

2.24
X0 S X0 =

n


ai j |x j |, pour

j=1

1i, jn

ai j xi x j 
ai j |xi | |x j | = |X0 | S |X0 |.
 !"
1i, jn
t

0

Puisque S est symtrique relle, daprs le thorme spectral,


il existe une base orthonormale (X1 , ..., Xn ) de Mn,1 (R) forme
de vecteurs propres pour S .

i 1 ; n. Comme les ai j sont tous > 0 et que les |x j | sont


tous  0 et non tous nuls (car X0  0), il en rsulte que la
sommation prcdente est > 0.
On conclut que les coordonnes de S |X0| sont toutes > 0.
Puisque |X0 | V, on a : S |X0| = |X0 |.

Notons 1 , ..., n les valeurs propres de S respectivement associes ces vecteurs propres, cest--dire :

Daprs le point prcdent, les coordonnes de |X0 | sont donc


toutes > 0, donc, comme > 0, les coordonnes de X0 sont
toutes > 0.

i 1 ; n, S Xi = i Xi .

Il en rsulte que les coordonnes de X0 sont toutes non nulles.


a) 3) On a, puisque X0 et |X0 | sont dans V :

On peut supposer les i rangs de faon que :

1  ...  k < k+1 = ... = n = ,


o k 0 ; n 1. Autrement dit, on a rang les valeurs propres
de S par ordre croissant, les dernires tant gales la plus
grande valeur propre, note .
Dune part :

X0 S X0 = t X0 X0 = t X0 X0 = ||X0 ||2 .

Dautre part, il existe (u1 , ..., un ) Rn tel que :


|X0 | =

n


do :

|X0 | S |X0 | =

|X0 | S |X0 | = t |X0 | |X0 | = t |X0 | |X0 | = || |X0 | ||2 = ||X0 ||2 ,

do :

1i, jn

X0 S X0 = t |X0 | S |X0 |.

On a :
0 = t |X0 | S |X0 | t X0 S X0 =


1i, jn

ui Xi ,

ui u j t Xi S X j =

X0 S X0 = t X0 X0 = t X0 X0 = ||X0 ||2

et

i=1

64

(i )u2i  0,

cest--dire, puisque k+1 = ... = n = :

ti1 xi = 0.

Ainsi, la fonction polynomiale t 

a) 1) On a :

i u2i .

i=1

i=1

n

i=1

est conti-

i=1

nue et valeurs  0, on dduit :

u2i .

Daprs le point prcdent :

Comme lapplication polynomiale t 

n

i=1

Avec les notations prcdentes, on a donc :


$

|| |X0 | ||2 =

et :

n

i=1

ai j |xi | |x j |

Il en rsulte :

ai j xi x j

1i, jn



ai j |xi | |x j | xi x j .
 !"  !"
1i, jn
>0

u2i i

0



(i, j) 1 ; n2 , ai j |xi | |x j | xi x j = 0,

Corrigs des exercices

puis, comme les ai j sont tous > 0 :


(i, j) 1 ; n , |xi | |x j | xi x j = 0,
2

cest--dire :

(i, j) 1 ; n2 , xi x j  0.

Comme de plus les xi sont tous non nuls, on a :


(i, j) 1 ; n2 , xi x j > 0.
Ceci montre que x1 , ..., xn sont tous de mme signe.
b) 1) Soient X, X  V \ {0}.

i=1

On conclut que X et X  ne sont pas orthogonaux entre eux.


b) 2) Raisonnons par labsurde : supposons dim (V)  2.
Daprs le cours, V admet au moins une base orthonormale,
donc il existe au moins deux vecteurs non nuls de V et orthogonaux entre eux, contradiction avec le rsultat de 1).
On conclut : dim (V) = 1.

Dunod. Toute reproduction non autorise est un dlit

Daprs a)3), les coordonnes (x1 , ..., xn ) de X sont toutes non


nulles et de mme signe, et les coordonnes (x1 , ..., xn ) de X 

sont toutes non nulles de mme signe. Il en rsulte que les produits x1 x1 , ..., xn xn sont tous non nuls et de mme signe, donc :
n

t
XX  =
xi xi  0.

65

Intgrales
sur un intervalle
quelconque
Plan
Les mthodes retenir

66

noncs des exercices

70

Du mal dmarrer ?

79

Corrigs des exercices

84

CHAPITRE

Thmes abords dans les exercices

Dtermination de la nature dune intgrale impropre

Existence et calcul dintgrales impropres

Dtermination de la limite ou dun quivalent simple dune intgrale impropre


dpendant dun paramtre

tude dune fonction dfinie par une intgrale.

Points essentiels du cours


pour la rsolution des exercices

Dfinition de la convergence, de la divergence dune intgrale impropre

Thorme de majoration, thorme dquivalence, thorme de comparaison


pour des fonctions valeurs positives ou nulles

Exemples de Riemann en +, en 0

Relation de Chasles pour des intgrales impropres

Dfinition de la convergence absolue pour une intgrale impropre et lien entre


convergence absolue et convergence.

Les mthodes retenir


Pour dterminer la nature

Sassurer dabord que f est continue (ou continue par morceaux)


sur [a ; +[.
Essayer dutiliser :

dune intgrale impropre

f
a

o f est une application


continue sur [a ; +[
et valeurs positives ou nulles

le thorme de majoration (pour montrer que lintgrale converge)

Exercices 3.1 d), 3.8, 3.9 c), 3.17 a), 3.20 a)2), 3.21 a),
3.30 a), 3.37 b), 3.40 a)

le thorme de minoration (pour montrer que lintgrale diverge)

Exercice 3.1 e), g)


66

Les mthodes retenir

le thorme dquivalence

Exercices 3.1 a), b), c), f), h), 3.9 a), 3.10 a), 3.11 a),
3.12 d), e), 3.22 a), 3.26

la comparaison lexemple de Riemann en +, cest--dire :


chercher ]1 ; +[ fix, tel que x f (x) 0, pour
x +
conclure que lintgrale converge

Exercices 3.12 a), f), g), h), 3.18 a), 3.31 a), 3.34 a), 3.40 a)
ou montrer, par exemple, x f (x)
que lintgrale diverge

(suite)

x +

+, pour conclure

Exercice 3.12 b)
$

le retour la dfinition, cest--dire tudier ou calculer

f (x) dx
a

pour tout X [a ; +[, puis tudier la limite de cette intgrale


lorsque X tend vers + si elle existe. Mais cette mthode fournit (lorsquelle sapplique) non seulement lexistence de lintgrale,
mais aussi sa valeur, donc lnonc aurait plutt pos la question
sous la forme : existence et calcul de lintgrale (voir mthodes cidessous).
Sassurer dabord que f est continue (ou continue par morceaux)
sur [a ; +[.
Si f  0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction  0.
Exercice 3.12 c)
Essayer de :

Pour dterminer la nature

dune intgrale impropre

Dunod. Toute reproduction non autorise est un dlit

o f est une application


continue sur [a ; +[
et non ncessairement
valeurs positives ou nulles

tudier la convergence absolue, par les mthodes indiques cidessus, sachant que la convergence absolue entrane la convergence

Exercice 3.3, 3.14, 3.37 c)

f
a

utiliser une intgration par parties

utiliser un dveloppement asymptotique

Exercice 3.15
Exercices 3.27, 3.28
$

revenir la dfinition, cest--dire tudier ou calculer

f (x) dx
a

pour tout X [a ; +[, puis tudier la limite de cette intgrale


lorsque X tend vers si elle existe. Mais cette mthode fournit (lorsquelle sapplique) non seulement lexistence de lintgrale, mais
aussi sa valeur, donc lnonc aurait plutt pos la question sous la
forme : existence et calcul de lintgrale (voir mthodes ci-dessous).
Pour dterminer la nature

dune intgrale impropre

f,

o f est une application continue


de ] ; b] dans R

Sassurer dabord que f est continue (ou continue par morceaux)


sur ] ; b].

67

Chapitre 3

Intgrales sur un intervalle quelconque

Essayer de :

faire le changement de variable t = x pour se ramener une intgrale impropre sur [b ; +[, puis appliquer les mthodes vues
ci-dessus

(suite)

Exercices 3.2 b), 3.13 a), b)

appliquer les mthodes vues pour les intgrales impropres


sur [a ; +[, adaptes au cas de ] ; b].

Exercices 3.2 a), 3.4, 3.34 c).


Sassurer dabord que f est continue (ou continue par morceaux)
sur [a ; b[ (resp. ]a ; b]).
Essayer dutiliser :

le thorme de majoration (pour montrer que lintgrale converge)

le thorme de minoration (pour montrer que lintgrale diverge)

le thorme dquivalence

Exercices 3.2 e), 3.13 d)

Exercices 3.2 c), d), 3.23 a), 3.32 a), b)

la comparaison lexemple de Riemann en b (resp. a) cest--dire :


chercher [0 ; 1[ fix, de faon que (b x) f (x) 0
x b

Pour dterminer la nature

(resp. (x a) f (x) 0 ), pour conclure que lintgrale


x a
converge
Exercices 3.12 c), 3.13 c), e)
montrer, par exemple, (b x) f (x) + (resp

dune intgrale impropre

f,
a

o f est une application


continue sur [a ; b[ (resp. ]a ; b])
et valeurs positives ou nulles

x b

(x a) f (x) +) pour montrer que lintgrale diverge


x a
$ X
le retour la dfinition, cest--dire tudier ou calculer
f (x) dx
a
$ b
(resp.
f (x) dx) pour tout X [a ; b[ (resp. pour tout ]a ; b]),

puis tudier la limite de cette intgrale lorsque X tend vers b (resp.


tend vers a).
[a ; b[ R admet une limite finie en b (resp. si
$ b
f : ]a ; b] R admet une limite finie en a), alors lintgrale
f
a
converge.

Si f

Exercices 3.2 f), g), 3.21 d), 3.24 a), 3.35 b)1).
Pour dterminer la nature

f,

dune intgrale impropre


a

o f est une application


continue sur [a ; b[ (resp. ]a ; b])
et non ncessairement
valeurs positives ou nulles
68

Sassurer dabord que f est continue (ou continue par morceaux)


sur [a ; b[ (resp. ]a ; b]).
Si f  0, considrer f et appliquer les mthodes vues ci-dessus pour
une fonction  0.

Les mthodes retenir

Essayer de :

(suite)

tudier la convergence absolue, par les mthodes indiques cidessus, sachant que la convergence absolue entrane la convergence
$ X
revenir la dfinition, cest--dire tudier ou calculer
f (x) dx
a

pour tout X [a ; b[, puis tudier la limite de cette intgrale lorsque


X tend vers b, si elle existe. Mais cette mthode fournit (lorsquelle
sapplique) non seulement lexistence de lintgrale, mais aussi sa
valeur, donc lnonc aurait plutt pos la question sous la forme :
existence et calcul de lintgrale (voir mthodes ci-dessous).
Sassurer dabord que f est continue (ou continue par morceaux)
sur ]a ; b[.
$ b
f , impropre la borne a et
Revenir la dfinition : lintgrale

Pour dterminer la nature

dune intgrale impropre

f,
a

o f est une application continue


sur ]a ; b[

la borne b, converge si et seulement sil existe c ]a ; b[ tel que les


$ c
$ b
deux intgrales
f, impropre la borne a, et
f, impropre la
a

borne b, convergent.

Exercices 3.14, 3.17 a), 3.18 f), 3.19 a), 3.29, 3.33, 3.36,
3.40 b)d).
Suivant les exemples, on sparera existence et calcul, ou bien on tudiera existence et calcul de faon groupe :

pour lexistence, voir les mthodes ci-dessus

pour le calcul, revenir la dfinition, cest--dire calculer une primitive puis passer la limite

Exercices 3.5 a) f), 3.6, 3.7, 3.16 a), b), c), 3.34 d)
Pour montrer
quune intgrale impropre converge
et calculer cette intgrale,
dans un exemple

Exercice 3.30 e)

Dunod. Toute reproduction non autorise est un dlit

un changement de variable peut tre fait directement sur une intgrale impropre
penser ventuellement un changement de variable qui change les
bornes

Exercice 3.29

mais, pour une intgration par parties, on procdera dabord sur un


segment, puis on fera tendre une borne vers la valeur indique.

Exercices 3.5 b), c), 3.16 b), 3.18 b), 3.31 b), 3.36, 3.38.

Pour trouver la limite


dune intgrale
dpendant dun paramtre

Essayer de conjecturer la limite, qui est souvent lintgrale de la


limite, et montrer que la dirence entre lintgrale de lnonc et la
limite conjecture tend vers 0.
Exercice 3.7 b), 3.10, 3.11 b)

Envisager lutilisation dun changement de variable

Exercice 3.33.
69

Chapitre 3

Intgrales sur un intervalle quelconque

noncs des exercices


3.1 Exemples de dtermination de la nature dune intgrale impropre de fonction positive ou
nulle, la borne +

Dterminer la nature des intgrales impropres suivantes :


$

a)

x x+2

ln x
dx
x+1

e)
1

$ + 2
$ +
1
x +1
1
dx c)
dx
d)
dx

x5 + 1
x2 ln x
(x + 1)(x + 2)
0
2
$ +
$ +
1
ex
x ex +1
dx
g)
dx
h)
dx.
x
x e +1
x+1
x e 2x + 1
0
0

dx b)
+

f)
0

3.2 Exemples de dtermination de la nature dune intgrale impropre de fonction positive ou


nulle
Dterminer la nature des intgrales impropres suivantes :
$

a)

d)
0

1
dx
x4 + x + 1

e)
0

ex
dx
x1

b)
$

x+1
dx
x2 + 2x

ln x
dx
x4 + x2

f)

x2 + 2
dx
x2 + x

c)
0

x ln x dx

g)

1 + ln x
dx.
1 + (ln x)2

3.3 Exemples de dtermination de la nature dune intgrale impropre de fonction la


borne +

Dterminer la nature des intgrales impropres suivantes :


$

a)
1

sin x
dx b)
x2

+
0

sin x + cos x
dx c)

x3 + 1

e x sin x dx d)

cos x
dx.
e x + cos x

3.4 Exemples de dtermination de la nature dune intgrale impropre


Dterminer la nature des intgrales impropres suivantes :
$

a)

sin3 x
dx
x2

e x cos x dx

b)

ln(2x + 3 sin x) dx.

c)
0

3.5 Exemples dexistence et calcul dintgrales impropres


Existence et calcul des intgrales suivantes :
$

a)
0

d)
1

1
dx
(x + 1)2
x2 3x 4
dx
x4

b)

ln x dx
0

$
e)

c)

x e x dx

x4 e x dx

f)
0

x
dx.
(x2 + 1)2

3.6 Utilisation dune dcomposition en lments simples pour le calcul dune intgrale
a) Dterminer des rels a, b, c, d de faon que :
x [1 ; +[,
70

4
b
a
c
d
= 2 + +
+
.
x2 (x + 1)(x + 2)
x
x x+1 x+2

noncs des exercices

b) Existence et calcul de I =
1

4
dx.
x2 (x + 1)(x + 2)

3.7 Calcul direct dune intgrale impropre avec paramtre


$

a) Existence et calcul, pour tout a R, de I(a) =


1

1

a 2
dx.
x2

b) Dterminer le minimum de I(a) lorsque a dcrit R.

3.8 Lien entre les convergences des intgrales de f et de f 2 , lorsque f est borne
$

Soit f : ]0 ; 1] R continue et borne. Montrer que, si lintgrale


$ 1

2
alors lintgrale
f (x) dx converge.

| f (x)| dx converge,
0

Le rsultat subsiste-t-il si on ne suppose pas que f est borne ?

3.9 Limite dune intgrale dpendant dun paramtre entier, daprs EDHEC 2004
On note, pour tout n N \ {0, 1}, sous rserve dexistence :
$ +
$ 1
1
1
dt,
J
=
dt,
In =
n
n
1 + t + tn
0
0 1+t+t

Kn =
1

1
dt.
1 + t + tn

a) Justifier, pour tout n N \ {0, 1}, lexistence de In , Jn , Kn .


Quelle relation y a-t-il entre In , Jn , Kn ?
$ 1
1
b) On note J =
dt.
1) Montrer : Jn J 0.
n
1
+t
0
$ +
1
dt.
c) 1) Montrer : n N {0, 1}, 0  Kn 
n
t
1

2) En dduire lim Jn .
n

2) En dduire lim Kn .
n

d) Conclure sur lim In .


n

3.10 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier, daprs
ESC 2007

On note, pour tout n N :

In =

Dunod. Toute reproduction non autorise est un dlit

1
dx.
(1 + x3 )n

a) Prouver, pour tout n N , lexistence de In .


b) tablir : n N , 0  In 

1
. En dduire lim In .
n
3n 1

3.11 tude dune intgrale dpendant dun paramtre, daprs EDHEC 2004
$

On note, sous rserve dexistence, pour x R : f (x) =


1

1
dt.
1 + t + t x+1

a) Montrer que, pour tout x R, f (x) existe si et seulement si x ]0 ; +[.


b) tablir : f (x) + et f (x) 0.
x 0

x +

c) Montrer que f est dcroissante sur ]0 ; +[.


d) Tracer lallure de la courbe reprsentative de f . (On admettra que f est convexe.)
71

Chapitre 3

Intgrales sur un intervalle quelconque

3.12 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

d)
0

f)

ln x
dx
x2

x2 + x
x2 + x +

b)
2

x2 + 1
x2 + 1

1
dx
x ln x
$

dx

+
1

x2 + 3x + 1
x2

ln x
x3 + 1

x2 + x + 3

x4 + 1
dx
x2 e x + 1

g)

e)

x x + 2 e 3x dx

c)

h)

dx

dx

dx.

3.13 Exemples de dtermination de la nature dune intgrale impropre de fonction positive ou


nulle
Dterminer la nature des intgrales impropres suivantes :
$

a)

x2 + 1
dx b)
x4 + e x

x e x dx c)

ln x
dx d)
x

e x dx e)
3

e x dx
4

3.14 Dtermination de la nature dune intgrale impropre avec paramtre

Dterminer lensemble des couples (a, b)


$
+
1 e x + a sin x + b cos x
dx converge.
x2
0


3.15 Nature des intgrales impropres


1

R2 tels que lintgrale impropre

cos x
dx et
x

Soit R fix.

a) 1) Montrer que, si = 0, alors les intgrales


1

gentes.

2) Montrer que, si < 0, alors les intgrales


1

gentes.
$

b) Montrer que, si > 1, alors les intgrales


1

convergentes, donc convergentes.

sin x
dx
x

cos x
dx et
x
cos x
dx et
x

cos x
dx et
x

c) Montrer que, si 0 <  1, alors les intgrales


1

gentes et non absolument convergentes.

$
1

+
1

cos x
dx et
x

+
1

sin x
dx sont diverx
sin x
dx sont diverx

sin x
dx sont absolument
x

+
1

sin x
dx sont converx

3.16 Exemples dexistence et calcul dintgrales impropres


Existence et calcul des intgrales suivantes :
$ +
$ +
1
ln x
dx
dx
b)
a)
(x
+
1)(x
+
2)
x2
0
1

xa ln x dx, a ] 1 ; +[ fix.

c)
0

3.17 Calcul dintgrales impropres avec paramtre entier


$

On note, pour tout n N : In =


0

72

1
dx,
(1 + x2 )n

Jn =
0

ln x
dx.
(1 + x2 )n

noncs des exercices

a) Montrer que, pour tout n N , In et Jn existent.


b) 1) tablir : n N , 2nIn+1 = (2n 1)In .
2) En dduire lexpression de In en fonction de n, pour tout n N , laide de factorielles.
c) 1) tablir : n N , 2nJn+1 = (2n 1)Jn In .
2) Calculer In et Jn pour n = 1, 2, 3.

3.18 Exemples de calcul dintgrales lies lintgrale de Gauss


$

On note, pour tout n N, sous rserve dexistence : In =

xn e x

2 /2

dx.

a) Montrer que, pour tout n N, In existe.


b) laide dune intgration par parties sur un segment puis dun passage la limite, montrer :
n N, In+2 = (n + 1)In .
,

c) En utilisant la loi normale centre rduite, justifier que : I0 =


.
2
d) Calculer I1 .
e) Dmontrer, par rcurrence sur p, que, pour tout p N :
,
(2p)!
I2p = p
et
I2p+1 = 2 p p!.
2 p!
2
$ +
2
xn e x /2 dx.
f) Existence et calcul, pour tout n N, de : Jn =

3.19 Calcul dune intgrale particulire, daprs EML 2009


Soit (a, b) (R+ )2 .
$

a) Montrer que lintgrale


0

e ax e bx
dx converge.
x

Dunod. Toute reproduction non autorise est un dlit

b) 1) tablir, pour tout (, X) ]0 ; +[2 tel que  X :


$ X ax
$ aX y
$ X bx
$ bX y
e
e
e
e
dx =
dy
et
dx =
dy.
x
y
x
y

b
( cet eet, on pourra utiliser des changements de variable.)
2) En dduire, pour tout (, X) ]0 ; +[2 tel que  X :
$ b y
$ bX y
$ X ax
e
e bx
e
e
dx =
dy
dy.
x
y
y

a
aX

1 e y

si y  0

y
c) 1) Montrer que lapplication h : [0 ; +[ R, y 

1
si y = 0
nue sur [0 ; +[.
$ b y
e
b
dy ln .
2) En dduire :
y

0
y
a
a
$ X ax
$ bX y
e
e bx
e
b
d) tablir, pour tout X ]0 ; +[ :
dx = ln
dy.
x
a
y
0
aX

est conti-

73

Chapitre 3

Intgrales sur un intervalle quelconque

e) Conclure :
0

b
e ax e bx
dx = ln .
x
a

3.20 Convergence dintgrales impropres de f 2 , g2 , f g


a) 1) Montrer : (, ) (R+ )2 , 

1 2
( + 2 ).
2

2) Soient a R, f, g : [a ; +[ continues telles que les intgrales


$ +
convergent. tablir que lintgrale
| f g| converge.
a

+
a

b) Soient a R, f : [a ; +[ R continue telle que les intgrales


$ +
convergent. Montrer que lintgrale
f 3 converge.

f 2 et

$
f 2 et

3.21 Dtermination dun quivalent dune intgrale paramtre

On note, pour tout x ]0 ; +[, sous rserve dexistence : I(x) =


x

e t
dt.
t

a) Montrer que, pour tout x ]0 ; +[, I(x) existe.


$ 1 t
e
b) tablir :
x ]0 ; +[, I(x) =
dt + I(1).
t
x
$ 1
1 e t
dt.
c) On note, pour tout x ]0 ; 1] : J(x) =
t
x
$ 1 t
e
dt + J(x) = ln x.
Montrer :
x ]0 ; 1],
t
x
$ 1
1 e t
dt converge.
d) tablir que lintgrale impropre
t
0
e) Conclure : I(x)

x 0

ln x.

3.22 Nature dune srie dintgrales, daprs EDHEC 2009


Soit N \ {0, 1}.

a) Montrer que, pour tout n N , lintgrale un =


0

1
dt existe et que un > 0.
(1 + t )n

b) 1) Montrer, grce une intgration par parties : n N , un = n(un un+1 ).


n N \ {0, 1}, un = u1

2) En dduire :

n1 
1 
.
1
k
k=1

3) Montrer : un 0.
n

c) On note, pour tout n N : S n =

n


uk .

k=1

n
un+1 .
1
n *



1 +
1 
ln 1
.
ln 1
2) En dduire : n N \ {0, 1}, ln S n = ln u1 +
k
k
k=2

1) Montrer :

74

n N , S n =

g2

f4

noncs des exercices

1
3) laide dun dveloppement limit lordre 1 en , donner un quivalent simple, lorsque
k


1 
1
lentier k tend vers linfini, de ln 1
ln 1 .
k
k

un .
4) Conclure quant la nature de la srie
n1

3.23 tude dune fonction dfinie par une intgrale, daprs EML 2010
On note J = ] 1 ; +[.

a) Justifier, pour tout x J, la convergence de lintgrale


0

f : J R, x  f (x) =

On note

b) Montrer : x J, 0  f (x) 

tx
dt.
1+t

t
dt.
1+t

1
et en dduire : f (x)
x+1

x +

0.

c) 1) Montrer que f est dcroissante sur J.


2) tablir : x J, f (x) + f (x + 1) =

1
.
x+1

3) En dduire : f (x)

x +

1
.
2x

d) 1) Calculer f (0) et f (1).


2) Montrer :

x [0 ; 1], 1 ln 2  f (x)  ln 2.

3) En dduire : f (x)

x 1

1
.
x+1

3.24 Limite dune intgrale paramtre entier

On note, pour tout n N , sous rserve dexistence : In =


0

a) Montrer que, pour tout n N , In existe et In =

n1

k=0

b) 1) tablir, pour tout n N tel que n  2

n


Dunod. Toute reproduction non autorise est un dlit

k=1

2) Dterminer lim
n

n

k=1

x2n x4n
dx.
1 x2

1
.
2n + 2k + 1


1
1
 In 
.
2n + 2k
2n
+
2k
k=0
n1

1
.
n+k

3) En dduire lim In .
n

3.25 Intgrale dune fonction dcroissante

Soit f : [0 ; +[ R continue, dcroissante, telle que lintgrale

f converge.
0

a) Montrer : f  0.
$ x
f (t) dt et en dduire : f (x) =
b) tudier
x/2

x +

1
x

3.26 Condition de convergence pour une intgrale impropre


$
Trouver tous les polynmes P R[X] tels que lintgrale
converge.

+
1

x2 + 4x + 2 P(x)
dx
x

75

Chapitre 3

Intgrales sur un intervalle quelconque

3.27 Exemple de dtermination de la nature dune intgrale impropre


$

Dterminer la nature de lintgrale impropre

sin x
x


1 dx.

3.28 Exemple de dtermination de la nature dune intgrale impropre


$

Dterminer la nature de lintgrale impropre

cos x
dx.

x + x cos x

3.29 Exemple de calcul dune intgrale sur un intervalle quelconque, par changement de variable qui change les bornes
$ +
ln x
dx.
Existence et calcul de
1
+ x2
0

3.30 quivalent dune intgrale paramtre


On note, pour tout x ]0 ; +[, sous rserve dexistence :
$ + t
$ + t
e
e
dt et J(x) =
dt.
I(x) =
t
t2
x
x
a) Montrer que, pour tout x ]0 ; +[, I(x) et J(x) existent.
b) tablir : x ]0 ; +[, 0  J(x) 
c) Montrer : x ]0 ; +[, I(x) =
d) En dduire : I(x)
$

e) Dmontrer :
0

x +

e x
.
x2

e x
J(x).
x

e x
.
x

e u
du
u+x

x +

1
.
x

3.31 quivalent dune intgrale paramtre

On note, pour tout (n, ) N R, sous rserve dexistence : un () =

t e t dt.

a) Montrer que, pour tout (n, ) N R, u(n, ) existe.


b) Montrer, pour tout (n, ) N R : un () = n e n + un ( 1).
c) tablir, pour tout (n, ) N R : 0  un ( 1) 

un ()
.
n

d) En dduire : un () n e n .
n

3.32 quivalent dune intgrale paramtre


On note, pour tout x ]0 ; +[, sous rserve dexistence :
$ x
$ x
1
1
1
dt.
dt,
g(x) =

f (x) =
4
4
4
3
4
3
t
0
1
t +t
t +t
a) Montrer que, pour tout x ]0 ; +[, f (x) et g(x) existent et : f (x) = ln x + f (1) + g(x).
$ + 
1
1
dt converge.
b) tablir que lintgrale

4
t
1
t4 + t3
76

noncs des exercices

c) En dduire : f (x)

ln x.

x +

3.33 Exemple de recherche de limite dune intgrale dpendant dun paramtre entier
$

a) Montrer que, pour tout n N , lintgrale In =


0

nxn ln x
dx existe.
xn 1

b) Dterminer lim In , laide dun changement de variable.


n

3.34 Exemple dtude de fonction dfinie par une intgrale

On note, pour tout x ]0 ; +[, sous rserve dexistence : f (x) =


0

t
dt.
1+ x et

a) Justifier, pour tout x ]0 ; +[, lexistence de f (x).


b) Montrer que f est strictement dcroissante sur ]0 ; +[.
c) Dterminer lim f (x) et

lim

x +

x 0

f (x).

d) Montrer, pour tout x ]0 ; +[, en utilisant le changement de variable u = x e t :


$ +
ln u


du.
f (x) = (ln x) ln x ln(1 + x) +
u(1 + u)
x
e) 1) En dduire que f est de classe C 1 sur ]0 ; +[ et :

1
ln x ln(1 + x) .
x ]0 ; +[, f  (x) =
x
2) Retrouver ainsi le rsultat de b).
3) Montrer que f est convexe.
f) Dresser le tableau de variation de f et tracer lallure de la courbe reprsentative C de f .

3.35 Limite dune intgrale paramtre entier


a) Montrer, pour tout n N et tout t [0 ; +[ :

n1


tk  n t

k=0

n1
2

b) On note, pour tout n N , sous rserve dexistence : In =


0

Dunod. Toute reproduction non autorise est un dlit

1) Montrer que, pour tout n N , In existe.

1 xn
dx.
1x
2) Dmontrer : In 0.
n

3.36 Exemple de calcul dune intgrale partir dune autre


$

Existence et calcul de I =
0

sin2 x
dx en admettant
x2

+
0

sin x

dx = .
x
2

3.37 Rgularit dune fonction partir de la convergence dintgrales


$

Soit f : [0 ; +[ R de classe C 2 telle que les intgrales


0

a) Montrer : f

| f | et

| f  | convergent.

0.
+

b) En dduire que lintgrale

| f f  | converge.

c) Dmontrer : f 0.
+

77

Chapitre 3

Intgrales sur un intervalle quelconque

3.38 tude de lexistence de la transforme de Laplace

$ +
e at f (t)dt
Soient a R, f : [0 ; +[ R continue telle que lintgrale impropre
0
$ +
e bt f (t)dt converge.
converge. Dmontrer que, pour tout b [a ; +[, lintgrale impropre
0

3.39 Une ingalit portant sur des intgrales

Soit f : [0 ; +[ R de classe C 2 telle que les intgrales

$
| f | et

a) Montrer : f  (x)
$
0

c) En dduire :

0.

2x

d) Dmontrer :

| f  | convergent.

$ 2

x2  
f (x) dx.
f (x) dx = f  ( 2) + 2 f (0)
2
0
$ 2
$ +
$ 2


2| f (0)| 
| f (x)| dx + | f (x)| dx +
( 2x x2 )| f  (x)| dx.

b) tablir :

x +

2 | f (0)| 

| f (x)| dx +



| f (x)| dx.

3.40 Reprsentation intgrale des fonctions puissances, daprs ESSEC 2007


a) Soit $ : ]0 ; +[ R continue, valeurs positives ou nulles, telle que lin+
(t)
dt converge. Montrer que, pour tout x ]0 ; +[, lintgrale
tgrale
1
+ t2
0
$ + 

t
1
(t) dt converge.

1 + t2 x + t
0
$ +
t
b) Dterminer lensemble E des R tels que lintgrale
dt converge.
1
+
t2
0
$ + 
1 
t
t dt.

On note, pour tout E : f : ]0 ; +[ R, x 


2
1+t
x+t
0
c) Exprimer f0 laide de fonction(s) usuelle(s).
d) On suppose ici ] 1 ; 0[.

t
dt converge et, laide dun
x+t
0

changement de variable, exprimer cette intgrale en fonction de x et dun rel indpendant de x


(mais dpendant, a priori, de ).
1) Montrer que, pour tout x ]0 ; +[, lintgrale

2) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant priori de


) tels que : x ]0 ; +[, f (x) = cx + d. Prciser le signe de c.
e) On suppose ici ]0 ; 1[.
1) Montrer, pour tout (x, h) R2 tel que x > 0, x + h > 0, h  0 :
$ +
t
f (x + h) f (x)
=
dt.
h
(x + h + t)(x + t)
0
2) En dduire que f est drivable sur ]0 ; +[ et que :
$ +
t
dt.
x ]0 ; +[, f  (x) =
(x + t)2
0
3) Montrer :

x ]0 ; +[, f  (x) = f  (1)x1 .

4) En dduire lexistence de deux rels c, d, indpendants de x (mais dpendant a priori


de ) tels que : x ]0 ; +[, f (x) = cx + d. Prciser le signe de c.
78

Du mal dmarrer ?

Du mal dmarrer ?
3.1

Situer limproprit et indiquer sur quel intervalle la


fonction f considre est continue.
1
1
.
a) f(x)

.
b) f(x)

x + x 3/2
x + x
1
1
c) f(x)

.
d) f(x)  2 pour x  e .
x + x 3
x
1
pour x  e .
e) f(x) 
x+1
1
1
1
f) f(x)

, et
 x pour x  1.
x + x e x
x ex
e
1
.
g) f(x) 
h) f(x)

e x .
x +
x+1

3.2

Situer limproprit et indiquer sur quel intervalle la


fonction f considre est continue.
1
a) f(x)

.
x x 4
t

e
b) Changement de variable t = x, puis : 0 
 e t .
t+1

2
1
c) f(x)
.
d) f(x)
.
x 0 x 1/2
x 0 2x
ln x
1
e) Passer la fonction oppose, puis 4
 4
x + x2
x + x2
1
1
pour x  e 1 et 4

.
x + x2 x 0 x2
f) f(x) 0.
g) f(x) 0.
x 0

x 0

3.3

Situer limproprit et indiquer sur quel intervalle la


fonction f considre est continue.
Montrer que lintgrale propose est absolument convergente,
en majorant convenablement la valeur absolue de f.

3.4

Dunod. Toute reproduction non autorise est un dlit

Situer limproprit et indiquer sur quel intervalle la


fonction f considre est continue.

e) Chercher une primitive de f : x  x4 e x sous la forme


g : x  (ax4 + bx3 + cx2 + dx + k) e x , o (a, b, c, d, k) R5 est
calculer, en drivant g.
$ X
Calculer alors
f(x) dx puis faire tendre X vers +.
0

f) Changement de variable t = x2 + 1.
x
Ou bien remarquer que x  2
ressemble la drive
(x + 1)2
1
de x  2
.
x +1

3.6

a) Rduire au mme dnominateur et identifier.


$ X
3
4
1 
2
b) Calculer
+

dx, puis faire tendre X


2
x
x
+
1
x
+
2
x
0
vers +.

3.7

a) Calculer
0

1
x

a 2
dx, puis faire tendre X vers +.
x2

b) Utiliser une mise sous forme canonique pour un trinme, ou


bien tudier les variations de a  I(a) obtenue en a).

3.8

Majorer f 2 laide de |f| en utilisant f borne.

Considrer, par exemple, f : ]0 ; 1] R, x  x3/4 .

3.9

a) Situer les improprits.

Pour In et Kn :

1
1 + t + tn

t +

1
.
tn

Pas dimproprit pour Jn .

b) 1) Majorer convenablement |Jn J|.


b) 2) Immdiat.
c), d) Immdiats.
a) Pour n N fix, situer limproprit et indiquer sur
quel intervalle la fonction considre est continue.

3.10

convergence.

Utiliser un quivalent ou une majoration.

c) Considrer la fonction oppose.

b) Encadrer convenablement la fonction qui est dans lintgrale.

1 mthode : Comparer ln x lexemple de Riemann en 0.


re

2e mthode : Calculer une primitive de x  ln x.

3.5

a) Calculer
0

1
dx puis faire tendre X vers +.
(x + 1)2

b) Intgrer par parties sur [ ; 1], puis faire tendre vers 0.


c) Intgrer par parties sur [0 ; X], puis faire tendre X vers +.
$

d) Calculer
1

1
3
4

dx, puis faire tendre X vers +.


x2 x3 x4

3.11

a) Pour x R fix, situer limproprit et indiquer sur


1
est continue.
1 + t + tx+1
Dterminer un quivalent simple de (t) lorsque t + , en
sparant en cas : x > 0, x = 0, x < 0.
quel intervalle la fonction : t 

b) Pour ltude en 0, minorer convenablement f(x).


Pour ltude en +, majorer convenablement f(x).

c) Revenir la dfinition dune fonction dcroissante.


d) Immdiat.

79

Chapitre 3

Intgrales sur un intervalle quelconque

3.12

Situer limproprit et indiquer sur quel intervalle la


fonction f considre est continue.

a) Considrer, par exemple, x3/2 f(x).

Non-convergence absolue :

b) Considrer, par exemple, xf(x).


ln x
, note g(x), puis considrer, par exemple,
x3/2

c) f(x)
x 5/4 g(x).

x +

d) Utiliser une expression conjugue, puis prendre un quivalent lorsque x + .


e) Utiliser une expression conjugue, puis prendre un quivalent lorsque x + .
f)

f(x)

x +
2

x3/2 e 3x ,

note g(x), puis considrer, par

exemple, x g(x).

g) f(x)
x 2 g(x).

x +

x2 e x , note g(x), puis considrer, par exemple,

h) Considrer, par exemple, x2 f(x).

3.13

Situer la ou les improprits et indiquer sur quel intervalle la fonction f considre est continue.
1
t2 + 1

.
+ e t t + t2
b) Changement de variable t = x, puis considrer, par
exemple, t2 (t e t ).

a) Changement de variable t = x, puis

t4

c) Passer la fonction oppose, puis considrer, par exemple,


ln x
x 3/4 .
x
d) Remarquer que, pour tout x ] ; 1] : e x  e .
3

e) Considrer, par exemple, x2 f(x).

3.14

Situer les improprits et indiquer sur quel intervalle la


fonction f considre est continue.
tude en 0 :
Utiliser des dveloppements limits lorsque x tend vers 0 et ob1+a 1+b
b

+ o (1).
tenir :
f(x) = 2 +
x 0
x
2
x

En dduire un quivalent simple de f(x) lorsque x tend vers 0,


en sparant en cas selon que les coefficients qui interviennent
successivement sont nuls ou non.
tude en + :
Majorer convenablement |f(x)| et utiliser labsolue convergence.

3.15

a) 1) Calculer une primitive et revenir la dfinition


dune intgrale divergente.
$ 2n+
2 cos x
a) 2) Minorer convenablement
dx, pour n N , et
x
2n
raisonner par labsurde.
## cos x ##
b) Majorer ## ## et faire intervenir labsolue convergence.
x
c) Convergence :

80

Utiliser une intgration par parties sur [1 ; X], puis faire tendre
X vers +, en utilisant le rsultat de b) appliqu + 1 la
place de .

Remarquer : x [1 ; +[, | cos x|  cos2 x et linariser cos2 x.

3.16

a) 1) Existence : Situer limproprit et indiquer sur


quel intervalle la fonction f considre est continue, et
1
.
f(x)

x + x 2
1
1
1
a) 2) Calcul : Remarquer
=

,
(x + 1)(x + 2)
x+1 x+2
$ X
1 
1

dx, puis faire tendre X vers +.


calculer
x
+
1
x
+
2
0
$ X
ln x
b) Calculer
dx laide dune intgration par parties,
x2
1
puis faire tendre X vers +.
$ 1
c) Soit a ] 1 ; +[ fix. Calculer
xa ln x dx laide dune

intgration par parties, puis faire tendre vers 0.

3.17

a) Existence de In :

Pour n N , situer limproprit, indiquer sur quel intervalle


1
est continue, et utiliser le thola fonction fn : x 
(1 + x2 )n
rme de majoration ou le thorme dquivalence.
Existence de Jn :
Pour n N , situer les improprits et indiquer sur quel interln x
est continue.
valle la fonction gn : x 
(1 + x2 )n
En 0, utiliser un quivalent puis un calcul de primitive.
En +, former x3/2 gn (x).

b) 1) Effectuer une intgration par parties sur [0 ; X] puis faire


tendre X vers +.
b) 2) Intercaler les facteurs pairs manquants.
c) 1) Effectuer une intgration par parties sur [ ; X], puis faire
tendre vers 0 et X vers +.
c) 2) Immdiat, en utilisant le rsultat de lexercice 3.29.

3.18

a) Situer limproprit et indiquer sur quel intervalle la


2
fonction fn : x  xn e x /2 est continue, et considrer, par
2
exemple, x fn (x).
$ A
b) Calculer
fn (x) dx laide dune intgration par parties,
0

puis faire tendre A vers +.

c) Rappeler une densit de la loi normale centre rduite.


d) Remarquer que la fonction x  x e x
2
fonction, x  e x /2 .

/2

est la drive de la

e) Immdiat, en utilisant b), c), d).


f) Remarquer un argument de parit ou dimparit.

Du mal dmarrer ?

3.19

a) Situer limproprit et indiquer sur quel intervalle la


fonction considre est continue.
tude en 0 :

Utiliser des dveloppements limits lorsque x tend vers 0.

tude en + :

c) 4) Utiliser le thorme dquivalence pour les sries


termes  0.

3.23

a) Pour x J, situer limproprit, indiquer sur quel intervalle la fonction considre est continue, et, lorsque t tend
vers 0, utiliser un quivalent.

e ax
.
x
b) 1) Utiliser le changement de variable y = ax dans la premire
intgrale et le changement de variable y = bx dans la seconde.

b) Minorer 1 + t par 1.

b) 2) Utiliser la linarit de lintgration.

c) 1) Revenir la dfinition dune fonction dcroissante.

c) 1) Montrer que h est continue sur ]0 ; +[ et que h est continue en 0.

c) 2) Revenir la dfinition de f(x) et de f(x + 1).

c) 2) Remplacer e y par 1 (1 e y ) et faire intervenir h.

d) 1), 2) Immdiats.

d) Pour X > 0 fix, faire tendre vers 0.


$ bX y
e
dy 0 et conclure.
e) Montrer que
X +
y
aX

d) 3) Utiliser c) 2) et d) 2) appliqu x + 1 la place de x.

Majorer convenablement

3.20

a) 1) Dvelopper ( )2 .


a) 2) Appliquer 1) (, ) = |f(x)|, |g(x)| .

3.21

a) Situer limproprit et indiquer sur quel intervalle la


e t
e t
fonction f : t 
est continue, et utiliser 0 
 e t
t
t
pour t  1.
b) Relation de Chasles.
c) Linarit de lintgration de x 1.
d) Montrer que lapplication g : t ]0 ; 1]

1 e t
t

admet une limite finie en 0.


$ 1
1 e t
dt, obtenir :
e) En notant K =
t
0


I(x) = ln x + I(1) K +

Immdiat.

c) 3) Utiliser c)1) et c)2) et le thorme dencadrement.

3.24

a) Situer limproprit et indiquer sur quel intervalle la


x 2n x4n
est continue. Transformer lcrifonction fn : x 
1 x2
ture de fn (x) en utilisant une sommation gomtrique.
b) 1) Utiliser un changement dindice pour obtenir la premire
ingalit.

b) Appliquer a)2) avec f 2 la place de g.

o (1).

x 0

a) Pour n N fix, situer limproprit, indiquer


1
est continue, et,
sur quel intervalle la fonction t 
(1 + t )n
en +, utiliser un quivalent.

3.22
Dunod. Toute reproduction non autorise est un dlit

c) 3) Immdiat.

b) 2) Faire apparatre une somme de Riemann.


b) 3) Immdiat.

3.25

a) Montrer que f admet une limite finie en +, puis montrer que cette limite est 0, et dduire f  0.
$ x
b) tudier, pour x [0 ; +[, lintgrale
f(t) dt pour faire
x/2

apparatre

1
xf(x). En dduire : xf(x) 0.
x +
2

3.26

Montrer dabord que, si deg (P)  0 ou deg (P)  2, alors


lintgrale propose diverge.

Montrer que, si P = aX + b o (a, b) R2 et a  1, alors lintgrale diverge.


Si P = X + b, o b R, utiliser une expression conjugue et
distinguer en cas selon que 4 2b est nul ou non.

3.27

Situer les improprits et indiquer sur quel intervalle la


fonction f considre est continue.

Minorer convenablement lintgrale.

tude en 0 :

b) 1) Pour n N fix et X [0 ; +[, effectuer une intgration


par parties sur [0 ; X], puis faire tendre X vers +.

Montrer que f admet une limite finie en 0.

b) 2) Dcaler lindice dune unit et ritrer la formule obtenue


en 1).
b) 3) Prendre le logarithme.
Utiliser la divergence de la srie

1
.
k
k1

c) 1) Exprimer Sn et faire apparatre un tlescopage.


c) 2) Prendre le logarithme.

tude en + :
Utiliser des dveloppements limits lorsque x tend vers +,
lexercice 3.15 et la convergence absolue.

3.28

Situer limproprit et indiquer sur quel intervalle la


fonction considre est continue.

Pour ltude en +, utiliser des dveloppements limits lorsque


x tend vers +, lexercice 3.15 et la convergence absolue.

81

Chapitre 3

3.29

Intgrales sur un intervalle quelconque

1) Existence :

Situer limproprit et indiquer sur quel intervalle la fonction f


considre est continue.
tude en 0 :


Considrer x f(x) .

c) Pour ltude lorsque x tend vers 0, minorer f(x) par une


intgrale de 0 ln x.
Pour ltude lorsque x tend vers +, majorer f(x) convenablement.
$ +
1
du, remarquer :
d) Pour calculer
u(1 + u)
x

tude en + :

u ]0 ; +[,

1
1
1
=
.
u(1 + u)
u 1+u

Considrer x3/2 f(x), ou bien x3/2 g(x) o g(x) est un quivalent


simple de f(x) lorsque x tend vers +.

e) 1) Utiliser d).

2) Calcul :

e) 2) Immdiat.

1
Utiliser le changement de variable t = , qui change les
x
bornes.

e) 3) Calculer f  et tudier les variations dune fonction auxiliaire.

3.30

a) Remarquer : t [1 ; +[, 0 

e t
e t
 e t .

t
t2

e t
e t
b) Majorer 2 par 2 pour t  x.
t
x
c) Intgrer par parties sur [x ; X], puis faire tendre X vers +.

f) Immdiat.

3.35

a) Noter, par exemple, S =

n1


tk , et remarquer :

k=0

2S = (1 + tn1 ) + (t + tn2 ) + + (tn1 + 1).

d) Combiner b) et c).

Utiliser :

e) Changement de variable t = u + x, pour x fix.

b) 1) Remarquer que 1 x = 1 (x1/n )n et utiliser une sommation


gomtrique.

3.31

a) Considrer t2 (t e t ).

(, ) (R+ )2 , 2 + 2  2.

b) 2) Utiliser a).

b) Intgrer par parties sur [n ; T ], puis faire tendre T vers +.


c) Dans la dfinition de un ( 1), majorer t1 , cest--dire
1
t .
n
d) Combiner b) et c).

1
t ,
t

par

3.32

a) Pour f(x), situer limproprit et utiliser un quivalent lorsque t 0.


Pour g(x), il ny a pas dimproprit.
Relation de Chasles.

b) Situer limproprit et former un dveloppement limit


lordre 2 pour obtenir un quivalent.
c) Combiner a) et b).

3.36

1) Existence :

Situer limproprit et indiquer sur quel intervalle la fonction f


considre est continue.
tude en 0 : Montrer que f admet une limite finie en 0.
tude en + : Majorer f convenablement.

2) Calcul :
Pour (, X) fix, effectuer une intgration par parties sur [ ; X],
puis faire tendre vers 0 et X vers +.

3.37

a) Exprimer f  (x) laide de

f  (t) dt et dduire que

f  admet une limite finie en +. Montrer = 0 en raisonnant


par labsurde.

tude en 0 :

b) Montrer que f  est borne au voisinage de + et en dduire


une majoration de |ff  |.
$ x
c) Exprimer f 2 (x) laide de
(f 2 ) (t) dt et dduire que f 2 ad-

Montrer que fn admet une limite finie en 0.

met une limite finie L en +. Montrer L = 0 comme en a).

a) Pour n N , situer limproprit et indiquer sur quel


intervalle la fonction fn considre est continue.

3.33

tude en 1 :

3.38

Soit b ]a ; +[. Noter c = b a, remarquer




t [0 ; +[, e bt f(t) = e ct e at f(t) ,

Factoriser xn 1 et en dduire que fn admet une limite finie


en 1.

b) Utiliser le changement de variable y = xn .

3.34

a) Utiliser la comparaison lexemple de Riemann en +.

b) Pour (x, y) ]0 ; +[2 fix tel que x < y, tudier les variations
$ T
$ T
t
t
dt
dt.
de D : T [0 ; +[
t
t
0 1+x e
0 1+y e

82

considrer g : [0 ; +[ R, t  e at f(t)
$ t
et
G : [0 ; +[ R, t 
g(s) ds,
0

exprimer
0

e ct g(t) dt laide dune intgration par parties,

puis faire tendre T vers +.

Du mal dmarrer ?

3.39

a) Voir la solution de lexercice 3.37 a).

b) Effectuer deux intgrations par parties successives.


$ +
c) Utiliser f  (x) 0 pour exprimer f  (x) dx , utiliser
x +

lingalit triangulaire et les variations de la fonction


x [0 ;

2]

x2
.
2x
2

3.40

a) Pour x ]0 ; +[, situer limproprit et indiquer sur


quel intervalle la fonction f considre est continue. Majorer
convenablement la valeur absolue de la fonction.
b) Pour R, situer les improprits et indiquer sur quel intervalle la fonction considre est continue.
tude en 0 : Utiliser un quivalent.
tude en + : Utiliser un quivalent.

c) Faire intervenir des logarithmes et lever une indtermination.

tude en 0 : Utiliser un quivalent.


tude en + : Utiliser un quivalent.
Utiliser le changement de variable u =

t
.
x

d) 2) Lexistence de c et d est immdiate.


Pour montrer c > 0, soit faire intervenir un thorme gnral
sur les intgrales, soit minorer c convenablement.

e) 1) Immdiat.
x
e) 2) En supposant, de plus, h > , majorer convenablement
2
$
## $ +
##
+
t
t
##
dt
dt##,
2
(x + t)(x + h + t)
(x + t)
0
0
pour dduire que cette expression tend vers 0 lorsque h tend
vers 0.
t
Utiliser le changement de variable u = .
x
e) 3) Intgrer partir du rsultat prcdent.

Dunod. Toute reproduction non autorise est un dlit

d) 1) Soit x ]0 ; +[.

Situer limproprit et indiquer sur quel intervalle la fonction considre est continue.

83

Corrigs des exercices


Il sagit dintgrales impropres de fonctions  0 et
continues sur un intervalle du type [a ; +[, a R.

3.1

a) Lapplication f : [1 ; +[ R, x 
est continue sur [1 ; +[ et f (x)

x +

x x+2

1
 0.
x3/2

Daprs lexemple de Riemann en + (3/2 > 1), lintgrale


$
+
1
dx converge.
x3/2
1
Daprs le thorme dquivalence
pour des fonctions  0, on
$ +
1
conclut que lintgrale
dx converge.

1
x x+2
b) Lapplication

f : [0 ; +[ R, x 

est continue sur [0 ; +[ et f (x)

x +

1
 0.
x

1
(x + 1)(x + 2)
$

+
1

1
dx
x

Daprs le thorme dquivalence pour des fonctions  0,


$ +
f (x) dx diverge, puis on conclut
on dduit que lintgrale
1
$ +
1
dx diverge.
que lintgrale

(x + 1)(x + 2)
0
c) Lapplication f : [0 ; +[ R, x 
est continue sur [0 ; +[ et f (x)

x +

x2 + 1
x5 + 1

1
x2
= 3  0.
x5
x

Daprs
lexemple de Riemann en + (3 > 1), lintgrale
$ +
1
dx converge.
x3
1
Daprs le thorme dquivalence
pour des fonctions  0, on
$
+

dduit que lintgrale


f (x) dx converge, puis on conclut
$ + 2 1
x +1
dx converge.
que lintgrale
x5 + 1
0
1
d) Lapplication f : [2 ; +[ R, x  2
x ln x

e) Lapplication f : [1 ; +[ R, x 

84

ln x
x+1

est continue sur [1 ; +[.


On a, pour tout x  e : f (x) =
1
x+1

Et :

x +

1
ln x

.
x+1
x+1
1
 0.
x

+
e

diverge.

1
dx
x

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

1
x ex +1

est continue sur [0 ; +[.


On a : x [1 ; +[, 0  f (x) 
$

Lintgrale

1
1
 x = e x .
x ex
e

e x dx converge car, pour X  1 :

e x dx = [ e x ]1X = e X + e 1

X +

e 1 .

Par
thorme de majoration pour des fonctions
 0, lintgrale
$ +
$ +
1
1
dx converge, puis lintgrale
dx
x +1
x +1
x
e
x
e
1
0
converge.
g) Lapplication f : [0 ; +[ R, x 

1
1
 2.
x2 ln x
x

1
dx
x2

Daprs$le thorme de majoration pour des fonctions  0, lin+


f (x) dx converge, puis on conclut que lintgrale
tgrale
e
$ +
1
dx converge.
x2 ln x
2

est continue sur [2 ; +[ et, pour tout x  e :


0  f (x) =

Daprs lexemple de Riemann en +, lintgrale

Daprs lexemple de Riemann en +, lintgrale


diverge.

$
Daprs lexemple de Riemann en +, lintgrale
converge.

est continue sur [0 ; +[.

ex
x+1

Corrigs des exercices

On a : x [0 ; +[, f (x) 
1
x+1

et :

1
0
x+1

x +

1
 0.
x

Daprs lexemple de Riemann en +, lintgrale


1

diverge.

1
dx
x

Par
thorme dquivalence pour des fonctions  0, lintgrale
$ +
1
dx diverge.
x
+
1
1
Par thorme
$ + de x minoration pour des fonctions  0, line
tgrale
dx diverge et on conclut que lintgrale
x
+1
1
$ +
x
e
dx diverge.
x
+1
0
x ex +1
x e 2x + 1

h) Lapplication f : [0 ; +[ R, x 
est continue sur [0 ; +[ et : f (x)
$

Lintgrale

x ex
= e x  0.
x e 2x

x +

e x dx converge, car, pour X  0 :

t [0 ; +[, 0 

On a :
$

Lintgrale

e t dt converge, car, pour T  0 :

e t dt = [ e t ]T0 = e T + 1

e x dx = [ e x ]0X = e X + 1

X +

1.

Par thorme dquivalence


pour des fonctions  0, on conclut
$ +
x ex +1
que lintgrale
dx converge.
x e 2x + 1
0
Il sagit dintgrales impropres de fonctions  0 et
continues sur un intervalle qui nest pas du type [a ; +[, cest-dire qui est du type ] ; b], ]a ; b], [a ; b[, o (a, b) R2 .

3.2

a) Lapplication f : ] ; 0] R, x 
est continue sur ] ; 0]. On a : f (x)

1
x4 + x + 1

1
.
x4

Daprs lexemple de Riemann en (4 > 1), lintgrale


$ 1
1
dx converge.
4
x
Par thorme dquivalence pour des fonctions  0, lin$ 1
f (x) dx converge, et on conclut que lintgrale
tgrale

$ 0
1
dx converge.
4 + x+1
x

b) Lapplication f : ] ; 0] R, x 
est continue sur ] ; 0].

ex
x1

1.

T +

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
e t
dt converge.
t+1
0
En passant la fonction oppose, puis par le changement de
$ 0
ex
variable t = x, on conclut que lintgrale
dx
x 1
converge.
,

est continue sur ]0 ; 1].

e t
 e t .
t+1

c) Lapplication f : ]0 ; 1] R, x 

Dunod. Toute reproduction non autorise est un dlit

Par le changement de variable t = x, lintgrale pro$ 0


ex
dx est de mme nature que lintgrale
pose
x
1

$ +
t
e

dt.
t+1
0

On a :

f (x)

x 0

x2 + 2
x2 + x

2
2
= 1/2  0.
x
x

Daprs lexemple de Riemann en 0 (1/2 < 1), lintgrale


$ 1
1
dx converge.
1/2
x
0
Par thorme dquivalence
pour des fonctions  0, on conclut
$ 1, 2
x +2
dx converge.
que lintgrale
x2 + x
0
d) Lapplication f : ]0 ; 1] R, x 

x+1
x2 + 2x

est continue sur ]0 ; 1].


On a :

f (x)

x 0

1
 0.
2x

Daprs lexemple de Riemann en 0, lintgrale


$ 1
1
verge, donc lintgrale
dx diverge.
2x
0

1
0

1
dx dix

Par thorme dquivalence pour des fonctions  0, on conclut


$ 1
x+1
dx diverge.
que lintgrale
2 + 2x
x
0
e) Lapplication f : ]0 ; 1] R, x 

ln x
x4 + x2

est continue sur ]0 ; 1] et valeurs  0.


85

Chapitre 3

Intgrales sur un intervalle quelconque

Par passage la fonction oppose, lintgrale propose est de


$ 1
ln x
dx.
mme nature que lintgrale
4 + x2
x
0
On a :

x ]0 ; 1/ e ], ln x  1,

donc :

x ]0 ; 1/ e ],
1
x4 + x2

Et :

1
ln x
 4
 0.
x4 + x2
x + x2

x 0

1
 0.
x2

Par thorme dquivalence pour des fonctions  0, lintgrale


$ 1
1
dx diverge.
4 + x2
x
0
Par thorme de minoration pour des fonctions  0, lintgrale
$ 1
ln x
dx diverge.
4
2
0 x + x
Par passage la fonction oppose, on conclut que lintgrale
$ 1
ln x
dx diverge.
4
2
0 x + x

x ln x

f (x) =

x ln x 0,

Puisque f admet une limite finie en 0, on conclut, daprs le


$ 1

x ln x dx converge.
cours, que lintgrale
0

donc convergente.

f (x) 0.

sin x
dx est absolument convergente,
x2

sin x + cos x

x3 + 1
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
| f (x)| =

| sin x + cos x| | sin x| + | cos x|


2
2


 3/2 .

3
3
3
x
x +1
x +1
x +1

Daprs
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
1
dx converge.
x3/2
1
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| f (x)| dx converge.
1

f (x) dx est absolument convergente,

donc convergente.

Enfin, on conclut que lintgrale


0

converge.

1
ln x
=
, et
(ln x)2
ln x

c) Lapplication f : [0 ; +[ R, x  e x sin x

1
0, donc :
ln x x 0

x [0 ; +[, | f (x)| = e x | sin x|  e x .


$

Lintgrale

e x dx converge car, pour X  0 :

x 0

e x dx = [ e x ]0X = 1 e X

Puisque f admet une limite finie en 0, on conclut, daprs le


$ 1
1 + ln x
dx converge.
cours, que lintgrale
2
0 1 + (ln x)

Il sagit dintgrales impropres de fonctions signe variable, continues sur un intervalle du type [a ; +[, a R.
sin x
x2
est continue sur [1 ; +[ et, pour tout x [1 ; +[ :
a) Lapplication f : [1 ; +[ R, x 

86

1
| sin x|
 2.
x2
x

X +

1.

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| f (x)| dx converge.

3.3

| f (x)| =

sin x + cos x
dx

x3 + 1

est continue sur [0 ; +[ et :

est continue sur ]0 ; 1].


x 0

b) Lapplication f : [1 ; +[ R, x 

1 + ln x
g) Lapplication f : ]0 ; 1] R, x 
1 + (ln x)2

f (x)

x 0

par prpondrance des puissances sur le logarithme.

On a :

Ainsi, lintgrale

est continue sur ]0 ; 1].


On a :

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| f (x)| dx converge.
Ainsi, lintgrale

Daprs lexemple de Riemann en 0 (2  1), lintgrale


$ 1
1
dx diverge.
2
x
0

f) Lapplication f : ]0 ; 1] R, x 

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1

donc convergente.

f (x) dx est absolument convergente,

Ainsi, lintgrale
0

cos x
e x + cos x
est continue sur [0 ; +[ comme quotient de fonctions dont
le dnominateur ne sannule pas, car, pour tout x ]0 ; +[,

d) Lapplication f : [0 ; +[ R, x 

Corrigs des exercices

on a e x > 1 et cos x  1, donc e x + cos x > 0, et, dautre


part, e 0 + cos 0 = 2 > 0.

b) Lapplication x  e x cos x est continue sur ] ; 0],


lintgrale est impropre la borne .

On a :

Par le changement de variable t =$ x, lintgrale propose est


+
e t cos t dt, qui est imde mme nature que lintgrale

1
1
| cos x|
 x
 x
e x + cos x
e + cos x
e 1

x [1 ; +[, | f (x)| =
1
ex 1

et :
$

Lintgrale

x +

1
= e x .
ex

On a :

$
dx =

[ e x ]1X

= e

X +

e .

Par
thorme dquivalence pour des fonctions  0, lintgrale
$ +
1
dx converge.
x 1
e
1
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| f (x)| dx converge.
1

f (x) dx est absolument convergente,

Ainsi, lintgrale
donc convergente.

On conclut que lintgrale


0

cos x
dx converge.
e x + cos x

3.4

Il sagit dintgrales impropres de fonctions signe


variable, continues sur un intervalle qui nest pas du type
[a ; +[, a R.

sin3 x
est continue sur ] ; 1], lina) Lapplication x 
x2
tgrale est impropre la borne .
Par le changement de variable t = x, lintgrale propose
$ +
sin3 t
dt, qui est imest de mme nature que lintgrale
t2
1
propre la borne +.
Dunod. Toute reproduction non autorise est un dlit

e t dt converge car, pour T  0 :

e t dt = [ e t ]T0 = 1 e T

## sin3 t ## 1
t [1 ; +[, ## 2 ##  2 .
t
t

Daprs
lexemple de Riemann en +, (2 > 1) lintgrale
$ +
1
dt converge.
t2
1
Par le thorme de majoration pour des fonctions  0, lint$ + # 3 #
## sin t ##
grale
# 2 # dt converge.
t
1
$ +
sin3 t
dt est absolument convergente,
Ainsi, lintgrale
t2
1
donc convergente.
$ 1
sin3 t
On conclut que lintgrale
dt converge.
t2

T +

1.

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| e t cos t| dt converge.
0

Ainsi, lintgrale

e t cos t dt est absolument conver-

gente, donc convergente.


$

e x cos x dx converge.

On conclut que lintgrale

On a :

$
0

t [0 ; +[, | e t cos t|  e t .

Lintgrale

dx converge car, pour X  0 :

propre la borne +.

c) Lapplication f : x  ln(2x + 3 sin x) est continue sur


]0 ; ], lintgrale propose est impropre la borne 0.
On a, par dveloppement limit lorsque x 0 :





f (x) = ln 2x + 3 x + o(x) = ln 5x + o(x)


= ln x + ln 5 + ln 1 + o(1)
do :

f (x)

x 0

x 0

ln x,

ln x  0.

1re mthode : comparaison lexemple de Riemann

On a :
x f (x) x ln x 0.
x 0

x 0

Il existe donc a ]0 ; ] tel que :

x ]0 ; a], x f (x)  1,

puis :

1
x ]0 ; a], 0  f (x)  .
x

Daprs
lexemple de Riemann en 0 (1/2 < 1), lintgrale
$ a
1
dx converge.
x
0
Par
$ a thorme de majoration pour des fonctions  0, lintgrale
f (x) dx converge.
0

$ a
En passant la fonction oppose, lintgrale
f (x) dx
0
$
converge, et on conclut que lintgrale
ln(2x + 3 sin x) dx
0
converge.
87

Chapitre 3

Intgrales sur un intervalle quelconque

2e mthode : utilisation dune primitive

c) Lapplication x  x e x est continue sur [0 ; +[.

On a, pour ]0 ; 1] :
$ 1
%
&
ln x dx = (x ln x x) 1 = 1 ln + 1,

Soit X [0 ; +[. On a, par une intgration par parties, avec

u = x

v = e x

par prpondrance de la puissance sur le logarithme.


$ 1
ln x dx converge.
Ceci montre que lintgrale
0

Par thorme dquivalence pour des fonctions  0, lintgrale


$ 1
f (x) dx converge.

o u, v sont bien de classe C 1 sur le segment [0 ; X] :


$

$ 1
En passant la fonction oppose, lintgrale
f (x) dx
0
$
converge et on conclut que lintgrale
ln(2x + 3 sin x) dx
0
converge.

3.5

x e x dx = [x e x ]0X +

e x dx

= [x e x ]0X + [ e x ]0X = X e X e X + 1

X +

1.

Ceci montre que lintgrale propose converge et que


$ +
x e x dx = 1.
0

1
a) Lapplication x 
est continue sur [0 ; +[.
(x + 1)2
On a, pour tout X [0 ; +[, par un calcul simple de primitive :
$ X
*
1 +X
1
1
dx =
=
+ 1 1.
2
0
X +
(x
+
1)
x
+
1
X
+1
0
Ceci montre que lintgrale propose converge et que
$ +
1
dx = 1.
(x + 1)2
0
b) Lapplication x  ln x est continue sur ]0 ; 1].
Soit ]0 ; 1] fix.
une intgration par parties, avec
Eectuons

u = ln x
u = x

v = 1
v = x
o u, v sont bien de classe C 1 sur le segment [ ; 1] :
$ 1
$ 1
ln x dx = [x ln x]1
1 dx = [x ln x]1 [x]1

&
= x ln x x 1 = 1 ln + .

Par prpondrance de la puissance sur le logarithme :


ln 0.
0

d) Lapplication x 
On a, pour X  1 :
$

x2 3x 4
est continue sur [1 ; +[.
x4

$ X
x2 3x 4
1
3
4
dx
=
3 4 dx
4
2
x
x
x
x
1
1
$ X
* x1
x2
x3 +X
=
3
4
(x2 3x3 4x4 ) dx =
1
2
3 1
1
* 1
4 +X
1
4
3 4
3
3
= + 2 + 3 = +
+
+1
x 2x
3x 1
X 2X 2 3X 3
2 3
3 4
11
1 = .
X +
2 3
6
X

On conclut que lintgrale propose converge et que


$ + 3
11
x 3x 4
dx = .
4
x
6
1
e) Lapplication f : x  x4 e x est continue sur [0 ; +[.
Lutilisation dtaille dintgrations par parties successives serait ici assez longue. Cependant, il est clair, par intgrations
par parties successives, quune primitive de f est de la forme
g : x  (ax4 + bx3 + cx2 + dx + k) e x , o (a, b, c, d, k) R5
est calculer.
En drivant g, on obtient, pour tout x [0 ; +[ :

Do :

ln x dx 1.
0

Ceci montre que lintgrale propose converge et que :


$ 1
ln x dx = 1.
0

88

u = 1

v = e x

g (x) = (ax4 + bx3 + cx2 + dx + k) e x


+ (4ax3 + 3bx2 + 2cx + d) e x
%
= ax4 + (b + 4a)x3 + (c + 3b)x2
&
+ (d + 2c)x + (k + d) e x .

Corrigs des exercices

Pour que g soit une primitive de f , il sut que les coecients


soient les mmes :

a = 1
a = 1

b = 4
b + 4a = 0


c = 12
c + 3b = 0

d = 24
d + 2c = 0

k = 24.
k + d = 0
Do, pour X  0 :
$

X
0

Ceci montre quil existe un quadruplet (a, b, c, d) convenant et


un seul :
(a, b, c, d) = (2, 3, 4, 1).
b) Existence :
4
est continue sur
x2 (x + 1)(x + 2)
4
. Daprs lexemple de Rie[1 ; +[. On a : f (x)
4
$ +x + x
1
dx converge. Par thorme dquimann, lintgrale
x4
1
$

X +

24.

Calcul :
On a, pour X [1 ; +[, en utilisant le rsultat de a) :
$ X
$ X
4
1 
4
2
3
dx
=

dx
+
2 (x + 1)(x + 2)
2
x
x
x
x
+
1
x
+
2
1
1
* 2
+X
= 3 ln x + 4 ln(x + 1) ln(x + 2)
1
x

x
est continue sur [0 ; +[.
f) Lapplication x  2
(x + 1)2
Soit X [0 ; +[. On a, par le changement de variable t =
x2 + 1, dt = 2x dx :

1
x
dx =
(x2 + 1)2
2

X 2 +1
1

1 * 1 +X2 +1
1
dt =

2
t
2
t 1

1
1
=
2
+1
2
X +1

X +

1
.
2

f (x) dx
1

converge, autrement dit I existe.

&X
%
x4 e x dx = (x4 + 4x3 + 12x2 + 24x + 24) e x 0

On conclut que lintgrale propose converge et que


$ +
x4 e x dx = 24.

valence pour des fonctions  0, lintgrale

= (X 4 + 4X 3 + 12X 2 + 24X + 24) e X + 24

f : x 

Lapplication

2
3 ln X + 4 ln(X + 1) ln(X + 2) + 2 4 ln 2 + ln 3
X
2
(X + 1)4
= + ln 3
+ 2 4 ln 2 + ln 3.
X
X (X + 2)

Comme :
on a :

ln

(X + 1)4
X 3 (X + 2)

X +

X4
= 1,
X4

(X + 1)4
X 3 (X + 2)

X +

ln 1 = 0.

On conclut que lintgrale propose converge et que


$ +
x
1
dx = .
2 + 1)2
(x
2
0

On dduit :

3.6

ce qui re-dmontre que I existe.

a) Soit (a, b, c, d) R4 .

On conclut :

f (x) dx
1

2 4 ln 2 + ln 3,

X +

I = 2 4 ln 2 + ln 3.

Dunod. Toute reproduction non autorise est un dlit

On a, en rduisant au mme dnominateur :


x [1 ; +[,

a
c
d
b
4
= 2 + +
+
x2 (x + 1)(x + 2)
x
x x+1 x+2



x [1 ; +[, 4 = (a+bx)(x+1)(x+2)+ x2 c(x+2)+d(x+1)
x [1 ; +[, (b + c + d)x3
+ (a + 3b + 2c + d)x2 + (3a + 2b)x + (2a 4) = 0

b+c+d =0

a + 3b + 2c + d = 0

3a + 2b = 0

2a 4 = 0


a = 2, b = 3, c + d = 3, 2c + d = 7


a = 2, b = 3, c = 4, d = 1 .

3.7
a) Soit a R fix.
Lapplication x 

1
x

a 2
est continue sur [1 ; +[.
x2

On a, pour X  1 :
$

X
1

1

a 2
dx =
x2

1
2a a2 
3 + 4 dx
2
x
x
x
x
1
$ X
* x1
2
x3 +X
x2
3
2 4
x 2ax + a x dx =
2a
+ a2
=
1
2
3 1
1
2
2
* 1
+
a X
1
a
a2
a
a
= + 2 3 = + 2
+1a+
3
1
x x
X
3
3x
X
3X

X +

1a+

a2
.
3

Ceci montre que lintgrale propose converge et que :


89

Chapitre 3

Intgrales sur un intervalle quelconque

I(a) = 1 a +

a2
.
3

b) On a, par mise sous forme canonique dun trinme, pour tout


aR:
I(a) =

1 2
1 *
3 2 3 + 1 
3 2 1
+
+ .
(a 3a + 3) =
a
= a
3
3
2
4
3
2
4

On conclut que I(a) admet un minimum, atteint lorsque


3
1
a = , et que ce minimum est gal .
2
4

b) 1) On a, pour tout n N \ {0, 1} :


## $
|Jn J| = ##
$

=
0

Comme

3.8

1
dt
1 + t + tn

|Jn J| 0.
n

b) 2) Il en rsulte :

On a alors :


2
x ]0 ; 1], 0  f (x) = | f (x)| | f (x)|  M| f (x)|.
$ 1
| f (x)| dx converge, par multiplication
Puisque lintgrale
0
$ 1
par la constante M, lintgrale
M| f (x)| dx converge, puis,
0

par thorme de majoration pour des fonctions  0, lintgrale


$ 1

2
f (x) dx converge.

1
0, on dduit, par encadrement :
n + 1 n

Puisque f est borne, il existe M R+ tel que :


x ]0 ; 1], | f (x)|  M.

##
1
dt##
0
0 1+t
$ 1
n
* tn+1 +1
t
1
tn dt =
=
dt

.
n
(1 + t)(1 + t + t )
n+1 0 n+1
0
1

Jn J =
n

%
&
1
dt = ln(1 + t) 10 = ln 2.
1+t

1
1
 n,
1 + t + tn
t
$ +
1
do, puisque les intgrales Kn et
dt convergent :
tn
1
c) 1) On a : n N \ {0, 1}, 0 

Le rsultat ne subsiste pas si lon ne suppose pas f borne. Par exemple, pour f : ]0 ; 1] R, x  x3/4 , daprs
$ 1
| f (x)| dx converge
lexemple de Riemann en 0, lintgrale
0
$ 1

2
f (x) dx diverge, car
car 3/4 < 1, mais lintgrale
0


f (x) 2 = x3/2 et 3/2  1.

3.9

fn (t)

t +

1
 0.
tn

Daprs
lexemple de Riemann en + (n > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
tn
1
$ +
fn (x) dx converge.
fonctions  0, lintgrale
1

On a, par la relation de Chasles : In = Jn + Kn .


$

J=
0

90

c) 2) Comme
1

on dduit de 1) :

* tn+1 ++
1
1
dt =
=
,
n
t
n + 1 1
n1

n N \ {0, 1}, 0  Kn 

1
.
n1

1
dt
1+t

d) Daprs a), b), c), on a : In = Jn + Kn ln 2 + 0 = ln 2.


n

On conclut : lim In = ln 2.
n

3.10
a) Soit n N .
1
est continue sur [1 ; +[,
(1 + x3 )n
donc In est une intgrale impropre la borne + (seulement).
Lapplication fn : x 

On a :

Ceci montre que Kn existe, et ensuite In existe.

t 

1
dt.
tn

1
est continue sur [0 ; +[,
Lapplication fn : t 
1 + t + tn
donc In est impropre la borne +, Jn existe, Kn est impropre
la borne +.

b) Lintgrale

En faisant tendre lentier n vers linfini, on conclut, par encadrement : lim Jn = 0.

a) Soit n N \ {0, 1}.

On a :

$
n N \ {0, 1}, 0  Kn 

existe, car lapplication

1
est continue sur le segment [0 ; 1].
1+t

fn (x)

1
1
= 3n  0.
(x3 )n
x

Daprs
$ + lexemple de Riemann en + (3n > 1), lintgrale
1
dx converge, donc, par thorme dquivalence pour
3n
x
1
des fonctions  0, lintgrale In converge.
b) On a : n N , x [1 ; +[, 0 

1
1
 3n ,
(1 + x3 )n
x

Corrigs des exercices

do, avec des intgrales convergentes :

* x3n+1 ++
1
1
.
dx =
=
3n
x
3n + 1 1
3n 1

n N , 0  In 

Comme

1
+, on dduit : f (x) +.
x 0
3x x 0

On a :

x ]0 ; +[, 0  f (x) =

1
Comme
0, on dduit, par encadrement :
3n 1 n
lim In = 0.

3.11

Comme

a) Soit x R.
Lapplication : t 

1
est continue sur [1 ; +[.
1 + t + tx

1er cas : x > 0


On a :

(t)

t +

1
 0.
t x+1

Daprs lexemple de Riemann en + (x + 1 > 1), lintgrale


$
+
1
dt converge.
x+1
t
1
Par
thorme dquivalence pour des$fonctions  0, lintgrale
$ +
+
(t) dt converge, donc f (x) =
(t) dt existe.
1

1
x

x +

1
dt
1 + t + t x+1
$ +
* tx ++ 1
1

dt =
= .
x+1
t
x 1
x
1

0, on dduit : f (x)

x +

0.

c) Soit (x, y) ]0 ; +[2 tel que x  y.


On a : t [1 ; +[,

1
1

,
1 + t + t x+1
1 + t + ty+1

donc, avec des intgrales convergentes :


$ +
$ +
1
1
dt

dt,
1 + t + t x+1
1 + t + ty+1
1
1
cest--dire : f (x)  f (y).
On conclut que f est dcroissante.
d)

2e cas : x = 0
On a :

(t)

t +

1
 0.
2t

Daprs lexemple de Riemann en +, lintgrale


1

diverge.

1
dt
2t

Par
thorme dquivalence pour des
fonctions  0, lintgrale
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1

Il sagit dintgrales impropres de fonctions  0 et


continues sur un intervalle [a ; +[, a R.

3.12

3 cas : x < 0
e

Dunod. Toute reproduction non autorise est un dlit

On a :

(t)

t +

1
 0.
t

Daprs lexemple de Riemann en +, lintgrale


1

diverge.

a) Lapplication f : [1 ; +[ R, x 
1
dt
t

Par
thorme dquivalence pour des
fonctions  0, lintgrale
$ +
$ +
(t) dt diverge, donc f (x) =
(t) dt nexiste pas.
1

On conclut : f (x) existe si et seulement si x ]0 ; +[.

ln x
x2

est continue sur [1 ; +[ et valeurs  0.


On a :

x3/2 f (x) = x3/2

ln x ln x
= 1/2
x2
x

x +

0,

par prpondrance de la puissance sur le logarithme.


Il existe donc a [1 ; +[ tel que :
x [a ; +[, 0  x3/2 f (x)  1,

b) On a :
$

x ]0 ; +[, f (x) =
1

1
dt
1 + t + t x+1
$ +
1 * tx ++
1
1
dt
=
=
.

x+1
1
3t
3
x
3x
1

do :

x [a ; +[, 0  f (x) 

1
.
x3/2

Daprs
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
1
dx converge.
3/2
x
a
91

Chapitre 3

Intgrales sur un intervalle quelconque

Par thorme
$ + de majoration pour des fonctions  0, linf (x) dx converge, et on conclut que lintgrale
tgrale
a
$ +
ln x
dx converge.
x2
1
1
b) Lapplication f : [2 ; +[ R, x 
x ln x

x f (x) = x

x
1
=
x ln x ln x

+,

x +

par prpondrance de la puissance sur le logarithme.


Il existe donc a [2 ; +[ tel que : x [a ; +[, x f (x)  1,
do :

x [a ; +[, f (x) 

1
 0.
x

Daprs lexemple de Riemann en +, lintgrale


a

diverge.

1
dx
x

Par thorme
$ + de minoration pour des fonctions  0, lintgrale
f (x) dx diverge et on conclut que lintgrale
a
$ +
1
dx diverge.

x
ln x
2
c) Lapplication f : [1 ; +[ R, x 

x3

f (x)

x +

+1

ln x
ln x
= 3/2  0
3
x
x !"

et :

ln x
x g(x) = 1/4
x

x +

f : [1 ; +[ R, x 

x2 + 1

Daprs lexemple de Riemann en + (5/4 > 1), lintgrale


$
+
1
dx converge.
x5/4
a
Par thorme
$ + de majoration pour des fonctions$ + 0, lintgrale
g(x) dx converge, puis lintgrale
g(x) dx
a
1
converge.
Par thorme dquivalence
pour des fonctions  0, on conclut
$ +
ln x
que lintgrale
dx converge.

1
x3 + 1

x2 + x + 3

On a, par une expression conjugue, pour x [1 ; +[ :

x [a ; +[, 0  x5/4 g(x)  1,


1
.
x5/4

x2 + 3x + 1
x2

est continue sur [1 ; +[.

Il existe donc a [1 ; +[ tel que :

92

x2 + 1

e) Lapplication

f (x) =

0,

x [a ; +[, 0  g(x) 

Par thorme
$ + dquivalence pour des fonctions  0, lintgrale
f (x) dx diverge, et on conclut que lintgrale

$ + 21
x + x x2 + 1
dx diverge.

0
x2 + x + x2 + 1

par prpondrance de la puissance sur le logarithme.

do :

x2 + x +

(x2 + x) (x2 + 1)
x [0 ; +[, f (x) =

2
x2 + x + x2 + 1
x1
x1
=

,
2 =  ,
2
2
x + x+ x +1
1
1 2
x2
1+ + 1+ 2
x
x
1
x

=
 0.
x + 4x2
4x
$ +
1
dx
Daprs lexemple de Riemann en +, lintgrale
x
1
diverge.

not g(x)

5/4

x2 + x

est continue sur [0 ; +[.

ln x

est continue sur [1 ; +[.


On a :

f : [0 ; +[ R, x 

On a, laide dune expression conjugue :

est continue sur [2 ; +[.


On a :

d) Lapplication

x2

(x2 + 3x + 1) (x2 + x + 3)

2

x + 3x + 1 + x2 + x + 3
2x 2
=
,
,

1
3
x3
1+ + 2 + 1+
x x
2x

=
x + 2x3

3
1
+ 2
x x
1
 0.
x2

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par thorme dquivalence
pour des fonctions
 0, on

$ +
x2 + 3x + 1 x2 + x + 3
dx
conclut que lintgrale
x2
1
converge.

f) Lapplication f : [0 ; +[ R, x  x x + 2 e 3x est
continue sur [0 ; +[.
On a :

f (x)

x +

x3/2 !"
e 3x  0.

not g(x)

Corrigs des exercices

Et :

x2 g(x) = x7/2 e 3x

x +

0,

par prpondrance
de lexponentielle sur les puissances, pour

la variable x.

par prpondrance de lexponentielle sur les puissances.


Il existe donc a [1 ; +[ tel que :

Il existe donc a [1 ; +[ tel que :


x [a ; +[, x2 f (x)  1,

x [a ; +[, x2 g(x)  1,
do :

x [a ; +[, 0  g(x) 

do :

1
.
x2

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par thorme
$ + de majoration pour des fonctions$+0, lintgrale
g(x) dx converge, donc lintgrale
g(x) dx
a
1
converge.
Par thorme dquivalence
$ + pour des fonctions  0, on conclut
x x + 2 e 3x dx converge.
que lintgrale
1

g) Lapplication f : [0 ; +[ R, x 

x4 + 1
x2 e x + 1

est continue sur [0 ; +[.


On a :
Et :

f (x)

x [a ; +[, 0  f (x) 

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par thorme
$ + de majoration pour des fonctions  0, lintgrale
f (x) dx converge, et on conclut que lintgrale
a
$ +

e x dx converge.
0

3.13

Il sagit dintgrales impropres de fonctions de signe


fixe et continues sur un intervalle qui nest pas du type [a ; +[,
cest--dire qui est du type ] ; b], ]a ; b], [a ; b[, o
(a, b) R2 , ou ] ; +[.
a) Lapplication f : ] ; 0] R, x 

x4
= x2 e x  0.
e x  !"

x + x2

x2 g(x) = x4 e x

not g(x)

x +

0,

$ 0
Par le changement de variable t = x,
f (x) dx est de

$ + 2
t +1
mme nature que lintgrale
dt.
4 + e t
t
0
 !"
not g(t)

Il existe donc a [1 ; +[ tel que :


x [a ; +[, 0  x2 g(x)  1,

Dunod. Toute reproduction non autorise est un dlit

x [a ; +[, 0  g(x) 

On a :

1
.
x2

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
g(x) dx converge.
a

Par thorme
$ + dquivalence pour des fonctions  0, lintgrale
f (x) dx converge, et on conclut que lintgrale
$ + a4
x +1
dx converge.
x2 e x + 1
0
h) Lapplication f : [0 ; +[ R, x  e
est continue sur [0 ; +[ et  0.

On a :
x2 f (x) = ( x)4 e x

x2 + 1
x4 + e x

est continue sur ] ; 0] et valeurs  0.

par prpondrance de lexponentielle sur les puissances.

do :

1
.
x2

g(t)

t +

1
t2
= 2  0.
t4
t

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
t2
1
$ +
g(t) dt converge, donc linfonctions  0, lintgrale
1
$ +
g(t) dt converge. Par le changement de variable
tgrale
0
$ 0
x2 + 1
t = x, on conclut que lintgrale
dx converge.
4 + e x
x

b) Lapplication f : ] ; 0] R, x  x e x
est continue sur ] ; 0].

x e x dx est de
Par le changement de variable t = x,

$ +
t e t dt, puis, par pasmme nature que lintgrale
0

x +

0,

sage
$ + la fonction oppose, de mme nature que lintgrale
t e t dt.
0

93

Chapitre 3

Intgrales sur un intervalle quelconque

t2 (t e t ) = t3 e t

On a :

x ] ; 1], x3  1,

par prpondrance de lexponentielle sur les puissances.

donc :

x ] ; 1], e x  e .

Il existe donc a [1 ; +[ tel que :

Lintgrale

On a :

t +

0,

t [a ; +[, t (t e )  1,
2

do :

t [a ; +[, 0  t e t 

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge.
t2
a
Par thorme
$ + de majoration pour des fonctions$+0, lintgrale
t e t dt converge, donc lintgrale
t e t dt
a
0
converge.

e dx diverge, car e est une constante non

nulle.

1
.
t2

Par thorme de minoration pour des fonctions  0, lin$ 1


f (x) dx diverge et on conclut que lintgrale
tgrale

$ +
3
e x dx diverge.

Remarque
: Il est donc inutile dtudier la nature de lintgrale
$ +
3
e x dx.
0

e) Lapplication f : ] ; +[ R, x  e x

Par passage la fonction oppose et par le changement de va$ 0


x e x dx converge.
riable t = x, on conclut que lintgrale

ln x
c) Lapplication f : ]0 ; 1] R, x  est continue sur
x
]0 ; 1] et valeurs  0.
$ 1
f (x) dx est
Par passage la fonction oppose, lintgrale
0
$ 1
ln x
de mme nature que lintgrale
dx.
x
0
On a :

ln x
x3/4 = x1/4 ( ln x) 0,
x 0
x

Il existe donc a ]0 ; 1] tel que :

Il existe donc a [1 ; +[ tel que :


x ] ; a] [a ; +[, x2 e x  1,
4

x ] ; a] [a ; +[, 0  e x 
4

1
.
x2

Daprs
lexemple
$ +de Riemann en (2 > 1), les intgrales
$ a
1
1
dx et
dx convergent.
2
2
x
x

1
ln x
x ]0 ; a], 0   3/4 .
x
x

On conclut que lintgrale

Daprs
lexemple de Riemann en 0 (3/4 < 1), lintgrale
$ a
1
dx converge.
3/4
0 x
Par thorme de majoration pour des fonctions  0, lint$ a
$ 1
ln x
ln x
grale
dx
converge,
donc
lintgrale

dx
x
x
0
0
converge.
Par passage la fonction oppose, on conclut que lintgrale
$ 1
ln x
dx converge.
x
0
d) Lapplication f : ] ; +[ R, x  e x

94

par prpondrance de lexponentielle sur les puissances, pour


la variable x4 .

Par thorme
$ a de majoration
$ + pour des fonctions  0, les int4
x4
grales
e dx et
e x dx convergent.

ln x
x ]0 ; a], x3/4  1,
x

est continue sur ] ; +[ et valeurs  0.

do :

par prpondrance des puissances sur le logarithme.

do :

est continue sur ] ; +[ et valeurs  0.

4
4
On a :
x2 e x = x4 e x 0,

e x dx converge.
4

3.14

Soit (a, b) R2 fix.

1 e x + a sin x + b cos x
x2
est continue sur ]0 ; +[, donc lintgrale propose est impropre la borne 0 et la borne +.

Lapplication f : x 

tude en + :
On a, pour tout x [1 ; +[ :
| f (x)| =

#
1 ##
#1 e x + a sin x + b cos x##
x2
2 + |a| + |b|
1
.
 2 1 + e x + |a| + |b| 
x
x2

Corrigs des exercices

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par
$ + multiplication par une
2 + |a| + |b|
dx converge.
x2
1

constante,

lintgrale

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
| f (x)| dx converge.
1

donc convergente.

f (x) dx est absolument convergente,

On a, en utilisant des dveloppements limits lorsque x tend


vers 0 :


1*
x2
+ o(x2 )
1 1x+
x2
2

+


x2
+ a x + o(x2 ) + b 1
+ o(x2 )
2
+
1*
1+b 2
= 2 b + (1 + a)x
x + o(x2 )
x
2
1+a 1+b
b

+ o(1).
= 2 +
x
x
2

f (x) =

b
. Daprs lexemple de
x2
$ 1
1
Riemann en 0 (2  1), lintgrale impropre
dx diverge.
2
x
0
$ 1
b
Puisque b  0, lintgrale
d diverge. Par le thorme
2
x
0
dquivalence pour des fonctions  0 (si b > 0), pour des fonc$ 1
f (x) dx diverge.
tions  0 (si b < 0), lintgrale

Supposons b  0. Alors f (x)

x 0

Supposons dornavant b = 0. On a donc :

Dunod. Toute reproduction non autorise est un dlit

f (x) =

1+a 1+b

+ o (1).
x 0
x
2

1+a
et, par le mme raisonnex
$ 1
f (x) dx diment que ci-dessus, on dduit que lintgrale
0
verge.
Si a  1, alors f (x)

x 0

Supposons dornavant a = 1. On a donc :


1+b
f (x) =
+ o (1),
x 0
2
1+b
.
f (x)
x 0
2

Puisque f admet une limite finie en 0 , daprs le cours, lint$ 1


grale
f (x) dx converge (intgrale faussement impropre).
0

f (x) dx converge si et seulement si


$ +
f (x) dx et
f (x) dx convergent,

$0 1
les deux intgrales
0

on conclut que lintgrale propose converge si et seulement


si : a = 1 et b = 0.

3.15
a) 1) On suppose ici = 0.
X

cos x dx = [sin x]1X = sin X sin 1.

On a : X [1 ; +[,
1

tude en 0 :

cest--dire :

Ainsi, lintgrale

$
Comme lintgrale

On sait que sin X na pas de limite lorsque le rel X


tend vers + ; en eet, par exemple, sin(2n) 0 et
n


1.
sin 2n +
2 n
$ X
cos x dx na pas de limite lorsque X tend
Il en rsulte que
1
vers +.
$ +
cos x dx diverge.
On conclut que lintgrale
1

On montre de la mme faon que lintgrale

sin x dx
1

diverge.
a) 2) On suppose ici < 0.
On a, pour tout n N :

1
 1 et cos x  0,
x

x [2n ; 2n + /2],
donc :
$

2n+ 2
2n

cos x
dx 
x

2n+ 2
2n

2n+/2
cos x dx = [sin x]2n
= 1.

Raisonnons
par labsurde : supposons que
$ +
$ +lintgrale
cos x
cos x
dx soit convergente, et notons I =
dx.

x
x
1
1
$ 2n+/2
cos x
Alors :
dx
x
2n
$

2n+/2

=
1

cos x
dx
x

contradiction.

2n

cos x
dx I I = 0,
n
x

cos x
dx diverge.
x
1
$ +
sin x
dx
On montre de la mme faon que lintgrale
x
1
diverge.
Ceci montre que lintgrale

95

Chapitre 3

Intgrales sur un intervalle quelconque

b) On suppose ici > 1.


On a :

Daprs lexemple de Riemann en + (  1), lintgrale


$
+
1
dx diverge.

x
1

## cos x ##
1
x [1 ; +[, ## ##  .
x
x

Daprs lexemple de Riemann en + ( > 1), lintgrale


$
+
1
dx converge.
x
1
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
## cos x ##
##
## dx converge.
x
1
$ +
cos x
dx est absolument convergente,
Ainsi, lintgrale
x
1
donc convergente.
$
On montre de la mme faon que lintgrale
converge.

+
1

sin x
dx
x

c) On suppose ici 0 <  1.


 Convergence :
Pour
X [1 ; +[, eectuons
une intgration par parties, avec


1

= +1

u = x
u = x = x
x

v = sin x
v = cos x
o u, v sont bien de classe C 1 sur le segment [0 ; X] :
$ X
$ X
* sin x +X
cos x
sin x
dx
=
+

dx
x
x 1
x+1
1
1
$ X
sin x
sin X
=
sin 1 +
dx.
X
x+1
1
## sin x ##
1
1
Dune part : ## ##  et 0 (car > 0), donc,
x
X
X X +
sin X
0.
par thorme dencadrement :
X X +
Dautre
part, comme + 1 > 1, daprs b), lintgrale
$ +
sin x
dx converge, donc :
x+1
1
$ X
$ +
sin x
sin x
dx

dx.
+1
X

+
x
x+1
1
1
$ X
$ +
cos x
sin x
Il sensuit :
dx sin 1 +
dx.
X +
x
x+1
1
1
$ +
cos x
dx converge.
Ceci montre que lintgrale
x
1
 Non-convergence absolue :
On remarque : x [1 ; +[, | cos x|  cos2 x,
donc, pour tout x [1 ; +[ :
## cos x ## cos2 x 1 cos 2x
1
cos 2x
## 
##
=
=
 0.
x
x
2x
2x
2x
96

Par le changement de variable t = 2x, lintgrale


$
+
cos 2x
dx est de mme nature que lintgrale

1
$ + x
cos t
dt. Daprs le point prcdent, cette dernire
t
2
intgrale
est
convergente. Il en rsulte que lintgrale
$ +
cos 2x
dx converge.
x
1
Par addition dune intgrale
et dune intgrale
$ + divergente
cos2 x
dx diverge.
convergente, lintgrale
x
1
Par le $thorme de minoration pour des fonctions  0, lint+ #
## cos x ###
grale
# # dx diverge.
x
1
$ +
cos x
dx nest pas absoluCeci montre que lintgrale
x
1
ment convergente.
$ +
cos x
dx est convergente et non
Finalement, lintgrale
x
1
absolument convergente, on dit quelle est semi-convergente.
$ +
sin x
De la mme faon, on montre que lintgrale
dx
x
1
est convergente et non absolument convergente.

3.16
a) Existence :
1
est continue
(x + 1)(x + 2)
1
sur [0 ; +[. On a : f (x)

 0.
x + x2
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Lapplication

f : x 

Par thorme
$ + dquivalence pour des fonctions  0, lintgrale
f (x) dx converge, et on conclut que lintgrale
$ + 1
1
dx converge.
(x
+
1)(x
+ 2)
0
Calcul :
On remarque :
x [0 ; +[,

1
1
1
=

.
(x + 1)(x + 2)
x+1 x+2

Soit X [0 ; +[. On a :
$ X
$ X
1
1 
1
dx
dx =

x+1 x+2
0 (x + 1)(x + 2)
0
%
& X * x + 1 +X
X+1
1
= ln(x + 1) ln(x + 2) 0 = ln
= ln
ln .
x+2 0
X+2
2

Corrigs des exercices

1
1+
X+1
X
ln
= ln
2
X+2
1+
X

Et :
$

donc :
0

1
dx
(x + 1)(x + 2)

X +

X +

ln 1 = 0,

1
ln = ln 2.
2

1
dx converge
(x
+
1)(x
+ 2)
0
(ce
$ +que lon a vu plus haut par une autre mthode) et que :
1
dx = ln 2.
(x
+
1)(x
+ 2)
0
Ceci montre que lintgrale

ln x
b) Lapplication f : x  2 est continue sur [1 ; +[, donc
x
lintgrale propose est impropre la borne +.
On a, pour X  1, par une intgration par parties avec

u =

u = ln x

v = 1

v = ,
x2
x
o u, v sont bien de classe C 1 sur le segment [1 ; X] :
$ X
* ln x +X $ X 1
ln x
dx
=

+
dx
2
x2
x 1
1
1 x
ln X 1
ln X * 1 +X
=
+
+ 1 1,
=
X +
X
x 1
X
X

Dunod. Toute reproduction non autorise est un dlit

par prpondrance des puissances sur le logarithme.


$ 1
xa ln x dx converge et que :
Ceci montre que lintgrale
1

xa ln x dx =
0

3.17
a) Soit n N .
fn : [0 ; +[ R, x 

Lapplication

continue sur [0 ; +[ et :
x [1 ; +[, 0  fn (x) =

est

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1
Par thorme
$ + de majoration pour des fonctions$ +0, lintgrale
fn (x) dx converge, puis lintgrale
fn (x) dx
1

converge, cest--dire que In existe.


Lapplication

gn : ]0 ; +[ R, x 

continue sur ]0 ; +[.


 tude en 0 :

c) Soit a ] 1 ; +[ fix.

Lintgrale

Lapplication x  xa ln x est continue sur ]0 ; 1], lintgrale


propose est impropre la borne 0.

primitive connue, pour ]0 ; 1] :

ln x
(1 + x2 )n

est

On a, pour x ]0 ; 1] :
gn (x) =
$

ln x
(1 + x2 )n

x 0

ln x  0.

ln x dx converge, car, par exemple par une


0

On a, pour ]0 ; 1] fix, par intgration par parties avec

u = x
u = ln x

xa+1

v = xa

v =
a+1
o u, v sont bien de classe C sur le segment [ ; 1] :
$ 1
* xa+1
+1 $ 1 xa+1 1
xa ln x dx =
ln x
dx

a+1

a+1 x
1

1
(1 + x2 )n

1
1
1

 2.
(1 + x2 )n
1 + x2
x

par prpondrance de la puissance sur le logarithme.


$ +
ln x
Ceci montre que lintgrale
dx converge et que :
x2
1
$ +
ln x
dx = 1.
x2
1

1
.
(a + 1)2

+1 * xa+1 +1
* xa+1
ln x

a+1
(a + 1)2

a+1 ln
a+1
1
1
+

,

a+1
(a + 1)2 (a + 1)2 0 (a + 1)2

%
&1
ln x dx = x ln x + x = 1 + ln 1.
0

Par thorme dquivalence pour des fonctions  0, lintgrale


$ 1
gn (x) dx converge.
0

$
Par passage la fonction oppose, lintgrale
converge.

gn (x) dx
0

 tude en + :
On a :

x3/2 gn (x) =

x3/2 ln x
(1 + x2 )n

x +

ln x
x3/2 ln x
= 2n3/2
x2n
x

x +

0,
97

Chapitre 3

Intgrales sur un intervalle quelconque

par prpondrance des puissances sur le logarithme et parce


3
que 2n > 0.
2

En intercalant les facteurs pairs manquant au dnominateur :


In =

Il existe donc a [1 ; +[ tel que :


x [a ; +[, x3/2 gn (x)  1,
x [a ; +[, 0  gn (x) 

do :

1
.
x3/2

Daprs lexemple de Riemann en + (3/2 > 1), lintgrale


$
+
1
dx converge.
3/2
x
1
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
gn (x) dx converge.
1

$ +
gn (x) dx et
gn (x) dx
0
1
$ +
gn (x) dx converge,
convergent, par dfinition, lintgrale
1

$
Enfin :

I1 =
0

On obtient :

1
dx = [Arctan x]+
.
0 =
1 + x2
2

n N , In =

2 2 .
1)!

(2n 2)!
2n1 (n

c) 1) Pour 0 <  X, eectuons une intgration par parties,


avec

2 n

u = (1 + x2 )n = (1 + x )

v = ln x

2nx


2 n1

2x =
u = n(1 + x )

(1
+
x2 )n+1

v = x ln x x

Puisque les deux intgrales

et finalement, Jn existe.

(2n 2)(2n 3) 1
(2n 2)!
I1 =
2 I1 .
(2n 2)2 (2n 4)2 22
2n1 (n 1)!

o u, v sont de classe C 1 sur le segment [ ; X] :


b) 1) Utilisons une intgration par parties.

Soit X [0 ; +[. On a, avec

2 n

u = (1 + x2 )n = (1 + x )

v = 1

2nx


2 n1

2x =
u = n(1 + x )

(1
+
x2 )n+1

v = x
o u, v sont de classe C 1 sur le segment [0 ; X] :
$

X
0

*
+X
x
1
dx =
+
2
n
2
n
(1 + x )
(1 + x ) 0

X
0

2nx2
dx
(1 + x2 )n+1

$ X
X
(1 + x2 ) 1
+
2n
dx
=
(1 + X 2 )n
(1 + x2 )n+1
1
$ X
$ X
X
1
1
+
2n
dx

2n
dx.
=
2 )n
(1 + X 2 )n
(1
+
x
(1
+
x2 )n+1
0
0
En faisant tendre X vers +, on obtient :
In = 0 + 2nIn 2nIn+1 ,
do :

2nIn+1 = (2n 1)In .

b) 2) On a donc, de proche en proche, pour tout n N :


In =

98

2n 3
2n 3 2n 5
In1 =
In2
2n 2
2n 2 2n 4
2n 3 2n 5
1
= ... =
I1 .
2n 2 2n 4
2

* x ln x x +X $ X 2nx(x ln x x)
ln x
dx
=
+
dx
2 )n
(1 + x2 )n
(1 + x$
(1 + x2 )n+1

X
* x ln x x +X
(1 + x2 1)
=
+ 2n
(ln x 1) dx
2
n

(1 + x )
(1 + x2 )n+1

X ln X X ln

=
(1 + $X 2 )n
(1 + 2 )n $
X
 X ln x
ln x
+2n
dx
dx
2
n
2 n+1
$ X (1 + x ) $ X (1 + x ) 
1
1

dx +
dx .
2 )n
(1
+
x
(1
+
x2 )n+1

En faisant tendre vers 0 et X vers + et en utilisant des prpondrances classiques, on obtient :


Jn = 2n(Jn Jn+1 In + In+1 ) = 2nJn 2nJn+1 2nIn + 2nIn+1
= 2nJn 2nJn+1 2nIn + (2n 1)In = 2nJn 2nJn+1 In ,

2nJn+1 = (2n 1)Jn In .

do :
c) 2) En utilisant b) :
I1 =

,
2

I2 =

I1 = ,
2
4

I3 =

On a J1 = 0 (cf. exercice 3.29).

Puis, en utilisant c) : 2J2 = J1 I1 = ,


2

donc : J2 = ,
4

et : 4J3 = 3J2 I2 = , donc : J3 = .


4

3
3
I2 =
.
4
16

Corrigs des exercices

d) Comme x  x e x /2 est la drive de la fonction


2
x  e x /2 , on a :
$ +
%
2
2 &+
x e x /2 dx = e x /2 0 = 1.
I1 =
2

3.18
a) Soit n N.
Lapplication fn : [0 ; +[ R, x  xn e x

2 /2

est continue sur [0 ; +[ et  0.


x2 fn (x) = xn+2 e x

2 /2

On a :

x +

0,

par prpondrance de lexponentielle sur les puissances, pour


la variable x2 /2.
Il existe donc a ]0 ; +[ tel que :

Supposons H p vraie pour un p N fix.

x [a ; +[, x2 fn (x)  1,
x [a ; +[, 0  fn (x) 

do :

On a, daprs b) :

1
.
x2

Daprs lexemple de Riemann en +, lintgrale


converge.

+
a

1
dx
x2

Par thorme
$ + de majoration pour des fonctions$ +0, lintfn (x) dx converge, puis lintgrale
fn (x) dx
grale
a

converge, cest--dire que In existe.

Dunod. Toute reproduction non autorise est un dlit

On a, par intgration par parties avec



2

2
u = x e x /2

u = e x /2

xn+1
v = xn

v =
n+1
o u, v sont bien de classe C 1 sur le segment [0 ; A] :
$ A
+A $ A xn+1
* xn+1
2
2
2
e x /2
(x e x /2 ) dx
xn e x /2 dx =
0
n+1
0
0 n+1
$ A
2
1
An+1 e A /2
2
+
xn+2 e x /2 dx.
=
n+1
n+1 0
Par prpondrance de lexponentielle sur les puissances, pour
2
An+1 e A /2
0.
la variable A2 /2, on a :
A +
n+1

ou encore :

1
In+2 ,
n+1

In+2 = (n + 1)In .

c) Daprs le cours, la loi normale centre rduite admet pour


1
2
densit : R R, x  e x /2 ,
2
$ +
1
2
donc
e x /2 dx = 1.

2
Puisque la fonction x  e x /2 est paire, on dduit :

,
$ +
2

x2 /2
=
.
e
dx =
I0 =
2
2
0
2

I2(p+1) = I2p+2 = (2p + 1)I2p = (2p + 1)


=

(2p + 2)!
(2p + 2)2 p p!

(2p + 2)!
= p+1
2
2 (p + 1)!

(2p)!
2 p p!


,
2(p + 1) !

= p+1
,
2 2 (p + 1)! 2

I2(p+1)+1 = I2p+3 = (2p + 2)I2p+1 = (2p + 2)2 p p! = 2 p+1 (p + 1)!,

donc H p+1 est vraie.


Ce raisonnement par rcurrence dmontre les formules voulues.

b) Soit A [0 ; +[.

On dduit, en faisant tendre A vers + : In =

e) Montrons, par rcurrence sur p N, la proprit H p sui,


(2p)!
vante :
I2p = p
et I2p+1 = 2 p p!.
2 p!
2
,

H0 est vraie car I0 =


et I1 = 1.
2

f) Soit n N. Lapplication x  xn e x
pair, et est impaire si n est impair.

2 /2

est paire si n est

$ 0
2
xn e x /2 dx
Par le changement de variable t = x,

$ +
2
xn e x /2 dx, donc
est de mme nature que lintgrale
0
$ 0
$ 0
2
2
lintgrale
xn e x /2 dx converge et
xn e x /2 dx =

$ +
2
xn e x /2 dx.
(1)n
0

$ 0
2
Puisque les deux intgrales
xn e x /2 dx
et

$ +
2
xn e x /2 dx convergent, on dduit, par dfinition, que
0
$ +
2
xn e x /2 dx converge, et on a :
lintgrale

$
Jn =
$
=

xn e x

2 /2

dx

xn e x

2 /2



= 1 + (1)n

dx +

xn e x

2 /2

dx

xn e x

2 /2

dx

(2p)!

2I2p = 2 p p! 2
=

si n est pair, n = 2p
si n est impair.
99

Chapitre 3

Intgrales sur un intervalle quelconque

3.19
e ax e bx
a) Lapplication f : x 
est continue sur
x
]0 ; +[, lintgrale propose est impropre la borne 0 et
la borne +.

c) 1) Dune part, par oprations, lapplication h est continue sur


]0 ; +[.
Dautre part, laide dun dveloppement limit en 0 :
h(y) =

tude en 0 :
On a, par dveloppements limits en 0 :



1 ax + o(x) 1 bx + o(1)
e ax e bx
=
f (x) =
x
x
= (b a) + o(1) b a.
x 0

Puisque f admet une limite finie en 0, daprs le cours, lint$ 1


f (x) dx converge (intgrale faussement impropre).
grale

donc h est continue en 0.


On conclut que h est continue sur [0 ; +[.
c) 2) On a, pour > 0 :
$

x [1 ; +[, 0 

On a :
$
Lintgrale
$ X

1 (1 e y )
dy
y
a
$ b
$ b
1
1 e y
dy
dy
=
y
a y
a
$ b
$ b
b
= [ln y]b

h(y)
dy
=
ln
h(y) dy.

a
a
a
a

e ax
 e ax .
x

e ax dx converge car, pour X  1 :

* e ax +X

e aX
1
1

.
1
X

+
a
a
a
a
1
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
e ax
dx converge.
x
1
$ + bx
e
De mme, lintgrale
dx converge.
x
1
$ +
f (x) dx converge.
Par soustraction, lintgrale
e ax dx =

Enfin, comme les deux intgrales

1
0$

f (x) dx

f (x) dx converge.

b) 1) Soit (, X) ]0 ; +[2 tel que  X.


On a, par le changement de variable y = ax :
$ X ax
$ aX y
$ aX y
e
e 1
e
dx =
dy
=
dy.
y
x
a
y

a
a
a
De mme, par le changement de variable y = bx :
$ X bx
$ bX y
e
e
dx =
dy.
x
y

b
b) 2) On a, pour tout (, X) ]0 ; +[ tel que  X,
daprs 1) :
$ X ax
$ X bx
$ X ax
e
e bx
e
e
dx =
dx
dx
x
x
x

$ aX y
$ bX y
e
e
=
dy
dy
y
y
a
b
$ bX y
$ aX y
$ bX y
$ b y
e
e
e
e
dy +
dy +
dy
dy
=
y
y
y
y
a
b
bX
b
$ bX y
$ b y
e
e
dy
dy.
=
y
y
a
aX

h(y) dy converge,
0

donc :
$

b
a

h(y) dy =

h(y) dy
a

h(y) dy
b

h(y) dy

0
b

On conclut :
a

Puisque h est continue en 0, lintgrale

f (x) dx et

convergent, par dfinition, lintgrale

h(y) dy = 0.
0

e y
b
dy ln .
0
y
a

d) Daprs b)2) et c)2), on a, pour X > 0 fix, en faisant tendre


$ X ax
$ bX y
b
e
e bx
e
vers 0 :
dx = ln
dy.
x
a
y
0
aX
$ + y
e
e) Puisque lintgrale
dy converge (cf. aussi la soy
1
lution de a) ), on a :
$

bX
aX

100

e y
dy =
y

tude en + :



1 1 y + o(y)
1 e y
=
= 1+o(1) 1 = h(0),
y 0
y
y

e y
dy =
y

bX
1

e y
dy
y
$

X +

aX

1
+

e y
dy
y

e y
dy
y

+
1

e y
dy = 0.
y

On
conclut, en faisant tendre X vers + dans le rsultat de d) :
$ +
e ax e (bx
b
dx = ln .
x
a
0

3.20
a) 1) On a, pour tout (, ) (R+ )2 :
1
1
1 2
( + 2 ) = (2 + 2 2) = ( )2  0,
2
2
2

Corrigs des exercices

1 2
( + 2 ).
2

donc :
a) 2) Daprs 1) :

&2 %
&2 
1 %
f (x) + g(x) .
2
$ +
f 2 et
g2 convergent,

x [a ; +[, | f (x)g(x)| 
$

Puisque les intgrales


a

par
$ +addition et multiplication par une constante, lintgrale
1 2
( f + g2 ) converge. Par thorme de majoration pour
2
a
$
+

des fonctions  0, lintgrale

| f g| converge.

b) En appliquant le rsultat
de a)2) avec f 2 la place de g,
$ +
| f |3 converge. Ainsi, lintgrale
on dduit que lintgrale
a
$ +
f 3 est absolument convergente, donc convergente.

Puisque g admet une limite finie en 0, daprs le cours, lin$ 1


1 e t
dt converge (intgrale faussement imtgrale
t
0
propre).
$
x

e
t

est continue sur [x ; +[.

On a : t [1 ; +[, 0  f (t) =
$

On sait que lintgrale

e t
 e t .
t

Do, pour x ]0 ; +[ :
$ 1 t
e
I(x) =
dt + I(1) = ln x J(x) + I(1)
t
x


= ln x K + o (1) + I(1)
x 0


= ln x + I(1) K +

e t dt converge, donc, par tho-

rme
$ + de majoration pour des fonctions
$ +  0, lintgrale
f (t) dt converge, puis lintgrale
f (t) dt converge.
1

On conclut que I(x) existe.

x 0

I(x)

ln x.

x 0

x ]0 ; +[, I(x) =
x

=
x

e t
dt +
t

e t
dt
t
$ +
1

1
(1 + t )n

e
dt + J(x) =
t

e t
dt =
t

1
x

e t
dt + I(1).
t

On a :
n N , un =

1 e
est continue sur ]0 ; 1].
t
laide dun dveloppement limit lorsque t 0, on a :
d) Lapplication g : t 

g(t) =



1 1 t + o(t)
t + o(t)
=
= 1 + o(1) 1.
t 0
t
t

1
dt
(1 + t )n
 !"
0

e
1 e
dt +
dt
t
t
x
x
$ 1
1
dt = [ln t]1x = ln x.
=
x t
1

1
1
= n ,
(t )n
t

Daprs lexemple de Riemann en + (n > 1), lintgrale


$
+
1
dt converge.
tn
1

t +

et n  2 car : (, n) N2 ,  2, n  1.

c) On a, pour tout x ]0 ; +[ :
$

1
est continue sur [0 ; +[.
(1 + t )n

Lapplication t 

Par
thorme dquivalence pour des fonctions
0, lintgrale
$ +
$ 
+
1
1
dt converge, puis lintgrale
dt
(1 + t )n
(1 + t )n
1
0
converge.

b) On a, par la relation de Chasles :

Dunod. Toute reproduction non autorise est un dlit

o (1),

x 0

et on dduit, puisque ln x + :

On a :

1 e t
dt .
t
0

!"
1

a) Soit n N .
t

Lapplication f : t 

3.22

a) Soit x ]0 ; +[.

1 e t
dt
x 0
t

note K

3.21

e) Daprs c) : J(x) =

1
dt 
(1 + t )n

1
0

1
1
dt = > 0,
(1 + 1)
2

n N , un > 0.

donc :
b) 1) Soit n N .

Pour X [0 ; +[, on a, par intgration par parties avec

u = (1 + t )n = (1 + t )

v = 1
101

Chapitre 3

Intgrales sur un intervalle quelconque

nt1


n1 1

t
=

u = n(1 + t )
(1 + t )n+1

v = t

On conclut (puisque 1  0) : n N , S n =
c) 2) On dduit, pour tout n N \ {0, 1} :
n 
* n
1 +
u1
1
1 k=1
k
n 
* 1
1 +
nu
= ln
1
1 1
k
k=1
1

n


1 
= ln n + ln u1 +
ln 1
k
k=2

o u, v sont de classe C sur le segment [0 ; X] :


$ X
+X $ X
*
1
nt
t
dt
=
+
dt
n
n+1
(1 + t )n 0
0 (1 + t )
0 (1 + t )
$ X
X
(1 + t ) 1
+
n
dt
=

n
(1 + X )
(1 + t )n+1
0
$ X
1
X
+
n
dt
=
(1$+ X )n
(1
+
t )n
0
X

1

dt .
n+1
0 (1 + t )
1

ln S n = ln

et, dauttre part :


n


n


1 
=
ln(k 1) ln k
ln 1
k
k=2
k=2

On a, puisque > 0 et n  2 :
X
(1 + X )n

X +

1
X
= n1
X n
X

X +


1 
un ,
b) 2) Daprs 1), on a : n N , un+1 = 1
n
ou encore, par dcalage de lindice :

1
un1 .
(n 1)

On en dduit, de proche en proche ou par une rcurrence imn1 


1 
.
1
mdiate : n N \ {0, 1}, un = u1
k
k=1
b) 3) Comme les rels qui interviennent ici sont > 0, on peut
passer au logarithme, do :
n1



1 
.
n N \ {0, 1}, ln un = ln u1 +
ln 1
k
k=1

1 
1

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



1 
ln 1
pour des sries termes  0, la srie
diverge.
k
k1

On a :

Comme cette dernire srie est termes  0 et est divergente,


n1


1 
ln 1
il sensuit :
+,
n
k
k=1
donc ln un , puis un 0.
n

tlescopage

do : ln S n = ln u1 +

n *

k=2

ln 1 ln n = ln n,



1 
1 
ln 1
.
ln 1
k
k

c) 3) On a, lorsque k tend vers linfini :




 1 + * 1
 1 +
1 
1 *
1
ln 1
ln 1
=
+o
+o
k
k
k
k
k
k
1
1 1
+o
,
=
k
 !" k
0


1 
1 1
1
ln 1
ln 1

.
k
k k k

do :

c) 4) La srie harmonique

1
k1

diverge, donc, par multiplica 11

diverge,
k
puis, par thorme dquivalence pour des sries termes  0,
* 

1 +
1 
la srie
ln 1
diverge. Comme cette
ln 1
k
k
k2
dernire srie est termes  0 et est divergente, on dduit :
tion par une constante non nulle, la srie

k2

0
n /


1
1
ln 1
+.
ln 1
n
k
k
k=2
Do ln S n +, puis S n +, et on conclut :
n
 n
la srie
un diverge.
n1

Remarque :

On pouvait obtenir ce dernier rsultat de faon plus simple, en


remarquant :
$

c) 1) On a, pour tout n N , en utilisant b)1) : do :


( 1)S n = nun+1 .
102

0.

Do, en faisant tendre X vers + : un = n(un un+1 ).


n N \ {0, 1}, un = 1

n
un+1 .
1

un =
0

1
dt 
(1 + t )n
 !"
0

1
n1/

1
dt
(1 + t )n

Corrigs des exercices

1
1
1
1
 1  +n = n1/ 
1 n
n1/ *
1 + 1/
1+
n
n
1 n 1n +o 1n
1 n ln 1+ 1n
= 1/ e
= 1/ e
n
n
e 1
1
= 1/ e 1+o(1) 1/  0.
n n
n
 1
Daprs lexemple de Riemann ( 1  1), la srie
din1/
n1
verge. Par multiplication par une constante non nulle, la srie
 e 1
diverge. Par thorme dquivalence pour des sries
n1/
n1

termes  0, on conclut que la srie
un diverge.


n1

3.23
a) Soit x J = ] 1 ; +[.

c) 3) On a, daprs 1) et 2), pour tout x ]0 ; +[ :

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

x+1

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

x ]0 ; +[,

Do :

Daprs lexemple de Riemann en 0 (x < 1), lintgrale


$ 1
t x dt converge.

$
On conclut que, pour tout x J, lintgrale
converge.

1
0

tx
dt
1+t

Dunod. Toute reproduction non autorise est un dlit

b) On a, pour tout x J :
$ 1
$ 1 x
* t x+1 +1
1
t
t x dt =
=
dt 
.
0  f (x) =
0
1
+
t
x
+
1
x
+
1
0
0
1
0, on dduit , daprs le thorme
Comme
x + 1 x +
dencadrement : f (x) 0.
x +

c) 1) Soit (x, y) J 2 tel que x  y.


t ]0 ; 1], t x  ty ,

On a :
do :

t ]0 ; 1],

ty
tx

,
1+t 1+t

c) 2) On a, pour tout x J :
$

f (x) + f (x + 1) =

$ 1 x+1
$ 1 x x+1
tx
t
t +t
dt +
dt =
dt
1+t
0 1+t
0 1+t
0
$ 1
$ 1 x
* t x+1 +1
t (1 + t)
1
t x dt =
=
dt =
.
=
1
+
t
x+1 0 x+1
0
0
1

1
%
&1
dt = ln(1 + t) 0 = ln 2.
1+t

Daprs c) 2) : f (0) + f (1) = ln 2, donc : f (1) = 1 ln 2.


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

1
f (x + 1).
x+1

Daprs 2) : x ] 1 ; 0], 1 ln 2  f (x + 1)  ln 2.
1
+ et que f (x + 1) est born lorsque x
x + 1 x 1
1
parcourt ] 1 ; 0], on dduit : f (x)
.
x 1 x + 1
Comme

3.24
a) Soit n N .
Lapplication fn : [0 ; 1[ R, x 

x2n x4n
1 x2

est continue sur [0 ; 1[ et, pour tout x [0 ; 1[ :




1 (x2 )n
2n
2 k
=
x
(x
)
=
x2n+2k .
1 x2
k=0
k=0
n1

fn (x) = x2n

puis, en intgrant sur ]0 ; 1] : f (x)  f (y).


On conclut : f est dcroissante sur J.

d) 1) On a : f (0) =

Par thorme dquivalence pour des fonctions  0, lintgrale


$ 1
gx (t) dt converge.

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

x
1, on dduit, par encadrement :
Comme
x + 1 x +
1
f (x)
1, donc : f (x)
.
1
x +
x + 2x
2x
$

tx
est continue sur ]0 ; 1] et vaLapplication gx : t 
1+t
1
leurs  0. On a : gx (t) t x = x  0.
t 0
t

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

x ]0 ; +[,

donc :

On a donc :

fn (x)

x 1

n1


n1

1 = n.

k=0

Ainsi, fn est continue sur [0 ; 1[ et admet une limite finie


$ 1
fn (x) dx
en 1. Daprs le cours, on conclut que lintgrale
0

converge (intgrale faussement impropre), cest--dire que In


103

Chapitre 3

Intgrales sur un intervalle quelconque

existe. Et :
$ 1
n1
n1 $


x2n+2k dx =
In =
0

k=0

k=0

x2n+2k dx
0

n1 *
n1

1
x2n+2k+1 +1 
=
.
0
2n
+
2k
+
1
2n
+
2k + 1
k=0
k=0

In =

k=0

1
=
2n + 2k + 1
n1


Dautre part : In =

k=0

n

=1

1

2n + 2 1

n

=1

1
.
2n + 2


1
1

.
2n + 2k + 1 k=0 2n + 2k
n1

k=1

n
1 
1
=
2n + 2k 2n k=1

1
1+

k
n

f 0.
+

Comme f est dcroissante et de limite nulle en +, il sensuit :


x [0 ; +[, f (x)  0.
$ x
f (t) dt. Puisque
b) tudions, pour x [0 ; +[, lintgrale
x/2
$ x
x
f (t) dt.
f est dcroissante, on a : f (x) 
2
x/2
x
f (x).
2
$ +
Puisque f  0 et que lintgrale
f converge, on a :
Puisque f  0, on a :

On conclut :

n

k=1

f (t) dt 

f (t) dt.

x/2

x/2

$
0  x f (x)  2

On obtient :

f (t) t.
x/2

f converge, on a :

Puisque lintgrale
$

1
ln 2

.
2n + 2k n
2

x +

x/2

a) Puisque f : [0 ; +[ R est dcroissante, f admet en +


une limite finie ou la limite .
Si f et > 0, alors, comme f et que lint+
+
$ +
dx diverge, on dduit, par thorme dquivalence
grale
0
$ +
f (x) dx diverge,
pour des fonctions  0, que lintgrale

f (x) =

3.26

x +

Si f et < 0, en considrant f , on dduit, comme


+
$ +
f (x) dx diverge, contradiction.
ci-dessus, que lintgrale
0

Si f , alors il existe a > 0 tel que :


+

x [a ; +[, f (x)  1,
x [a ; +[, f (x)  1,

x +

0,

1
.
x

Pour tout P R[X], lapplication

x2 + 4x + 2 P(x)
f : [1 ; +[ R, x 
x

est continue sur [1 ; +[.

x2 + 4x + 2
On a :

contradiction.

0.

Par encadrement, il en rsulte : x f (x)


cest--dire :

3.25

104

b) 3) Daprs 1) et 2), on conclut, par thorme dencadrement :


ln 2
In
.
n
2

donc :

0

1
est continue sur
Lapplication f : [0 ; 1] R, x 
1+x
le segment [0 ; 1].
Daprs le cours sur les sommes de Riemann :
$ 1
n
%
&1
1
1 1

dx = ln(1 + x) 0 = ln 2.
k n
n k=1
0 1+ x
1+
n

diverge, contradiction.
On dduit :

b) 2) On a, pour tout n N :
n


1 dx diverge, par thorme de


$ +
f (x) dx
minoration pour des fonctions  0, lintgrale
a
$
+
f (x) dx
diverge, donc en passant loppose, lintgrale
a

b) 1) On a, par le changement dindice = k + 1 :


n1


puis, comme lintgrale

x +

x.

Si deg (P)  0, alors P est une$constante, P = a R, donc


+
f (x) 1, donc lintgrale
f (x) dx diverge.
x +

Si deg (P)  2, alors P est de la forme


P : x  an xn + + a0 ,
donc f (x)

x +

o n N, n  2, an  0,
$ +
an xn1 . Comme lintgrale
xn1 dx

diverge (grossirement) et que an

0, lintgrale

Corrigs des exercices

an xn1 dx diverge, puis, par thorme dquivalence


$ +
f (x) dx dipour des fonctions de signe fixe, lintgrale
1
verge.

On conclut quil existe un polynme P et un seul convenant :


P = X + 2.

Supposons dornavant deg (P) = 1.


Il existe (a, b) R2 tel que P = aX + b.
On a :

x [1 ; +[, f (x) =

x2

sin x

Lapplication f : x  e x 1 est continue sur


]0 ; +[, donc lintgrale propose est impropre la borne 0
et la borne +.

3.27

tude en 0 :

+ 4x + 2 (ax + b)
x
,
4
b
2
= 1+ + 2 a .
x x
x

1 a, et comme lintgrale
 Si a  1, alors f (x)
x +
$ +
(1 a) dx diverge, par thorme dquivalence pour des
1
$ +
f (x) dx diverge.
fonctions de signe fixe, lintgrale

On a

sin x
1, donc f (x) e 1.
x 0
x x 0

f (x) dx

Puisque f admet une limite finie en 0, lintgrale


0

converge (intgrale faussement impropre).


tude en + :

Utilisons des dveloppements limits lorsque x + , en


sin x
0 :
remarquant
x x +

 Supposons dornavant a = 1. On a, par utilisation dune expression conjugue :

4 2b
 Si 4 2b  0, alors f (x)

, et comme lintx

+
x
$ +
1
dx diverge, par thorme dquivalence pour des
grale
x
1
$
+

f (x) dx diverge.
1

 Supposons dornavant 4 2b = 0, cest--dire b = 2.

Dunod. Toute reproduction non autorise est un dlit

x
donc :

4
2
2
1+ + 2 +1+
x x
x
f (x)

x +

x +

1
 0.
x2

Daprs lexemple de Riemann en +, lintgrale


converge.

+
1

1
dx
x2

Par
thorme dquivalence pour des fonctions  0, lintgrale
$ +
f (x) dx converge.
Par passage la fonction oppose, lintgrale
converge.

f (x) dx
1

sin x
dx converge.
x

2) On a :

x [1 ; +[, 0 

1
sin x
 2.
x2
x

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par thorme de majoration pour des fonctions  0, lintgrale
$ +
sin2 x
dx converge.
x2
1
3) Il existe a [1 ; +[ tel que :

2
1
= 2,
2
2x
x

1
sin x 1 sin2 x
.
+ o
+
x + x2
x
2 x2

On a, pour x [1 ; +[ :
f (x) =

1=

1) Daprs lexercice 3.15, lintgrale

(4 2b)x + (2 b2 )
.
=
,

2
4
b
x2
1+ + 2 +1+
x x
x

sin x
x

(x2 + 4x + 2) (x + b)2
x [1 ; +[, f (x) =

x x2 + 4x + 2 + x + b

fonctions de signe fixe, lintgrale

f (x) = e

##  1 ##
1
x [a ; +[, ##o 2 ##  2 .
x
x
Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
a
Par
thorme de majoration pour des fonctions$ 0, lintgrale
$ +
##  1 ##
+ # 
## 1 ###
## dx converge, donc lintgrale
##o
#o 2 # dx
2
x
x
a
1
converge.
$ +  
1
o 2 dx est absolument convergente,
Ainsi, lintgrale
x
1
donc convergente.
Par
$ +addition de trois intgrales convergentes, lintgrale
f (x) dx converge.
1

105

Chapitre 3

Intgrales sur un intervalle quelconque

$ +
f (x) dx et
f (x) dx
0
1
$ +
f (x) dx converge.
convergent, par dfinition, lintgrale
1

Puisque les deux intgrales

3.28
On a :
donc :

x [0 ; /2[, cos x > 0,

x ]0 ; /2[, x + x cos x > 0.

Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
## cos3 x ##
##
## dx converge.
x2
1
$ +
cos3 x
dx est absolument convergente,
Ainsi, lintgrale
x3/2
1
donc convergente.
4) Il existe a [1 ; +[ tel que :

x [/2 ; +[, cos x  1,

donc : x [/2 ; +[, x + x cos x  x x > 0.

Ceci montre : x ]0 ; +[, x + x cos x > 0.

##  1 ##
1
x [a ; +[, ##o 3/2 ##  3/2 .
x
x

Dautre part :

cos x
est donc continue sur

x + x cos x
]0 ; +[ et lintgrale propose est impropre la borne 0 et
la borne +.

Lapplication f : x  .

tude en + :
Utilisons des dveloppements limits lorsque x + , en
cos x
0 :
remarquant
x x +

1/2
cos x
cos x
cos x
f (x) = .
= 1+

x
x
x + x cos x


1 cos x 3 cos2 x
cos x
1
= 1
+
o
+
2
8 x2
x2
x
x


1
cos x 1 cos2 x 3 cos3 x
+
o
=
+
.
2 x
8 x3/2
x3/2
x
Nous allons tudier la nature des intgrales de ces quatre
termes.
$ +
cos x
1) Daprs lexercice 3.15, lintgrale
dx converge.
x
1
1
cos 2x
cos2 x 1 cos 2x
=
=

.
2) On a : x [1 ; +[,
x
x
2x
2x
Daprs lexercice $
3.15, en utilisant le changement de variable
+
cos 2x
dx converge.
t = 2x, lintgrale
2x
1
$ +
1
Lintgrale
dx diverge.
2x
1
$ +
cos2 x
Par addition , lintgrale
dx diverge.
x
1
3) On a :

## cos3 x ##
1
x [1 ; +[, ## 3/2 ##  3/2 .
x
x

Daprs
lexemple de
$ +
1
dx converge.
x3/2
1
106

Riemann

en

+,

Daprs
$ + lexemple de Riemann en + (3/2 > 1), lintgrale
1
dx converge.
x3/2
a
Par
thorme de majoration pour des fonctions
$ +
$ +0,# lintgrale
##  1 ##
##  1 ###
## dx converge, donc lintgrale
##o
#o 3/2 # dx
x3/2
x
a
1
converge.
$ + 
1 
o 3/2 dx est absolument convergente,
Ainsi, lintgrale
x
1
donc convergente.
Par addition de trois intgrales convergentes
et dune intgrale
$
+

divergente, on dduit que lintgrale

f (x) dx diverge.
1

Puisque lintgrale

f (x) dx diverge, il est inutile dexa1

miner la nature de lintgrale lautre borne (0).


$ +
cos x
On conclut que lintgrale
dx diverge.
.

0
x + x cos x

3.29
1) Existence :
ln x
est continue
Lapplication f : ]0 ; +[ R, x 
1 + x2
sur ]0 ; +[, donc lintgrale propose est impropre la borne
0 et la borne +.
tude en 0 :
On a :
et :

x ]0 ; 1], f (x)  0


x ln x
x f (x) =
0,
1 + x2 x 0

par prpondrance des puissances sur le logarithme.


Il existe donc a ]0 ; 1] tel que :
x ]0 ; a],



x f (x)  1,

lintgrale
do :

1
x ]0 ; a], 0  f (x)  .
x

Corrigs des exercices

Daprs
lexemple de Riemann en 0 (1/2 < 1), lintgrale
$ a
1
dx converge.
x
0

e t
e t
Les applications t 
et t  2 sont continues sur
t
t
[x ; +[.

Par
$ a thorme de majoration pour des fonctions  0 lintgrale
f (x) dx converge, puis, par passage la fonction oppo0
$ a
se, lintgrale
f (x) dx converge.

On a : t [1 ; +[, 0 

tude en + :
On a :

f (x)

x +

ln x
 0.
2
 x!"

note g(x)

et :

x3/2 g(x) =

ln x
x1/2

x +

e t dt converge, donc, par thorme de ma$ + t


e
dt et
joration pour des fonctions  0, les intgrales
1
$ + t
$ + tt
e
e
dt convergent, donc les intgrales
dt et
2
t
t
x
$1 + t
e
dt ce qui montre que I(x) et J(x) existent.
t2
x
1

b) On a :

0,

Il existe donc b [1 ; +[ tel que :

x [b ; +[, 0  g(x) 

1
.
x3/2

Daprs lexemple de Riemann en + (3/2 > 1), lintgrale


$
+
1
dx converge.
3/2
x
b
Par
thorme de majoration pour des fonctions  0, lintgrale
$ +
g(x) dx converge.
b

Par thorme
$ + dquivalence pour des fonctions$+0, lintgrale
f (x) dx converge, donc lintgrale
f (x) dx
b
1
converge.
$ +
$ 1
f (x) dx et
f (x) dx
Puisque les deux intgrales
0
1
$ +
f (x) dx converge.
convergent, par dfinition, lintgrale
Dunod. Toute reproduction non autorise est un dlit

2) Calcul :

x ]0 ; +[, 0  J(x) =
x

x [b ; +[, x3/2 g(x)  1,

e t
dt 
t2

+
x

e t
dt
x2

1
1
1
e t dt = 2 [ e t ]+
= 2 e x .
x
x2 x
x
x
c) Soit x ]0 ; +[ fix.
=

Soit X [x ; +[. Utilisons une intgration par parties, avec

u = t2

v = e t

u = t

v = e t

o u, v sont bien de classe C 1 sur le segment [x ; X] :


$

X
x

* e t +X $ X e t
e t
dt =

dt
t
t x
t2
x
$ X t
e x
e
e X
+

=
dt.
X
x
t2
x

En faisant tendre X vers +, on obtient :


$ + t
$ + t
e x
e
e
dt,
dt =

t
x
t2
x
x

On a, par le changement de variable


1
1
1
t= ,
x= ,
dx = 2 dt :
x
t
t
$ 0 ln 1 
$ +
ln x
t 1  dt
dx =
I=
2
1
1+x
t2
0
+
1+ 2
t
$ +
ln t
dt = I,
=
1 + t2
0

cest--dire :

do 2I = 0, et on conclut : I = 0.

puis :

I(x) =

e x
J(x).
x

d) Daprs b), on a : x ]0 ; +[, 0 

donc :

3.30
a) Soit x ]0 ; +[.

Lintgrale

par prpondrance des puissances sur le logarithme.

do :

e t
e t

 e t .
2
t
t

On conclut :

J(x)
e x
x

x +

J(x)
I(x)
= 1 x
e x
e
x
x
I(x)

x +

J(x)
1
 ,
e x
x
x

0,

x +

1.

e x
.
x
107

Chapitre 3

Intgrales sur un intervalle quelconque

e) On a, par le changement de variable t = u + x :


$ + u
$ + xt
e
e
du =
dt
u+x
t
0
x
$ + t
1
e
e x
ex
dt

= .
= ex
x

+
t
x
x
x

3.31

d) Daprs c) :

Puis, daprs b) :


n e n = un () un ( 1) = un () + o un () un ().
n

a) Soit (n, ) N R. Lapplication f : t  t e t est continue sur [n ; +[ et  0.


t f (t) = t
2

On a :

2+

t +

0,

un () n e n .

On conclut :

par prpondrance de lexponentielle sur les puissances.

a) Soit x ]0 ; +[.

Il existe donc a [n ; +[ tel que : t [a ; +[, t f (t)  1,

Lapplication ]0 ; +[ R, t  4

1
t [a ; +[, 0  f (t)  2 .
t

do :

1
dt
2
t
a
converge. Par thorme
de
majoration
pour
des
fonctions
$ +
f (t) dt converge, et finalement, lint 0, lintgrale
a
$ +
f (t) dt converge.
grale
Daprs lexemple de Riemann en +, lintgrale

On conclut que, pour tout (n, ) N R, u(n, ) existe.


b) Soit (n, ) N R. Nous allons utiliser une intgration par
parties sur un segment, puis un passage la limite.
Soit T [n ; +[. On a, par intgration par parties avec


1

u = t
u = t

v = e t
v = e t
o u, v sont bien de classe C 1 sur le segment [n ; T ] :
$ T
$ T
%
&T
t e t dt = t ( e t ) n
t1 ( e t ) dt
n

= T e T + n e n +

t1 e t dt.

En faisant tendre T vers + et en utilisant la prpondrance de


lexponentielle sur les puissances, on obtient :
un () = n e n + un ( 1).
c) Soit (n, ) N R.
Dune part : un ( 1)  0.
Dautre part :
$
un ( 1) =

+
n

3.32
2

108

un ()
.
n


un ( 1) = o un () .

0  un ( 1) 

On conclut :

$ +
1 t
t1 e t dt =
t e dt
t
n
$ +
1 t
1
t e dt = un ().

n
n
n

1
sur ]0 ; x] et : 4
4
t + t3

t 0

1
t4

est continue

+ t3

1
1
4 = 3/4  0.
3
t
t

Daprs
lexemple de Riemann en 0 (3/4 < 1), lintgrale
$ x
1
dt converge. Par thorme de majoration pour des
3/4
0 t
$ x
1
fonctions  0, lintgrale
dt converge, donc
4
4
0
t + t3
$ x
1
dt existe.
f (x) =
4
0
t4 + t3
1
1
est contit
t4 + t3
nue sur le segment [1 ; x]$ (si x  1), sur le segment [x ; 1] (si
x
1
1
dt existe.

0 < x  1), donc g(x) =


4
4
3
t
1
t +t

Lapplication ]0 ; +[ R, t  4

On a :

1
dt
4
4
3
$ x
$0 1 t + t
1
1
dt +
dt
=
4
4
4
3
4
0
1
+t
t + t3
 t !"
= f (1)
$ x
$ x
1
1
1

= f (1) +
dt +
dt
4
t
1 t
1
t4 + t3
= f (1) + ln x + g(x).

f (x) =

b) Lapplication h : [1 ; +[ R, t  4

+
continue sur [1 ; +[. On a, au voisinage de + :
t4

1
1
1
1

= ,
h(t) = 4
4
3
t
t
t +t
1
4
t 1+
t

1 +1/4
1 *
1+
=
1
t
t

 1 +
11
1 *
1
1
+o
=
t
4t
t
1
1
= 2 +o 2 ,
4t
t

t3

1
est
t

Corrigs des exercices

donc :

h(t)

t +

1
.
4t2

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge. Par thorme dquivalence pour des
t2
1
fonctions
la fonction oppose, lint$ + 0, puis par passage
1
1
dt converge.
grale

4
t
1
t4 + t3
$

1
1
dt qui converge daprs b).

4
t
1
t4 + t3
$ x
1
1
dt I,
On a donc : g(x) =

4
x +
4
3
t
1
t +t

c) Notons I =

cest--dire : g(x) = I +

(1).

x +



Daprs a), on a alors : f (x) = ln x + f (1) + I + o(1)
et on conclut :

f (x)

x +

1
0

On a :

par prpondrance des puissances sur le logarithme, donc


$ 1/2
fn (x) dx converge (intgrale faussement imlintgrale
0

propre).

Dunod. Toute reproduction non autorise est un dlit

nxn ln x
dx = 0.
xn 1

3.34
a) Soit x ]0 ; +[.
t
Lapplication ux : [0 ; +[ R, t 
est conti1+ x et
nue sur [0 ; +[ (le dnominateur ne sannule pas), donc lintgrale propose est impropre la borne +.
De plus : ux  0.
t2 ux (t) =

t3
1+ x et

Il existe donc a ]0 ; +[ tel que :


t [a ; +[, 0  t2 ux (t)  1,
t [a ; +[, 0  ux (t) 

do :

1/2

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dt converge. Par thorme de majoration pour des
t2
a
$
ux (t) dt converge, donc lina

Lapplication
$

D : [0 ; +[ R, T 
0

$ 1
fn (x) dx et
fn (x) dx
0
1/2
$ 1
fn (x) dx existe.
convergent, par dfinition, lintgrale In =
1/2

Puisque les deux intgrales

b) Soit n N . On a :
0

fonctions  0, lintgrale

impropre).

1
.
t2

b) Soient x, y ]0 ; +[ tels que x < y.

ln x
n
nxn

1 = 1,
= n1
x + + 1 x 1 x 1 n
$ 1
donc lintgrale
fn (x) dx converge (intgrale faussement

## $
|In | = ##

0,

On conclut : pour tout x ]0 ; +[, f (x) existe.

nxn ln x
(x 1)(xn1 + + 1)

t +

par prpondrance de lexponentielle sur la puissance.

tgrale propose converge.

tude en 1 :
On a : fn (x) =

On conclut : lim

tude en 0 :
nxn1
x ln x 0,
fn (x) = n
x 0
x 1

indpendant de n

On a :

nxn ln x
a) Soit n N . Lapplication fn : x  n
est continue
x 1
sur ]0 ; 1[, donc lintgrale propose est impropre aux deux
bornes.

ln(y1/n )
dy
y1
0
$
1 1 ln y
=
dy 0.
n
n 0 1y
 !"

ln x.

3.33

nxn1 ( ln x)
dx =
1 xn

$ 1 n1
$ 1 n
nxn ln x ###
nx ( ln x)
nx ( ln x)
dx 
dx.
dx# =
n
n
x 1
1x
1 xn
0
0

Eectuons, dans cette dernire intgrale, le changement de va1 1


1
riable y = xn ,
x = yn ,
dx = y n 1 dy
n

t
dt
1+ x et

T
0

t
dt
1+ y et

est de classe C 1 sur [0 ; +[ et, pour tout T [0 ; +[ :

>0
T
T

D (T ) =

1+ x eT 1+y eT
=0


si T > 0
si T = 0.

Il en rsulte que D est strictement croissante sur [0 ; +[.


Comme D(0) = 0, et que D(T )

T +

f (x) f (y),

on dduit : f (x) f (y) > 0.


On conclut : f est strictement dcroissante sur ]0 ; +[.
109

Chapitre 3

Intgrales sur un intervalle quelconque

e) 2) Daprs 1), on a : x ]0 ; +[, f  (x) < 0,

c) On a, pour x ]0 ; 1] :
$ ln x
$ +
t
t
dt

f (x) =
t dt
t
1
+
x
e
1
+
0
0
x e!"

donc f est strictement dcroissante sur ]0 ; +[, et on retrouve


le rsultat de b).

1

ln x


0

* t2 + ln x

t
dt =
2
4

(ln x)2
+,
=
x 0
4

e) 3) Daprs 1), f est de classe C 2 sur ]0 ; +[ et, pour


tout x ]0 ; +[ :
f  (x) =

donc : f (x) +.
x 0

On a, pour tout x [1 ; +[ :
$ +
$ +
t
t
0  f (x) =
dt

dt
1+ x et
x et
0
0
$ +
1
=
t e t dt
x 0
 !"

x +

not A(x)

0,

constante

donc, par encadrement : f (x)

Par oprations, lapplication A est de classe C 1 sur ]0 ; +[ et,


pour tout x ]0 ; +[ :

0.

x +

1
2x + 1
1
1
=
< 0.
A (x) = +

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

d) Soit x ]0 ; +[ fix.
Par le changement de variable
u = x e t,

u
t = ln ,
x

11
1 
1

ln x ln(1 + x) +
2
x
x x 1+x

1
1
= 2 ln x ln(1 + x) + 2
x
x (1 + x)
1 
1
.
= 2 ln x + ln(1 + x) +
x  !"
1+x

dt =

1
du,
u

on a :

Il en rsulte que A est dcroissante sur ]0 ; +[.


x
1
Comme A(x) = ln
+
0,
1 + x x2 (1 + x) x +
x ]0 ; +[, A(x) > 0,

on a donc :
$

f (x) =

u
ln
x 1 du
1+u u

$ +
t
dt
=
1 + x et
x
$ +
$ +
ln u
1
=
du ln x
du.
u(1 + u)
u(1 + u)
x
x

On remarque : u ]0 ; +[,

x ]0 ; +[, f  (x)  0.

puis :

On conclut : f est convexe.


f)

1
1
1
=
,
u(1 + u) u 1 + u

x
f  (x)

0
+

f (x)

do, pour U  x :
$ U
$ U
%
&U
1 
1
1
du =

du = ln u ln(1 + u) x
u(1 + u)
u 1+u
x
x
U
x
x
= ln
ln
ln
.
1+U
1 + x U +
1+x
On dduit :


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

+
x


0

ln u
du.
u(1 + u)

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

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

x
x 1+x
x(1 + x)

1
ln x ln(1 + x) .
=
x
110

3.35
a) Soient n N , t ]0 ; +[. Notons
S =

n1

k=0

tk = 1 + t + + tn1 .

Corrigs des exercices

On a aussi, en lisant la somme dans lautre sens (cest--dire


par le changement dindice = n 1 k) :
S = tn1 + + t + 1.

2S = (1 + t

) + (t + t

n2

) + + (t

n1

+ 1).

Soit k 0 ; n 1.
Daprs une ingalit classique (cf. exercice 3.20) :
(, ) (R+ )2 , 2 + 2  2,
on a :

tk + tn1k  2t 2 t

Do : 2S  n2t
n1
2

puis : S  n t

n1
2

n1k
2

= 2t

n1
2

converge (intgrale faussement impropre).

x [1 ; +[, 0  f (x) =

On a :

Par le $thorme de majoration pour des fonctions  0, lint+


grale
f (x) dx converge.
$ +
f (x) dx et
f (x) dx
0
1
$ +
f (x) dx converge.
convergent, par dfinition, lintgrale
$

, ce qui est lingalit voulue.

1
n

1x
1x
1
=
,
1 n =
1
2
n1
1x
1 xn
1 + xn + xn + + x n
fn (x)

x 1

1
.
n

fn (x) dx converge (intgrale

Il en rsulte que lintgrale


0

faussement impropre), donc In existe.


b) 2) Daprs a), on a, pour tout n N :
$ 1
$ 1
1
1
dx

0  In =
1 n1 dx
n1
0  1 k
0 n xn 2
xn
Dunod. Toute reproduction non autorise est un dlit

k=0

+1
2
1* x
,
=
0
n n1
3n 1
+1
2n
n1 +1
2n

In 0.
n

3.36

2) Calcul :
Soit (, X) R2 tel que 0 <  X.
On a, par intgration par parties, avec

2


u = sin x
u = 2 sin x cos x

1
1

v = 2
v =
x
x
o u, v sont de classe C 1 sur le segment [ ; X] :
$ X
* sin2 x +X $ X 2 sin x cos x
sin2 x
dx
=

+
dx.
x2
x
x

Dune part :

sin2 x
Lapplication f : x 
est continue sur ]0 ; +[, donc
x2
lintgrale propose est impropre aux deux bornes.
tude en 0 :
f (x) =

 sin x 2
x

1.

x 0

sin2 X
X

X +

## sin2 X # 1
##  ,
0, car ##
X
X

sin sin
=
sin 0.
0

et

Dautre part, daprs 1) :


$ X
$ +
sin2 x
sin2 x
dx

dx = I.
X +, 0
x2
x2

0
Puisque
$ X

1) Existence :

On a :

Puisque les deux intgrales

et on conclut :

sin2 x
1
 2.
x2
x

1 xn
est continue
Lapplication fn : [0 ; 1[ R, x 
1x
sur [0 ; 1[ et, en utilisant une identit remarquable, on a, pour
tout x [0 ; 1[ :

do :

f (x) dx
0

Daprs
lexemple de Riemann en + (2 > 1), lintgrale
$ +
1
dx converge.
x2
1

b) 1) Soit n N .

1
n

tude en + :

do, en additionnant :
n1

$
Puisque f admet une limite finie en 0, lintgrale

2 sin x cos x
dx =
x

sin2 x
sin2 X sin2

,
dx
+
x2
X

$ +
2 sin x cos x
il en rsulte que lintgrale
dx converge et
0
$ +
$ + x 2
2 sin x cos x
sin x
dx = I.
que :
dx =
x
x2
0
0
On a, par le changement de variable t = 2x :
$ +
$ +
$ +

2 sin x cos x
sin 2x
sin t
dx =
dx =
dt = .
x
x
t
2
0
0
0
111

Chapitre 3

Intgrales sur un intervalle quelconque

sin2 x
On conclut :
dx = .
2
x
2
0
$ +
$ + 
sin x
sin x 2
dx =
dx.
Remarque : On a donc :
x
x
0
0

| f | converge, par thorme de majo$ +


| f f  | converge,
ration pour des fonctions  0, lintgrale
c
$ +
| f f  | converge.
puis lintgrale
c

3.37
a) On a : x [0 ; +[, f  (x) = f  (0) +

f  (t) dt.

Comme lintgrale



converge (car elle est suppose

absolument convergente) , il en rsulte :




f (x)

x +

f (0) +



f (t) dt.

c) On a, pour x [0 ; +[ :
$ x
2

2
( f 2 ) (t) dt
f (x) = f (0) +
0
$ x

2
f (t) f  (t) dt
= f (0) + 2
0
$

2
f (0) + 2

x +

f (t) f  (t) dt,

f f  est convergente, puisquelle est abso-

Ceci montre que f admet une limite finie en +. Pour montrer = 0, raisonnons par labsurde : supposons  0.

car lintgrale

1er cas : > 0

Ceci montre que f 2 admet une limite


finie L en +. Il en rsulte que | f | admet la limite finie L en +.

Puisque f  (t)

t +

> 0, il existe a [0 ; +[ tel que :

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

3.38

2

x +

+.

2e cas : < 0
On applique le rsultat du 1er cas f et on obtient une contradiction.
Ce raisonnement par labsurde montre = 0 et on conclut :
f
b) Puisque f

Soit b ]a ; +[.

Notons c = b a > 0, donc a = b + c.

Il existe donc b [a ; +[ tel que : x [b; + [, f (x)  1.


$ +
1 dt diverge, par thorme de minoComme lintgrale
1
$ +
f (t) dt diverge,
ration pour des fonctions  0, lintgrale
b
$ +
f (t) dt diverge, contradiction car, par hypuis lintgrale
0 $
+
f (t) dt est absolument convergente,
pothse, lintgrale
donc convergente.

lument convergente, daprs b).

On a alors, pour tout x [a ; +[ :


f (x) = f (a) +

Par
un raisonnement par labsurde, comme en a), on montre
L = 0 , et on conclut : f 0.


t [a ; +[, f  (t)  .
2



Remarquons : t [0 ; +[, e bt f (t) = e ct e at f (t) .
Considrons lapplication
g : [0 ; +[ R, t  e at f (t)
$ t
g(s) ds.
et notons G : [0 ; +[ R, t 
0

Soit T [0 ; +[.
$ T
e ct g(t) dt laide dune intgration par parExprimons
0

ct

ct

u = e
u = c e
ties, avec

v = g(t)
v = G(t)
o u, v sont bien de classe C 1 sur le segment [0 ; T ] :
$ T
$ T
%
&T
e ct g(t) dt = e ctG(t) 0
c e ct G(t) dt
0

= e cT G(T ) + c

0.
+

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


+

x [c ; +[, | f  (x)|  1.
On a alors : x [c ; +[, | f f  (x)| = | f (x)| | f  (x)|  | f (x)|.
112

$
Comme lintgrale

$
Puisque lintgrale

e ct G(t) dt.

g(t) dt (qui est

e at f (t) dt )

converge, par dfinition, G(T ) admet une limite finie lorsque


T tend vers +. Comme c > 0, il en rsulte :
e cT G(T )

T +

0.

Corrigs des exercices

Dautre part, puisque G admet une limite finie en +,


G est borne au voisinage de +, cest--dire quil existe
[0 ; +[ et M R+ tels que :

On obtient :

t [ ; +[, | e ct G(t)|  M e ct .
$ +
e ct dt converge, donc linComme c > 0, lintgrale

$ +
tgrale
M e ct dt converge. Par thorme de majora
$ +
| e ctG(t)| dt
tion pour des fonctions  0, lintgrale

$ +
e ct G(t) dt est absolument
converge. Ainsi, lintgrale

convergente,
donc convergente. Il en rsulte que lintgrale
$ +
ct
e G(t) dt converge.
0

Notons J =

On a alors :

T +

0 + cJ.

e ct G(t) dt converge, cestCeci montre que lintgrale


$ + 0
e bt f (t) dt converge.
-dire que lintgrale
0

Dunod. Toute reproduction non autorise est un dlit

$
2 f (0) =

$


x2 )  
f (x) dx f  ( 2) +
2x
2
0

Mais, comme f  (x)


$

x +

f (x) dx.

0, on a :

%
&+
f  (x) dx = f  (x) 2 = f  ( 2).

Do :

$
2 f (0) =

2x

$
2 | f (0)| 

x2  
f (x) dx +
2

f  (x) dx +

f (x) dx.

$ +
$
##
2#
## 2 x x ### | f  (x)| dx +
| f  (x)| dx +

2
2
0

| f (x)| dx.

d) Ltude des variations de lapplication

x2
: [0 ; 2] R, x  2 x
2

montre :
x [0 ; 2], 0  (x)  1.
$

2 | f (0)| 

a) Voir la solution de lexercice 3.37 a).

u = 1

v = f (x)

u = 2 x

v = f  (x)

o u, v sont bien de classe C sur el segment [0 ; 2] :


$ 2
$ 2
%
& 2

( 2 x) f (x) dx = ( 2 x) f (x) 0 +
f (x) dx
1

= 2 f (0) +

f (x) dx.
0

2
0

b) Nous allons eectuer deux intgrations par parties succes

x2

u = 2 x 2
u = 2 x
sives. On a, avec

v = f  (x)
v = f  (x)

o u, v sont bien de classe C 1 sur le segment [0 ; 2] :

$ 2 
x2  
2x
f (x) dx
2
0
$ 2

*
x2   + 2
2x

( 2 x) f  (x) dx
=
f (x)
0
2
0
$ 2


( 2 x) f  (x) dx.
= f ( 2)

f (x) dx.

Do :

3.39

On a, avec

x2  
f (x) dx = f  ( 2) + 2 f (0)
2
0

c) On a donc :

e ct g(t) dt

2x

Puis, par lingalit triangulaire :

e ct G(t) dt.

t [ ; +[, |G(t)|  M.
Ainsi :

| f  (x)| dx +

=
0

f  (x)| dx +

$ 2
| f  (x)| dx +
| f (x)| dx
0
$ +
$

| f  (x)| dx +
0

| f (x)| dx
0

| f (x)| dx.

3.40
a) Soit x ]0 ; +[.

Lapplication t 

1 
t
(t)

1 + t2 x + t

est continue sur [0 ; +[ et, pour tout t [0 ; +[ :


## t
##
## ##
1 
tx 1
##
##(t)
## = ##

(t)
1 + t2 x + t  !"
(1 + t2 )(x + t)
0

 tx

1  (t)
1  (t)
tx + 1 (t)
=
+
 x+
.

2
x + t 1 + t2
x
+
t
x
+
t
1
+
t
x 1 + t2
 !"  !"
x

1/x

(t)
dt converge, par tho1 + t2
rme $de majoration pour des fonctions  0, lint+ 
1 
t
(t) dt converge absolument donc
grale

2
1+t
x+t
0
converge.
Comme lintgrale

113

Chapitre 3

Intgrales sur un intervalle quelconque

b) Soit R.

t
est continue sur ]0 ; +[ et
Lapplication : t 
1 + t2
valeurs  0.
On a, en 0 :

(t)

t 0

t .
$

Daprs lexemple de Riemann en 0, lintgrale

t dt

converge si et seulement si > 1. Par thorme dquivalence


$ 1
t
pour des fonctions  0, lintgrale
dt converge si et
2
0 1+t
seulement si > 1.
(t)

t +

1
.
t2

Daprs
lexemple de Riemann en +, lintgrale
$ +
1
dt converge si et seulement si 2 > 1, cest--dire
t2
1
< 1. Par$thorme dquivalence pour des fonctions  0,
+
lintgrale
(t) dt converge si et seulement si < 1.
1

t
dt converge si et seule1
+
t2
0 $
$ +
1

t
t
ment si les deux intgrales
dt et
dt
2
2
1
+
t
1
+
0
$1 + t
t
dt
convergent. On conclut que lintgrale
1 + t2
0
converge si et seulement si 1 < < 1.

Par dfinition, lintgrale

Finalement : E = ] 1 ; 1[.
Lapplication
$

f : ]0 ; +[ R, x 
0

1 
t
t dt

2
1+t
x+t

est donc correctement dfinie, pour tout ] 1 ; 1[.


c) On a 0 E et, pour tout x ]0 ; +[ :
$ + 
t
1 
dt

f0 (x) =
2
1+t
x+t
0
*1
++
ln(1 + t2 ) ln(x + t)
=
0
2
*1
1
1 + t2 ++
1
=
= 0 ln 2 = ln x.
ln
2
0
2 (x + t)
2 x
d) On suppose ici ] 1 ; 0[.
d) 1) Soit x ]0 ; +[.
 Lapplication t 
En 0 :
114

t
est continue sur ]0 ; +[.
x+t

t
x+t

t 0

1
t .
x

t
x+t

En + :

On a, en + :

Daprs lexemple de Riemann en 0, comme > 1, lin$ 1


t dt converge, donc, par thorme dquivalence
tgrale
0
$ 1
t
pour des fonctions  0, lintgrale
dt converge.
x
+t
0

t +

t1 .

Daprs
$ + lexemple de Riemann en + ( 1 < 1), lintgrale
t1 dt converge, donc, par thorme dquivalence pour
1
$ +
t
dt converge.
des fonctions  0, lintgrale
x+t
1
$ +
$ 1
t
t
dt et
dt
Puisque les deux intgrales
x
+
t
x
+t
0
$ + 1
t
convergent, par dfinition, lintgrale
dt converge.
x+t
0
 Par le changement de variable
u=
on a :
$ +
$

t
dt =
x+t

t
, t = xu, dt = x du,
x
+

(ux)
x du = x
x(1 + u)

+
0

u
du,
1+u

u
du est un rel ne dpendant que de , et donc
1+u
indpendant de x.

et

d) 2) Soit x ]0 ; +[.

+ 
1 
t
Puisque les intgrales
t
t dt et
2
1+t
x+t
0
$ +
t
dt convergent, par dirence, lintgrale
x
+t
0
$ + +1
t
dt converge, et on a :
1
+ t2
0

f (x) =

t+1
dt
1
+ t2
0

!"

+
0

t
dt = d + x
x+t

u
du .
1
+u
0

!"

note d

note c

Il existe donc deux rels c, d, indpendants de x (mais dpendant a priori de ) tels que :
x ]0 ; +[, f (x) = cx + d.
Montrons c < 0, cest--dire c > 0.
1re mthode : utilisation dun thorme gnral sur les intgrales :
$ X +1
t
dt
Lapplication
F : X 
2
0 1+t
est de classe C 1 sur [0 ; +[ et on a :
X [0 ; +[, F  (X) =
donc F est strictement croissante.

X +1
> 0,
1 + X2

Corrigs des exercices

De plus : F(0) = 0.

Il en rsulte, daprs 1) :

Il en rsulte F(1) > 0, puis c =

lim F(X)  F(1) > 0.

X +

2 mthode : utilisation dune bonne minoration :


On a$:
c=
0

t+1
dt 
t2
1 +!"
0

$
1

t+1
dt 
1 + t2
1 * t ++

1
t1 dt =
2 1
2
e) On suppose ici ]0 ; 1[.
=

1
2

t
dt
2t2

1

1
> 0.
2

e) 1) Soit (x, h) R2 tel que : x > 0, x + h > 0, h  0.

x ]0 ; +[, f  (x) =

+
0

f (x + h) f (x)
h
$ + 
$

t
1 * +  t
1
1  +

=
t
t dt

dt

h 0
x+h+t
1 + t2
1 + t2 x + t
0
$ +
$ + 


1
t
1
1

t dt =
dt.
=
h 0
x+t x+h+t
(x + t)(x + h + t)
0

e) 2) On a, avec les mmes hypothses quen 1) et en suppox


sant de plus h > :
2
$ +
## $ +
##
t
t
##
dt
dt##
2
(x + t)(x + h + t)
(x + t)
0
0
## $ + t 
1
1  ###

= ##
dt#
x+t x+h+t x+t
0
$
##
## +
ht
dt##
= ##
2
(x + t) (x + h + t)
0
$ +
t
0.
 |h|
x
 dt h
0
0
(x + t) + t
2
 !"

+
0

e) 3) Par le changement de variable u =

t
dt.
(x + t)2

t
dt.
(x + t)2
t
, t = xu, dt = x du,
x

on a, comme en d)1) :

On a :
x ]0 ; +[, f  (x) =

On conclut :

(xu)
x du
+ u)
0
$ +
u
du = x1 f  (1).
= x1
(1 + u)2
0
x2 (1

x ]0 ; +[, f  (x) = f  (1)x1 .

e) 4) Par intgration partir du rsultat prcdent, il existe un


rel d indpendant de x (mais dpendant a priori de ) tel que :
x
x ]0 ; +[, f (x) = f  (1) + d.

En notant c =

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

x ]0 ; +[, f (x) = cx + d.

$
1 + u
du > 0,
0 (1 + u)2
par un raisonnement analogue celui du corrig de d) 2).
De plus : c =

Dunod. Toute reproduction non autorise est un dlit

indpendant de h

Ceci montre que f est drivable sur ]0 ; +[ et que :

+ +1

f (x + h) f (x)

h 0
h

115

Fonctions numriques
de plusieurs variables
relles
Plan
Les mthodes retenir 117
noncs des exercices

120

Du mal dmarrer ?

126

Corrigs des exercices

129

CHAPITRE

Thmes abords dans les exercices

Obtention du dveloppement limit dordre 1 ou dordre 2 en un point pour une


fonction relle de plusieurs variables relles

Dtermination des extremums locaux dune fonction relle de plusieurs variables relles

Dtermination des extremums globaux dune fonction relle de plusieurs variables relles

Dtermination dextremums sous contrainte dgalits linaires.

Points essentiels du cours


pour la rsolution des exercices

116

Thormes du cours donnant le dveloppement limit dordre 1 en un point pour


une fonction relle de classe C 1 sur un ouvert de Rn

Thormes du cours donnant le dveloppement limit dordre 2 en un point pour


une fonction relle de classe C 2 sur un ouvert de Rn

Notation de Monge pour les drives partielles premires ou les drives partielles secondes dune fonction relle de classe C 1 ou de classe C 2 sur un ouvert
de R2

Thorme de Schwarz

Dfinition de point critique pour une fonction relle de classe C 1 sur un ouvert
de Rn

Condition ncessaire dextremum local pour une fonction relle de classe C 1 sur
un ouvert de Rn

Rsultat relatif lexistence dun extremum pour une fonction relle de


classe C 2 sur un ouvert de R2 , en un point critique en lequel rt s2  0.

Formes quadratiques positives, formes quadratiques dfinies-positives, lien avec


les valeurs propres dune matrice symtrique

Matrice hessienne, lien avec les extremums

Egalit de Taylor-Lagrange

Condition ncessaire dextremum local sous contrainte dgalits linaires pour


une application de classe C 1 sur un ouvert.

Les mthodes retenir

Les mthodes retenir


Pour former
le dveloppement limit
dordre 1 en un point
pour une fonction
de deux variables relles

Pour former
le dveloppement limit
dordre 2 en un point
pour une fonction
de deux variables relles

Appliquer le thorme du cours :


si f : U R est de classe C 1 sur un ouvert U de R2 , alors f admet
un dveloppement limit dordre 1 en tout point (a, b) de U, et on a,
pour tout (h, k) au voisinage de (0, 0) :
f (a + h, b + k)

f
f
o
( h2 + k2 ).
= f (a, b) + h (a, b) + k (a, b) +
(h,k) (0,0)
x
y
Exercice 4.1.
Appliquer le thorme du cours :
si f : U R est de classe C 2 sur un ouvert U de R2 , alors f admet
un dveloppement limit dordre 2 en tout point A = (a, b) de U, et
on a, pour tout (h, k) au voisinage de (0, 0) :
f (a + h, b + k)
1
o
(h2 + k2 ),
= f (a, b) + p h + q k + (r h2 + 2s hk + t k2 ) +
(h,k) (0,0)
2
avec les notations de Monge :
f
2 f
2 f
2 f
f
(A), q =
(A), r = 2 (A), s =
(A), t = 2 (A).
p=
x
y
xy
x
y
Exercice 4.2.

Dunod. Toute reproduction non autorise est un dlit

Dabord, sassurer que U est un ouvert de R2 et que f : U R est


de classe C 2 sur U.
Dterminer les points critiques de f , cest--dire les points (x, y) de U
f
f
(x, y) = 0 et
(x, y) = 0.
tels que :
x
y
Daprs le cours, si f : U R est de classe C 1 sur louvert U de R2
et si f admet un extremum local en un point A de U, alors ncessairement A est un point critique de f .
Pour dterminer
les extremums locaux
dune application f : U R
de classe C2
sur un ouvert U de R2

Exercices 4.3 4.5, 4.7, 4.10, 4.11, 4.14 4.16, 4.20, 4.23, 4.24
Ensuite, calculer les drives partielles secondes de f en tout point
(x, y) de U, puis en un point critique A, avec les notations de Monge :
r=

2 f
2 f
2 f
(A), t = 2 (A).
(A), s =
2
xy
x
y

Calculer rt s2 .
 Si rt s2 > 0, alors f admet un extremum local en A, et il sagit
dun minimum local si r > 0, dun maximum local si r < 0.
 Si rt s2 < 0, alors f nadmet pas dextremum local en A.

Exercices 4.3 4.5, 4.11, 4.14, 4.17, 4.20, 4.24.


Dans le cas o rt s2 = 0, voir la mthode suivante.
117

Chapitre 4

Fonctions numriques de plusieurs variables relles

Pour dcider
si une application f : U R
de classe C2
sur un ouvert U de R2
admet un extremum local
en un point critique A = (a, b)
en lequel rt s2 = 0,
avec les notations de Monge

Si on conjecture que f admet un extremum local en A = (a, b), revenir la dfinition, cest--dire former la dirence f (x, y) f (a, b)
et montrer que cette expression reste de signe fixe lorsque (x, y) est
au voisinage de (a, b).
cet eet, si (a, b)  (0, 0), commencer par eectuer le changement
de variables h = x a, k = y b, exprimer f (x, y) f (a, b) en
fonction de (h, k), et essayer de montrer que cette expression reste
de signe fixe lorsque (h, k) est au voisinage de (0, 0).

Exercice 4.15

Si on conjecture que f nadmet pas dextremum local en A, former,


pour (h, k) au voisinage de (0, 0), (h, k) = f (a +h, b +k) f (a, b), et
essayer de montrer, par exemple, que lune des expressions suivantes
nest pas de signe fixe lorsque h est au voisinage de 0 :
(h, 0), (0, h), (h, h), ...

Exercice 4.7.
Dabord, sassurer que U est un ouvert de Rn et que f est de classe C 2
sur U.
Dterminer les points critiques de f , cest--dire les points A de U tels
f
que : i 1 ; n,
(A) = 0.
xi
Daprs le cours, si f : U R est de classe C 1 sur U et si f admet
un extremum local en un point A de U, alors ncessairement A est un
point critique de f .

Exercices 4.9, 4.16, 4.18.

Pour dterminer
les extremums locaux
dune application f : U R
de classe C2
sur un ouvert U de R n,
o n  3

Ensuite, calculer les drives partielles secondes de f en tout point


de U, puis en un point critique A.
Former la hessienne S de f en A, cest--dire la matrice carre
dordre n dont le coecient situ la i-me ligne et la j-me co2 f
lonne est
(A), pour tout (i, j) 1 ; n2 .
xi x j
Daprs le thorme de Schwarz, S est une matrice symtrique.
Daprs le cours :
 si S est dfinie-positive, alors f admet un minimum local en A
 si S est dfinie-ngative (cest--dire si S est dfinie-positive),
alors f admet un maximum local en A
 si S nest ni positive ni ngative, alors f nadmet pas dextremum
local en A.
Pour tudier ces qualits de S , essayer de :

dterminer le signe de t HS H pour tout H Mn,1 (R)

Exercices 4.9, 4.16, 4.18

dterminer le signe des valeurs propres de S .

Exercices 4.9, 4.16.


118

Les mthodes retenir

Pour montrer
quune fonction f : X R
nest pas majore,
nest pas minore

Essayer de montrer quune fonction dune variable relle, donne par


une formule du genre f (x, 0), f (0, x), f (x, x), f (x, x2 ), ... nest pas
majore, nest pas minore.

Exercice 4.8.

Essayer de trouver un rel fix m tel que :

(x, y) X, f (x, y)  m

(a, b) X, f (a, b) = m.
Alors f admettra m pour minimum global.

Essayer de trouver un rel fix M tel que :

(x, y) X, f (x, y)  M

(a, b) X, f (a, b) = M.
Alors f admettra M pour maximum global.

Exercice 4.6

Pour dterminer
les extremums globaux
dune application f : X R,
o X est une partie de R2

Si on a dj dtermin les extremums locaux de f , alors un point en


lequel f admet un extremum global est ncessairement un point en
lequel f admet un extremum local.

Exercice 4.20
Essayer dutiliser lgalit de Taylor-Lagrange.

Exercices 4.19, 4.23

Essayer dtudier les variations de fonctions.


Considrer, pour y fix (par exemple), la fonction gy : x  f (x, y),
tudier les variations de gy , puis tudier les variations dune fonction
donnant un ventuel extremum de gy .

Dunod. Toute reproduction non autorise est un dlit

Exercices 4.8

Si X nest pas un ouvert de R , tudier f sur lintrieur de U (cet


intrieur est un ouvert de Rn ) et tudier f sur le bord de U.
n

Exercice 4.21

En vue de montrer lexistence dun extremum global, essayer de se


ramener une partie ferme borne et utiliser le thorme du cours :
si X est une partie ferme borne non vide de R2 et si f : X R
est continue, alors f est borne et atteint ses bornes, cest--dire que
f admet un minimum global et un maximum global.

Exercice 4.20.

119

Chapitre 4

Fonctions numriques de plusieurs variables relles

Pour tudier
les extremums locaux
dune fonction f : U R
sous la contrainte
dgalits linaires

g1 (X) = b1

..
C

g (X) = b
p

Dabord, sassurer que f : U R est de classe C 1 sur louvert U


de Rn et que les contraintes g1 , ..., g p : Rn R sont linaires.
Daprs le cours, si f : U R est de classe C 1 sur louvert U et si la
restriction f |C de f C admet un extremum local en un point A de C ,
alors fA est orthogonal
H , o H est lensemble des solutions du

g1 (X) = 0

..
systme homogne
associ C .
.

g p (X) = 0

Exercices 4.12, 4.13, 4.22


Ensuite, pour tudier localement le signe de f (X) f (A) sur C , essayer
de :

utiliser des mises sous forme canonique de trinmes

Exercice 4.13

faire intervenir la forme quadratique qB pour tout B U.

Exercice 4.22
Dans certains cas simples, on peut exprimer certaines des variables
x1 , ..., xn en fonction dautres par la contrainte C et se ramener la
recherche dextremums dune fonction de plusieurs variables relles.

Exercices 4.12, 4.13, 4.22.

noncs des exercices


4.1 Exemple de calcul du dveloppement limit dordre 1 en un point pour une fonction de
deux variables relles
Former le dveloppement limit dordre 1, au point A = (1, 1), de :
f : R2 R, (x, y)  (2x 3y) ln(1 + x2 + 2y2 ).

4.2 Exemple de calcul du dveloppement limit dordre 2 en un point pour une fonction de
deux variables relles
Former le dveloppement limit dordre 2, au point A = (1, 1), de
2

f : R2 R, (x, y)  xy2 e x y .

4.3 Exemples de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux des applications f : R2 R suivantes, o on donne limage
f (x, y) dun lment (x, y) quelconque de R2 :

120

a) f (x, y) = 2x + 2y2 3y + 1

b) f (x, y) = x2 xy + y2

c) f (x, y) = x2 3xy + 2y2

d) f (x, y) = x2 4xy + 4y2 .

noncs des exercices

4.4 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
On note

f : R2 R, (x, y)  2x2 2xy + 2y2 + 2x 7y + 7.

tudier les extremums locaux de f .

4.5 Exemple de recherche dextremums locaux pour une fonction de deux variables relles
tudier les extremums locaux de :
f : ] 1 ; 1[ ] ; [ R, (x, y)  x2 +

1 x2 cos y.

4.6 Exemple dtude de minimum global pour une fonction de deux variables relles
On note

f : ]0 ; +[2 R, (x, y) 

(x + y)2
.
xy

a) Montrer : (x, y) ]0 ; +[2 , f (x, y)  4.


b) En dduire que f admet un minimum global, prciser sa valeur et prciser les points en
lesquels il est atteint.
c) Montrer :

(x, y) ]0 ; +[2 , 2 ln(x + y) ln x ln y  2 ln 2.

4.7 Exemple dtude en un point critique tel que rt s2 = 0


On note

f : R2 R, (x, y)  x4 + y4 (x y)2 .

a) Montrer que (0, 0) est un point critique de f .


b) Est-ce que f admet un extremum local en (0, 0) ?

4.8 Exemple dtude dextremum global par variations de fonctions


On note

f : R2 R, (x, y)  x4 + y4 4xy.

a) Montrer que f nadmet pas de maximum global.


b) On se propose de montrer que f admet un minimum global.
1) En considrant f (x, y), montrer que lon peut se ramener au cas o y  0.

Dunod. Toute reproduction non autorise est un dlit

2) tudier, pour y [0 ; +[ fix, les variations de gy : R R, x  f (x, y), montrer que


gy admet un minimum global not m(y), et calculer m(y) en fonction de y.
3) tudier les variations de la fonction m.
4) Conclure.

4.9 Exemples dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2006
On note U = R R ] 1 ; +[ et :
f : U R, (x, y, z)  x ln(1 + z) + (y 1)2 (z 1) + 2z.
a) Justifier que f est de classe C 1 sur U, calculer les drives partielles premires de f en tout
point (x, y, z) de U, montrer que f admet un point critique et un seul, not A, et calculer A.
b) 1) Justifier que f est de classe C 2 sur U, calculer les drives partielles secondes de f en tout
point (x, y, z) de U, et former la hessienne H de f en A.
121

Chapitre 4

Fonctions numriques de plusieurs variables relles



0
0

2) En notant X2 = 1 et X3 = 0 , calculer t X2 HX2 et t X3 HX3 .




0
1
3) Est-ce que f admet un extremum local ?

4.10 Valeur minimale de la somme de deux aires de rectangles


Soit ABC un triangle isocle du plan, tel que CA = CB. Soient F [BC], G [AC] tels
que (FG) soit parallle (AB), J [CF], K [CG] tels que (JK) soit parallle (AB). On
note D (resp. E) le projet orthogonal de G (resp. F) sur (AB), et on note H (resp. I) le projet
orthogonal de K (resp. J) sur (FG).

Dterminer, en fonction de laire du triangle ABC, la valeur maximale de la somme S des


aires des deux rectangles DEFG et HI JK.

4.11 Recherche dextremums locaux pour une fonction de deux variables relles faisant intervenir des intgrales sur un intervalle quelconque, daprs EML 2006
$ +
1
2
(t x)2 (t y)2 e t dt.
On note
F : R2 R, (x, y) 

a) Montrer que, pour tout (x, y) R2 , F(x, y) existe et que :
F(x, y) =
$

On admettra :

e t dt =
2

3 1 2
+ (x + 4xy + y2 ) + x2 y2 .
4 2

b) Justifier que F est de classe C 2 sur R2 , calculer les drives partielles premires de F en tout
point (x, y) de R2 , et en dduire les trois points critiques de F.
c) Dterminer les points de R2 en lesquels F admet un extremum local. Pour chacun deux,
prciser sil sagit dun minimum local ou dun maximum local, et prciser la valeur de F en
chacun de ces points.

4.12 Exemple de recherche dextremum global sous contrainte dgalit linaire


On note f : R3 R, (x, y, z)  x2 2xy + 2xz + 5y2 6yz + 5z2 2x 2y 6z 7
et :

g : R3 R, (x, y, z)  x + 2y + z.

Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 4.

4.13 Exemple de recherche dextremum global sous contrainte dgalit linaire


On note f : R3 R, (x, y, z)  x2 + y2 + z2 , g : R3 R, (x, y, z)  x + y + z.
Dterminer les extremums globaux de f sous la contrainte C : g(x, y, z) = 3.
122

noncs des exercices

4.14 Exemple dtude dextremum local


On note f : R R, x  x ln(1 + x2 )
F : R2 R, (x, y)  f (x + y) f (x) f (y).

et :

a) 1) Montrer que f est de classe C 2 sur R et calculer f  (x) et f  (x) pour tout x R.
2) tablir que, pour tout x R, lquation f  (x) = f  (t), dinconnue t R, admet au plus
deux solutions dans R.
b) Justifier que F est de classe C 1 sur louvert R2 et calculer, pour tout (x, y) R2 , les drives
partielles premires de F en (x, y) laide de f  , x, y.
c) 1) Montrer, pour tout (x, y) R2 : f  (x) = f  (y) = f  (x + y) = x = y.
2) En dduire les points critiques de F.
d) Est-ce que F admet un extremum local ?

4.15 Exemple dtude dextremum en un point tel que rt s2 = 0


On note

f : R2 R, (x, y)  (2x2 + 3y2 )2 (4x6 + 5y8 ).

a) Montrer que (0, 0) est un point critique de f .


b) Est-ce que f admet un extremum local en (0, 0) ?

4.16 Exemple dtude dextremum local pour une fonction de trois variables relles, daprs
ESC 2005
On considre lapplication f : ]0 ; +[3 R, (x, y, z)  xyz ln(x + y + z).
a) Justifier que f est de classe C 2 sur ]0 ; +[3 .

Dunod. Toute reproduction non autorise est un dlit

b) Montrer que f admet un point critique et un seul, qui est A = (a, a, a), o on a not
 1  13
a=
.
3
c) 1) Calculer la hessienne de f en tout point (x, y, z) de ]0 ; +[3 , puis la hessienne de f en A.

1 4 4

2) On note h lendomorphisme de R de matrice H = 4 1 4 dans la base canonique de R3 .

441
On note u = (1, 1, 1), v = (1, 0, 1), w = (1, 2, 1), et F = (u, v, w). Montrer que F est une
base de R3 forme de vecteurs propres pour h et que F est orthogonale pour le produit scalaire
canonique de R3 .
3) Est-ce que f admet un extremum local en A ?

4.17 Exemple dtude dextremum local pour une fonction de deux variables relles, faisant
intervenir des intgrales, daprs EML 2007
ln(1 + t)
On note
f : ]0 ; +[ R, t 
,
t
$ x
f (t) dt,
F : ]0 ; +[ R, x 
0

G : ]0 ; +[2 R, (x, y)  F(xy) F(x) F(y).


a) Montrer que F est de classe C 2 sur ]0 ; +[ et exprimer, pour tout x ]0 ; +[, F  (x) et
F  (x) en fonction de f (x) et f  (x).
123

Chapitre 4

Fonctions numriques de plusieurs variables relles

b) Justifier que G est de classe C 2 sur louvert ]0 ; +[2 et exprimer les drives partielles premires et secondes de G en tout point (x, y) de ]0 ; +[2 en fonction de
x, y, f (x), f (y), f (xy), f  (x), f  (y), f  (xy).
c) tablir que G admet (1, 1) comme unique point critique.
d) Est-ce que G admet un extremum local ?

4.18 Extremum local dune fonction de n variables relles, daprs EDHEC 2005
Soit n N tel que n  2. On considre lapplication
f : Rn R, (x1 , ..., xn ) 

n


x2k +

k=1

n


xk

2

k=1

n


xk .

k=1

a) Justifier que f est de classe C 2 sur Rn .


b) Calculer les drives partielles premires de f en tout point (x1 , ..., xn ) de Rn .
c) Montrer que f admet un point critique et un seul, et calculer celui-ci, que lon notera
(a1 , ..., an ).
d) 1) Dterminer la matrice hessienne An de f en (a1 , ..., an ).

h1

2) tablir, pour tout H = ... Mn,1 (R) {0} : t HAn H > 0.

hn
3) En dduire que f admet en (a1 , ..., an ) un minimum local et calculer ce minimum.

4.19 Recherche dextremums globaux pour une fonction de trois variables relles
tudier les extremums globaux de :
f : ]0 ; +[3 R, (x, y, z)  x2 + y2 + z2 +

1
.
x+y+z

4.20 Exemple de recherche dextremums locaux, dextremums globaux pour une fonction de
deux variables relles
Dterminer les extremums locaux et les extremums globaux de
1

f : R2 R, (x, y)  (3x + 4y) e 2 (x

2 +y2 )

4.21 Exemple de recherche dextremums globaux sur un domaine ferm born pour une fonction de deux variables relles
On note :



D = (x, y) R2 ; 5x + 2y + 4  0, 3x + y + 2  0, 2x 3y + 5  0 ,
f : D R, (x, y)  x + y 3,

g : D R, (x, y)  x2 + y2 .

a) 1) Reprsenter graphiquement D.
2) Montrer que D est une partie ferme borne de R2 .
3) En dduire que f (resp. g) admet un maximum global.
b) Dterminer le maximum global de f .
c) Dterminer le maximum global de g.
124

noncs des exercices

4.22 Exemple de recherche dextremums globaux sous contrainte dgalits linaires


f : R4 R, (x, y, z, t)  x2 + y2 + z2 + t2 ,

On note

g1 : R4 R, (x, y, z, t)  x + y z t, g2 : R4 R, (x, y, z, t)  2x y + 3z + 2t.

g1 (x, y, z, t) = 1
Dterminer les extremums globaux de f sous la contrainte C

g2 (x, y, z, t) = 2.

4.23 tude dextremum avec intervention de lgalit de Taylor-Lagrange ou de la convexit




On note U = (x, y) R2 ; x < y , f : U R, (x, y)  x2 + y2 2 ln(y x).

a) Montrer que f admet un point critique et un seul, not A = (a, b), et calculer (a, b).
b) 1) crire lgalit de Taylor-Lagrange lordre 1 entre A et A + H, pour tout H R2 tel que
A + H U.
2) En dduire que f admet un minimum global et prciser celui-ci.
c) Est-ce que f admet un maximum global ?
d) Est-ce que f admet un maximum local ?

4.24 Exemple de recherche dextremums locaux pour une fonction relle de deux variables
relles, daprs EML 2011
On note

f : ]0 ; +[ R, x  x e x ,
F : ]0 ; +[2 R, (x, y)  f (x) + f (y) f (x + y).

a) Montrer que F est de classe C 1 sur louvert ]0 ; +[2 et exprimer, pour tout (x, y) ]0 ; +[2 ,
les drives partielles premires de F en (x, y) en fonction de f  (x), f  (y), f  (x + y).
b) tablir que, pour tout a ]0 ; +[, lquation f  (x) = f  (a), dinconnue x ]0 ; +[, admet
au plus une solution distincte de a.
c) En dduire que, pour tout (x, y) ]0 ; +[2 , (x, y) est un point critique de f si et seulement
si :
x = y et f  (x) = f  (2x).
d) Montrer que f admet un point critique et un seul, not (, ), et montrer 1 < < 2.

Dunod. Toute reproduction non autorise est un dlit

e) Montrer : f  () < 0 et f  (2) > 0.


f) Montrer que F admet un extremum local et un seul.
Dterminer la nature de cet extremum local.

125

Chapitre 4

Fonctions numriques de plusieurs variables relles

Du mal dmarrer ?
4.1

Vrifier que f est de classe C 1 , calculer les drives partielles premires de f en tout (x, y), puis en (1, 1), et enfin appliquer le cours.

4.2

Vrifier que f est de classe C 2 , calculer les drives partielles premires et secondes de f en tout (x, y), puis en (1, 1),
en enfin, appliquer le cours.

4.3

Appliquer la mthode pour dterminer les extremums


locaux dune application de classe C 2 sur un ouvert de R2 .

a) Remarquer que f na pas de point critique.

4.11

a) Pour lexistence de F(x, y), il sagit de montrer quune


intgrale impropre converge.
Pour calculer F(x, y), dvelopper la fonction qui est dans lintgrale
$ et exprimer F(x, y) en fonction de x, y et des intgrales
Ik =

tk e t dt, k N.
2

b), c) Il y a un point critique et un seul, et en ce point, calculer


r, s, t, rt s2 .

Les valeurs de I1 et I3 sont immdiates.

d) Obtenir les points critiques de f. Remarquer que f(x, y) est


un carr parfait.

Pour calculer I2 et I4 , faire intervenir, par exemple, la fonction


dEuler, laide dun changement de variable.

4.4

b) Immdiat.

Appliquer la mthode pour dterminer les extremums


locaux dune application de classe C 2 sur un ouvert de R2 . Obtenir un point critique et un seul. En celui-ci, calculer r, s, t, rt s2 .

Appliquer la mthode pour dterminer les extremums


locaux dune application de classe C 2 sur un ouvert de R2 .
Obtenir trois points critiques. En chacun de ceux-ci, calculer
r, s, t, rt s2 .

4.6

a) Former f(x, y) 4 pour tout (x, y) ]0 ; +[2 et utiliser


une identit remarquable.
b) Utiliser le rsultat de a) et rsoudre lquation f(x, y) = 4
dinconnue (x, y) ]0 ; +[2 .


c) Relier la question ltude de ln f(x, y) .

4.7

a) Revenir la dfinition dun point critique.

Noter que lnonc ne demande pas de dterminer tous les


points critiques de f, mais demande seulement de montrer que
(0, 0) est un point critique de f.

b) Considrer, par exemple, f(x, 0) et f(x, x), pour x au voisinage


de 0.

4.8

a) Envisager, par exemple, f(x, 0).

b) Immdiat.

4.9

a) Immdiat.

b) 1) Immdiat. Se rappeler la dfinition de la hessienne de f


en A : cest la matrice dont les coefficients sont les drives partielles secondes de f en A.
b) 2) Immdiat.
b) 3) Appliquer le cours sur la matrice hessienne et les extremums locaux.

4.10

La valeur de I0 est donne par lnonc.

c) En chacun des points critiques, calculer r, s, t, rt s2 .

4.12

4.5

Choisir un repre orthonorm adapt la question, donner des coordonnes aux points A, B, C, E (avec un paramtre,
par exemple x), I (avec un paramtre, par exemple y), puis cal-

126

culer les coordonnes de D, F, G, H, K. Calculer S en fonction de


x et y, puis tudier lexistence et la valeur dun maximum global (local) pour la fonction de deux variables relles x, y ainsi
obtenue.

On peut, dans la contrainte dgalit linaire C , exprimer z en fonction de (x, y), puis exprimer f sous la contrainte C
sous la forme dune fonction F des deux variables relles x, y.
tudier alors les extremums locaux de F, par la mthode habituelle. Pour dcider si lextremum local obtenu est un extremum global ou non, effectuer un changement de variables
pour se ramener plus commodment en (0, 0).

4.13

1re mthode : dans la contrainte dgalit linaire C ,


exprimer f sous la contrainte C sous la forme dune fonction F
des deux variables relles x, y. Transformer lcriture de F(x, y)
laide de mlses sous forme canonique de trinmes.
2 mthode : utiliser lingalit de Cauchy-Schwarz.

3 mthode : utiliser le cours sur la recherche dextremum local


sous la contrainte dgalit linaire, puis voir si cet extremum
local est un extremum global.

4.14

a) 1) Immdiat.

a) 2) Rsoudre lquation f  (t) = f  (x), pour x R fix et t R


inconnu.
b) Immdiat.
c) 1) Si f  (x) = f  (y) = f  (x + y), daprs a)2), les trois rels
x, y, x + y ne peuvent pas tre deux deux distincts. En dduire
x = y.
c) 2) Rsoudre lquation f  (2x) = f  (x), dinconnue x R. Obtenir trois points critiques.
d) Calculer les drives partielles secondes de F en tout (x, y)
laide de f  , x, y.
En chacun des trois points critiques, avec les notations de
Monge, calculer r, s, t, puis rt s2 , do le signe de rt s2 et
le signe de r ou de t. On pourra prsenter les rsultats dans un
tableau. Appliquer le cours pour conclure.

Du mal dmarrer ?

4.15

a) Revenir la dfinition dun point critique.

b) Montrer, au voisinage de (0, 0) : f(x, y)  f(0, 0),


en remarquant, par exemple, pour tout (x, y) [1/3 ; 1/3]2 :
0  2x + 3y  1.
2

1re mthode : calculer t XSX pour tout X M3,1 (R) \ {0}, en


remarquant que S est combinaison linaire de I3 et de la matrice U dont tous les coefficients sont gaux 1.
2 mthode : dterminer les valeurs propres de S, puis leur
signe.

4.20
4.16

1) Recherche des extremums locaux :

Vrifier que f est de classe C 1 sur louvert R2 et calculer les


drives partielles premires de f en tout (x, y). En dduire les
points critiques A1 et A2 de f, en revenant la dfinition.

a) Immdiat.

b) Immdiat.
c) 1) Se rappeler que la hessienne de f en A est, par dfinition,
la matrice dont les coefficients sont les drives partielles secondes de f en A.
c) 2) Vrifier dabord que F est orthogonale, et en dduire
que F est libre, puis dduire que F est une base de R3 .
Vrifier que u, v, w sont des vecteurs propres de f.

c) 3) 1re mthode : tudier le signe des valeurs propres de H.



x

t
2 mthode : calculer XHX pour tout X = y M3,1 (R) et exa
z
miner, par exemple, q(1, 0, 0) et q(1, 1, 0), o q dsigne la
forme quadratique sur R3 canoniquement associe H.

Vrifier que f est de classe C 2 sur louvert R2 et calculer les drives partielles secondes de f en tout (x, y). Avec les notations
de Monge, calculer rt s2 et en dduire son signe.

2) Recherche des extremums globaux :


En notant M = |f(A1 )| = |f(A2 )|, montrer quil existe t0 ]0 ; +[
tel que :
(x, y) R2 ,


x 2 + y 2  t0 = |f(x, y)|  M .

Dautre

part, considrer la restriction de f au ferm born


[ t0 ; t0 ]2 pour dduire que f admet un maximum global.
Pour ltude dun minimum global, remarquer :
(x, y) R2 , f(x, y) = f(x, y).

4.17

a) Montrer
$ x dabord que, pour tout x ]0 ; +[, lintf(t) dt converge.
grale impropre

4.21

a) 1), 2) Immdiat.

En introduisant, par exemple, le rel 1 comme borne intermdiaire par la relation de Chasles, montrer que F est de classe C 1
et que F  = f.

a) 3) Utiliser un thorme du cours.

b) Immdiat.

Montrer que la restriction de f un segment du bord de D atteint son maximum en une extrmit de ce segment.

c) Revenir la dfinition dun point critique.

b) Montrer que f ne peut pas atteindre son maximum global


lintrieur de D.

d) Rappeler le lien entre extremum local et point critique.

Comparer les valeurs de f en A, B, C.

En (1, 1), calculer r, s, t, rt s et montrer rt s < 0.

c) Voir si g peut atteindre son maximum global lintrieur


de D. tudier la restriction de g chacun des trois segments du
bord de D, en se ramenant, chaque fois, ltude des variations dune fonction dune variable relle.

4.18

a), b) Immdiat.

c) Revenir la dfinition dun point critique.


i 1 ; n, ai =

Dunod. Toute reproduction non autorise est un dlit

Obtenir :

1
.
2(n + 1)

d) 1) Se rappeler que la matrice hessienne de f en (a1 , ..., an ) est,


par dfinition, la matrice dont les coefficients sont les drives
partielles secondes de f en (a1 , ..., an ).
t

d) 2) Calculer HAn H et faire apparatre une somme de carrs


de rels.
d) 3) Appliquer le cours.

4.19

Rappeler le lien entre extremum global et extremum


local, et rappeler le lien entre extremum local et point critique.
Chercher les points critiques en revenant la dfinition dun
point critique.
 1  13
Obtenir un point critique et un seul, A = (, , ), o =
.
18

crire la hessienne S de f en tout point (x, y, z) de ]0 ; +[3 ,


puis en A.

4.22

Appliquer le cours sur ltude des extremums sous


contrainte dgalits linaires, pour obtenir que, si f admet un
extremum global sous la contrainte dgalits linaires C , alors
cest en un certain point A.
Pour montrer quil sagit dun extremum global sous la
contrainte C , utiliser lgalit de Taylor-Lagrange lordre 1.

4.23

a) Revenir la dfinition dun point critique.

b) 1) Vrifier que les hypothses de lgalit de Taylor-Lagrange


dordre 1 sont runies.
b) 2) tudier le signe de qA+H (H), en notant H = (h, k) et, par
1
commodit, =
2 .
(b + k) (a + h)
c) tudier, par exemple, f(0, y) lorsque y tend vers +.
d) Supposer que f admette un maximum local. En dduire
que cest ncessairement en le point A. Revenir ltude de
qA+H (H), avec, par exemple, H = (h, 2h).

127

Chapitre 4

4.24

Fonctions numriques de plusieurs variables relles

a) Immdiat.

f) Rappeler le lien entre extremum et point critique.

c) Revenir la dfinition dun point critique et utiliser b).

Calculer les drives partielles secondes de F en tout point, puis


en (, ) et en dduire rt s2 en fonction de f  () et f  (2). Utiliser e) pour dduire : rt s2 > 0 et r < 0.

d) tudier les variations dune fonction auxiliaire, par exemple


: ]0 ; +[ R, x  (1 x) e x (1 2x).

128

e) Utiliser 1 < < 2.

b) tudier les variations de f  .

Corrigs des exercices


4.1

Par oprations, lapplication


f : R2 R, (x, y)  (2x 3y) ln(1 + x2 + 2y2 )

est de classe C 1 sur louvert R2 et, pour tout (x, y) R2 :


f
2x

(x, y) = 2 ln(1 + x2 + 2y2 ) + (2x 3y)

2 + 2y2

x
1
+
x

4y

2
2

.
(x, y) = 3 ln(1 + x + 2y ) + (2x 3y)
y
1 + x2 + 2y2
En particulier, en A = (1, 1), avec les notations de Monge :

p=

q =

f
2
5
(A) = 2 ln 4 + 5 = 2 ln 4 +
x
4
2
f
4
(A) = 3 ln 4 + 5
= 3 ln 4 5.
y
4

Daprs le cours, le dveloppement limit dordre 1 de f en


A = (1, 1) est :

o
f (1 + h, 1 + k) = f (1, 1) + (ph + qk) +
( h2 + k2 )
(h,k) (0,0)

= 5 ln 4 + 2 ln 4 +

4.2

5
2

h + (3 ln 4 5)k +

(h,k) (0,0)

)
( h2 + k2 ).

Par oprations, lapplication



2 f

r = 2 (A) = (4) + (1 + 2)(2) e = 10 e

2 f

s=
(A) = (2 + 6) + (1 + 2)1 e = 11 e

xy



2 f

t = 2 (A) = (2 2) + (2 1)1 e = 7 e .

y
Daprs le cours, le dveloppement limit dordre 2 de f en
A = (1, 1) est :
f (1 + h, 1 + k) = f (1, 1) + (ph + qk) + 12 (rh2 + 2shk + tk2 )
o
(h2 + k2 )
+
(h,k) (0,0)

1
= e + (3 e h 3 e k) + (10 e h2 + 22 e hk 7 e k2 )
2
o
(h2 + k2 ).
+
(h,k) (0,0)

4.3

Dans chaque exemple, par oprations, f est de


classe C 2 sur louvert R2 .

a) On a :

(x, y) R2 ,

f
(x, y) = 2  0,
x

donc f nadmet pas de point critique.


Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, cest ncessairement en un point
critique, contradiction.
On conclut : f nadmet pas dextremum local.

2y

f : R2 R, (x, y)  xy2 e x

est de classe C 2 sur louvert R2 et, pour tout (x, y) R2 :

2

f
2

(x, y) = y2 + (xy2 )(2xy) e x y = (y2 + 2x2 y3 ) e x y

2 2
x2 y
3 2
x2 y

y (x, y) = (2xy + xy x ) e = (2xy + x y ) e


2

f

2

(x, y) = 4xy3 + (y2 + 2x2 y3 )(2xy) e x y


2
f
(x, y) = (2y + 6x2 y2 ) + (y2 + 2x2 y3 )x2 e x y

xy

2 f

3
3 2 2 x2 y

y2 (x, y) = (2x + 2x y) + (2xy + x y )x e .


En particulier, au point A = (1, 1), avec les notations de
Monge :

p=
(A) = (1 + 2) e = 3 e

(A) = (2 1) e = 3 e
q =
y

b) On a, pour tout (x, y) R2 :


f
(x, y) = 2x y et
x

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

donc, pour tout (x, y) R2 :

(x, y) = 0

x
(x, y) est un point critique de f

(x, y) = 0
y

x = 0
2x y = 0

y = 0.
x + 2y = 0
Ainsi, f admet un point critique et un seul, qui est (0, 0).
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (0, 0).
On a, pour tout (x, y) R2 :
2 f
(x, y) = 2,
x2

2 f
(x, y) = 1,
xy

2 f
(x, y) = 2,
y2
129

Chapitre 4

Fonctions numriques de plusieurs variables relles

donc, en particulier, en (0, 0), avec les notations de Monge :


r = 2,

s = 1,

donc, pour tout (x, y) R2 :

Daprs le cours, f admet un minimum local en (0, 0).


On conclut : f admet un extremum local et un seul, cest
en (0, 0), cest un minimum local, et f (0, 0) = 0.
Remarque :
Par mise sous forme canonique dun trinme, on a, pour tout

y 2 3 2
+ y  0.
(x, y) R2 : f (x, y) = x2 xy + y2 = x
2
4
(x, y) R , f (x, y)  0 = f (0, 0),
2

donc f admet un minimum global (donc local) en (0, 0).


Mais ceci ne montre pas que f nadmet pas dautre extremum
local.

(x, y) = 0

x
(x, y) est un point critique de f

(x, y) = 0
y

2x 4y = 0


x = 2y.

4x + 8y = 0
Ainsi, f admet une infinit de points critiques, les points
(2b, b), b R.
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (2b, b), b R.
On a, pour tout (x, y) R2 :

c) On a, pour tout (x, y) R :


2

f
(x, y) = 2x 3y et
x

f (x, y) = x2 4xy + 4y2 = (x 2y)2  0 = f (2b, b).


f
(x, y) = 3x + 4y,
y

donc, pour tout (x, y) R2 :

(x, y) = 0

x
(x, y) est un point critique de f

(x, y) = 0
y

x = 0
2x 3y = 0

y = 0.
3x + 4y = 0
Ainsi, f admet un point critique et un seul, qui est (0, 0).
Daprs le cours, puisque f est de classe C 1 sur louvert R2 , si
f admet un extremum local, alors cest ncessairement en un
point critique de f , donc en (0, 0).

2 f
(x, y) = 3,
xy

2 f
(x, y) = 4,
y2

donc, en particulier, en (0, 0), avec les notations de Monge :


r = 2,

s = 3,

t = 4,

do : rt s2 = 1 < 0.
Daprs le cours, f nadmet pas dextremum local en (0, 0), il
sagit dun point-col.
On conclut : f nadmet pas dextremum local.
130

Ceci montre que, pour tout b R, f admet en (2b, b) un minimum global, donc local.
On conclut que f admet un extremum local en les (2b, b), b R
et en ces points seulement. Ce sont tous des minimums locaux
et tous sont gaux 0.

4.4

Lapplication

f : R2 R, (x, y)  2x2 2xy + 2y2 + 2x 7y + 7


est de classe C 1 sur louvert R2 , donc, daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.
Recherche des points critiques de f :
On a, pour tout (x, y) R2 :
f
(x, y) = 4x 2y + 2,
x

On a, pour tout (x, y) R2 :


2 f
(x, y) = 2,
x2

f
(x, y) = 4x + 8y,
y

f
(x, y) = 2x 4y et
x

t = 2,

do : rt s2 = 3 > 0 et r = 2 > 0.

Il en rsulte :

d) On a, pour tout (x, y) R2 :

f
(x, y) = 2x + 4y 7.
y

On a donc, pour tout (x, y) R2 :

(x, y) = 0

x
(x, y) est un point critique de f

(x, y) = 0
y

4x

2y
+
2
=
0
x = 2

2x + 4y 7 = 0

y = 2.
Ainsi, f admet un point critique et un seul, A =

1
2


,2.

Corrigs des exercices

tude en A :

Recherche des points critiques de f :

 1 mthode : utilisation du cours sur les fonctions de


classe C 2 :

On a, pour tout (x, y) U :

re

Lapplication f est de classe C 2 sur louvert R2 par oprations,


et, pour tout (x, y) R2 :
2 f
2 f
2 f
(x,
y)
=
4,
(x, y) = 4,
(x,
y)
=
2,
x2
xy
y2
donc, en particulier, en A, avec les notations de Monge :
r = 4,

s = 2,

t = 4,

do : rt s2 = 12 > 0 et r = 4 > 0.
Daprs le cours, on dduit que f admet un minimum local
en A.
 2e mthode : transformation de lcriture de f (x, y) pour
faire apparatre un minimum global :
1
En mettant en facteur, puis en groupant les termes en x2 et
2
x pour utiliser une mise sous forme canonique, on a, pour tout
(x, y) R2 :
1 2
(4x 4xy + 4y2 + 4x 14y + 14)
2

1 2
=
(4x 4xy + 4x) + 4y2 14y + 14
2

1
=
(2x y + 1)2 (y + 1)2 + 4y2 14y + 14
2

1
(2x y + 1)2 + 3y2 12y + 13
=
2

1
=
(2x y + 1)2 + 3(y 2)2 + 1 .
2
Comme tout carr de rel est  0, on a alors, pour tout (x, y)
1
R2 :
f (x, y) 
2

2x

y
+
1
=
0

1
x = 2



et : f (x, y) =

y 2 = 0

y = 2.

Dunod. Toute reproduction non autorise est un dlit

f (x, y) =

Ceci montre que f admet un minimum global, donc local, en A.


Finalement, on conclut : f admet un extremum local et un seul,
1 
atteint en A = , 2 et en ce point seulement, cest un mini2
1
mum, et il est gal .
2

4.5

Lapplication

f : ] 1 ; 1[ ] ; [ R, (x, y)  x2 +

1 x2 cos y

est de classe C 1 sur louvert U = ] 1 ; 1[ ] ; [, donc,


daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.

(x, y) est un point critique de f

(x, y) = 0

(x, y) = 0
y

2x
cos y = 0

1 x2

1
x2 sin y = 0

!"

0

2x
cos y = 0

1 x2

y = 0

x(2 1 x 1) = 0

y = 0

1x = 2 
ou

y = 0

3
3



x
=
0
x
=

x
=

2
2
ou
ou
.

y = 0

y = 0
y = 0

x = 0

y = 0

Ainsi, f admet exactement trois points critiques :


O = (0, 0),

3 
,0 ,
A=
2


B=

3 
,0 .
2

tude en un point critique :


Lapplication f est de classe C 2 sur louvert U, et, pour tout
(x, y) U :
2 f
1
(x, y) = 2
cos y x2 (1 x2 )3/2 cos y,
x2
1 x2
x
2 f
sin y,
(x, y) =
xy
1 x2

2 f
(x, y) = 1 x2 cos y.
y2

1) En O, avec les notations de Monge : r = 1, s = 0, t = 1,


donc rt s2 = 1 < 0.
Daprs le cours, f nadmet pas dextremum local en O, il
sagit dun point-col.
2) En A, avec les notations de Monge et aprs calcul :
r = 6,

s = 0,

1
t= ,
2
131

Chapitre 4

Fonctions numriques de plusieurs variables relles

donc rt s2 = 3 > 0 et r = 6 < 0.

En particulier : x ]0 ; 1[,

Daprs le cours, f admet un maximum local en A.

Ceci montre que, au voisinage de (0, 0), la dirence

De plus : f (A) =

f (x, 0) < 0 et f (x, x) > 0 ).

f (x, y) f (0, 0) nest pas de signe fixe.

5
.
4

On conclut : f nadmet pas dextremum local en (0, 0).

3) En B, le calcul est le mme quen A.


Remarque :
Finalement, f admet un extremum local et un seul, cest un
maximum, il est atteint en A et en B et en ces deux points seule5
ment, et il est gal .
4

4.6
(x + y)2 4xy
(x + y)2
4=
xy
xy
x2 + y2 2xy (x y)2
=
=
 0,
xy
xy
f (x, y)  4.

donc :

4.8
a) On a :

a) On a, pour tout (x, y) ]0 ; +[2 :


f (x, y) 4 =

Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec


les notations de Monge) ; dailleurs, ici, rt s2 = 0.

f (x, 0) = x4

x +

+,

donc f nest pas majore, et donc f nadmet pas de maximum


global.
b) 1) On a, pour tout (x, y) R2 :
f (x, y) = (x)4 + (y)4 4(x)(y)
= x4 + y4 4xy = f (x, y).

b) On a, daprs a) : (x, y) ]0 ; +[2 , f (x, y)  4,


et, dautre part, pour tout (x, y) ]0 ; +[ :

Si f admet un minimum global en un point (a, b), alors :

(x y)2
f (x, y) = 4
= 0 (x y)2 = 0 x = y.
xy
On conclut que f admet un minimum global, gal 4, et que
ce minimum est atteint en les points (x, x), x ]0 ; +[, et en
ceux-ci seulement.
c) On a, pour tout (x, y) ]0 ; +[ :
2

2 ln(x + y) ln x ln y = ln

Ceci montre que, quitte changer y en y, on peut se ramener


au cas o y  0.
b) 2) Soit y [0 ; +[ fix.
Lapplication gy : R R, x  f (x, y) = x4 + y4 4xy
est drivable sur R et :

 (x + y)2 
xy


= ln f (x, y)  ln 4 = 2 ln 2.

4.7

x R, gy (x) = 4x3 4y = 4(x3 y),


do le tableau de variations de gy :
x
gy (x)

a) Lapplication
f : R2 R, (x, y)  x4 + y4 (x y)2
est de classe C 1 sur louvert R2 de R2 et on a, pour tout
(x, y) R2 :
f
(x, y) = 4x3 2(x y),
x
En particulier, en (0, 0) :

f
(x, y) = 4y3 + 2(x y).
y

f
(0, 0) = 0,
x

f
(0, 0) = 0.
y

On conclut : (0, 0) est un point critique de f .

4
2
2
2

f (x, 0) = x x = x (1 x )
b) On a, pour tout x R :

f (x, x) = 2x4 .
132

(x, y) R2 , f (x, y) = f (x, y)  f (a, b) = f (a, b).

gy (x)

y1/3
0


m(y)

On conclut que gy admet un minimum global, not m(y) et :


m(y) = gy (y1/3 ) = (y1/3 )4 + y4 4y1/3 y = y4 3y4/3 .
b) 3) Lapplication m : [0 ; +[ R, y  y4 3y4/3
est drivable sur [0 ; +[ (car 4/3 > 1) et on a, pour tout
y [0 ; +[ :
4
m (y) = 4y3 3 y1/3 = 4(y3 y1/3 ) = 4y1/3 (y8/3 1).
3

Corrigs des exercices

2 f
x
(x, y, z) =
.
z2
(1 + z)2

On en dduit le tableau de variations de m :


y
m (y)
m(y)
On a donc :

1
0

+


En particulier , en A :

y [0 ; +[, m(y)  m(1) = 2.

b) 4) Daprs 2) et 3), on a :

(x, y) R2 , f (x, y)  2.

0 0 1

H = 0 2 0 .

1 0 2

f (1, 1) = g1 (1) = m(1) = 2.


b) 2) On a :

On a donc : (x, y) R , f (x, y)  f (1, 1) = 2,


2

et on conclut : f admet un minimum global, gal 2.

4.9
a) Il est clair que U = R R ] 1 ; +[ est un ouvert de R3
et que, par oprations, lapplication

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

f
x
(x, y, z) =
+ (y 1)2 + 2.
z
1+z
On a, pour tout (x, y, z) U :
(x, y, z) est un point critique de f

Dunod. Toute reproduction non autorise est un dlit

f


(x, y, z) = 0,


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

ln(1 + z) = 0, 2(y 1)(z 1) = 0,



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


x = 2, y = 1, z = 0 .

!"

0

1
0
 
2
 !"

tX H
2

t X HX
2
2

tX
3

Ainsi :

X3

!"

0
0
.
1
 
2
 !"

tX H
3

t X HX
3
3

!"

0 0 1
0 2 0

1 0 2

 

001 102
 !"  !"

est de classe C 1 sur louvert U et, pour tout (x, y, z) U :

X2

!"

0 0 1

0 2 0
1 0 2

 

0 1 0 0 2 0
 !"  !"
tX
2

f : U R, (x, y, z)  x ln(1 + z) + (y 1)2 (z 1) + 2z

f
(x, y, z) = ln(1 + z),
x

2 f
(A) = 2.
z2

On en dduit la matrice hessienne H de f en A :

De plus, m atteint son minimum en y = 1 et, pour y = 1, gy atteint son minimum en x = 1, donc :

On peut aussi remarquer directement : f (1, 1) = 2.

2 f
(A) = 1,
xz

2 f
(A) = 0,
yz

2 f
(A) = 2,
y2

(x, y) R [0 ; +[, f (x, y)  m(y)  2,


puis, daprs 1) :

2 f
(A) = 0,
xy

2 f
(A) = 0,
x2

X2 HX2 = 2 < 0 et

X3 HX3 = 2 > 0.

b) 3) Il en rsulte, daprs le cours, que f nadmet pas dextremum local en A.


Comme f est de classe C 1 sur louvert U, si f admet un extremum local, cest ncessairement en un point critique, donc,
daprs 1), en A.
Finalement : f nadmet pas dextremum local.

4.10

On conclut que f admet un point critique et un seul, not A et


que : A = (2, 1, 0).
b) 1) Par oprations, f est de classe C 2 sur louvert U et on a,
pour tout (x, y, z) U :
2 f
2 f
2 f
1
(x, y, z) = 0,
(x, y, z) = 0,
(x, y, z) =
,
2
x
xy
xz
1+z
2 f
2 f
(x,
y,
z)
=
2(z

1),
(x, y, z) = 2(y 1),
y2
yz
133

Chapitre 4

Fonctions numriques de plusieurs variables relles

En notant O le milieu de (A, B), puisque le triangle ABC est


isocle de sommet C, il existe (a, h) (R+ )2 et un repre ortho

norm (O ; i , j ) du plan tels que les points A, B, C aient pour


coordonnes : A(a, 0), B(a, 0), C(0, h).

On a, pour tout (x, y) D :

Laire du triangle ABC est la moiti du produit de la base par


la hauteur, donc : = ah.

(x, y) = 0

x
(x, y) est un point critique de f

(x, y) = 0
y

2a

x=

a 2x + y = 0
3

x 2y = 0

y = .
3

Il existe x ]0 ; a[ unique tel que les coordonnes de E soient


(x, 0). Alors les coordonnes de D sont (x, 0).
x t
+ = 1,
a h
 h

do les coordonnes de F : x, (a x) ,
a


h
puis celles de G : x, (a x) .
a
Une quation de la droite (BC) est :

Il existe y ]0 ; x[ unique tel que les coordonnes de I soient



 h
y, (a x) , o 0 < y < x. Alors les coordonnes de H sont :
a


h
y, (a x) .
a
 h

De mme que pour F, les coordonnes de J sont : y, (a y) .
a


h
Do les coordonnes de K : y, (a y) .
a

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

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

donc, pour tout (x, y) D :

Formons donc la dirence :


 2a a 
a2

f
,
f (x, y) =
x(a x) + y(x y)
3 3
3

a2 
= y2 xy + x2 ax +
3

a2 
1 2  3 2
= y x + x ax +
2
4
3

1 2 3 
2a 2
 0.
= y x + x
2
4  !"
3
 !"
0

On a donc :

(x, y) D, f (x, y)  f

0

 2a a 
, .
3 3

Ainsi, f admet un maximum global et f atteint celui-ci en le


 2a a 
a2
, , et ce maximum est gal .
point
3 3
3
2h
Comme S =
f (x, y), on conclut : la valeur maximale de la
a
2ah
somme des aires des deux rectangles DEFG et HI JK est
,
3
2
cest--dire .
3
La somme S des aires des deux rectangles DEFG et HI JK est :
S = DE EF + HI I J
h

h
h
= 2x (a x) + 2y (a y) (a x)
a
a
a

2h
x(a x) + y(x y) .
=
a
Il reste trouver le maximum global de la fonction
f : D R, (x, y)  x(a x) + y(x y)
o



D = (x, y) R2 ; 0 < y < x < 1 .

Si f admet un maximum global, cest ncessairement aussi un


maximum local et, comme f est de classe C 1 sur louvert D,
cest ncessairement en un point critique de f .
134

4.11
a) Soit (x, y) R2 fix.
Existence :
Lapplication

: t  (t x)2 (t y)2 e t

Corrigs des exercices

On a, par prpondrance de lexponentielle sur les puissances :




2
t2 (t) = t2 (t x)2 (t y)2 e t 0.

3 3 3 3
=
=
I4 =
=
.
2
2 2
2 2
4
e
 2 mthode : intgration par parties sur un segment puis passage la limite :

Il existe donc > 0 tel que :

On a, pour tout X [0 ; +[, par intgration par parties avec

5

est continue sur R et valeurs positives ou nulles.

t R,

1
.
t2

|t|  = t2 (t)  1 = (t) 

Daprs lexemple de Riemann en , les intgrales


$ +
$ 1
1
1
dt
et
dt convergent. Par thorme de majo2
t2
t
1
$
ration pour des fonctions  0, les intgrales
$ +
(t) dt convergent.
1

(t) dt et

On conclut, par dfinition, que lintgrale

(t) dt

1
F(x, y) =

1
=

$
$

(t x)2 (t y)2 e

t2

dt

(t2 2xt + x2 )(t2 2yt + y2 ) e t dt


2

Dunod. Toute reproduction non autorise est un dlit

Nous allons calculer I2 et I4 .


 1re mthode : intervention de la fonction dEuler :
On a, pour tout k N, par parit puis par le changement de
variable u = t2 :
$ +
$ +
2
2
t2k e t dt = 2
t2k e t dt
I2k =

0
$ +
$ +

1
1
1
=2
uk e u du =
uk 2 e u du = k + .
2
2 u
0
0
Dautre part, on sait : s ]0 ; +[, (s + 1) = s (s).

X +

Puisque les applications t  t e t et t  t3 e t sont impaires (et que les intgrales considres convergent), on a :
I1 = 0 et I3 = 0.

Daprs lnonc (intgrale de Gauss) : I0 = .

3

$ X 2k+1
* t2k+1
t
2 +X
2
+
e t
2t e t dt
X
2k + 1
X 2k + 1
$ X
X 2k+1 X2
2
2
=2
+
t2k+2 e t dt.
e
2k + 1
2k + 1 X

t2k e t dt =

Dautre part, par$convergences dintgrales impropres vues


X
2
plus haut :
t2k e t dt I2k

I2 =

1
= I4 2(x + y)I3 + (x2 + 4xy + y2 )I2


2(xy2 + x2 y)I1 + x2 y2 I0 ,
$ +
2
en notant, pour tout k N : Ik =
tk e t dt.

Do :

0, par prpondrance de lexDune part, X 2k+1 e X


X +
ponentielle sur les puissances.

Calcul :
On a :

u = 2t e t

t2k+1

,
v =
2k + 1

o u, v sont bien de classe C 1 sur le segment [X ; X] :

converge, donc F(x, y) existe.

t2

u = e

v = t2k

1 1 1

=
=

,
2 2
2
2

et de mme avec 2k + 2 la place de 2k.


On dduit, en faisant tendre X vers + et en renversant lga2k + 1
I2k .
lit : I2(k+1) =
2

1
3
3
, I4 = I2 =
.
Do : I2 = I0 =
2
2
2
4
On obtient, pour tout (x, y) R2 :
F(x, y) =

3 1 2
+ (x + 4xy + y2 ) + x2 y2 .
4 2

b) Par oprations, F est de classe C 2 sur louvert R2 et, pour


tout (x, y) R2 :
1
F
(x, y) = (2x + 4y) + 2xy2 = x + 2y + 2xy2 ,
x
2
F
1
(x, y) = (4x + 2y) + 2x2 y = 2x + y + 2x2 y.
y
2
On a, pour tout (x, y) R2 :

(x, y) = 0

x
(x, y) est un point critique de F

(x, y) = 0
y

x + 2y + 2xy = 0

2x + y + 2x2 y = 0
135

Chapitre 4

Fonctions numriques de plusieurs variables relles

3(x + y) + 2xy(x + y) = 0

y x + 2xy(y x) = 0

L1 L1 + L2

dune fonction de deux variables relles, en exprimant, par


exemple, z en fonction de x et y dans la contrainte C .

L2 L1 L2

(x + y)(3 + 2xy) = 0

(y x)(1 + 2xy) = 0

Notons
F : R2 R, (x, y)  F(x, y) = f (x, y, 4 x 2y).

x + y = 0

ou

y x = 0

x + y = 0
3 + 2xy = 0
ou

1 + 2xy = 0
y x = 0

y=x




x = 0
y = x
2
ou

ou

3
+
2x

=
0

1 2x2 = 0
!"

y = 0


impossible

x = 1/ 2
x = 0
x = 1/ 2
ou

ou
.

y = 1/ 2

y = 1/ 2

y = 0

On a, pour tout (x, y) R2 :


F(x, y) = x2 2xy + 2x(4 x 2y) + 5y2 6y(4 x 2y)
+5(4 x 2y)2 2x 2y 6(4 x 2y) 7
= 4x2 + 20xy + 37y2 28x 94y + 49.
Lapplication F est de classe C 1 sur louvert R2 , donc, si F
admet un extremum local en un point (x, y), alors (x, y) est un
point critique de F.
On a, pour tout (x, y) R2 :
F
(x, y) = 8x + 20y 28,
x

On conclut que F admet exactement trois points critiques :


A = (0, 0),

 1
1 
B= , ,
2
2


1 
1
C= , .
2
2

Donc :

c) Daprs le cours, puisque F est de classe C sur louvert R ,


si F admet un extremum local, cest ncessairement en un point
critique.
1

On calcule les drives partielles secondes de F en tout point


(x, y) de R2 :
2 F
2 F
2 F
2
(x,
y)
=
2+4xy,
(x,
y)
=
1+2y
,
(x, y) = 1+2x2 .
x2
xy
y2
On consigne les valeurs de r, s, t, rt s2 en les points critiques,
avec les notations de Monge :
r
s
t
rt s2

A
1
2
1
3

B
2
0
2
4

C
2
0
2
4

Pour tudier la dirence F(x, y) F(1, 1), utilisons le changement de variables h = x 1, k = y 1 :

28(1 + h) 94(1 + k) + 61

1
.
2

On conclut que F admet un seul extremum local, cest un minimum local, il est atteint en B et en C et en ces deux points
1
seulement, et il est gal .
2
Dans cet exercice, on peut viter lutilisation du cours
sur la recherche dextremums globaux avec contrainte dgalits, en se ramenant la recherche des extremums globaux

136

Ainsi, F admet un point critique et un seul, et il sagit de


A = (1, 1).

= 4(1 + h)2 + 20(1 + h)(1 + k) + 37(1 + k)2

En B et C, puisque rt s2 > 0 et r > 0, F admet un minimum


local.

4.12

(x, y) = 0

x
(x, y) est un point critique de F

(x, y) = 0
y

8x
+
20y

28
=
0

x = 1

20x + 74y 94 = 0
y = 1.

F(x, y) F(1, 1) = F(1 + h, 1 + k) F(1, 1)

En A, puisque rt s2 < 0, F nadmet pas dextremum local, il


sagit dun point-col.

Un calcul lmentaire donne : F(B) = F(C) =

F
(x, y) = 20x + 74y 94.
y

= 4h2 + 20hk + 37k2



37 
= 4 h2 + 5hk + k2
4
*
5 2 25 2 37 2 +
= 4 h+ k k + k
2
4
4

5 2
= 4 h + k + 12k2  0.
2
Un calcul lmentaire donne : F(1, 1) = 12.
On dduit que F admet un extremum global et un seul, cest
un minimum, il est gal 12 et il est atteint en (1, 1) et en ce
point seulement.
On conclut : f admet un extremum sous la contrainte dgalit
C et un seul, cest un minimum, il est gal 12 et il est atteint
en (1, 1, 1) et en ce point seulement.

Corrigs des exercices

4.13
1) 1re mthode : se ramener aux extremums globaux dune fonction de deux variables relles :

Do, sous la contrainte C :


f (x, y, z) = x2 + y2 + z2 

On exprime, dans la contrainte dgalit linaire C , une des


variables en fonction des deux autres, par exemple :
(x, y, z) C z = 3 x y.
On considre lapplication F : R2 R dfinie, pour tout
(x, y) R2 , par :
F(x, y) = f (x, y, 3 x y) = x2 + y2 + (3 x y)2 ,
et on recherche les extremums globaux de F.
Puisque F(x, y) est une expression du second degr en x et y,
on peut essayer dutiliser une mise sous forme canonique dun
trinme :
(x, y) R2 , F(x, y) = 2x2 + 2xy 6x + 2y2 6y + 9
= 2(x2 + xy 3x) + 2y2 6y + 9

1
1
3
3 2
9
+ 2y2 6y + 9
= 2 x+ y
2 y2 y +
2
2
4
2
4

1
9
3 2 3 2
= 2 x+ y
+ y 3y +
2
2
2
2

9
1
3 2 3 2
+ (y 2y) +
= 2 x+ y
2
2
2
2

3 2 3
1
+ (y 1)2 +3.
= 2 x+ y
2
2
 !" 2  !"
0

0

On a donc, pour tout (x, y) R2 , F(x, y)  3 et :

1
3

x + y = 0
x = 1

2
2
F(x, y) = 3

y = 1

y 1 = 0

x +

=3

Dautre part, (1, 1, 1) vrifie C et f (1, 1, 1) = 3.


Ceci montre que f admet un minimum global sous la contrainte
dgalit C , que celui-ci est gal 3 et quil est atteint (au
moins) en (1, 1, 1).
Dautre part, on montre, comme dans la 1re mthode, que f
na pas de maximum global sous la contrainte dgalit C .
3) 3 mthode : utilisation du cours sur la recherche dextremum local avec contrainte dgalit linaire :
Si f admet un extremum global sous la contrainte dgalit linaire C en un point A, alors f admet un extremum local sous
la contrainte dgalit C en A.
Daprs le cours, si f admet un extremum local sous la
contrainte dgalit C en un point A de C , alors, en notant


H = (x, y, z) ; x + y + z = 0 lensemble des solutions du systme linaire homogne associ C , pour tout H de H {0},
la drive de f en A dans la direction H est nulle.
Comme H1 = (1, 1, 0) et H2 = (1, 0, 1) sont dans H , on a
alors en particulier :
< fA , H2 >= 0,

do, en notant A = (x, y, z) tel que x + y + z = 3 :


.

On conclut que f admet un minimum global sous la contrainte


dgalit linaire C et un seul, que celui-ci est gal 3 et quil
est atteint en (1, 1, 1) et en ce point seulement.
Dautre part, comme F(x, 0) = 2x2 6x + 9

1
1
(x + y + z)2 = 9 = 3.
3  !"
3

< fA , H1 >= 0 et

On dduit que F admet un minimum global et un seul, que


celui-ci est gal 3 et quil est atteint en (1, 1) et en ce point
seulement.
Dunod. Toute reproduction non autorise est un dlit

(x + y + z)2  3(x2 + y2 + z2 ).

cest--dire :

+,

F nest pas majore, donc F nadmet pas de maximum global,


et on conclut que f nadmet pas de maximum global sous la
contrainte dgalit linaire C .
2) 2e mthode : utilisation de lingalit de Cauchy et Schwarz :
En appliquant, pour tout (x, y, z) de R , lingalit de Cauchy et
Schwarz aux vecteurs (1, 1, 1) et (x, y, z) de R3 pour le produit
scalaire usuel, on a :
#

2
(1, 1, 1) ## (x, y, z)  ||(1, 1, 1)||2 ||(x, y, z)||2 ,

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

2x 1 + 2y 0 + 2z (1) = 0
donc x = y = z.
Comme x + y + z = 3, on dduit x = y = z = 1.
Ainsi, si f admet un extremum sous la contrainte dgalit C ,
alors cest ncessairement en (1, 1, 1).
On termine comme dans la 1re mthode.

4.14
a) 1) Par oprations, lapplication
f : R R, x  x ln(1 + x2 )

est de classe C 2 sur R et, pour tout x R :


f  (x) = 1

2x
1 + x2 2x (1 x)2
=
=
,
2
1+x
1 + x2
1 + x2
137

Chapitre 4

Fonctions numriques de plusieurs variables relles

f  (x) =
a) 2) Soit x R.

2(1 + x2 ) 2x 2x 2(x2 1)
=
.
(1 + x2 )2
(1 + x2 )2

On a, pour tout t R :
2t
2x
=1
1 + t2
1 + x2
2t(1 + x2 ) = 2x(1 + t2 ) xt2 x2 t + x t = 0

f  (t) = f  (x) 1

xt(t x) + x t = 0 (t x)(xt 1) = 0.

1
Si x  0, alors : f  (t) = f  (x) t = x ou t = . Si
x
x = 0, alors : f  (t) = f  (x) t = 0.
On conclut que lquation f  (t) = f  (x), dinconnue t R,
admet au plus deux solutions.

d) Puisque F est de classe C 1 sur louvert R2 , daprs le cours,


si F admet un extremum local, cest ncessairement en un point
critique.
Lapplication F est de classe C 2 sur louvert R2 et, pour
tout (x, y) R2 :
2

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

x2

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

xy

2 F




y2 (x, y) = f (x + y) f (y).
On calcule des valeurs de f
que f  est paire :

b) Puisque f est de classe C 1 sur R, par oprations, lapplication F : R2 R, (x, y)  f (x + y) f (x) f (y)
est de classe C 1 sur louvert R2 et, pour tout (x, y) R2 :

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




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

cest--dire :

x = y ou
x = y ou

x+y= x

ou





 1 
4
= ,
9
2

 1

1 
2
+ = f  ( 2) = .
9
2
2

Avec les notations de Monge, en chacun des trois points critiques, on calcule r, s, t puis rt s2 :
(0, 0)
r
s
t
rt s2

x+y =y

x = 0 ou y = 0.

0
2
0
4

1
1
( , )
2
2
2/3
2/9
2/3
32/81

1
1
( , )
2
2
2/3
2/9
2/3
32/81

Si x = 0, alors f  (y) = f  (x) = f  (0), donc daprs le calcul


fait dans a), y = 0.

En (0, 0), on a rt s2 < 0, donc F nadmet pas dextremum, il


sagit dun point-col.

De mme, si y = 0, alors x = 0.

En les deux autres points critiques, on a rt s2 > 0, donc F admet un extremum local, et r > 0, donc il sagit dun minimum
local.

On a donc ncessairement : x = y.
c) 2) Il sensuit, pour tout (x, y) R2 :




f (x) = f (y)
y = x



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

(1).

On conclut que F admet deux extremums locaux exactement,


 1
1  
1
1 
en les points , et , , et ce sont des mi2
2
2
2
nimums locaux.
En particulier, F admet au moins un extremum local.

Et :
(1) 1

2x
4x
=1
2
1 + (2x)
1 + x2

2x(1 + x2 ) = x(1 + 4x2 )


2x3 x = 0 x(2x2 1) = 0

1
1 
x = 0 ou x =
ou x = .
2
2
On conclut que F admet exactement trois points critiques :
 1
1  
1
1 
(0, 0),
, .
, ,
2
2
2
2
138

en les points utiles, en remarquant

f  (0) = 2,

c) 1) Si (x, y) R2 vrifie f  (x) = f  (y) = f  (x + y), alors,


daprs b), les trois rels x, y, x + y ne sont pas deux deux
distincts.
On a donc :



4.15
a) Lapplication
f : R2 R, (x, y)  (2x2 + 3y2 )2 (4x6 + 5y8 )
est de classe C 1 sur louvert R2 de R2 , et, pour tout (x, y) R2 :
f

(x, y) = 2(2x2 + 3y2 )4x 24x5

(x, y) = 2(2x2 + 3y2 )6y 40y7 .


y

Corrigs des exercices

On a, pour tout (x, y, z) ]0 ; +[3 :

En particulier :
f
(0, 0) = 0 et
x

f
(0, 0) = 0.
y

On conclut : (0, 0) est un point critique de f .


b) On a, pour tout (x, y) [1 ; 1]2 :
4x6 + 5y8  4x6 + 5y6  5(x6 + y6 )
5 2
5
(2x + 2y2 )3  (2x2 + 3y2 )3 .
8
8
* 1 1 +2
, alors :
De plus, si, par exemple, (x, y) ;
3 3
 5(x2 + y2 )3 =

1 1 2
0  2x2 + 3y2  3(x2 + y2 )  3 +
=  1,
9 9
3
donc :

(x, y, z) est un point critique de f


f

(x, y, z) = 0

f
(x, y, z) = 0

(x, y, z) = 0
z

xy = xz, xy = yz,


!" y = z,
x 0, y 0


 1  13

x = y = z =
= 31/3 .
3
On conclut que f admet un point critique et un seul :
A = (31/3 , 31/3 , 31/3 ).

(2x2 + 3y2 )3  (2x2 + 3y2 )2 ,


puis :
5 2
5
(2x + 3y2 )3  (2x2 + 3y2 )2 .
8
8

c) 1) On calcule les drives partielles secondes de f en tout


point (x, y, z) de ]0 ; +[3 :
1
2 f
(x, y, z) =
x2
(x + y + z)2

Il en rsulte :
5
3
f (x, y)  (2x2 + 3y2 )2 (2x2 + 3y2 )2 = (2x2 + 3y2 )2  0.
8
8

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

Ceci montre :
* 1 1 +2
, f (x, y)  f (0, 0).
(x, y) ;
3 3

1
2 f
(x, y, z) =
y2
(x + y + z)2

On conclut : f admet un minimum local en (0, 0).

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

Remarque :

1
2 f
(x, y, z) =
.
z2
(x + y + z)2

Il nest pas ncessaire, dans cet exercice, de calculer r, s, t (avec


les notations de Monge) ; dailleurs, ici, rt s2 = 0.

4.16
Dunod. Toute reproduction non autorise est un dlit

yz
=0

x
+
y+z

xz
=0

x
+
y+z

xy
=0
x+y+z

1
xy =
x+y+z
1
2
x = z, x =
3x

a) Par oprations, lapplication


f : ]0 ; +[3 R, (x, y, z)  xyz ln(x + y + z)
est de classe C 2 sur louvert ]0 ; +[3 .
b) On calcule les drives partielles premires de f en tout
point (x, y, z) de ]0 ; +[3 :
f
1
(x, y, z) = yz
x
x+y+z
f
1
(x, y, z) = xz
y
x+y+z
1
f
(x, y, z) = xy
.
z
x+y+z

On en dduit la hessienne de f en tout point (x, y, z)


de ]0 ; +[3 :

1
1
1

(x + y + z)2 z + (x + y + z)2 y + (x + y + z)2

1
1
1
z +

x
+
.

(x + y + z)2
(x + y + z)2
(x + y + z)2

1
1
1

y+
x+
(x + y + z)2
(x + y + z)2
(x + y + z)2
Pour x = y = z = 31/3 , on a :
1
1
1
=
= 2/3 2 = 34/3
(x + y + z)2
(3 31/3 )2
(3 )
et :
x+

1
1
1
=y+
=z+
(x + y + z)2
(x + y + z)2
(x + y + z)2
= 31/3 + 34/3 = (3 + 1)34/3 = 4 34/3 .
139

Chapitre 4

Fonctions numriques de plusieurs variables relles

Il
rsulte que, pour tout x ]0 ;$+[, lintgrale impropre
$ en
x
x
f (t) dt converge, donc F(x) =
f (t) dt existe.

On en dduit que la hessienne de f en A est :

1 4 4

4/3
3 4 1 4 .

441

$
On a : x ]0 ; +[, F(x) =

c) 2) On a, en notant < . | . > le produit scalaire canonique


sur R3 :
< u | v > = 1 + 0 + 1 = 0,

f (t) dt,
1

Comme F est une famille orthogonale et quelle ne contient


pas le vecteur nul, daprs le cours, F est libre.
Puisque dim (R3 ) = 3 et que F est une famille libre de R3
3 lments, daprs le cours, F est une base de R3 .

qui est une primitive de f sur ]0 ; +[, est de classe C 2 sur


]0 ; +[ et :
x ]0 ; +[, F1 (x) = f (x).
$ 1
Comme
f (t) dt est une constante, il en rsulte, par addi0

tion, que F est de classe C 2 sur ]0 ; +[ et que :


x ]0 ; +[, F  (x) = f (x),

En notant U, V, W les colonnes respectivement transposes de


u, v, w, on a, par calcul matriciel :
HU = 9U, HV = 3V, HW = 3W.
On conclut que u, v, w (qui sont tous non nuls), sont des vecteurs propres pour h.

puis :

On a vu en 2) que H est semblable la matrice diagonale


diag (9, 3, 3), donc admet deux valeurs propres et deux
seulement, qui sont 3 et 9, donc qui sont toutes non nulles
et pas toutes du mme signe. Daprs le cours, on conclut que
f nadmet pas dextremum local en A.
2e mthode : expression de la forme quadratique q canoniquement associe H :

x

On a, pour tout X = y M3,1 (R) :

z

(x, y) ]0 ; +[2 , xy ]0 ; +[,


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

 1 4 4 x
t
XHX = x y z 4 1 4 y = x2 + 8xy + 8xz + y2 + 8yz + z2 .

441 z


En particulier : q(1, 0, 0) = 1 > 0 et q(1, 1, 0) = 6 < 0.


Daprs le cours, on conclut que f nadmet pas dextremum
local en A.

ln(1 + t)
t

ln(1 + t)
1.
t 0
t

x ]0 ; , +[, F  (x) = f  (x).

b) Puisque F est de classe C 2 sur ]0 ; +[ et que :

c) 3) 1re mthode : tude du signe des valeurs propres de H :

140

F1 : x 

donc F est une famille orthogonale pour le produit scalaire


canonique de R3 .

est continue sur ]0 ; +[ et f (t) =

f (t) dt.
1

Puisque f est de classe C 1 sur ]0 ; +[, lapplication

< v | w > = 1 + 0 + 1 = 0,

a) Lapplication f : ]0 ; +[ R, t 

f (t) dt +
0

< u | w > = 1 2 + 1 = 0,

4.17

G
(x, y) = xF  (xy) F  (y) = x f (xy) f (y),
y
puis :
2 G
(x, y) = y2 f  (xy) f  (x)
x2
2 G
(x, y) = f (xy) + yx f  (xy)
xy
2G
(x, y) = x2 f  (xy) f  (y).
y2

Corrigs des exercices

c) On a, pour tout (x, y) ]0 ; +[2 :

(x, y) = 0

x
(x, y) est un point critique de G

(x, y) = 0

y f (xy) f (x) = 0
y f (xy) f (x) = 0

x f (x) = y f (y)
x f (xy) f (y) = 0

y f (xy) f (x) = 0
y f (xy) f (x) = 0

ln(1 + x) = ln(1 + y)

1+ x= 1+y

x = y

x f (x2 ) f (x) = 0 (2).

Par oprations (addition, soustraction, multiplication), on dduit que lapplication


n
n
n


2 
x2k +
xk
xk
f : (x1 , ..., xn ) 
k=1

c) On a, pour tout (x1 , ..., xn ) Rn :


(x1 , ..., xn ) est un point critique de f
f
(x1 , ..., xn ) = 0
xi
n


i 1 ; n, 2xi + 2
xk 1 = 0

i 1 ; n,

ln(1 + x2 ) ln(1 + x)

=0
x2
x
ln(1 + x2 ) = ln(1 + x) 1 + x2 = 1 + x

(2) x

x1 = ... = xn

2x1 + 2nx1 1 = 0

x2 = x x = 1.
x>0

d) Si G admet un extremum local en un point (x, y) de


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


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

do :

t = f  (1) f  (1) = 0,

2
rt s2 = f (1) + f  (1) .

Dunod. Toute reproduction non autorise est un dlit

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

f (1) = ln 2,

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


f  (1) =

1
ln 2,
2

+2
*
1
1
ln 2 = < 0.
puis : rt s2 = ln 2 +
2
4
On conclut, daprs le cours, que G nadmet pas dextremum
local en (1, 1), il sagit dun point-col.
Finalement, G na pas dextremum local.

a) Daprs le cours, pour tout k 1 ; n, lapplication


(x1 , ..., xn )  xk est de classe C 2 sur louvert Rn .

k=1

1
.
2(n + 1)
On conclut : f admet un point critique et un seul, not
1
(a1 , ..., an ) et on a : i 1 ; n, ai =
.
2(n + 1)
x1 = ... = xn =

d) 1) Calculons les drives partielles secondes de f en tout


point de Rn .
On a, pour tout (i, j) 1 ; n2 et tout (x1 , ..., xn ) Rn :

2 + 2 si i = j
2 f

(x1 , ..., xn ) =

2
xi x j

si i  j.

si i = j

2 f
4
En particulier :
(a1 , ..., an ) =

2
xi x j

si i  j.
On conclut que la matrice hessienne An de f en (a1 , ..., an ) est :

(2)
4

.
..
An =

(2)
4

h1

d) 2) On a, pour tout H = ... Mn,1 (R) {0} :

hn
t

HAn H = 4

n


h2i + 2

i=1

4.18

k=1

b) On a, pour tout i 1 ; n et tout (x1 , ..., xn ) Rn :


n


f
(x1 , ..., xn ) = 2xi + 2
xk 1.
xi
k=1

Et :

On conclut que G admet (1, 1) comme unique point critique.

k=1

est de classe C sur R .


2

=2

hi h j

1i jn

n

i=1

h2i + 2


1i, jn

hi h j = 2

n


h2i +2

i=1

 !"
>0

n

2
hi > 0.
i=1

 !"
0

141

Chapitre 4

Fonctions numriques de plusieurs variables relles

d) 3) Daprs 2), la forme quadratique reprsente par la matrice An dans la base canonique de Rn est dfinie-positive, donc,
daprs le cours, f admet un minimum local en (a1 , ..., an ).
On a :

f (a1 , ..., an ) = n

2 
2
1
1
1
+ n
n
2(n + 1)
2(n + 1)
2(n + 1)

n2 + n
n
1

.
=
=
n + n2 2n(n + 1) =
4(n + 1)2
4(n + 1)2
4(n + 1)

4.19
Si f admet un extremum global en un point A de ]0 ; +[3 ,
alors f admet un extremum local en A.
Comme f est de classe C 1 sur louvert ]0 ; +[3 , si f admet un
extremum local en un point A de ]0 ; +[3 , alors A est un point
critique de f .
On a, pour tout (x, y, z) ]0 ; +[3 :
f
1
(x, y, z) = 2x
x
(x + y + z)2
1
f
(x, y, z) = 2y
y
(x + y + z)2
f
1
.
(x, y, z) = 2z
z
(x + y + z)2
Il en rsulte, pour tout A = (x, y, z) ]0 ; +[3 :
A est un point critique de f

2x
=0

(x
+
y
+ z)2

(x,
y,
z)
=
0

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

=0
2z

(x
+
y
+ z)2

(x, y, z) = 0

x=y=z

x = y = z

18x3 = 1

2x = (3x)2
 1  13
.
x = y = z =
x>0
18
 1  13
En notant, par commodit, =
, lapplication f admet
18
un point critique et un seul, et cest A = (, , ).
Puisque f est de classe C 2 sur louvert ]0 ; +[3 , on a,
daprs lgalit de Taylor-Lagrange lordre 1, pour tout
M ]0 ; +[3 , en notant H = M A, lexistence de ]0 ; 1[
1
tel que :
f (M) = f (A)+ < fA , H > + qA+H (H),
2
f

f
f
o fA =
(A),
(A),
(A)
x
y
z
142

et o qP est, pour tout P ]0 ; +[3 , la forme quadratique reprsente canoniquement par la hessienne de f en P.
On calcule les drives partielles secondes de f en tout point
(x, y, z) de ]0 ; +[3 et on forme la hessienne de f en (x, y, z) :

2
2
2
2 +

3
3
3

(x + y + z)
(x + y + z)
(x + y + z)

2
2
2

,
2
+
3
3
(x + y + z)3
(x + y + z)
(x + y + z)

2
2
2

2+
(x + y + z)3
(x + y + z)3
(x + y + z)3
do la hessienne S de f en A :

m
2 + m m

S = m 2 + m m

m
m 2+m
o on a not, par commodit :

m=

2
4
= .
(3)3
3

Il sagit maintenant de voir si la forme quadratique de R3 reprsente canoniquement par S (au point A) est dfinie-positive,
dfinie-ngative, ou autres.
1re mthode : dcomposition en combinaison linaire de carrs :

1 1 1

Remarquons que S = 2 I3 +mU, o U = 1 1 1 et remarquons

111

1

que U = C tC, o C = 1 .

1
On a, pour tout X M3,1 (R) {0} :
t

XS X = t X(2 I3 + m C tC)X = 2 t XX + m t XC tCX


= 2 t XX + m t ( tCX)( tCX) = 2 ||X||2 +m < C | X >2 > 0.
 !"
 !"
>0

0

On dduit que la forme quadratique considre est dfiniepositive et on conclut que f admet un minimum global en A.
2e mthode : tude du signe des valeurs propres de S :

u

On a, pour tout R et tout X = v M3,1 (R) {0} :

w

(2 + m)u + mv + mw = u

S X = X
mu + (2 + m)v + mw = v

mu + mv + (2 + m)w = w

(2 + m)u + mv + mw = u


2u + 2v = (v u) L2 L2 L1

2u + 2w = (w u) L3 L3 L1

Corrigs des exercices

(2 + m)u + mv + mw = u


( 2)(v u) = 0

( 2)(w u) = 0




u = v = w
= 2
ou

(2 + 3m)u = u
mu + mv + mw = 0

= 2
= 3m + 2 

ou
.

u + v + w = 0
u = v = w
Ainsi, les valeurs propres de S sont 2 et 3m + 2.
Ces valeurs propres sont toutes strictement positives, donc,
daprs le cours, la forme quadratique considre est dfiniepositive, et on conclut que f admet un minimum global en A.
Enfin, on calcule ce minimum :
1
f (A) = f (, , ) = 32 +
3
 1  23 18 13
18 
2
2
= 9 18 3 .
=3
+
= 18 3 3 +
18
3
3

4.20
1) Recherche des extremums locaux :

f : R2 R, (x, y)  (3x + 4y) e 2 (x

3 4
, ,
5 5

 3 4
A2 = , .
5 5

Comme : (x, y) R2 , f (x, y) = f (x, y),


ltude en A2 se ramne celle en A1 .
Lapplication f est de classe C 2 sur louvert R2 et, pour tout
(x, y) R2 :
%


& 1 2 2
2 f
(x, y) = (6x 4y) + 3 x(3x + 4y) (x) e 2 (x +y )
x2

1 2 2
= (9x 4y) + x2 (3x + 4y) e 2 (x +y )
%


& 1 2 2
2 f
(x, y) = (4x) + 3 x(3x + 4y) (y) e 2 (x +y )
xy
%
&
1 2 2
= (4x 3y)) + xy(3x + 4y) e 2 (x +y )
%


& 1 2 2
2 f
(x, y) = (3x 8y) + 4 y(3x + 4y) (y) e 2 (x +y )
y2
%
&
1 2 2
= (3x 12y) + y2 (3x + 4y) e 2 (x +y ) .

2 +y2 )

est de classe C sur louvert R , donc, daprs le cours, si f admet un extremum local, cest ncessairement en un point critique.
2

On calcule les drives partielles premires de f en tout point


(x, y) de R2 :



f
1 2 2

(x, y) = 3 x(3x + 4y) e 2 (x +y )


1 (x2 +y2 )
f

.
y (x, y) = 4 y(3x + 4y) e 2
On a donc, pour tout (x, y) R2 :

Dunod. Toute reproduction non autorise est un dlit

A1 =

En particulier, en A1 , avec les notations de Monge :

Lapplication

Ainsi, f admet deux points critiques exactement, les points :

(x, y) = 0

x
(x, y) est un point critique de f

y (x, y) = 0

x  0, y  0

3x + 4y = 3
x(3x + 4y) = 3

y(3x + 4y) = 4

4
3

=
x y

x  0, y  0

3
3

x
=
x= 

5
5
.


ou
y= x

4
4
3

y=
y=

25x2 = 9
5
5

r=

* 27 16   3 2 +
2 f
34 1
1

e 2
(A1 ) =
5 e 2 =
+
x2
5
5
5
5

s=

* 12 12  12 +
2 f
12 1
1
(A1 ) =

+ 5 e 2 =
e 2
xy
5
5
25
5

t=

* 9 48  16 +
1
2 f
41 1
+ 5 e 2 =
(A1 ) =
e 2.
2
y
5
5
25
5

Do :
rt s2 =

34 41 122 1 1250 1
e =
e = 50 e 1 > 0.
25
25

Il en rsulte, daprs le cours, que f admet un extremum local


en A1 .
De plus : r < 0, donc il sagit dun maximum local.
La valeur de ce maximum local est :
f (A1 ) = f

 3 4  9 + 16
1
1
=
,
e 2 = 5 e 2 .
5 5
5

Comme : (x, y) R2 , f (x, y) = f (x, y)


et que f admet un maximum local en A1 , on dduit que f admet
un minimum local en A2 .
La valeur de ce minimum local est :
1

f (A2 ) = f (A1) = 5 e 2 .
143

Chapitre 4

Fonctions numriques de plusieurs variables relles

4.21

2) Recherche des extremums globaux :

a) 1) Notons D1 , D2 , D3 les droites dquations :

On a :
12 (x2 +y2 )

(x, y) R2 , | f (x, y)| = |3x + 4y| e


)
1 2 2
)
 3 x2 + y2 + 4 x2 + y2 e 2 (x +y )
)
1 2 2
= 7 x2 + y2 e 2 (x +y ) .
Pour tout (x, y) R2 , en notant t = x2 + y2 , on a donc :

1
| f (x, y)|  7 t e 2 t .

D1 | 5x + 2y + 4 = 0
D2 | 3x + y + 2 = 0
D3 | 2x 3y + 5 = 0.
Par rsolution de trois systmes de deux quations deux inconnues, ces trois droites se coupent deux deux en trois
points :

Par prpondrance de lexponentielle sur les puissances :


1t
t e 2 0.
t +

En notant M = | f (A1 )| = | f (A2 )| = 5 e 2 ,


il existe donc t0 ]0 ; +[ tel que :

1
t [t0 ; +[, 7 t e 2 t < M.
On a alors :
(x, y) R2 ,


x2 + y2  t0 = | f (x, y)| < M .

Comme | f (A1 )| = | f (A2 )| = M,


on a ncessairement

 3 2
5

 4 2
5

< t0 , donc : t0 > 1.

D1 D2 = {A},

D1 D3 = {B}, D2 D3 = {C},

A = (0, 2), B = (2, 3), C = (1, 1).




Lensemble (x, y) R2 ; 5x + 2y + 4  0 est le demi-plan
ferm limit par D1 et contenant O.


Lensemble (x, y) R2 ; 3x + y+ 2  0 est le demi-plan ferm
limit par D2 et contenant O.


Lensemble (x, y) R2 ; 2x 3y + 5  0 est le demi-plan
ferm limit par D3 et contenant O.
o :

Lensemble D est lintersection de ces trois demi-plans ferms, donc D est le triangle plein limit par les trois droites
D1 , D2 , D3 .

Dautre part, lapplication

f1 : [ t0 ; t0 ]2 R, (x, y)  f (x, y)

est continue sur le ferm born [ t0 ; t0 ]2 de R2 , donc,


daprs le cours, f1 admet un maximum global et un minimum
global.

Notons A un point de [ t0 ; t0 ]2 en lequel f1 atteint son


maximum global.
Montrons : (x, y) R2 , f (x, y)  f (A).
Soit (x, y) R2 .
 Si x2 + y2  t0 , alors f (x, y)  | f (x, y)| < M  f (A).

 Si x2 + y2  t0 , alors (x, y) [ t0 ; t0 ]2 ,
donc f (x, y) = f1 (x, y)  f1 (A) = f (A).
Ceci montre que f admet un maximum global en A.
Il en rsulte que f admet un maximum local en A, donc,
daprs 1), A = A1 .
Comme : (x, y) R2 , f (x, y) = f (x, y),
ltude dun minimum global se ramne ltude prcdente.
On conclut que f admet deux extremums globaux, un minimum global, atteint en A1 et en ce point seulement, et un maximum global, atteint en A2 et en ce point seulement.
144

a) 2) Lensemble D est lintersection de trois ferms, donc D


est ferm.
Il est clair que D est inclus dans [1 ; 2] [2 ; 3], donc D est
born.
a) 3) Puisque f (resp. g) est continue sur D et que D est ferm
born, daprs le cours, f (resp. g) est borne et atteint ses
bornes.
En particulier, on conclut que f (resp. g) admet un maximum
global.
b) Puisque f est une fonction polynomiale du premier degr,
la restriction de f tout segment du plan est monotone sur ce

Corrigs des exercices

segment, donc cette restriction de f atteint ses bornes au bord


du segment. On peut donc conjecturer que le maximum de f
est atteint au bord de D.
Considrons lintrieur D de D, dfini par les ingalits
strictes correspondant aux ingalits larges dfinissant D :

D = (x, y, z) R3 ;

5x + 2y + 4 > 0, 3x + y + 2 > 0, 2x 3y + 5 > 0 .

Il reste tudier la restriction de g au bord de D.


 Sur [AB], on a :

Mais :

g(x, y) = x2 + y2 = x2 +

not h1 (x)

et on tudie les variations de h1 :


x
h1 (x)

20/29
0

2
+

13


h1 (x)

donc f nadmet aucun point critique, contradiction.

Sur chacun des trois cts [AB], [BC], [CA] du triangle ABC,
on peut exprimer y en fonction de x sous forme ane, donc
f (x, y) sexprime comme une fonction ane de x, qui atteint
ncessairement son maximum en une extrmit du segment.

 5x 4 2

2
1
1
= x2 + (25x2 40x + 16) = (29x2 40x + 16),
4
4
 !"

f
(x, y) D ,
(x, y) = 1  0,
x

Ceci montre que f natteint pas son maximum global en un


point de D , donc f atteint son maximum en un point du bord
de D.

5x 4
,
2

donc :

Raisonnons par labsurde : supposons que f atteigne son maximum global en un point A de D .
Comme f est de classe C 1 sur louvert D , daprs le cours, A
est ncessairement un point critique de f .

0  x  2 et y =

Max g(x, y) = 13.

donc :

(x,y)[AB]

 Sur [CA], on a :

1  x  0 et y = 3x 2,

donc :
10x2 + 12x
+ 4,
g(x, y) = x2 + y2 = x2 + (3x 2)2 = 
!"
not h2 (x)

Ceci montre que f atteint son maximum en A ou en B ou en C.


Il reste calculer les valeurs de f en ces trois points :
f (A) = 5,

f (B) = 2,

et on tudie les variations de h2 :


x
h2 (x)

f (C) = 3.

Dunod. Toute reproduction non autorise est un dlit

3/5
0

0
+

On conclut que f admet un maximum global et que celui-ci est


gal 2 (et quil est atteint en B).

4


h2 (x)

c) Supposons que g atteigne son maximum en un point de


lintrieur D de D.

donc :

Comme g est de classe C 1 sur louvert D , daprs le cours, g


atteint alors son maximum en un point critique A de g.

 Sur [BC], on a :

Max g(x, y) = 4.

(x,y)[CA]

1  x  2 et y =

2x + 5
,
3

donc :

On a, pour tout (x, y) D :


g
(x, y) = 2x,
x

g
(x, y) = 2y,
y

g(x, y) = x2 + y2 = x2 +

 2x + 5 2

3
1 2
1
= x + (4x + 20x + 25) = (13x2 + 20x + 25),
9
9
 !"
2

donc g admet un point critique et un seul, qui est O = (0, 0) (et


on a bien O D ).
En O, il est clair que g admet un minimum global, car :

not h3 (x)

et on tudie les variations de h3 :

(x, y) D, g(x, y) = x + y  0 = g(0, 0).


2

10
2
13
0 +
2
13
h3 (x)


x

h3 (x)

Comme, par exemple, (0, 1) D et que g(0, 1) > g(0, 0), ce


minimum nest pas un maximum.
Ceci montre que g natteint pas son maximum lintrieur
de D, donc g atteint son maximum en un point du bord de D.

donc :

Max g(x, y) = 13.

(x,y)[BC]

145

Chapitre 4

Fonctions numriques de plusieurs variables relles

On conclut que la maximum global de g est gal 13 et quil


est atteint en B (et en B seulement).

Ainsi :

x+yzt =1

2x y + 3z + 2t = 2
A C

f A H
2x + 5y + 3z = 0

x + 4y + 3t = 0

Remarque gomtrique :
Dans cet exercice, g(x, y) est le carr de la distance euclidienne
entre O et le point (x, y) de D, et il est clair sur le schma que
cette distance est maximale en B et en B seulement.

z = (2x 5y)

t = (x 4y)

3

3(x + y) (2x 5y) (x 4y) = 3

3(2x y) + 3(2x 5y) + 2(x 4y) = 6

4.22
Daprs le cours, puisque
f : R4 R, (x, y, z, t)  x2 + y2 + z2 + t2
est de classe C 1 sur louvert R4 de R4 , si la restriction de f la
contrainte dgalits linaires C admet un extremum global en
un point A de C , alors fA est orthogonal au sous-espace vectoriel H , ensemble
des solutions du systme linaire homogne

g1 (x, y, z, t) = 0

associ

g (x, y, z, t) = 0.

1
1
(2x 5y), t = (x 4y), 12y = 3, 14x 26y = 6
3
3
25
5
1
1
, z=
, t= .
y = , x =
4
28
28
28
Daprs lgalit de Taylor-Lagrange lordre 1, puisque f est
de classe C 2 sur louvert R4 , pour tout H H , il existe
]0 ; 1[ tel que :

Cherchons une base de H . cet eet, dans le systme homogne dfinissant H , exprimons, par exemple, x et y en fonction
de z et t :

1
f (A + H) = f (A) + < fA , H > + qA+H (H).
 !" 2

z =

(x, y, z, t) H

=0

Daprs la dfinition de f , la hessienne de f en tout point P de


R4 est 2 I4 , donc qA+H est dfinie-positive, do :

x + y z t = 0

2x y + 3z + 2t = 0

3x + 2z + t = 0 L1 L1 + L2

3y 5z 4t = 0 L2 2L1 L2

H H , f (A + H)  f (A),
cest--dire :

On conclut que f admet un extremum global sous contrainte


dgalits C et un seul, cest un minimum global, il est atteint
en A et en ce point seulement, et il est gal :

x = (2z + t)

y = (5z + 4t).
3

f (A) =

25
1 2
.
25 + 72 + 52 + (1)2 =
282
28

4.23
a)

Une base de H est, par exemple, (u, v) o :


u = (2, 5, 3, 0),

M C , f (M)  f (A).

v = (1, 4, 0, 3).

Dautre part, pour tout A = (x, y, z, t) R4 :


fA =

f
x

(A),


f
f
f
(A),
(A),
(A) = (2x, 2y, 2z, 2t).
y
z
t

do :

( fA | u) = 0
fA H

( fA | v) = 0
146

2x + 5y + 3z = 0

x + 4y + 3t = 0



Dabord, il est clair que U = (x, y) R2 ; x < y est un ouvert
de R2 et que lapplication
f : U R, (x, y)  x2 + y2 2 ln(y x)

Corrigs des exercices

est de classe C 1 sur U et, pour tout (x, y) U :


f
2
(x, y) = 2x +
,
x
yx
Do, pour tout (x, y) U :

f
2
(x, y) = 2y
.
y
y x

(x, y) = 0

x
(x, y) est un point critique de f

y (x, y) = 0

2x +
=0

yx

2x + y x = 0

x + y = 0

=0
2y
yx

x=

y
=
x

x<y
1
2x2 = 1

y = .
2
On conclut que f admet un point critique et un seul, et que

1
1 
cest :
A = (a, b) = , .
2
2
b) 1) Il est clair que U est un ouvert convexe et que f est de
classe C 2 sur U.
Donc, daprs lgalit de Taylor-Lagrange lordre 1, pour
tout H = (h, k) R2 tel que A + H U, il existe ]0 ; 1[ tel
1
que : f (A + H) = f (A)+ < fA , H > + qA+H (H),
2
o :

f
f
< fA , H >=
(A) h +
(A) k = 0,
x
y
 !"
 !"

1
f (A + H) = f (A) + < fA , H > + qA+H (H)  f (A),
 !" 2  !"
=0

0

et on conclut que f admet un minimum global en A.


La valeur de ce minimum global est :
f (A) = a2 + b2 2 ln(b a) =

 2 
1 1
+ 2 ln = 1 ln 2.
2 2
2

c) On a, par exemple, pour y > 0 :


f (0, y) = y2 2 ln y

y +

+,

par prpondrance de la puissance sur le logarithme.


on conclut que f nadmet pas de maximum global.
d) Supposons que f admette un maximum local en un point
not B.
Puisque f est de classe C 1 sur louvert U, daprs le cours, B
est un point critique de f , donc, daprs a), on a : B = A.
En reprenant les notations de b)2), on a, pour tout h > 0 assez
petit, en remplaant (h, k) par H = (h, 2h) par exemple :


qA+H (H) = (2 + ) h2 + (2h)2 + (h 2h)2 > 0.

et : qA+H (H) = rh2 + 2shk + tk2 ,

Ceci montre que, sur tout voisinage de A, il existe des points


A + H de U en lesquels f (A + H) > f (A), donc f nadmet pas
de maximum local en A.

o r, s, t sont les notations de Monge en A + H.

On conclut que f nadmet pas de maximum local.

=0

=0

b) 2) On a, pour tout (x, y) U :


2
f
(x, y) = 2 +
x2
(y x)2
2

Dunod. Toute reproduction non autorise est un dlit

On a donc :

2
2 f
(x, y) =
xy
(y x)2
2
2 f
(x, y) = 2 +
y2
(y x)2
tudions le signe de qA+H (H).
1
On a, en notant par commodit =
2 :
(b + k) (a + h)
qA+H (H) = rh2 + 2shk + tk2
= (2 + 2)h2 2hk + (2 + 2)k2
= (2 + )(h2 + k2 ) + (h2 2hk + k2 )

4.24
a) Lapplication f : ]0 ; +[ R, x  x e x
est de classe C 1 sur ]0 ; +[, donc, par oprations, lapplication F : ]0 ; +[2 R, (x, y)  f (x) + f (y) f (x + y)
est de classe C 1 sur louvert ]0 ; +[2 .
On a, pour tout (x, y) ]0 ; +[2 :
F
F
(x, y) = f  (x) f  (x + y),
(x, y) = f  (y) f  (x + y).
x
y
b) Soit a ]0 ; +[.
On a, pour tout x ]0 ; +[ :
f  (x) = (1 x) e x , f  (x) = (x 2) e x ,

= (2 + )(h2 + k2 ) + (h k)2  0.
147

Chapitre 4

Fonctions numriques de plusieurs variables relles

do le tableau des variations de f  :


x
f (x)



2
0

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


+

+
0

f  (x)

e 2

Si a  1, alors lquation f  (x) = f  (a), dinconnue


x ]0 ; +[, admet exactement une solution, et cest a.

alors f  (x) = f  (y) = f  (x + y).


On conclut que (x, y) est un point critique de f si et seulement
si :
x = y et f  (x) = f  (2x).
d) On a, pour tout x ]0 ; +[ :
f  (x) = f  (2x) (1 x) e x = (1 2x) e 2x
(1 x) e x (1 2x) = 0.
Lapplication
: ]0 ; +[ R, x  (1 x) e x (1 2x)
est de classe C 2 sur ]0 ; +[ et, pour tout x ]0 ; +[ :
 (x) = x e x + 2,

Si a > 1, alors lquation f  (x) = f  (a), dinconnue


x ]0 ; +[ admet exactement deux solutions, et lune delles
est a.

 (x) = (x + 1) e x .

do le tableau des variations de :


x
 (x)

 (x)

 (x)

(x)
On conclut que, pour tout a ]0 ; +[ fix, lquation
f  (x) = f  (a), dinconnue x ]0 ; +[, admet au plus une
solution distincte de a.
c) Soit (x, y) ]0 ; +[ fix. On a :
2

(x, y) = 0

x
(x, y) est un point critique de F

(x, y) = 0
y




f (x) f (x + y) = 0

f  (x) = f  (y) = f  (x + y).

f  (y) f  (x + y) = 0

0
>0


0


0


Par continuit et stricte monotonie par intervalles, il existe


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

Supposons f  (x) = f  (y) = f  (x + y).


Daprs b), les trois rels x, y, x + y ne sont pas deux deux
dirents.
Dautre part, comme x > 0 et y > 0, on a x + y  y et x + y  x.
Do ncessairement x = y, puis f  (x) = f  (x + y) = f  (2x).
148

f  () = ( 2) e < 0,

f  (2) = (2 2) e 2 > 0.

f) Daprs le cours, comme F est de classe C 1 sur louvert


]0 ; +[2 , si F admet un extremum local, cest ncessairement
en un point critique, donc au point (, ).

Corrigs des exercices

Comme f est de classe C 2 sur ]0 ; +[, par oprations, F est


de classe C 2 sur ]0 ; +[2 et, pour tout (x, y) ]0 ; +[2 :
2 F
(x, y) = f  (x) f  (x + y)
x2
2 F
(x, y) = f  (x + y)
xy
2 F
(x, y) = f  (y) f  (x + y)
y2
En particulier, au point critique (, ), avec les notations de
Monge :


2
2
rt s2 = f  () f  (2) f  (2)
=


f  () 2 f  (2) f  (),
 !"  !"  !"
<0

>0

<0

Daprs e), on dduit : rt s2 > 0 et r < 0.


On conclut que F admet en (, ) un maximum local.
Finalement F admet un extremum local et un seul, cest un
maximum local, et il est atteint en (, ).

Dunod. Toute reproduction non autorise est un dlit

r = f  () f  (2), s = f  (2), t = f  () f  (2).

On dduit :

149

Variables alatoires
discrtes, vecteurs
alatoires discrets
Plan
Les mthodes retenir 151
noncs des exercices

154

Du mal dmarrer ?

161

Corrigs des exercices

163

On abrge variable alatoire en


va.

150

CHAPITRE

Thmes abords dans les exercices

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.

Points essentiels du cours


pour la rsolution des exercices

Loi dune variable alatoire discrte, loi de la variable alatoire Y = f (X) o f


est une fonction dfinie sur X() et X une variable alatoire discrte

Esprance dune variable alatoire discrte, thorme de transfert, linarit de


lesprance, formule de lesprance totale

Moment dordre r et moment centr dordre r dune variable alatoire discrte,


variance et cart-type dune variable alatoire discrte, proprits

Loi dun couple de variables alatoires discrtes, lois dun vecteur alatoire discret, lois marginales, lois conditionnelles

Indpendance de deux variables alatoires discrtes, indpendance mutuelle


dune famille finie ou infinie de variables alatoires discrtes

Loi dune variable alatoire Z = f (X, Y) o f est une fonction dfinie sur
(X, Y)(), cas o Z = X + Y avec X et Y indpendantes, esprance de Z et
thorme de transfert

Covariance et coecient de corrlation linaire dun couple de variables alatoires discrtes, matrice de variance-covariance dun vecteur alatoire discret

Variance de la somme de deux variables alatoires discrtes, variance de la


somme de n variables alatoires discrtes, variance de la somme dans le cas
de lindpendance

Lois discrtes usuelles : loi de Bernoulli, loi binomiale, loi hypergomtrique,


loi uniforme, loi gomtrique, loi de Poisson.

Les mthodes retenir

Les mthodes retenir

Dterminer lensemble X() des valeurs prises par X, puis pour


chaque valeur x de X(), calculer P(X = x) (soit directement, soit
en dterminant dans un premier temps, P(X  x) ou P(X < x) ou
P(X  x) ou P(X > x)).

Exercices 5.1, 5.6, 5.10, 5.13, 5.14, 5.16


Pour dterminer
la loi de probabilit
dune va discrte X

Pour dterminer
la loi de probabilit
dun couple (X, Y) de va discrtes

Reconnatre une situation type dune loi usuelle.

Exercices 5.2, 5.8, 5.10, 5.12

Exprimer X laide dune ou plusieurs va discrtes, dterminer la


loi de chaque va pour en dduire la loi de X (voir les mthodes cidessous pour dterminer la loi dune va fonction dune va discrte et pour dterminer la loi dune va fonction dun couple de
va discrtes ).
Exercice 5.6.

Dterminer les ensembles X() et Y() des valeurs prises par X


et par Y, puis pour chaque couple (x, y) de X() Y(), calculer


P (X = x) (Y = y) .

Exercices 5.5, 5.9

Commencer par dterminer la loi de X, puis, pour chaque valeur x


de X(), dterminer la loi conditionnelle de Y sachant (X = x) pour
en dduire la loi du couple (X, Y).

Exercices 5.11, 5.12.


Utiliser la formule des probabilits totales avec comme systme com
 

plet dvnements (X = x) ; x X() ou (Y = y) ; y Y() .

Dunod. Toute reproduction non autorise est un dlit

Plus prcisment :
Pour dterminer
les lois marginales
connaissant la loi de probabilit
dun couple (X, Y) de va discrtes

pour tout x de X(),

P(X = x) =



P (X = x) (Y = y)

yY()

pour tout y de Y(),

P(Y = y) =



P (X = x) (Y = y) .

xX()

Exercices 5.5, 5.7, 5.9, 5.11, 5.12.

Pour dterminer
la loi de probabilit dune va Y
fonction dune va discrte X

Si Y = f (X) avec X une va discrte de loi connue, alors :




Y() = f (x) ; x X()
et

y Y(), P(Y = y) =

P(X = x).

xX() / f (x)=y

Exercice 5.3.
151

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

Si Z = f (X, Y) avec (X, Y) un couple de va discrtes de loi conjointe


connue, alors :


Z() = f (x, y) ; (x, y) X() Y()



et z Z(), P(Z = z) =
P (X = x) (Y = y) .
(x,y)X()Y()
f (x,y)=z

Pour dterminer
la loi de probabilit dune va Z
fonction dun couple
de va discrtes (X, Y)

Dans le cas o Z = X + Y, on obtient la loi de Z en crivant :




z Z(), P(Z = z) =
P (X = x) (Y = z x) .
xX()

Dans le cas o Z = min(X, Y), on obtient plus facilement la loi de Z


en calculant dans un premier temps :


z Z(), P(Z  z) = P (X  z) (Y  z) .

Dans le cas o Z = max(X, Y), on obtient plus facilement la loi de Z


en calculant dans un premier temps :


z Z(), P(Z  z) = P (X  z) (Y  z) .

Exercices 5.4, 5.11.

Utiliser la dfinition :



si X est une va discrte finie avec X() = x1 , . . . , xn
alors X admet une esprance et E(X) est donne par :
E(X) =

n


xi P(X = xi )

i=1



si X est une va discrte infinie avec X() = xn ; n N
alors X admet une esprance si et seulement si

la srie
xn P(X = xn ) converge absolument ;
n0

Pour montrer
quune va discrte
admet une esprance
et la calculer

dans ce cas, E(X) est donne par :

E(X) =

+


xn P(X = xn ).

n=0

Exercices 5.3 5.6, 5.9, 5.12 5.15, 5.18

Reconnatre une loi usuelle et appliquer les formules du cours.

Exercices 5.1, 5.2, 5.8 5.10, 5.12, 5.16

Utiliser la linarit de lesprance :


si X = 1 X1 + + n Xn avec (1 , . . . , n ) Rn
et, pour tout i 1 ; n, Xi admet une esprance
alors X admet une esprance et E(X) est donne par :
E(X) = 1 E(X1 ) + + n E(Xn ).

Exercices 5.1, 5.6, 5.10, 5.17


152

Les mthodes retenir

Utiliser la formule de lesprance totale :


soit (Ai )iI un systme complet dvnement ;
alors X admet une esprance si et seulement si
pour tout i de I tel que P(Ai )  0, E(X | Ai ) existe

et la srie
E(X | Ai )P(Ai ) converge absolument ;
iI ; P(Ai )0

dans ce cas, E(X) est donne par :



E(X | Ai )P(Ai ).
E(X) =
iI ; P(Ai )0

Exercices 5.12, 5.17

(suite)

Utiliser le thorme de transfert :



si Y = f (X) et si
f (x)P(X = x) converge absolument
xX()

alors Y admet une esprance et E(Y) est donne par :



E(Y) =
f (x)P(X = x)
xX()

si Z = f (X, Y) et si la srie double





f (x, y)P (X = x) (Y = y) converge absolument
(x,y)(X,Y)()

alors Z admet une esprance et E(Z) est donne par :





E(Z) =
f (x, y)P (X = x) (Y = y) .
(x,y)(X,Y)()

Exercices 5.5, 5.7, 5.8.



Montrer que X admet une esprance puis montrer que X E(X) 2
admet une esprance ;
%
&
dans ce cas, V(X) est donne par : V(X) = E X E(X) 2 .
Montrer que X et X 2 admettent une esprance ;

Dunod. Toute reproduction non autorise est un dlit

dans ce cas, V(X) est donne par :



V(X) = E(X 2 ) E(X) 2 .

Exercices 5.5, 5.6, 5.9, 5.13


Pour montrer
quune va discrte
admet une variance
et la calculer

Reconnatre une loi usuelle et appliquer les formules du cours.

Exercices 5.1, 5.9, 5.12


Utiliser la proprit suivante :
si X = X1 + + Xn et les va X1 , . . . , Xn admettent une variance
alors X admet une variance et V(X) est donne par :
n


V(X) =
V(Xi ) + 2
Cov(Xi , X j ) ;
i=1

1i< jn

de plus, si les va X1 , . . . , Xn sont mutuellement indpendantes,


n

V(Xi ).
alors V(X) est donne par : V(X) =
i=1

Exercices 5.1, 5.6, 5.10.


153

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

Utiliser :
ou

Pour calculer la covariance


dun couple (X, Y) de va discrtes

%

&
Cov(X, Y) = E X E(X) Y E(Y)
Cov(X, Y) = E(XY) E(X)E(Y).

Calculer V(X), V(Y), V(X + Y) (ou V(X Y)) et utiliser la formule :


(ou

V(X + Y) = V(X) + V(Y) + 2 Cov(X, Y)


V(X Y) = V(X) + V(Y) 2 Cov(X, Y)).

Si X et Y sont indpendantes, alors Cov(X, Y) = 0.

Exercices 5.1, 5.2, 5.9 5.11.

Pour montrer que


des va discrtes
sont indpendantes

Souvent, lindpendance de va est donne par lnonc.

Utiliser les dfinitions du cours.

Utiliser la proprit suivante :


si X1 , . . . , Xn sont mutuellement indpendantes,
alors, pour tout p 1 ; n, les va (X1 , . . . , X p ) et (X p+1 , . . . , Xn )
sont indpendantes.

Exercices 5.1, 5.4, 5.6, 5.11, 5.19.

Pour montrer que


deux va discrtes X et Y
ne sont pas indpendantes

Montrer quil existe x X() et y Y() tels que :




P (X = x) (Y = y)  P(X = x)P(Y = y).

Montrer que Cov(X, Y)  0.

Exercice 5.1.

noncs des exercices


5.1 Exemple de somme de n va non indpendantes
On considre une suite (Xn )n1 de va mutuellement indpendantes suivant une mme loi de
Bernoulli de paramtre p (0 < p < 1).
On pose, pour tout n  1 :

Yn = Xn Xn+1

et Un = Y1 + + Yn .

a) Pour tout n  1, dterminer la loi de Yn puis calculer E(Yn ) et V(Yn).


b) Les variables alatoires Yn sont-elles mutuellement indpendantes ?
Calculer, pour tous n, m  1, Cov(Yn , Ym ).
c) Calculer, pour tout n  1, E(Un ) et V(Un ).

5.2 Tirages avec remise dans une urne contenant trois couleurs de boules
Une urne contient des boules blanches en proportion b, des boules rouges en proportion r et des
boules jaunes en proportion j.
Ainsi, on a :

0 < b < 1, 0 < r < 1, 0 < j < 1 et b + r + j = 1.

On eectue dans cette urne n tirages avec remise (n N ), et on note B (resp. R, J) le nombre
de boules blanches (resp. rouges, jaunes) obtenues.
154

noncs des exercices

a) Donner les lois de B, R, J, leurs esprances et leurs variances.


b) Donner la loi de B + R. En dduire Cov(B, R).
c) On note X le vecteur alatoire X = (B, R, J).
1) Dterminer la loi du vecteur X.
2) Dterminer la matrice de variance-covariance du vecteur X.

5.3 Exemple dune va fonction dune autre va discrte


On considre une va X dfinie sur un espace probabilis (, A , P) valeurs dans N.

0 si X() est impair

.
On dfinit la va Y par : , Y() =
X()

si X() est pair


2
a) On suppose que X suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
Dterminer la loi de Y et calculer son esprance.
b) On suppose que X suit la loi de Poisson de paramtre , avec R+ .
Dterminer la loi de Y et calculer son esprance.

5.4 Exemple dune va fonction dun couple de va discrtes


On considre une va X suivant la loi uniforme sur {1, 2} et une va Y, indpendante de X, suivant
la loi de Poisson de paramtre > 0. On dfinit la va Z = XY.
a) Dterminer la loi de Z. Calculer son esprance et sa variance.
b) Calculer la probabilit que Z soit pair.

5.5 Loi du plus petit numro et du plus grand numro obtenus lors dun tirage simultan de
deux boules
Dans cet exercice, on utilisera : (n, p) N2 tel que p  n,

n


k
k=p


n+1
.
p+1

Dunod. Toute reproduction non autorise est un dlit

Soit n  2. On considre une urne contenant n boules numrotes de 1 n. On tire simultanment


deux boules au hasard et on note X la va gale au plus petit des deux numros tirs et Y la va
gale au plus grand des deux numros tirs.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.


b) Calculer E(Y) puis E Y(Y 2) . En dduire V(Y).
c) Montrer que n + 1 X et Y ont la mme loi. En dduire E(X) et V(X).


d) Calculer E X(Y 2) . En dduire la covariance de (X, Y).
e) Pour quelles valeurs de n le coecient de corrlation linaire de X et Y est-il dfini ? Dterminer sa valeur dans ce cas.

5.6 Exemple de produit et de somme de n va mutuellement indpendantes, daprs loral HEC


2008
On considre une suite (Xn )nN de va mutuellement indpendantes de mme loi, valeurs dans
{1, 1}, dfinies sur un mme espace probabilis (, A , P).
On pose, pour tout n N , p = P(Xn = 1), et on suppose que p ]0 ; 1[.
155

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

a) Pour tout n N , on pose :

Yn =

n
-

Xi .

i=1

1) Calculer, pour tout n N , E(Yn ) et V(Yn ).


2) Dterminer la loi de Y2 et la loi de Y3 .
3) On pose, pour tout n N , pn = P(Yn = 1). Dterminer une relation de rcurrence entre
pn+1 et pn . En dduire une expression de pn en fonction de p et n.
b) Pour tout n N , on pose :

Sn =

n


Xi .

i=1

1) Calculer, pour tout n N , E(S n ) et V(S n ).


2) Dterminer, pour tout n N , la loi de S n . (On pourra se ramener des variables alatoires
Xi , pour 1  i  n, indpendantes suivant une loi de Bernoulli).

5.7 Exemple de loi conjointe


Soit a R. On considre un couple (X, Y) de va discrtes de loi conjointe donne par :
(i, j) N2 , P(X = i, Y = j) = a

i+ j
.
i! j!

a) Dterminer la valeur de a.
b) Dterminer les lois marginales de X et de Y. Les va X et Y sont-elles indpendantes ?
c) Montrer que le couple (X, Y) admet une covariance et la calculer.
d) Montrer que la va Z = 2X+Y admet une esprance et la calculer.

5.8 Tirages successifs dans deux urnes


Soit n N . On dispose de deux urnes : lurne U1 contient n boules blanches et n boules noires
et lurne U2 contient 1 boule blanche et 2 boules noires.
On tire simultanment n boules de U1 et on les met dans lurne U2 . On note X la va gale au
nombre de boules blanches tires de U1 .
a) Dterminer la loi de X ; donner son esprance. On admet que V(X) =

n2
.
4(2n 1)

b) A lissue du transfert de boules, on tire une boule de U2 .


Exprimer la probabilit dobtenir une boule blanche en fonction de n et E(X) puis calculer cette
probabilit.
c) Maintenant, lissue du transfert de boules, au lieu de tirer une boule de U2 , on tire simultanment deux boules de U2 . Exprimer la probabilit dobtenir deux boules blanches en fonction
de n, E(X) et V(X) puis calculer cette probabilit.

5.9 Loi du premier succs et loi du deuxime succs


On rpte, de faon indpendante, une exprience alatoire au cours de laquelle un vnement
A se ralise, chaque fois, avec la probabilit p, avec 0 < p < 1.
On note X la va gale au rang de la premire ralisation de lvnement A, et Y celle gale au
rang de sa deuxime ralisation.
a) Dterminer la loi du couple (X, Y). En dduire les lois marginales de X et de Y.
156

noncs des exercices

b) Montrer que X et Y admettent une esprance et une variance puis calculer E(X), E(Y), V(X),
V(Y).
c) Montrer que (X, Y) admet une covariance et calculer Cov(X, Y). En dduire X,Y .
d) Soit n  2. Dterminer la loi conditionnelle de X sachant (Y = n).

5.10 Tirages simultans dans une urne, daprs loral HEC 2008
Soit n N . Une urne contient 2n boules de couleurs toutes direntes. La moiti dentre elles
sont marques du chire zro et les autres sont numrotes de 1 n. On tire simultanment
n boules de cette urne, obtenant ce que lon appelle une poigne. On suppose que toutes les
poignes sont quiprobables.
Pour tout i 1 ; n, on note Xi la va qui prend la valeur 1 si la boule i se trouve dans la poigne
et 0 sinon.
a) Pour tout i 1 ; n, dterminer la loi de probabilit de Xi .
b) Pour tout (i, j) 1 ; n2 tel que i  j, calculer la covariance du couple (Xi , X j ).
c) On note S la va gale la somme des numros ports par les boules figurant dans la poigne.
1) Exprimer S en fonction de X1 , X2 , . . . , Xn
2) En dduire lesprance et la variance de S .
d) On note Z la va gale au nombre de boules portant le numro zro dans la poigne. Donner
la loi de probabilit de Z puis son esprance.

5.11 Exemple dune loi conjointe connaissant les lois conditionnelles


Soient X et S deux va dfinies sur un mme espace probabilis, valeurs dans N. On suppose
que S suit la loi de Poisson de paramtre , avec > 0, et quil existe p ]0 ; 1[ tel que, pour
tout n de N, la loi conditionnelle de X sachant (S = n) est la loi binomiale de paramtre (n, p).
a) Dterminer la loi du couple (S , X), puis la loi de X.
b) On pose Y = S X. Dterminer la loi de Y et montrer que X et Y sont indpendantes.
c) En dduire que Cov(S , X) = V(X), puis calculer S ,X .

5.12 Lancers dune pice


Dunod. Toute reproduction non autorise est un dlit

On dispose dune pice amenant pile avec la probabilit p (0 < p < 1).
Dans un premier temps, on lance cette pice jusqu obtenir pour la premire fois un pile et on
note N le nombre de lancers ncessaires. Dans un deuxime temps, si le premier pile est apparu
au n-ime lancer, on lance cette mme pice n fois, et lon note X le nombre de piles obtenus.
a) Donner la loi de N, son esprance et sa variance.
b) Soit n N . Dterminer la loi de X conditionnelle lvnement (N = n).
c) En dduire lexistence et la valeur de lesprance de X.
d) Dterminer la loi de X et retrouver la valeur de E(X).

5.13 Exemple de va fonction dun couple de va discrtes, daprs EML 2010


Soient X et Y deux vas indpendantes suivant toutes les deux
la #loi gomtrique de paramtre p,
#
avec 0 < p < 1. On pose q = 1 p. On dfinit la va Z = ## X Y ##.
157

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

a) Calculer la probabilit P(Z = 0), puis montrer : n N , P(Z = n) =

2pqn
.
1+q

b) Montrer que Z admet une esprance et la calculer.




c) Montrer : E (X Y)2 = 2V(X).
d) En dduire que Z admet une variance et la calculer.

5.14 Dplacement dun mobile sur un axe gradu


Un mobile se dplace sur les points coordonnes entires dun axe dorigine O. Au dpart,
le mobile est lorigine (point dabscisse 0). Le mobile se dplace selon la rgle suivante : sil
est sur le point dabscisse k linstant n, alors, linstant (n + 1), il sera sur le point dabscisse
1
k+1
ou sur le point dabscisse 0 avec la probabilit
.
(k + 1) avec la probabilit
k+2
k+2
Pour tout n de N, on note Xn labscisse de ce point linstant n et un = P(Xn = 0).
a) Montrer, pour tout n N et tout k 1 ; n + 1, P(Xn+1 = k) =

k
P(Xn = k 1).
k+1

b) En dduire que, pour tout n N et tout k 0 ; n, P(Xn = k) =


n


c) Montrer que, pour tout n N,

j=0

1
unk .
k+1

uj
= 1. En dduire u0 , u1 , u2 , u3 .
n j+1

d) Montrer que, pour tout n N, E(Xn+1 ) = E(Xn ) + un+1 .


En dduire, pour tout n N , une expression de E(Xn ) sous forme de somme mettant en jeu
certains termes de la suite (un )nN .
e) On note T linstant auquel le mobile se trouve pour la premire fois lorigine (sans compter
son positionnement au dpart) et on convient que T prend la valeur 0 si le mobile ne revient
jamais lorigine.
1
.
n(n + 1)
En dduire P(T = 0) = 0 et interprter ce rsultat.

1) Montrer :

n N , P(T = n) =

2) La variable T a-t-elle une esprance ?

5.15 Une autre expression de lesprance


On considre une variable alatoire discrte X valeurs dans N.
n
n1



kP(X = k) =
P(X > k) nP(X > n).
a) Montrer, pour tout n N :
k=0

k=0

b) 1) On suppose que X admet une esprance. Montrer : lim nP(X > n) = 0.


n+
+


P(X > n) converge puis que
P(X > n) = E(X).
En dduire que
n0

2) On suppose que la srie

n=0

P(X > n) converge. Montrer que X admet une esprance.

n0

c) noncer le rsultat dmontr.

5.16 Minimum et maximum de n va indpendantes


Soit n  1. On considre des va X1 , . . . , Xn indpendantes, suivant toutes la loi gomtrique de
paramtre p, avec 0 < p < 1. On note q = 1 p.
158

noncs des exercices

Enfin, on pose :

U = min Xi
1in

et V = max Xi .
1in

a) Dterminer la loi de U. En dduire que U admet une esprance et donner E(U).


b) Dterminer la loi de V. En utilisant lexercice 5.15, montrer que V admet une esprance et
n


1
n
(1)i+1
.
que E(V) =
1

qi
i
i=1

5.17 Somme alatoire de variables alatoires discrtes


On considre une suite (Xn )nN de va mutuellement indpendantes, valeurs dans N, de mme
loi et admettant une esprance.
On considre une autre va N, indpendante des va Xn pour n N , et valeurs dans N.

X1 () + + XN() () si N()  1
.
On dfinit la va S par : S () =
0
si N() = 0
a) Soit n N tel que P(N = n)  0. Montrer que lesprance conditionnelle de S sachant
(N = n) existe et la calculer.
b) En dduire que S admet une esprance et que lon a :

E(S ) = E(X1 )E(N).

5.18 Fonction gnratrice dune va


Soit X une va discrte valeurs dans N. On dfinit la fonction gnratrice de X par :
+

G X : t  G X (t) =
P(X = n) tn .
n=0

On pose, pour tout n N, pn = P(X = n).


a) Montrer que la fonction gnratrice G X de X est dfinie sur [1 ; 1]. Calculer G X (1).
b) Calculer la fonction gnratrice de X sur [1 ; 1] lorsque X suit une loi usuelle :
X  b(p),

X  B(n, p),

X  G (p),

X  P().


G X (t) G X (1) 
=
1 + t + + tn1 pn .
t1
n=1
+

c) 1) Montrer, pour tout t [0 ; 1[ :

Dunod. Toute reproduction non autorise est un dlit

En dduire que la fonction t 

G X (t) G X (1)
est croissante sur [0 ; 1[.
t1

2) On suppose que X admet une esprance.


Montrer que G X est drivable gauche en 1 et GX (1)  E(X).
3) On suppose G X drivable gauche en 1. Montrer : N N ,

N


n pn  GX (1).

n=1

En dduire que X admet une esprance et que E(X)  GX (1).


4) noncer le rsultat dmontr.
Retrouver lexpression connue de E(X) lorsque X suit une loi usuelle :
X  b(p),

X  B(n, p),

X  G (p),

X  P().

5.19 Fonction gnratrice et somme de va


Pour toute va X valeurs dans N, on note G X sa fonction gnratrice dfinie dans lexercice 5.18.
a) Soient X et Y deux va indpendantes valeurs dans N.
159

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

Montrer :

t [0 ; 1], G X+Y (t) = G X (t)GY (t).

b) Soient X1 , . . . , Xn des va valeurs dans N, mutuellement indpendantes et de mme loi.



n
On pose : S = X1 + + Xn . Montrer : t [0 ; 1], GS (t) = G X1 (t) .
c) Soient (Xn )nN une suite de va valeurs dans N, mutuellement indpendantes et de mme loi
et N une autre va valeurs dans N et indpendante des va Xn , pour n N .
On dfinit la va S par :
S = X1 + + XN , cest--dire :

, S () = X1 () + + XN() ().

1) Montrer : t [0 ; 1], GS (t) = G N G X1 (t).


2) On suppose que X1 et N admettent une esprance. En utilisant lexercice 5.18, montrer que
S admet une esprance et la calculer en fonction de E(X1 ) et E(N).

5.20 Entropie dune va

On note h la fonction dfinie par h(x) =

x ln x si x > 0
0
si x = 0.

Soit X une va discrte dfinie sur un espace probabilis (, A , P).




h P(X = x) .
On pose, sous rserve dexistence, H(X) =
xX()

Le rel H(X) est appel lincertitude moyenne ou entropie de X.


a) On suppose que H(X) existe. Montrer que H(X)  0, puis montrer que H(X) = 0 si et
seulement si X est quasi-certaine.
Dans la suite, on pourra utiliser le rsultat suivant, pour tout x > 0 :


ln x  x 1 et
ln x = x 1 x = 1 .
b) On suppose que X est une va finie et on note X() = {x1 , . . . , xn }.
On pose, pour tout i 1 ; n, ui = P(X = xi ).
1) Soit X0 une va suivant la loi uniforme sur {x1 , . . . , xn }. Calculer H(X0 ).
2) Montrer : i 1 ; n, h(ui ) 

1
ui + ui ln n.
n

3) En dduire que H(X)  ln n, puis montrer que H(X) = ln n si et seulement si X suit la loi
uniforme sur {x1 , . . . , xn }.
c) On suppose que X est une va discrte infinie valeurs dans N , non quasi-certaine, et telle
que E(X) et H(X) existent, et on note m = E(X). On a alors : m > 1.
1) Soit p ]0 ; 1[ et soit X0 une va suivant la loi gomtrique de paramtre p.
Montrer que H(X0 ) existe et la calculer.
2) On pose, pour tout n N , un = P(X = n) et vn =
Montrer :

n N , h(un )  vn un un ln(vn ).

1 n1
1
1
.
m
m

3) En dduire que H(X)  m ln m (m 1) ln(m 1),


puis montrer que H(X) = m ln m (m 1) ln(m 1) si et seulement si X suit la loi gomtrique
1
de paramtre .
m
160

Du mal dmarrer ?

Du mal dmarrer ?
5.1

a) Pour tout n  1, calculer P(Yn = 1), puis reconnatre


une loi usuelle.
b) Remarquer que si m  n 1, n, n + 1, les va Yn et Ym sont
indpendantes.
Pour calculer Cov(Yn , Ym ) lorsque m = n 1 ou n ou n + 1, remarquer que E(Yn Ym ) = P(Yn = 1, Ym = 1).

5.7

a) Utiliser le fait que

P(X = i, Y = j) = 1.

(i,j)N2

c) Pour calculer E(Un ), utiliser la linarit de lesprance.

b) Pour dterminer les lois marginales de X et de Y , utiliser la


mthode dcrite dans les mthodes retenir .

Pour calculer V (Un ), utiliser la formule de la variance dune


somme de n va discrtes.

Montrer que X et Y ne sont pas indpendantes, par exemple


en considrant P(X = 0, Y = 0).

5.2

c) Montrer, dans un premier temps, que X et Y admettent une


esprance et les calculer. Puis montrer, laide du thorme de
transfert, que XY admet une esprance et la calculer.

a) Reconnatre des situations types.

b) Pour la loi de B+R, reconnatre une situation type. En dduire


la valeur de V (B + R) puis celle de Cov(B, R).


c) 1) Calculer, pour tout (k1 , k2 , k3 ) N3 , P X = (k1 , k2 , k3 ) en
distinguant les cas k1 + k2 + k3  n, k1 + k2 + k3 = n.
c) 2) Utiliser la dfinition de la matrice de variance-covariance.

5.3

a)

n N , P(Y = n) = P(X = 2n)


+

P(X = 2n + 1).
P(Y = 0) =

Remarquer :
et justifier :

n=0

b)

Remarquer :
et justifier :

n N , P(Y = n) = P(X = 2n)


+

P(Y = 0) = P(X = 0) +
P(X = 2n + 1).
n=0
+


+


2n
, considrer S2 =
et dPour calculer S1 =
(2n + 1)!
(2n)!
n=0
n=0
terminer S1 + S2 et S2 S1 .

5.4

2n+1

a) Justifier que pour tout n de N :


P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1) et
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n).

Pour calculer E(Z) et E(Z 2 ), utiliser lindpendance de X et Y .

b) crire :

P(Z est pair) =

+


P(Z = 2n).

n=0

Dunod. Toute reproduction non autorise est un dlit

Xi + 1
. Dterminer la loi
2
des Xi , exprimer Sn en fonction de ces va puis utiliser le cours.

b) 2) Poser, pour tout i 1 ; n, Xi =

5.5

a) Calculer, pour (i, j) 1 ; n 1 2 ; n, P(X = i, Y = j).


En dduire les lois marginales par la mthode habituelle.
b) Calculer E(Y ) en utilisant la dfinition de lesprance et


E Y (Y 2) en utilisant le thorme de transfert.
c) Exprimer E(X) en fonction de E(Y ), puis V (X) en fonction de
V (Y ).


d) Calculer E X(Y 2) en utilisant le thorme de transfert.
e) Utiliser la dfinition du coefficient de corrlation linaire.

5.6

a) 1) Utiliser lindpendance mutuelle des va Xi .

a) 3) Montrer :

n N , pn+1 = (2p 1)pn + 1 p,

puis en dduire une expression de pn en fonction de n.

b) 1) Utiliser la linarit de lesprance et la formule donnant


la variance dune somme de va mutuellement indpendantes.

d) Utiliser le thorme de transfert.

5.8

a) Reconnatre une situation type.

b) Noter E : on tire une boule blanche dans U2 , puis calculer, dans un premier temps, P(X=k) (E) pour tout k 0 ; n. Enfin
appliquer la formule des probabilits totales.
c) Raisonner de la mme faon quau b).

5.9

a) Utiliser les mthodes habituelles.

b) Utiliser les dfinitions de cours.


c) Montrer, dans un premier temps, que XY admet une esprance et la calculer laide du thorme de transfert.
d) Utiliser la dfinition dune loi conditionnelle.

5.10

a) Calculer P(Xi = 1).

b) Calculer tout dabord E(Xi Xj ) = P(Xi = 1, Xj = 1).


c) 1) Remarquer que S =

n


iXi .

i=1

c) 2) Utiliser les formules donnant lesprance et la variance


dune somme de n va.
d) Reconnatre une situation type.

5.11

a) Utiliser les mthodes habituelles.

b) Commencer par dterminer, pour tout n de N, la loi conditionnelle de Y sachant (S = n). Puis appliquer convenablement
le rsultat du a).
Utiliser la dfinition de lindpendance.

c) Commencer par crire Cov(S, X) = Cov(X + Y, X), puis utiliser


des proprits sur la covariance.

5.12

a) Reconnatre une loi usuelle.

b) Reconnatre une loi usuelle.


c) Utiliser la formule de lesprance totale.
d) Pour dterminer la loi de X, calculer P(X = k) en distinguant
les cas k = 0 et k  1.
Pour dterminer E(X), utiliser la dfinition de lesprance.

161

Chapitre 5

5.13

Variables alatoires discrtes, vecteurs alatoires discrets

5.17

a) Justifier : P(Z = 0) = P(X = Y )

et : n N , P(Z = n) = P(X Y = n) + P(Y X = n).

b) Utiliser la dfinition de lesprance.


c) Utiliser la linarit de lesprance, puis lindpendance de X
et Y .
d) En dduire E(Z 2 ) = 2V (X), puis calculer V (Z).

5.14

a) Utiliser, par exemple, la formule des probabilits totales avec comme systme complet dvnements
(Xn = 0), . . . , (Xn = n).

b) Appliquer de faon rpte la relation du a).


n


c) Utiliser le fait que

a) Obtenir :

b) Utiliser la formule de lesprance totale.

5.18

a) Montrer que, pour tout t [1 ; 1], la srie de terme


gnral pn tn converge absolument, donc converge.

b) Dans chacun des cas, remplacer P(X = n) par son expression,


puis simplifier GX (t).

k=0

c) 2) Montrer que le taux daccroissement de GX en 1 est major


par E(X), puis conclure.
N


k=0

d) crire : k 1 ; n + 1, (k + 1)P(Xn+1 = k) = kP(Xn = k 1).

N N , t [0 ; 1[,

(1 + t + + tn1 )pn 

n=1

+

(1 + t + + tn1 )pn .
n=1

Puis sommer cette relation.

Puis passer la limite quand t tend vers 1. Conclure.

e) 1) Dcomposer lvnement (T = n).

c) 4) Dans chacun des cas, montrer que GX est drivable


gauche en 1 et calculer E(X) = GX (1).

P(T = 0) = 1

Justifier :

+


P(T = n).

5.19

a) crire GX+Y (t) sous forme dune somme double et intervertir les deux sommes.

n=1

e) 2) Montrer que T nadmet pas desprance.

5.15

a) Remplacer dans la premire somme P(X = k) par


P(X > k 1) P(X > k), et faire apparatre une somme tlscopique.
n N, 0  nP(X > n) 

b) 1) Montrer :

pour en dduire que lim nP(X > n) = 0.

+


crire :

n N,

n1


P(X > k) =

k=0

n


kP(X = k) + nP(X > n),

k=0

kP(X = k) 

k=0

n1


t [0 ; 1], GS (t) =

n=0

k=1

c) 2) Montrer que la fonction GS est drivable gauche en 1,


laide de lexercice 5.18, puis montrer : E(S) = E(X1 )E(N).

b) 1) Obtenir :

H(X0 ) = ln n.

b) 2) Appliquer lingalit donne par lnonc x =

k=0
n


ui  0.
kP(X = k) est

k=0

c) 1) Obtenir :

5.16

a) Calculer, dans un premier temps, P(U > k), pour tout


k N, puis reconnatre une loi usuelle.

b) Calculer, dans un premier temps, P(V  k), pour tout k N,


puis en dduire la loi de V .

Montrer que
P(V > k) converge puis utiliser lexercice 5.15.

1
si
nui

b) 3) Sommer lingalit prcdente. Traiter le cas dgalit.

majore et conclure.

k0


P(N = k)P(X1 + + Xk = n) tn ,

a) Remarquer que H(X) est une somme de rels positifs


ou nuls.

P(X > k).

En dduire que la suite de terme gnral Sn =

+  
+


5.20

b) 2) Remarquer que, pour tout n de N :


n


c) 1) Montrer :

puis intervertir les deux sommes.

puis passer la limite quand n tend vers +.

0

b) Raisonner par rcurrence sur n.

kP(X = k),

k=n+1

n+

162

tn 1  k
=
t .
t1
n1

c) 1) Faire apparatre lexpression

c) 3) Justifier :

P(Xn = k) = 1.



E S | (N = n) = nE(X1 ).

H(X0 ) = ln p

1p
ln(1 p).
p

c) 2) Appliquer lingalit donne par lnonc x =


un  0.

c) 3) Raisonner de la mme faon quau b) 3).

vn
si
un

Corrigs des exercices


Cov(Yn , Ym ) = V(Yn ) = p2 (1 p)(1 + p).

5.1
a) Soit n  1. Alors Yn prend les valeurs 0 et 1.
P(Yn = 1) = P(Xn Xn+1 = 1) = P(Xn = 1, Xn+1 = 1)

On a :

= P(Xn = 1)P(Xn+1 = 1) = p2
car Xn et Xn+1 sont indpendantes
Ainsi la va Yn suit la loi de Bernoulli de paramtre p2 .
On a alors :
et

E(Yn ) = p2
V(Yn ) = p2 (1 p2 ) = p2 (1 p)(1 + p).

b) Les va Yn et Yn+1 ne sont pas indpendantes car :


P(Yn = 1, Yn+1 = 1) = P(Xn Xn+1 = 1, Xn+1 Xn+2 = 1)
= P(Xn = 1, Xn+1 = 1, Xn+2 = 1)

On conclut : Cov(Yn , Ym )

p3 (1 p)
si m = n 1 ou n + 1

2
(1

p)(1
+
p)
si m = n
p
.
=

0
si m  n 1, n, n + 1
c) Par linarit de lesprance,
E(Un ) = E(Y1 ) + + E(Yn ) = np2 .
Les va Yn ntant pas mutuellement indpendantes, on utilise
la formule gnrale donnant la variance dune somme de n va :
V(Un ) =

= P(Xn = 1)P(Xn+1 = 1)P(Xn+2 = 1) = p3 ,


et P(Yn = 1) P(Yn+1 = 1) = p2 p2 = p4 ;

n


V(Yi ) + 2

i=1

1i< jn

n


n1


V(Yi ) + 2

i=1

ainsi puisque p ]0 ; 1[,

Cov(Yi , Y j )
 !"
= 0 si j  i + 1

Cov(Yi , Yi+1 )

i=1

= nV(Y1 ) + 2(n 1)Cov(Y1 , Y2 )

P(Yn = 1, Yn+1 = 1)  P(Yn = 1) P(Yn+1 = 1).


Donc les va Yn ne sont pas mutuellement indpendantes.

= np2 (1 p2 ) + 2(n 1)p3 (1 p)




= p2 (1 p) n(1 + p) + 2(n 1)p

Soient n, m  1 avec m  n 1, n, n + 1.

= p2 (1 p)(3np + n 2p).

La va Yn fait intervenir les va Xn et Xn+1 et la va Ym fait intervenir les va Xm et Xm+1 . Il ny a pas de va Xi en commun. Par
indpendance des va Xi , on en dduit que Yn et Ym sont indpendantes.
Ainsi :

Cov(Yn , Ym ) = 0.

Soit n  1 et m = n + 1. On a :
Cov(Yn , Ym ) = E(Yn Ym ) E(Yn )E(Ym ).
Or :

E(Yn Ym ) = P(Yn = 1, Ym = 1)

car Yn () = Ym () = {0, 1}
= P(Yn = 1, Yn+1 = 1) = P(Xn = 1, Xn+1 = 1, Xn+2 = 1)
= P(Xn = 1)P(Xn+1 = 1)P(Xn+2 = 1) = p3
car Xn , Xn+1 , Xn+2 sont indpendantes
Et :

E(Yn )E(Ym ) = (p2 )2 = p4 .

Ainsi :

Cov(Yn , Ym ) = p3 p4 = p3 (1 p).

Soit n  2 et m = n 1. On a :
Cov(Yn , Ym ) = Cov(Ym , Yn ) = Cov(Ym , Ym+1 )
= p3 (1 p), daprs ce qui prcde.
Soit n  1 et m = n. Alors :

5.2
a) La va B prend ses valeurs dans 0 ; n.
On ralise ici une succession dpreuves de Bernoulli indpendantes (tirer une boule) dont la probabilit de succs (tirer une
boule blanche) est b, et la va B compte le nombre de succs.
Donc B suit la loi binomiale de paramtre (n, b).
On a alors :

E(B) = nb et

V(B) = nb(1 b).

De mme, R suit la loi binomiale de paramtre (n, r) et,


E(R) = nr

et

V(R) = nr(1 r).

Enfin, J suit la loi binomiale de paramtre (n, j) et,


E(J) = n j

et

V(J) = n j(1 j).

b) La va B + R compte le nombre de succs (tirer une boule


blanche ou une boule rouge) dont la probabilit est b + r.
Ainsi B + R suit la loi binomiale de paramtre (n, b + r).
On a alors : V(B + R) = n(b + r)(1 b r).
Or : V(B + R) = V(B) + V(R) + 2 Cov(B, R).
163

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets


1
On en dduit : Cov(B, R) = V(B + R) V(B) V(R)
2

n
= (b + r)(1 b r) b(1 b) r(1 r) = nbr.
2
Remarque : Cov(B, R) < 0, ce qui normal puisque si B augmente, R a tendance diminuer ; donc les va B et R voluent en
sens contraires.
c) 1) Soient (k1 , k2 , k3 ) N3 . Alors :


P X = (k1 , k2 , k3 ) = P(B = k1 , R = k2 , J = k3 ).
Si k1 + k2 + k3  n, alors P(B = k1 , R = k2 , J = k3 ) = 0.
Supposons k1 + k2 + k3 = n. La probabilit que les k1
premires boules soient blanches, que les k2 boules suivantes
soient rouges et les k3 dernires boules soient jaunes est gale
bk1 rk2 jk3 .
Mais, pour raliser lvnement (B = k1 , R = k2 , J = k3 ),
lordre des tirages nintervient pas
dans
le nombre de boules
n
choix pour placer les k1
obtenues de chaque couleur. Il y a
k1

n k1
choix pour placer les k2 boules
boules blanches, puis
k2


n k1 k2
rouges dans les places restantes, et enfin
pour plak3
cer les k3 boules jaunes.
P(B = k1 , R = k2 , J = k3 )

n n k1 n k1 k2 k1 k2 k3
b r j
=
k2
k3
k1

On a, pour tout n N :
P(Y = n) = P(X = 2n) = (1 p)2n1 p.
Puis :
=
=

n=0
+


c) 2) Par dfinition, la matrice V(X) de variance-covariance


de X est :

Cov(B, B) Cov(B, R) Cov(B, J)

V(X) = Cov(R, B) Cov(R, R) Cov(R, J).

Cov(J, B) Cov(J, R) Cov(J, J)


Daprs la question b),

nb j
nb(1 b) nbr

V(X) = nbr nr(1 r) nr j .

nb j
nr j n j(1 j)

5.3
a) La va Y prend ses valeurs dans N.
164

+

1
(X = 2n + 1)
n=0

+


P(X = 2n + 1) par incompatibilit des vnements


(1 p)2n p = p

+


n
(1 p)2

n=0

= p

n=0

1
1
=
.
2
1 (1 p)
2 p

La va Y admet une esprance



nP(Y = n) converge absolument
la srie
n0

la srie

nP(Y = n) converge

n0

(car tous les termes sont positifs).


N


On a : N  0,
= p(1 p)

nP(Y = n) =

n=0
N


N


n(1 p)2n1 p

n=1

n1

n (1 p)2

n=1

1
1 p
p(1 p)
2 = p(2 p)2
N
1 (1 p)2
#
#
puisque ##(1 p)2 ## < 1.

Ainsi :

n!
(n k1 )!
(n k1 k2 )!
=
bk1 rk2 jk3
k1 !(n k1 )! k2 !(n k1 k2 )! k3 ! (n k1 k2 k3 )!
n!
bk1 rk2 jk3 .
=
k1 ! k2 ! k3 !


3
Ainsi : (k
1 , k2 , k3 ) N , P X = (k1 , k2 , k3 )
n!

bk1 rk2 jk3 si k1 + k2 + k3 = n

.
=
k
1 ! k2 ! k3 !

0
si k1 + k2 + k3  n

P(Y = 0) = P

Donc Y admet une esprance et E(Y) =

1 p
.
p(2 p)2

b) La va Y prend ses valeurs dans N.


On a, pour tout n N :
P(Y = n) = P(X = 2n) = e

Puis :

2n
.
(2n)!

+
1


P(Y = 0) = P (X = 0) (X = 2n + 1)

= P(X = 0) +

+


n=0

P(X = 2n + 1)

n=0

= e +

par incompatibilit des vnements


2n+1

e
.
(2n + 1)!

+

n=0

Notons S 1 =

+

n=0

 2n
2n+1
et S 2 =
.
(2n + 1)!
(2n)!
n=0

Alors : S 1 + S 2 =

+
+
+ n



2n
2n+1

+
=
= e ,
(2n)!
(2n
+
1)!
n!
n=0
n=0
n=0

Corrigs des exercices

et :

S2 S1 =

+
+


2n
2n+1

(2n)!
(2n
+ 1)!
n=0
n=0

De plus, les va X 2 et Y 2 sont indpendantes, donc :

+
+

(1)2n 2n  (1)2n+1 2n+1
=
+
(2n)!
(2n + 1)!
n=0
n=0

On en dduit :

+

()n
= e .
n!
n=0

S1 =

e e
2

Ainsi, P(Y = 0) = e + e S 1 =

Donc :
et

S2 =

e + e
.
2

1 + 2 e e 2
.
2

La va Y admet une esprance



nP(Y = n) converge absolument
la srie
n0

la srie

E(Z 2 ) = E(X 2 Y 2 ) = E(X 2 )E(Y 2 ).

E(X 2 ) = 12 P(X = 1) + 22 P(X = 2) =


Or,
.
2

E(Y 2 ) = V(Y) + E(Y)2 = + 2

b) Lvnement E : Z est pair scrit : E =

(car tous les termes sont positifs).


nP(Y = n) =

n=0

N


n e

n=1

2n
(2n)!

P(Z = 2n)

n=0
+

n=0

n
.
n!

Donc :

+

1 + e 2
2n
=
.
(2n)!
2
n=0

P(E) =

1 + e 2 1 3 + e 2
+ =
.
4
2
4

5.5

5.4

a) La va X prend ses valeurs dans 1 ; n 1 et Y prend ses


valeurs dans 2 ; n.

a) La va Z prend ses valeurs dans N.

Soit (i, j) 1 ; n 1 2 ; n.

Soit n N.

 Si i  j, alors lvnement (X = i, Y = j) est impossible,


donc P(X = i, Y = j) = 0.

 On a : (Z = 2n + 1) = (X = 1) (Y = 2n + 1),
do, par indpendance de X et Y :
Dunod. Toute reproduction non autorise est un dlit

(Z = 2n).

En utilisant les calculs de lexercice 5.3 :

N1

(1 e 2 )
e

S1 =
.
N
2
4
(1 e 2 )
Donc Y admet une esprance et E(Y) =
.
4

+


+
+

n  e  2n
e
e  2n
+
=
+
2
(2n)!
n!
2
(2n)!
2
n=0
n=0

e  (2n)2n1
e  2n+1
=
=
2 n=1 (2n)!
2 n=0 (2n + 1)!
N

+
1
n=0

Par incompatibilit des vnements, P(E) =

nP(Y = n) converge

N


5( + 1)
.
2

On en dduit : V(Z) = E(Z 2 ) E(Z)2


5( + 1)  3 2 2 + 10
=
=

.
2
2
4

n0

On a : N  0,

E(Z 2 ) =

P(Z = 2n + 1) = P(X = 1)P(Y = 2n + 1)


e
2n+1
=

.
2
(2n + 1)!


 On a : (Z = 2n) = (X = 1) (Y = 2n)


(X = 2) (Y = n) ,
do, par incompatibilit des deux vnements puis indpendance de X et Y :
P(Z = 2n) = P(X = 1)P(Y = 2n) + P(X = 2)P(Y = n)
1
e  2n
n 
2n
n
1
+ e
=
+
.
= e
2
(2n)! 2
n!
2 (2n)! n!
Puisque les va X et Y sont indpendantes :
3
3
E(Z) = E(XY) = E(X)E(Y) = =
.
2
2

 Si i < j, alors lvnement (X = i, Y = j) est ralis si et


seulement si on tire les jetons numros i et j.


n
Puisquil y a
tirages possibles et que tous les tirages sont
2
quiprobables, on a :
1
P(X = i, Y = j) = n =
2

2
.
n(n 1)

On en dduit : (i, j) N2 ,
2

si 1  i < j  n

P(X = i, Y = j) =
.
n(n 1)

0
sinon
Soit i 1 ; n 1. Alors :
P(X = i) =

n

j=2

P(X = i, Y = j) =

n


2
2(n i)
=
.
n(n

1)
n(n
1)
j=i+1
165

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

Soit j 2 ; n. Alors :


P(Y = j) =

n1


d) Par le thorme de transfert, on a :

P(X = i, Y = j) =

i=1

j1

i=1

2( j 1)
2
=
.
n(n 1) n(n 1)




i( j 2)P(X = i, Y = j)
E X(Y 2) =

b) La va Y est une va discrte finie, donc Y admet une esprance


et une variance.
n
n


2
E(Y) =
jP(Y = j) =
j( j 1)
n(n 1) j=2
j=2


n


4
n+1
j
4
=
en utilisant
=
n(n 1) j=2 2
n(n 1) 3

j=2

=
=

la formule donne dans lnonc

(n + 1)n(n 1) 2(n + 1)
4

=
.
=
n(n 1)
6
3
Par le thorme de transfert,

E Y(Y 2) =
=

n


2
n(n 1)

j( j 1)( j 2)

j=2


n

n+1
12  j
12
en utilisant
=
=
n(n 1) j=3 3
n(n 1) 4
12
(n + 1)n(n 1)(n 2) (n + 1)(n 2)

=
.
n(n 1)
24
2

On en dduit :

V(Y) = E(Y ) E(Y)





2
= E Y(Y 2) + 2E(Y) E(Y)
2(n + 1) 4(n + 1)2
(n + 1)(n 2)
+2

=
2
3
9
%
&
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
18
18
2

c) Puisque X prend ses valeurs dans 1 ; n1, alors n + 1 X


prend ses valeurs dans 2 ; n.

i=1

i( j 2)

i=1

(n + 1)(n 2) 2(n + 1) 2(n + 1)2


+

4
3
9
+
%
(n + 1) 9(n 2) + 24 8(n + 1)
(n + 1)(n 2)
=
=
.
36
36
=

e) Le coecient de corrlation de X et de Y existe si et seulement si V(X)  0 et V(Y)  0, donc si et seulement si n  3.


On a alors : X,Y =

i=1

De mme :

n+1
.
3
De plus : V(n + 1 X) = (1)2 V(X) = V(X),
on en dduit :

E(X) = n + 1 E(Y) =

on en dduit : V(X) = V(Y) =

(n + 1)(n 2)
.
18

1
.
2

Ainsi :

E(n + 1 X) = n + 1 E(X),

Les va X1 , . . . Xn tant mutuellement indpendantes,


n
E(Xi ).
E(Yn ) =

Ainsi :

V(n + 1 X) = V(Y).

(n+1)(n2)
36
(n+1)(n2)
18

a) 1) Soit n N .

On en dduit que Y et n + 1 X ont mme loi.


et

Cov(X, Y)
=
(X)(Y)

5.6

Or, pour tout i N ,

E(n + 1 X) = E(Y)


2
n(n 1)

j1
n



2
( j 2)
i
n(n 1) j=2
i=1
n
n



( j 1) j
6
2
j
( j 2)
=
n(n 1) j=2
2
n(n 1) j=3 3


n+1
6
(n + 1)n(n 1)(n 2)
6

n(n 1)
4
n(n 1)
24
(n + 1)(n 2)
.
4

De plus : k 2 ; n, P(n + 1 X = k)


2(k 1)
= P(Y = k).
= P(X = n + 1 k) =
n(n 1)

Or :

166

j=2

Donc : Cov(X, Y) = E(XY) E(X)E(Y)




= E X(Y 2) + 2E(X) E(X)E(Y)

la formule donne dans lnonc


=

n1

Or, par la linarit de lesprance :




E X(Y 2) = E(XY) 2E(X).

j( j 2)P(Y = j)

j=2
n


j1
n 


E(Xi ) = P(Xi = 1) P(Xi = 1) = p (1 p) = 2p 1.


E(Yn ) = (2p 1)n .
E(Yn2 ) = E

n
i=1

n
 Xi2 =
E(Xi2 ).
i=1

Or, pour tout i N ,


E(Xi2 ) = P(Xi = 1) + (1)2 P(Xi = 1) = p + (1 p) = 1.
Ainsi :

E(Yn2 ) = 1.

On en dduit : V(Yn ) = E(Yn2 ) E(Yn )2 = 1 (2p 1)2n .

Corrigs des exercices

a) 2) La va Y2 prend ses valeurs dans {1, 1}. On a :




P(Y2 = 1) = P (X1 = 1, X2 = 1) (X1 = 1, X2 = 1)
= P(X1 = 1)P(X2 = 1) + P(X1 = 1)P(X2 = 1)

E(S n ) =

Et donc :

V(S n) =

P(Y2 = 1) = 1 P(Y2 = 1)
= 2p 2p2 = 2p(1 p).

La va Y3 prend ses valeurs dans {1, 1}.



On a : P(Y3 = 1) = P (X1 = 1, X2 = 1, X3 = 1)

Par incompatibilit des vnements puis indpendance des variables, P(Y3 = 1) = p3 + 3(1 p)2 p.
Et donc :

Sn =

i=1

S n prend ses valeurs dans



 

n + 2k ; k 0 ; n = n, n + 2, . . . , n 2, n .
k 0 ; n,
P(S n = n + 2k) =

P(S n

= P(Yn = 1)P(Xn+1 = 1) + P(Yn = 1)P(Xn+1 = 1)

a) Daprs le cours, la srie

= pn p + (1 pn ) (1 p).

sa somme est gale 1.

pn+1 = (2p 1)pn + 1 p.

1
.
2

converge et

P(X = i, Y = j) converge, et

Remarque : On retrouve alors lexpression de E(Yn ) et E(Yn2 ).


En eet :
E(Yn ) = P(Yn = 1) P(Yn = 1) = 2pn 1 = (2p 1)n

+


P(X = i, Y = j) =

j=0

 xn
n!
n0

+

i+ j
a
i! j!
j=0

+
+
+
+
a  1  j  a  1 
1 
i
+
=
i
+
=
i! j=0 j! j=0 j!
i! j=0 j! j=1 ( j 1)!

p1 = P(Y1 = 1) = P(X1 = 1) = p.

1
(2p 1)n + 1 .
2

+ n

x
= e x.
n!
n=0

Or : i N,


1 1
n N , pn = (2p 1)n1 p1
+ .
2
2

b) 1) Soit n N . Par linarit de lesprance,

Rappelons un rsultat de cours : pour tout x de R, la srie

1
La suite de terme gnral pn est alors une suite gomtrique
2
de raison (2p 1).

E(Yn2 ) = P(Yn = 1) + P(Yn = 1) = 1.


n k
= k) =
p (1 p)nk .
k

(i, j)N2

La suite (pn )nN est alors une suite arithmtico-gomtrique.

n N , pn =

Xi + 1
;
2

n
n




2Xi 1 = 2S n n, o S n =
Xi .

5.7

P(Yn+1 = 1)

Ainsi :

Daprs le cours, puisque les va sont indpendantes (car les


Xi le sont) et suivent toutes la loi de Bernoulli de paramtre p,
la va S n suit la loi binomiale de paramtre (n, p).

Les deux vnements tant incompatibles, puis les va Yn et Xn+1


tant indpendantes, on obtient :

On en dduit :

E(Xi2 ) E(Xi )2

Xi

(Yn+1 = 1) = (Yn = 1, Xn+1 = 1) (Yn = 1, Xn+1 = 1).

Soit tel que = (2p 1) + 1 p, cest--dire =

n


i=1

a) 3) Soit n N . Lvnement (Yn+1 = 1) peut scrire :

Dunod. Toute reproduction non autorise est un dlit

V(Xi ) =

b) 2) Soit n N . Notons, pour tout i 1 ; n, Xi =


alors Xi suit la loi de Bernoulli de paramtre p.

= 1 p3 3(1 p)2 p.

Or :

n


On en dduit que :

P(Y3 = 1) = 1 P(Y3 = 1)

On en dduit :

(2p 1) = n(2p 1).

i=1

i=1
i=1


= n 1 (2p 1)2 = 4np(1 p).

De plus :

(X1 = 1, X2 = 1, X3 = 1) (X1 = 1, X2 = 1, X3 = 1)

(X1 = 1, X2 = 1, X3 = 1) .

n


Puisque les va X1 , . . . , Xn sont indpendantes,

= p + (1 p) = 2p 2p + 1.
2

E(Xi ) =

i=1

car X1 et X2 sont indpendantes


2

n


=
Et :

a
i+1
(ie + e) = a e
.
i!
i!

+

i=0

ae

+
+

i+1
i  1
= ae
+
i!
i! i=0 i!
i=0

+

= ae
i=1

 1
1
+
= a e(2e) = 2ae2 .
(i 1)! i=0 i!

On en dduit que a =

1
.
2e2

b) La va X prend ses valeurs dans N. Soit i N.


167

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

P(X = i) =

Alors :

+


P(X = i, Y = j) = a e

j=0

1 i+1
=
2e i!

i+1
i!

daprs le calcul prcdent.

1 j+1
, par symtrie des rles de i et j.
2e j!
 1 2
P(X = 0)P(Y = 0) =
 0.
2e

c) Montrons, dans un premier temps, que X et Y admettent


une esprance.
La va X admet une esprance

la srie
iP(X = i) converge absolument
i0

la srie

i j P(X = i, Y = j) =

iP(X = i) converge (car tous les termes sont

N
N

1  i(i 1) + 3i
1 i2 + 2i
=
2 e i!
2 e i=0
i!
i=0
N
N




1
1
1
1

=
+3
( e + 3 e ) = 2.
N 2 e
2 e i=2 (i 2)!
(i

1)!
i=1

N  2,

i0

On en dduit que (X, Y) admet une covariance et


Cov(X, Y) = E(XY) E(X)E(Y) = 2

Soit N  2. Alors :

i=0

N
1  i(i + 1)
iP(X = i) =
2e i=0
i!

N


i(i 1) + 2i
i!
i=0
N
N



1
1
2 
1
3
=
+

(e + 2e) = .
2e i=2 (i 2)! i=1 (i 1)! N 2e
2
=

1
2e

Ainsi X admet une esprance et E(X) =

Utilisons le thorme de transfert, et montrons que la srie



double
2i+ j P(X = i, Y = j) converge absolument, au(i, j)N2

trement dit quelle converge car tous les termes sont positifs.

(i, j)N2

ment dit quelle converge car tous les termes sont positifs.
N


i j P(X = i, Y = j)

j=0

 j2 
1   j
1   i j(i + j) 
= 2 i2
+i
2
2e i! j=0
j!
2e i!
j!
j!
j=0
j=0
N

=
=

N
N

1
j( j 1) + j 
1 2
i
+
i
2
2e i!
( j 1)!
j!
j=1
j=0

168

N
N
N

2i   2 j (i + j) 
2i   2 j
2 j1 
=
i
+
2
2e2 i! j=0
j!
2e2 i! j=0 j!
( j 1)!
j=1

Donc : i N,

2i (i + 2)
2i
( e 2 i + 2 e 2) =
.
2
2e i!
2i!

+


2i+ j P(X = i, Y = j) =

Et :

N N,

N

2i (i + 2)
i=0

2i!

2i (i + 2)
.
2i!

N
N


2i1
2i
+
(i 1)! i=0 i!
i=1

e 2 + e 2 = 2 e 2 .
N

5.8
a) La va X compte le nombre de boules blanches obtenues lors
dun tirage simultan de n boules dans une urne contenant 2n
1
boules et dont la proportion initiale de boules blanches est .
2

1
Ainsi, X suit la loi hypergomtrique de paramtre 2n, n, .
2
n
On sait alors que E(X) = .
2
b) Notons E : on tire une boule blanche dans U2 .

N
N
N


1
1
1 
1  
= 2 i2
+i
+i
2e i!
( j 1)!
( j 2)!
( j 1)!
j=1
j=2
j=1

2i+ j P(X = i, Y = j)

j=0

Ainsi Z admet une esprance et E(Z) = 2 e 2 .

Utilisons le thorme de transfert, et montrons que la srie



i j P(X = i, Y = j) converge absolument, autredouble

N  2,

N


j=0

Montrons que la va XY admet une esprance.

Soit i N. Alors :

Soit i N. Alors : N  1,

3
.
2

Les va X et Y ayant la mme loi, Y admet une esprance et


3
E(Y) = .
2

1
3 3
= .
2 2
4

d) Montrons que la va Z = 2X+Y admet une esprance.

positifs).
N


1 i2 + 2i
.
2 e i!

Ainsi XY admet une esprance et E(XY) = 2.

Les va X et Y ne sont pas indpendantes car :


P(X = 0, Y = 0) = 0 et

+

j=0

Et :

La va Y prend ses valeurs dans N. Soit j N.


Alors : P(Y = j) =

Donc : i N,

1 i + 2i
1
( e i2 + 2 e i) =
.
2e2 i!
2 e i!
2

Alors : k 0 ; n, P(X=k) (E) =

k+1
.
n+3

Puisque les vnements (X = 0), . . . , (X = n) forment un systme complet dvnements, on a, par la formule des probabilits totales :

Corrigs des exercices

P(E) =

n


P(X = k)P(X=k) (E) =

k=0

n


P(X = k)

k=0

k+1
n+3

1 
(k + 1)P(X = k)
n + 3 k=0
E(X + 1)
=
par la formule de transfert.
n+3
n

On obtient :
Ainsi :

P(E) =

P(E) =

E(X) + 1
.
n+3

 si n < m, alors (X = n, Y = m)
= E1 . . . En1 S n En+1 . . . Em1 S m .
Par indpendance des ralisations,
P(X = n, Y = m) = p2 (1 p)m2 .
Pour tout n 1 ; +,
P(X = n) = P(E1 . . . En1 S n ) = (1 p)n1 p,

+1
n+2
=
.
n+3
2(n + 3)
n
2

par indpendance des vnements.

c) Notons F : on tire deux boules blanches dans U2 .


Alors :

 si m  n, alors P(X = n, Y = m) = 0

P(X=0) (F) = 0, et :
k+1

k(k + 1)
k 1 ; n, P(X=k) (F) = n+3 =
.
(n + 2)(n + 3)

Ainsi X suit la loi gomtrique de paramtre p, ce qui est normal puisque X est le temps dattente du premier succs.
Et, pour tout m 2 ; +, on a :

Puisque les vnements (X = 0), . . . , (X = n) forment un systme complet dvnements, on a, par la formule des probabilits totales :
P(F) =

n

k=0

=0+

P(Y = m) =

k=1

1
(n + 2)(n + 3)


E X(X + 1)
=
(n + 2)(n + 3)

On obtient :

k(k + 1)
(n + 2)(n + 3)
n

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

P(X = k)

P(F) =
=

k=0

m1


p2 (1 p)m2

n=1

= (m 1)p2 (1 p)m2 .

b) Puisque X suit la loi gomtrique de paramtre p, on sait


que X admet une esprance et une variance et :
E(X) =

1
p

et

V(X) =

1 p
.
p2

La va Y admet une esprance



la srie
mP(Y = m) converge absolument
m2

la srie
par la formule de transfert.

E(X ) + E(X)
(n + 2)(n + 3)

P(X = n, Y = m) =

n=1

P(X = k)P(X=k) (F)


n


+


mP(Y = m) converge

m2

(car tous les termes sont positifs).

On a :

V(X) + E(X)2 + E(X)


.
(n + 2)(n + 3)

M  2,
= p2

M


M


mP(Y = m)

m=2

m(m 1)(1 p)m2

m=2

n2
n2 n
+
+
4(2n 1)
4
2
*
& n(n2 + 2n 1)
n
=
n + n(2n 1) + 2(2n 1) =
.
4(2n 1)
2(2n 1)

Dunod. Toute reproduction non autorise est un dlit

Or :

p2
M

V(X) + E(X)2 + E(X) =

Ainsi :

P(F) =

n(n2 + 2n 1)
.
2(n + 2)(n + 3)(2n 1)

5.9
a) On dfinit, pour tout k N , les vnements :

(car |1 p| < 1).


2
.
p

La va Y admet une variance


Y admet
un moment dordre 2
m2 P(Y = m) converge absolument
la srie
m2

la srie

m2 P(Y = m) converge

m2

(car tous les termes sont positifs).

Ek : lvnement A ne se ralise pas la k-ime exprience

Soient n 1 ; + et m 2 ; +. On a :

2
3 = p

Ainsi Y admet une esprance et E(Y) =

S k : lvnement A se ralise la k-ime exprience

La va X prend ses valeurs dans 1 ; + et la va Y prend ses


valeurs dans 2 ; +.

2
1 (1 p)

On a :

M  2,
=

M

m=2

M


m2 P(Y = m)

m=2

m(m 2)P(Y = m) + 2

M


mP(Y = m)

m=2

169

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

= 6p2 (1 p)

M


m
m=3

(1 p)m3 + 2

M


mP(Y = m)

m=2

1
6 2p
6p2 (1 p)
4 + 2E(Y) = p2 .
M
1 (1 p)
Donc Y admet un moment dordre 2 et E(Y 2 ) =

6 2p
.
p2

Ainsi Y admet une variance et


V(Y) = E(Y 2 ) E(Y)2 =

2(1 p)
.
p2

c) Montrons que la va XY admet une esprance.


Utilisons le thorme de transfert, et montrons que la srie

n m P(X = n, Y = m) converge absolument, autredouble

Ainsi la loi conditionnelle de X sachant (Y = n) est la loi uniforme sur 1 ; n 1.


Remarque : Ce rsultat tait prvisible puisque, sachant
(Y = n), le rang de la premire ralisation de A est compris
entre 1 et n 1, et chaque rang est quiprobable.

5.10
a) Soit i 1 ; n. Alors Xi prend ses valeurs dans {0, 1}.
Pour raliser lvnement (Xi = 1), il faut prendre la boule i
(1 choix),
 puis
 tirer n 1 autres boules parmi les 2n 1 restantes ( 2n1
choix). Enfin, tous les tirages sont quiprobables
n1
et il y a 2n
tirages
possibles.
n
12n1

(n,m)

ment dit quelle converge car tous les termes sont positifs.
Soit m  2. Alors :
=

m1


+


nmP(X = n, Y = m)

= mp2 (1 p)m2

Et : M  2,
M


M

1
m=2

m1


1
n = m2 (m 1)p2 (1 p)m2 .
2
n=1

3 p
.
p2
On en dduit que (X, Y) admet une covariance et

Ainsi XY admet une esprance et E(XY) =

3 p 1 2 1 p
Cov(X, Y) = E(XY) E(X)E(Y) =
=
.
p2
p p
p2
Puisque V(X)  0 et V(Y)  0, alors X,Y existe et on a :
X,Y

1 p
Cov(X, Y)
1
p2
=
= .
= ,
,
(X)(Y)
1 p 2(1 p)
2
p2
p2

d) Sachant (Y = n), la va X prend ses valeurs dans 1 ; n 1.


De plus,
=
170

(2n 1)! n! n!
1
= .
(n 1)! n! (2n)! 2

Donc Xi suit la loi de Bernoulli de paramtre

1
.
2

b) On sait que Cov(Xi , X j ) = E(Xi X j ) E(Xi )E(X j )


et que E(Xi ) = E(X j ) =

1
.
2

De plus, E(Xi X j ) = P(Xi = 1, X j = 1)


m2 (m 1)p2 (1 p)m2



1 2
p (1 p)m2 (m 2)(m 1)m + 2(m 1)m
2
m=2
M


m
= 3p2 (1 p)
(1 p)m3
3
m=3
M


m
2
(1 p)m2
+ 2p
2
m=2
1
1
3 p
3p2 (1 p) 4 + 2p2 3 =
.
N
p
p
p2
=

n1

2n
n

nmP(X = n, Y = m)

n=1

n=1

P(Xi = 1) =

Ainsi :

k 1 ; n 1, P(Y=n) (X = k)

1
P(X = k, Y = n)
p2 (1 p)n2
=
=
.
P(Y = n)
(n 1)p2 (1 p)n2
n1

car Xi () = X j () = {0, 1}
2n2
1 1 n2
n1
n(n 1)
=
.
2n
=
=
2n(2n 1) 2(2n 1)
n

Donc : Cov(Xi , X j ) =

n1
1 1
1
=
.
2(2n 1) 2 2 4(2n 1)

c) 1) On a : S = 1 X1 + + n Xn =

n


i Xi .

i=1

c) 2) Par la linarit de lesprance,


E(S ) =

n


1
n(n + 1)
i=
.
2 i=1
4
n

i E(Xi ) =

i=1

Les va Xi ntant pas mutuellement indpendantes, on applique la formule gnrale pour le calcul de la variance dune
somme de n va :
V(S ) =

n


i=1
n


V(iXi) + 2


1i< jn

Cov(iXi , jX j )


i2 V(Xi ) +2
i j Cov(Xi , X j )
 !"
 !"
i=1
1i< jn
1
1
=
=
4
4(2n 1)
j1
n
n



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

Corrigs des exercices

=
=

=
=
=

n

n(n + 1)(2n + 1)
1
( j 1) j2

24
4(2n 1) j=2
 n2 (n + 1)2
n(n + 1)(2n + 1)
1

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

6
n(n + 1)(2n + 1) n(n + 1)(n 1)(3n + 2)

24
48(2n 1)
*
+
n(n + 1)
2(2n + 1)(2n 1) (n 1)(3n + 2)
48(2n 1)
n(n + 1)(5n2 + n) n2 (n + 1)(5n + 1)
=
.
48(2n 1)
48(2n 1)


1
d) La va Z suit la loi hypergomtrique de paramtre 2n, n,
2
car on eectue n tirages simultans dans une urne contenant 2n
boules et dont la proportion de boules portant le numro zro
n
1
est
= .
2n 2
n
Donc E(Z) = .
2
Remarque : On peut crire Z = n X1 Xn .
Donc par linarit de lesprance,
1 n
E(Z) = n E(X1 ) E(Xn ) = n n = .
2 2

5.11
a) La loi du couple (S , X) est donne par :

Dunod. Toute reproduction non autorise est un dlit

(n, k) N2 , P(S = n, X = k) = P(S = n)P(S =n) (X = k)

si k > n

n
n

=
k
nk

si 0  k  n
e n! k p (1 p)

0
si k > n

k
nk
p
(1

p)
.
=

si 0  k  n
e n
k!(n k)!
La va X prend ses valeurs dans N. Soit k N.
+

Alors : P(X = k) =
P(S = n, X = k)
=
=
=
=

+


n=0

pk (1 p)nk
e
k!(n k)!
n=k
+ nk
k 
p
(1 p)nk
e k
k! n=k
(n k)!
m
+
k 
(1
p)
p
e k
k! m=0
m!
k
p
(p)k
e k e (1p) = e p
.
k!
k!
n

On en dduit que X suit la loi de Poisson de paramtre p.


b) Soit n N. Dterminons la loi conditionnelle de Y sachant
(S = n).

Sachant (S = n), X prend ses valeurs dans 0 ; n, donc


Y = n X aussi.
k
0 ; n,
P(S =n) (Y = k)
= P(S =n) (X = n k)
n
n
(1 p)k pnk .
=
pnk (1 p)k =
k
nk

De plus,

Donc la loi conditionnelle de Y sachant (S = n) est la loi binomiale de paramtre (n, 1 p).
Par le mme calcul que a), Y suit la loi de Poisson de paramtre
(1 p).
Soit (k, ) N2 . Alors :
P(X = k, Y = ) = P(S = k + , X = k)
pk (1 p)
= e k+
k! !


k 

(1 p) 
(p)
= e p
e (1p)
k!
!
= P(X = k)P(Y = ).
On en dduit que X et Y sont indpendantes.
c) On a : Cov(S , X) = Cov(X + Y, X)
= Cov(X, X) + Cov(Y, X).
Or Cov(Y, X) = 0 car X et Y sont indpendants, et dautre part,
Cov(X, X) = V(X).
On en dduit : Cov(S , X) = V(X).
Ainsi : S ,X

5.12

Cov(S , X) (X)
p
=
=
= = p.
(S )(X) (S )

Notons q = 1 p.

a) La va N suit la loi gomtrique de paramtre


Daprs le cours :

E(N) =

1
p

et V(N) =

1
.
p

q
.
p2

b) Sachant (N = n), la va X suit la loi binomiale de paramtre


(n, p).
c) Les vnements (N = n), pour n  1 forment un systme
complet dvnements et : n  1, P(N = n)  0.
Soit n  1. Puisque la loi conditionnelle de X sachant (N = n)


est la loi binomiale de paramtre (n, p), E X | (N = n) existe


et : E X | (N = n) = np.


n  1, E X | (N = n) P(N = n) = np2 qn1 avec


E X | (N = n) P(N = n) converge
|q| < 1 ; donc la srie
De plus :

n1

(absolument).
171

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

On en dduit que X admet une esprance et :


+

1
E(X) =
np2 qn1 = p2
= 1.
(1

q)2
n=1
Remarque : Ce rsultat est assez intuitif. Sil faut, en moyenne,
m lancers pour obtenir le premier pile et si lon lance la pice
m fois, alors on obtient, en moyenne, un seul pile.
d) La va X prend ses valeurs dans N. Soit k N.
+

P(N = n) P(N=n) (X = k).
Alors : P(X = k) =
 !"
n=1
= 0 si n < k

Distinguons les cas k = 0 et k  1.


+

qn1 p qn = pq
P(X = 0) =

k0

la srie

(Z = n) = (X Y = n) (Y X = n),
et les deux vnements sont incompatibles.
De plus :

P(X Y = n) = P

+
1

k=1

+



=
P (Y = k) (X = n + k)
k=1

+


par incompatibilit des vnements


P(Y = k)P(X = n + k)

+


k1

(pq

k=1

= p2 qn

n+k1

)(pq

par indpendance des va X et Y


+

)=
p2 qn+2k2

1
pqn
.
=
2
1q
1+q

De la mme faon :

P(Y X = n) =

P(Z = n) =

On en dduit :

b) Ainsi, N  1,

k=1

N


pqn
.
1+q

2pqn
.
1+q

nP(Z = n) =

n=0

N

2pqn
n
1+q
n=1

2pq  n1
1
2pq
nq
car |q| < 1
=

N 1 + q (1 q)2
1 + q n=1
2q
=
.
p(1 + q)

nP(Z = n) converge, donc converge absoluAinsi la srie
N

kP(X = k) converge (car tous les termes sont

k0

positifs).
On a, pour tout K  1 :

K


kP(X = k) =

k=0

K

k=1

qk1
(1 + q)k+1

K

 q k1
1
1
1
=
k

q 2 = 1
K (1 + q)2 (1
(1 + q)2 k=1 1 + q
)
1+q
# q ##
## < 1.
car ##
1+q
On en dduit que X admet une esprance et E(X) = 1.

On retrouve bien le mme rsultat quau c).

n0

ment (car tous les termes sont positifs).


Donc Z admet une esprance et E(Z) =

2q
.
p(1 + q)




c) On a E (X Y)2 = E X 2 2XY + Y 2 )

= E(X 2 ) 2E(XY) + E(Y 2 )


par linarit de lesprance.

5.13
a) Lvnement (Z = 0) scrit :
+
1
(X = k) (Y = k).
(Z = 0) = (X = Y) =
k=1

Les vnements (X = k) (Y = k), pour k  1, sont deux


deux incompatibles, puis les va X et Y sont indpendantes.
On obtient alors :
+
+


k1 2
pq
P(X = k)P(Y = k) =
P(Z = 0) =
k=1
+

2 k1
q
= p2
= p2
k=1

172

(Y = k) (X = n + k)

k=1

1
q
.
=
2
1

q
1
+
q
n=1


+

n k nk
k N , P(X = k) =
qn1 p
pq
k
n=k


+

n 2 nk
= pk+1 qk1
(q )
k
n=k
1
qk1
= pk+1 qk1
=
.
(1 q2 )k+1
(1 + q)k+1
La va X admet une esprance

kP(X = k) converge absolument
la srie


Soit n N . Lvnement (Z = n) scrit :

k=1

1
p2
p
=
=
.
2
1q
(1 q)(1 + q) 1 + q

Par indpendance de X et Y, E(XY) = E(X)E(Y).


Enfin, les va X et Y ont la mme loi, donc
E(X) = E(Y) et E(X 2 ) = E(Y 2 ).
On obtient alors :


E (X Y)2 = E(X 2 ) 2E(X)E(Y) + E(Y 2 )
= 2E(X 2 ) 2E(X)2 = 2V(X).
d) Puisque Z 2 = (X Y)2 , on en dduit que E(Z 2 ) existe et donc
que Z admet un moment dordre 2.
Ainsi Z admet une variance et :

Corrigs des exercices


2

2
V(Z) = E(Z 2 ) E(Z) = 2V(X) E(Z)
2q
4q2
= 2 2
p
p (1 + q)2

2q
2q(1 + q2 )
(1 + q)2 2q = 2
= 2
.
2
p (1 + q)
p (1 + q)2

d) Soit n N. Daprs la question a),


k 1 ; n + 1, (k + 1)P(Xn+1 = k) = kP(Xn = k 1).
En sommant cette relation pour k allant de 1 n + 1,
n+1


5.14
a) Soient n N et k 1 ; n + 1.

k=1

P(Xn+1 = k) =

n


n+1


Or :
P(Xn = i, Xn+1 = k).
=

Puisque chaque instant, le mobile se dplace dune unit vers


la droite ou revient lorigine, on a :

n+1
 

kP(Xn+1 = k) +
P(Xn+1 = k)
k=0

= E(Xn+1 ) + 1 un+1 ,
et :

n


(k + 1)P(Xn = k)

k=0

n


kP(Xn = k) +

k=0

On obtient alors :
do :

n


P(Xn = k) = E(Xn ) + 1.

k=0

E(Xn+1 ) + 1 un+1 = E(Xn ) + 1,

E(Xn+1 ) = E(Xn ) + un+1 .

Par rcurrence simple, on montre alors :


n

n N , E(Xn ) = E(X0 ) +
uk .
k=1

n


Dunod. Toute reproduction non autorise est un dlit

n+1

k=0

b) Soient n N et k 0 ; n. Alors, daprs a) :

c) Soit n N. Alors :


(k + 1)P(Xn+1 = k) P(Xn+1 = 0)

P(Xn+1 = 0)

P(Xn+1 = k) = P(Xn = k 1, Xn+1 = k)

k
P(Xn = k) =
P(Xn1 = k 1)
k+1
k
k1
=

P(Xn2 = k 2)
k+1
k
k
k1
1
= =

P(Xnk = 0)
k+1
k
2
1
1
=
P(Xnk = 0) =
unk .
k+1
k+1

(k + 1)P(Xn+1 = k)

k=1
n+1

k=0

i  k 1, P(Xn = i, Xn+1 = k) = 0.
= P(Xn = k 1)P(Xn =k1) (Xn+1 = k)
k
.
= P(Xn = k 1)
k+1

n

(k + 1)P(Xn = k).
k=0

i=0

Ainsi :

kP(Xn = k 1)

k=1

La va Xn prend ses valeurs dans 0 ; n. Donc les vnements


(Xn = 0), . . . , (Xn = n) forment un systme complet dvnements. Par la formule des probabilits totales,

n+1


(k + 1)P(Xn+1 = k) =

n
n


uj
1
P(Xn = k) = 1,
=
unk =
n j + 1 k=n j k=0 k + 1
j=0
k=0
car Xn prend ses valeurs dans 0 ; n.

Puisque X0 est la va certaine gale 0, E(X0 ) = 0.


n

uk .
Ainsi : n N , E(Xn ) =

Pour n = 0, on obtient : u0 = 1. Ce qui est normal puisque


u0 = P(X0 = 0) et que, linstant initial, le mobile est lorigine.

e) 1) Soit n N . Lvnement (T = n) scrit :

Pour n = 1, on obtient :
Donc u1 = 1

1
u0
= .
2
2

Pour n = 2, on obtient :
Donc u2 = 1

u0
+ u1 = 1.
2

u0 u1

3
2

Pour n = 3, on obtient :
u0 u1
Donc u3 = 1

4
3

u0 u1
+
+ u2 = 1.
3
2
5
=
.
12
u0 u1 u2
+
+
+ u3 = 1.
4
3
2
u2
3

= .
2
8

k=1

(T = n) = (X1 = 1) (X2 = 2) (Xn1 = n 1)


(Xn = 0).
En utilisant la formule des probabilits composes, on obtient :
n1
1
1
1 2

=
.
P(T = n) =
2 3
n
n + 1 n(n + 1)
Puisque la va T prend ses valeurs dans N, on a :
+
+


P(T = n) = 1. Donc : P(T = 0) = 1
P(T = n).
n=0

n=1

On a, pour tout N  1 :
N

n=1

P(T = n) =

N 

1
n=1

1
1 
=1
1.
n+1
N + 1 N
173

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

Ainsi : P(T = 0) = 1 1 = 0. Cela signifie que lvnement


(T = 0) est ngligeable, et donc il est presque sr que le mobile
ne revient pas lorigine.

nP(X > n) 0


n

kP(X = k) E(X).

avec :

k=0

N


e) 2) N  1,

nP(T = n) =

n=0

car la srie

1
n1

N

n=1

N+1

1
1
=
+,
n+1
n N
n=2

Donc, en passant la limite dans la relation prcdente :


n1


diverge.
Ainsi

Ainsi, la srie

P(X > n) converge et

b) 2) Supposons que

P(X > n) converge.

n0

n N , 0 

a) Soit n N . On a :

k N , P(X = k) = P(X > k 1) P(X > k).


n
n


Donc :
kP(X = k) =
kP(X = k)
k=0

k=1

n

k=1
n1

k=0
n1


kP(X > k 1)

n1


k=0

n1


P(X > k).

k=0

P(X > n) converge, la suite des sommes

n0

Et comme cette srie est termes positifs, la srie

kP(X > k)

(k + 1)P(X > k)
kP(X > k) +

kP(X = k) 

k0

k=1
n


k=0

n1


n


Puisque la srie

n


partielles associe est majore. Donc la suite des sommes par


tielles associe la srie
kP(X = k) est aussi majore.

k=1

n



k P(X > k 1) P(X > k)
=

P(X > n) = E(X).

On a, daprs a) :

5.15

+

n=0

nP(T = n) diverge, donc ne converge pas

absolument. On en dduit que T nadmet pas desprance.

n0

n0

P(X > k) E(X).

k=0

k0

converge (absolument).
kP(X > k)

k=1

P(X > k)

k=0

n


Donc :
kP(X > k)

X admet une esprance.

On peut alors utiliser les rsultats du b) 1) et en dduire :

k=1

E(X) =

P(X > k) nP(X > n).

+


P(X > n).

n=0

k=0

b) 1) Supposons que X admet une esprance. Alors la srie



nP(X = n) converge absolument, donc converge.

c) On en dduit le rsultat suivant :



X admet une esprance
P(X > n) converge.
n0

n0

On a :

n  0, nP(X > n) =

+

k=n+1

donc : 0  nP(X > n) 


Or, puisque la srie

+


 n!" P(X = k),

+


On a :

n1

k=0

174

Notons q = 1 p.

Soit k N. On a : (U > k) =

kP(X = k) 0.
n

des va Xi , on obtient :

(Xi > k). Par indpendance

P(U > k) =

kP(X = k) + nP(X > n).

n
-

P(Xi > k).

i=1

Or : i 1 ; n, P(Xi > k) =

k=0

n
2
i=1

lim nP(X > n) = 0.


n


P(X > n).

a) La va U prend ses valeurs dans N .

n+

P(X > k) =

+

n=0

5.16

kP(X = k).

k=n+1

On en dduit :

k

nP(X = n) converge, la suite de ses

restes tend vers 0, cest--dire :

E(X) =

Dans ce cas, E(X) est donne par :

k=n+1

n0


kP(X = k)

+

=k+1

+


P(Xi = )

=k+1

q 1 p = pqk

1
= qk .
1q

Corrigs des exercices

P(U > k) = qnk .

Donc :

duit, par le thorme de lquivalence pour des sries termes



positifs, que la srie
P(V > k) converge.

k N , P(U = k)

On en dduit :

k0

= P(U > k 1) P(U > k) = q(k1)n qnk



k1
1 qn .
= qn

Ainsi, la va V admet une esprance.

Ainsi U suit la loi gomtrique de paramtre 1 qn .

De plus :

Remarque : Ce rsultat tait prvisible. Considrons une exprience de Bernoulli dont la probabilit de succs est p. On
ralise simultanment n sries dexpriences, de faon indpendantes, et pour chaque srie, on note Xi le nombre dexpriences ncessaires pour obtenir le premier succs.
Enfin, on dfinit la va U gale au nombre dexpriences ncessaires pour obtenir au moins un succs dans lune des n sries
dexpriences. Alors U = min(X1 , . . . , Xn ).
La probabilit de nobtenir que des checs dans les n sries
dexpriences est qn , et donc la probabilit dobtenir au moins
un succs est 1 qn . On en dduit que U suit la loi gomtrique
de paramtre 1 qn .
n
2

(V  k) =

(Xi  k). Par indpendance

i=1

des va Xi , on obtient :

P(V  k) =

n
-

P(Xi  k).

+



1 (1 qk )n

not uk,i

Puisque, pour tout i 1 ; n, la srie

uk,i converge (car

k0

|qi | < 1), on a, par addition dun nombre fini et fix de sries
n 
+


convergentes : E(V) =
uk,i
=

n 


n
i=1

i=1

(1)i+1

n

 
1
n
(1)i+1
(qi )k =
.
1

qi
i
i=1
k=0
k=0

+


5.17
a) La va S prend ses valeurs dans N.

P(N=n) (S = k) = P(N=n) (X1 + + Xn = k)


= P(X1 + + Xn = k)
car les va N et X1 + + Xn sont indpendantes.
Lesprance conditionnelle de S sachant (N = n) existe

la srie
kP(N=n) (S = k) converge absolument

i=1

i 1 ; n, P(Xi  k) = 1 P(Xi > k) = 1 qk .



n
Donc : P(V  k) = 1 qk .

Or :

k0

la srie

kP(N=n) (S = k) converge (car tous les termes

k0

On en dduit :

sont positifs).

k N , P(V = k) = P(V  k) P(V  k 1)



n
n
= 1 qk 1 qk1 .
Dunod. Toute reproduction non autorise est un dlit

P(V > k) =

Soit n  1. Alors, pour tout k N :

b) La va V prend ses valeurs dans N .


Soit k N. On a :

+


k=0
k=0
+
n

+ 
n






n
n
=
1
(qk )i =
(1)i+1 qki .
i
i
k=0
i=0
k=0 i=1  !"

1
.
1 qn

Donc U admet une esprance et E(U) =

E(V) =

Puisque les va X1 , . . . , Xn admettent une esprance, la va



X1 + + Xn aussi et donc la srie
kP(X1 + + Xn = k)

La va V est valeurs dans N , donc dans N.

converge.

Daprs lexercice 5.15,

On en dduit que lesprance conditionnelle de S sachant


(N = n) existe, et :

V admet une esprance

P(V > k) converge.



kP(X1 + + Xn = k)
E S | (N = n) =
+

k0

On a, pour tout k  0 :

k=0

k n

P(V > k) = 1 P(V  k) = 1 1 q

=1 e

n ln(1qk )

Or qk 0 car 0 < q < 1, donc n ln(1 qk ) 0.


k

On en dduit :

k0

P(V > k) n ln(1 qk ) nqk .


k

Puisque k  0, nqk  0 et que la srie


k0

nqk converge (car il

sagit dune srie gomtrique de raison q ] 1 ; 1[), on en d-

= E(X1 + + Xn ) = E(X1 ) + + E(Xn ) = nE(X1 ).


Cette formule reste valable pour n = 0, puisque la loi conditionnelle de S sachant (N = 0) est la loi certaine gale 0, donc


E S | (N = 0) = 0.



E S | (N = n) P(N = n) converge
b) Montrons que
nN ; P(N=n)0

absolument, cest--dire converge car tous les termes sont positifs.


175

Chapitre 5

Variables alatoires discrtes, vecteurs alatoires discrets

On a, pour tout M  0 :

0nM
P(N=n)0

nE(X1 )P(N = n) = E(X1 )

0nM
P(N=n)0

= E(X1 )



E S | (N = n) P(N = n)

M


nP(N = n)

0nM
P(N=n)0

nP(N = n) E(X1 )E(N).


M

n=0

c) 1) Soit t [0 ; 1[. Alors :


+
+
G X (t) G X (1)
1  n  
pn t
pn
=
t1
t 1 n=0
n=0
+
+


1 tn
(1 + t + + tn1 )pn .
=
pn =
1t
n=1
n=1
Soient s, t [0 ; 1[ tels que s  t.

Ainsi S admet une esprance et :





E(S ) =
E S | (N = n) P(N = n) = E(X1 )E(N).
nN
P(N=n)0

Alors, pour tout n  1, on a : k 0 ; n 1, sk  tk ,


et donc :

pn

n1

k=0

5.18
a) Soit t [1 ; 1].
n  0, 0  |P(X = n)tn |  P(X = n).

P(X = n) converge, par le thorme
Puisque la srie

Puis :

Alors :

n0

de majoration pour des sries termes positifs, la srie



|P(X = n)tn | converge.

converge.

Donc : : t

Ceci montre que la fonction G X est dfinie sur [1 ; 1].


+


k=0

G X (t) G X (1)
est croissante sur [0 ; 1[.
t1

t [0 ; 1[, n  1, (1 + t + + tn1 )pn  npn ,


do : t [0 ; 1[, (t) 

P(X = n) = 1,
car X prend ses valeurs dans N.

La fonction est alors majore sur [0 ; 1[ et puisquelle y est


croissante, admet une limite finie en 1 .

GX (1) = lim (t)  E(X).

t [1 ; 1], G X (t) = P(X = 0) + P(X = 1)t = 1 p + pt.


Si X  B(n, p), alors :


n k
p (1 p)nk tk
t [1 ; 1], G X (t) =
k
k=0
n


n
=
(pt)k (1 p)nk = (pt + 1 p)n .
k
k=0
Si X  G (p), alors :
+


t1

c) 3) Soit N N . Alors, pour tout t [0 ; 1[,


N
+


(1 + t + + tn1 )pn 
(1 + t + + tn1 )pn = (t).
n=1

n=1

N
N



n1

(1
+
t
+

+
t
)p

npn

t1
Or :

n=1
n=1

(t) GX (1).


t1

(1 p)

n=1
+


= pt

n1

pt

(1 p)t

n=1

n1

pt
.
1 (1 p)t

+

n=0

= e

n n
t
n!

+

(t)n
n=0

n!

En passant la limite quand t tend vers 1 dans lingalit prN



cdente, on obtient :
npn  GX (1).
n=1

Ceci montre que la suite des sommes partielles associe



la srie
npn est majore par GX (1). Puisque cette srie est

Si X  P(), alors :
t [1 ; 1], G X (t) =

npn = E(X).

Ainsi, G X est drivable gauche en 1 et :

b) Si X  b(p), alors :

t [1 ; 1], G X (t) =

+

n=1

n=0

176

tk .

c) 2) On a :
P(X = n)tn converge absolument, donc

n0

De plus, G X (1) =

n1


+
n1
G X (s) G X (1)    k 
pn
s
=
s1
n=1
k=0
+ 
n1 


G X (t) G X (1)
pn
tk =
.

t1
n=1
k=0

n0

Ainsi la srie

sk  pn

n1

termes positifs, on en dduit que la srie converge (donc


converge absolument).
= e e t = e (t1) .

Ainsi X admet une esprance et E(X)  GX (1).

Corrigs des exercices

c) 4) On a alors montr lquivalence :

et

X admet une esprance G X est drivable gauche en 1.


Dans ce cas, GX (1)  E(X) et E(X)  GX (1), donc :

n=0

+  
+
 

un,k =
un,k .

k=0

k=0
+


Or : k N,

E(X) = GX (1).

= P(X = k)t

Donc X admet une esprance et E(X) = GX (1) = p.

= P(X = k)tk

Si X  G (p), alors G X : t 
gauche en 1.

P(Y = n k)tnk
P(Y = n)tn = P(X = k)tk GY (t).

+  
+


+
 
un,k =
P(X = k)tk GY (t)

n=0

+


k=0


P(X = k)tk GY (t) = G X (t)GY (t).

On en dduit : t [0 ; 1], G X+Y (t) = G X (t)GY (t).


b) Utilisons un raisonnement par rcurrence. Notons, pour
tout n  1, P(n) la proprit :
si X1 , . . . , Xn sont des va indpendantes de mme loi,

n
alors t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .

Si X  P(), alors G X : t  e (t1) est drivable gauche


en 1.

Initialisation : La proprit P(1) est vidente.


Hrdit : Soit n  1. Supposons P(n) et montrons P(n+1).
Soient X1 , . . . , Xn+1 des va indpendantes de mme loi. Posons
S = X1 + + Xn+1 .

Donc X admet une esprance et


E(X) = GX (1) = e (11) = .

Alors les va X1 + + Xn et Xn+1 sont indpendantes.

5.19
a) La va X + Y est valeurs dans N et,
pour tout n N, P(X + Y = n) =
=

P(X = k)P(Y = n k)tn

n=k

k=0

pt
est drivable
1 (1 p)t

Donc X admet une esprance et




p 1 (1 p) + (1 p)p
p
1
= 2 = .
E(X) = GX (1) =

2
p
p
1 (1 p)

n


Puis :

E(X) = GX (1) = np(p + 1 p)n = np.

n=k
+


+


n=0

k=0

Donc X admet une esprance et

n=0

un,k =

n=0
+

k

Si X  b(p), alors G X : t  1 p + pt est drivable


gauche en 1.

Si X  B(n, p), alors G X : t  (pt + 1 p)n est drivable


gauche en 1.

n


t [0 ; 1], GS (t) = G X1 ++Xn (t)G Xn+1 (t).

Par a), on a :


n
Or, par P(n) : t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .

P(X = k, Y = n k)

k=0

P(X = k)P(Y = n k), par indpendance de X et Y.

Et Xn+1 et X1 ont mme loi, donc G Xn+1 = G X1 .


On obtient alors :

k=0

Ainsi, t [0 ; 1],
Dunod. Toute reproduction non autorise est un dlit

+  
+


G X+Y (t) =

+  
n

n=0

Do la proprit P(n + 1).


P(X = k)P(Y = n k)tn .

Conclusion : Pour tout n  1, pour toutes va X1 , . . . , Xn indpendantes et de mme loi,

k=0

Notons, pour tout (n, k) N2 ,



P(X = k)P(Y = n k)tn si 0  k  n
.
un,k =
0
sinon
Puisque les termes un,k sont positifs ou nuls et que


n
t [0 ; 1], G X1 ++Xn (t) = G X1 (t) .
c) 1) La va S prend ses valeurs dans N. De plus :
+ 
+


un,k

n N, P(S = n) =

n=0 k=0

existe, on a :
pour tout k N, la srie

un,k converge,

n0

la srie

+

k0

n=0


un,k converge


n+1
t [0 ; 1], GS (t) = G X1 (t) .

+

k=1
+

k=1

+


P(N = k, S = n)

k=1

P(N = k)P(N=k) (X1 + + Xk = n)


P(N = k)P(X1 + + Xk = n)

car les va X1 + + Xk et N sont indpendantes.


177

Chapitre 5

Ainsi :

Variables alatoires discrtes, vecteurs alatoires discrets

t [0 ; 1],
GS (t) =

+ 
+

n=0 k=1

P(N = k)P(X + + Xk = n)tn .


1 !"
not un,k

Puisque les termes un,k sont positifs ou nuls et que

+ 
+


pour tout k  1, la srie

et

+

k1

n=0

+  
+


un,k converge,

n=0

k=1


un,k converge

un,k =

+  
+

k=1


un,k .

x0 X() / P(X = x0 ) = 1
x X() \ {x0 }, P(X = x) = 0
X est une va quasi-certaine.

b) 1) On a : i 1 ; n, P(X0 = xi ) =
Donc :

+



k
P(N = k) G X1 (t)
t [0 ; 1], GS (t) =
k=0


= G N G X1 (t) = G N G X1 (t).

Puisque G X1 (1) = 1 et N admet une esprance, G N est drivable


gauche en 1 = G X1 (1).
On en dduit, par composition, que GS est drivable gauche
en 1.
Donc S admet une esprance et, par calcul de la drive dune
fonction compose :


E(S ) = GS (1) = GX1 (1) GN G X1 (1)
= GX1 (1) GN (1) = E(X1 )E(N).

5.20
a) On a, pour tout x ]0 ; 1], ln x  0.
Donc la fonction h est positive ou nulle sur [0 ; 1].
Ainsi, pour tout x X(), P(X = x) [0 ; 1],


et donc : h P(X = x)  0.

178

n

1
h
n
i=1
n
n



ln n 
1
1
=
1 = ln n.
=
ln
n
n
n i=1
i=1

b) 2) Soit i 1 ; n.
Si ui = 0, alors h(ui ) = 0 

1 1
= ui + ui ln n.
n n

Si ui  0, appliquons lingalit donne par lnonc


 1 
1
1
x=
> 0. On a : ln n ln(ui ) = ln
1.

nui
nui
nui
En multipliant par ui > 0, on obtient :

c) 2) Daprs lexercice 5.18, S admet une esprance si et seulement GS est drivable gauche en 1.
Puisque X1 admet une esprance, G X1 est drivable gauche
en 1.

1
.
n

H(X0 ) =

n=0



= P(N = k)G X1 ++Xk (t) = P(N = k) G X1 (t) k
daprs la question prcdente.
Ainsi :

n=0

Or, pour tout k  1,


+
+


un,k = P(N = k)
P(X1 + + Xk = n)tn
n=0

xX()

H(X) = 0

n0

la srie

x X(), P(X = x) = 0 ou P(X = x) = 1.



P(X = x) = 1, on en dduit :
Puisque

un,k

n=0 k=1

existe, on a :



H(X) = 0 x X(), h P(X = x) = 0


x X(), P(X = x) = 0 ou ln P(X = x) = 0

ui ln n ui ln(ui ) 
Do :

h(ui ) 

1
ui .
n

1
ui + ui ln n.
n

b) 3) En sommant lingalit prcdente pour i allant de 1


n
n 



1
ui + ui ln n
h(ui ) 
n:
n
i=1
i=1
n
n


ui + ln n
ui = ln n.
=1
i=1

i=1

 !"

 !"

=1

On en dduit :

=1

H(X)  ln n.

De plus : H(X) = ln n
n 


1
ui + ui ln n h(ui ) = 0

n
i=1  !"
0

i 1 ; n,

1
ui + ui ln n h(ui ) = 0.
n

Or cette dernire galit nest possible que si ui est non nul (car
1
sinon on obtient = 0). On en dduit :
n
H(X) = ln n

On en dduit que H(X)  0.

i 1 ; n, ui  0 et

Puisque H(X) est une somme de rels positifs on nuls,

i 1 ; n, ui  0 et

1
1 + ln n + ln(ui ) = 0
nui
 1 
1
=0
1 ln
nui
nui

Corrigs des exercices

1
= 1 daprs lnonc
nui

i 1 ; n, ui  0 et
i 1 ; n, ui =

1
.
n

N


Or :

n=1
N


On conclut :
H(X) = ln n si et seulement si X suit la loi
uniforme sur {x1 , . . . , xn }.

n=1
N


n N , P(X0 = n) = (1 p)n1 p.


Donc : n N , h P(X0 = n)
%
&
= (1 p)n1 p (n 1) ln(1 p) + ln p


= p ln(1 p) (n 1)(1 p)n1 p ln p(1 p)n1 .

c) 1) On a :

On a alors, pour N  1 :
= p ln(1 p)

N1


N

n=1

n(1 p)n p ln p

n=0

N1


1 p
ln(1 p).
p

1 p
ln(1 p).
Donc H(X0 ) existe et H(X0 ) = ln p
p
c) 2) Soit n N . Procdons comme au b) 2).
Si un = 0, alors h(un ) = 0  vn = vn un un ln(vn ).
Si un  0, appliquons lingalit donne par lnonc
 vn  vn
vn
> 0. On a : ln(vn ) ln(un ) = ln
1.
x=

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

Dunod. Toute reproduction non autorise est un dlit

N

n=1

h(un ) 

N

n=1

vn

N

n=1

un

N

n=1

+


car X() N

un = 1

n=1

un ln(vn )
= ln m

N


N


N


1 
un + ln 1
(n 1)un
m n=1
n=1

un 1

et

N


(n 1)un E(X) 1 par le

n=1

thorme de transfert.

(1 p)n

= ln p

n=1

n=0


1 p
1
p ln(1 p)
p ln p
N
p2
p

un

n=1

avec :



h P(X0 = n)

1 n
1 
1 1
1

= 1,
m n=0
m N m m1
N1

vn =

un ln(vn ) ().

Ainsi, en passant la limite dans lingalit () :




1 
E(X) 1
H(X)  1 1 + ln m ln 1
m  !"
=m


= ln m ln(m 1) ln m (m 1)
= m ln m (m 1) ln(m 1).
Enfin : H(X) = m ln m (m 1) ln(m 1)
+



vn un un ln(vn ) h(un ) = 0


!"
n=1
0

n  1, vn un un ln(vn ) h(un ) = 0.
Or cette dernire galit est impossible si un = 0.
Donc : H(X) = m ln m (m 1) ln(m 1)
vn
1 ln(vn ) + ln(un ) = 0
n  1, un  0 et
un
 vn 
vn
1 = ln
n  1, un  0 et
un
un
vn
=1
daprs lnonc
n  1, un  0 et
un
1 n1
1
1
n  1, un = vn =
m
m
1
X suit la loi gomtrique de paramtre .
m

179

Variables alatoires
densit
Plan
Les mthodes retenir 180
noncs des exercices

183

Du mal dmarrer ?

190

Corrigs des exercices

193

On abrge variable alatoire en


va.

CHAPITRE

Thmes abords dans les exercices

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.

Points essentiels du cours


pour la rsolution des exercices

Fonction de rpartition et densit dune va densit

Loi dune va fonction dune ou de plusieurs va densit ; en particulier, loi de


la somme de deux va densit indpendantes

Dfinition de lesprance dune va densit, thorme de transfert, proprits


de lesprance

Moments dordre 2, variance et cart-type dune va densit, variance dune


somme de va indpendantes

Lois usuelles et leurs proprits : loi uniforme sur un intervalle, loi exponentielle, lois et , loi normale.

Les mthodes retenir


Montrer : f est positive ou nulle sur R
Pour montrer
quune fonction f : R R
est une densit

f est continue sur R priv dun ensemble fini de points


$ +
$ +
f (t) dt converge et
f (t) dt = 1.
lintgrale

Exercices 6.1, 6.2, 6.7 6.9, 6.17, 6.22.


180

Les mthodes retenir

Pour dterminer
la fonction de rpartition F X
dune va X densit
connaissant une densit f X de X

Pour montrer
quune va relle X est densit
connaissant
sa fonction de rpartition F X

$
Utiliser : x R, F X (x) =

fX (t) dt.

Exercices 6.1 6.3, 6.14, 6.16, 6.17, 6.22.


Montrer que la fonction de rpartition F X de X est continue sur R et
est de classe C 1 sur R priv dun ensemble fini de points.
Toute fonction fX valeurs positives, qui ne dire de F X quen un
nombre fini de points, est alors une densit de X.

Exercices 6.5, 6.6, 6.9 6.11, 6.14 6.17, 6.19 6.24.


Pour traduire que
deux va relles X et Y
sont indpendantes

Utiliser lquivalence :

X et Y sont indpendantes


(x, y) R , P (X  x) (Y  y) = P(X  x) P(Y  y).
2

Exercices 6.5, 6.11, 6.13, 6.14, 6.16, 6.18 6.21, 6.23, 6.24.

Si X = (Y) o Y est une va densit, alors :


commencer par dterminer lunivers image de X, ou une
partie D de R, aussi prcise que possible, telle que P(X D) = 1
si X() est un ensemble fini ou dnombrable, alors X est
une va discrte ; dterminer la loi de X revient calculer, pour
tout x de X(), P(X = x)
sinon, essayer dexprimer la fonction de rpartition F X de X
en fonction de celle de Y pour en dduire son expression, puis montrer que F X est continue sur R et est de classe C 1 sur R priv dun
ensemble fini de points ; X est alors une va densit.

Pour dterminer
la loi dune va relle X

Exercices 6.2, 6.9, 6.10, 6.13, 6.14, 6.16, 6.17, 6.22 6.24

Dunod. Toute reproduction non autorise est un dlit

Si X est la somme de deux va densit Y et Z indpendantes, alors


X est une va densit et une densit de X sobtient en faisant le
produit de convolution des densits de Y et Z.

Exercices 6.14, 6.16, 6.18

Utiliser des proprits des lois usuelles.

Exercices 6.11, 6.13, 6.19, 6.21, 6.24.

Pour montrer
quune va X densit
admet une esprance E(X)
et calculer cette esprance

Utiliser la dfinition :
si fX est une densit de X, alors

X admet une esprance si et seulement si

t fX (t) dt converge ;

dans ce cas, E(X) est donne par :

E(X) =

t fX (t) dt.

Exercices 6.1 6.3, 6.7 6.9, 6.14 6.16, 6.19, 6.20, 6.23
181

Chapitre 6

Variables alatoires densit

Remarque : Si X est une va presque srement borne, valeurs dans


un segment [a ; b], alors X admet une esprance et E(X) est donne
$ b
t fX (t) dt.
par : E(X) =
a

Utiliser le thorme de transfert :


si X = (Y) o Y est une va densit, de densit fY , alors
$ +
(t) fY (t) dt
X admet une esprance si et seulement si

converge absolument ;

dans ce cas, E(X) est donne par :


(suite)

E(X) =

(t) fY (t) dt.

Exercices 6.7, 6.9

Utiliser la linarit de lesprance :


si X = aY + bZ, o Y et Z sont deux va densit admettant
chacune une esprance et (a, b) R2 ,
alors X admet une esprance et E(X) est donne par :
E(X) = aE(Y) + bE(Z).

Exercice 6.18

Utiliser les rsultats du cours lorsque X suit une loi usuelle.

Exercices 6.9, 6.21.

Pour montrer
quune va X densit
admet une variance V(X)
et calculer cette variance



Montrer que X admet une esprance puis montrer que X E(X) 2
admet une esprance ;
%
&
dans ce cas, V(X) est donne par : V(X) = E X E(X) 2 .
Montrer que X et X 2 admettent une esprance ;
dans ce cas, V(X) est donne par :



V(X) = E(X 2 ) E(X) 2 .

Exercices 6.1, 6.2, 6.7 6.9, 6.20

Si X = Y + Z, o Y et Z sont deux va densit indpendantes,


admettant chacune une variance, alors X admet une variance et V(X)
est donne par :
V(X) = V(Y) + V(Z).

Exercice 6.18.

182

noncs des exercices

noncs des exercices


6.1 Exemple de densit
Soit c R. On considre la fonction f dfinie sur R par :

(1 + x)2 si 0  x  1
.
x R, f (x) =

0
sinon
a) Dterminer c pour que f soit une densit dune va relle X.
Pour cette valeur de c, tracer lallure de la courbe reprsentative de f .
b) Dterminer la fonction de rpartition F de X.
Tracer lallure de la courbe reprsentative de F.
c) Montrer que X admet une esprance et une variance et les calculer.

6.2 Exemple de densit


On considre la fonction f dfinie sur R par :

0
si x < 0
.
x R, f (x) =
2
x e x /2 si x  0
a) Montrer que f est une densit dune va relle X.
Tracer lallure de la courbe reprsentative de f .
b) Calculer la fonction de rpartition de X et tracer lallure de sa courbe reprsentative.
c) Montrer que X admet une esprance et une variance et les calculer.
1
On admet que
= .
2
d) On pose Y = X 2 . Montrer que Y suit une loi exponentielle et prciser le paramtre.

6.3 Cas dune va densit paire


On considre une va X admettant une fonction paire f pour densit.
a) Calculer P(X  0) et P(X  0).

Dunod. Toute reproduction non autorise est un dlit

b) Montrer que la fonction de rpartition F de X vrifie : x R, F(x) = 1 F(x).


$ +
t f (t) dt converge,
c) Montrer : X admet une esprance
et dans ce cas :

E(X) = 0.

6.4 Exemple dune va qui nest ni densit ni discrte


On considre une va densit X, dfinie sur un espace probabilis (, A , P), admettant une
fonction paire f pour densit.

0 si X()  0
On dfinit la va Y par : , Y() =
X() si X() > 0.
Montrer que Y nest ni une va densit, ni une va discrte.
On pourra utiliser lexercice 6.3 a).

6.5 Lois des va min(X, Y) et max(X, Y), o X et Y sont deux va densit indpendantes
Soient X et Y deux va densit, de densits respectives fX et fY . On suppose que X et Y sont
indpendantes.
183

Chapitre 6

Variables alatoires densit

On pose : Z = max(X, Y) et T = min(X, Y).


a) Exprimer les fonctions de rpartition de Z et T laide des fonctions de rpartition FX et FY
de X et Y respectivement.
b) En dduire que Z et T sont des va densit et exprimer une densit de Z et une densit de T
laide de fX , fY , FX et FY .

6.6 Lois des va aX + b et X2 , o X est une va densit


Soit X un va relle de densit f et de fonction de rpartition F.
a) Soit (a, b) R tel que a  0. On pose Y = aX + b.
Exprimer la fonction de rpartition de Y en fonction de F. (Sparer les cas a > 0, a < 0).
En dduire que Y est une va densit et exprimer une densit de Y en fonction de f .
b) On pose Z = X 2 . Montrer que Z est une va densit et exprimer une densit de Z en fonction
de f .

6.7 Loi de Laplace


Soit c > 0. On considre la fonction f dfinie sur R par :
x R, f (x) =

c c|x|
.
e
2

a) Montrer que f est une densit dune va relle X.


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 la calculer.
d) Plus gnralement, montrer que, pour tout n de N , X n admet une esprance et la calculer.
e) En dduire que X admet une variance et la calculer.

6.8 Loi Bta de premire espce


Pour tous rels a et b, on note, sous rserve dexistence :

I(a, b) =

ta1 (1 t)b1 dt.


0

a) Montrer :

I(a, b) existe (a > 0 et b > 0).

b) Soit (a, b) (R+ )2 . Montrer :


b I(a + 1, b) = a I(a, b + 1) et I(a, b + 1) + I(a + 1, b) = I(a, b).
En dduire :

I(a + 1, b) =

a
I(a, b).
a+b

c) Soit (a, b) (R+ )2 . On dfinit la fonction f sur R par :


1 a1

t (1 t)b1 si t ]0 ; 1[

t R, f (t) =
I(a,
b)

0
sinon.
1) Montrer que f est une densit dune va relle X.
2) Montrer que X admet une esprance et une variance et les calculer.
184

noncs des exercices

6.9 Exemple dune va fonction dune va densit


Soit a > 0. On dfinit la fonction f sur R par :

0 si t < a
t R, f (t) =
a

2 si t  a.
t

a) Montrer que f est une densit. Tracer lallure de la courbe reprsentative de f .


On considre une va relle X admettant f pour densit.
b) La va X admet-elle une esprance ? une variance ?
c) On dfinit la va Y =

1
.
X

1) En utilisant le thorme de transfert, montrer que Y admet une esprance et une variance
et les calculer.
2) Dterminer la loi de Y puis retrouver E(Y) et V(Y).

6.10 Exemple dune va fonction dune va densit


On considre une va X suivant la loi uniforme sur [1 ; 2].
On pose Y = X 2 . Dterminer la fonction de rpartition et une densit de Y.
Tracer lallure des courbes reprsentatives de ces deux fonctions.

6.11 Exemple dune va fonction de deux autres va


On considre deux va X et U indpendantes, telles que X suit la loi normale centre rduite et
U suit la loi uniforme sur {1, 1}.
On pose Y = UX. Reconnatre la loi de Y.

6.12 Calculs dintgrales laide de la loi normale

Dunod. Toute reproduction non autorise est un dlit

Dans cet exercice, on pourra utiliser une table numrique de la fonction de rpartition de la loi
normale centre rduite.
1
= .
a) En utilisant la loi normale centre rduite, montrer :
2
b) En utilisant une loi normale bien choisie, calculer les intgrales suivantes :
$ +
$ +
2
2
1)
e 2x 4x2 dx
2)
x e 2x 4x2 dx

$ +
$ +
2
2
x2 e 2x 4x2 dx
4)
e ax +bx+c dx, avec a > 0 et (b, c) R2 .
3)

c) Exprimer les intgrales suivantes laide de la fonction de rpartition de la loi normale


centre rduite, puis en calculer des valeurs approches 104 prs :
$ 2
$ 1/2
$ 1
2
2
2
e x /2 dx
2)
e 2x +4x2 dx
3)
e 4x 4x dx.
1)
0

6.13 Dplacement dun point mobile dans le plan


Un point mobile se dplace dans un plan muni dun repre orthonorm. Il part de lorigine O
linstant 0.
Si un instant n de N, il se situe au point de coordonnes (Xn , Yn ), alors linstant n + 1 il se
trouve au point de coordonnes (Xn+1 , Yn+1 ) de sorte que An+1 = Xn+1 Xn et Bn+1 = Yn+1 Yn
suivent la loi normale centre rduite.
185

Chapitre 6

Variables alatoires densit

On suppose que les va An et Bm, pour tous n, m N , sont mutuellement indpendantes.


a) Dterminer, pour tout n de N , la loi de Xn et la loi de Yn .
b) Exprimer la probabilit pn pour qu$un instant n de N , le mobile se situe dans le carr
x
2
[1 ; 1]2 laide de la fonction h : x 
e u du.
0

Calculer ensuite lim pn . Interprter ce rsultat.


n

c) Soit n N . On pose Dn = Xn2 + Yn2 . Reconnatre la loi de Xn2 et la loi de Yn2 , puis en dduire
1
la loi de Dn . On rappelle que
= . (On pourra utiliser lexercice 6.6.)
2
d) Calculer la probabilit qn pour qu un instant n de N , le mobile se situe dans le disque de
centre O et de rayon 1.
Calculer ensuite lim qn . Interprter ce rsultat.
n

6.14 Loi du quotient de deux va indpendantes suivant une loi uniforme


Soient r R+ , X et Y deux variables alatoires indpendantes qui suivent la loi uniforme sur
X
Y
]0 ; r]. On pose : U = ln
et V = ln .
r
r
a) Dterminer la fonction de rpartition et une densit de U. Mmes questions pour V.
Tracer lallure des courbes reprsentatives de ces deux fonctions.
b) En dduire une densit et la fonction de rpartition de U + V.
c) On pose Q =

X
. 1) Montrer que Q est une va densit et donner une densit de Q.
Y
2) La va Q admet-elle une esprance ?

6.15 Loi de Ent(X) et loi de X Ent(X), o X est une va densit


On considre une va X valeurs dans R+ et admettant une densit f , nulle sur R et continue
sur R+ .
On dfinit la va Y = Ent(X) (partie entire de X).
a) Dterminer la loi de Y.
b) Montrer que X admet une esprance si et seulement si Y admet une esprance, et que dans ce
cas, E(Y)  E(X)  E(Y) + 1.
c) On suppose que X suit une loi exponentielle de paramtre ( > 0).
1) Prciser la loi de Y et calculer son esprance.
2) On pose Z = X Ent(X).
Montrer que Z est une va densit et donner une densit de Z.
Montrer que Z admet une esprance et la calculer. Que remarque-t-on ?

6.16 Temps dattente un guichet


Trois personnes notes A, B et C se prsentent louverture dune poste comportant deux guichets. Les personnes A et B accdent directement lun des guichets, tandis que la personne C
attend que lun des deux guichets se libre.
186

noncs des exercices

On note X, Y et Z les va gales aux temps de passage aux guichets des personnes A, B et C.
On suppose que ces variables sont indpendantes et que chacune suit la loi uniforme sur [0 ; 1].
On dfinit les va U = |X Y| et V = min(X, Y).
a) 1) Dterminer une densit de Y, puis une densit de X Y.
2) En dduire une densit de U.
b) On note E lvnement : C est la dernire personne sortir .
Justifier que E = (U Z  0), puis en dduire la valeur de P(E).
c) Montrer que V suit la mme loi que U.
d) On note T le temps pass par C la poste.
1) Montrer que T est une va densit et dterminer une densit de T .
2) Calculer le temps moyen pass par C la poste.

6.17 Exemple dune va fonction dune autre va densit

On note f la fonction dfinie sur R par : x R, f (x) =

0
si x < 0
.
1
si x  0
(1 + x)2

a) Montrer que f est une densit dune va relle X.


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.
1
.
X
1) Montrer que Y prend presque srement ses valeurs dans [2 ; +[.
,
y2
.
2) Montrer : y [2 ; +[, P(Y  y) =
y+2
En dduire que Y est une va densit.

c) On pose Y = X +

6.18 Loi dune somme de n va indpendantes, daprs loral HEC 2010

Dunod. Toute reproduction non autorise est un dlit

On considre une suite (Xn )n1 de va mutuellement indpendantes et telle que, pour tout n  1,
Xn suit la loi exponentielle de paramtre n.
On dfinit, pour tout n  1, Yn =

n


Xk .

k=1

a) Montrer que Y2 est une va densit et dterminer une densit de Y2 .


b) Plus gnralement, montrer
que, pour tout n  1, Yn admet pour densit la fonction gn dfinie

0
si x < 0

n1
.
par : x R, gn (x) =
si x  0
n e x 1 e x
c) Montrer que, pour tout n  1, Yn admet une esprance et une variance et exprimer E(Yn ) et
V(Yn ) laide dune somme.

6.19 Va rordonnes par ordre croissant, daprs loral HEC 2007


Soit n N . On considre n va densit X1 , . . . , Xn dfinies sur un mme espace probabilis
(, A , P), de mme loi et mutuellement indpendantes. On note F leur fonction de rpartition
et f une densit.
187

Chapitre 6

Variables alatoires densit



Pour tout de , on note Y1 (), . . . , Yn () la suite des Xi () pour i 1 ; n rordonns par
ordre croissant ; on a donc Y1 ()  Y2 ()   Yn ().
n



n j
n
F(x) j 1 F(x) .
a) Soient k 1 ; n et x R. Montrer : P(Yk  x) =
j
j=k
b) Soit k 1 ; n. Montrer que Yk admet une densit que lon explicitera sans symbole

3
.

c) On suppose de plus que, pour tout i de 1 ; n, Xi suit la loi uniforme sur [0 ; 1].
1) Justifier que, pour tout k de 1 ; n, Yk admet une esprance.
2) Montrer que Yn et 1 Y1 ont la mme loi. Calculer E(Yn ) et en dduire E(Y1 ).
3) Exprimer, pour tout k 1 ; n 1, E(Yk+1 ) en fonction de E(Yk ). En dduire
lexpression de E(Yk ) pour tout k 1 ; n.

6.20 Maximum de deux va indpendantes dont chacune suit la loi normale centre rduite
Soient X et Y deux va indpendantes, suivant la loi normale centre rduite.
On note

1
2
f : R R, x  e x /2
2

et la fonction de rpartition de X et de Y.

On dfinit la va Z = max(X, Y).


a) Montrer que Z est une va densit, de densit g : x  2 f (x)(x).
b) laide dune intgration par parties, montrer :
$ B 2
$ B
%
&B
1
2
(A, B) R ,
xg(x) dx = 2 f (x)(x) A +
f (x) dx.
A 2
A
c) En dduire que Z admet une esprance et calculer E(Z).
d) Montrer que X 2 et Z 2 suivent la mme loi. En dduire V(Z).

6.21 Exemple dun processus de Poisson


On sintresse aux instants de passage successifs des bus une station donne.
Le service commence linstant T 0 = 0. Le premier bus du matin passe linstant T 1 ; on pose
U1 = T 1 T 0 qui reprsente donc le temps entre louverture du service et le passage du premier
bus de la journe.
Pour tout n de N , T n dsigne linstant o le n-ime bus arrive la station et Un+1 le temps coul
entre les passages du n-ime et du (n + 1)-ime bus de la journe.
On dfinit galement, pour tous s, t de R+ tels que s  t, Ns,t le nombre de bus qui sont passs
la station dans lintervalle de temps [s ; t].
On suppose que les va Un , pour n N , sont mutuellement indpendantes et quelles suivent la
mme loi exponentielle de paramtre .
a) Soit n N . Exprimer la va T n laide des va Ui puis en dduire la loi de T n .
b) Soit t R+ . Justifier : n N, (N0,t  n) = (T n  t).
En dduire que la va N0,t suit la loi de Poisson de paramtre t.
On admet que, pour tous s, t de R+ tels que s  t, la va Ns,t suit la mme loi que N0,ts .
c) Soit t R+ . Un passager arrive la station linstant t. On dfinit Wt le temps dattente du
passager jusqu larrive du prochain bus.
188

noncs des exercices

h  0, (Wt > h) = (Nt,t+h = 0).

1) Justifier :

2) En dduire la loi de Wt . Combien de temps en moyenne, devra attendre le passager avant


larrive du prochain bus ? Ce rsultat est-il intuitif ?

6.22 Loi de Cauchy


1
.
(1 + x2 )

On considre la fonction f dfinie sur R par : x R, f (x) =


a) Montrer que la fonction f est une densit.
Tracer lallure de la courbe reprsentative de f .
On considre une va relle X admettant f pour densit.
b) Dterminer la fonction de rpartition F de X.
Tracer lallure de la courbe reprsentative de F.
Calculer P(X  0), P(X  0), P(X  1) et P(X  1).
c) La va X admet-elle une esprance ?
d) On dfinit la va Y =

1
. Montrer que X et Y ont la mme loi.
X

e) On dfinit la va Z =

1+X
.
1X

1+x
. tudier les variations de . Montrer que ralise une
1) On note la fonction x 
1x
bijection de R \ {1} dans R \ {1} et dterminer sa bijection rciproque.
2) Dterminer la fonction de rpartition de Z.
3) En dduire que X et Z ont la mme loi.

6.23 Une autre expression de lesprance


Soit X une va admettant une densit f telle que f est nulle sur R et continue sur R+ . On note F
la fonction de rpartition de X.
$ x
t f (t) dt.
On dfinit la fonction : R+ R, x 
0

$
a) Montrer :

x R+ ,



1 F(t) dt = x 1 F(x) + (x).

Dunod. Toute reproduction non autorise est un dlit

b) On suppose dans cette question que X admet une esprance, note E(X).




1) Montrer : x R+ , 0  x 1 F(x)  E(X) (x), puis : lim x 1 F(x) = 0.
$

2) En dduire que



1 F(t) dt converge et que

x+



1 F(t) dt = E(X).

c) On suppose dans cette question que


1 F(t) dt converge.

1) Montrer que admet une limite finie en +.


2) En dduire que X admet une esprance, puis :

E(X) =


1 F(t) dt.

d) Application : On considre n va X1 , . . . , Xn mutuellement indpendantes suivant toutes la loi


exponentielle de mme paramtre , avec > 0.
189

Chapitre 6

Variables alatoires densit

On pose Mn = max(X1 , . . . , Xn ).
1) Dterminer la fonction de rpartition de Mn et montrer que Mn est densit.
2) Montrer que Mn admet une esprance et la calculer (on exprimera le rsultat sous forme
dune sommation).

6.24 Somme et minimum dun nombre alatoire de va mutuellement indpendantes, de mme


loi exponentielle
On considre une suite de va mutuellement indpendantes (Xn )n1 dfinies sur un mme espace
probabilis (, A , P), et qui suivent la loi exponentielle de mme paramtre > 0. Pour tout
n

Xk et Un = min(X1 , . . . , Xn ).
n N , on pose : S n =
k=1

a) Soit n N . Montrer que la va Un suit une loi exponentielle et prciser son paramtre.
b) Soit n N . Donner une densit de S n , puis montrer :

n1

(x)k

x R+ , P(S n > x) = e x

k=0

k!

c) On considre une va N dfinie sur (, A , P), indpendante des va Xn pour tout n N , et qui
suit la loi gomtrique de paramtre p, avec p ]0 ; 1[.
On dfinit les va : S = S N et U = U N ,
cest--dire :

, S () = S N() () et U() = U N() ().

1) Calculer, pour tout x R+ , P(U > x). En dduire que U est une va densit et prciser
une densit.
2) Calculer, pour tout x R+ , P(S > x). Reconnatre la loi de S .

Du mal dmarrer ?
6.1

6.3

c) Remarquer que X prend presque srement ses valeurs dans


[0 ; 1], donc E(X) et V (X) existent.

b) Procder de la mme faon : crire F(x) =

Calculer E(X) en utilisant la dfinition de lesprance, E(X ) en


utilisant le thorme de transfert, puis en dduire V (X) en utilisant la formule V (X) = E(X 2 ) E(X)2 .

6.2

a) b) Appliquer les mthodes dcrites dans la partie les


mthodes retenir .
$ +
$ +
c) Montrer que les intgrales
xf(x) dx et
x2 f(x) dx

convergent puis calculer leurs valeurs et en dduire E(X)


et E(X 2 ). Calculer alors V (X) laide de la formule :

2
V (X) = E(X 2 ) E(X) .

d) Commencer par dterminer la fonction de rpartition de Y


et reconnatre la fonction de rpartition dune loi exponentielle.

190

a) b) Appliquer les mthodes dcrites dans la partie les


mthodes retenir .

a) crire P(X  0) =

ment de variable u = t.

f(t) dt puis effectuer le change$

effectuer le changement de variable u = t.

f(t) dt puis

$ 0
c) Commencer par montrer que les intgrales
tf(t) dt et

$ +
tf(t) dt sont de mme nature, et en cas de convergence,
0
$ +
$ 0
tf(t) dt =
tf(t) dt. Puis conclure.
que lon a :

6.4

Calculer P(Y = 0), puis en dduire que Y nest pas une


va densit.

Raisonner par labsurde et supposer que Y est une va discrte.



Calculer
P(Y = y), puis conclure.
yY()

Du mal dmarrer ?

6.5

a) Pour tout x de R, exprimer les vnements (Z  x) et


(T > x) laide dvnements faisant intervenir les va X et Y .
Utiliser lindpendance de X et Y pour en dduire les fonctions
de rpartition de Z et T .

b) Montrer que ces fonctions de rpartition sont continues


sur R, de classe C 1 sur R priv ventuellement dun ensemble
fini de points. Conclure.

6.6

a) Obtenir :
 si a > 0 : y R, P(Y  y) = F

a
y b
.
a
En dduire que Y est une va densit et calculer une densit de
Y en utilisant la mthode dcrite dans la partie les mthodes
retenir .

0
si z < 0

b) Obtenir : z R, FZ (z) =
.

F( z) F( z) si z  0
Raisonner de la mme faon quau a).

6.7

a) b) Appliquer la mthode dcrite dans la partie les


mthodes retenir .
$ +
c) Montrer que
tf(t) dt converge et remarquer que la fonc0

tion t  tf(t) est impaire.

d) Utiliser le thorme de transfert et la fonction dEuler.



2
e) Utiliser la formule : V (X) = E(X 2 ) E(X) .

6.8

a) Noter que I(a, b) est une intgrale gnralise, a priori,


en 0 et 1.
Utiliser le thorme dquivalence pour des fonctions positives
et lexemple de Riemann pour obtenir le rsultat.

b) Effectuer une intgration par parties pour obtenir la premire relation.


Utiliser la linarit de lintgrale pour obtenir la deuxime
relation.
Dduire la troisime relation laide des deux premires.

c) 1) Utiliser la mthode dcrite dans la partie les mthodes


retenir .
Dunod. Toute reproduction non autorise est un dlit

En dduire la fonction de rpartition de Y , puis montrer que


Y est une va densit.

6.11

Pour tout y de R, dcrire lvnement (Y  y).

Remarquer que X admet une densit paire, donc :


x R, P(X  x) = P(X  x).

y b

 si a < 0 : y R, P(Y  y) = 1 F

c) 2) Remarquer que X prend presque srement ses valeurs dans


[0 ; 1], donc X admet une esprance et une variance.
2

Exprimer E(X) et E(X ) laide des intgrales I(a, b), puis en dduire V (X).

6.9

a) Appliquer la mthode dcrite dans la partie les mthodes retenir .

b) Montrer que X nadmet pas desprance, ni de variance.


$ +
$ +
1
1
f(t) dt et
c) 1) tudier les intgrales
f(t) dt.
t
t2
a
a
+ 1+
c) 2) Montrer que Y suit la loi uniforme sur 0 ; .
a
En dduire E(Y ) et V (Y ) en utilisant les formules de cours.

6.10

En dduire que Y prend ses valeurs dans [0 ; 4], et pour tout


y de [0 ; 4], exprimer lvnement (Y  y) laide dvnements
faisant intervenir la va X.

Commencer par tudier la fonction


: [1 ; 2] R, t  t2 .

Montrer alors que les fonctions de rpartition de X et de Y


sont gales, puis conclure.
1
2
e x /2 .
Noter f : x 
2
1
laide de f puis en dduire sa valeur.
a) Exprimer
2
b) 1) 2) 3) Considrer une va X de loi normale desprance 1
1
et de variance . Exprimer les trois intgrales laide dune
4
densit de X.
b
b) 4) Considrer une va X de loi normale desprance
et de
2a
1
. Puis raisonner de la mme faon quau b) 1)
variance
2a
c) Noter la fonction de rpartition de la loi normale centre
rduite. Effectuer des changements de variables de faon exprimer les intgrales demandes laide de .

6.12

6.13

a) Montrer que Xn = A1 + A2 + + An . Pour obtenir la loi


de Xn , utiliser le thorme de stabilit de la loi normale.
Raisonner de la mme faon pour Yn .

2
pn = P(1  Xn  1) .

b) Montrer :


1
c) Montrer que Xn2 et Yn2 suivent la loi 2n, , en utilisant (par
2
exemple) lexercice 6.6.
Pour obtenir la loi de Dn , utiliser le thorme de stabilit de la
loi Gamma.

d) Montrer :

qn = P(Dn  1).

6.14

a) Commencer par dterminer la fonction de rpartition


de U, puis en dduire que U est une va densit.
Raisonner de la mme faon pour V .

b) Remarquer que les va U et V sont indpendantes. Une densit de U+V sobtient donc en faisant le produit de convolution
dune densit de U et dune densit de V .
c) Remarquer que Q = e U+V .
Montrer que Q nadmet pas desprance.
$
6.15 a) Justifier : n N, P(Y = n) =

n+1

f(t) dt.
n

b) Raisonner par double implication.


Supposer que X admet une esprance, puis montrer que Y admet une esprance et que E(Y )  E(X).
Supposer que Y admet une esprance, puis montrer que X admet une esprance et que E(X)  E(Y ) + 1.
Puis conclure.

191

Chapitre 6

Variables alatoires densit

c) 1) Dterminer, pour tout n de N, P(Y = n), puis calculer E(Y )


en utilisant la dfinition de lesprance.
c) 2) Justifier que Z prend ses valeurs dans [0 ; 1[, puis obtenir :
+

P(n  X  n + z).

z [0 ; 1[, P(Z  z) =

n=0

6.16

a) 1) Une densit de X Y sobtient en faisant le produit


de convolution dune densit de X et dune densit de Y .
a) 2) En dduire la fonction de rpartition de U puis une densit
de U.
b) Pour calculer P(E), commencer par dterminer une densit
de U Z sur R .
c) Montrer que U et V ont mme fonction de rpartition.
d) Remarquer que T = V + Z. En dduire une densit de T
puis E(T ).

6.17

a) b) Utiliser la mthode dcrite dans la partie les mthodes retenir .


1
c) 1) Commencer par tudier la fonction x  x + sur linterx
valle R+ .
c) 2) Pour tout y  2, crire :
(Y  y) = (X 2 yX + 1  0) = (r1  X  r2 ),
o r1 , r2 sont les solutions de lquation r2 yr + 1 = 0, dinconnue r R.
En dduire la fonction de rpartition de Y , puis montrer que Y
est densit.

6.18

a) Une densit de Y2 sobtient en faisant le produit de


convolution dune densit de X1 et dune densit de X2 .

b) Effectuer une IPP en drivant x  (x) et en intgrant


x  2xf(x). Puis effectuer un changement de variable dans
lintgrale obtenue.
c) Passer la limite lorsque A et B + dans lgalit
1
prcdente, pour en dduire E(Z) = .

d) Montrer que X 2 et Z 2 ont mme fonction de rpartition.


En dduire :

6.21

n


Ui puis utiliser un rsultat de

cours pour obtenir une densit de Tn .

b) Commencer par crire P(N0,t = n) = P(Tn  t) P(Tn+1  t),


utiliser la loi de Tn et la loi de Tn+1 et effectuer une intgration
par parties.
c) 1) Interprter chacun des vnements.
c) 2) En dduire la fonction de rpartition de Wt puis reconnatre une loi usuelle.

6.22

a) b) Utiliser la mthode dcrite dans la partie les mthodes retenir .


$ +
c) Montrer que
xf(x) dx diverge et conclure.
0

d) Pour tout y de R, exprimer lvnement (Y  y) laide dvnements faisant intervenir X. En dduire la fonction de rpartition de Y , puis conclure.
e) 1) Immdiat.
e) 2) 3) Raisonner de la mme faon quau d).

6.23

a) Effectuer une intgration par parties.

b) 1) Remarquer :


x R+ , x 1 F(x) =

+
x

xf(t) dt 

tf(t) dt.
x

b) 2) Passer la limite lorsque x + dans lgalit du a).

a) Noter Nx le nombre de va Xi infrieures ou gales x.




Montrer Nx  B n, F(x) .

c) 1) Montrer que est croissante et majore sur R+ .


$ +
c) 2) En dduire que
tf(t) dt converge puis utiliser les r-

Justifier que P(Yk  x) = P(Nx  k) et en dduire le rsultat


demand.

sultats du b).

6.19

b) Montrer que la fonction de rpartition de Yk est continue


sur R, C 1 sur R priv dun ensemble fini de points.
Une densit de Yk sobtient en drivant sa fonction de rpartition, l o elle est drivable.

c) 1) Remarquer que Yk est une va borne.


c) 2) Calculer, pour tout x de R, P(Yn  x) et P(1 Y1  x) et en
dduire que Yn et 1 Y1 ont mme fonction de rpartition.
c) 3) Calculer, pour tout k de 1 ; n, une densit fk de Yk , puis
en utilisant la dfinition de E(Yk+1 ), exprimer E(Yk+1 ) en fonction de E(Yk ).
En dduire :

6.20
de Z.

192

a) Remarquer que Tn =

i=1

b) Raisonner par rcurrence sur n et remarquer que, pour tout


n  1, les va Yn et Xn+1 sont indpendantes.
c) Utiliser la linarit de lesprance et la proprit sur la variance dune somme de va indpendantes.

E(Z 2 ) = E(X 2 ).

k
.
k 1 ; n, E(Yk ) =
n+1

a) Commencer par dterminer la fonction de rpartition

d) 1) Commencer par crire :

x R, P(Mn  x) = P(X1  x)n .

d) 2) Utiliser le rsultat dmontr dans les questions b) et c).

6.24

a) Commencer par calculer, pour tout x de R, P(Un > x),


puis reconnatre la fonction de rpartition de Un .

b) Utiliser un rsultat de cours pour obtenir une densit de Sn ,


puis raisonner par rcurrence sur n pour obtenir lexpression de
P(Sn > x) demande.
c) 1) Commencer par obtenir :
x R, P(U > x) =

+


P(N = n)P(Un > x),

n=1

puis calculer cette somme. En dduire la fonction de rpartition


de U.

c) 2) Raisonner de la mme faon quau c) 1).

Corrigs des exercices




P X [0 ; 1] = 1.

6.1
a) La fonction f est continue sur R, priv ventuellement de
lensemble {0, 1}.
La fonction f est positive ou nulle sur R si et seulement si
c  0.
Enfin, la fonction f tant nulle en dehors de [0 ; 1],
$ 1
$ +
f =
f . Cette intgrale nest pas une intgrale gnra

lise car f est continue sur [0 ; 1].


$ 1
*

c +1
1 c
= .
f =
=c 1
Et lon a :
0
1
+
t
2
2
0
On en dduit :

f est une densit si et seulement si c = 2.

On en dduit que X admet une esprance et une variance.


Et lon a :
$ 1
$ 1
2t
t f (t) dt =
dt
E(X) =
2
(1
+
0
0
$ 1
$t)1 
2 
2(1 + t) 2
2
dt
=
dt =

2
(1 + t)
1 + t (1 + t)2
0
0
*
+
2 1
= 2 ln |1 + t| +
= 2 ln 2 + 1 2 = 2 ln 2 1
1+t 0
$ 1
$ 1
2t2
t2 f (t) dt =
dt
E(X 2 ) =
2
0 (1 + t)
$0 1
2(t + 1)2 4(t + 1) + 2
=
dt
(1 + t)2
$0 1 
2 
4
=
+
2
dt
1
+
t
(1
+
t)2
0
+
*
1
2
= 3 4 ln 2
= 2t 4 ln |1 + t|
1+t 0
donc :

V(X) = E(X 2 ) E(X)2


= 3 4 ln 2 (2 ln 2 1)2 = 2 4(ln 2)2 .

Remarque : Puisque ln 2  0.69, on a bien : V(X)  0.

b) Notons F la fonction de rpartition de X. Alors :


$ x
$ x
x < 0, F(x) =
f (t) dt =
0 dt = 0,
$
x > 1, F(x) =

6.2

f (t) dt =
$

f (t) dt = 1,
0

a)  Montrons que f est une densit.

La fonction f est continue sur R priv ventuellement de lensemble {0}.

x [0 ; 1], F(x) =

Ainsi :

f (t) dt =
f (t) dt

0
+
*
2x
2
2 x
=
.
=2
=
1+t 0
1+x 1+x

0 si x < 0

2x
x R, F(x) =
si 0  x  1 .

1+x

1 si x > 1

Pour tout x  0, x e x
ou nulle sur R.

2 /2

 0. Donc la fonction f est positive


$

Enfin, la fonction f tant nulle sur R , donc lintgrale


converge.
$ A
%
2 &A
f (x) dx = e x /2 0
De plus : A > 0,
= 1 e A

2 /2

f converge.
0

f converge et :

On en dduit que lintgrale

c) Puisque f est nulle en dehors de [0 ; 1], la va X prend presque


srement ses valeurs dans [0 ; 1], cest--dire :

1.

Ainsi, lintgrale

Remarque : La fonction F est bien continue sur R, de classe C


sur R priv ventuellement de {0, 1}.

$
f =

f+

f = 1.

On conclut que f est une densit.


193

Chapitre 6

Variables alatoires densit

 Reprsentons la fonction f .

Or :

t e t

2 /2

La fonction f est drivable sur R+ et :


2

Do les variations de f sur R+ suivantes :


1
0
e 1/2

f (x)

= A e A /2 0,
A
daprs les croissances compares.
2

De plus, en eectuant le changement


de variable
u = t2 /2 t = 2u,
$ A2 /2
$ A
du
2
e t /2 dt =
e u
on obtient :
0
0
2u
,
$ A2 /2
1
1 1

1/2 u
u e du
=
=
.
A+
2
2 0
2 2
,

.
On en dduit que X admet une esprance et E(X) =
2

x R+ , f  (x) = e x /2 (1 x2 ).

x 0
f  (x) +

&A

La va X admet une variance si et seulement si X admet


un
$ moment dordre
$ 2, et donc si et seulement si lintgrale
+

t2 f (t) dt =

t2 f (t) dt converge. Il sagit dune int-

grale gnralise en +. On a :
$ A
$ A
2
A > 0,
t2 f (t) dt =
t2 t e t /2 dt.
b) Notons FX la fonction de rpartition de X. Alors :
$ x
$ x
f (t) dt =
0 dt = 0,
x < 0, FX (x) =
$

x  0, FX (x) =

Ainsi :

f (t) dt =
f (t) dt
0
% t2 /2 &x
x2 /2
.
= e
0 = 1 e

0
si x < 0
.
x R, FX (x) =
2
1 e x /2 si x  0

 
u (t) = 2t
u(t) = t2
, on obPar IPP en posant
2

t2 /2 ,
v(t) = e t /2
v (t) = t e
$ A
$ A
%
2 &A
2
t2 f (t) dt = t2 e t /2 0 +
2t e t /2 dt
tient :


%
2
2 &A
2
= t2 e t /2 2 e t /2 0 = 2 (A2 + 2) e A /2 2,
A
daprs les croissances compares.
Ainsi, X admet un moment dordre 2 et E(X 2 ) = 2.
On en dduit que X admet une variance et
4
V(X) = E(X 2 ) E(X)2 = 2 =
.
2
2
Remarque : On a bien V(X)  0.
d) La va Y prend ses valeurs dans R+ .
Notons FY la fonction de rpartition de Y. Alors :

Remarque : La fonction FX est bien continue sur R, de


classe C 1 sur R priv ventuellement de {0}.
c)
$ +La va X admet
$ +une esprance si et seulement si lintgrale
t f (t) dt =
t f (t) dt converge. Il sagit dune intgrale

gnralise en +. On a :
$ A
$
A > 0,
t f (t) dt =
0

t t e t

2 /2

dt.

u (t) = 1
u(t) = t
,
, on obPar IPP en posant 
2
2
v(t) = e t /2
v (t) = t e t /2
$ A
$ A
%
2 &A
2
t f (t) dt = t e t /2 0 +
e t /2 dt.
tient :
0

194

y < 0, FY (y) = P(Y  y) = 0,


car Y prend ses valeurs dans R+
y  0, FY (y) = P(Y  y) = P(X 2  y)

= P( y  X  y) = P(X  y) = FX ( y)
car X prend ses valeurs dans R+ presque srement (puisque f
est nulle sur R ).

0
si y < 0
Ainsi : y R, FY (y) =
.
1 e y/2 si y  0
On reconnat la fonction de rpartition de la loi exponentielle
1
1
.
de paramtre . On en dduit : Y  E
2
2
Remarque : On obtient, en particulier, E(X 2 ) = E(Y) = 2. On
retrouve le mme rsultat que dans la question c).

Corrigs des exercices

6.3

On a alors :

P(X  0) + P(X  0) = P(X  0) + P(X > 0) = 1.


$ 0
Dautre part : P(X  0) =
f (t) dt

$ 0
$ +
=
f (u)( du) =
f (u) du = P(X  0).
u=t +  !"
0
= f (u)

b) Soit x R. Alors :
$
F(x) = P(X  x) =
=

1
.
2

P(X  0) = P(X  0) =

On en dduit :

f (t) dt =

u=t

f (u)( du)
 !"
= f (u)

t f (t) dt =
0

u=t

Dunod. Toute reproduction non autorise est un dlit

On en dduit :

X admet une esprance

t f (t) dt converge.
0

$
t f (t) dt =

a) On a, pour tout x R :




P(Z  x) = P max(X, Y)  x = P (X  x) (Y  y)
= P(X  x)P(Y  x) car X et Y sont indpendantes.
On en dduit : x R, FZ (x) = P(Z  x) = FX (x) FY (x).

= FX (x) + FY (x) FX (x)FY (x).


t f (t) dt sont

6.5

t f (t) dt et

et : y > 0, P(Y = y) = P(X = y) = 0,


car X est une va densit.

1
P(Y = y) = P(Y = 0) + 0 = P(Y = 0) =  1, ce
Ainsi :
2
yY()
qui est absurde.

On en dduit : x R, FT (x) = P(T  x) = 1 P(T > x)





= 1 1 FX (x) 1 FY (x)

de mme nature et que, en cas de convergence :


$ 0
$ +
t f (t) dt =
t f (t) dt.

P(Y = y),

yY()
y>0

u f (u) du.

On en dduit que les intgrales

E(X) =

yY()

(u) f (u)( du)

$0

Dans ce cas$:

P(Y = y) = P(Y = 0) +

On a, pour tout x R :




P(T > x) = P min(X, Y) > x = P (X > x) (Y > y)
= P(X > x)P(Y > x) car X et Y sont indpendantes.

A > 0,

On conclut que Y nest ni une va densit, ni une va discrte.

c) Par dfinition de lesprance :


$ +
X admet une esprance
t f (t) dt converge
$ 0
$
0

t f (t) dt et
t f (t) dt convergent.
Or :

Or :

Donc Y nest pas une va discrte.

f (u) du = P(X  x) = P(X > x) = 1 F(x).

P(Y = y) = 1.

yY()

a) Dune part :

t f (t) dt +

t f (t) dt = 0.

6.4
La va Y prend ses valeurs dans R+ .

b) Les va X et Y tant des va densit, les fonctions FX et FY


sont continues sur R, de classe C 1 sur R priv ventuellement
dun ensemble fini de points.
On en dduit, par oprations, que les fonctions FZ et FT sont
elles aussi continues sur R, de classe C 1 sur R priv ventuellement dun ensemble fini de points.
Donc les va Z et T sont des va densit. Les densits fZ et fT
sobtiennent en drivant FZ et FT sauf en un nombre fini de
points o le choix est arbitraire.
On a alors (par exemple) : x R,

f (x) = fX (x)FY (x) + FX (x) fY (x)

fT (x) = fX (x) + fY (x) fX (x)FY (x) FX (x) fY (x)

= fX (x) 1 FY (x) + fY (x) 1 FX (x) .

1
On a : P(Y = 0) = P(X  0) = , puisque X admet une
2
densit paire et daprs lexercice 6.3.

6.6

Donc Y nest pas une va densit car sinon, on aurait :


y R, P(Y = y) = 0.

On a : y R, P(Y  y) = P(aX + b  y)
= P(aX  y b).

Supposons que Y soit une va discrte.

 1er cas : si a > 0, alors pour tout y R,

a) Notons FY la fonction de rpartition de Y.

195

Chapitre 6

Variables alatoires densit


y b
P(Y  y) = P X 
.
a

6.7

 2e cas : si a < 0, alors pour tout y R




y b
y b
=1P X <
P(Y  y) = P X 
a
a

y b
.
=1P X 
a
y b
Ainsi :  si a > 0 : y R, FY (y) = F
a
y b
.
 si a < 0 : y R, FY (y) = 1 F
a
La va X tant une va densit, sa fonction de rpartition F est
continue sur R, de classe C 1 sur R priv ventuellement dun
ensemble fini de points. Par oprations sur les fonctions, il en
est de mme pour FY .

a) La fonction f est
sur
positive ou nulle sur R. De
$ R,
$ continue
A
A
c ct
e dt
f (t) dt =
plus : A > 0,
0
0 2
* 1
+A 1

1
= e ct = 1 e At .
0
A 2
2
2
$ +
1
f converge et vaut .
Donc
2
0
$ +
Puisque f est une fonction paire, on en dduit que
f

$ +
$ +
f =2
f = 1.
converge et

Ainsi f est une densit.

On en dduit que Y est une va densit. Une densit de Y sobtient en drivant FY sauf en un nombre fini de points o le choix
est arbitraire.
Une densit fY de Y est alors (par exemple) dfinie par :
$

1 y b
f
a
a
1 y b
 si a < 0 : y R, fY (y) = f
.
a
a

 si a > 0 : y R, fY (y) =

b) Soit x R. On a :

Ce qui peut scrire, pour tout a  0 :


1 y b
y R, fY (y) =
f
.
|a|
a
b) La va Z prend ses valeurs dans R+ .
Notons FZ la fonction de rpartition de Z. Alors :
z < 0, FZ (z) = P(X 2  z) = 0,

z  0, FZ (z) = P(X 2  z) = P( z  X  z).

0
si z < 0

Ainsi : z R, FZ (z) =

F( z) F( z) si z  0.
et

La fonction FZ est alors continue sur R ; de plus, puisque F est


FZ = 0 et
continue sur R, FZ est continue sur R+ ; enfin, lim

FZ , donc FZ est continue en 0 ;


FZ (0) = F(0) F(0) = 0 = lim
+

ainsi FZ est continue sur R.

De plus, FZ est C 1 sur R , C 1 sur R+ priv ventuellement dun


ensemble fini de points (car F lest sur R) ; donc FZ est C 1 sur R
priv ventuellement dun ensemble fini de points.
On en dduit que Z est une va densit.
Une densit fZ de Z est (par exemple) dfinie par :

0
si z  0

1 

z R, fZ (z) =

f
(
z)
+
f
(
z)
si z > 0.

2 z
196

F(x) =

f (t) dt =

c c|t|
e
dt.
2

1er cas : Si x  0, alors


$ x
c ct
car t ] ; x], |t| = t
e dt
F(x) =
2
* 1 +x
1
 1
1
= lim
e ct = lim
e cx e cA = e cx .
A
A 2
A 2
2
2
2e cas : Si x > 0, alors
$ x
$ 0
f (t) dt +
f (t) dt
F(x) =

0
$ x
$ 0
c ct
c ct
=
e dt +
e dt
2
0 2
* 1 +0  * 1
+x

e ct + e ct
= lim
A
0
A 2
2
1 1
 1

1
cA
cx
e
e +
= lim
A 2
2
2
2
1
= 1 e cx .
2
Ainsi la fonction de rpartition F de X vrifie :

1 cx

e
si x  0

2
.
x R, F(x) =

1 e cx si x > 0
2

Corrigs des exercices

Remarque : La fonction F est bien continue sur R, de classe C 1


sur R priv ventuellement de {0}.
c)
La va X admet une esprance si et seulement si lintgrale
$ +
t f (t) dt converge.

$ A
c ct
t e dt
t f (t) dt =
2
0
0
+A $ A 1
* t
e ct dt par IPP
= e ct +
0
2
0 2
* t
1 ct +A
e
= e ct
0
2
2c
A cA 1 cA 1
1
e

= e

+
2
2c
2c A 2c
daprs les croissances compares.
$

On a : A > 0,

On en dduit que X n admet une esprance, et :


$ +
tn f (t) dt.
E(X n ) =

cas :$ si n est pair, alors t  tn f (t) est paire, donc :


+
n!
tn f (t) dt = 2I(n) = n .
E(X n ) = 2
c
0

1

er

 2e cas : si n est impair, alors t  tn f (t) est impaire, donc :


E(X n ) = 0.
e) Puisque X admet un moment dordre 2, X admet une variance
2
2
et : V(X) = E(X 2 ) E(X)2 = 2 0 = 2 .
c
c

6.8
a) La fonction g : t  ta1 (1 t)b1 est continue sur ]0 ; 1[,
donc I(a, b) est une intgrale gnralise en 0 et en 1.

t f (t) dt converge.

Ainsi
0

Puisque t
 t f (t) est impaire,
t f (t) dt converge gale
$ 0
$ +
ment et
t f (t) dt =
t f (t) dt.

Par la relation de Chasles, on en dduit que


$ +
t f (t) dt = 0.
converge et

t f (t) dt

Ainsi par la relation de Chasles, I(a, b) converge si et seulement


$ 1
$ 1/2
g et
g convergent.
si
0

1/2

On a :

g(t) ta1  0. Daprs le thorme dquit0


$ 1/2
valence pour des fonctions positives, les intgrales
g et
0
$ 1/2
ta1 dt sont de mme nature.
0

Donc X admet une esprance et E(X) = 0.

ta1 dt
0

d) Soit n N .

converge si et seulement si a 1 > 1, cest--dire a > 0.


$ 1/2
On obtient :
g(t) dt converge a > 0.

Daprs le thorme de transfert,

On a :

Remarque : On pouvait aussi utiliser lexercice 6.3.

X n admet une esprance


$
lintgrale
Dunod. Toute reproduction non autorise est un dlit

1/2

Daprs lexemple de Riemann en 0, lintgrale

$
+

tn f (t) dt converge absolument

|t|n f (t) dt converge


lintgrale
$ +
$ +
|t|n f (t) dt =
tn f (t) dt converge
lintgrale
0

car la fonction t  |t|n f (t) est paire.

Notons I(n) =

tn f (t) dt.

g(t) (1 t)b1  0. Daprs le thorme dquit1


$ 1
valence pour des fonctions positives, les intgrales
g et
1/2
$ 1
(1 t)b1 dt sont de mme nature.
1/2

Alors :

si et seulement si b 1 > 1, cest--dire b > 0.


$ 1
On obtient :
g(t) dt converge b > 0.
1/2

c n ct
t e dt
0
0 2
$
$ cA
1 cA  u n u
1
=
e du = n
un e u du
u=ct 2 0
c
2c 0
n!
1
(n + 1) = n .

A+ 2cn
2c
A > 0,

(1 t)b1 dt converge
1/2

Daprs lexemple de Riemann en 1,

tn f (t) dt =

Donc lintgrale I(n) converge et I(n) =

n!
.
2cn

g converge

On en dduit :


a > 0 et b > 0 .

b) Puisque a > 0 et b > 0, on a a + 1 > 0 et b + 1 > 0.


Donc toutes les intgrales qui interviennent convergent.
Pour tout (x, y) ]0 ; 1[2 , on a par intgration par parties :
$ y
$ y
&y
%
b
ta (1 t)b1 dt = ta (1 t)b x +
ata1 (1 t)b dt.
x

197

Chapitre 6

Variables alatoires densit

a
a2
a+1

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


a (a + 1)(a + b) a(a + b + 1)
ab
=
=
.
(a + b + 1)(a + b)2
(a + b + 1)(a + b)2

En passant la limite lorsque x tend vers 0 et y tend vers 1, on


obtient : b I(a + 1, b) = 0 + a I(a, b + 1) = a I(a, b + 1).
Pour tout (x, y) ]0 ; 1[2 , on a :
$ y
$ y
ta1 (1 t)b dt +
ta (1 t)b1 dt
x
x
$ y

=
ta1 (1 t)b + ta (1 t)b1 dt
$x y


ta1 (1 t)b1 (1 t) + t dt
=
$x y
=
ta1 (1 t)b1 dt.
x

En passant la limite lorsque x tend vers 0 et y tend vers 1, on


obtient : I(a, b + 1) + I(a + 1, b) = I(a, b).
On en dduit :



b I(a + 1, b) = a I(a, b + 1) = a I(a, b) I(a + 1, b)

I(a + 1, b) =

6.9
a) La fonction f est continue sur R sauf en a.
La fonction f est positive ou nulle sur R.
$ A
* a +A
a
f (t) dt =
=1
1.
Enfin : A > a,
t a
A A+
a
$ +
Ainsi
f (t) dt converge et est gale 1. Puisque f est nulle
a
$ +
f (t) dt
en dehors de [a ; +[, on en dduit que lintgrale

converge et est gale 1.


On conclut que f est une densit.

donc : (a + b) I(a + 1, b) = aI (a, b),


et ainsi :

a
I(a, b).
a+b

c) 1) Remarque : On montre, par rcurrence sur a, que, pour


tout (a, b) (R+ )2 , I(a, b) > 0 (et en particulier I(a, b)  0).
Ainsi, la fonction f est bien dfinie.
La fonction f est positive ou nulle sur R, continue sur R priv
ventuellement de lensemble {0, 1}.
$ 1
f (t) dt converge et
De plus, daprs la question a),
0
$ 1
$ 1
1
I(a, b)
f (t) dt =
ta1 (1 t)b1 dt =
= 1.
I(a, b) 0
I(a, b)
0
Puisque f est nulle en dehors de [0 ; 1], on obtient :
$ +
$ 1
$ +
f converge et
f =
f = 1.

b) La va X admet
$ une esprance
lintgrale
lintgrale

$
+

t f (t) dt converge
t f (t) dt converge

car f est nulle en dehors de [a ; +[.

Or : A > a,

t f (t) dt
$

=
a

On en dduit que f est une densit.


c) 2) Puisque X prend presque srement ses valeurs dans [0 ; 1],
qui est un ensemble born, X admet une esprance et une variance. Et lon a :
$ 1
$ 1
1
t f (t) dt =
ta (1 t)b1 dt
E(X) =
I(a, b) 0
0
a
I(a + 1, b)
=
, daprs la question b)
=
I(a, b)
a+b
$ 1
$ 1
1
E(X 2 ) =
t2 f (t) dt =
ta+1 (1 t)b1 dt
I(a, b) 0
0
I(a + 2, b) I(a + 2, b) I(a + 1, b)
=
=
I(a, b)
I(a + 1, b) I(a, b)
a+1
a
=
, daprs la question b)
a+b+1 a+b
et donc, V(X) = E(X 2 ) E(X)2
198



a
dt = a ln A ln a +.
A+
t
+

f (t) dt diverge, donc que X

On en dduit que lintgrale


nadmet pas desprance.

Puisque X nadmet pas desprance, X nadmet pas non plus


de variance.
1
c) 1) La va Y = admet une esprance
X
$ +
1
f (t) dt converge absolument
lintgrale
t
(daprs le thorme de transfert)
$ +
1
f (t) dt converge absolument
lintgrale
t
a
(car f est nulle en dehors de [a ; +[)
$ +
1
f (t) dt converge
lintgrale
t
a
1
(car la fonction t  f (t) est positive sur [a ; +[).
t

Corrigs des exercices

Or : A > a,
a

1
f (t) dt =
t

A
a

*
a
dt =
t3
1
=

2a

a +A
2t2 a
1
a

.
2A2 A+ 2a

On en dduit que Y admet une esprance et E(Y) =

1
.
2a

1
admet un moment dordre 2
X
1
la va Y 2 = 2 admet une esprance
X
$ +
1
lintgrale
f (t) dt converge absolument
2
t

$ +
1
f (t) dt converge.
lintgrale
2
t
a
$ A
$ A
*
1
a
a +A
f
(t)
dt
=
dt = 3
Or : A > a,
2
4
3t a
a t
a t
1
1
a
= 2 3
.
3a
3A A+ 3a2
La va Y =

Ainsi Y admet un moment dordre 2 et E(Y 2 ) =

Remarque : On retrouve bien les mmes rsultats quau 1).

6.10
Puisque X suit la loi uniforme sur [1 ; 2], X prend ses valeurs
dans [1 ; 2].

si x [1 ; 2]
3
Une densit de X est f : x 

0 sinon.
La fonction de rpartition F de X est

0 si x < 1

x+1
F : x 
si 1  x  2

1 si x > 2.

1
.
3a2

On en dduit que Y admet une variance et


1
1
1
.
V(Y) = E(Y 2 ) E(Y)2 = 2 2 =
3a
4a
12a2
Remarque : On a bien V(Y)  0.
c) 2) Puisque f est nulle en dehors de [a ; +[, X prend
presque srement ses valeurs dans [a ; +[.
+ 1+
Donc Y prend presque srement ses valeurs dans 0 ; .
a
Soit y R.

Notons la fonction x  x2 . Le tableau de variation

1er cas : Si y  0, alors P(Y  y) = 0.


2e cas : Si y >

de est :
1

1
y
3 cas : Si 0 < y  , alors P(Y  y) = P
a
X
$ +


* a +A
1
=PX
f (t) dt = lim
= ay.
=
A+
y
t 1/y
1/y
e

Dunod. Toute reproduction non autorise est un dlit

1
, alors P(Y  y) = 1.
a

Ainsi, la fonction de rpartition FY de Y vrifie :

0 si y  0

ay si 0 < y  1
y R, FY (y) =

a .

1 si y >
a

(x)

1
1

0


2
4


0
On en dduit que la va Y prend ses valeurs dans [0 ; 4].
Notons G la fonction de rpartition de Y. Alors on a :
y < 0, G(y) = 0

et y > 4, G(y) = 1.

Soit y [0 ; 4]. Deux cas se prsentent :


 1er cas : si y [0 ; 1], alors

On reconnat la fonction de rpartition de la loi uniforme sur


+ 1 +
+ 1+
.
0 ; . Ainsi : Y  U 0 ;
a
a

(Y  y) = (X 2  y) = ( y  X  y), donc :

y+1 y+1 2 y

G(y) = F( y) F( y) =

=
.
3
3
3

Daprs le cours, on sait que :

 2e cas : si y ]1 ; 4], alors

0+
E(Y) =
2

1
a

1
2a

et

( 1 0)2
1
.
V(Y) = a
=
12
12a2

(Y  y) = (X 2  y) = (1  X 

y), donc :
199

Chapitre 6

Variables alatoires densit

G(y) = F( y) F(1) =

y+1
0=
3

y+1
.
3

0
si y < 0

2
y

si 0  y  1

.
On en dduit : G : y 

y+1

si 1 < y  4

1
si y > 4





= P (U = 1) (X  y) + P (U = 1) (X  y)
par incompatibilit des deux vnements
= P(U = 1)P(X  y) + P(U = 1)P(X  y)
par indpendance des va U et X
1
1
= P(X  y) + P(X  y).
2
2
Puisque X admet une densit paire, P(X  y) = P(X  y).
P(Y  y) =

On obtient alors :

1
1
P(X  y) + P(X  y)
2
2
= P(X  y) = (y).

On en dduit que la fonction de rpartition de Y est gale celle


de X. Donc Y et X suivent la mme loi.
On conclut : Y suit la loi normale centre rduite.
La fonction G est de classe C 1 sur R priv ventuellement de
lensemble {0, 1, 4}.
G = 0 = G(0) = lim
G,
De plus, lim
0+
0
2
G = = G(1) = lim
G,
lim
1
1+
3
G
=
1
=
G(4)
=
lim
G.
lim

+
4

Ainsi G est continue en 0, 1 et 4, donc sur R.


On en dduit que Y est une va densit.
Une densit g est Y est donne par :
1

si 0 < y  1

3 y

1
y R, g(y) =
.

si 1 < y  4

6 y

0 si y  0 ou si y > 4

6.12
a) On a :

1

Considrons une va X de loi normale centre rduite.


Daprs le cours, une densit de X est dfinie sur R par :
1
2
f (x) = e x /2 .
2
$ +
1

1
2
=2
Ainsi :
e u /2 du
2
0
$ +
$2+

=2
f (u) du =
f (u) du car f est paire
0

= car f est une densit.


b) 1) On a, pour tout x R,
2 4x2

Notons la fonction de rpartition de X.

Puisque X prend ses valeurs dans R et U dans {1, 1}, on en


dduit que Y prend ses valeurs dans R.
Soit y R. Alors lvnement (Y  y) scrit :
(Y  y) = (UX  y)



= (U = 1) (X  y) (U = 1) (X  y) .
On obtient :
200

P(Y  y)

1
e t dt
t
$0 +
$ + u2 /2
2 u2 /2
u du = 2
e
du.
=
e
u
t=u2 /2 0
0

e 2x

6.11


(x + 1)2

.
= exp 2(x + 1)2 = exp
2 14

Considrons une va X de loi normale desprance 1 et de va1


riance . Daprs le cours, une densit de X est dfinie sur R
4
par :
,
 (x + 1)2 
2 2x2 4x2
1
exp
.
e
=
f (x) = .
1

24
2 1
4

$
Ainsi :

I=

e 2x

2 4x2

, $ +

f (x) dx
2
,

=
, car f est une densit.
2

dx =

b) 2) En conservant les mmes notations que prcdemment,


, $ +
$ +

2x2 4x2
xe
dx =
x f (x) dx
J=
2

Corrigs des exercices

,
=

E(X) =
2

.
2

b) 3) Toujours en conservant les mmes notations,


, $ +
$ +

2 2x2 4x2
x e
dx =
x2 f (x) dx
K=
2

,
,


E(X 2 ) =
V(X) + E(X)2
=
2
2
,
 5
1
2
+ (1) = .
=
2 4
4 2
b) 4) On a, pour tout x R, en utilisant la mise sous forme
canonique dun trinme :
e ax

2 +bx+c




b 2 
b2 
= exp a x
exp c +
2a
4a
 (x 2ab )2 

b2 
= exp
.
exp c +
1
4a
2 2a

b
et de vaConsidrons une va X de loi normale desprance
2a
1
. Daprs le cours, une densit de X est dfinie sur R
riance
2a
b
(x 2a )2
1
exp
par : f (x) = .
1
2 2a
1
2 2a
,
b
(x 2a )2
a
=
exp
.
1

2 2a
,
$
$ +
c+ b2 +
2
e ax +bx+c dx =
f (x) dx
e 4a
Ainsi : L =

, a
b2

, car f est une densit.


= e c+ 4a
a
c) Soit X une va de loi normale centre rduite. Notons la
fonction de rpartition de X. Alors :
$ x
1
2
e t /2 dt.
x R, (x) =
2
 1 $ 1

2
e
dx = 2
e x /2 dx
I=
2 0
0


1
= 2 (1) (0) = 2 (1) .
 !"
2

Dunod. Toute reproduction non autorise est un dlit

c) 1) On a :

x2 /2

= 1/2

Daprs la table numrique de la loi normale centre rduite :


(1)  0.8413.
I  0.8555.
$ 2
$ 2
2
2
e 2x +4x2 dx =
e 2(x1) dx
c) 2) On a : J =
0
0
,
$ 2
$ 2

du
 1
2
2
e u /2
e u /2 du
=
=

u=2(x1) 2
2
2
2 2
,


(2) (2) .
=
2
On obtient :

Or : (2) = P(X  2) = P(X  2)


car X admet une densit paire
= 1 P(X < 2) = 1 (2).
,


2(2) 1 .
Do : J =
2
Daprs la table numrique de la loi normale centre rduite :
(2)  0.9772.
J  1.1962.
$ 1/2
$ 1/2
1 2
2
e 4x 4x dx =
e 4(x+ 2 ) e 1 dx
c) 3) On a : K =
0
0
$ 2 2
du
2
e u /2 e 1
=

u=2 2(x+1/2)
2
2
2

$ 2 2

e 1
2
=
e u /2 du

2
2
2


e
(2 2) ( 2) .
=
2

On obtient :

Daprs la table numrique de la loi normale centre rduite :

(2 2)  (2.82)  0.9976

( 2)  (1.41)  0.9207.
On obtient :

K  0.1853.

6.13
a) Soit n N .
On a :

A1 = X1 , A2 = X2 X1 , . . . , An = Xn Xn1 .

En sommant ces galits, on a :

A1 + A2 + + An = Xn .

Puisque les va A1 , . . . , An sont mutuellement indpendantes et


suivent des lois normales, on sait, par stabilit de la loi normale,
n

E(Ak ) = 0
que la va Xn suit la loi normale desprance m =
et de variance 2 =

n


k=1

V(Ak ) = n.

k=1

De mme, la va Yn suit la loi normale desprance nulle et de


variance n.
Une densit de Xn et de Yn est alors la fonction fn dfinie par :
1
x2
e 2n .
x R, fn (x) =
2n
b) Soit n N . Puisque les va A1 , ..., An , B1 , ..., Bn sont mutuellement indpendantes, les va Xn et Yn sont indpendantes.
On a alors :


pn = P (1  Xn  1) (1  Yn  1)
= P(1  Xn  1) P(1  Yn  1)
car Xn et Yn sont indpendantes
2

car Xn et Yn ont mme loi
= P(1  Xn  1)
201

Chapitre 6

=
u=x/ 2n

Variables alatoires densit

$ 1
2
2
x2
x2
1 
2
e 2n dx =
e 2n dx
2n
1
0
2n
x2
car
x


e 2n est paire

$
2 4 *  1 +2
2  1/ 2n u2
e
2n du = h
.
n 0

2n
$

t2

Puisque h est la primitive sur R de la fonction t  e qui


sannule en 0, h est de classe C 1 sur R, donc en particulier h est
continue sur R.
1
Comme 0, on a :
2n n

pn
n

2
4
h(0) = 0.

Lorsque n devient grand, le point mobile a trs peu de chance


de se trouver dans le carr [1 ; 1]2 linstant n.
c) En utilisant les rsultats de lexercice 6.6, une densit gn
de Xn2 et de Yn2 est donne par :
x R , gn (x) = 0

1
fn ( x) + fn ( x)
2 x

( x)2
1 ( x)2
1
1
x
e 2n
=
e 2n + e 2n =
2 x 2n
2nx
1
1
1 1 x
2
2n ,
= .
x
=
e
puisque



1
1/2
2
(2n) 2

x R+ , gn (x) =

En particulier, puisque lim pn = 0, on retrouve le fait que


n
lim qn = 0.
n

6.14
a) La fonction de rpartition de X et de Y, note F, vrifie :

0 si x  0

x/r
si 0 < x  r
x R, F(x) =

1 si x > r.
Dterminons la loi de U :
Puisque X prend ses valeurs dans ]0 ; r], X/r prend ses valeurs
X
dans ]0 ; 1], et U = ln prend ses valeurs dans R .
r
Soit u R.
1er cas : si u > 0, alors P(U  u) = 1.
2e cas : si u  0, alors (U  u) =

X


 e u = (X  r e u ) ;

puisque r e u ]0 ; r], on obtient :


r eu
= e u.
r

P(U  u) = F(r e u ) =

La fonction de rpartition de U, note FU vrifie :


 u
e si u  0
u R, FU (u) =
.
1 si u > 0


1
On reconnat une densit de la loi 2n, .
2

1
Donc les va Xn2 et Yn2 suivent la loi 2n, .
2

 La fonction FU est alors de classe C 1 sur R priv ventuelleFU = 1 = FU (0) = lim


FU . Donc FU
ment de {0}. De plus, lim
+

Les va Xn2 et Yn2 tant indpendantes, par stabilit de la loi ,



1 1
la va Dn suit la loi 2n, + , cest--dire la loi (2n, 1),
2 2
1
cest--dire la loi exponentielle de paramtre
.
2n

Ainsi U est une va densit, dont une densit fU est :


 u
e si u  0
u R, fU (u) =
.
0 si u > 0

est continue en 0 donc continue sur R.

Une densit dn de Dn est alors donne par :

0
si x < 0

1 x
x R, dn (x) =
.

2n
e
si
x0

2n
d) Soit n N . On a :
)

qn = P Xn2 + Yn2  1 = P(Dn  1)
$
=

Ainsi :

1 x
1
e 2n dx = 1 e 2n .
2n

qn 1 e 0 = 1 1 = 0.
n

Lorsque n devient grand, le point mobile a trs peu de chance


de se trouver dans le disque de centre O et de rayon 1 linstant n.
Remarque : Puisque le disque de centre O et de rayon 1 est
inclus dans le carr [1 ; 1]2 , on en dduit :
n N , 0  qn  pn .
202

Dterminons la loi de V :
La va V = ln

Y
prend ses valeurs dans R+ .
r

Soit v R.
1er cas : si v < 0, alors P(V  v) = 0.
2e cas : si v  0, alors (V  v) =

Y
r


 e v = (Y  r e v ) ;

puisque r e v ]0 ; r], on obtient :


P(V  v) = 1 F(r e v ) = 1

r e v
= 1 e v .
r

Corrigs des exercices

On reconnat la fonction de rpartition de la loi exponentielle


de paramtre 1. Donc V  E (1).
Une densit fV est alors donne par :

0 si v < 0
v R, fV (v) =
.
e v si v  0

1er cas : si s  0, alors


$ s
$
fS (t) dt =
FS (s) =

* e t +s
et
es
=
dt =
.

2
2
2

2 cas : si s > 0, alors


$ 0
$ s
FS (s) =
fS (t) dt +
fS (t) dt

0
$ 0 t
$ s t
* e t + s
* e t +0
e
e
+
=
dt +
dt =
2
2
2 0
2
0
1
  e s 1 
e s
=
0 +
+
=1
.
2
2
2
2
e

La fonction FS vrifie alors :

es

si s  0

2
.
s R, FS (s) =
s

1
si s > 0
2

b) Puisque les va X et Y sont indpendantes, daprs le cours,


il en est de mme pour les va U et V.
Ainsi la va S = U + V est la somme de deux va densit
indpendantes. Daprs le cours, on sait que S est densit et
quune densit fS de S est
$ donne par un produit de convolution : s R, fS (s) =
Or :

fU (t) fV (s t)  0

fU (t) fV (s t) dt.

t0

st  0

t0
.
ts

1er cas : si s  0, alors


$ s
$ s
fU (t) fV (s t) dt =
e t e (st) dt
fS (s) =
$

s
 es
* e 2t +s
 e 2s
0 =
.
= e s
e 2t dt = e s
= e s

2
2
2

2e cas : si s > 0, alors


$ 0
$ 0
fU (t) fV (s t) dt =
e t e (st) dt
fS (s) =

$ 0

1
e s
= e s
e 2t dt = e s 0 =
.
2
2

Dunod. Toute reproduction non autorise est un dlit

La fonction fS vrifie :

1
fS (s)
1

c) 1) On a : U = ln

X
, donc :
r

X = r e U.

V = ln

Y
, donc :
r

Y = r e V .

De mme :
Ainsi :

Q=

X
r eU
= e U+V = e S .
=
Y
r e V

La va Q prend ses valeurs dans R+ .


Soit q R.
1er cas : si q  0, alors P(Q  q) = 0.
2e cas : si q > 0, alors P(Q  q) = P( e S  q)
q

si q  1

2
= P(S  ln q) =

1 2q si q > 1.

s
e

si s  0

2
.
s R, fS (s) =
s

si s > 0
2
y

Remarque : La fonction FS est bien continue en 0 donc sur R.

Remarque : Cette loi sappelle la loi de Laplace de paramtre 1,


cf. lexercice 6.7.

La fonction de rpartition de Q, note FQ , vrifie donc :

0
si q  0

si 0 < q  1
q R, FQ (q) =
.
2

si q > 1
1
2q

La fonction de rpartition de S , note FS vrifie :


$ s
f (t) dt.
s R, FS (s) =

203

Chapitre 6

Variables alatoires densit

La fonction FQ est alors de classe C 1 sur R priv ventuellement de {0, 1}.

lim FQ = 0 = FQ (0) = lim


FQ

0+
0
De plus :
.
1
1

lim FQ = 1 = = FQ (1) = lim FQ


1+
1
2 2
Ainsi FQ est continue en 0 et en 1, donc continue sur R.

Alors : N  0, S N =

n=0

fQ (q)

q fQ (q)dq converge

n0

On en dduit que la suite (S N )N0 converge et que sa limite est


infrieure ou gale E(X).


q fQ (q)dq convergent.

q fQ (q)dq =

Or : A > 1,
1

ln A
1
dq =
+.
2q
2 A+


=

q fQ (q)dq diverge.

On en dduit que lintgrale

On conclut que Q nadmet pas desprance.

6.15
a) La va Y prend ses valeurs dans N.
Soit n N. Alors : (Y = n) = (n  X < n + 1),

Ent(x)


t f (t) dt =

nP(Y = n) +

+


P(Y = n) = E(Y) + 1.

n=0

Ainsi, la fonction G est majore par E(Y) + 1. De plus, cette


fonction est croissante (car : x R+ , G (x) = x f (x)  0).
Donc la fonction G admet une limit finie en + et cette limite
est infrieure ou gale E(Y) + 1.
$ +
$ +
t f (t) dt converge et
t f (t) dt  E(Y) + 1.
Donc
0

t f (t) dt converge.

X admet une esprance Y admet une esprance,

nP(Y = n) converge

n0

(car tous les termes sont positifs).


Supposons que X admette une esprance.
204

(n + 1)P(Y = n)

n=0

On obtient alors lquivalence suivante :


+

n0

f (t) dt =

E(X)  E(Y) + 1.

La va Y admet une esprance



nP(Y = n) converge absolument
la srie
la srie

(n + 1)

n+1
Ent(x)


(n + 1)P(Y = n)

n=0
+


f (t) dt.

b) La va X admet
$ une esprance$
lintgrale

n+1
n

n=0
+


n=0

On conclut que X admet une esprance et :

n+1

P(Y = n) =

nP(Y = n)  E(X).

n=0

n=0

+


Supposons que Y admette une esprance.


$ x
Alors : x R+ , G(x) =
t f (t) dt
0
$ Ent(x)+1
Ent(x)
 $ n+1

t f (t) dt =
 t!" f (t) dt

q fQ (q)dq et
0

do :

nP(Y = n) converge et

Ainsi, la suite (S N )N0 est majore par E(X). De plus, cette suite

nP(Y = n) est termes positifs).

On conclut que Y admet une esprance et que E(Y)  E(X).

c) 2) La va Q admet une esprance


$ +
$
lintgrale
q fQ (q)dq =

f (t) dt
n

n0

1/2

n+1

est croissante (car la srie

Donc

$
N

n
n=0
n+1

n+1

Ainsi Q est une va densit, dont une densit fQ est donne

0 si q  0

si 0 < q  1 .
par : q R, fQ (q) =
2

2 si q > 1
2q

nP(Y = n) =

N $

n
f
(t)
dt

t f (t) dt
 !"
n=0 n
n=0 n
t
$ N+1
$ +
=
t f (t) dt 
t f (t) dt = E(X).

N $


N


et dans ce cas :

E(Y)  E(X)  E(Y) + 1.

c) Puisque X  E (), une densit


 f de X est donne par :
0 si x < 0
,
x R, f (x) =
e x si x  0
et la fonction de rpartition F de X vrifie :

0
si x < 0
x R, F(x) =
.
1 e x si x  0

Corrigs des exercices

n+1

c) 1) On a : n N, P(Y = n) =

f (t) dt

n


= F(n + 1) F(n) = e n e (n+1) = e n 1 e .

Puisque X admet une esprance, daprs lquivalence prcdente, Y admet une esprance et lon a :
+


E(Y) =

nP(Y = n) =

n=0

+




n e n 1 e

n=0



n( e )n = (1 e )
= 1 e
+

n=0

e
(1 e )2

e
=
.
1 e
c) 2) On a : x R, Ent(x)  x < Ent(x) + 1,
x R, 0  x Ent(x) < 1.

do :

Ainsi la va Z prend ses valeurs dans [0 ; 1[.


Soit z R.

+
1
(n  X  n + z),
n=0

P(Z  z) =

donc :

=
=
=
=

On remarque alors que E(Z) = E(X) E(Y).


Remarque : On a bien Z = X Y, mais on ne peut pas utiliser
ici la linarit de lesprance puisque X est une va densit et
Y est une va discrte.
Les va X, Y, Z admettent
 pour densit la fonction f d1 si x [0 ; 1]
finie par : x R, f (x) =
.
0 sinon

2e cas : si z  1, alors P(Z  z) = 1.

+


$ 1
e z
z fZ (z) dz =
z
dz
1 e

0
$ 1

z e z dz
1 e 0
$
* z e z +1 1 1 z 

+
e dz par IPP
1 e
0 0
z
z
* ze
e +1

2
1 e

0
e
 e
1
2 + 2

1 e

e
1
e e + 1
=
+ .
(1 e )
1 e
+

6.16

1er cas : si z < 0, alors P(Z  z) = 0.

3e cas : si 0  z < 1, alors (Z  z) =

E(Z) =

P(n  X  n + z)

et admettent pour fonction de rpartition la fonction F dfinie

0 si x < 0

x si x [0 ; 1] .
par : x R, F(x) =

1 si x > 1

n=0

+


par incompatibilit des vnements


+
 n

F(n + z) F(n) =
e
e (n+z)

n=0


z

= 1 e

n=0

Dunod. Toute reproduction non autorise est un dlit

n=0

1 e z
.
1 e

On en dduit que la fonction de rpartition FZ de Z vrifie :

0
si z < 0

1 e z
z R, FZ (z) =
si 0  z < 1 .

1 e

1
si z  1
La fonction FZ est alors de classe C 1 sur R priv ventuellement de {0, 1}.

FZ = 0 = FZ (0) = lim
FZ

lim
0
0+
De plus,
.

lim
F
=
1
=
F
(1)
=
lim
FZ
Z
Z

a) 1) La va W = Y prend ses valeurs dans [1 ; 0].

Ainsi FZ est continue en 0 et en 1, donc continue sur R.

1er cas : si x < 1, alors

Ainsi Z est une va densit, dont une densit fZ est :

e z

si 0  z < 1

.
z R, fZ (z) =
1 e

0
sinon
Puisque Z est une va borne (car Z prend ses valeurs
dans [0 ; 1[), la va Z admet une esprance et lon a :

Soit x R. Alors :

2e cas : si x > 0, alors

P(W  x) = 0,
P(W  x) = 1,

3e cas : si 1  x  0, alors

P(W  x) = P(Y  x)

= 1 P(Y  x) = 1 (x) = 1 + x.
La fonction de rpartition FW de W vrifie donc :
205

Chapitre 6

Variables alatoires densit

0 si x < 1

1 + x si x [1 ; 0] .
x R, FW (x) =

1 si x > 0

Remarque : La fonction fS est paire.


a) 2) La va U prend ses valeurs dans [0 ; 1].
La fonction FW est de classe C 1 sur R priv de {1, 0}.

FW = 0 = FW (1) = lim+ FW

lim
1
1
.
De plus,

lim
FW = 1 = FW (0) = lim
FW

+
0

Soit x R. Alors :
1er cas : si x < 0, alors

P(U  x) = 0,

2e cas : si x > 1, alors

P(U  x) = 1,

Ainsi FW est continue en 1 et en 0, donc continue sur R.


Donc W est une va densit dont une densit fW est :

1 x [1 ; 0]
.
x R, fW (x) =
0 sinon

3e cas : si 0  x  1, alors
$ 0
$ x
P(U  x) = P(x  S  x) =
fS (t) dt +
fS (t) dt
x
0
$ 0
$ x

x2 
x2  
+ x
=
(1 + t) dt +
(1 t) dt = x
2
2
x
0
= 2x x2 .
Ainsi la fonction de rpartition de U vrifie :

0
si x < 0

2
2x

x
si
0x1.
x R, FU (x) =

1
si x > 1

Notons S = X Y = X + W et fS une densit de S .


La va S prend ses valeurs dans [1 ; 1].
Donc :

x R \ [1 ; 1], fS (x) = 0.

Puisque X et Y sont indpendantes, daprs le cours, X et W le


sont aussi. Donc une densit fS de S est donne par un produit
de convolution :
$ +
fX (t) fW (x t) dt.
x R, fS (x) =

0t1
1  x t  0

fX (t) fW (x t)  0

0t1

max(0, x)  t  min(1, x + 1).


x t  x+1
$ x+1
1 1 dt = 1 + x,
1er cas : si 1 < x < 0, alors fS (x) =

Or :

Cette fonction est de classe C 1 sur R priv de {0, 1}, continue


en 0 et en 1 donc continue sur R.
Ainsi la va U est densit et une densit fU de U est :

2 2x si x [0 ; 1]
.
x R, fU (x) =
0 sinon

2e cas : si 0  x < 1, alors fS (x) =

1 1 dt = 1 x.
x

On conclut quune densit fS de S = X Y est donne par :

1 + x si 1 < x < 0

1 x si 0  x < 1 .
x R, fS (x) =

0 sinon
206

b) La personne C est la dernire personne sortir si seulement


si lcart entre le temps de passage de la personne la plus rapide
et celui de la personne la plus lente parmi A et B est infrieur
au temps de passage de C. Autrement dit :

Corrigs des exercices



E = |X Y|  Z = (U  Z) = (U Z  0).
Dterminons une densit de D = U Z sur R .
La va U dpend de X et Y, et X, Y, Z sont mutuellement indpendantes ; daprs la cours, les va U et Z sont indpendantes.
En raisonnant de la mme faon quau a) 1), une densit fD de
D vrifie :
x ] ; 1[, fD (x) = 0,
$ x+1
x [1 ; 0], fD (x) =
fU (t) fZ (x t) dt
0
$ x+1
=
(2 2t) 1 dt = 2(x + 1) (x + 1)2 = 1 x2 .

fT (x) =

fV (t) 1 dt =

(2 2t) dt = 2x x2 .

$ 1
fV (t) dt
2e cas : si 1 < x  2, alors fT (x) =
x1
$ 1
&1
%
=
(2 2t) dt = 2t t2 x1
x1


= (2 1) 2(x 1) (x 1)2 = x2 4x + 4.
On conclut quune densit fT de T est donne par :

2x x2 si 0  x  1

2
x 4x + 4 si 1 < x  2 .
x R, fT (x) =

0
sinon

Ainsi :

$ 0
fD (x) dx
P(E) = P(D  0) =

$ 0
*
x3 +0
1 2
=
(1 x2 ) dx = x
=1 = .
1
3
3 3
1

c) La va V prend ses valeurs dans [0 ; 1].


Soit x R. Alors :
1er cas : si x < 0, alors

P(V  x) = 0,

2e cas : si x > 1, alors

P(V  x) = 1,

d) 2) Le temps moyen pass par C la poste est donn par E(T ).


$ 2
On a : E(T ) =
x fT (x) dx
$ 1 0
$ 2
=
x(2x x2 ) dx +
x(x2 4x + 4) dx
0

3e cas : si 0  x  1, alors


P(V > x) = P (X > x) (Y > x)
= P(X > x)P(Y > x) car X et Y sont indpendantes
= (1 x) ,
2

donc :

P(V  x) = 1 P(V > x) = 1 (1 x)2 = 2x x2 .

Ainsi les va U et V ont la mme fonction de rpartition.


On en dduit que U et V suivent la mme loi.
d) 1) La va T prend ses valeurs dans [0 ; 2].

+2 5
x4 +1 * x4 4x3
+

+ 2x2 = .
0
1
3
4
4
3
6

* 2x3

6.17
a) La fonction f est continue sur R sauf en 0, positive ou nulle
$ A
f (x) dx
sur R. De plus : A > 0,
$

*
1 +A
1
dx
=
=1
1.
2
1+x 0
1 + A A+
0 (1 + x)
$ +
Donc lintgrale
f (x) dx converge et vaut 1.
A

Dunod. Toute reproduction non autorise est un dlit

On a : T = V + Z et les va V et Z sont densit et indpendantes. Daprs le cours, la va T est densit.

Notons fT une densit de T .


x R \ [0 ; 2], fT (x) = 0
(car T prend ses valeurs dans [0 ; 2]).
$ +
Et : x [0 ; 2], fT (x) =
fV (t) fZ (x t) dt.

Alors :

0t1
0 xt 1

fV (t) fZ (x t)  0

0t1

max(x 1, 0)  t  min(x, 1).


x1 t x

Or :

1er cas : si 0  x  1, alors

Puisque f est nulle en dehors de R+ , on en dduit que


$
+
f (x) dx converge et vaut 1.
On conclut que f est une densit.

y
1
f (x)
O

b) Notons F la fonction de rpartition de X. Soit x R.


207

Chapitre 6

Variables alatoires densit

$
1er cas : si x < 0, alors F(x) =
$

Or : r2 r1 =

f (t) dt = 0.

2 cas : si x  0, alors F(x) =


f (t) dt =
f (t) dt

0
$ x
*
dt
x
1 +x
1
+1=
.
=
=
=
2
0
(1
+
t)
1
+
t
1
+
x
1
+
x
0

On obtient alors :

On conclut que la fonction de rpartition F de X vrifie :

0x si x < 0
x R, F(x) =
.

si x  0
1+x

)
y2 4, r1 + r2 = y et r1 r2 = 1.

P(Y  y) =

y2 4
=
y+2

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

y2
.
y+2

La fonction de rpartition FY de Y vrifie donc :

0
si y < 2

,
y R, FY (y) =
.
y

y + 2 si y  2
Cette fonction FY est de classe C 1 sur R priv de {2}
De plus, lim
FY = 0 = FY (2) = lim
FY ; ainsi FY est continue

+
2

en 2 donc continue sur R.

On conclut que Y est une va densit.

1
c) 1) Considrons la fonction h : R+ R, x  x + .
x
La fonction h est drivable sur R+ et :
x R+ , h (x) = 1

1
(x 1)(x + 1)
=
.
x2
x2

6.18

Do le tableau de variations de h :
0
1
+
x
h (x)
0 +
+
+
h(x)


h(1)

a) On a Y2 = X1 + X2 et les va X1 et X2 sont indpendantes.


On sait alors, daprs le cours, que Y2 est une va densit,
dont une densit g2 est donne
$ par un produit de convolution :
x R, g2 (x) =

Puisque h(1) = 2, on obtient : x > 0, h(x)  2.


Puisque Y = h(X) et que X prend presque srement ses valeurs dans R+ (car sa densit f est nulle sur R ), la va Y prend
presque srement ses valeurs dans [2 ; +[.
c) 2) Soit y  2. Alors :


1
(Y  y) = X +  y = (X 2 yX + 1  0).
X
Les solutions de lquation
r2 yr + 1 = 0,
)
) dinconnue r R,
2
y y 4
y + y2 4
et r2 =
.
sont : r1 =
2
2
(Le discriminant = y2 4 est bien positif ou nul car y  2).
Ainsi :

(Y  y) = (r1  X  r2 ).

On en dduit : P(Y  y) = P(r1  X  r2 ) = F(r2 ) F(r1 )


r1
r2 (1 + r1 ) r1 (1 + r2 )
r2

=
=
1 + r2 1 + r1
(1 + r1 )(1 + r2 )
r2 r1
=
.
1 + r1 + r2 + r1 r2
208

Pour tout n  1, notons fn une densit de Xn . Alors :



0 si x < 0
x R, fn (x) =
.
n e nx si x  0

f1 (t) f2 (x t) dt.

Or :

t0
0  t  x.
xt 0
$ +
g2 (x) =
0 dt = 0.

f1 (t) f2 (x t)  0

1er cas : si x < 0, alors

e t 2 e 2(xt) dt
2e cas : si x  0, alors g2 (x) =
0
$ x




e t dt = 2 e 2x e x 1 = 2 e x 1 e x .
= 2 e 2x
0

On conclut :

x R, g2 (x) =

0
si x < 0


.
2 e x 1 e x si x  0

b) Raisonnons par rcurrence simple sur n.


Notons, pour tout n  1, P(n) la proprit :
une densit de Yn est donne par :
x R, gn (x) =

0
si x < 0

n1
.
si x  0
n e x 1 e x

Corrigs des exercices

Initialisation : Puisque Y1 = X1  E (1), une densit de Y1


est la fonction g1 = f1 . Do P(1).

On a alors :

P(Yk  x) = P(Nx  k) =
=

Supposons P(n) et montrons P(n + 1).

Une densit gn+1 de Yn+1 est alors donne par un produit de


convolution :
$ +
gn (t) fn+1 (x t) dt.
x R, gn+1 (x) =

P(Nx = j)

j=k

Hrdit : Soit n  1.

On a : Yn+1 = Yn + Xn+1 . Puisque Yn = X1 + + Xn et que les


va X1 , . . . , Xn , Xn+1 sont indpendantes, daprs le cours, les va
Yn et Xn+1 sont indpendantes.

n


n


n
j=k


n j
F(x) j 1 F(x) .

b) Notons Fk la fonction de rpartition de Yk .


Puisque F est continue sur R, C 1 sur R priv dun ensemble fini
de points, par oprations sur les fonctions, il est en de mme
pour Fk .
Ainsi la va Yk est une va densit, dont une densit fk sobtient
en drivant Fk , l o Fk est drivable.

On a :

t0
0  t  x.
xt  0
$ +
gn+1 (x) =
0 dt = 0.

gn (t) fn+1 (x t)  0
1er cas : si x < 0, alors

2e cas : si x  0, alors
$ x

n1
gn+1 (x) =
n e t 1 e t
(n + 1) e (n+1)(xt) dt
0
$ x

n1
= n(n + 1) e (n+1)x
e nt 1 e t
dt
$0 x

n1
et et 1
dt
= n(n + 1) e (n+1)x
0


n
* e t 1 +x
= n(n + 1) e (n+1)x
0
n

n
= (n + 1) e (n+1)x ( e x 1)n = (n + 1) e x 1 e x .

Dunod. Toute reproduction non autorise est un dlit

Conclusion : Pour tout n  1, une densit de Yn est



0
si x < 0

n1
gn : x 
.
si x  0
n e x 1 e x

On obtient alors (par exemple) :


n
*


n j
n
x R, fk (x) =
j f (x)F(x) j1 1 F(x)
j
j=k

n j1 +
(n j) f (x)F(x) j 1 F(x)


n


n j
n
j F(x) j1 1 F(x)
= f (x)
j
j=k


n


n j1
n
f (x) (n j) F(x) j 1 F(x)
.
j
j=k


n
n1
=n
,
j
j1


n
n
n1
n1
et : (n j)
= (n j)
=n
=n
,
j
n j
n j1
j

Or : j k ; n, j

do :

fk (x) = n f (x)


n1


n j
F(x) j1 1 F(x)
j

1
j=k

n



n j1
n1
F(x) j 1 F(x)
n f (x)
.
j
j=k

Notons Nx le nombre de va Xi infrieures ou gales x.

En eectuant le changement dindice i = j+1 dans la deuxime


somme, on obtient,

n



n j
n1
F(x) j1 1 F(x)
fk (x) = n f (x)
j

1
j=k

n+1



ni
n1
F(x)i1 1 F(x)
n f (x)
i1
i=k+1



nk
n1
=
n f (x)
F(x)k1 1 F(x)
tlscopage
k



1
n1
n f (x)
F(x)n 1 F(x)
n
 !"
=

0

nk
n1
=n
f (x)F(x)k1 1 F(x) .
k1

Puisque, pour tout i de 1 ; n, P(Xi  x) = F(x) et que les


vnements (Xi  x) pour i 1 ; n sont mutuellement ind

pendantes, on en dduit : Nx  B n, F(x) .

c) 1) Puisque toutes les va Xi prennent leurs valeurs dans [0 ; 1],


il en est de mme pour les va Yk . Ainsi, pour tout k de 1 ; n,
Yk est une va valeurs bornes, donc lesprance de Yk existe.

c) Soit n  1. Puisque les va X1 , . . . , Xn admettent une esprance, par linarit de lesprance, Yn admet une esprance et
n
n


1
E(Xk ) =
E(Yn ) =
.
k
k=1
k=1
Soit n  1. Puisque les va X1 , . . . , Xn admettent une variance
et que les va sont mutuellement indpendantes, Yn admet une
n
n


1
V(Xk ) =
.
variance et V(Yn ) =
2
k
k=1
k=1

6.19
a) Lvnement (Yk  x) est ralis si et seulement si au moins
k des va Xi sont infrieures ou gales x.

209

Chapitre 6

Variables alatoires densit

c) 2) La fonction de rpartition F de chacune des va Xi est

0 si x < 0

x si 0  x  1 .
donne par : x R, F(x) =

1 si x > 1

x fk+1 (x) dx

0
$ 1
n1
=n
xk+1 (1 x)nk1 dx
k
0


(1 x)nk +1
n 1 *
xk+1
= n
IPP
nk 0
k
$ 1

k+1 k
x (1 x)nk dx
+
0 nk
n1


$
n 1 k + 1 1 x fk (x)
k+1 k
=n
  E(Yk )
  dx =
k n k 0 n n1
n k n1
k1
k1

Les va Yn et 1 Y1 prennent leurs valeurs dans [0 ; 1].


Soit x R.
1er cas : Si x < 0, alors P(Yn  x) = 0 = P(1 Y1  x).
2e cas : Si x > 1, alors P(Yn  x) = 1 = P(1 Y1  x).
3e cas : Si 0  x  1, alors



0
n
 P(Yn  x) =
F(x)n 1 F(x) = F(x)n = xn
n

E(Yk+1 ) =

k+1
k+1nk
E(Yk ) =
E(Yk ).
nk k
k

On montre ensuite par rcurrence sur k que :

 P(1 Y1  x) = P(Y1  1 x) = 1 P(Y1 < 1 x)


= 1 P(Y1  1 x)
n


n j
j
n
F(1 x) 1 F(1 x)
=1
j
j=1
n


n
=1
(1 x) j xn j
j
j=1
n




n
= 1 xn +
(1 x) j xn j
j
j=0


n
= 1 x + ((1 x) + x)n = xn .
Ainsi les va Yn et 1Y1 ont les mmes fonctions de rpartitions.
Elles suivent donc la mme loi.
Daprs la question b), une densit fn de Yn est donne par :
x R, fn (x) = n f (x)F(x)n1 ,
o f est une densit de Xi .
 n1
si 0  x  1
nx
.
Ainsi : x R, fn (x) =
0 sinon
$
On a alors :

E(Yn ) =

x fn (x) dx =
0

Do :

n
nx dx =
.
n+1
n

E(Y1 ) = E 1 (1 Y1 ) = 1 E(1 Y1 )
n
1
= 1 E(Yn ) = 1
=
.
n+1 n+1

c) 3) Soit k 1 ; n. Daprs la question b), une densit fk


de Yk est donne par :



nk
n1
x R, fk (x) = n
f (x)F(x)k1 1 F(x)
k1

n 1 k1

x (1 x)nk si 0  x  1
n
=
.
k1

0
sinon
Soit k 1 ; n 1. Alors :
210

k
.
n+1

k 1 ; n, E(Yk ) =

6.20
a) La va Z prend ses valeurs dans R.
Soit x R. Alors :



FZ (x) = P(Z  x) = P (X  x) (Y  x)
= P(X  x)P(Y  x) car X et Y sont indpendantes
= (x)2 .

La fonction tant la fonction de rpartition de la loi normale centre rduite, elle est de classe C 1 sur R. Il est en donc
de mme, par opration, pour la fonction de rpartition de Z,
qui est 2 .

Donc Z est une va densit, de densit g = 2 ) = 2 f .
b) Soit (A, B) R2 .
$
$ B
xg(x) dx =
On a :
A

2x f (x)(x) dx.
A

u(x) = (x)

2
Par IPP en posant :

x2 /2 ,

v (x) = 2x f (x) = x e
2


u (x) = f (x)

2
donc
, on obtient :
x2 /2

= 2 f (x)

v(x) = e
2
$ B
$ B
*
+B
xg(x) dx = 2 f (x)(x) + 2
f (x)2 dx
A

= 2 f (x)(x)

De plus :

1
=

e
A

B 2

A 2

x2

+B
A

dx =

u=x 2

+
1

e x dx.
2

B 2

A 2

1
1
2
e u /2 du =

e u
$

2 /2

du

B 2

A 2

f (x) dx.

Corrigs des exercices

Donc :
A

+B

1
xg(x) dx = 2 f (x)(x) +
A

B 2

A 2

f (x) dx.

c)
La va Z admet une esprance si et seulement si lintgrale
$ +
xg(x) dx converge.

En particulier, on a :

2
E(Z 2 ) = E(X 2 ) = V(X) + E(X) = 1 + 02 = 1.

2
1 1
On en dduit : V(Z) = E(Z 2 ) E(Z) = 1 =
.

Remarque : Puisque  3.14, on a bien V(Z) > 0.

Utilisons la question prcdente et passons la limite lorsque


A tend vers et B tend vers +.

Alors :

B 2

A 2

1
f (x) dx
B+

1
f (x) dx = .


!"
,

Et : x R, 0  | 2 f (x)(x)|  2 f (x) =

2 x2 /2
,
e

2 f (B)(B) 0 et 2 f (A)(A) 0.
$

B
A

n


Ui .

i=1

La va T n est donc la somme de n va indpendantes de loi exponentielle de paramtre .


Daprs le cours, on sait alors que T n suit la loi

donc par le thorme dencadrement, on obtient :

On dduit :

a) On a : T n =

=1

B+

6.21

1
xg(x) dx .
B+

1


,n .

Une densit fn de T n est donc donne par :

0
si x < 0

n
.
x R, fn (x) =
n1
x

si x  0
(n 1)! x e
b) Soit n N. Lvnement (N0,t  n) est ralis si et seulement si au moins n bus sont passs dans lintervalle de temps
[0 ; t]
si et seulement si le n-ime bus de la journe est pass avant
linstant t
si et seulement si lvnement (T n  t) est ralis.

1
On conclut que Z admet une esprance et que E(Z) = .

On en dduit : (N0,t  n) = (T n  t).


= P(N0,t  n) P(N0,t  n + 1) = P(T n  t) P(T n+1  t)
$ t
$ t
fn (x) dx
fn+1 (x) dx.
=

Pour tout x de R , P(Z 2  x) = 0 = P(X 2  x).

Dunod. Toute reproduction non autorise est un dlit

Soit x R+ . On a : P(Z 2  x) = P( x  Z  x)

2
2
= FZ ( x) FZ ( x) = ( x) ( x) .
Puisque, pour tout y de R, (y) = 1 (y), on a :
2

2
P(Z 2  x) = ( x) 1 ( x) = 2( x) 1.
Et :

P(X 2  x) = P( x  X  x) = ( x) ( x)


= ( x) 1 ( x) = 2( x) 1.

Ainsi, les va X et Z ont la mme fonction de rpartition, donc


elles suivent la mme loi.

P(N0,t = n)

Soit n N. Alors :

d) Les va X et Z prennent leurs valeurs dans R+ .


2

$
Or :

n+1 n x
x e dx
n!
0
0
$ t
n+1 * n e x +t
e x 
x
+
nxn1
=
dx par IPP
n!
0

0
$
t
n
n tn t
e +
xn1 e x dx
=
n!
0 (n 1)!
$ t
n tn t
fn (x) dx.
=
e +
n!
0
t

fn+1 (x) dx =

On obtient alors :

P(N0,t = n) =

n tn t
(t)n
e = e t
.
n!
n!

On en dduit que N0,t suit la loi de Poisson de paramtre t.


c) 1) Soit h  0. Lvnement (Wt > h) est ralis
si et seulement si aucun bus nest pass dans lintervalle de
temps [t ; t + h]
si et seulement si lvnement (Nt,t+h = 0) est ralis.
211

Chapitre 6

Variables alatoires densit

On en dduit :

(Wt > h) = (Nt,t+h = 0).

c) 2) Soit h  0. Daprs lnonc, la va Nt,t+h suit la mme


loi que la va N0,h .
P(Wt > h) = P(N0,h = 0) = e h

Donc :

(h)0
= e h ,
0!

P(Wt  h) = 1 P(Wt > h) = 1 e h .

et ainsi :

On a alors :
P(X  0) = F(0) =

De plus, on a : h < 0, P(Wt  h) = 0.

P(X  0) = 1 P(X < 0) = 1 P(X  0)

Ainsi la fonction de rpartition de Wt est gale celle de la loi


exponentielle de paramtre .
On en dduit :

= 1 F(0) = 1

Wt  E ().

P(X  1) = F(1) =

1
Il sensuit que la personne attendra en moyenne E(Wt ) =

avant larrive du prochain bus.


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

pour une personne arrivant un instant donn, le temps moyen


1
dattente du prochain bus est strictement infrieur .

6.22

= 1 F(1) = 1

f converge et vaut 1.

A > 0,

x f (x) dx =

1
2

A
0

2x
dx
1 + x2

d) Puisque X prend ses valeurs dans R, Y prend galement


ses valeurs dans R.
Dterminons la fonction de rpartition de Y, note FY . Soit
y R.
1er cas : si y < 0 alors (Y  y) =

b) Notons F la fonction
$ de rpartition de X. Soit x R. Alors :
1 x dt
F(x) = P(X  x) =
1 + t2
1

1
= Arctan x lim Arctan t = Arctan x +
t

1

y

X

  1
1
= X
X0 =
X0,
y
y


donc :

212

x f (x) dx converge, car x  x f (x) est impaire.

On en dduit que f est une densit.

1
1
Arctan x + .

x f (x) dx converge

On en dduit que X nadmet pas desprance.


B

$
+

dx
On a : (A, B) R2 ,
1
+
x2
A
A
1   
1

= 1.
= (Arctan B Arctan A)
B+ 2

2
A
Ainsi

&A
1%
1
ln(1 + x2 ) 0 =
ln(1 + A2 ) +.
=
A+
2
2

La fonction f est positive ou nulle sur R.


1
f (x) dx =

3 1
= .
4 4

c) La va$X admet une esprance

a) La fonction f est continue sur R.

1 1
= ,
2 2

1 1 3
+ = ,
4 2 4

P(X  1) = 1 P(X < 1) = 1 P(X  1)

On a :

1
,
2


1

X0 =P <X0
y
y
1
= F(0) F
y
1
1 1
1 1
1
= Arctan .
= Arctan +
2

y 2

FY (y) = P

1

2e cas : si y = 0 alors (Y  0) =
donc :

1
X


< 0 = (X  0),

FY (0) = P(X < 0) = P(X  0) = F(0) =

3e cas : si y > 0 alors

1
.
2

Corrigs des exercices

(Y  y) =

 
1
(X  0),
y = X
X
y

1


1
donc, par incompatibilit : FY (y) = P X 
+ P(X  0)
y

1
+ P(X  0)
=PX>
y


 1 
1
1 1 1
+ F(0) = 1 Arctan
+
= 1F
y

y 2
2
1
1
= 1 Arctan .

y
On en dduit que la fonction de rpartition FY de Y vrifie :

1
1

Arctan
si y < 0

y R, FY (y) =
si y = 0

1
1

1 Arctan y si y > 0.

La fonction est alors continue et strictement croissante


sur ] ; 1[. Donc ralise une bijection de ] ; 1[ sur
%

&
= ] 1 ; +[.
] ; 1[ = lim ; lim

Ainsi ralise une bijection de R \ {1} sur R \ {1}.


1+x
=y
1x
1 + x = (1 x)y x(1 + y) = y 1
y1
car y  1.
x =
y+1

Enfin, pour tout y R \ {1} : (x) =

La fonction FY est alors de classe C 1 sur R priv ventuellement de {0}.


De plus :

1
= , donc
y
1 1
lim FY (y) =
= = FY (0),
y0
2
2
1
lim+ = +, donc
y0 y
1
1 1
lim FY (y) = 1 = 1 = = FY (0).
y0+
2
2 2
lim

y0

Ainsi, lapplication rciproque 1 vrifie :


y1
.
y R \ {1}, 1 (y) =
y+1
e) 2) Notons FZ la fonction de rpartition de Z. Soit y R.



Alors : (Z  y) = (X) Iy = X 1 (Iy ) ,
o Iy dsigne lintervalle ] ; y].

On en dduit que FY est continue en 0, donc continue sur R.


Ainsi Y est une va densit.

Dunod. Toute reproduction non autorise est un dlit

 1
1 
De plus : y R , FY (y) = Arctan

y
1 1
1
1
.
= 2
=
y 1 + y12
(1 + y2 )

De mme, ralise une bijection de ]1 ; +[ sur ] ; 1[.

1er cas : si y < 1, alors


&
& + y 1+
1 (Iy ) = 1 ; 1 (y) = 1 ;
, not Jy
y+1

Une densit fY de Y est alors dfinie par :


y R, fY (y) =

1
= f (y).
(1 + y2 )

On en dduit que Y suit la mme loi que X.


e) 1) La fonction est drivable sur R \ {1} et, pour tout x
(1 x) + (1 + x)
2
de R \ {1},  (x) =
=
> 0.
(1 x)2
(1 x)2
Do le tableau de variation de :
x

(x)
1

1
+

+
1

do :

y 1

y 1
=F
F(1)
FZ (y) = P 1 < X 
y+1
y+1
y1 1 3
1
+
= Arctan

y+1 2 4
1
y1 1
= Arctan
.

y+1 4
213

Chapitre 6

Variables alatoires densit

&
%
2e cas : si y = 1, alors 1 (Iy ) = 1 ; +

De plus :

y1
= +, donc
y+1
1 1 1
lim FZ (y) = = = FZ (1)
y1
2 4 4
y1
lim
= , donc
y1+ y + 1
1 3 1
+ = = FZ (1)
lim FZ (y) =
y1+
2
4 4
lim

y1

Ainsi FZ est continue en 1 donc continue sur R.


On conclut que Z est une va densit.
y 1 
y+1
1
1
1
2
2
=

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

De plus :

do :

FZ (1) = P(X > 1) = P(X  1) =

1
.
4

3e cas : si y > 1, alors


&
& &
%
1 (Iy ) = ; 1 (y) 1 ; +
+
+
&
%
y1
1 ; + , not Jy
= ;
y+1

1

y R \ {1}, FZ (y) =

Arctan

1
1

.
1 + y2

Une densit fZ de Z est alors dfinie par :


1
= f (y).
y R, fZ (y) =
(1 + y2 )
On en dduit que Z et X admettent toutes les deux f pour densit, et on conclut que Z et X suivent la mme loi.

6.23
a) Soit x R+ . Eectuons une IPP en posant :

u (t) = f (t)
u(t) = 1 F(t)
,
,

v(t) = t
v (t) = 1
$ x
$ x


%
&
t f (t) dt
alors :
1 F(t) dt = t 1 F(t) 0x +
0
0

= x 1 F(x) + (x).

do :

y 1
FZ (y) = P X 
+ P(X > 1)
y+1
y 1
1
y1 1 1
+ P(X  1) = Arctan
+ +
=F
y+1

y+1 2 4
=

1
y1 3
Arctan
+ .

y+1 4

f (t) dt.

Donc : 1 F(x) =



x 1 F(x) = x

f (t) dt

On obtient :

f (t) dt =

f (t) dt.
x

f (t) dt.
x

On en dduit la fonction de rpartition FZ de Z :


1
y1 1

Arctan
si y < 1

y
+1 4

x R, FZ (x) =
si y = 1 .

y1 3
1

+ si y > 1.
Arctan

y+1 4
e) 3) La fonction FZ est alors de classe C sur R priv ventuellement de {1}.
1

214

b) 1) Soit x R+ .
$ x
$
Alors : F(x) =
f (t) dt =

$ +
f (t) dt  0 et par
Puisque t [x ; +[, f (t)  0, on a
x


consquent, x 1 F(x)  0.
$ +
$ +


x
f
(t)
dt

t f (t) dt
De plus, x 1 F(x) =
 !"
$

t

t f (t) dt

t f (t) dt = E(X) (x).


0

Puisque X admet une esprance,

t f (t) dt converge, donc


0

admet une limite finie en + gale E(X).

Corrigs des exercices

Ainsi :

E(X) (x) 0.

La fonction F est C 1 sur R priv ventuellement de {0}.

x+

De plus :

Par le thorme dencadrement, on obtient :




x 1 F(x) 0.
b) 2) On obtient alors, daprs a) :
$ x


1 F(t) dt 0 + lim = E(X).
0

$
On en dduit que

$0 +


1 F(t) dt converge et que



1 F(t) dt = E(X).

c) 1) La fonction est une primitive de t  t f (t). Donc


est drivable et : x R+ ,  (x) = x f (x)  0.
$




1 F(t) dt x 1 F(x)
0
 !"
0
$ +
$ x




1 F(t) dt 
1 F(t) dt,


Daprs a), x R+ , (x) =

On en dduit que Mn est une va densit.


$ +


1 F(t) dt converge.
d) 2) Montrons que lintgrale
0

Il sagit dune intgrale gnralise en +.




n
n 
On a : t  0, 1 F(t) = 1 1 e t = 1 e t 1 .
Puisque e t 0, on a :
t+


1 F(t) n e t = n e t  0.

Ainsi est croissante sur R.

Ainsi F est continue en 0 et donc sur R.

x+

x+

lim
F = 0 = F(0) = lim
F.

donc est majore sur R+ .

t+

Lintgrale
$

n e t dt converge car, pour tout X > 0 :

0
X

n e t dt =

Puis en utilisant la question b), on obtient lgalit :


$ +


E(X) =
1 F(t) dt.

Daprs c) 2), il en rsulte que


$ +Mn admet une esprance et :


1 F(t) dt.
E(Mn ) =
On a : t  0, 1 F(t) = 1 (1 e t )n
n

n



n
n
t k
( e ) =
(1)k+1 e kt .
=1
k
k
k=0
k=1
$

E(X) =


1 F(t) dt.

d) 1) La va Mn prend ses valeurs dans R+ .


Soit x R.
1er cas : si x < 0, alors

P(Mn  x) = 0.

2 cas : si x  0, alors

P(Mn  x) = P(X1  x, . . . , Xn  x)

= P(X1  x) P(Xn  x) par indpendance des va


n

= 1 e x .
Ainsi, la fonction de rpartition F de Mn vrifie :

0
si x < 0
n
.
x R, F(x) =
1 e x si x  0


1 F(t) dt

0
X

0
+

n


n
(1)k+1 e kt dt
0 k=1 k
$ X
n


n
=
e kt dt
(1)k+1
k
0
k=1
n


* 1
+X
n
e kt
=
(1)k+1
0
k
k
k=1


n

1
e kX 
n

(1)k+1
=
k
k
k
k=1
n

k+1

1
n (1)

.
X+
k
k
k=1

On obtient alors lquivalence suivante :


$ +


1 F(t) dt converge,
X admet une esprance
$

Puis, pour tout X  0,

Dunod. Toute reproduction non autorise est un dlit

n
.

Par le thorme dquivalence


$ + pour des fonctions positives, on


1 F(t) dt converge.
en dduit que lintgrale

ment dit que X admet une esprance.

X+

On conclut que admet une limite finie en +.


$ +
t f (t) dt converge, autrec) 2) On en dduit que lintgrale

et dans ce cas :


n
1 e X

On conclut :

E(Mn ) =
0

n



1  n (1)k+1
1 F(t) dt =
.
k=1 k
k

6.24
a) La va Un prend ses valeurs dans R+ .
Soit x R.
1er cas : si x < 0, alors

P(Un  x) = 0.
215

Chapitre 6

Variables alatoires densit

2e cas : si x  0, alors

P(Un > x) = P(X1 > x, . . . , Xn > x)

= P(X1 > x) P(Xn > x) par indpendance des va


n

= e x = e nx .

+


+


P(N = n)P(Un > x)

n=1



(1 p)n1 p e nx

On obtient la fonction de rpartition


FUn de Un :

0
si x < 0
x R, FUn (x) =
.
1 e nx si x  0

= p e x

On reconnat la fonction de rpartition de la loi exponentielle


de paramtre n.

p e x
=
.
1 (1 p) e x

On en dduit que Un suit la loi E (n).


b) La va S n est la somme de n va indpendantes de loi exponentielle de paramtre .
1 
Daprs le cours, on sait alors que S n suit la loi , n .

dfinie
par
:
Une densit fn de S n est alors

0
si t < 0

n
.
t R, fn (t) =
n1 t

e
si t  0
t
(n 1)!
On a alors : n  1, t R+ ,
n+1 n1 t n+1 n
f n+1 (t) =
nt e +
t () e t = fn (t) fn+1 (t),
n!
n!
et donc :

1
fn+1 (t) = fn (t) f


n+1 (t).

Ainsi, en notons Fn la fonction de rpartition de S n , on a :


$ x
x R+ , Fn+1 (x) =
fn+1 (t) dt
0
$ x
$ x
1 
fn (t) dt
=
f n+1 (t) dt

0
0
fn+1 (x) fn+1 (0)
n
= Fn (x) xn e x .
= Fn (x)

n!
On obtient alors : n N , x R+ ,
P(S n+1 > x) = 1 Fn+1 (x)
n n x
( x)n
= 1 Fn (x) +
= P(S n > x) + e x
x e
.
n!
n!
Par une rcurrence simple sur n, on montre alors :
n N , P(S n > x) = e x

n1

(x)k
k=0

k!

c) 1) Soit x R+ . Lvnement (U > x) scrit :


+
+
1
1
(N = n, U > x) =
(N = n, Un > x).
(U > x) =
n=1

n=1

Par incompatibilit des vnements :


P(U > x) =

+


P(N = n, Un > x).

n=1

Les va N et Un sont indpendantes puisque Un dpend des va


X1 , . . . , Xn et que les va X1 , . . . , Xn , N sont indpendantes.
216

P(U > x) =

Donc :

n=1

+


n1
(1 p) e x
n=1

Do la fonction de rpartition FU de U :

0
si x < 0

x
1

e
.
x R, FU (x) =

si x  0

1 (1 p) e x
La fonction FU est de classe C 1 sur R priv de {0}.
lim
FU = 0 = FU (0) = lim
FU .
+

De plus :

Ainsi FU est continue en 0 donc sur R.


On en dduit que U est une va densit, dont une densit fU
est donne par exemple par :
x R, fU (x) = 0 si x < 0 et fU (x) = FU (x)




e x 1 (1 p) e x (1 p) e x 1 e x
=

2
1 (1 p) e x
p e x
=
2 si x  0.
1 (1 p) e x
c) 2) Soit x R+ . Par le mme raisonnement, on obtient :
P(S > x) =
=
=
=
=
=
=

+


P(N = n)P(S n > x)

n=1
+


 (x)k

(1 p)n1 p e x
k!
n=1
k=0
+
n1

(x)k
(1 p)n1
p e x
k!
n=1 k=0
+ 
+

(x)k
p e x
(1 p)n1
k!
k=0 n=k+1
+ 
+
k 


(x)
p e x
(1 p)n1
k! n=k+1
k=0
+

1
(x)k
p e x
(1 p)k
k!
1

(1
p)
k=0
k
+

x(1

p)
= e x e x(1p) = e px .
e x
k!
k=0

n1

Ainsi la fonction de rpartition FS de S vrifie :



0
si x < 0
x R, FS (x) =
.
1 e px si x  0
On reconnat la fonction de rpartition de la loi exponentielle
de paramtre p.
On en dduit que S suit la loi E (p).

Convergences
et approximations
Plan
Les mthodes retenir 217
noncs des exercices

218

Du mal dmarrer ?

224

Corrigs des exercices

227

On abrge variable alatoire en


va.

CHAPITRE

Thmes abords dans les exercices

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.

Points essentiels du cours


pour la rsolution des exercices

Ingalit de Markov, ingalit de Bienaym-Tchebychev

Dfinition de la convergence en probabilit dune suite de variables alatoires,


loi faible des grands nombres

Dfinition de la convergence en loi dune suite de variables alatoires, thorme


de la limite centre

Exemples de convergence en loi et application aux approximations usuelles (cas


de la loi hypergomtrique, de la loi binomiale et de la loi de Poisson).

Dunod. Toute reproduction non autorise est un dlit

Les mthodes retenir

Utiliser la dfinition et montrer :




> 0, P |Xn X|  0.
n

Pour montrer
quune suite (X n) nN de va
converge en probabilit
vers une va X

Pour cela, essayer de calculer explicitement P(|Xn X|  )


ou dappliquer lingalit de Markov ou lingalit de BienaymTchebychev.

Exercices 7.2, 7.3, 7.4, 7.14, 7.23

Si les va Yn , pour n N, sont mutuellement indpendantes et admettent une mme esprance et une mme variance, appliquer la loi
faible des grands nombres pour en dduire la convergence en probaY1 + + Yn
.
bilit de la suite de terme gnral
n
Exercices 7.3, 7.12.
217

Chapitre 7

Convergences et approximations

Utiliser la dfinition et montrer, pour tout x de R o la fonction de


rpartition de X est continue :
P(Xn  x) P(X  x).
n

Exercices 7.4, 7.8, 7.17, 7.18, 7.19, 7.21, 7.23

Pour montrer
quune suite (X n) nN de va
converge en loi
vers une va X

Si les va Xn , pour n N, prennent leurs valeurs dans N, alors montrer :


k N, P(Xn = k) P(X = k).
n

Exercices 7.20, 7.22, 7.24

Si les va Yn , pour n N, sont mutuellement indpendantes, de mme


loi, et admettent une esprance et une variance, appliquer le thorme de la limite centre pour en dduire la convergence en loi de la
suite de terme gnral S n , o S n est la va centre rduite associe
S n = Y1 + + Yn .

Exercices 7.9, 7.10, 7.11

Utiliser le fait que la convergence en probabilit implique la convergence en loi.

Exercice 7.12.

Calculer explicitement cette probabilit, puis passer la limite.

Exercices 7.2, 7.4, 7.14, 7.23

Pour calculer
la limite dune probabilit

Obtenir une majoration ou une minoration de cette probabilit


laide de lingalit de Markov ou lingalit de BienaymTchebychev, puis passer la limite.

Exercices 7.3, 7.12

Appliquer le thorme de la limite centre.

Exercices 7.9, 7.10, 7.12


Pour calculer
une approximation dune probabilit
dun vnement li une va X

Remplacer la loi de X par une loi lapprochant aprs avoir vrifi les
conditions de validit de lapproximation, puis eectuer les calculs
laide de cette nouvelle loi.

Exercices 7.5, 7.6, 7.7, 7.13, 7.15, 7.16

noncs des exercices


7.1 Obtention dune ingalit
En utilisant lingalit de Bienaym-Tchebychev, montrer :
,
$ x
1

2
1 2 .
e t /2 dt 
x > 0,
2
x
0
218

noncs des exercices

7.2 Une condition susante de convergence en probabilit


a) Soient (Xn )nN une suite de va admettant un moment dordre 2 et X une va admettant aussi
un moment dordre 2.
On suppose :

lim E(Xn X) = 0 et
n

lim V(Xn X) = 0.
n

Montrer que la suite (Xn )nN converge en probabilit vers X.


b) En considrant des va Xn dont la loi est donne par :
Xn () = {0 , n},

P(Xn = 0) = 1

1
n

et

P(Xn = n) =

1
,
n

tudier la rciproque la question prcdente.

7.3 Exemples de convergence en probabilit


On considre une suite (Xn )nN de va mutuellement indpendantes dont chacune suit la mme
loi de Bernoulli de paramtre p avec 0 < p < 1. Pour tout n de N , on pose :
X1 + + Xn
Y1 + + Yn
, Yn = Xn Xn+1 et T n =
.
n
n
a) Montrer que (S n )nN converge en probabilit vers la variable certaine gale p.
Sn =

b) 1) Donner, pour tout n de N , la loi de Yn .


2) En dduire, pour tout n de N , lesprance et la variance de T n .
c) Montrer que (T n )nN converge en probabilit vers la variable certaine gale p2 .

7.4 Exemples de convergence en probabilit et de convergence en loi, daprs ECS 2006


On considre une suite (Xi )iN de va mutuellement indpendantes, toutes de loi uniforme sur
[0 ; 1].
Pour tout n de N , on note Mn la va dfinie par :
a) Soit n N . Montrer :

Mn = max(X1 , . . . , Xn ).

x [0 ; 1], P(Mn  x) = xn .

En dduire que la va Mn est une variable densit.



b) Calculer, pour tout ]0 ; 1], P |Mn 1| < ).

Dunod. Toute reproduction non autorise est un dlit

En dduire que (Mn )nN converge en probabilit vers la variable certaine gale 1.
c) 1) Soit R+ . Montrer que, pour tout n de N tel que n  :



n
.
P n(1 Mn )  = 1 1
n


2) En dduire que n(1 Mn ) nN converge en loi vers une variable qui suit une loi exponentielle.

7.5 Exemple dapproximation de loi


Une entreprise fabrique des botes dont certaines sont dfectueuses. On suppose que la probabilit quune bote soit dfectueuse est gale 2% et que les botes sont dfectueuses ou non
indpendamment les unes des autres. Lentreprise stocke ces botes par lot de 100 et garantit
chaque lot 95%, cest--dire garantit que chaque lot ne contient pas plus de 5% de botes
dfectueuses.
a) Estimer la probabilit pour que cette garantie tombe en dfaut.
b) Comment volue cette probabilit si lentreprise fait des lots de 200 botes ?
219

Chapitre 7

Convergences et approximations

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.

7.7 Exemple dapproximation de loi


On suppose que le nombre de clients dun magasin dans un jour ouvrable suit la loi de Poisson
de paramtre 10, et que la frquentation du magasin est indpendante dun jour ouvrable un
autre.
Estimer la probabilit davoir au moins 180 clients au cours de 20 jours ouvrables.

7.8 Exemple dune suite de va discrtes convergeant en loi vers une va densit
Soit X une va densit et valeurs positives.
On dfinit, pour tout n de N , Xn =

Ent(nX)
, o Ent(x) dsigne la partie entire de x.
n

Montrer que la suite (Xn )nN converge en loi vers X.

7.9 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent


On considre une suite de va (Xn )nN , mutuellement indpendantes, dont chacune suit la loi de
Poisson de paramtre 1.
Pour tout n de N , on pose S n = X1 + + Xn .
a) Donner, pour tout n de N , la loi de S n , son esprance et sa variance.
b) Montrer, laide du thorme de la limite centre :
c) En dduire :

n

nk
k=0

k!

lim P(S n  n) =
n

1
.
2

en
.
2

7.10 Exemple dutilisation du thorme de la limite centre pour dterminer un quivalent


On considre une suite de va (Xn )nN , mutuellement indpendantes, suivant la loi exponentielle
de paramtre 1.
Pour tout n de N , on pose S n = X1 + + Xn .
a) Donner, pour tout n de N , une densit de S n , son esprance et sa variance.
b) En$ raisonnant de le mme faon que dans lexercice 7.9, dterminer un quivalent de
n
xn1 e x dx lorsque n tend vers +.

un =

7.11 Exemple dtude de la convergence de la suite des fonctions de rpartition et de la suite


des densits
On considre une suite (Xn )n1 de va mutuellement indpendantes, de loi exponentielle de paran

Xk et S n la va centre rduite associe S n .
mtre 1. Pour tout n de N , on note S n =
k=1

a) On considre, pour tout n de N , Fn la fonction de rpartition de S n .


Dterminer, pour tout x de R, lim Fn (x).
n

220

noncs des exercices

b) 1) Pour tout n de N , dterminer une densit fn de S n .


1
2
2) Montrer : x R, lim fn (x) = e x /2 .
n
2

On utilisera la formule de Stirling : n! nn 2n e n .


n

7.12 Calcul de la limite dune probabilit


On considre une suite (Xk )k1 de va, mutuellement indpendantes, de mme esprance m et de
n
1
Xk .
mme variance 2 . Pour tout n  1, on pose Mn =
n k=1
On cherche calculer, pour tout x de R, lim P(Mn  x).
n

a) Soit x R tel que x < m. On pose = m x.


Montrer :

n  1, P(Mn  x) 

2
. En dduire lim P(Mn  x).
n
n2

b) Soit x R tel que x > m. On pose = x m.


Montrer :

n  1, P(Mn  x)  1

2
. En dduire lim P(Mn  x).
n
n2

c) Montrer que la suite (Mn )n1 converge en loi vers une variable certaine.
Retrouver les rsultats de lim P(Mn  x) lorsque x < m et lorsque x > m.
n

d) laide du thorme de la limite centre, montrer : lim P(Mn  m) =


n

1
.
2

7.13 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi


On dispose dun d quilibr. Dterminer le nombre de lancers eectuer pour que lon puisse
armer, avec un risque infrieur ou gal 5%, que la frquence dapparition de la face num1
rote 1 dire de dau plus 102 :
6
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.

7.14 Lien entre la convergence en probabilit et la convergence en moyenne, daprs EDHEC


Dunod. Toute reproduction non autorise est un dlit

2009
On dit quune suite (Xn )n1 de va converge en moyenne vers une va X si et seulement si, pour


tout n  1, la va |Xn X| possde une esprance et lim E |Xn X| = 0.
n

a) Montrer que, si une suite (Xn )n1 de va converge en moyenne vers une va X, alors cette suite
converge aussi en probabilit vers X.
On se propose maintenant dtudier un exemple montrant que la rciproque de cette proprit
est fausse.
On considre une suite (Zn )n1 de va, mutuellement indpendantes, et suivant toutes la loi de
Poisson de paramtre , avec > 1.
Pour tout n  1, on pose Yn =

n
-

Zk .

k=1

b) 1) Pour tout n  1, calculer P(Yn  0).


221

Chapitre 7

Convergences et approximations

2) En dduire que (Yn )n1 converge en probabilit vers la variable certaine gale 0.
c) Montrer que, si (Yn )n1 converge en moyenne vers une va Y, alors P(Y = 0) = 1.
d) 1) Calculer, pour tout n  1, lesprance de Yn .


2) tablir : n  1, E |Yn Y|  E(Yn ) E(Y),



puis dterminer lim E |Yn Y| .
n

e) Conclure.

7.15 Exemple dutilisation de lingalit de Bienaym-Tchebychev et dapproximation de loi


Un leveur possde 100 vaches qui se rpartissent au hasard entre deux tables contenant chacune n places (50  n  100).
Dterminer une valeur de n permettant chaque vache de trouver une place avec une probabilit
suprieure ou gale 95% :
a) en utilisant lingalit de Bienaym-Tchebychev
b) en utilisant une approximation par une loi normale.

7.16 Exemple dapproximation de loi


Un avion comporte 500 places. La probabilit quun passager ayant rserv une place ne se
prsente pas lembarquement est de 5%.
Estimer le nombre de places que la compagnie arienne peut vendre pour que la probabilit de
voir se prsenter plus de passagers que de places disponibles soit infrieure ou gale 1% ?

7.17 tude de la convergence en loi de la suite de terme gnral Xn Ent(Xn), o Xn  E (1/n)


1
On considre, pour tout n de N , une va Xn suivant la loi exponentielle de paramtre , et on
n
pose Zn = Xn Ent(Xn ), o Ent(x) dsigne la partie entire de x.
a) Montrer que, pour tout n de N , Zn est une va densit et en dterminer une densit.


b) Calculer, pour tout n de N , E(Zn ). Montrer que la suite E(Zn ) nN converge et dterminer
sa limite.
c) Montrer que la suite (Zn )nN converge en loi vers une va Z dont on prcisera la loi.

7.18 Exemple de convergence en loi, daprs loral HEC 2008


Soit > 0 fix. Pour tout entier n suprieur ou gal , on considre une suite (Xi,n )i1 de
va mutuellement indpendantes telle que, pour tout i  1, la va Xi,n suit la loi de Bernoulli de

1 

paramtre , et on dfinit la va Nn = Inf i  1 ; Xi,n = 1 .


n
n
tudier la convergence en loi de la suite de va relles (Nn )n .

7.19 Exemple de convergence en loi, daprs loral HEC 2006


On considre une suite (Xk )kN de va, mutuellement indpendantes et de mme loi.
Pour tout n de N , on dfinit la va Mn par :

Mn = max(X1 , . . . , Xn ).

a) On suppose dans cette question que, pour tout k de N , la va Xk suit la loi exponentielle de
paramtre > 0.
Montrer que la suite (Zn )nN dfinie par, pour tout n de N , Zn = Mn ln n converge en loi vers
une va dont on prcisera la loi.
222

noncs des exercices

b) On suppose dans cette question que, pour tout k de N , la va Xk suit la loi de Cauchy de
c
paramtre c > 0, cest--dire admet pour densit la fonction f : x 
.
2
(c + x2 )

Mn converge en loi vers une


Montrer que la suite (Zn )nN dfinie par, pour tout n de N , Zn =
nc
va dont on prcisera la loi.

7.20 Exemple de convergence en loi pour des va discrtes valeurs dans N


Soit n un entier naturel non nul. On considre n urnes notes U1 , U2 , . . . , Un . Pour tout i de
1 ; n, lurne Ui contient i boules blanches et n i boules noires.
a) On choisit une urne au hasard et dans lurne choisie, on eectue des tirages avec remise de
la boule tire jusqu obtenir une boule blanche. On note Xn la va gale au nombre de tirages
eectus.
1) Dterminer la loi de Xn . (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(Xn ) de Xn puis calculer lim E(Xn ).
n

3) Montrer que (Xn )

nN

converge en loi vers une va X dont on prcisera la loi.

La va X admet-elle une esprance ?


b) Soit p N fix. Maintenant, on choisit une urne au hasard et dans lurne choisie, on eectue
p tirages successifs avec remise de la boule tire. On note Yn la va gale au nombre de boules
blanches ainsi obtenues.
1) Dterminer la loi de Yn . (On exprimera le rsultat sous forme dune sommation.)
2) Dterminer lesprance E(Yn ) de Yn puis calculer lim E(Yn ).
n

3) Montrer que (Yn )nN converge en loi vers une va Y dont on prcisera la loi.
Comparer ensuite E(Y) et lim E(Yn ).
n

7.21 Convergence en loi du minimum de va suivant une loi uniforme


Soient p ]0 ; 1[ et n N . On considre des va X0 , . . . , Xn , mutuellement indpendantes, suivant
la mme loi uniforme sur [0 ; n], et une va Nn , indpendante des va Xi pour tout i 0 ; n, et
suivant la loi binomiale de paramtre (n, p).
On dfinit les va Vn = min(X0 , . . . , Xn ) et Wn = min(X0 , . . . , XNn ).

Dunod. Toute reproduction non autorise est un dlit

a) tudier la convergence en loi de la suite de va (Vn )nN .


b) On note Gn la fonction de rpartition de Wn . Calculer, pour tout x de R, Gn (x).
c) tudier la convergence en loi de la suite de va (Wn )nN .

7.22 Exemple de convergence en loi pour des va discrtes valeurs dans N


Soit n un entier naturel suprieur ou gal 2. Une urne contient n boules numrotes de 1 n.
On eectue des tirages successifs avec remise et on sarrte ds que lon obtient un numro
suprieur ou gal au numro prcdent. On note Xn la va gale au nombre de tirages eectus.
a) Calculer, pour tout k de N , P(Xn > k). En dduire la loi de Xn .
b) Calculer E(Xn ) puis lim E(Xn ).
n

c) Montrer que la suite de terme gnral Xn converge en loi vers une va X dont on prcisera la
loi.
Comparer E(X) et lim E(Xn ).
n

223

Chapitre 7

Convergences et approximations

7.23 Convergence en probabilit et convergence en loi dun minimum de va, daprs loral HEC
2010

a) On note f la fonction dfinie sur R par : x R, f (x) =

0
si x < 0
.
2
x e x /2 si x  0

Montrer que f est une densit dune va relle X.


Soit (Xn )nN une suite de va, mutuellement indpendantes, de mme loi, admettant pour densit
une fonction g continue sur R, nulle sur R , de classe C 1 sur R+ et possdant une drive droite
en 0 non nulle, gale c.
c
b) Justifier : x  0, P(X1  x) = x2 + o (x2 ).
x0
2
c) Pour tout entier n  1, on pose Yn = min(X1 , X2 , . . . , Xn ).
1) Montrer que (Yn )n1 converge en probabilit vers la variable certaine gale 0.
2) Dterminer une suite (an )n1 de rels strictement positifs telle que (an Yn )n1
converge en loi vers la va X.

7.24 Nombre de points fixes dune application de 1 ; n dans lui-mme ou dune permutation
de 1 ; n

Soit n un entier naturel non nul.


a) On note En lensemble des applications de 1 ; n dans lui-mme. On prend au hasard lune
de ces applications, et lon dfinit la va Xn gale au nombre de points fixes de cette application.
1) Dterminer la loi de Xn .
2) Montrer que la suite (Xn )nN converge en loi vers une va de loi usuelle.
b) On note maintenant Fn lensemble des permutations de 1 ; n. On prend au hasard lune de
ces permutations, et lon dfinit la va Yn gale au nombre de points fixes de cette permutation.
1) Calculer le nombre de permutations de Fn ne prsentant aucun point fixe.
2) Dterminer la loi de Yn .
3) Montrer que la suite (Yn )nN converge en loi vers une va de loi usuelle.

Du mal dmarrer ?
7.1

Considrer une va X suivant la loi normale centre rduite, puis appliquer lingalit de Bienaym-Tchebychev X.

7.3

7.2

b) 2)

a) Appliquer lingalit de Markov la va (Xn X) pour



2
V (Xn X) + E(Xn X)

.
en dduire : P |Xn X|  ) 
2

Puis conclure.
2

b) Montrer que la suite (Xn )nN converge en probabilit vers la


variable certaine X gale 0.
Dautre part, calculer E(Xn X).

224

a) Utiliser la loi faible des grands nombres.

b) 1) Montrer que Yn suit une loi de Bernoulli.


Pour E(Tn ), utiliser la linarit de lesprance.
Pour V (Tn ), utiliser la formule :
V (Tn ) =

n

+
1 *
V (Yk ) + 2
Cov(Yk , Y ) .
2
n k=1
1k< n

c) Appliquer lingalit de Bienaym-Tchebychev la va Tn .

Du mal dmarrer ?

7.4

a) Commencer par crire


P(Mn  x) = P(X1  x, . . . , Xn  x),

puis utiliser lindpendance des va.


En dduire la fonction de rpartition de Mn sur R. Montrer
que cette fonction est continue sur R, C 1 sur R priv ventuellement dun nombre fini de points.


b) Montrer : ]0 ; 1], P |Mn 1| < = 1 (1 )n .

b) 2) Utiliser la formule de Stirling, les quivalents et les dveloppements limits usuels.




7.12 a) Remarquer : P(Mn  x)  P |Mn m|  .
Puis utiliser lingalit de Bienaym-Tchebychev.

b) Raisonner de la mme faon en remarquant cette fois-ci :




P(Mn  x)  P |Mn m| < .

Puis conclure.

c) 1) Utiliser le rsultat de a).



c) 2) Calculer, pour tout x de R, lim P n(1 Mn )  x , puis
n

conclure.

7.5

a) Considrer la va X gale au nombre de botes dfectueuses dans un lot de 100 botes et remarquer que
X  B(100, 0.02).

Approcher la loi de X par une loi adapte puis estimer P(X  6)


en utilisant cette nouvelle loi.

b) Raisonner de la mme faon, en considrant la va Y gale


au nombre de botes dfectueuses dans un lot de 200 botes.

7.6

Considrer la va X gale au nombre de piles obtenus lors


dune succession de 100 lancers dune pice quilibre et remarquer que X  B(100, 0.5).

Approcher la loi de X par une loi adapte puis estimer :

c) Utiliser la loi faible des grands nombres pour en dduire


que (Mn )n1 converge en probabilit vers la variable certaine X
gale m, donc quelle converge aussi en loi vers X.
Dterminer la fonction de rpartition de X, puis utiliser la
dfinition de la convergence en loi.

d) Noter, pour tout n de N , Sn = X1 + + Xn .


Montrer que (Sn )nN converge en loi vers une va N telle que
N  N (0, 1).
Et remarquer :

P(Mn  m) = P(Sn  0) P(N  0).


n

7.13

Noter n le nombre de lancers effectus et X la va gale


au nombre de faces numrotes 1 obtenues.
Dterminer la loi de X.

Considrer, pour tout i de 1 ; 20, la va Xi gale au


nombre de clients le jour i et S = X1 + + X20 .

Montrer que la question revient dterminer un entier n tel



# X 1 #
que : P ## ##  102  0.95.
n 6
a) En utilisant lingalit de Bienaym-Tchebychev, minorer

# X
1#
P ## ##  102 , puis obtenir un n satisfaisant la condition
n
6
prcdente.

Dterminer la loi de S, approcher cette loi par une loi adapte


puis estimer P(S  180).

b) Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.

a) P(X = 50)

b) P(40  X  50)

en utilisant cette nouvelle loi.

7.7

7.8

Commencer par dterminer, pour tout n N , la loi

de Xn .
Puis, pour tout x de R, noter kn = Ent(nx) et calculer P(Xn  x)
en fonction de kn . Conclure.

7.9
Dunod. Toute reproduction non autorise est un dlit

b) 1) Utiliser le cours pour obtenir une densit de Sn , puis en


Sn n
.
n

dduire une densit de Sn =

a) Utiliser le thorme de stabilit de la loi de Poisson.

b) Utiliser le thorme de la limite centre, pour en dduire


que la suite (Sn )nN converge en loi vers une va N telle que
N  N (0, 1).
Remarquer :

n N , P(Sn  n) = P(Sn  0) P(N  0).


n

c) crire P(Sn  n) sous forme dune sommation.

7.10

b) Utiliser le thorme de la limite centre, pour en dduire


que la suite (Sn )nN converge en loi vers une va N telle que
N  N (0, 1).
n N , P(Sn  n) = P(Sn  0) P(N  0).
n

crire P(Sn  n) sous forme dune intgrale.

7.11

a) Appliquer lingalit de Markov la va |Xn X|.

b) 1) Remarquer que P(Yn  0) = P(Z1  0, . . . , Zn  0), puis


utiliser lindpendance des va.
b) 2) Commencer par crire : > 0, P(|Yn |  )  P(Yn  0).
Ensuite, faire tendre lentier n vers +.
c) Utiliser la question a).
d) 1) Utiliser lindpendance des va Zk .
d) 2) Montrer :

lim E(Yn ) = +. Conclure.


n

e) En dduire que (Yn )1 ne converge pas en moyenne vers la


va Y .

7.15

a) Justifier que Sn suit une loi Gamma.

Remarquer :

7.14

a) Utiliser le thorme de la limite centre.

Considrer la va X gale au nombre de vaches qui choisissent ltable numro 1.


La question revient dterminer un entier n tel que :
P(100 n  X  n)  0.95.

a) En utilisant lingalit de Bienaym-Tchebychev, minorer


P(100 n  X  n), puis obtenir un n satisfaisant la condition
prcdente.
b) Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.

225

Chapitre 7

Convergences et approximations

7.16

Considrer lentier n gal au nombre de places vendues


et la va X gale au nombre de passagers se prsentant lembarquement.

b) Justifier :
x R, P(Wn > x) =

n


P(Nn = k)P(X0 > x) P(Xk > x).

k=0

La question revient dterminer un entier n tel que :


P(X > 500)  0.01.
Approcher la loi de X par une loi normale adapte, puis travailler avec cette nouvelle loi.

7.17

a) Montrer que Zn prend ses valeurs dans [0 ; 1[.

Dterminer la fonction de rpartition de Zn , puis montrer que


cette fonction est continue sur R, de classe C 1 sur R ventuellement priv dun nombre fini de points.

b)

n N , E(Zn ) = n

Montrer :

1
puis : lim E(Zn ) = .
n
2
c) Calculer, pour tout x de R,

7.18

1
e 1/n

lim P(Zn  x).


n

Commencer par dterminer la loi de Nn .

Puis, pour tout x de R, noter kn = Ent(nx) et calculer


P(Nn  x) laide de kn .
En dduire :

x R+ , P(Nn  x) 1 e x .

a) Montrer :

1 n

k k si k 1 ; n
n
.
k N , P(Xn > k) =

0
si k  n + 1

k  2, P(Xn = k) = P(Xn > k 1) P(Xn > k).

Puis utiliser :

b) Utiliser la dfinition de lesprance et montrer :



1 n
.
E(Xn ) = 1 +
n
k1
.
c) Montrer : k  2, P(Xn = k)
n
k!

 k 1 
; k 2 ; + est bien la loi dune
Montrer que k,
k!
va discrte. Puis conclure.
Obtenir :

7.23

 
x + ln n n
x R, P(Zn  x) = P X1 
.

En dduire une expression de P(Zn  x) puis lim P(Zn  x).

a) Justifier :

nx 1 n
+
b) Justifier : x R, P(Zn  x) = Arctan
.

2
Pour calculer lim P(Zn  x), sparer les cas x < 0, x = 0, x > 0.
1

7.20

7.22

lim E(Xn ) = e = E(X).


n

Conclure.

7.19

En dduire une expression de P(Wn  x).

c) Montrer que la suite (Wn )nN converge en loi vers une va de


loi exponentielle de paramtre p.

a) 1) Considrer, pour tout i de 1 ; n, lvnement Ai :


on choisit lurne i .

Commencer par dterminer la loi conditionnelle de Xn sachant


Ai , puis en dduire la loi de Xn .

a) 2) Donner, dans un premier temps, lesprance de Xn sachant


Ai , puis utiliser la formule de lesprance totale.

a) 3) Calculer, pour tout k de N , lim P(Xn = k) en utilisant le


n

thorme sur les sommes de Riemann.

a) Appliquer la dfinition dune densit.

b) Commencer par crire le dveloppement limit dordre 1


en 0 de la fonction g, en dduire le dveloppement limit
dordre 2 en 0 de F : x  P(X1  x).


n
c) 1) Montrer : > 0, P |Yn 0|  = 1 F() .


En dduire : lim P |Yn 0|  .
n

c) 2) Raisonner par analyse-synthse. Obtenir par exemple que

la suite ( nc Yn )nN converge en loi vers X.

7.24

a) 1) Obtenir :

k 0 ; n, P(Xn = k) =

a) 2) En dduire que (Xn )nN converge en loi vers une va X suivant la loi de Poisson de paramtre 1.
b) 1) Noter, pour tout i de 1 ; n, Ai lensemble des permutations f de Fn telles que f(i) = i.
Commencer par calculer Card(A1 An ) laide de la formule
du crible.

b) Raisonner de la mme faon quau a).

7.21

a) Dterminer la fonction de rpartition de la va Vn , puis


montrer que la suite (Vn )nN converge en loi vers une va de loi
exponentielle de paramtre 1.

226


n (n 1)nk
.
nn
k

b) 2) Montrer :

k 0 ; n, P(Yn = k) =

nk
1  (1)i
.
k! i=0 i!

b) 3) En dduire que (Yn )nN converge elle aussi en loi vers la


mme va X.

Corrigs des exercices


7.1

On considre une va X de loi normale centre rduite.



> 0, n N , P |Xn 0| 
= P(|Xn |  ) = P(Xn = n)
1
= 0.
n n

1
2
Alors une densit de X est f : t  e t /2 .
2
E(X) = 0 et

De plus :

V(X) = 1.

Soit x > 0. Par lingalit de Bienaym-Tchebychev, on a :



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

On en dduit que (Xn )nN converge en probabilit vers la variable certaine X gale 0.
De plus :



1
P |X|  x  2 ,
x







1
et donc : P |X|  x  P |X| < x = 1 P |X|  x  1 2 .
x


Or : P |X|$ x = P(x $ X  x)
x
x
=
f (t) dt = 2
f (t) dt
car f est paire
x
0
, $ x
$ x
1
2
2
2
=2
e t /2 dt.
e t /2 dt =

2
0
0
, $ x
1
2
2
On en dduit :
e t /2 dt  1 2 ,
0
x
,
$ x

1
2
et donc :
e t /2 dt 
1 2 .
2
x
0

car Xn () = {0, n}

n N , E(Xn X) = E(Xn )

1
1
+ n = 1.
=0 1
n
n

Ainsi, la suite de terme gnral E(Xn X) ne converge pas


vers 0.
On en dduit que la rciproque de la question rciproque est
fausse.
Remarque 1 : Dire que lim E(Xn X) = 0 quivaut dire que
n
lim E(Xn ) = E(X), mais le rsultat analogue pour la variance
n
est faux.
Remarque 2 : On peut donc avoir des suites (Xn )nN de va
qui convergent en probabilit vers une va X, sans que la suite


E(Xn ) nN converge vers E(X) !

7.3
a) Les va Xn sont mutuellement indpendantes et admettent
toutes une esprance gale p et une variance gale p(1 p).

7.2
a) Soit > 0.
Appliquons lingalit de Markov la va (Xn X)2 :


E (Xn X)2


.
P |Xn X|  ) = P (Xn X)2  2 ) 
2

2
Or, pour toute va Y, on a : V(Y) = E(Y 2 ) E(Y) ,

2
et donc : E(Y 2 ) = V(Y) + E(Y) .
On obtient alors :



V(Xn X) + E(Xn X) 2

0  P |Xn X|  ) 
.
2

Puisque lim E(Xn X) = 0 et lim V(Xn X) = 0,


n

b) 1) Soit n N . Puisque Xn et Xn+1 prennent leurs valeurs


dans {0, 1}, Yn prend elle-aussi ses valeurs dans {0, 1}.
Et :

P(Yn = 1) = P(Xn = 1, Xn+1 = 1)

= P(Xn = 1)P(Xn+1 = 1) = p2 ,
car Xn et Xn+1 sont indpendantes.
On en dduit : Yn  b(p2 ).
b) 2) Soit n N .
Calculons E(T n ). Par la linarit de lesprance,

On en dduit, par la loi faible des grands nombres, que (S n )nN


converge en probabilit vers la variable certaine gale p.

V(Xn X) + E(Xn X)
0.
n
2

Par le thorme dencadrement : P |Xn X|  ) 0.

on obtient :

On en dduit que (Xn )nN converge en probabilit vers X.


b) Montrons que (Xn )nN converge en probabilit vers la variable certaine X gale 0. On a :

E(T n ) =

n
n
1
1 2 1
E(Yk ) =
p = (np2 ) = p2 .
n k=1
n k=1
n

Calculons V(T n ). Puisque les va Yn , pour n N , ne sont pas


mutuellement indpendantes,
V(T n ) =

n

+
1 *
V(Yk ) + 2
Cov(Yk , Y ) .
n2 k=1
1k< n

227

Chapitre 7

Convergences et approximations

Or, pour tout k de 1 ; n, V(Yk ) = p2 (1 p2 )


= p2 (1 p)(1 + p).

Ainsi, la fonction de rpartition de Mn , note Fn , vrifie :

0 si x < 0

n
x si 0  x  1
x R, Fn (x) =

1 si x > 1

De plus, pour tous k, de 1 ; n tels que k < :


si k + 1 < , puisque Yk dpend de Xk et Xk+1 , que Y dpend
de X et X +1 et que les va Xk , Xk+1 , X , X +1 sont mutuellement
indpendantes, alors les va Yk et Y sont indpendantes, et donc
Cov(Yk , Y ) = 0 ;
si k + 1 = , alors
2
2
Xk+2 ) = P(Xk Xk+1
Xk+2 = 1)
E(Yk Y ) = E(Xk Xk+1
= P(Xk = 1)P(Xk+1 = 1)P(Xk+2 = 1) = p3 ,

et donc :

Cette fonction de rpartition est C 1 sur R, priv ventuellement


de 0 et de 1.

Fn = 0 = Fn (0) = lim
Fn

lim
0
0+
.
De plus,

lim
Fn = 1 = Fn (1) = lim
Fn
+

Donc Fn est continue en 0 et en 1, donc continue sur R.

Cov(Yk , Y ) = E(Yk Y ) E(Yk )E(Y )


= p3 (p2 )2 = p3 (1 p).

On obtient alors :
n
n1

+
1 *
V(Yk ) + 2
Cov(Yk , Yk+1 )
2
n k=1
k=1
+
1* 2
= 2 np (1 p)(1 + p) + 2(n 1)p3 (1 p)
n
+
p2 (1 p) *
=
n(1 + p) + 2(n 1)p
n2
p2 (1 p)(3np + n 2p)
.
=
n2

V(T n ) =

c) Ici, on ne peut pas appliquer la loi faible des grands nombres


car les va Yn ne sont pas mutuellement indpendantes.
Cherchons appliquer lingalit de Bienaym-Tchebychev
la va T n . On a :


#
#
#
#
> 0, 0  P ##T p2 ##  = P ##T E(T )## 
n

p2 (1 p)(3np + n 2p)
V(T n )
=

2
n2 2
p2 (1 p)(3p + 1)

0
n
n
n2
Donc, par le thorme dencadrement :
#

#
P ##T n p2 ##  0.
n

On en dduit que (T n )nN converge en probabilit vers la variable certaine gale p2 .

7.4
a) Soit x [0 ; 1]. Alors :

228

On en dduit que Mn est une va densit.


b) Soit ]0 ; 1]. Alors :


P |Mn 1| < = P(1 < Mn < 1 + )
= P(1 < Mn  1 + )

car P(Mn = 1 + ) = 0

= Fn (1 + ) Fn (1 ) = 1 (1 )n
car 1 + > 1 et 1 [0 ; 1].
Soit > 0. Alors :




 si ]0 ; 1], P |Mn 1|  = 1 P |Mn 1| <
= (1 )n 0 car 1 [0 ; 1[.
n


 si ]1 ; +[, P |Mn 1|  ) = P(1 Mn  )
= P(Mn  1 ) = 0 0
n
car Mn () [0 ; 1] et 1 < 0.


On obtient alors : > 0, P |Mn 1|  0.
n

On en dduit que (Mn )nN converge en probabilit vers la variable certaine gale 1.

P(Mn  x) = P(X1  x, . . . , Xn  x)
= P(X1  x) P(Xn  x)
car X1 , . . . , Xn sont indpendantes
n

car X1 , . . . , Xn ont la mme loi
= P(X1  x)


= xn
car X1  U [0 ; 1] .

c) 1) Soit n N tel que n  . Alors :








= P Mn  1
P n(1 Mn )  = P 1 Mn 
n
n


car Mn est densit
= P Mn > 1
n



n

puisque [0 ; 1].
= 1 Fn 1
=1 1
n
n
n

Puisque les va X1 , . . . , Xn prennent leurs valeurs dans [0 ; 1],


il en est de mme pour Mn .

c) 2) Puisque Mn prend ses valeurs dans [0 ; 1], n(1 Mn ) prend


ses valeurs dans [0 ; n].

Corrigs des exercices

Soit x R.
Si x

R ,

on peut approcher la loi de Y par la loi de Poisson de paramtre


200 0.02 = 4.

alors :

Considrons une va U suivant la loi de Poisson de paramtre 4.



n  1, P n(1 Mn )  x = 0 0.
n

Si x R+ , alors :




x n
n  x, P n(1 Mn )  x = 1 1
n
x
= 1 e n ln(1 n ) ,

x
x
n
or : n ln 1
= x x,
n
n n
n


donc : P n(1 Mn )  x 1 e x .
n

Considrons une va X suivant la loi E (1) et notons F sa fonction de rpartition. Alors :


x R, F(x) = 0 si x < 0 et F(x) = 1 e x si x  0.


On obtient alors : x R, P n(1 Mn )  x F(x).

On en dduit que n(1 Mn )

nN

converge en loi vers X.

P(Y  11)  P(U  11) = 1 P(U  10)


10

4k 
= 1 e4
 0.0028 = 0.28%.
k!
k=0

On en dduit quil y a environ 0.28% de risques que la garantie


tombe en dfaut.
Remarque : En doublant le nombre de botes par lot, la probabilit que la garantie du lot tombe en dfaut est bien plus que
divise par deux !

7.6

Notons X la va gale au nombre de piles obtenus lors


dune succession de 100 lancers dune pice quilibre.
On sait alors que X  B(100, 0.5).
Puisque : 100  30,

100 0.5 = 50  15,

7.5

100 (1 0.5) = 50  5,

a) On note X la va gale au nombre de botes dfectueuses dans


un lot de 100 botes.

on peut approcher la loi de X par une loi normale de mme


esprance et de mme variance.

La garantie de ce lot tombe en dfaut si et seulement si ce lot


contient au moins 6 botes dfectueuses. On cherche donc
valuer P(X  6).

Or :

Daprs lnonc, X  B(100, 0.02).


Puisque : 100  30,

0.02  0.1, 100 0.02 = 2  15,

on peut approcher la loi de X par la loi de Poisson de paramtre


100 0.02 = 2.
Considrons une va T suivant la loi de Poisson de paramtre 2.
Alors :
Dunod. Toute reproduction non autorise est un dlit

Alors :

P(X  6)  P(T  6) = 1 P(T  5)



21 22 23 24 25 
+
+
+
+
= 1 e2 1 +
1! 2! 3! 4! 5!
2
109 e
 0.0166 = 1.66%.
=1
15

On en dduit quil y a environ 1.66% de risques que la garantie


tombe en dfaut.
b) On note Y la va gale au nombre de botes dfectueuses dans
un lot de 200 botes.
La garantie de ce lot tombe en dfaut si et seulement si ce lot
contient au moins 11 botes dfectueuses. On cherche donc
valuer P(Y  11).

E(X) = 100

1 1
1
= 50 et V(X) = 100 = 25.
2
2 2

Ainsi, la loi de X peut tre approche par la loi normale


X 50
N (50, 25) et donc la loi de X =
peut tre approche
5
par la loi N (0, 1).
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.
a) On cherche estimer P(X = 50). Eectuons une correction
de continuit :
P(X = 50) = P(49.5 < X  50.5) = P(0.1 < X  0.1)
 P(0.1 < N  0.1) = (0.1) (0.1)
= 2(0.1) 1

car x R, (x) = 1 (x).

Or, daprs la table de la loi normale centre rduite,


(0.1)  0.540.
On en dduit :

P(X = 50)  0.080.

On conclut que la probabilit dobtenir, lors de 100 lancers


dune pice quilibre, autant de piles que de faces est peu
prs gale 0.080.

Daprs lnonc, Y  B(200, 0.02).

Remarque : Si lon neectue pas la correction de continuit, on


trouve : P(X = 50) = P(X = 0)  P(N = 0) = 0, et cette approximation est peu satisfaisante !

Puisque : 200  30,

b) On cherche estimer P(40  X  50).

0.02  0.1, 200 0.02 = 4  15,

229

Chapitre 7

Convergences et approximations

P(40  X  50) = P(2  X  0)  P(2  N  0).


Or, P(2  N  0) = P(2 < N  0) = (0) (2)


= 0.5 1 (2) = (2) 0.5.
Daprs la table de la loi normale centre rduite,
(2)  0.977.
On en dduit :

P(40  X  50)  0.477.

On conclut que la probabilit dobtenir, lors de 100 lancers


dune pice quilibre, un nombre de piles compris entre 40
et 50 est peu prs gale 0.477.
Remarque : Il est possible deectuer la correction de continuit. Dans ce cas, on obtient :




k
= P Ent(nX) = k
P Xn =
n


k
k + 1
= P k  nX < k + 1 = P  X <
n
n
k + 1
k
k
k + 1
=F
F
.
=P <X
n
n
n
n
Soit x R.
 Supposons x R . Alors :
n  1, P(Xn  x) = 0 0 = P(X  x)
n

 Supposons x R+ . Soit n  1.
Notons kn = Ent(nx). Alors :

P(40  X  50) = P(39.5 < X  50.5)


= P(2.1 < X  0.1)  (0.1) (2.1)

On a :

= (0.1) + (2.1) 1  0.540 + 0.982 1 = 0.522.

kn 

j 
j + 1
F
F
n
n
j=0
 kn + 1 
 kn + 1 
=F
F(0) = F
.
 !"
n
n

Notons, pour tout i de 1 ; 20, Xi la va gale au nombre de


clients le jour i et S = X1 + + X20 .
Daprs lnonc, les va X1 , . . . , X20 sont mutuellement indpendantes et suivent la loi de PoissonP(10). On sait alors,
daprs le cours, que S  P(200).
Puisque 200  15, on peut approcher la loi de S par une loi
normale de mme esprance et de mme variance.
Or, E(S ) = 200 et V(S ) = 200. Ainsi, la loi de S peut tre
approche par la loi normale N (200, 200) et donc la loi de
X 200
S =
peut tre approche par la loi N (0, 1).
10 2
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.
On cherche estimer P(S  180).


180 200 
= P(S  2)
On a : P(S  180) = P S 

10 2

 P(N  2) = P(N  2) = ( 2).

Or :
2  1.41 et (1.41)  0.921.

Notons, pour tout n de N , Fn la fonction de rpartition


de Xn et F la fonction de rpartition de X.

7.8

Soit n N . La va Xn prend ses valeurs dans


Pour tout k de N, on a :

=0

Or, daprs lingalit prcdente, on a :


x<

1
kn + 1
 x+ ,
n
n

donc par le thorme dencadrement :

kn + 1
x.
n
n

Puisque X est une va densit, sa fonction de rpartition est


 kn + 1 
F(x).
continue sur R et donc : P(Xn  x) = F
n
n
On obtient alors :

x R, Fn (x) F(x).
n

On conclut que la suite (Xn )nN converge en loi vers X.

7.9
a) Soit n N .
Les va X1 , . . . , Xn sont mutuellement indpendantes et suivent
la loi de Poisson de paramtre 1.
Daprs le cours, on sait que S n  P(n).

P(S  180)  0.921 = 92.1%.

On conclut que la probabilit davoir au moins 180 clients au


cours de 20 jours ouvrables est peu prs gale 0.921.

230

kn + 1
kn
x<
.
n
n

kn


kn  
j
=
P(Xn  x) = P Xn 
P Xn =
n
n
j=0

7.7

Ainsi :

car X() R+ .

k
n


;kN.

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


Sn n
S n , cest--dire S n = .
n
Puisque les va Xn , pour n N , sont mutuellement indpendantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S n )nN converge en loi vers une va N telle que N  N (0, 1).

Corrigs des exercices

1
En particulier, on a : P(S n  0) P(N  0) = ,
n
2
car N est une va admettant une densit paire.
Sn n

Or, P(S n  0) = P
 0 = P(S n  n).
n
P(S n  n)

On conclut :

7.11
a) Les va Xn , pour n  1, tant mutuellement indpendantes, de
mme loi et admettant une esprance et une variance, on sait,
daprs le thorme de la limite centre, que la suite (S n )n1
converge en loi vers une va N, telle que N  N (0, 1).

1
.
2

c) Puisque S n  P(n), on a :

Donc :

1
autrement dit, Fn (x)
n
2

nk
k N, P(S n = k) = e n .
k!
n
n


nk
.
P(S n = k) = e n
P(S n  n) =
k!
k=0
k=0
e n

On obtient :

n

nk
k=0

k!

1
et donc :
2

k!

e t

2 /2

dt.

Puisque les va X1 , . . . , Xn sont mutuellement indpendantes


et suivent la loi E (1), on sait que S n suit la loi (1, n).

n

nk
k=0

b) 1) Soit n N .

en
.
2

7.10
a) Soit n N .

Une densit gn de S n est donne par :

0
si x < 0

n1
.
x R, gn (x) =
x

(n 1)! e si x  0

Les va X1 , . . . , Xn sont mutuellement indpendantes et suivent


la loi de exponentielle de paramtre 1.

On sait alors que E(S n ) = n et V(S n ) = n.

Daprs le cours, on sait que S n  (1, n).

0
si t < 0

n1
t
Une densit de S n est alors f : t 
t

e si t  0

(n 1)!

Donc : S n =

Et lon a :

E(S n ) = n et V(S n ) = n.

b) Notons, pour tout n de N , S n la va centre rduite associe


Sn n
S n , cest--dire S n = .
n
Puisque les va Xn , pour n N , sont mutuellement indpendantes, de mme loi, admettent une esprance et une variance,
on sait, daprs le thorme de la limite centre, que la suite
(S n )nN converge en loi vers une va N telle que N  N (0, 1).

Dunod. Toute reproduction non autorise est un dlit

P(S n  x) P(N  x),

On en dduit, pour tout x de R :

1
En particulier, on a : P(S n  0) P(N  0) = ,
n
2
car N est une va admettant une densit paire.
Or,

P(S n  0) = P

On en dduit :

Sn n

 0 = P(S n  n).

On obtient :

On a alors : x R, P(S n  x) = P(S n  n + x n).


En drivant, on obtient quune densit fn de S n est donne par :


x R, fn (x) = n gn n + x n

si x < n

0 n1

.
n(n + x n)
=

e nx n si x  n

(n 1)!
b) 2) Soit x R. Alors :

n(n + x n)n1 nx n
n  x2 , fn (x) =
e
(n 1)!
x n1 nx n
n nn1 
=
e
.
1+
(n 1)!
n

Or : (n 1)! (n 1)n1 2(n 1) e n+1


n

(n 1)n1 2n e n+1 , donc :


n

1
P(S n  n) .
n 2

Puisque S n  (1, n), on a :


$ n
P(S n  n) =
f (t) dt =

Sn n
.
n


x n1 nx n
n nn1
1+
e

n+1
n
(n
2n e
1 n+1 
1 
x n1 x n1
1
=
e
1+
n
n
2
+
*



1 
x
1
x n1 .
= exp (n 1) ln 1 + ln 1
n
n
2
 !"
fn (x)

1
(n 1)!

n
0

tn1 e t dt.

$ n
1
1
et donc :
tn1 e t dt
n 2
(n 1)! 0
$ n
(n 1)!
tn1 e t dt
.
n
2
0

1)n1

not un

On obtient alors, en utilisant les dveloppements limits


lorsque lentier n tend vers + :
231

Chapitre 7

Convergences et approximations

 x

1 
x2 1
+ o
x n1
un = (n 1)
n n n
n 2n

x2
x2
= x n
+ 1+ o (1) x n 1 = + o (1).
n
2
2 n
On en dduit :

x2
un
n
2

et on conclut :

1
2
e x /2 .
fn (x)
n
2

2
Puisque 1 2 1, par le thorme dencadrement, on
n n
conclut : lim P(Mn  x) = 1.
n

Remarque : Bien que la suite des fonctions de rpartition de S n


converge vers la fonction de rpartition de la loi N (0, 1), on
ne peut pas en dduire que la suite des densits de S n converge
vers une densit de la loi N (0, 1).
En eet, il existe des exemples de suites de fonctions (hn )nN
telles que, pour tout x de R, lim hn (x) = h(x) sans pour autant
n

avoir, pour tout x de R, lim hn (x) = h (x).


n

7.12

c) Puisque les va Xk , pour k  1, sont mutuellement indpendantes, admettent toutes une esprance gale m et une variance gale 2 , on a, par la loi faible des grands nombres :
la suite (Mn )n1 converge en probabilit vers la variable certaine
gale m.
Puisque la convergence en probabilit implique la convergence
en loi, on en dduit que (Mn )n1 converge en loi vers la variable
certaine X gale m.
Notons F la fonction de rpartition de X.

0 si x < m
On a : x R, F(x) =
.
1 si x  m
Ainsi F est continue en tout point de R priv de m.
On en dduit, par la dfinition de la convergence en loi :

a) Soit n  1. Alors :

x R \ {m}, lim P(Mn  x) = F(x),



(Mn  x) = (Mn m  ) |Mn m|  .

De plus, par la linarit de lesprance :


n
1
1
E(Xk ) = (n.m) = m,
E(Mn ) =
n k=1
n

et puisque les va Xk sont mutuellement indpendantes :


n
n
1 
1  
1
2
.
Xk = 2
V(Xk ) = 2 (n.2 ) =
V(Mn ) = 2 V
n
n k=1
n
n
k=1
Donc, par lingalit de Bienaym-Tchebychev,


V(Mn )
2
P |Mn m|  ) = P |Mn E(Mn )|  ) 
= 2.
2

n
2
On obtient alors : 0  P(Mn  x)  2 .
n
2
0, par le thorme dencadrement, on
Puisque
n2 n
conclut : lim P(Mn  x) = 0.

donc on a :

x < m, lim P(Mn  x) = 0

n
.

x > m, lim P(Mn  x) = 1


n

d) Notons, pour tout n de N , S n =




2

P |Mn m| < = 1 P |Mn m|   1 2 ,
n
daprs la question prcdente.

Or :

On obtient alors : 1
232

 P(Mn  x)  1.
n2

Xk et S n la va centre

k=1

rduite associe S n .
Les va Xk , pour k  1, tant mutuellement indpendantes, de
mme loi et admettant une esprance et une variance, on sait,
daprs le thorme de la limite centre, que la suite (S n )n1
converge en loi vers une va N de loi N (0, 1).
En particulier :

P(S n  0) P(N  0) =
n

1
,
2

car N admet une densit paire.


Or : n  1, S n =

b) Soit n  1. Alors : (Mn  x) = (Mn m  ),






et : |Mn m| < |Mn m|  Mn m  .


On en dduit : |Mn m| < (Mn  x),


et par consquent : P |Mn m| <  P(Mn  x).

n


et donc :

S n E(S n ) nMn E(nMn )


=

V(S n )
V(nMn )
Mn E(Mn )
n
=
= (Mn m),
V(Mn )
2

P(S n  0) = P(Mn m  0) = P(Mn  m).

On conclut : lim P(Mn  m) =


n

1
.
2

7.13

Notons n le nombre de lancers eectus et X la va


gale au nombre de faces numrotes 1 obtenues.
Alors :

X  B(n, 1/6).

La frquence dapparition de la face numrote 1 est gale

X
.
n

Corrigs des exercices

On cherche donc n tel que :



## X 1 ##
P ## ##  102  0.95 ().
n 6
n
 X  E(X)
1
a) On a :
E
=
= 6 =
n
n
n
6
5n
 X  V(X)
5
V
= 2 = 362 =
.
n
n
n
36n
Par lingalit de Bienaym-Tchebychev, on a :

## X

## X 1 ##
X ###
P ## ##  102 = P ## E
#  102
n 6
n
n
V( Xn )
50000
=
.

(102 )2
36n
 50000
## X 1 ##
,
On a donc : P ## ## > 102 
n 6
36n
puis par vnement contraire :
## X 1 ##

50000
P ## ##  102  1
.
n 6
36n
Ainsi, pour satisfaire lingalit (), il sut davoir :
1

50000
50000
 0.95
 0.05
36n
36n
50000
 27777.77 n  27778.
n 
36 0.05

Ainsi, lorsque n  27778, on peut armer, avec un risque infrieur ou gal 5%, que la frquence dapparition de la face
1
numrote 1 dire de dau plus 102 .
6
5n
n
 5,
b) Supposons : n  30,  15,
6
36
cest--dire : n  90.
Dans ce cas, on peut approcher la loi de X par une loi normale
de mme esprance et de mme variance, et donc approcher la
X n
loi de X = 6 par la loi N (0, 1).
Dunod. Toute reproduction non autorise est un dlit

5n
6

## X 1 ##
 

## ##  102 = 5 |X |  102
n 6
6 n


6 n 
= |X | 
.
100 5
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.



## X 1 ##
6 n 
On a alors : P ## ##  102  P |N| 

n 6
100 5

 6 n 
= 2
1.
100 5
 6 n 
Et : 2
1  0.95
100 5
 6 n 

 0.975  (1.96)
100 5
De plus :

6 n

 1.96 car est strictement croissante


100 5

 1.96 100 5 2
n 
 5335.6 n  5336.
6
Par cette mthode, lorsque n  5336, on peut armer, avec un
risque infrieur ou gal 5%, que la frquence dapparition de
1
la face numrote 1 dire de dau plus 102 .
6
Remarque : Le rsultat trouv au b) est bien infrieur celui
trouv au a). La deuxime mthode est plus prcise que la premire car elle fait intervenir la connaissance de la loi de X,
tandis que premire ne fait intervenir que la connaissance de
lesprance et la variance de X.

7.14
a) Supposons que la suite (Xn )n1 converge en moyenne vers la
va X. Soit > 0.
Daprs lingalit de Markov applique la va |Xn X| :



E |Xn X|
P |Xn X|  
0.
n

On en dduit que (Xn )n1 converge en probabilit vers X.


b) 1) Soit n  1. Alors :
P(Yn  0) = P(Z1  0, . . . , Zn  0)
= P(Z1  0) P(Zn  0)
car les va sont indpendantes
car les va ont la mme loi
= P(Z1  0)

n
n
= 1 P(Z1 = 0) = 1 e
.
n

b) 2) Soit > 0. Alors :




P |Yn 0|  = P(Yn  )  P(Yn  0).


On obtient alors : 0  P |Yn 0| 
n

 P(Yn  0)  1 e .

n
Puisque > 0, 0 < 1 e < 1 et donc 1 e 0.
n


Par le thorme dencadrement : P |Yn 0|  0.
n

Ainsi, (Yn )n1 converge en probabilit vers la variable certaine


gale 0.
c) Supposons que la suite (Yn )n1 converge en moyenne vers
une va Y.
Alors daprs a), (Yn )n1 converge en probabilit vers cette
mme va. Or, daprs la question prcdente, (Yn )n1 converge
en probabilit vers la variable certaine gale 0.
Daprs le cours, on sait que, si une suite de va converge
en probabilit vers une va X et vers une autre va X  , alors
P(X = X  ) = 1.
On obtient alors :

P(Y = 0) = 1.
233

Chapitre 7

Convergences et approximations

d) 1) Soit n  1. Alors :

(1) :

car Z1 , . . . , Zn sont mutuellement indpendantes

Utilisons lingalit de Bienaym-Tchebychev. On obtient :


#

#

#
#
P ##X E(X)## > n 50  P ##X E(X)##  n 50
V(X)
25

=
.
(n 50)2
(n 50)2

(2) :

car Z1 , . . . , Zn  P().

On obtient donc :

E(Yn ) = E

n
-


Zk =

k=1

n
-

(1)

E(Zk ) = n .
(2)

k=1

d) 2) Soit n  1. La va |Yn Y| (Yn Y) est une va valeurs


positives (car : x R, |x| x  0).


On obtient alors : E |Yn Y| (Yn Y)  0.
Par la linarit de lesprance, on en dduit :


E |Yn Y|  E(Yn ) E(Y).
Puisque E(Yn ) = n + (car > 1) et que E(Y) = 0 (car
n
Y est une va quasi certaine gale 0), on en dduit :
E(Yn ) E(Y) +.
n

Et donc, par minoration :


lim E |Yn Y| = +.
n

e) De la question prcdente, on dduit que (Yn )1 ne converge


pas en moyenne vers la va Y, alors quelle converge en probabilit vers Y.
Ainsi, la convergence en moyenne implique la convergence en
probabilit, mais que la rciproque est fausse.

P(E)  1

25
.
(n 50)2

Pour satisfaire la condition (), il sut que :


1

25
25
 0.95
 1 0.95 = 0.05
2
(n 50)2
(n
, 50)
25
n  50 +
 72.3.
0.05

On en dduit que, pour n = 73, chaque vache trouve une place


avec une probabilit suprieure ou gale 95%.
b) Puisque 100  30, 100 0.5 = 50  15 et
100 (1 0.5) = 50  5, on peut approcher la loi de X par une
loi normale de mme esprance et de mme variance.
Or, E(X) = 50 et V(X) = 25. Ainsi, la loi de X peut tre approX 50
par la
che par la loi N (50, 25) et donc celle de X =
5
loi N (0, 1).
Considrons N une va de loi N (0, 1) et notons sa fonction
de rpartition.
 n 50
n 50 
 X 
P(E) = P
5
5
 n 50
n 50 
N
P
5
5
 n 50 
 n 50 
 n 50 

= 2
1.
=
5
5
5
 n 50 
1  0.95
Do : P(E)  0.95 2
5
 n 50 
 0.975  (1.96)

5
n 50
 1.96 car est strictement croissante

5
n  50 + 5 1.96 = 59.80 n  60.
On a alors :

7.15
Notons X le nombre de vaches qui choisissent ltable numro 1.
Puisque les 100 vaches choisissent une table de faon indpendante les unes des autres, et que la probabilit de choisir ltable
1
numro 1 est gale , on en dduit que X  B(100, 0.5).
2
Notons E lvnement :
chaque vache trouve une place .
Si X vaches choisissent ltable numro 1, 100 X choisissent
ltable numro 2. On en dduit :
E = (X  n) (100 X  n) = (100 n  X  n).
On cherche donc n tel que :
P(E) = P(100 n  X  n)  0.95 ().
1
1 1
= 50 , V(X) = 100 = 25,
2
2 2


et : P(E) = P 100 n  X  n


= P 50 n  X 50  n 50
##

##

##
#
= P #X 50#  n 50 = P #X E(X)##  n 50
#

#
= 1 P ## X E(X)## > n 50 .
a) On a :

234

E(X) = 100

Par cette mthode, on en dduit que, pour n = 60, chaque vache


trouve une place avec une probabilit suprieure ou gale
95%.
Remarque : Comme dans lexercice 7.13, on constate que la
deuxime mthode est plus prcise que la premire. Ceci est
d ce que, dans la deuxime mthode, on connat la loi de X,
tandis que dans la premire mthode, on ne connat que lesprance et la variance de X.

7.16

Notons n le nombre de places vendues et X le nombre


de passagers se prsentant lembarquement.
Alors :

X  B(n, 0.95).

Corrigs des exercices

On cherche alors n tel que :


Supposons :

n  30,

P(X > 500)  0.01.

0.95 n  15,

0.95 0.05 n  5,

cest--dire : n  60.
Dans ce cas, on peut approcher la loi de X par une loi normale
de mme esprance et de mme variance, et donc approcher la
X 0.95 n
par la loi N (0, 1).
loi de X =
0.95 0.05 n
Notons la fonction de rpartition de la loi N (0, 1).
On obtient alors : P(X > 500)  0.01

500 0.95 n 
P X >
 0.01
0.95 0.05 n
 500 0.95 n 
1
 0.01
0.95 0.05 n
 500 0.95 n 
 0.99  (2.33)

0.95 0.05 n
500 0.95 n
 2.33 ( est strictement croissante)

0.95 0.05 n

0.95 n + 2.33 0.0475 n 500  0.

Lquation 0.95 r2 + 2.33 0.0475 r 500 = 0 admet deux


solutions relles r1 et r2 , et lon a :
r1  22.68

et

r2  23.22.

On en dduit : P(X > 500)  0.01 r2 


n  r12  514.45 n  514.

On en dduit que la fonction de rpartition Fn de Zn vrifie :

0
si x < 0

1 e x/n
x R, Fn (x) =
si 0  x < 1 .

1 e 1/n

1
si x  1
La fonction Fn est de classe C 1 sur R priv ventuellement de
{0, 1}.
De plus, lim
Fn = 0 = Fn (0) et lim
Fn = 1 = Fn (1). Ainsi Fn

Ainsi Zn est une va densit, dont une densit fn est obtenue


en drivant Fn ; ainsi :

e x/n si 0  x < 1

n(1

e 1/n )
x R, fn (x) =
.

0
sinon
b) Soit n N .
$
Alors E(Zn ) =

7.17

Ainsi :

Dunod. Toute reproduction non autorise est un dlit

E(Zn ) =

(k  Xn  k + x),

k=0

donc :

P(Zn  x) =

+


x e x/n dx

n n e 1/n e 1/n
1
= n 1/n
.
1 e 1/n
e 1

1
1
1
+ 2+ o 2 ,
n 2n n n
1

1
=
e 1/n 1

Ainsi :


1
1
E(Zn ) = n n + o (1) = + o (1).
n
2
2 n

1
n

1
=n
( n12 )
1 + 2n1 + o ( 1n )
n

1 
1
1
=n 1 + o
= n + o (1).
2n n n
2 n

1
+ o
2n2
n

On conclut : lim E(Zn ) =


n

1
.
2

c) Soit x R. Calculons lim P(Zn  x).


n

P(k  Xn  k + x)

k=0

par incompatibilit des vnements


+

1 t/n
k/n

e
dt =
e (k+x)/n
=
e
n
k
k=0
k=0
+

1/n k 1 e x/n

x/n
e
=
.
= 1 e
1 e 1/n
k=0
+ $ k+x


donc :

2e cas : si x  1, alors P(Zn  x) = 1.


+
1

1
n(1 e 1/n )

e 1/n = 1 +

Soit x R.

3e cas : si 0  x < 1, alors (Zn  x) =

x fn (x) dx.
0

a) Soit n N .

1er cas : si x < 0, alors P(Zn  x) = 0.

On a :

Puisque x R, Ent(x)  x < Ent(x) + 1, la va Zn prend ses


valeurs dans [0 ; 1[.

$
x fn (x) dx =

$ 1
&1
%
x e x/n dx = nx e x/n 0 + n
e x/n dx par IPP
0
0
%
&
1
= nx e x/n n2 e x/n 0 = n e 1/n n2 e 1/n + n2 .

n  r1

On en dduit que la compagnie arienne peut vendre jusqu


514 places pour tre sre 99% que le nombre de passagers se
prsentant lembarquement soit infrieur ou gal 500.

Or :

est continue en 0 et en 1, donc continue sur R.

1er cas : si x < 0, alors P(Zn  x) = 0 0.


n

2 cas : si x  1, alors P(Zn  x) = 1 1.


e

3 cas : si 0  x < 1, alors


e

P(Zn  x) =

x/n
1 e x/n

= x x.
n
1 e 1/n n 1/n
235

Chapitre 7

Convergences et approximations

Considrons U une va de loi uniforme sur [0 ; 1[.

Alors : x R, P(X  x) =

x R, P(Zn  x) P(U  x).

On a alors :

Ainsi : x R, P(Nn  x) P(X  x).

On en dduit que (Zn )


forme sur [0 ; 1[.

nN

converge en loi vers U, de loi uni-

On en dduit que (Nn )n1 converge en loi vers la va X.

1
Remarque : On a E(U) = , et donc lim E(Zn ) = E(U), ce qui
n
2
nest pas toujours le cas comme le montre lexercice 7.2.

Soit n N tel que n  . Dterminons la loi de Nn .


La va Nn prend ses valeurs dans

k
n


; k N .

k
Pour tout k N , on a : P Nn =
 
n 
= P inf i  1 ; Xi,n = 1 = k


= P X1,n = 0, . . . , Xk1,n = 0, Xk,n = 1


= P(X1,n = 0) P(Xk1,n = 0)P(Xk,n = 1)


par indpendance des va

k1
.
= 1
n
n
Remarque : n Nn suit la loi gomtrique de paramtre

7.19
a) Soit x R. Alors, pour tout n de N :

x + ln n 
P(Zn  x) = P(Mn  x + ln n) = P Mn 


x + ln n
x + ln n 
, . . . , Xn 
= P X1 



x + ln n 
x + ln n 
. . . P Xn 
= P X1 

car les va sont indpendantes


* 
x + ln n +n
= P X1 
car les va ont la mme loi.

7.18

.
n

Soit x R. Calculons lim P(Nn  x).


n

1er cas : Supposons x  0. Pour tout n  1, P(Nn  x) = 0,


donc :

0
si x  0
.
1 e x si x > 0

x + ln n
 0,

x + ln n n

Pour tout n de N tel que n > e x , on a :



P(Zn  x) = 1 exp



e x n

e x 
= 1
= exp n ln 1
.
n
n

e x
e x 
n
= e x e x .
Or : n ln 1
n
n n
n

et donc :

Donc :

P(Zn  x) exp( e x ).
n

Notons F la fonction dfinie sur R par :

P(Nn  x) 0.
n

1
2 cas : Supposons x > 0. Pour tout n  1 tel que n > , notons
x
kn = Ent(nx).

x R, F(x) = exp( e x ).

On a :

kn + 1
kn
1
x<
et kn  1 (car x  ).
n
n
n
n


kn 
j
P(Nn  x) = P Nn 
=
P Nn =
n
n
j=1

Ainsi :

kn 

j=1

 j1
n

1 (1 n )kn
1 (1 n )


kn
.
=1 1
n


kn

= e kn ln(1 n ) ,
Or : 1
n



et kn nx (car kn = Ent(nx)),
avec ln 1
n
n n n


x x.
donc : kn ln 1
n
n n
Ainsi :

P(Nn  x) 1 e
n

Considrons une va X suivant la loi exponentielle de paramtre .


236

Montrons que F est la fonction de rpartition dune va densit.


La fonction F est C 1 sur R (et donc continue sur R).
De plus :

x R, F  (x) = e x exp( e x ) > 0,

donc F est strictement croissante sur R.

0, donc lim F = exp(0) = 1

e x+
+
.
Enfin :

e x , donc lim F = lim exp = 0


x

Ainsi F est la fonction de rpartition dune va X densit, admettant pour densit la fonction f dfinie par :
x R, f (x) = F  (x) = e x exp( e x ).
On en dduit que (Zn )nN converge en loi vers la va X.
b) Soit x R. Alors, pour tout n de N :



ncx 
P(Zn  x) = P
Mn  x = P Mn 
nc

ncx
ncx

, . . . , Xn 
= P X1 

Corrigs des exercices



ncx 
ncx 
= P X1 
. . . P Xn 

car les va sont indpendantes


 
ncx n
= P X1 
car les va ont la mme loi.

$ ncx
*1


c
ncx
t + ncx

=
Or : P X1 
dt = Arctan
2 + t2 )

(c

nx 1 1
nx 1
1

= Arctan
+ .
= Arctan

2
1
nx 1 n
Donc : x R, P(Zn  x) = Arctan
+
= e un , en

2
1
nx 1 
notant un = n ln Arctan
+ .

2
Soit x R. Dterminons lim P(Zn  x).
n

nx
 Supposons x < 0. Alors Arctan

1
nx 1
Arctan
+ 0, puis un
n

2 n
On en dduit :

, donc
n
2

Enfin : lim F = 0 et

Ainsi F est la fonction de rpartition dune va X densit, admettant pour densit la fonction f dfinie par :

0
si x  0

.
x R, f (x) =
1

1/x

2e
si x > 0
x
On en dduit que (Zn )nN converge en loi vers la va X.

7.20
a) 1) La va Xn prend ses valeurs dans N .

on choisit lurne i .

1
= n ln!"
2 .
n
2

P(Zn  x) 0.
n

nx

 Supposons x > 0. Alors Arctan


n

1
nx 1
Arctan
+ 1. On a alors :

2 n
 n
 1
nx 1
+
1 = Arctan
un n Arctan
n

, donc
2
nx 
.

Alors les vnements A1 , . . . , An forment un systme complet


1
dvnements et, pour tout i de 1 ; n, P(Ai ) = .
n
Daprs lnonc, la loi conditionnelle de Xn sachant lvi
nement Ai est la loi gomtrique de paramtre .
n
On en dduit, daprs la formule des probabilits totales :
k N , P(Xn = k) =
=

y > 0, Arctan y + Arctan

1
= ,
y 2

n

Arctan
.

nx

Dunod. Toute reproduction non autorise est un dlit

On en dduit :

1
1
n 

= .

nx
x n x

P(Zn  x) e 1/x .
n

Notons F la fonction dfinie sur R par :



0 si x  0
.
x R, F(x) =
e 1/x si x > 0
Montrons que F est la fonction de rpartition dune va densit.
La fonction F est C 1 sur R priv ventuellement de 0.
1
De plus, lim+
F = 0 = F(0) = lim
F.
= et donc lim
x0
0+
0
x
Ainsi F est continue en 0 et donc sur R.

n

i k1 i
1 
i k1 i
1
=
.
1
n
n
n n i=1
n
n

a) 2) Puisque la loi conditionnelle de Xn sachant Ai est la loi


i
gomtrique de paramtre , on obtient :
n
E(Xn | Ai ) =

y0

P(Ai )PAi (Xn = k)

n

1
i=1

Enfin, puisque Arctan y y, on obtient :


un

n

i=1

En utilisant lgalit :

un

1
0, donc lim F = exp(0) = 1.
+
x x+

Notons, pour tout i de 1 ; n, Ai lvnement :

0

on obtient :

1 1/x
e
 0.
x2

Donc F est croissante sur R+ , puis F est croissante sur R.

P(Zn  x) 0.

 Supposons x = 0. Alors un = n ln
On en dduit :

x > 0, F  (x) =

De plus :

1
i
n

n
.
i

Puis par la formule de lesprance totale :


E(Xn ) =

n


P(Ai )E(Xn | Ai ) =

i=1

Puisque la srie

n

1
i=1

n 1
=
.
i
i
i=1
n

1

diverge (il sagit dune srie de Riei


mann avec = 1) et quelle est termes positifs, on en dduit :
n

1
lim E(Xn ) = +.
+. On conclut :
n
i n
i=1
i1

a) 3) Puisque les va Xn prennent leurs valeurs dans N , pour


tudier la convergence en loi, il sut de calculer, pour tout k
de N , lim P(Xn = k).
n

237

Chapitre 7

Convergences et approximations

Soit k N . Alors :

n N ,
$ 1
n
i k1 i
1 
1
(1 x)k1 x dx,

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

= x
0
k
k
0
* (1 x)k+1 +1
1
=
=
.
k(k + 1) 0 k(k + 1)
1
et montrons que
Notons, pour tout k N , pk =
k(k
+ 1)


(k, pk ) ; k N est bien la loi dune va discrte.
 k N , pk  0.


K


pk =

k=1

K 

1
k=1

Donc :

1 
1
=1
1.
k+1
K + 1 K

pk converge et

+


k1

pk = 1.

k=1

On en dduit quil existe une va X discrte telle que :


X() = N

et

k N , P(X = k) =

1
.
k(k + 1)

On obtient alors : k N , lim P(Xn = k) = P(X = k).


n

On en dduit que la suite (Xn )nN converge en loi vers X.


Enfin :
car la srie

K N ,
1
k1

K


kpk =

k=1

K

k=1

K+1

1
1
=
+,
k+1
k K
k=2

diverge et est termes positifs.

Puis par la formule de lesprance totale :


E(Yn ) =

P(Ai )E(Yn | Ai ) =

i=1

On conclut : lim E(Yn ) =


n

n
n

p 
1 pi
i

= 2
n
n
n i=1
i=1
p
n(n + 1)
p(n + 1)
= 2
=
.
n
2
2n

p
.
2

b) 3) Raisonnons de la mme faon quau a).


Soit k 0 ; p. Alors : n N ,


n
i  pk
p
1   i k 
1

P(Yn = k) =
n i=1 n
n
k

$ 1
p

xk (1 x) pk dx,
n k
0
daprs le thorme sur les sommes de Riemann, appliqu la
fonction x  xk (1 x) pk qui est continue sur [0 ; 1].
$ 1
xk (1 x) pk dx.
Notons, pour tout k de 0 ; p, Ik =
0

* (1 x) pk+1 +1
Par IPP, on a : Ik = xk
pk+1 0
$ 1
k
k
+
xk1 (1 x) p(k1) dx =
Ik1 .
p+k1 0
pk+1
De proche en proche, on obtient :
k
k(k 1)
Ik1 =
Ik2
p+1k
(p + 1 k)(p + 1 (k 1))
k(k 1) 1
= =
I0 .
(p + 1 k)(p + 1 (k 1)) (p + 1 1)
$ 1
* (1 x) p+1 +1
1
,
Puisque I0 =
(1 x) p dx =
=
0
p+1
p+1
0
Ik =

on obtient :

On conclut que X nadmet pas desprance.

k!(p k)!
k(k 1) 1
=
.
(p + 1 k) p(p + 1)
(p + 1)!


p k!(p k)!
P(Yn = k)
n k (p + 1)!
k!(p k)!
1
p!

=
.
=
k!(p k)!
(p + 1)!
p+1

Ik =

b) 1) La va Yn prend ses valeurs dans 0 ; p.

On en dduit :

En conservant les mmes notations quau a), la loi conditionnelle de Yn sachant lvnement Ai est la loi binomiale de
 i
paramtre p, .
n

Considrons Y une va de loi uniforme sur 0 ; p.

On en dduit, daprs la formule des probabilits totales :

k N , P(Yn = k) =
n


n


b) 2) On a :

Alors : k 0 ; p, P(Yn = k) P(Y = k).


n

P(Ai )PAi (Yn = k)

i=1 
p i k

i  pk
1
1

n
k
n
n

i=1
n
i  pk
p
1   i k 
1
=

.
k
n i=1 n
n

238

n


i 1 ; n, E(Yn | Ai ) =

On en dduit que la suite (Yn )nN converge en loi vers Y.


Enfin, daprs le cours :

E(Y) =

p
.
2

Daprs b) 2), on conclut : lim E(Yn ) = E(Y).


n

pi
.
n

7.21
a) Dterminons la fonction de rpartition Fn de Vn .

Corrigs des exercices

Puisque la va Vn prend ses valeurs dans [0 ; n], on a :


x R, Fn (x) = 0 si x < 0 et

Fn (x) = 1 si x > n.

Il reste calculer Fn (x) lorsque 0  x  n.


Soit x R tel que 0  x  n.
Alors :

P(Vn > x) = P(X0 > x, . . . , Xn > x)

= P(X0 > x) P(Xn > x)



x n+1
= 1
n

par indpendance des va


car X0 , . . . , Xn  U ([0 ; n]).


x n+1
.
Fn (x) = 1 P(Vn > x) = 1 1
n

On en dduit :


x 
px n
Donc : Gn (x) = 1 1
.
1
n
n
On conclut : x R,

1 1
Gn (x) =

c) Soit x R.
 Si x < 0, alors : n  1, Gn (x) = 0 0.
n

 Si x  0, alors :

tudions la convergence en loi de (Vn )nN .


Soit x R.

et

 Si x < 0, alors :

n  1, Fn (x) = 0 0.
n

n  x, Fn (x) = 1 e (n1) ln(1 n )



 x
x
et (n 1) ln 1
n
= x x,
n
n n
n
donc :

Fn (x) 1 e x .

P(Wn > x) 1 e px = e px ,
n

et on en dduit : Gn (x) 1 e px .
n

Considrons W une va de loi exponentielle de paramtre p.


On a alors : x R, P(Wn  x) P(W  x).
n

Considrons V une va de loi exponentielle de paramtre 1.


x R, P(Vn  x) P(V  x).

On a alors :

On en dduit que (Wn )nN converge en loi vers W.

7.22

On en dduit que (Vn )nN converge en loi vers V.

a) Soit k N .

b) Puisque la va Wn prend elle-aussi ses valeurs dans [0 ; n],


on a :

Lvnement (Xn > k) est ralis si et seulement si les k numros obtenus lors des k premiers tirages sont rangs par ordre
strictement dcroissant.

x R, Gn (x) = 0 si x < 0 et Gn (x) = 1 si x > n.


Il reste calculer Gn (x) lorsque 0  x  n.
Soit x R tel que 0  x  n. On a :
Dunod. Toute reproduction non autorise est un dlit


x  n ln(1 px )
n
e
n  x, P(Wn > x) = 1 Gn (x) = 1
n

 px 
px 
n ln 1
n
= px px,
n
n n
n

donc :

 Si x  0, alors :

0
si x < 0
x 
px n
1
si 0  x  n .
n
n
1
si x > n

P(Wn > x) =
=
=
=

n

k=0
n

k=0
n


n


P(Nn = k, Wn > x)

k=0

P(Nn = k, min(X0 , . . . , Xk ) > x)


P(Nn = k, X0 > x, . . . , Xk > x)
P(Nn = k)P(X0 > x) P(Xk > x)

k=0

par indpendance des va


x k+1
p (1 p) 1
=
n
k
k=0
n


px k
x n 
p
= 1
(1 p)nk
n k=0 k
n

n 
px
px n
x 
x 
p
1
= 1
.
+1 p = 1
n
n
n
n
n


n

nk

 Si k  n + 1, alors cet vnement est impossible.


Ainsi : k  n + 1, P(Xn > k) = 0.
 Supposons k  n. Puisque les tirages seectuent avec rek
mise,

il y a n rsultats possibles pour les k premiers tirages,


n
et
rsultats amenant des numros rangs par ordre strictek
ment dcroissant (en
  eet, il faut choisir les k numros distincts
que lon obtient ( nk choix), puis ranger ces numros par ordre
strictement dcroissant (1 choix)).


1 n
Ainsi : k 1 ; n, P(Xn > k) = k .
n k
La va Xn prend ses valeurs dans 2 ; n + 1, car il est impossible dobtenir n + 1 numros ou plus rangs par ordre strictement dcroissant.
Soit k 2 ; n + 1. Alors :
P(Xn = k) = P(Xn > k 1) P(Xn > k).
239

Chapitre 7

Convergences et approximations


n
1 n

nk1 k 1
nk k

1
n!
n!

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


n!
1
nk (n + 1 k)

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

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


k 1 (n + 1)!
k1 n+1
.
=
nk k!(n + 1 k)!
nk
k

 Si k 2 ; n, P(Xn = k) =
=
=
=
=

 k 2 ; +, pk  0.


K


pk =

K 


k=2

converge et

k=2
+



1
1
1
= 1
pk

1, donc :
(k 1)! k!
K! K
k2
pk = 1.

k=2

On en dduit quil existe une va X discrte telle que :


X() = 2 ; + et

k 2 ; +, P(X = k) =

 Si k = n + 1, P(Xn = k) = P(Xn > n)


1
(n + 1) 1 n + 1
1 n
= n =
;
= n
n n
n
nn+1
n+1

On a alors : k 2 ; +, lim P(Xn = k) = P(X = k).

donc lgalit prcdente est encore vraie pour k = n + 1.


k1 n+1
Ainsi : k 2 ; n + 1, P(Xn = k) = k
.
n
k

Montrons que X admet une esprance et calculons E(X).

On conclut que la suite (Xn )nN converge en loi vers X.

K  2,

On a :

K


K

k(k 1)
k!
k=2
K
K2


1
1
=
=
e .
(k 2)! k=0 k! K
k=2

kP(X = k) =

k=2

b) La va Xn est une va finie, donc Xn admet une esprance, et


n+1

k P(Xn = k)
lon a : E(Xn ) =

k=2


n+1
n + 1  1 k 
n 1  1 k
=
k(k 1)
=
n(n + 1)
n
k
k2 n
k=2
k=2


n1

n 1  1 k+2
= n(n + 1)
n
k
k=0


n1
n(n + 1)  n 1  1 k n1k
=
1
n2
n
k
k=0
n(n + 1) 
1 n
1 n1 
=
= 1+
.
1+
n2
n
n

1 n
1
On a : 1 +
= e n ln(1+ n ) ,
n

1
1
n = 1 1,
et : n ln 1 +
n
n n
n

1 n
donc : lim 1 +
= e.
n
n
n+1


On conclut :

lim E(Xn ) = e .

Ainsi X admet une esprance et E(X) = e .


On obtient alors, daprs b) : lim E(Xn ) = e = E(X).
n

7.23
a) La fonction f est continue sur R, sauf ventuellement en 0,
et est positive sur R. De plus :
$ A
%
2 &A
2
f (x) dx = e x /2 0 = 1 e A /2 1.
A > 0,
$

A+

f converge et
f = 1. Puisque f est nulle
0
0
$ +
$ +
f converge et
f = 1.
sur R , alors
Ainsi

On conclut que f est une densit dune va X.


b) Puisque g est de classe C 1 sur R+ , on a, daprs la formule
de Taylor-Young :

c) Puisque les va Xn prennent leurs valeurs dans 2 ; +, pour


tudier la converge en loi, il sut de calculer, pour tout k de
2 ; +, lim P(Xn = k).
n

Soit k 2 ; +. On a :


k1 n+1
n  k, P(Xn = k) = k
n
k
k1
k 1 nk
k 1 (n + 1)n (n k + 2)

=
.
=
k
n
n
k!
nk
k!
k!
k1
et montrons que
Notons, pour tout k 2 ; +, pk =
k!


(k, pk ) ; k 2 ; + est bien la loi dune va discrte.
240

k1
.
k!

g(x) = g(0) + g (0)x+ o (x) = cx+ o (x).


x0

x0

Notons F la fonction de rpartition de la va X1 .


Alors, puisque g est nulle sur R , on a :
$ x
$ x
g(t) dt =
g(t) dt.
x  0, F(x) =

Ainsi F est la primitive de g qui sannule en 0. On a donc,


daprs le cours sur les dveloppements limits :
x  0, F(x) = F(0) + c

c
x2
+ o (x2 ) = x2 + o (x2 ).
x0
2 x0
2

Corrigs des exercices

c) 1) Puisque g est nulle sur R , les va Xn prennent presquesrement leurs valeurs dans R+ , et donc Yn aussi.


Soit > 0. On a : P |Yn 0|  = P(Yn  )
= P(X1  , . . . , Xn  )
= P(X1  ) P(Xn  )
par indpendance des va
= P(X1 > ) P(Xn > )
car les va Xi sont densit
n

car les va Xi ont la mme loi
= P(X1 > )

n
= 1 F() .
c 2
x et que F est une fonction positive ou
2
nulle, on en dduit que c  0.

Puisque F(x) +
x0

Ainsi, il existe > 0 tel que : x ]0 ; ], F(x) > 0.

x > 0, F(x) > 0.

On conclut que (Yn )n1 converge en probabilit vers la variable


certaine gale 0.
c) 2) Analyse : Supposons quil existe une suite (an )n1 de rels
strictement positifs telle que (an Yn )n1 converge en loi vers X.
x R, P(an Yn  x) P(X  x)
n

0 si x < 0

$ x
2
2
=
.

t e t /2 dt = 1 e x /2 si x  0

Dunod. Toute reproduction non autorise est un dlit

En particulier :

Soit x R.

 Si x < 0, alors P( nc Yn  x) = 0 0 = P(X  x).


n

 Si x  0, alors, en raisonnant de la mme faon que prcdemment :






x n
n ln 1F( x )
nc ,
= e
P( nc Yn > x) = 1 F
nc

 c x 2 
x 
x
nF
n
n ln 1 F

2 nc
nc n
nc n
x2
x2
= = P(X > x),
n
2
2

donc : P( nc Yn  x) P(X  x).

On conclut que ( nc Yn )nN converge en loi vers X.

a) 1) La va Xn prend ses valeurs dans 0 ; n.


Soit k 0 ; n. Pour raliser lvnement (Xn = k), il faut :


n
 choisir k lments distincts de 1 ; n :
choix,
k
 envoyer ces k lments sur eux-mmes : 1k = 1 choix,
 envoyer les (n k) lments restants sur un lment de
1 ; n, autre que lui-mme : (n 1)nk choix.




n
Ainsi : Card (Xn = k) =
(n 1)nk .
k
De plus :

x  0, P(an Yn > x) = 1 P(an Yn  x) e


n

x2 /2


 x n

x
Or : x  0, P(an Yn > x) = P Y > ) = 1 F
en
an
an
raisonnant de la mme faon quau c) 1).
Supposons de plus que lim an = +. Dans ce cas :
n

et :

nc.

Synthse : Montrons que la suite ( nc Yn )nN converge en loi


vers X.

7.24

On en dduit : > 0, 0  1 F() < 1,





n
donc : 1 F() 0, do : P |Yn 0|  0.

puisque F est continue en 0, F

Enfin, puisque F est une fonction croissante, on a galement :


x [, +[, F(x)  F() > 0.

Alors :

n N , an =

et

Or, par hypothse, c  0, et donc c > 0.


c
On a donc : F(x) + x2 et c > 0.
x0 2

On a donc :

cest--dire :

x
F(0) = 0,
an n

x

 x 
c  x 2  nc  x2
.
nF
n
= 2
n ln 1 F
an n
an n
2 an
an 2


 x 
x2

Pour que n ln 1 F
, il sut que :
an n 2
nc
n N , 2 = 1,
an

Card(En ) = nn .

On en dduit :
P(Xn = k) =




Card (Xn = k)
n (n 1)nk
=
.
Card(En )
k
nn

a) 2) Soit k N. Puisque les va Xn prennent leurs valeurs


dans N, pour tudier la convergence en loi de (Xn )nN , il sut
de calculer lim P(Xn = k).
n

On a :

n  k, P(Xn = k) =


1 nk
n 1
1
.
k nk
n


nk
n
n(n 1) (n k + 1)

,
=
n k!
k!
k

n 1
1
1

donc :
;
k nk n k! n k!
Or :

241

Chapitre 7

Convergences et approximations


 1
1
n
= 1 1,
(n k) ln 1
n
n n
n

1 nk
donc : 1
e 1 .
n
n
et :

1 1
1k
e = e 1 .
n k!
k!
Considrons X une va de loi de Poisson de paramtre 1.
P(Xn = k)

On en dduit :

On a alors :

k N, lim P(Xn = k) = P(X = k).


n

On conclut que (Xn )nN converge en loi vers X.


b) 1) Notons pn le nombre de permutations de Fn ne prsentant aucun point fixe et qn le nombre de permutations de Fn
prsentant au moins un point fixe.

Soit k 0 ; n. Pour raliser lvnement (Yn = k), il faut :


n
 choisir k lments distincts de 1 ; n :
choix,
k
 envoyer ces k lments sur eux-mmes : 1k = 1 choix,
 dfinir une permutation de lensemble des (n k) lments
restants sans aucun point fixe : pnk choix.



n

pnk .
Ainsi : Card (Yn = k) =
k
De plus :

pn = Card(Fn ) qn = n! qn .

On a alors :

Notons galement, pour tout i de 1 ; n, Ai lensemble des permutations f de Fn telles que f (i) = i (i est alors un point fixe
de f ).
On a alors qn = Card(A1 An ), et la runion des Ai nest
pas disjointe. Appliquons donc la formule du crible :
n




(1)i+1
Card Ak1 Aki .
qn =
i=1

1k1 <<ki n

Or, pour tout i de 1 ; n, les ensembles A


k1 Aki ont tous
n
le mme cardinal, gal (n i)!, et il y a
ensembles de cette
i
forme. On obtient alors :


n
n


(1)i+1
n
qn =
(1)i+1 (n i)! = n!
.
i!
i
i=1
i=1
On en dduit :

242

b) 2) La va Yn prend ses valeurs dans 0 ; n.

pn = n! n!

n

(1)i+1

i!
i=1
n
n


(1)i
(1)i
= n!
.
= n! + n!
i!
i!
i=1
i=0

Card(Fn ) = n!.

On en dduit :

P(Yn = k) =
=




Card (Yn = k)
n pnk
=
Card(Fn )
k n!


nk
nk

1  (1)i
(1)i
n 1
(n k)!
=
.
i!
k! i=0 i!
k n!
i=0

b) 3) Soit k N.
Comme prcdemment, calculons lim P(Yn = k).
n

nk
1
1  (1)i
e 1 ,
k! i=0 i! n k!
+

 (1)i
(1)i
converge et
= e 1 .
car la srie
i!
i!
i0
i=0

On a :

n  k, P(Yn = k) =

On a alors : k N, lim P(Yn = k) = P(X = k),


n

o X est une va qui suit la loi de Poisson de paramtre 1.


On conclut que (Yn )nN converge elle-aussi en loi vers X.

Estimation, statistique

Plan

Dunod. Toute reproduction non autorise est un dlit

Les mthodes retenir 244


noncs des exercices

245

Du mal dmarrer ?

254

Corrigs des exercices

257

CHAPITRE

Thmes abords dans les exercices

Calculer le biais et le risque quadratique dun estimateur

Montrer quun estimateur est sans biais

Montrer quun estimateur est asymptotiquement sans biais

Montrer quun estimateur est convergent

Dterminer un intervalle de confiance dun paramtre un risque donn ou un


niveau de confiance donn

Dterminer une quation de la droite de rgression pour une srie statistique


double.

On abrge variable alatoire en


va.

Points essentiels du cours


pour la rsolution des exercices

Une table de la loi normale centre rduite figure page 275.

Dfinition dun n-chantillon, dun n-chantillon indpendant et identiquement


distribu

Estimateur dun paramtre, biais dun estimateur, risque quadratique dun estimateur, estimateur sans biais, estimateur asymptotiquement sans biais, estimateur convergent (ou consistant)

Intervalle de confiance dun paramtre un risque donn (ou un niveau de


confiance donn), exemple dun intervalle de confiance du paramtre dune loi
de Bernoulli, exemple dun intervalle de confiance de lesprance dune loi normale dcart-type donn

Caractristiques dune srie statistique (simple) : moyenne, variance empirique,


cart-type empirique, ...

Caractristiques dune srie statistique double : covariance empirique, coecient de corrlation empirique

Droite de rgression (ou droite des moindres carrs) associe une srie statistique double.

243

Chapitre 8

Estimation, statistique

Les mthodes retenir


Pour calculer
le biais bT n ()
dun estimateur T n de g()

Utiliser la dfinition du cours : si T n admet une esprance, alors


bT n () = E(T n ) g().

Exercices 8.1, 8.14.


Utiliser la dfinition du cours :

Pour montrer
quun estimateur T n de g()
est sans biais

lestimateur T n de g() est sans biais


le biais de T n est nul
E(T n ) = g()

Exercices 8.1, 8.7, 8.10, 8.11, 8.13 8.18, 8.20, 8.21.


Utiliser la dfinition du cours :
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 E(T n ) = g().
n

Exercices 8.1, 8.2, 8.11, 8.14, 8.17 8.19.


Utiliser la dfinition du cours :
Pour calculer
le risque quadratique rT n ()
dun estimateur T n de g()

si T n admet un moment dordre 2, alors


*
+
rT n () = E T n g() 2 = V(T n ) + bT n ()2

si, de plus T n est un estimateur sans biais (cest--dire bT n () = 0),


alors
rT n () = V(T n ).

Exercices 8.2, 8.7, 8.14 8.16, 8.20.


Utiliser la dfinition du cours :
lestimateur T n de g() est convergent (ou consistant)

la suite de va (T n )n converge en probabilit vers la variable


certaine gale g()


> 0, P |T n g()|  0.

Pour montrer
quun estimateur T n de g()
est convergent

Pour montrer cette convergence en probabilit, penser utiliser lingalit de Markov ou lingalit de Bienaym-Tchebychev.

Exercices 8.1, 8.2, 8.10, 8.11, 8.15, 8.17 8.19, 8.21.


Pour dterminer
un intervalle de confiance de g()
au risque ou
au niveau de confiance 1
244

Dterminer deux estimateurs de g() Un et Vn tels que :




P Un  g()  Vn  1 .

Exercices 8.9, 8.10, 8.17, 8.18

noncs des exercices

Si g() est le paramtre p dune loi de Bernoulli, alors considrer :


(X1 , . . . , Xn ) un n-chantillon indpendant et identiquement distribu de la loi de Bernoulli de paramtre p

t le rel dfini par (t ) = 1 , o est la fonction de rpar2


tition de la loi normale centre rduite ;
un intervalle de confiance de p au risque est alors :
* X1 + + Xn
t
t +
X1 + + Xn
;
+ .
n
n
2 n
2 n

Exercices 8.3, 8.10, 8.17


(suite)

Si g() est lesprance m dune loi normale dcart-type donn,


alors considrer :
(X1 , . . . , Xn ) un n-chantillon indpendant et identiquement distribu de la loi normale desprance m et dcart-type

t le rel dfini par (t ) = 1 , o est la fonction de rpar2


tition de la loi normale centre rduite ;
un intervalle de confiance de m au risque est alors :
* X1 + + Xn t X1 + + Xn t +
;
+ .
n
n
n
n

Exercices 8.4, 8.6.

Dunod. Toute reproduction non autorise est un dlit

Pour dterminer une quation


de la droite de rgression de y en x
de la srie statistique double

(xi , yi ) ; i 1 ; n

Utiliser le rsultat du cours :


la droite de rgression linaire de y en x a pour quation :
y
Cov(x, y)

y y = x,y
xx =
xx ,
2
x
x
o : x (resp. y) et x (resp. y ) dsignent la moyenne et lcart-type




empirique de la srie statistique xi ; i 1 ; n (resp. yi ; i 1 ; n )
Cov(x, y) dsigne la covariance empirique de x et y
x,y dsigne le coecient de corrlation empirique entre x et y
Cov(x, y)
.
dfini par : x,y =
x y

Exercices 8.5, 8.8.

noncs des exercices


8.1 Estimation dune esprance et dune variance
On considre une suite de va (Xn )nN , mutuellement indpendantes, de mme loi et admettant
une esprance m et une variance 2 , avec > 0.
245

Chapitre 8

Estimation, statistique

a) Montrer que la moyenne empirique Xn =


convergent de m.

X1 + + Xn
est un estimateur sans biais et
n

b) On suppose, dans cette question, que m est connu.


n
1
Montrer que la va T n =
(Xk m)2 est un estimateur sans biais de 2 .
n k=1
c) On suppose, dans cette question, que m est inconnu. On note Vn =

n
1
(Xk Xn )2 .
n k=1

1) Montrer que Vn est un estimateur asymptotiquement sans biais de 2 et calculer le biais de


cet estimateur.
2) Construire, partir de Vn , un estimateur sans biais de 2 .

8.2 Condition susante pour un estimateur convergent


Soit T n un estimateur de g().
a) Montrer que, si le risque quadratique de T n tend vers 0 lorsque n tend vers linfini, alors T n
est un estimateur convergent de g().
b) En dduire que, si T n est un estimateur asymptotiquement sans biais de g() et si la variance
de T n tend vers 0 lorsque n tend vers linfini, alors T n est un estimateur convergent de g().

8.3 Obtention dun intervalle de confiance dune proportion


Un institut de sondage a observ, sur un chantillon de 2000 personnes prises au hasard, 1060
intentions de vote en faveur dun candidat A.
a) Estimer la proportion dintentions de vote en faveur du candidat A dans la population laide
dun intervalle de confiance 90%, puis 95%, et enfin 99%.
b) Combien de personnes faut-il interroger pour que la longueur de lintervalle de confiance de
p 95% soit infrieure ou gale 0.02 ?

8.4 Obtention dun intervalle de confiance dune moyenne


On souhaite estimer la masse m dun certain objet. Pour cela, on eectue des peses successives,
et lon note la masse moyenne obtenue.
On admet que la va X qui renvoie le rsultat de la pese de cet objet suit la loi normale desprance m et dcart type = 0.1.
a) On eectue 10 peses et on obtient une masse moyenne de 72.40 g. Donner un intervalle de
confiance 90% pour la masse de cet objet.
b) Combien de peses faudrait-il eectuer pour que la longueur de cet intervalle de confiance
90% soit infrieure ou gale 0.05 ?

8.5 Exemple dune srie statistique double


On considre la srie statistique suivante :
i 1 2 3 4 5 6 7 8 9 10 11
xi 5 4 3 2 1 0 1 2 3 4 5
yi 1 5 4 7 10 8 9 13 14 13 18
a) Calculer la moyenne et lcart-type empirique associe ces deux sries statistiques, ainsi
que la covariance empirique et le coecient de corrlation empirique entre x et y.
246

noncs des exercices

b) Reprsenter le nuage de points correspondant cette srie statistique double.


c) Dterminer une quation de la droite de rgression de y en x.
d) Donner une estimation de y pour x = 7.

8.6 Obtention dun intervalle de confiance dune moyenne


Dans une fabrique daliments, une machine remplit des botes. Sur 1000 botes, on constate que
la rpartition du poids est la suivante :
Poids xi en g [215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[
Eectifs ni
80
100
190
260
Poids xi en g [255 ; 265[ [265 ; 275[ [275 ; 285[
Eectifs ni
180
130
60
a) Calculer la moyenne x et lcart-type empirique x de cette srie statistique.
b) On suppose que la va X qui renvoie le poids dune bote suit la loi normale desprance m et
dcart type x (o x a t dtermin dans la question prcdente).
Dterminer un intervalle de confiance de m au risque 0.1, au risque 0.05 puis au risque 0.01.

8.7 Estimation du paramtre a de la loi uniforme sur [0 ; 2a], daprs loral HEC 2008
Soient a un rel strictement positif et X une va de loi uniforme sur [0 ; 2a].
Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu
de mme loi que X.
a) On pose Mn = max(X1 , . . . , Xn ).
1) Dterminer la loi de Mn et calculer son esprance et sa variance.
n+1
Mn est un estimateur sans biais de a.
2n
X1 + + Xn
b) On pose Vn =
. Montrer que Vn est aussi un estimateur sans biais de a.
n
c) Entre Un et Vn , quel estimateur choisir ?
2) En dduire que Un =

8.8 Exemple dune srie statistique double


Dunod. Toute reproduction non autorise est un dlit

Ltude dune raction chimique en fonction du temps nous donne les rsultats suivants :
Temps t (en heures)
1
2
3
4
5
Concentration C (en g/L) 6.25 6.71 7.04 7.75 8.33
Des considrations thoriques laissent supposer que la concentration C et le temps t sont lis
1
par la relation : C =
, o a et b sont des paramtres constants tels que b > 5a > 0.
at + b
Dterminer, par la mthode des moindres carrs, les valeurs numriques des paramtres a et b.

8.9 Exemple dobtention dun intervalle de confiance


Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu
m
de loi normale de moyenne m et dcart-type , avec m > 0, le paramtre m tant inconnu.
5

a) Soient ]0 ; 1] et t le rel tel que (t ) = 1 , o dsigne la fonction de rpartition


2
t2
de la loi normale centre rduite. On suppose que n > .
25
247

Chapitre 8

Estimation, statistique

On note Xn =

X1 + + Xn
.
n

+
*

Xn
Xn
;5 n
est un intervalle de confiance de m au
Montrer que lintervalle 5 n
5 n + t
5 n t
niveau de confiance 1 .
b) Pour n = 100, une ralisation de ce n-chantillon nous donne une moyenne empirique de 12.0.
Dterminer une estimation dun intervalle de confiance de m 95%.

8.10 Exemples destimations et dintervalles de confiance, daprs EDHEC 2000


Un sondage consiste proposer larmation A certaines personnes dune population donne.
Le sujet abord tant dlicat, le stratagme suivant est mis en place afin de mettre en confiance
les personnes sondes pour quelles ne mentent pas ...
Lenquteur dispose dun paquet de 20 cartes, numrotes de 1 20, quil remet la personne
sonde. Celle-ci tire une carte au hasard et ne la montre pas lenquteur.
La rgle est alors la suivante :

si la carte porte le numro 1, la personne sonde rpond vrai si elle est daccord avec
larmation A et faux sinon ;

si la carte porte un autre numro, la personne sonde rpond vrai si elle nest pas daccord
avec larmation A et faux sinon.

Le but de lenqute est dvaluer la proportion p de personnes de cette population qui sont
rellement daccord avec larmation A.
a) On interroge une personne selon ce procd et on considre lvnement V suivant :
la personne rpond vrai .
On note = P(V). En utilisant la formule des probabilits totales, exprimer en fonction de p,
puis en dduire p en fonction de .
b) On considre un chantillon alatoire, de taille n, extrait de la population considre et on note
S n le nombre de rponses vrai obtenues. On suppose n assez grand pour pouvoir considrer
que cet chantillonnage est assimilable un tirage avec remise.
1) Donner la loi de S n , ainsi que son esprance et sa variance.
2) Montrer que

Sn
est un estimateur sans biais et convergent de .
n

c) Dans cette question, on suppose que lon a ralis un chantillon de 100 personnes et on
constate que 23 personnes ont rpondu vrai .
1) Donner une estimation ponctuelle de et de p.
2) Donner une estimation dun intervalle de confiance 95% de puis de p.
On rappelle que, si dsigne la fonction de rpartition dune variable X suivant la loi normale
centre rduite, alors (1.96) = 0.975.

8.11 Estimation du nombre N de boules dans une urne, daprs loral HEC 2008
Une urne contient N boules numrotes de 1 N. On sait que N est suprieur ou gal 2, mais
on ne connat pas sa valeur exacte et on cherche lestimer.
Pour cela, on eectue n tirages avec remise (n N ) et on note, pour tout k de 1 ; n, Zk le
numro de la boule obtenue au k-ime tirage.
248

noncs des exercices

a) On pose Mn =

n
1
Zk .
n k=1

1) Donner lexpression dun estimateur T n sans biais de N en fonction de Mn .


2) Montrer que cet estimateur est convergent. On pourra utiliser le rsultat de lexercice 8.2 b).
b) On pose S n = max(Z1 , . . . , Zn ).
1) Calculer, pour tout k de N, P(S n  k).
2) Montrer que, pour toute va Y valeurs dans 1 ; N, on a la relation :
N

E(Y) =
P(Y  k).
k=1

3) Montrer :

E(S n ) = N

N1 

k n
k=0

, et en dduire :

E(S n )  N

N
.
n+1

4) Montrer alors que S n est un estimateur asymptotiquement sans biais de N.

8.12 Exemple de dtermination de la parabole des moindres carrs


On considre la srie statistique double suivante :
xi 2 1 0 1 2 3 4
yi 6 3 2 6 10 14 18
a) Dterminer la parabole des moindres carrs de y en x, cest--dire la courbe dquation
7


2
yi f (xi ) soit
y = f (x) = ax2 + bx + c (avec (a, b, c) R3 fix) de faon ce que
k=1

minimum.
b) Reprsenter sur une mme figure le nuage de points et la parabole obtenue.

Dunod. Toute reproduction non autorise est un dlit

8.13 Estimation de deux paramtres


Soit (b, ) R+ R. On suppose que X est une va densit qui prend ses valeurs dans [ ; +[,
dont une densit f est dfinie par :

0
si x <

 x 
1
.
x R, f (x) =

exp
si x 

b
b
Soit n N tel que n  2 et soit (X1 , . . . , Xn ) un n-chantillon indpendant et identiquement
distribu de mme loi que X.
X1 + + Xn
On pose : Xn =
et T n = min(X1 , . . . , Xn ).
n
Xk
.
a) Soit k 1 ; n. Reconnatre la loi de Yk =
b
Y1 + + Yn
b) On pose Yn =
et Un = min(Y1 , . . . , Yn ). Calculer E(Yn ) et E(Un ).
n
c) Exprimer les va Xn et T n en fonction des va Yn et Un . En dduire E(Xn ) et E(T n ).
d) Dterminer un estimateur sans biais 4n de et un estimateur sans biais b4n de b sous la forme
de combinaisons linaires de Xn et T n .

8.14 Comparaison de plusieurs estimateurs, daprs loral ESCP 2006


Soit > 0. On note f la fonction dfinie sur R par :


2
x

1
si 0  x 
x R, f (x) =
.

0
sinon
249

Chapitre 8

Estimation, statistique

a) Montrer que f est une densit dune va relle X.


Dterminer la fonction de rpartition F de X, son esprance E(X) et sa variance V(X).
On cherche estimer laide dun chantillon (X1 , . . . , Xn ) de va indpendantes de mme loi
X1 + + Xn
que X. On pose : Xn =
et Mn = max(X1 , . . . , Xn ).
n
b) Dterminer la constante a pour que T n = aXn soit un estimateur sans biais de . Calculer le
risque quadratique de T n .
,
$ 1

c) On note In =
(1 t2 )n dt et on admet que In
.
n
4n
0
1) Dterminer la loi de Mn .
2) Montrer que E(Mn ) = (1 In ). Que peut-on en dduire sur Mn en tant questimateur de ?
3) Montrer que V(Mn ) = 2

 1

In2 . Calculer le risque quadratique de Mn .
n+1

4) Entre T n et Mn , quel estimateur choisir ?


d) Donner un estimateur sans biais de de la forme Mn = an Mn , o an est un rel dpendant
de n.
Entre T n et Mn , quel estimateur choisir ?

8.15 Estimation de e pour la loi de Poisson de paramtre , daprs lESSEC 2009 et loral
ESCP 2006
Soit n  2. On dispose de n observations indpendantes notes X1 , . . . , Xn de mme loi de
Poisson de paramtre inconnu, ]0 ; +[. On souhaite estimer le paramtre e .

1 si Xk = 0
.
Pour tout k de 1 ; n, on dfinit la va Yk par : Yk =
0 sinon
Puis on note :

Yn =

n
1
Yk
n k=1

et S n =

n


Xk .

k=1

a) 1) Montrer que Yn est un estimateur sans biais de e .


2) Calculer V(Yn ) et en dduire que Yn est un estimateur convergent de e . On pourra utiliser
le rsultat de lexercice 8.2 b).
b) Pour tout j de N, calculer la probabilit conditionnelle P(S n = j) (X1 = 0), note ( j).
c) 1) Montrer que (S n ) est un estimateur sans biais de e .


2) Calculer V (S n ) et en dduire que (S n ) est un estimateur convergent de e . On pourra
utiliser le rsultat de lexercice 8.2 b).
d) Comparer les risques quadratiques des deux estimateurs Yn et (S n ).

8.16 Dtermination du meilleur estimateur non biais


Soit X une va discrte desprance E(X) = (avec R ) et de variance V(X) = 1.
Soit n N . On dispose dun n-chantillon (X1 , . . . , Xn ) de va mutuellement indpendantes et
n
1
Xi .
de mme loi que X. On pose Xn =
n i=1
a) Montrer que Xn est un estimateur sans biais de . Calculer son risque quadratique.
250

noncs des exercices

Soit (1 , . . . , n ) (R )n . On note Yn =

n


i Xi .

i=1

b) Donner une condition ncessaire et susante sur 1 , . . . , n pour que Yn soit un estimateur
sans biais de .
On suppose, dans la suite, que cette condition est vrifie.
c) Calculer Cov(Xn , Yn ). En dduire V(Xn )  V(Yn). Que dire si V(Xn ) = V(Yn ) ?
d) Interprter les rsultats obtenus sur les estimateurs Xn et Yn de .

8.17 Estimation du nombre dindividus dune population par capture-marquage-recapture


Afin dvaluer le nombre N dindividus dune espce animale vivant sur une le, on propose
dadopter la mthode de capture-marquage-recapture. Pour cela, on capture m individus (m tant
connu) que lon marque dun signe distinctif puis que lon relche sur lle (cest la phase de
capture-marquage).
La phase de recapture peut se faire (au moins) de deux faons.
a) Une premire faon consiste eectuer des recaptures successives avec remise, jusqu obtenir un individu marqu. On rpte cette exprience n fois (n tant connu) et lon note, pour
tout k de 1 ; n, Xk le nombre de captures eectues lors de la k-ime exprience. On note enfin
n
1
Xn =
Xk .
n k=1
1) Dterminer, pour tout k de 1 ; n, la loi de Xk , puis en dduire lesprance et la variance
de Xn .
2) En dduire un estimateur sans biais et convergent de N.

n m Xn n N
3) Montrer que la suite de terme gnral Nn =
converge en loi vers une va

N (N m)
de loi normale centre rduite.
4) Soit ]0 ; 1[. En dduire un intervalle de confiance de N au niveau de confiance 1 .
5) Sachant que lon a marqu m = 800 individus et quil a fallu 1000 captures pour obtenir
n = 200 individus marqus, donner une estimation dun intervalle de confiance de N 95%.

Dunod. Toute reproduction non autorise est un dlit

b) Une seconde faon consiste recapturer n individus (n tant connu) avec remise.
On note Yn le nombre dindividus marqus obtenus.
1) Dterminer la loi de Yn , son esprance et sa variance.
1
Yn
est un estimateur sans biais de .
nm
N
nm
comme estimateur de N ?
Peut-on prendre
Yn
1
3) Calculer lesprance de
.
Yn + 1
En dduire un estimateur asymptotiquement sans biais de N.
2) Montrer que

4) On note p la proportion dindividus marqus sur lle. Soit ]0 ; 1[. Donner un intervalle
de confiance de p au niveau de confiance 1 .
5) Sachant que lon a marqu m = 800 individus, que lon a recaptur n = 1000 individus
parmi lesquels 200 taient marqus, donner une estimation dun intervalle de confiance de p
95%, puis une estimation dun intervalle de confiance de N 95%.
251

Chapitre 8

Estimation, statistique

8.18 Estimation et intervalle de confiance du paramtre dune loi exponentielle, daprs HEC
2010
Soit un rel strictement positif, inconnu et soit n N tel que n  3. On considre un nchantillon (X1 , . . . , Xn ) de va valeurs strictement positives, mutuellement indpendantes, de
n

n
Xk et 4n =
.
mme loi exponentielle de paramtre . On pose S n =
S
n
k=1
a) Donner une densit de S n .
b) Montrer que 4n admet une esprance et une variance et les calculer.
c) Lestimateur 4n de est-il sans biais ? asymptotiquement sans biais ? convergent ?
d) On souhaite dterminer un intervalle de confiance de au risque . On note la fonction de

rpartition de la loi normale centre rduite et t le rel strictement positif tel que (t ) = 1 .
2

Sn
1) Montrer que la suite de terme gnral Nn = n converge en loi vers une va de loi
n
normale centre rduite.
*

t 
t  +
2) En dduire que, pour n assez grand, lintervalle 1 4n ; 1 + 4n est un intervalle
n
n
de confiance de au risque .
e) Soit k > 1. On souhaite maintenant construire un intervalle de confiance de au risque tel
que la longueur de cet intervalle soit k fois plus petite que celle obtenue avec le risque .
1) Justifier lexistence de la fonction rciproque 1 de . Quel est son domaine de dfinition ?
1

.
2) Montrer : = 2 1
k
2
En dduire que > . Ce dernier rsultat tait-il prvisible ?

8.19 Obtention dun estimateur par la mthode du maximum de vraisemblance


Soit a un rel strictement positif. On note f la fonction dfinie sur R par :
a

a+1 si x  1
x R, f (x) =
.
x

0 sinon
a) Montrer que f est une densit dune va relle X.
On cherche estimer le paramtre a. Pour cela, on dispose dun n-chantillon (X1 , . . . , Xn ) de
va mutuellement indpendantes et de mme loi que X, avec n  2.
b) On dfinit la fonction L sur Rn R+ par :
(x1 , . . . , xn , a) Rn R+ , L(x1 , . . . , xn , a) =

n
-

f (xk ).

k=1

La fonction L est appele fonction de vraisemblance.


1) Calculer, pour tout (x1 , . . . , xn , a) Rn R+ , L(x1 , . . . , xn , a).
2) Soit (x1 , . . . , xn ) [1 ; +[n fix. tudier les variations sur R+ de la fonction
a qui rend maximum la fonction h. On pourra
h : a  L(x1 , . . . , xn , a). En dduire la valeur 4


considrer la fonction g : a  ln h(a) .
Puisque 4
a dpend de x1 , . . . , xn , on note 4
a = (x1 , . . . , xn ), o est une fonction de n variables.
On considre alors la va T n = (X1 , . . . , Xn ), appele lestimateur de maximum de vraisemblance de a.
252

noncs des exercices

c) On note S n =

n


ln(Xk ). Montrer que, pour tout k de 1 ; n, la va ln(Xk ) suit une loi expo-

k=1

nentielle. En dduire une densit de S n .


d) Calculer alors E(T n ) et V(T n ).
e) En dduire que T n est un estimateur asymptotiquement sans biais et convergent de a.

8.20 Estimation du paramtre dune loi de Poisson


Soit n un entier naturel non nul fix.
a) On dfinit lapplication f : Rn R, (x1 , . . . , xn ) 

n


x2i .

i=1

Dterminer les extremums de f sous la contrainte

n


xi = 1.

i=1

b) On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu de la loi


de Poisson de paramtre > 0 inconnu.
Montrer que, parmi les combinaisons linaires des va X1 , . . . , Xn , il existe un unique estimateur
T n sans biais de et qui est de variance minimale. Quel est lintrt de cet estimateur ?

8.21 Estimation de lcart-type dune loi normale centre, daprs loral ESCP 2007
Soit X une va qui suit la loi normale centre, dcart-type , le paramtre rel inconnu tant
strictement positif.
1
X2
suit la loi .
a) Montrer que la va T =
22
2
Soit n N . On considre un n-chantillon (X1 , . . . , Xn ) indpendant et identiquement distribu,
de mme loi que X.
n
n
1  2
1 2
Xi et Yn =
X .
b) On pose : S n =
2
2 i=1
n i=1 i
1) Donner une densit de S n . En dduire que Yn est un estimateur sans biais de 2 .

2) En justifiant son existence, calculer E Yn en fonction de n et .
3) En dduire un estimateur 5
n sans biais du paramtre .
c) 1) En justifiant son existence, calculer V(5
n ) en fonction de n et .

Dunod. Toute reproduction non autorise est un dlit

5n est un estimateur
2) On admet que, pour tout x > 0, (x + n) nx (n 1)!. Montrer que
n
convergent de .

253

Chapitre 8

Estimation, statistique

Du mal dmarrer ?
8.1

a) Calculer, dans un premier temps, E(Xn ) et V (Xn ). Puis


utiliser les dfinitions du cours.

Calculer E(Mn ) en utilisant la dfinition de lesprance, E(M2n )


en utilisant le thorme de transfert, puis en dduire V (Mn ).

Pour montrer que Xn est un estimateur convergent, utiliser lingalit de Bienaym-Tchebychev.

a) 2) Vrifier que E(Un ) = a.

b), c)1) Utiliser les dfinitions du cours.

c) Comparer les risques quadratiques des deux estimateurs.

c) 2) Chercher un estimateur Vn de la forme aVn de telle sorte


que E(Vn ) = 2 .

8.2


2
a) Appliquer lingalit de Markov la va Tn g() .

b) Utiliser les dfinitions du cours, et montrer que, dans ce cas,


le risque quadratique de Tn tend vers 0 lorsque n tend vers +.

8.3

a) Noter p la proportion dintentions de vote en faveur


du candidat A dans la population, n le nombre de personnes
interroges
 et X1 , . . . , Xn les va dfinies par :
1 si la k-ime personne choisit le candidat A
Xk =
.
0 sinon

Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi de Bernoulli de paramtre p.
En dduire, daprs le cours, un intervalle de confiance de p,
puis une estimation de cet intervalle.

b) Calculer la longueur de lintervalle de confiance obtenu


au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.02.

8.4

a) Noter n le nombre de peses effectues et X1 , . . . , Xn


les rsultats de ces peses. Alors (X1 , . . . , Xn ) est un nchantillon indpendant, identiquement distribu de la loi normale desprance m et dcart-type 0.1.
En dduire, daprs le cours, un intervalle de confiance de m,
puis une estimation de cet intervalle.

b) Calculer la longueur de lintervalle de confiance obtenu


au a), puis dterminer n pour que cette longueur soit infrieure
ou gale 0.05.

8.5

d) Faire x = 7 dans lquation obtenue dans la question c).

8.6

b) Noter n = 1000 le nombre de peses effectues,


X1 , . . . , Xn les rsultats de ces peses. Alors (X1 , . . . , Xn ) est un
n-chantillon indpendant, identiquement distribu de la loi
normale desprance m et dcart-type x = 16.
En dduire, daprs le cours, un intervalle de confiance de m,
puis une estimation de cet intervalle.

en t.

1
et dterminer la droite de rgression de y
C

8.9

a) Commencer par dterminer la loi de Xn . En dduire


Xn m

que la va Xn = 5 n
suit la loi normale centre rduite.
m
Montrer ensuite :

 5 n Xn

5 n Xn 
m
.
P(t  Xn  t ) = P
5 n + t
5 n t
Conclure.

b) Donner une estimateur de cet intervalle de confiance, avec


n = 100, = 0.05, t0.05  1.96 et une ralisation de Xn gale
12.

8.10

a) Considrer lvnement E :
La personne est daccord avec laffirmation A .

Puis utiliser la formule des probabilits totales avec comme systme complet dvnements (E, E).

b) Remarquer :

Sn  B(n, ).

c) 1) Estimer laide de la ralisation de Sn obtenue.


Pour estimer p, utiliser la relation entre p et .

c) 2) Dterminer un intervalle de confiance de , puis estimer


cet intervalle.
Pour estimer p par intervalle de confiance, utiliser la relation
entre p et .

x R, P(Mn  x) = P(X  x) .

a) 2) Calculer V (Tn ) puis utiliser lexercice 8.2.



n
b) 1) Obtenir : k N, P(Sn  k) = P(Z1  k) .
b) 2) Utiliser la dfinition de lesprance et remplacer P(Y = k)
par P(Y  k) P(Y  k + 1). Faire apparatre des sommes tlscopiques.
N1
N1
 $ k+1
N
1
1   k n
=
b) 3) Utiliser :
xn dx 
.
k
n+1
N
N
N
k=0

b) 4) Montrer :

8.12

k=0

E(Sn ) N.
n

a) Noter S la fonction dfinie sur R3 par :

En dduire la fonction de rpartition puis une densit de Mn .

254

Poser y =

a) 1) Calculer E(Mn ) puis dterminer Tn sous la forme


aMn + b de sorte que E(Tn ) = N.

c) Appliquer la formule du cours donnant une quation de la


droite de rgression de y en x.

a) 1) Montrer :

8.8

8.11

a) Utiliser les formules du cours.

b) Immdiat.

8.7

b) Montrer que E(Vn ) = a.

(a, b, c) R3 , S(a, b, c) =

7


i=1

2
yi (axi2 + bxi + c) .

Du mal dmarrer ?

8.16

Pour (a, b) R2 fix, montrer que la fonction


g : R R, c  S(a, b, c)

a) Montrer :

c) 1) Montrer :

Traiter le cas dgalit.

d) Comparer les risques quadratiques des deux estimateurs.

8.17

a) 1) Remarquer que, pour tout k de 1 ; n, la va Xk suit


m
.
N
5n = mXn .
a) 2) Considrer N

la loi gomtrique de paramtre

T n = + b Un .


n
x R, P(Mn  x) = F(x) .

En dduire la fonction de rpartition et une densit de Mn .

c) 2) Pour calculer E(Mn ), utiliser la dfinition de lesprance,


x
et effectuer en
fin une intgration par parties.

puis faire le changement de variable t = 1


En dduire que lim E(Mn ) = .
n

Dunod. Toute reproduction non autorise est un dlit

c) 3) Calculer E(M2n ) de la mme faon que prcdemment.


En dduire V (Mn ). Conclure.
c) 4) Comparer les biais et les risques quadratiques des deux
estimateurs.
1
d) Obtenir an =
. Dterminer la limite du quotient
1 In
des deux risques quadratiques, et comparer cette limite 1.
Conclure.

8.15

a) Remarquer que, pour tout i de 1 ; n, la va Yi suit la


loi de Bernoulli de paramtre e .
b) Obtenir :

P(X1 = 0) P(X2 + + Xn = j)
.
j N, (j) =
P(Sn = j)

Dterminer la loi de Sn et la loi de X2 + + Xn .







c) Obtenir : E (Sn ) = e et V (Sn ) = e 2 e

i = 1.

Dvelopper V (Yn Xn ) pour en dduire V (Xn )  V (Yn ).

d) Commencer
par rsoudre le systme dinconnue (b, ) sui

+
b
= E(Xn )

vant :
.

+ = E(Tn )
n
8.14 a) Revenir la dfinition dune densit.
b) Obtenir a = 3.

n


1
.
n

c) Pour calculer Cov(Xn , Yn ), utiliser la bilinarit de la covariance et lindpendance des va X1 , . . . , Xn .

Montrer que Un  E (n) et en dduire E(Un ).


et

rXn () = V (Xn ) =

i=1

Yk  E (1).

Xn = + b Yn

et

Yn est un estimateur sans biais de

b) Utiliser la linarit de lesprance pour calculer E(Yn ).

c) Obtenir :

E(Xn ) =

b) Montrer :

59
admet un minimum global pour c = 5a b +
.
7
Pour a R fix, montrer que la fonction

59 
h : R R, b  S a, b, 5a b +
7
33
.
admet un minimum global pour b = 2a +
14
Enfin, tudier les variations de la fonction

85 
33
, 3a +
.
i : R R, a  S a, 2a +
14
14
Conclure.

8.13

a) Obtenir :


1 .

a) 3) Appliquer le thorme de la limite centre.


a) 4) Noter la fonction de rpartition de la loi N (0, 1) et t le

rel tel que (t ) = 1 .


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

 n m Xn


n m Xn 
P
N
 P |Nn |  t = 1 .
n + t
n t
a) 5) Donner une estimation de cet intervalle avec m = 800,
1000
n = 200, une ralisation de Xn gale
= 5, = 0.05 et
200
t0.05 = 1.96.
 m
.
b) 1) Remarquer : Yn  B n,
N
b) 2) Utiliser les dfinitions du cours.
b) 3) Utiliser le thorme de transfert et obtenir :
 1 

m n+1 +
1 N*
E
1 1
=
.
1 + Yn
n+1 m
N
b) 4) Utiliser un rsultat de cours.
b) 5) Donner une estimation de cet intervalle avec m = 800,
n = 1000, une ralisation de Yn gale 200, = 0.05 et
t0.05 = 1.96.

;n .

b) Utiliser le thorme de transfert pour montrer lexistence et


2
calculer E(4n ) puis E(4n ). En dduire ensuite V (4n ).

8.18

a) Justifier :

Sn 

1

c) Utiliser les dfinitions du cours et lexercice 8.2.


d) 1) Utiliser le thorme de la limite centre.
d) 2) Obtenir :


t 
t 
|Nn |  t 1 4n   1 + 4n .
n
n

Conclure laide de lexercice 8.2.

En dduire le rsultat demand.

d) Noter respectivement rn () et n () les risques quadratiques


de Yn et (Sn ).

e) 1) Appliquer le thorme de la bijection monotone .


 t 
, puis que
e) 2) Obtenir, tout dabord, que = 2 2
k
1
 t 


= 1
1
.
2
k
k

Calculer rn () n () et tudier la fonction


h : R+ R, x 

ex 1
e
n

x
n

+ 1.

255

Chapitre 8

8.19

Estimation, statistique

a) Revenir la dfinition dune densit.

(x1 , . . . , xn , a) Rn R+ ,
n

- a

an

=
si x1 , . . . , xn  1

a+1
L(x1 , . . . , xn , a) =
(x1 xn )a+1
x

k=1 k

0
sinon

b) 1) Obtenir :

b) 2) Commencer par tudier les variations de la fonction




g : a  ln h(a) .
1 
c) Obtenir : Sn  , n .
a
d) Utiliser le thorme de transfert pour montrer lexistence et
calculer E(Tn ) puis E(Tn2 ). En dduire ensuite V (Tn ).
e) Utiliser les dfinitions de cours.
n



8.20 a) Noter C = (x1 , . . . , xn ) Rn ; xi = 1 .
i=1

Montrer tout dabord que, si f possde un extremum sous la


1
1
contrainte C en un point A, alors A =
,..., .
n
n
Puis calculer, pour tout H = (h1 , . . . , hn ) Rn tel que A + H C ,
f(A + H) f(A).

256

En dduire que la fonction f possde en A un minimum global


sous la contrainte C .
n

b) Considrer lestimateur Tn =
i Xi , avec (1 , . . . , n ) Rn .
i=1

Dterminer Tn de telle sorte que :


E(Tn ) =

et

V (Tn ) est minimale.

8.21

a) Commencer par dterminer la fonction de rpartition


de la va T .
b) 1) Utiliser le thorme de stabilit de la loi .

Montrer ensuite que E(Yn ) = 2 .

b) 2) Utiliser le thorme de transfert.

b) 3) Dterminer
5n sous la forme a Yn de telle sorte que
E(5
n ) = .

c) 1) Remarquer
5n 2 = a2 Yn . En dduire E(5
n 2 ) puis V (5
n ).
c) 2) Montrer que V (5
n ) 0, puis utiliser lexercice 8.2.
n

Corrigs des exercices

a) La va Xn dpend uniquement du n-chantillon (X1 , . . . , Xn ).


Donc Xn est bien un estimateur.
De plus, par linarit de lesprance :

E(Vn ) =



Or : k 1 ; n, E(Xk2 ) = V(Xk ) + E(Xk ) 2 = 2 + m2 ,
et, daprs a) :

n
1
1
E(Xk ) = (n m) = m.
E(Xn ) =
n k=1
n

E(Vn ) =

Soit > 0. Daprs lingalit de Bienaym-Tchebychev :




V(Xn )

.
0  P |Xn m|  = P |Xn E(Xn )|  
2
n
1
1 
V(Xk )
V(Xn ) = 2 V(X1 + + Xn ) = 2
n
n k=1

1
2
.
(n 2 ) =
2
n
n



On obtient alors : 0  P |Xn m|   2 .
n


Par le thorme dencadrement : P |Xn m|  0.
2

Ainsi, la suite de va (Xn )nN converge en loi vers la variable


certaine gale m.
On conclut que Xn est un estimateur convergent de m.
b) Par linarit de lesprance :
E(T n ) =

n
n
1
1
1
E (Xk m)2 =
V(Xk ) = (n2 ) = 2 .
n k=1
n k=1
n

Donc T n est un estimateur sans biais de 2 .


c) 1) La va Vn dpend uniquement du n-chantillon
(X1 , . . . , Xn ). Donc Vn est bien un estimateur.
n
2
1 2
De plus : Vn =
(X 2Xn Xk + Xn )
n k=1 k
n
n

2
1 2
=
Xk 2Xn
Xk +n Xn
n k=1
k=1
 !"

1
n

n


= nXn

Xk2 nXn

k=1

Ainsi, par linarit de lesprance :

2

1
n

n

k=1

 
 2
1
1
n(2 + m2 )
+ m2 = 1 2 .
n
n
n

Puisque E(Vn )  2 , Vn est un estimateur biais de 2 .


Son biais bVn (2 ) est :
bVn (2 ) = E(Vn ) 2 =

par indpendance des va


=


2 2
2
+ m2 .
E(Xn ) = V(Xn ) + E(Xn ) =
n

Ainsi :

Donc Xn est un estimateur sans biais de m.

Or :


1
2
E(Xk2 ) E(Xn ).
n k=1
n

8.1


2
Xk2 Xn .

2
.
n


1
Enfin, puisque E(Vn ) = 1 2 2 ,
n
n
Vn est un estimateur asymptotiquement sans biais de 2 .
c) 2) Posons Vn =
Alors :

E(Vn ) =

n
n
1 
(Xk Xn )2 .
Vn =
n1
n 1 k=1

1
n
n 
E(Vn ) =
1 2 = 2 .
n1
n1
n

On en dduit que Vn est un estimateur sans biais de 2 .

8.2
a) Le risque quadratique rT n () de T n est dfini par :

2
%
2 &
rT n () = V(T n ) + E(T n ) g() = E T n g() .
Soit > 0. Par lingalit de Markov :


#

2

0  P |T n g()##  = P T n g()  2
&
%
E T n g() 2
rT ()

= n2 .
2

Puisque rT n () 0, par le thorme dencadrement, on obn #




tient : P |T n g()##  0.
n

Ainsi, la suite (T n )nN converge en probabilit vers la variable


certaine gale g(), autrement dit :
T n est un estimateur convergent de g().
b) Par dfinition du biais bT n () de T n et du risque quadratique
rT n () de T n , on a :
rT n () = V(T n ) + bT n ()2 .
257

Chapitre 8

Estimation, statistique

Puisque T n est un estimateur asymptotiquement sans biais


de g() : bT n () 0.
n

Dautre part, par hypothse : V(T n ) 0.


n

T n est un estimateur convergent de g().

Une estimation de lintervalle de confiance de p 99% est alors


*
2.575 +
2.575
; 0.53+
, cest--dire aprs arrondis :
0.53
2 2000
2 2000
[0.501 ; 0.559].

Remarque : Ce rsultat est en particulier valable pour un estimateur T n sans biais dont la variance V(T n ) tend vers 0 lorsque
n tend vers +.

Remarque : Plus le niveau de confiance est lev (et donc petit), plus la longueur de lintervalle est confiance est grande, ce
qui est cohrent !

On obtient alors rT n () 0. Daprs a), on conclut :


n

8.3

Notons p la proportion dintentions de vote en faveur


du candidat A dans la population, n = 2000 le nombre de personnes interroges et X1 , . . . , Xn les va dfinies par :

1 si la k-ime personne choisit le candidat A
Xk =
0 sinon.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi de Bernoulli de paramtre p.
X1 + + Xn
reprsente la proportion dintenDe plus, Xn =
n
tions de vote en faveur du candidat A parmi les n personnes
interroges.

Soient [0 ; 1] et t le rel tel que (t ) = 1 , o est la


2
fonction de rpartition de la loi normale centre rduite.
On sait daprs le cours que lintervalle
*
t
t +
Xn ; Xn +
2 n
2 n
est un intervalle de confiance de p au niveau de confiance 1 .

a) On a ici n = 2000 et une ralisation de Xn gale


1060
= 0.53.
2000

= 0.95, et on lit dans la


Pour = 0.1, on a 1
2
table de la loi normale centre rduite (1.64)  0.9495 et
(1.65)  0.9505, ce qui donne t0.1  1.645.
Une estimation de lintervalle de confiance de p 90% est alors
*
1.645
1.645 +
0.53
; 0.53+
, cest--dire aprs arrondis :
2 2000
2 2000
[0.511 ; 0.549].

258

Pour = 0.01, on a 1
= 0.995, et on lit dans la
2
table de la loi normale centre rduite (2.57)  0.9949 et
(2.58)  0.9951, ce qui donne t0.01  2.575.

b) Dans le cas gnral, la longueur de lintervalle de confiance


de p au niveau de confiance 1 est :

t
t 
t
Xn + Xn = .
2 n
2 n
n
t
On cherche donc n tel que  0.02.
n
Pour = 0.05, on a vu plus haut : t0.05 = 1.96.
Ainsi :

t0.05
 0.02
n

1.96
t0.05
=
= 98 n  9604.
n
0.02 0.02

On en dduit que, si lon interroge (au moins) 9604 personnes,


lintervalle de confiance de p 95% est de longueur infrieure
ou gale 0.02 (ainsi on connatra la proportion p 2% prs).

8.4
Notons n le nombre de peses eectues et X1 , . . . , Xn les rsultats de ces peses.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi normale desprance m et
dcart-type 0.1.
De plus, Xn =
obtenues.

X1 + + Xn
reprsente la moyenne des masses
n

Soient [0 ; 1] et t le rel tel que (t ) = 1 , o est la


2
fonction de rpartition de la loi normale centre rduite.
On sait daprs le cours que lintervalle
*
t
t +
Xn ; Xn +
n
n

Pour = 0.05, on a 1 = 0.975, et on lit dans la table de


2
la loi normale centre rduite (1.96)  0.975, ce qui donne
t0.05  1.96.

est un intervalle de confiance de m au niveau de confiance 1.

Une estimation de lintervalle de confiance de p 95% est alors


*
1.96
1.96 +
, cest--dire aprs arrondis :
0.53
; 0.53+
2 2000
2 2000
[0.508 ; 0.552].

Pour = 0.1, on a 1
= 0.95, et on lit dans la
2
table de la loi normale centre rduite (1.64)  0.9495 et
(1.65)  0.9505, ce qui donne t0.1  1.645.

a) On a ici n = 10 et une ralisation de Xn gale 72.40.

Corrigs des exercices

Ainsi, une estimation de lintervalle de confiance de m 90%


*
1.645 0.1 +
1.645 0.1
; 72.4 +
, cest--dire
est alors 72.4

10
10
aprs arrondis : [72.347 ; 72.453].

b)

b) Dans le cas gnral, la longueur de lintervalle de confiance


de m au niveau de confiance 1 est :
t 
t 
t
Xn + Xn = 2 .
n
n
n
t
On cherche donc n tel que 2  0.05.
n
t0.1
2  0.05
n

2t0.1 2 1.645 0.1


n 
=
= 6.58 n  44.
0.05
0.05

Ainsi :

c) Daprs le cours, la droite de rgression de y en x a pour


Cov(x, y)

xx
yy =
Vx
cest--dire : y = f (x)  1.44x + 9.27.

quation :

On en dduit que, si lon eectue (au moins) 44 peses, lintervalle de confiance de m 90% est de longueur infrieure ou
gale 0.05.

8.5
a) Lchantillon est de taille n = 11.
La moyenne de la srie statistique de x est donne par :
n
1
x=
xi = 0.
n i=1
La variance empirique de la srie statistique de x est donne
n
1 

1
110 02 = 10.
x2 x2 =
par : V x =
n i=1 i
11
Lcart-type
empirique
de la srie statistique de x est donn
par : x = V x = 10  3.16.

Dunod. Toute reproduction non autorise est un dlit

De la mme faon, on obtient :

102
 9.27,
y=
11

1194  102 2 2730

 22.56
=
11
11
121

2230
 4.75.
et y =
11

Vy =

La covariance empirique de x et y est donne par :


n

1 
158
Cov(x, y) =
xi yi x y =
0  14.36.
n i=1
11
Le coecient de corrlation empirique de x et y est donn par :
Cov(x, y)
158
 0.96.
=
x,y =

x y
10 273
Remarque : Le coecient x,y est proche de 1, ce qui signifie
que x et y sont bien corrles.

d) Pour x = 7, on a : f (x)  19.35.


On peut estimer que, pour x = 7, on aura approximativement
y = 19.35, ou encore, si y est un entier, y = 19.

8.6
a) Compltons le tableau de lnonc en prcisant, pour chaque
classe, son centre :
Poids xi en g
Centre ci en g
Eectifs ni
Poids xi en g
Centre ci en g
Eectifs ni

[215 ; 225[ [225 ; 235[ [235 ; 245[ [245 ; 255[

220
80

230
100

240
190

250
260

[255 ; 265[ [265 ; 275[ [275 ; 285[

260
180

270
130

280
60

Leectif total de la population est donn par :


n=

7


ni = 1000

i=1

La moyenne est donne par :


x=

7
1
ni ci = 249.9
n i=1

259

Chapitre 8

Estimation, statistique

La variance empirique est donne par :


Vx =

7
1 

ni c2i x2 = 62705 (249.9)2  255.0

i=1

Lcart-type empirique est donne par :

x = V x  16.0
b) Notons n = 1000 le nombre de peses eectues, X1 , . . . , Xn
les rsultats de ces peses.
Alors (X1 , . . . , Xn ) est un n-chantillon indpendant, identiquement distribu de la loi normale desprance m et dcart-type
x = 16 (par hypothse).
De plus, Xn =
obtenues.

X1 + + Xn
reprsente la moyenne des masses
n

Soient [0 ; 1] et t le rel tel que (t ) = 1 , o est la


2
fonction de rpartition de la loi normale centre rduite.
On sait daprs le cours que lintervalle
*

t
t +
Xn ; Xn +
n
n

est un intervalle de confiance de m au niveau de confiance 1


et donc au risque .
Daprs lnonc, une ralisation de Xn est gale x = 249.9.
Enfin :

= 0.95 ; on lit dans la


 pour = 0.1, on a 1
2
table de la loi normale centre rduite (1.64)  0.9495 et
(1.65)  0.9505, ce qui donne t0.1  1.645 ;

 pour = 0.05, on a 1 = 0.975 ; on lit dans la table de


2
la loi normale centre rduite (1.96)  0.975, ce qui donne
t0.05  1.96 ;

 pour = 0.01, on a 1
= 0.995 ; on lit dans la
2
table de la loi normale centre rduite (2.57)  0.9949 et
(2.58)  0.9951, ce qui donne t0.01  2.575.
Une ralisation de lintervalle de confiance de m
au risque 0.1 est :
%

249.9 1.64516
; 249.9 +
1000
au risque 0.05 est :
%

249.9 1.9616
; 249.9 +
1000
au risque 0.01 est :
%

249.9 2.57516
; 249.9 +
1000
260

&
1.64516

1000
&
1.9616

1000

a) 1) Puisque X suit la loi uniforme sur [0 ; 2a], sa fonction


de rpartition F est donne par :

0 si x < 0

x
si 0  x  2a
x R, F(x) =

2a

1 si x > 2a
et une densit f est donne par :

si 0  x  2a

2a
x R, f (x) =
.

0 sinon
La fonction de rpartition Fn de Mn vrifie :
x R, Fn (x) = P(Mn  x) = P(X1  x, . . . , Xn  x)
= P(X1  x) P(Xn  x)

n
n
= P(X  x) = F(x) .

par indpendance des va

Puisque F est continue sur R, C 1 sur R priv ventuellement de


0 et 2a, il en est de mme, par produit, pour Fn .
Ainsi, Mn est une va densit, dont une densit fn est donne

n1
par : x R, fn (x) = n f (x) F(x)
n

n1

si 0  x  2a

(2a)n x
.
=

0
sinon
Puisque Mn est une va borne ( valeurs dans [0 ; 2a] presque
srement), Mn admet une esprance et une variance. Et lon a :
$ 2a
$ 2a
n
E(Mn ) =
x fn (x) dx =
xn dx
(2a)n 0
0
n
(2a)n+1
2an
=

=
,
(2a)n
n+1
n+1
$ 2a
$ 2a
n
x2 fn (x) dx =
xn+1 dx
E(Mn2 ) =
(2a)n 0
0
4a2 n
(2a)n+2
n
=
,

=
(2a)n
n+2
n+2

2 4a2 n  2an 2
et donc V(Mn ) = E(Mn2 ) E(Mn ) =

n+2
n+1
2

4a n

2
(n
+
1)
=

n(n
+
2)
(n + 1)2 (n + 2)
4a2 n
.
=
(n + 1)2 (n + 2)
a) 2) On a :

E(Un ) =

n+1
n+1
2an
E(Mn ) =

= a.
2n
2n
n+1

On en dduit que Un est un estimateur sans biais de a.


 [248.90 ; 250.90],

2.57516 &

1000

 [249.06 ; 250.74],

8.7

 [248.59 ; 251.21].

b) Par linarit de lesprance :


E(Vn ) =

n

1
1
E(Xk ) = nE(X) = E(X).
n k=1
n

Corrigs des exercices

Daprs le cours, E(X) =

0 + 2a
= a, donc :
2

E(Vn ) = a.

o :

On en dduit que Vn est galement un estimateur sans biais


de a.
c) Puisque les deux estimateurs Un et Vn sont des estimateurs
sans biais, comparons leurs risques quadratiques nots respectivement rUn (a) et rVn (a).
On a :
=


2
rUn (a) = V(Un ) + E(Un ) a = V(Un )
 !"

 n + 1 2

V(Mn ) =

2n
a2
=
.
n(n + 2)

 n + 1 2
2n

=0

4a2 n
(n + 1)2 (n + 2)

5
5
1
1
ti = 3,
y=
yi  0.140,
5 i=1
5 i=1
5
1
ti yi t y  0.020,
Cov(t, y) =
5 i=1
5
1 2
Vt =
t (t)2 = 2.
5 i=1 i

t=

Ainsi, la droite de rgression de y en t a pour quation :


0.020
(t 3),
2
cest--dire : y = 0.01 t + 0.17.

a = 0.01
On obtient donc :
.
b = 0.17
y 0.140 =

b > 5a > 0.

On a bien :


2
Et : rVn (a) = V(Vn ) + E(Vn ) a = V(Vn )
 !"
=0

n
1 
1
V(Xk )
= 2 V(X1 + + Xn ) = 2
n
n k=1
par indpendance des va
V(X)
1
.
= 2 nV(X) =
n
n

Daprs le cours, V(X) =


donc : rVn (a) =

(2a)2 02
a2
=
;
12
3

8.9

a2
.
3n
2

a
a

n(n + 2) 3n
a2

a2 (n 1)
=
3 (n + 2) =
 0 (car n  1).
3n(n + 2)
3n(n + 2)

On a donc :

rUn (a) rVn (a) =

Ainsi, le risque quadratique de Un est infrieur celui de Vn .

Dunod. Toute reproduction non autorise est un dlit

Donc Un est un meilleur estimateur de a que Vn .

8.8

On a : C =

1
1

= at + b.
at + b
C

1
Posons donc y =
et dterminer la droite de rgression de y
C
en t. On a alors la srie statistique double suivante :

a) Les va X1 , . . . , Xn tant mutuellement indpendantes


et suivant des lois normales, on sait, daprs le cours que
S n = X1 + + Xn suit galement une loi normale
n

E(Xk ) = nm et de variance
desprance E(S n ) =
 m 2 nm2
V(Xk ) = n
=
V(S n ) =
.
5
25
k=1
1
S n suit aussi une loi normale desprance
n
1
1
m2
.
E(Xn ) = E(S n ) = m et de variance V(Xn ) = 2 V(S n ) =
n
n
25n

Donc, la va Xn =

Enfin, la va centre rduite associe Xn , note Xn est donne par :

ti
Ci
yi

1
6.25
1
= 0.160
6.25

2
6.71
1
 0.149
6.71

Xn =

3
7.04
1
 0.142
7.04
ti
Ci
yi

4
7.75
1
 0.129
7.75

k=1

n


Xn E(Xn )
(Xn )

Xn m
m

5 n

Xn m
=5 n
.
m

Alors Xn suit la loi normale centre rduite.


5
8.33
1
 0.120
8.33

Daprs le cours, la droite de rgression de y en t a pour quaCov(t, y)


tion : y y =
(t t),
Vt

On obtient ainsi :
 dune part :

P(t  Xn  t ) = (t ) (t )


= (t ) 1 (t ) = 2(t ) 1



1 = 1 ;
=2 1
2
261

Chapitre 8

Estimation, statistique

 dautre part :

On a donc :

Xn m
t  Xn  t t  5 n
 t
m

mt  5 n (Xn m)  mt

m(5 n t )  5 n Xn et 5 n Xn  m(5 n + t )


5 n Xn
5 n Xn
5 n + t > 0
.
m
car

5 n t > 0
5 n + t
5 n t

E(S n ) = n

b) 2) On en dduit :

V(S n) = n(1 ).
E(S n )
= .
n

Sn
est un estimateur sans biais de .
n
 S n  V(S n ) (1 )
=
.
=
De plus : V
n
n2
n
Donc

Soit > 0. Par lingalit de Bienaym-Tchebychev, on a :

Donc :
P(t  Xn

 5 n Xn
5 n Xn 
.
 t ) = P
m
5 n + t
5 n t

On obtient alors :

 5 n Xn
5 n Xn 
= 1 .
P
m
5 n + t
5 n t
+
*

Xn
Xn
est un interAinsi lintervalle 5 n
;5 n
5 n + t
5 n t
valle de confiance de m au niveau de confiance 1 .

##
## S n
 V( Snn ) (1 )
=
.
0  P ##
##  
n
2
n2
##
## S n

On obtient alors : lim P ##
##  = 0.
n
n
On en dduit que

Sn
est un estimateur convergent de .
n

c) 1) Une estimation ponctuelle de est donc la ralisation


23
Sn
obtenue, cest--dire :
= 0.23.
de
n
100
19 10

, une estimation ponctuelle de p est


18
9
23
10

19
4
100

= = 0.8.
18
9
5

b) On a ici :
n = 100, une ralisation de Xn gale 12,

= 0.05, 1 = 0.975, et daprs la table de la loi normale


2
centre rduite, (1.96) = 0.975, donc t0.05  1.96.

Puisque p =

Une estimation de lintervalle de confiance de m 95% est


* 5 10 12
&
5 10 12 + %
 11.54 ; 12.49 .
alors :
;
5 10 + 1.96 5 10 1.96

c) 2) Daprs le cours, on sait quun intervalle de confiance


de au niveau de confiance 1 est donn par :

donc :

*Sn

8.10

a) Notons E lvnement :
La personne est daccord avec larmation A .
Alors, par dfinition de p, on a :

P(E) = p.

Les vnements E et E forment un systme complet dvnements. Par la formule des probabilits totales :
P(V) = P(E) PE (V) + P(E) PE (V).
Or, sachant lvnement E, lvnement V est ralis si et
seulement si la personne tire la carte numro 1 ; puisque toutes
1
.
les cartes sont quiprobables, on a : PE (V) =
20
De la mme faon, PE (V) =
On obtient donc : = p
Do :

19
.
20
19 19 9 p
1
+ (1 p)
=

.
20
20 20 10

 19 10
10  19
p=
=

.
9 20
18
9

b) 1) La va S n est donc le nombre de ralisations de lvnement V (de probabilit ) obtenues lors de n expriences indpendantes.
Ainsi, la va S n suit la loi binomiale de paramtre (n, ).
262

et

Sn

o t vrifie (t ) = 1

t
t +
Sn
+ ,
;
2 n n
2 n

.
2

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

1 = 0.975, et puisque (1.96)  0.975, on a t0.05  1.96.


2
Ainsi, une estimation dun intervalle de confiance 95% de
est :
%

0.23

&
1.96 & %
1.96
; 0.23 +
= 0.132 ; 0.328 .

2 100
2 100

10
19

, une estimation dun intervalle de


Puisque p =
18
9
confiance 95% de p est :
* 19
18

&
10 0.328 19 10 0.132 + %
;

 0.691 ; 0.909 .
9
18
9

Pour tout k de 1 ; n, la va Zk suit la loi uniforme sur


N+1
N2 1
et V(Zk ) =
.
1 ; N, et donc : E(Zk ) =
2
12

8.11

Puisque les tirages seectuent avec remise, les va Z1 , . . . , Zn


sont mutuellement indpendantes.
Donc (Z1 , . . . , Zn ) est un n-chantillon indpendant et identiquement distribu de la loi uniforme sur 1 ; N.

Corrigs des exercices

a) 1) Par linarit de lesprance :


n
1
1  N + 1 N + 1
=
E(Mn ) =
E(Zk ) = n
.
n k=1
n
2
2

b) 3) En appliquant le rsultat prcdent S n la place de Y,


on a :
E(S n ) =

N = 2E(Mn ) 1.

On obtient alors :

k=1

a) 2) De plus, par proprit de la variance :


4
V(T n ) = V(2Mn 1) = 22 V(Mn ) = 2 V(Z1 + + Zn )
n
n
4 
V(Zk )
par indpendance des va
= 2
n k=1
4  N2 1  N2 1
=
= 2 n
.
n
12
3n
Ainsi, T n est un estimateur sans biais de N vrifiant
V(T n ) 0.

1
=
n+1

car les Zk sont mutuellement indpendantes, de mme loi.


Or : si k 1 ; N, alors P(Z1  k) =

k

i=1

k
P(Z1 = i) = ;
N

cette relation est encore vraie pour k = 0 ;


et si k  N + 1, alors P(Z1  k) = 1.
 n
k

si 0  k  N

N
.
Ainsi : P(S n  k) =

1 sinon

Dunod. Toute reproduction non autorise est un dlit

N1 $


xn dx
0

Chasles

N1 *

k n

k=0

n
 x!" dx

k
N

k=0

k+1
N

k + 1
N

( Nk )n

k +   k n 1

=
= uN .
N
N
N
k=0
N1

b) 4) Puisque S n prend ses valeurs dans 1 ; N, en particulier,


on a : E(S n )  N.
On obtient donc :

N
 E(S n )  N.
n+1
E(S n ) N.

Par le thorme dencadrement :

8.12

k=1

a) Notons S la fonction dfinie sur R3 par :


7


2
yi (ax2i + bxi + c) .
R3 , S (a, b, c) =
En dveloppant, on obtient : (a, b, c) R3 ,

k=1

S (a, b, c) =

k=1
N


kP(Y  k)
kP(Y  k)

k=1

N


N

k=1
N+1


kP(Y  k + 1)

k=2
N+1


N

k=2

N+1


=0

N
 
P(Y  k) + P(Y  N + 1) =
P(Y  k).
 !"
=0

y2i + a2

2a

kP(Y  k) +
P(Y  k)
k=2
 k=2
 k=1
= P(Y  1) (N + 1) P(Y  N + 1)
 !"
+

kP(Y  k)

7

i=1

(k 1)P(Y  k)

k=1

(a, b, c)

i=1

N



k P(Y  k) P(Y  k + 1)
N


N
.
n+1

E(S n ) = N N uN  N

On en dduit que S n est un estimateur asymptotiquement sans


biais de N.

b) 2) La va Y tant une va finie, Y admet une esprance, et


N

kP(Y = k)
lon a : E(Y) =

On obtient alors :


n
P(S n  k) = P(Z1  k, . . . , Zn  k) = P(Z1  k)

k=1

N1
1   k n
. On a, en faisant une comparaison
N k=0 N
entre une somme et une intgrale dune fonction croissante :

Daprs lexercice 8.2, on en dduit que T n est un estimateur


convergent de N.
b) 1) Soit k N. Alors :

N



1 P(S n < k)

Notons uN =

P(S n  k) =

N
N

 k 1 n 


1 P(S n  k 1) =
1
=
N
k=1
k=1
N1 

k n
.
=N
N
k=0

On en dduit que la va T n = 2Mn 1 est un estimateur sans


biais de N, puisque E(T n ) = 2E(Mn ) 1 = N.

N


7


7


x4i + b2

i=1

x2i yi 2b

i=1
7


+ 2ab

i=1

x3i + 2ac

7


i=1
7

i=1
7


x2i + c2

7


i=1
7


xi yi 2c
x2i + 2bc

i=1
7


i=1

yi
xi

i=1

= 705 + 371a2 + 35b2 + 7c2 974a 250b 118c


+ 182ab + 70ac + 14bc.
Soit (a, b) R2 fix. Considrons la fonction
g : R R, c  S (a, b, c).
263

Chapitre 8

Estimation, statistique

On a : c R, g(c) = 7c2 + (70a + 14b 118)c


+ (705 + 371a2 + 35b2 974a 250b + 182ab).

y = f (x) =

5 2 13
55
x +
x+ .
7
14
14

b)

Alors g est drivable sur R et :


c R, g (c) = 14c + (70a + 14b 118).
Notons =

70a + 14b 118


59
= 5a b + .
14
7

On en dduit le tableau de variations de g :


c

+
g (c)
0 +
+
+
g(c)
 
Donc g atteint son minimum pour c = .
Ainsi, pour (a, b) fix, S (a, b, c) est minimum pour
59
c = 5a b + .
7

8.13
a) Soit x R. Alors :
$

Soit a R fix. Considrons maintenant la fonction



59 
.
h : R R, b  S a, b, 5a b +
7

P(Yk  x) = P(Xk  + bx) =

On a, aprs calculs : b R,

1454 
.
h(b) = 28b2 + (112a 132)b + 196a2 384a +
7
Alors h est drivable sur R et :

De la mme faon que prcdemment, h atteint son minimum


33
112a 132
= 2a + .
pour b =
56
14
Ainsi, pour a fix, S (a, b, c) est minimum pour
33
59
85
b = 2a +
et c = 5a b +
= 3a + .
14
7
14
Considrons enfin la fonction

85 
33
.
i : R R, a  S a, 2a + , 3a +
14
14
On a, aprs calculs : a R, i(a) = 84a2 120a +

365
.
7

Alors i est drivable sur R et :




a R, i (a) = 168a 120.


120 5
= .
168 7

On en dduit que la fonction S atteint son minimum pour :


a=

33 13
85 55
5
, b = 2a +
=
, c = 3a +
=
.
7
14 14
14 14

On conclut que la parabole, qui approche le mieux le nuage de


points au sens des moindres carrs de y en x, a pour quation :
264

f (t) dt.

1er cas : si x < 0, alors + bx < (car b > 0),


$ +bx
0 dt = 0.
donc : P(Yk  x) =

2 cas : si x  0, alors + bx  (car b > 0),


$ +bx
 t 
1
donc : P(Yk  x) =
exp
dt
b
b

*
 t ++bx
= e x + 1.
= exp
b

0
si x < 0
.
Ainsi, on a : x R, P(Yk  x) =
1 e x si x  0
e

b R, h (b) = 56c + (112a 132).

Ainsi, i atteint son minimum pour a =

+bx

On reconnat la fonction de rpartition de la loi exponentielle


de paramtre 1. On conclut : Yk  E (1).
b) Par linarit de lesprance :
E(Yn ) =

n

1
1
E(Yk ) = nE(Y1 ) = E(Y1 ) = 1.
n k=1
n

On a : x R, P(Un > x) = P(Y1 > x, . . . , Yn > x)


n

= P(Y1 > x)
car Y1 , . . . , Yn sont indpendantes et ont mme loi.
Donc : x R, P(Un  x) = 1 P(Un > x)
n

n

= 1 P(Y1 > x) = 1 1 P(Y1  x)

0
si x < 0
=
1 ( e x )n si x  0

0
si x < 0
=
.
1 e nx si x  0

Corrigs des exercices

On reconnat la fonction de rpartition de la loi exponentielle


de paramtre n. On conclut : Un  E (n).
E(Un ) =

En particulier :

1
.
n

c) Pour tout k de 1 ; n, on a :


Donc :

Xn =

Xk = + bYk .


1
( + bY1 ) + + ( + bYn )
n

1
= n + b(Y1 + + Yn ) = + bYn .
n

Et : T n = min( + bY1 , . . . , + bYn )


= + b min(Y1 , . . . , Yn )

car b > 0

= + bUn .
On en dduit :

Dunod. Toute reproduction non autorise est un dlit

E(Xn ) = + bE(Yn ) = + b,
b
E(T n ) = + bE(Un ) = + .
n

+ b = E(Xn )

d) On a le systme (S ) :
b

+ = E(T n )
n

1

1 b = E(Xn ) E(T n )
n

(n 1) = E(X ) + nE(T )
n
n

b=
E(Xn ) E(T n )

n1

=
E(Xn ) + nE(T n )
n1
 n

b=E
Xn T n

n1

 1

 .

= E
nT n Xn
n1


n
Xn T n est un estimateur sans biais
Ainsi, la va b4n =
n1
1

de b et la va 4n =
nT n Xn est un estimateur sans biais
n1
de .

8.14
a) La fonction f est continue sur R sauf ventuellement en 0
et , et f est positive ou nulle sur R.
$ 
$ +
x
2
1
dx
f (x) dx =
De plus :

0
x2 + 2 
2 
2*
= 1.
= x
=

2 0
2
On conclut que f est une densit.
Soit x [0 ; ]. Alors :
$ x 
t
2
x2  2x x2
2
1 dt = x
=
2.
F(x) =

Puisque X prend presque srement ses valeurs dans [0 ; ], on


en dduit que F vrifie :

0
si x < 0

2x x
x R, F(x) =
2 si 0  x  .

1
si x >
Puisque X est une va borne, X admet une esprance,
variance et lon a :
$
$
x2 
2 
dx
x
x f (x) dx =
E(X) =
0

0
2 * x2 x3 + 2  2 2 
=
=
=

2
3 0 2
3
$
$
2  2 x3 
dx
x
x2 f (x) dx =
E(X 2 ) =
0

0
2 * x3 x4 + 2  3 3 
=
=

=
3
4 0 3
4
donc :

une

,
3

2
,
6


2 2  2 2
=

.
V(X) = E(X 2 ) E(X) =
6
3
18

b) Par linarit de lesprance,


E(Xn ) =

n

1
1

E(Xk ) = nE(X) = E(X) = .


n k=1
n
3

Ainsi, la va T n = 3Xn est un estimateur sans biais de .


Son risque quadratique rT n () est donn par :

2
rT n () = V(T n ) + E(T n ) = V(T n ) = V(3Xn )
n
n
1 

9  
= 9V(Xn ) = 9V
Xk = 2 V
Xk
n k=1
n
k=1
n
9 
V(Xk )
par indpendance des va X1 , . . . , Xn
n2 k=1

9
9
n2
2
= 2 nV(X) = 2
=
.
n
n
18
2n

c) 1) La fonction de rpartition Fn de Mn vrifie :


x R, Fn (x) = P(Mn  x) = P(X1  x, . . . , Xn  x)
= P(X1  x) P(Xn  x)
n

n
= P(X  x) = F(x) .

par indpendance des va

Puisque F est continue sur R, C 1 sur R priv ventuellement de


0 et , il en est de mme, par produit, pour la fonction Fn .
Ainsi, Mn est une va densit, dont une densit fn est donne

n1
par : x R, fn (x) = n f (x) F(x)
 

2 n
x2 n1 
x

n
si 0  x  .
x
1
=

0
sinon
265

Chapitre 8

Estimation, statistique

 2 n 
x
x2 n1 
dx
1
n
x x

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

0
$ 0
(1 t)n (1 + t)n1 t() dt
= 2n

De plus, lestimateur Mn est biais, alors que T n est sans biais.


Lestimateur T n est donc prfrable Mn .

c) 2) E(Mn ) =

t=1x/

d) Puisque E(Mn ) = (1 In ), Mn =


teur sans biais de .

1
1

= 2n

Son risque quadratique rMn () est donn par :

(1 t)t(1 t2 )n1 dt.



rMn () = V(Mn ) + E(Mn ) 2 = V(Mn )
 !"

Eectuons une IPP en posant :




u(t) = 1 t
u (t) = 1
,
1

2 n1

v (t) = t(1 t )
v(t) = (1 t2 )n
2n
+1 1 $ 1
* 1 t

do : E(Mn ) = 2n
(1 t2 )n dt
(1 t2 )n
0
2n
2n 0
1
1 
= 2n

In = (1 In ).
2n 2n
,

Puisque In
, on a lim In = 0.
n
n
4n

=0

=
On a alors :

De plus :

c) 3) Par un calcul analogue au prcdent, on obtient :


$   
2 n 2
x2 n1 
x
n
x x
dx
E(Mn2 ) =
1

0
$   
x n+1
x n1 
x
dx
2
1
= 2n

0
$ 0
(1 t)n+1 (1 + t)n1 t() dt
= 2n

On obtient :



Puisque 2(4 ) > 1, on en dduit que, pour n susamment


grand, rMn () > rT n ().
Les deux estimateurs T n et Mn tant sans biais, lorsque n est
grand, il est donc prfrable de choisir lestimateur T n .

(1 t)2 2nt(1 t2 )n1 dt

%
&1
= 2 (1 t)2 (1 t2 )n 0

2(1 t)(1 t2 )n dt

rMn ()
2(4 ) et donc :
rT n () n
rMn ()
2(4 ).
rT n () n

= 2

$ 1

* (1 t2 )n+1 +1 
(1 t2 )n dt
= 2 1 2
n+1 0
0


1
= 2 1 2In +
.
n+1

2
Donc : V(Mn ) = E(Mn2 ) E(Mn )


 1


2
1
(1 In ) = 2
= 2 1 2In +
In2 .
n+1
n+1

266

4
1
In2
.
n
n+1
n

Donc :

2n
2n.
(1 In )2 n

1
1
1

In2 =
+ o
n+1
n + 1 4n n n
1
1

.
= + o
n 4n n n

On en dduit que Mn est un estimateur asymptotiquement sans


biais de .


rMn ()
2n  1
=
In2 .
2
rT n ()
(1 In ) n + 1


2  1
1
V(Mn ) =
In2 .
(1 In )2
(1 In )2 n + 1

Puisque lim In = 0, on a :

Donc : lim E(Mn ) = .

t=1x/

1
Mn est un estima1 In

8.15
a) 1) Soit i 1 ; n.
La va Yi suit la loi de Bernoulli de paramtre p, avec :
p = P(Yi = 1) = P(Xi = 0) = e

0
= e .
0!

En particulier, on a :
E(Yi ) = e

et

V(Yi) = e (1 e ).

Le risque quadratique rMn () de Mn est donn par :



2
rMn () = V(Mn ) + E(Mn )
 1

2
= 2
In2 + (1 In ) )2 =
.
n+1
n+1

Par linarit de lesprance,

c) 4) Puisque n + 1 < 2n, on a rMn () > rT n ().

Ainsi, la va Yn est un estimateur sans biais de e .


1
1
E(Yk ) = nE(Y1 ) = E(Y1 ) = e .
n k=1
n
n

E(Yn ) =

Corrigs des exercices

1  
V
Yk
n2
k=1

V(Yn ) =

  n 1 2k


(n)k
E (S n )2 =
(k)2 P(S n = k) =
e n
n
k!
k=0
k=0
2 k

(n1)
+

(n1)2
n
= e n
= e n e n
k!
k=0
+

a) 2) On a :

n
1 
V(Yk )
par indpendance des va
2
n k=1
V(Y1)
1
e (1 e )
= 2 nV(Y1 ) =
=
.
n
n
n

Ainsi, Yn est un estimateur sans biais de e et sa variance


V(Yn ) tend vers 0 lorsque n tend vers +.

= e n e (n2+ n ) = e (2+ n ) .


&

%
Donc : V (S n ) = E (S n )2 E (S n ) 2
2



1
= e (2+ n ) e = e 2 e n 1 .


On a, en particulier : V (S n ) 0.
n

En utilisant lexercice 8.2, on en dduit que Yn est un estimateur


convergent de e .

Toujours en utilisant lexercice 8.2, on en dduit que (S n ) est


un estimateur convergent de e .

b) Soit j N. Alors :

d) Notons respectivement rn () et n () les risques quadratiques


de Yn et (S n ).

( j) = P(S n = j) (X1 = 0) =

P(X1 = 0, S n = j)
P(S n = j)

Puisque les deux estimateurs sont sans biais, on a :

P(X1 = 0, X1 + X2 + + Xn = j)
=
P(S n = j)
=

P(X1 = 0, X2 + + Xn = j)
P(S n = j)

P(X1 = 0) P(X2 + + Xn = j)
P(S n = j)
car les va X1 et X2 + + Xn sont indpendantes.

Puisque les va X1 , . . . , Xn sont mutuellement indpendantes


et suivent une loi de Poisson, on sait, daprs le cours, que
S n = X1 + + Xn suit la loi de Poisson de paramtre n.
De mme, la va X2 + + Xn suit la loi de Poisson de paramtre
(n 1).
e 0! e (n1)
0

On a alors :

( j) =
=

e n (n)
j!

(n 1)
=
nj
j

 n 1 j
n

(n1)
j!

Dunod. Toute reproduction non autorise est un dlit

k=0

= e n

k
+

(n 1)
k=0

k!

e n

(n)
k!

= e n e (n1) = e .

Ainsi, la va (S n ) est un estimateur sans biais de e .


c) 2) Par le mme raisonnement,

rn () n ()  0 et donc : rn ()  n ().

8.16

+ 

n 1 k
k=0

x
(n  1) et exp est croissante sur R.
n
Donc h est croissante sur R+ .

On en dduit que (S n ) est un meilleur estimateur que Yn .

Par le thorme de transfert, on a :


(k)P(S n = k) =

ex
en
1 x
x
e e n  0.

=
n
n
n

car x 

On obtient :

 n 1 S n
est indpendante de et ne dc) 1) La va (S n ) =
n
pend que du n-chantillon (X1 . . . , Xn ), donc (S n ) est un estimateur.



E (S n ) =

h (x) =

Puisque h(0) = 0, on en dduit : x R+ , h(x)  0.

Remarque : Cette probabilit est indpendante de .

+


e (1 e )
,
n



n () = V (S n ) = e 2 e n 1 .

 e 1

On a alors : rn () n () = e 2
e n +1 .
n
ex 1
x
Considrons h : R+ R, x 
e n + 1.
n
Alors h est drivable sur R+ , et, pour tout x de R+ ,
rn () = V(Yn ) =

a) Par linarit de lesprance,


n

1
1
E(Xi ) = nE(X) = E(X) = .
E(Xn ) =
n i=1
n
Ainsi, la va Xn est un estimateur sans biais de .
Son risque quadratique rXn () est donn par :
2

rXn () = V(Xn ) + E(Xn ) = V(Xn )
 !"
=0

n
n
1 
1  
Xi = 2
V(Xi )
= 2V
n
n i=1
i=1
par indpendance des va
V(X) 1
1
= 2 nV(X) =
= .
n
n
n

b) Lestimateur Yn est un estimateur sans biais de


267

Chapitre 8

Estimation, statistique

E(Yn ) =

n


8.17

i E(Xi ) =

a) 1) Pour tout k de 1 ; n, la va Xk suit la loi gomtrique de


m
paramtre ; en particulier,
N

i=1

n


i =

i=1

c) On a :

n


i = 1.

i=1

Cov(Xn , Yn ) = Cov

n
1 

i=1

Xi ,

n


jXj

j=1

n
n
1 
j Cov(Xi , X j ), par proprit de la covariance.
=
n i=1 j=1

Or, puisque les va X1 , . . . , Xn sont mutuellement indpendantes,


on a :

0 si i  j
2
.
(i, j) 1 ; n , Cov(Xi , X j ) =
V(Xi ) si i = j
Ainsi :

Cov(Xn , Yn ) =

n
n
1
1
1
i V(Xi ) =
i = .
n i=1  !" n i=1
n
=1
 !"
=1

On a donc :

Cov(Xn , Yn ) = V(Xn).

N
m

et V(Xk ) =

1 mN
N(N m)
=
.
( mN )2
m2

Par linarit de lesprance,


E(Xn ) =

n
1
1

N
E(Xk ) = nE(X1 ) = E(X1 ) = .
n k=1
n
m

Par indpendance des va X1 , . . . , Xn ,


V(Xn ) =

n

1 
1
V(Xi ) = 2 nV(X1 )
n2 i=1
n
V(X1 ) N(N m)
.
=
=
n
n m2

a) 2) Notons 5
Nn = m X n .
E(5
Nn ) = mE(Xn ) = m

N
= N,
m

donc 5
Nn est un estimateur sans biais de N.

V(Yn Xn ) = V(Yn ) + V(Xn ) 2 Cov(Xn , Yn )


= V(Yn ) + V(Xn ) 2V(Xn ) = V(Yn) V(Xn ).
Puisquune variance est toujours positive ou nulle, on obtient :
V(Yn ) V(Xn )  0, et donc : V(Xn )  V(Yn).
Enfin, daprs lgalit prcdente :
V(Xn ) = V(Yn ) V(Yn Xn ) = 0.
n


1 
V(Yn Xn ) = V
i Xi
n
i=1
n 

1 2
V(Xi ) par indpendance des va
=
i
n
i=1
n 

1 2
=
.
i
n
i=1

n 

1 2
=0
On obtient alors : V(Xn ) = V(Yn )
i
n
i=1  !"
0


1
i 1 ; n, i =
Yn = Xn .
n
d) Pour tout estimateur sans biais, le risque quadratique est gal
la variance.
On vient donc de montrer que tous les estimateurs non biaiss de , qui sont combinaisons linaires des Xi , ont un risque
1
quadratique suprieur ou gal , et que le seul estimateur de
n
1
risque quadratique gal est Xn .
n
268

m
N

Dune part :

On en dduit :

Or :

E(Xk ) =

Dautre part :
V(5
Nn ) = m2 V(Xn ) = m2

N(N m) N(N m)
=
0,
n
n m2
n

donc, daprs lexercice 8.2, 5


Nn est un estimateur convergent.
a) 3) Notons S n = X1 + + Xn = nXn et S n la va centre
rduite associe S n . Alors :
S n =

S n E(S n ) nXn E(nXn )


= .

V(S n )
V(nXn )

nXn nE(Xn ) Xn E(Xn )


= .
.
n V(Xn )
V(Xn )

N
Xn m
n m(Xn Nm )
= .
=
N(Nm)
N(N m)
=

n m2

n m Xn n N
=
= Nn .

N(N m)
Les va Xk , pour k  1, tant mutuellement indpendantes, de
mme loi et admettant une esprance et une variance, on sait,

daprs le thorme de la limite centre, que la suite (S n )n1 ,


cest--dire la suite (Nn )n1 , converge en loi vers une va qui suit
la loi normale N(0, 1).
a) 4) Notons la fonction de rpartition de la loi normale cen
tre rduite et t le rel tel que (t ) = 1 .
2
Pour n susamment grand, on peut considrer que la va Nn suit
la loi normale centre rduite. On a alors :

Corrigs des exercices

On a alors :





P |Nn |  t = P t  Nn  t


= (t ) (t ) = (t ) 1 (t )

= 2(t ) 1 = 1 .

n m Xn n N
 t
Or : |Nn |  t t 

N(N m)

t N(N m)  n m Xn n N  t N(N m).

N(N m)  N 2 = N.
De plus :

t = t N 
Donc : |Nn | 
n m Xn n N  t N
( n t )N  n m Xn  ( n + t )N

n m Xn
n m Xn
N
.

n + t
n t
On a alors
:

 n m Xn


n m Xn 
N
 P |Nn |  t = 1 .
P
n + t
n t
* n m Xn n m Xn +
Ainsi lintervalle
est un intervalle de
;
n + t
n t
confiance de N, au niveau de confiance (suprieur ou gal )
1 .

Dunod. Toute reproduction non autorise est un dlit

a) 5) On a ici : m = 800, n = 200 et une ralisation de Xn


1000
= 5.
gale
200

= 0.975 ; on lit dans la table de


Pour = 0.05, on a 1
2
la loi normale centre rduite (1.96)  0.975, ce qui donne
t0.05  1.96.
Une estimation
dun intervalle
de confiance de N 95% est :

* 200 800 5
&
200 800 5 + %
;
= 3513 ; 4644 .

200 + 1.96
200 1.96
 m
b) 1) La va Yn suit la loi binomiale de paramtre n,
;
N
m nm
=
en particulier, E(Yn ) = n
N
N
m 
m  n m (N m)
.
et V(Yn ) = n 1
=
N
N
N2
 Yn  E(Yn )
1 nm
1
b) 2) On a : E
=
=

= .
nm
nm
nm N
N
Yn
1
est un estimateur sans biais de .
nm
N

m n
> 0.
On a : P(Yn = 0) = 1
N

Donc

Ainsi la va Yn sannule avec une probabilit non nulle. On ne


nm
.
peut donc pas dfinir la va
Yn
b) 3) Par le thorme de transfert, on a :
E

1   1
=
P(Yn = k)
Yn + 1
k+1
k=0


n

1 n  m k 
m nk
1
.
=
k
+
1
k
N
N
k=0
n

Or : k 0 ; n,


1 n
1 n+1
=
.
k+1 k
n+1 k+1

1  n + 1  m k 
m nk
1 
=
1
Donc : E
Yn + 1
n + 1 k=0 k + 1 N
N



n+1

m n(k1)
1  n + 1  m k1 
1
n + 1 k=1 k
N
N


n+1

m n+1k 
1 N *  n + 1  m k 
1
n + 1 m k=0 k
N
N

m n+1 +
1
N
*
m n+1 +
1 N m
m n+1 
1
=
+1
n+1m N
N
N

m n+1 +
1 N*
1 1
.
=
n+1m
N
=

(n + 1)m
. On a alors :
Yn + 1
*

m n+1 +
N,
E(T n ) = N 1 1
n
N

m
m
m n+1
car
0.
]0 ; 1[, donc 1
]0 ; 1[ et 1
n
N
N
N
Notons T n =

On en dduit que T n est un estimateur asymptotiquement sans


biais de N.
b) 4) Le rel p dsigne la proportion dindividus marqus sur
m
lle. Alors p = .
N
Yn
reprsente la proportion dindividus marqus
De plus, la va
n
parmi les n individus capturs.
En conservant les notations de la question a) 4), daprs le
* Yn
t
t +
Yn
cours, lintervalle
;
+ est un intervalle
n
2 n n
2 n
de confiance de p au niveau de confiance 1 .
b) 5) On a ici :
gale 200.

m = 800, n = 1000 et une ralisation de Yn

Pour = 0.05, on a 1
= 0.975 ; on lit dans la table de
2
la loi normale centre rduite (1.96)  0.975, ce qui donne
t0.05  1.96.
Une estimation dun intervalle de confiance de p 95% est :
* 200
&
1.96
1.96 + %
200

+
;
 0.169 ; 0.231 .
1000 2 1000 1000 2 1000
m
, une estimation dun intervalle de confiance
p
* 800
&
800 + %
 3463 ; 4734 .
;
de N 95% est :
0.231 0.169

Puisque N =

269

Chapitre 8

Estimation, statistique

8.18
a) Puisque les va X1 , . . . , Xn sont mutuellement indpendantes,
de loi exponentielle de paramtre , on sait, daprs le cours,
1 
que la va S n suit la loi , n .

Une densit fn de S n est donc donne par :

xn1 e x si x  0

.
x R, fn (x) =
(n 1)!

0
si x < 0
4
b) Par le thorme de transfert,
esprance si
$ +
$ + n admet une
n
n
et seulement si lintgrale
fn (x) dx =
fn (x) dx
x
x
0
converge absolument.
$ X#
$ X
##
## n
n
fn (x) dx
Pour tout X > 0,
# fn (x)## dx =
x
0
0 $x
$ X
X
n
n
n
=
un2 e u du
xn2 e x dx =
u=x (n 1)! 0
0 (n 1)!
n
n
n

(n 1) =
(n 2)! =
.
X (n 1)!
(n 1)!
n1
n
.
On en dduit que 4n admet une esprance et E(4n ) =
n1
De la mme faon, on montre que 4n admet un moment
2
n2 2
n2 2
dordre 2 et E(4n ) =
(n 2) =
.
(n 1)!
(n 1)(n 2)
Donc 4n admet une variance et
 n 2
n2 2

(n 1)(n 2)
n1
n2 2


n2 2
=
(n 1) (n 2) =
.
2
(n 1) (n 2)
(n 1)2 (n 2)

2
V(4n ) = E(4n ) E(4n =
2

c) Puisque E(4n )  , lestimateur 4n est biais.


n
Mais, E(4n ) =
, donc lestimateur 4n est asympton 1 n
tiquement sans biais.
n2 2
0, daprs lexer(n 1)2 (n 2) n
cice 8.2, lestimateur 4n est convergent.
Enfin, puisque V(4n ) =

d) 1) Notons S n la va centre rduite associe S n .



n
n
Puisque S n  ; n , alors E(S n ) = et V(S n ) = 2 .

1

Ainsi :

Sn
S n = .

n
2

Sn n

Sn
= = n = Nn .
n
n

Les va Xk , pour k  1, tant mutuellement indpendantes, de


mme loi et admettant une esprance et une variance, on sait,
daprs le thorme de la limite centre, que la suite (S n )n1
cest--dire la suite (Nn )n1 , converge en loi vers une va N telle
que N  N (0, 1).
270

d) 2) Pour n susamment grand, on peut considrer que la


va Nn suit la loi normale centre rduite. On a alors :




P |Nn |  t = P t  Nn  t


= (t ) (t ) = (t ) 1 (t )
= 2(t ) 1 = 1 .

Sn
Or : |Nn |  t t  n  t
n

n
n

n t
  n + t
Sn
Sn


t  4
t  4
1 n   1 + n .
n
n
On obtient alors :


t 
t
P 1 4n   1 + 4n = 1 .
n
n

*
t  +
t 
On en dduit que lintervalle 1 4n ; 1 + 4n est un
n
n
intervalle de confiance de au niveau de confiance 1 , et
donc au risque .
e) 1) La fonction est continue sur R, strictement croissante sur R. Elle ralise donc une bijection de R sur
(R) =] lim ; lim [=]0 ; 1[.

Ainsi, la fonction 1 existe et est dfinie sur ]0 ; 1[.


e) 2) La longueur de lintervalle de confiance au risque est
2 t
gale .
n
Donc celle de lintervalle de confiance au risque
2 t
est gale
. Cet intervalle est alors lintervalle
k n
*

t 
t  +
In = 1 4n ; 1 + 4n .
k n
k n
En eectuant les mmes calculs que prcdemment :
 t 


t 

P In = P |Nn | 
= 2
1.
k
k
On obtient donc :
1 = 2

 t 

1 = 2 2

 t 
.
k

k
1
 t 

= 1
.
Montrons que 1
k
k
2
 t 
1

 t 
=
= (t ) .
On a : 1
k
k
k


De plus : (t ) = 1 (t ) = 1 1
= .
2
2

1
.
Donc : t =
2
1
 t 

= 1
.
On obtient donc : 1
k
k
2

Corrigs des exercices

On en dduit :

= 2

1
k


.
2

Puisque 1 est strictement croissante sur ]0 ; 1[ (car est


strictement croissante sur R, de limite 0 en et de limite 1
1
en +) et que < , on a :
2
2

1
< 1
= 0.
1
2
2
De plus, k > 1. On a alors :


1 1
> 1
.

k
2
2

an
b) 2) On a alors : a R+ , h(a) =
et
(x1 xn )a+1


g(a) = ln h(a) = n ln(a) (a + 1) ln(x1 xn )
n

= n ln(a) (a + 1)
ln(xk ).
k=1

La fonction g est drivable sur

Notons 4
a=

Ce rsultat est prvisible car, plus lintervalle de confiance est


troit, plus le niveau de confiance est faible et donc le risque
grand.

8.19
a) La fonction f est continue sur R sauf en 1, positive ou nulle
sur R.
$

De plus : X > 1,
1

$ X
f (x) dx =
axa1 dx
1
&X
%
= xa 1 = X a + 1 1.
X+

Ainsi lintgrale

vaut 1.

$
f (x) dx =

f (x) dx converge et
1

Dunod. Toute reproduction non autorise est un dlit

On en dduit que f est une densit.

n 

ln(xk ).
a k=1

n
n


. On obtient le tableau de variations de g

ln(xk )

k=1

suivant :

> .

et :
n

a R+ , g (a) =

Enfin, puisque est strictement croissante sur R, on a :



1


> 1
= .
1
k
2
2
2
On en dduit, en multipliant par 2 :

R+

a 0
4
a
+
g (a) + 0
g(a)  

On en dduit que g est croissante sur ]0 ;4


a] et est dcroissante
sur [4
a ; +[.
En composant par la fonction exp qui est strictement croissante
sur R, on en dduit que la fonction h a les mmes variations
que g.
Et ainsi, h atteint son maximum en 4
a.
c) Soit k 1 ; n. Puisque Xk prend presque srement ses
valeurs dans [1 ; +[ (car f est nulle en dehors de [1 ; +[), la
va ln(Xk ) prend presque srement ses valeurs dans [0 ; +[.


De plus : x [0 ; +[, P ln(Xk )  x = P(Xk  e x )
$ ex
* 1 + e x
a
1
dt = a
=
+ 1 = 1 e ax .
=
a+1
t
t 1
( e x )a
1
Ainsi, la fonction de rpartition G de ln(Xk ) vrifie :

1 e ax si x  0
.
x R, G(x) =
0
si x < 0
On reconnat la fonction de rpartition dune loi exponentielle
de paramtre a.
On conclut : ln(Xk )  E (a).
Puisque les va ln(X1 ), . . . , ln(Xn ) sont mutuellement indpendantes et suivent la loi E (a), daprs le cours, on sait que S n
1 
suit la loi , n .
a

b) 1) On a :

(x1 , . . . , xn , a) Rn R+ ,

sil existe i 1 ; n tel que xi < 1 alors :


L(x1 , . . . , xn , a) = 0 ;
sinon :

n
an
a
=
.
L(x1 , . . . , xn , a) =
a+1
(x

xn )a+1
x
1
k=1 k

Une densit fn de S n est donne par :

an

xn1 e ax si x  0

x R, fn (x) =
.
(n 1)!

0
si x < 0
d) Puisque 4
a=

n
n

k=1

ln(xk )

, on a : T n =

n
n


ln(Xk )

n
.
Sn

k=1

271

Chapitre 8

Estimation, statistique

Par le thorme de transfert, on a :


T n admet une esprance
$
+

lintgrale
absolument

lintgrale
positive ou nulle).

n
fn (x) dx =
x

Soit H = (h1 , . . . , hn ) Rn tel que A + H C .


$

+
0

n
fn (x) dx converge
x

Alors :

f (A + H) f (A) =

na
.
On en dduit que T n admet une esprance et E(T n ) =
n1
De la mme faon, on montre que T n admet un moment
n2 a2
n2 a2
(n 2) =
.
dordre 2 et E(T n2 ) =
(n 1)!
(n 1)(n 2)
 n a 2
n2 a2

(n 1)(n 2)
n1


n2 a2
n2 a2
(n 1) (n 2) =
=
.
2
(n 1) (n 2)
(n 1)2 (n 2)

na
a. Donc T n est un estimateur
e) On a : E(T n ) =
n 1 n
asymptotiquement sans biais de a.
n2 a2
De plus, V(T n ) =
0.
(n 1)2 (n 2) n

n  

1 2

Puisque A + H =
on a :

n 

1
i=1

Donc :

1

+ h1 , . . . ,

n


+ hi = 1 +

<